KI-Objekterkennung für die Straßeninfrastruktur.Kunde: Bundesministerium für Verkehr und Digitales

KI-Objekterkennung für die Straßeninfrastruktur.

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.

BM-Case-1
Manuelle Prozesse, hohe Datenmengen.Manuelle Prozesse, hohe Datenmengen, fehlende Transparenz

Manuelle Prozesse, hohe Datenmengen.

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.

  • Manuelle Inspektionen mit hohem Zeitaufwand
  • Fehlende Priorisierung von Wartungsmaßnahmen
  • Unvollständige oder fehleranfällige Dateneingaben
  • Bedarf an skalierbarer, sicherer Dateninfrastruktur
Von der Konzeptphase zur produktiven KI-Plattform.Pulsar setzte das Projekt in agilen Iterationen um, von der gemeinsamen Anforderungsanalyse mit den Fachabteilungen des Ministeriums über das Training der KI-Modelle bis zur Bereitstellung der produktiven Plattform. Dabei wurden modernste Technologien wie TensorFlow, Cloud-Infrastruktur und eine Angular-basierte Weboberfläche zu einem durchgängigen System verbunden, das präzise Objekterkennung mit intuitiver Bedienung vereint. Umfangreiche Tests unter realen Wetterbedingungen sowie eine konsequente Ausrichtung an ISO- und DSGVO-Standards stellten sicher, dass die Lösung höchsten Anforderungen an Zuverlässigkeit und Datensicherheit gerecht wird.
Umsetzung

Von der Konzeptphase zur produktiven KI-Plattform.

Pulsar setzte das Projekt in agilen Iterationen um, von der gemeinsamen Anforderungsanalyse mit den Fachabteilungen des Ministeriums über das Training der KI-Modelle bis zur Bereitstellung der produktiven Plattform. Dabei wurden modernste Technologien wie TensorFlow, Cloud-Infrastruktur und eine Angular-basierte Weboberfläche zu einem durchgängigen System verbunden, das präzise Objekterkennung mit intuitiver Bedienung vereint. Umfangreiche Tests unter realen Wetterbedingungen sowie eine konsequente Ausrichtung an ISO- und DSGVO-Standards stellten sicher, dass die Lösung höchsten Anforderungen an Zuverlässigkeit und Datensicherheit gerecht wird.
Schritt 01

Analyse & Konzeptphase

Gemeinsame Workshops mit den Fachabteilungen des Ministeriums definierten Anforderungen, Datenquellen und Sicherheitsrichtlinien. Auf dieser Basis wurde das technische Konzept erstellt.

Schritt 02

Modellentwicklung & Training

Mit TensorFlow wurden KI-Modelle für Objekterkennung und Schadensklassifikation trainiert. Dabei kamen eigens kuratierte Bilddatensätze und Tiefenerkennungsalgorithmen zum Einsatz.

Schritt 03

Integration & Frontend-Entwicklung

Über Angular wurde eine nutzerfreundliche Webanwendung geschaffen, die KI-Ergebnisse in Echtzeit visualisiert und die Dateneingabe automatisiert.

Schritt 04

Backend & Cloud-Architektur

Die Backend-Integration in C# ermöglicht skalierbare Verarbeitung großer Datenmengen. Cloud-Dienste sorgen für sichere Speicherung, Analyse und Bereitstellung der Ergebnisse.

Schritt 05

Testing unter Realbedingungen

Um höchste Zuverlässigkeit zu gewährleisten, wurde das System unter verschiedenen Wetterbedingungen wie Regen, Schnee und Dunkelheit getestet und iterativ verbessert.

Schritt 06

Optimierung & Qualitätssicherung

Die finale Plattform wurde nach ISO- und DSGVO-Standards geprüft und für den produktiven Einsatz freigegeben – mit kontinuierlicher Performance-Überwachung und Feedbackschleifen.

  1. Analyse & Konzeptphase

    Schritt 01: Gemeinsame Workshops mit den Fachabteilungen des Ministeriums definierten Anforderungen, Datenquellen und Sicherheitsrichtlinien. Auf dieser Basis wurde das technische Konzept erstellt.

  2. Modellentwicklung & Training

    Schritt 02: Mit TensorFlow wurden KI-Modelle für Objekterkennung und Schadensklassifikation trainiert. Dabei kamen eigens kuratierte Bilddatensätze und Tiefenerkennungsalgorithmen zum Einsatz.

  3. Integration & Frontend-Entwicklung

    Schritt 03: Über Angular wurde eine nutzerfreundliche Webanwendung geschaffen, die KI-Ergebnisse in Echtzeit visualisiert und die Dateneingabe automatisiert.

  4. Backend & Cloud-Architektur

    Schritt 04: Die Backend-Integration in C# ermöglicht skalierbare Verarbeitung großer Datenmengen. Cloud-Dienste sorgen für sichere Speicherung, Analyse und Bereitstellung der Ergebnisse.

  5. Testing unter Realbedingungen

    Schritt 05: Um höchste Zuverlässigkeit zu gewährleisten, wurde das System unter verschiedenen Wetterbedingungen wie Regen, Schnee und Dunkelheit getestet und iterativ verbessert.

  6. Optimierung & Qualitätssicherung

    Schritt 06: Die finale Plattform wurde nach ISO- und DSGVO-Standards geprüft und für den produktiven Einsatz freigegeben – mit kontinuierlicher Performance-Überwachung und Feedbackschleifen.

BM-Case-2
Schneller erkennen, gezielter warten.Mit der neuen KI-Plattform konnte das BMVI seine Inspektionsprozesse grundlegend modernisieren. Automatisierte Erkennung, sichere Datenverarbeitung und klare Visualisierung führen zu kürzeren Reaktionszeiten, höherer Datenqualität und effizienter Ressourcennutzung.
Ergebnis

Schneller erkennen, gezielter warten.

Mit der neuen KI-Plattform konnte das BMVI seine Inspektionsprozesse grundlegend modernisieren. Automatisierte Erkennung, sichere Datenverarbeitung und klare Visualisierung führen zu kürzeren Reaktionszeiten, höherer Datenqualität und effizienter Ressourcennutzung.

Automatisierte Objekterkennung

Mithilfe neuronaler Netze identifiziert das System Straßenschilder, Beschädigungen und Verschmutzungen automatisch. Die manuelle Kontrolle wurde dadurch um über 60 % reduziert – bei gleichzeitig höherer Erkennungsgenauigkeit.

Sichere Datenverarbeitung

Sämtliche Analyse- und Speichervorgänge erfolgen DSGVO-konform in einer abgesicherten Cloud-Umgebung. Datenschutz-Folgenabschätzungen (DSFA) garantieren höchste Standards in Datensicherheit und Governance.

Intuitive Visualisierung & Analyse

Eine benutzerfreundliche Weboberfläche visualisiert die Ergebnisse klar und übersichtlich. Schäden, Wartungsbedarf und Prioritäten lassen sich intuitiv nachvollziehen und gezielt bearbeiten.

  1. Automatisierte Objekterkennung

    Mithilfe neuronaler Netze identifiziert das System Straßenschilder, Beschädigungen und Verschmutzungen automatisch. Die manuelle Kontrolle wurde dadurch um über 60 % reduziert – bei gleichzeitig höherer Erkennungsgenauigkeit.

  2. Sichere Datenverarbeitung

    Sämtliche Analyse- und Speichervorgänge erfolgen DSGVO-konform in einer abgesicherten Cloud-Umgebung. Datenschutz-Folgenabschätzungen (DSFA) garantieren höchste Standards in Datensicherheit und Governance.

  3. Intuitive Visualisierung & Analyse

    Eine benutzerfreundliche Weboberfläche visualisiert die Ergebnisse klar und übersichtlich. Schäden, Wartungsbedarf und Prioritäten lassen sich intuitiv nachvollziehen und gezielt bearbeiten.

Sprechen wir über Ihr KI-Vorhaben.In 30 Minuten klären wir Ausgangslage, Potenzial und den nächsten sinnvollen Schritt.
Gespräch buchen

Sprechen wir über Ihr KI-Vorhaben.

In 30 Minuten klären wir Ausgangslage, Potenzial und den nächsten sinnvollen Schritt.

Was Sie erwartet
Ihre Ausgangslage
Sie schildern Prozess, Ziel und Zeitrahmen. Wir fragen nach, bis wir es verstehen.
Unsere Einschätzung
Wir sagen offen, ob sich ein Projekt lohnt, auch wenn die Antwort nein ist.
Der nächste Schritt
Ein klar umrissener Einstieg, oder die ehrliche Antwort, dass wir nicht passen.
Meeting-Typ
30 Min · Video-Call
Kennenlerngespräch mit unserem Senior Sales Manager
Justus Böhlke
Senior Sales Manager
Live-Kalender öffnen
Freie Slots ansehen und direkt buchen
Unverbindlich · kein Ticket-System · Antwort typischerweise innerhalb von 4 Stunden
  1. Erstgespräch buchen

    Kostenloses 30-Minuten-Gespräch zur Bedarfsklärung.

  2. Kontakt per Mail

    Anfrage mit Projektdetails an unser Beratungs-Team.