Connect with us

Künstliche Intelligenz

Deutsche Bahn will Reiseinfos verbessern


Plötzlich erscheint auf der Anzeige: Der ICE, der eigentlich gleich von Gleis 4 starten sollte, fährt von Gleis 11. Hunderte Reisende eilen gestresst zu den Bahnsteigtreppen. Dass Hinweise auf Störungen, Verspätungen oder Zugausfälle häufig nicht zeitnah und zuverlässig kommen, wurmt viele Fahrgäste. Die Bahn will das Ärgernis angehen und dafür auch an den Datenquellen ansetzen, um bald bessere Benachrichtigungen anzubieten.

Weiterlesen nach der Anzeige

„Die Kundinnen und Kunden sollen noch in diesem Jahr merken, dass die Kundeninformation besser wird“, sagte Konzernchefin Eveyln Palla der Deutschen Presse-Agentur. „In der Vergangenheit haben wir zu wenig Fokus auf dieses fundamental wichtige Thema für die Fahrgäste gelegt“, räumte sie ein. „Gerade bei vielen Fahrplanabweichungen ist es wichtig, dass wir unsere Fahrgäste gut informieren und aktuelle, verlässliche und konsistente Daten in den unterschiedlichen Kundenkanälen haben.“

Bei täglich mehr als 20.000 Fern- und Regionalzügen allein bei der bundeseigenen Deutschen Bahn sind Angaben zu Planabweichungen eine komplexe Sache. „Eine gute Kundeninformation ist ein Zusammenspiel von mehreren Akteuren“, erläuterte Palla. So kämen Daten über die Position der Züge und Informationen zu Gleiswechseln im Bahnhof vom Betreiber des Schienennetzes, der Konzerntochter DB InfraGo. „Die wollen wir so früh wie möglich in die Informationssysteme bekommen – direkt, wenn sie vorliegen.“

„Die andere Informationsquelle sind die Verkehrsunternehmen, die auf der Schiene unterwegs sind. Dort entstehen die Verspätungsprognosen und zum Beispiel auch die Informationen zur Wagenreihung“, sagte die Bahnchefin. Für die eigenen Fern- und Regionalzüge der DB wolle man jetzt aus den Leitstellen schneller präzisere Daten in die Kundensysteme einspielen.

Damit die Gesamtsituation der Fahrgäste besser wird, kommen aber auch die Wettbewerber ins Spiel, die der Bahn inzwischen vor allem im Regionalverkehr Konkurrenz machen. Wichtig sei, dass alle anderen Verkehrsunternehmen auf der Schiene ebenfalls präzise Daten einspielten, damit flächendeckend eine gute Kundeninformation entstehe, sagte die Bahnchefin. „Am Ende ist das eine Gemeinschaftsaufgabe der gesamten Branche.“

Helfen soll bei der Bahn auch neue Technik. „Wir müssen hier auch noch mehr als in der Vergangenheit auf Künstliche Intelligenz setzen, insbesondere bei den Verspätungsprognosen können wir da Verbesserungen erzielen.“ Derzeit müssen Fahrgäste oft damit kämpfen, dass sich Prognosen noch während der Fahrt immer wieder ändern – und am Ende niemand genau weiß, wann der Zug nun ankommt und ob die Anschlussverbindung erreichbar ist.

Weiterlesen nach der Anzeige

Bessere Informationen gehören zu den insgesamt drei Sofortprogrammen, mit denen die neue Bahnchefin und Bundesverkehrsminister Patrick Schnieder (CDU) schon kurzfristige Verbesserungen erreichen wollen. Ein erstes Programm für mehr Sicherheit und Sauberkeit an den Bahnhöfen und ein zweites für mehr Komfort in den Fernzügen sind schon vorgestellt worden.

Für die ICE und Intercity geht es dabei um besser verfügbare Toiletten und Angebote in der Bordgastronomie. Rund 20 Millionen Euro extra pro Jahr soll das Programm kosten. Wann das letzte zur Reisendeninformation anlaufen wird, ist noch offen. Der Zweck aller drei Programme: Bei den Fahrgästen soll jetzt schon ankommen, dass sich bei der Bahn etwas zum Positiven ändert, wie Palla sagte. Denn für die tiefgreifende Sanierung des maroden Gleisnetzes als Hauptursache für Verspätungen warb sie gerade um Geduld: „Die Schiene in Deutschland in Ordnung zu bringen, dafür werden wir zehn Jahre brauchen.“

Für den bundeseigenen Konzern, der ja als Aktiengesellschaft firmiert, schlägt sich das auch bei den wirtschaftlichen Perspektiven nieder. „Natürlich müssen wir auch wieder Wachstum erzielen. Dafür können wir die Auslastung unserer Züge verbessern“, sagte Palla. „Wir können aber angesichts knapper Netzkapazitäten aktuell nicht noch mehr Züge auf die Schiene schicken.“

In den Bilanzen standen zuletzt unter dem Strich rote Zahlen. Die Bahnchefin betonte denn auch: „Wir wollen das Bahngeschäft in Deutschland betrieblich, aber natürlich auch wirtschaftlich stabilisieren. Das muss unser Ziel sein, und das verfolgen wir. Da sind wir auf einem guten Weg.“ Mit Blick auf den Verkauf der weltweit aktiven Logistiktochter Schenker, die ein meist sicherer Gewinnbringer war, erläuterte sie: „Es geht nicht darum, mit irgendeinem Auslandsgeschäft den Konzern wirtschaftlich gesund zu halten.“

Palla sagte: „Wir haben 2025 schon besser abgeschlossen als die vorherigen Jahre.“ Im Fernverkehr sei man dabei, ein umfassendes Sanierungskonzept zu erarbeiten. Die Güterzugtochter DB Cargo sei das größte Sorgenkind. „Da schlagen wir gerade einen Sanierungskurs mit sehr harten Einschnitten ein.“ Und es gebe darüber hinaus im Konzern auch strukturelle Veränderungen und Bürokratieabbau, die einen Beitrag zur Wirtschaftlichkeit leisten sollten.


(olb)



Source link

Künstliche Intelligenz

So funktioniert ArcticDB: Vom Dataframe zur Hochleistungsdatenbank


Data-Scientists sind häufig mit enormen Mengen an Zeitreihendaten konfrontiert, beispielsweise bei der quantitativen Analyse. Um diese Herausforderung zu meistern, entwickelte die Man Group, ein britischer Finanzdienstleister, eine eigene, Dataframe-zentrierte Datenbank: ArcticDB. Das Besondere: Das System speichert pandas-Dataframes spaltenorientiert und stellt jede Änderung als neue Version bereit. Durch diese Art der Speicherung, unveränderliche (immutable) Versionierung und native pandas-Integration erleichtert ArcticDB den Umgang mit riesigen Datensätzen.

  • Klassische Datenbanken und Dateiformate stoßen beim Verarbeiten riesiger Datenmengen an ihre Grenzen.
  • Die Open-Source-Datenbank ArcticDB ist speziell für Big Data und High-Performance Computing konzipiert: Sie speichert spaltenbasiert statt zeilenweise, nutzt Versionierung sowie Append-Streaming und integriert pandas nativ.
  • Alternative Produkte wie ClickHouse, TimescaleDB und InfluxDB oder Formate und Techniken wie Apache Parquet und Delta Lake haben eine andere Ausrichtung. Sie verwenden SQL und klassische Time-Series-Konzepte.


Dr. Fabian Deitelhoff

Dr. Fabian Deitelhoff

Dr. Fabian Deitelhoff ist IT-Leiter Head of Software Development und Head of Product bei der Education Partners GmbH. Zudem ist er als Autor, Dozent und Softwareentwickler tätig.

Herkömmliche Dateiformate und Data-Warehouse-Systeme reichen nicht immer aus, um Dataframes mit Milliarden Zeilen effizient zu verarbeiten. Das Konzept von ArcticDB stellt Dataframes in den Mittelpunkt des Datenmodells (siehe Artikel „Our Journey Creating ArcticDB: Solving the Challenge of Dataframes at Scale“ von William Dealtry, einem der Hauptentwickler von ArcticDB). Zwei Ideen sind dabei zentral: günstiger Cloud-Speicher und Immutabilität. Statt Daten nachträglich zu ändern, erzeugt ArcticDB bei jeder Schreiboperation eine neue Version, was Skalierung und Zeitreisen ermöglicht. Daraus leiten sich die Kerneigenschaften des Datenbanksystems ab:

  • pandas in, pandas out: Die Python-API arbeitet direkt mit Dataframes und verzichtet auf SQL.
  • Serverlos und unveränderlich: ArcticDB läuft als Embedded-Engine auf dem Client, nutzt Objektspeicher (S3, LMDB) und speichert Daten als unveränderliche Versionen.
  • Spaltenorientiert und leistungsfähig: Die Datenbank nutzt spaltenbasierte, komprimierte Segmente, um sehr große Dataframes schnell zu lesen und zu schreiben. Persistente Strukturen schützen ältere Versionen vor Beschädigung.

Die genannten Prinzipien bestimmen Architektur, API und Anwendungsfälle.


Das war die Leseprobe unseres heise-Plus-Artikels „So funktioniert ArcticDB: Vom Dataframe zur Hochleistungsdatenbank“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.



Source link

Weiterlesen

Künstliche Intelligenz

MCP verstehen und KI-Agenten im Alltag nutzen – das c’t-Webinar


Viele Aufgaben folgen festen Mustern: Informationen suchen, Daten übertragen, Formulare ausfüllen, Termine koordinieren. Bislang erledigen Menschen diese Schritte selbst – oder automatisieren sie mit hohem Aufwand. Mit agentischer KI ändert sich das grundlegend: Systeme können Abläufe verstehen, eigenständig ausführen und verschiedene Anwendungen miteinander verbinden. In der Praxis könnte das so aussehen: Sie beauftragen eine KI mit der Planung Ihres Traumurlaubs – und das System erledigt den Rest: Es bucht das Hotel, organisiert die Anreise und reserviert den Tisch im Lieblingsrestaurant. Was heute noch nach Science-Fiction klingt, entwickelt sich rasant zur Praxis.

Weiterlesen nach der Anzeige

Das Model Context Protocol (MCP) bildet dafür die technische Grundlage. Es verbindet große Sprachmodelle direkt mit Anwendungen und Online-Diensten und macht sie damit handlungsfähig. KI-Agenten können eigenständig Aufgaben ausführen, Daten aus unterschiedlichen Quellen abrufen und Aktionen in bestehenden Systemen anstoßen.

Im Webinar „MCP verstehen: So arbeiten KI-Agenten für Sie“ erfahren Sie, was hinter dem Konzept steckt und wie sich MCP praktisch nutzen lässt. Die c’t-Redakteure Jan Mahn, Jo Bager und Sylvester Tremmel erklären, wie MCP funktioniert und weshalb es auch trotz der Erfindung von KI-Agents wie OpenClaw noch eine wichtige Rolle spielt. Anhand realer Beispiele zeigen sie, wie agentische KI schon heute Arbeitsabläufe automatisiert und den Umgang mit Software verändert – und wo Grenzen sowie Risiken liegen.

Entwickler lernen, wie sie ihre Anwendungen an KI anbinden. Die Referenten demonstrieren konkrete Programmierbeispiele mit realen Datenquellen und erläutern typische Integrationsszenarien. Gleichzeitig greifen sie zentrale Sicherheitsfragen auf: Welche Risiken entstehen, wenn KI direkten Zugriff auf Systeme und Daten erhält? Wie lassen sich Datenschutz und Zugriffskontrollen sauber umsetzen? Sie erhalten praxisnahe Empfehlungen für einen sicheren und effizienten Einsatz von MCP.

Nach dem Webinar können Sie einschätzen, wie agentische KI funktioniert – und wo sie Ihren Arbeitsalltag oder eigene Projekte sinnvoll unterstützt. Technische Vorkenntnisse sind nicht erforderlich; erste Erfahrungen mit Sprachmodellen sind hilfreich.

Weiterlesen nach der Anzeige

  • Termin: 26. März 2026
  • Uhrzeit: 15:00 bis 18:00 Uhr
  • Preis: 69,00 Euro

Zur Teilnahme benötigen Sie lediglich einen aktuellen Browser. Weitere Informationen zum Webinar sowie Details zur Anmeldung finden Sie auf der Website zum Webinar.


(abr)



Source link

Weiterlesen

Künstliche Intelligenz

Kommunikation im Blackout: Diese Optionen haben Sie


Der Brandanschlag auf die Hoch- und Mittelspannungsleitungen nahe des Heizkraftwerks Lichterfelde in Berlin hat gezeigt, dass bei Stromausfall nicht bloß etwas dunkler wird. Über 100.000 Menschen verloren in den frühen Morgenstunden des 3. Januars nicht nur Heizung und Licht, sondern wenig später auch den Zugang zu Fest- und Mobilfunknetzen.

Die Konsequenzen werden einem erst bewusst, wenn es passiert: Man kann plötzlich nur auf Rufweite kommunizieren. Der Kontakt zur Familie im anderen Stadtteil bricht ab und lebensrettende Hilfe ist unter Umständen einen fünfzehnminütigen Fußmarsch entfernt.

  • Sprechfunk ist ideal, um unkompliziert im näheren Umkreis zu kommunizieren.
  • Mit Mesh-Chats kann man auch ohne teure Hardware große Reichweiten überbrücken.
  • Satellitentelefone sind praktisch, aber teuer in Kauf und Unterhalt.

Im Nachgang wurden Stimmen laut, die bessere Vorbereitung auch der Telekommunikationsnetze auf solche Szenarien forderten. Doch aus technischer Sicht steht längst fest: Insbesondere in mit Mobilfunkzellen gepflasterten Großstädten kann man nicht an allen Antennenstandorten Stromgeneratoren mit Spritreserven für Tage oder gar Wochen vorhalten – die Kosten für Installation und Wartung würden ausufern. Essenzielle Mobilfunkzellen zu versorgen kann helfen, dennoch hat dann das Mobilnetz viele Funklöcher und ist im Falle des Falles schnell überlastet.


Das war die Leseprobe unseres heise-Plus-Artikels „Kommunikation im Blackout: Diese Optionen haben Sie“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.



Source link

Weiterlesen

Beliebt