Driving with Big Data
oder
was autonome Elektromobilität mit Big Data zu tun hat
Es ist wohl unstrittig, dass unsere heutige Form der Mobilität, basierend auf der Verbrennung fossiler Energieträger, für eine Reihe von (Umwelt-)Problemen verantwortlich ist. Eine Hoffnung, dieser Probleme Herr zu werden, ist die Umstellung des Individualverkehrs von Benzin, Diesel und Gas auf Elektrizität. Wird diese über regenerative Energieträger erzeugt, so die Prognose, kann der negative Umwelteinfluss des Individualverkehrs signifikant verringert werden.
Dies wird aber nicht nur dadurch erreicht werden, dass unsere heutigen Fahrzeuge eine andere Antriebseinheit bekommen, also dass der Verbrennungsmotor einfach durch einen Elektromotor ausgetauscht wird, sondern es wird zwangsläufig zu einer völlig anderen Form der individuellen Mobilität führen.
Dies hat mehrere Gründe:
- Zwar gibt es heute schon Fahrzeuge, die ausschließlich mit einem Elektromotor betrieben werden. Hier ist vor allem der Elektropionier Tesla, aber auch traditionelle Hersteller wie z.B. BWM mit seinem i3 zu nennen. Ihnen gemein ist aber, dass diese Fahrzeuge entweder in einem Preissegment angesiedelt sind, dass nicht für Volumenmodelle geeignet ist, oder in Bezug auf Reichweite und Komfort große Kompromissbereitschaft vom Halter/Fahrer erfordert wird.
- Das Skalierungsproblem kann mit dieser Form der Fahrzeuge nicht gelöst werden. Das heißt, viele Fahrzeuge werden heute auf den Maximalbedarf des Nutzers ausgelegt, auch wenn dieser nur zu wenigen Betriebsstunden zur Verfügung stehen muss. So braucht z.B. eine vierköpfige Familie ein Fahrzeug, mit dem sie alle zusammen verreisen können. Auch wenn die Nutzung des Fahrzeugs außerhalb der Urlaubsreise nur durch eine Person im Kurzstreckenbereich erfolgt. Nur in ca. 10-20% der Nutzungsdauer werden die drei zusätzlichen Sitzplätze und die Ladekapazität wirklich benötigt. Sie müssen aber systembedingt permanent vorgehalten werden.
Wie könnte also eine Lösung dieser Problematik aussehen?
An dieser arbeiten heute verstärkt nicht die klassischen Automobilkonzerne, sondern IT-Unternehmen wie Google oder Apple. Deren Vision könnte die Ausgestaltung des Individualverkehrs revolutionieren.
Stellt man sich eine Flotte von elektrobetriebenen und autonom fahrenden Kleinstfahrzeugen vor, so wird deren Gebrauch eher dem Ansatz des heutigen Car-Sharing ähneln, als dem klassischen Kauf eines individuellen Fahrzeugs, wie es zur Zeit noch üblich ist.
Das könnte dann so aussehen:
Für die tägliche Fahrt zur Arbeit bestellt man sich im Dauer-Abo ein Fahrzeug, welches einen jeden Morgen um 7:30 Uhr zu Hause abholt. Nach Erreichen des Ziels, geht dieses Auto wieder den Pool der frei zur Verfügung stehenden Fahrzeuge über. Es kann somit dann von jemand anderem genutzt werden. Den Heimweg bestreitet man auf identische Weise. Dies ähnelt also eher einer Taxifahrt, als dem heutigen Führen eines Fahrzeugs. Auch alle anderen Fahrten werden über diesen Modus abgewickelt. Geordert werden diese Fahrzeuge über eine Smartphone App, über die auch die Bezahlung mittels Kreditkarte, PayPal oder ähnlichen Bezahlmethoden erfolgt.
Dies hat folgende Vorteile:
- Die Auslastung der Fahrzeuge und damit das Verhältnis Ressourcenverbrauch/Nutzungsstunden wird besser
- Die geringe Reichweite von Elektrofahrzeugen fällt nicht so ins Gewicht, da in den betriebsarmen Zeiten die Batterien nachgeladen werden können
- Die Betriebskosten pro Kilometer werden unter denen eines Fahrzeugs im persönlichen Besitz liegen
- Auch Personen ohne Führerschein können am Individualverkehr teilnehmen
- Das lästige Parkplatzsuchen entfällt
- Rechtliche Vorgaben werden das eigenhändige pilotieren früher oder später untersagen
Was hat dies aber mit Big Data zu tun?
Die oben skizierte Form der Elektromobilität ist ohne Big Data schlichtweg nicht möglich!
Flotten von autonomen Elektrofahrzeugen müssen online überwacht werden. Sämtliche Kinetik-Daten müssen permanent gescannt und bewertet werden, um Fehlfunktionen vorzubeugen. Hier haben wir es mit klassischen Maschinendaten zu tun. Also ein prädestinierter Anwendungsfall für Big Data.
Die Verfügbarkeit der Fahrzeuge und der prognostizierte örtliche Bedarf an Transportkapazität muss abgeglichen werden, um eine vertretbare Response-Time bei Kundenanfragen zu gewährleisten. Hier hilft Predictive Analysis.
Zur Minimierung des Energieeinsatzes, müssen mehrere Fahrzeuge temporär zu Verbänden zusammengeschlossen werden. Hierzu muss Real-Time jederzeit das Routing aller Fahrzeuge bekannt sein, so dass die notwendigen Schlussfolgerungen gezogen werden können, um derartige Verbände zu kommissionieren.
Über das Fahrzeug selbst können zusätzliche (kostenpflichtige) Dienstleistungen angeboten werden. Durch die Kenntnis des Fahrgastes (Identifikation über das Order-/Bezahlsystem) und der Fahrzeugposition, können mediale Inhalte in das Fahrzeug projizierte werden. So sind z.B. Insassen und ortsabhänge Marketinginhalte denkbar. Die Konfektionierung solcher Angebote ist ein Bestandteil von Big Data.
Das Fahrzeug selbst kann als Werbefläche genutzt werden. Heute schon ist dies mittels Folientechnik bei Taxis üblich. Durch zukünftige LED-Techniken (biegbare und faltbare Panels) lässt sich praktisch jede Oberflächenform in ein riesiges Display verwandeln. Auch hier können ortsabhängige und vom Betrachter abhängige (Identifikation über das Handy) Informationen eingespielt werden. Die Auswahl der Inhalte erfolgt ebenfalls über Big Data Verfahren.
Die beiden letzten Punkte können dazu beitragen, die Betriebskosten der E-Mobile weiter zu verringern, um so ein konkurrenzfähigen Preis pro Nutzungskilometer zu erwirtschaften.
Man sieht also, dass der Einsatz von Big Data und die Verbreitung von autonomen Elektrofahrzeugen Hand in Hand geschehen werden. Big Data wird also einen weiteren Bereich unseres Alltags erobern.
