Analyse & Konzeptphase
Gemeinsame Workshops mit den Fachabteilungen des Ministeriums definierten Anforderungen, Datenquellen und Sicherheitsrichtlinien. Auf dieser Basis wurde das technische Konzept erstellt.
Kunde: Bundesministerium für Verkehr und Digitales
Für das Bundesministerium für Verkehr und Digitales entwickelte Pulsar eine KI-Plattform zur automatisierten Erkennung und Bewertung von Straßenschildern und Straßenschäden. Das System identifiziert und priorisiert Wartungsaufgaben, erleichtert die Arbeit der Straßenmeistereien und sorgt für mehr Effizienz, Qualität und Sicherheit im Straßenmanagement.

Manuelle Prozesse, hohe Datenmengen, fehlende Transparenz
Vor Projektstart erfolgte die Kontrolle von Straßenschildern und Fahrbahnschäden vollständig manuell, ein zeitaufwendiger Prozess, der bei der schieren Menge an zu prüfenden Streckenabschnitten fehleranfällig war und eine gezielte Priorisierung von Wartungsmaßnahmen kaum ermöglichte. Fehlende Standardisierung bei der Datenerfassung führte zudem zu lückenhaften Informationen, auf deren Basis fundierte Entscheidungen nur schwer zu treffen waren. Ziel war daher eine intelligente, skalierbare Lösung, die diese Prozesse automatisiert, die Datenqualität nachhaltig verbessert und Entscheidungen für die Straßenmeistereien spürbar beschleunigt.
Gemeinsame Workshops mit den Fachabteilungen des Ministeriums definierten Anforderungen, Datenquellen und Sicherheitsrichtlinien. Auf dieser Basis wurde das technische Konzept erstellt.
Mit TensorFlow wurden KI-Modelle für Objekterkennung und Schadensklassifikation trainiert. Dabei kamen eigens kuratierte Bilddatensätze und Tiefenerkennungsalgorithmen zum Einsatz.
Über Angular wurde eine nutzerfreundliche Webanwendung geschaffen, die KI-Ergebnisse in Echtzeit visualisiert und die Dateneingabe automatisiert.
Die Backend-Integration in C# ermöglicht skalierbare Verarbeitung großer Datenmengen. Cloud-Dienste sorgen für sichere Speicherung, Analyse und Bereitstellung der Ergebnisse.
Um höchste Zuverlässigkeit zu gewährleisten, wurde das System unter verschiedenen Wetterbedingungen wie Regen, Schnee und Dunkelheit getestet und iterativ verbessert.
Die finale Plattform wurde nach ISO- und DSGVO-Standards geprüft und für den produktiven Einsatz freigegeben – mit kontinuierlicher Performance-Überwachung und Feedbackschleifen.
Schritt 01: Gemeinsame Workshops mit den Fachabteilungen des Ministeriums definierten Anforderungen, Datenquellen und Sicherheitsrichtlinien. Auf dieser Basis wurde das technische Konzept erstellt.
Schritt 02: Mit TensorFlow wurden KI-Modelle für Objekterkennung und Schadensklassifikation trainiert. Dabei kamen eigens kuratierte Bilddatensätze und Tiefenerkennungsalgorithmen zum Einsatz.
Schritt 03: Über Angular wurde eine nutzerfreundliche Webanwendung geschaffen, die KI-Ergebnisse in Echtzeit visualisiert und die Dateneingabe automatisiert.
Schritt 04: Die Backend-Integration in C# ermöglicht skalierbare Verarbeitung großer Datenmengen. Cloud-Dienste sorgen für sichere Speicherung, Analyse und Bereitstellung der Ergebnisse.
Schritt 05: Um höchste Zuverlässigkeit zu gewährleisten, wurde das System unter verschiedenen Wetterbedingungen wie Regen, Schnee und Dunkelheit getestet und iterativ verbessert.
Schritt 06: Die finale Plattform wurde nach ISO- und DSGVO-Standards geprüft und für den produktiven Einsatz freigegeben – mit kontinuierlicher Performance-Überwachung und Feedbackschleifen.

Mithilfe neuronaler Netze identifiziert das System Straßenschilder, Beschädigungen und Verschmutzungen automatisch. Die manuelle Kontrolle wurde dadurch um über 60 % reduziert – bei gleichzeitig höherer Erkennungsgenauigkeit.
Sämtliche Analyse- und Speichervorgänge erfolgen DSGVO-konform in einer abgesicherten Cloud-Umgebung. Datenschutz-Folgenabschätzungen (DSFA) garantieren höchste Standards in Datensicherheit und Governance.
Eine benutzerfreundliche Weboberfläche visualisiert die Ergebnisse klar und übersichtlich. Schäden, Wartungsbedarf und Prioritäten lassen sich intuitiv nachvollziehen und gezielt bearbeiten.
Mithilfe neuronaler Netze identifiziert das System Straßenschilder, Beschädigungen und Verschmutzungen automatisch. Die manuelle Kontrolle wurde dadurch um über 60 % reduziert – bei gleichzeitig höherer Erkennungsgenauigkeit.
Sämtliche Analyse- und Speichervorgänge erfolgen DSGVO-konform in einer abgesicherten Cloud-Umgebung. Datenschutz-Folgenabschätzungen (DSFA) garantieren höchste Standards in Datensicherheit und Governance.
Eine benutzerfreundliche Weboberfläche visualisiert die Ergebnisse klar und übersichtlich. Schäden, Wartungsbedarf und Prioritäten lassen sich intuitiv nachvollziehen und gezielt bearbeiten.
In 30 Minuten klären wir Ausgangslage, Potenzial und den nächsten sinnvollen Schritt.
Kostenloses 30-Minuten-Gespräch zur Bedarfsklärung.
Anfrage mit Projektdetails an unser Beratungs-Team.