Debatte vom 14. Oktober 2026
Sicherere Radinfrastruktur durch KI?
Ein hochinteressantes Thema: Kann KI helfen, das Radfahren sicherer zu machen? Die App Go-Bike von BlossomEdge wurde in einem Pilotprojekt in München in Zusammenarbeit mit dem Radentscheid München und der TUM im Einsatz getestet. Dominik Busching, einer der Gründer von BlossomEdge, präsentierte Zwischenergebnisse des Projekts.
In unseren Städten gibt es immer mehr konkurrierende Fortbewegungsmittel – E-Scooter, Fahrräder, Autos verschiedener Größen, Busse. Kommt es zu Problemen, greift man häufig nach Regulierung. Wären nachhaltige Lösungen nicht sinnvoller? So kann eine Plattform wie Go-Bike dazu dienen, während einer Radfahrt kritische Situationen zu erkennen und zu melden. Sie nutzt die in einem modernen Handy verbauten Sensoren und ist damit auch in der Lage, Beschleunigungen zu identifizieren. So können sich öffnende Autotüren erkannt, holperige Bordsteinkanten beobachtet, Konflikte zwischen Fuß- und Radverkehr gesehen werden. Beobachtungen, welche die KI in der App als kritisch charakterisiert, werden mit 5 Sekunden Vorlauf und 2 Sekunden Nachlauf als Video gemeldet.
Generell ist der Ansatz, dass eine gute Infrastruktur die Zahl solcher Konflikte reduzieren kann. Heatmaps mit der Häufigkeit von kritischen Beobachtungen sollten Einfluss auf die Infrastruktur haben, indem in den Referaten gezielt Verbesserungen geplant werden können. Durch den regelmäßigen Einsatz können die gemeldeten Situationen auch als Training für die KI genutzt werden, um immer besser solche Konflikte zu erkennen.
Aus der Runde der zahlreichen Teilnehmenden kamen etliche Punkte in der Diskussion zur Sprache. So konnte die Frage, ob die Daten auch für Gerichtsverfahren Beweiskraft haben, zwar nicht endgültig beantwortet werden. Aber sie sind bereits vor Gericht in Fälle mit eingeflossen. Zum Thema Überholabstand gibt es wohl keine explizite Messung; kritische Situationen durch zu nahe kommende Autos werden aber erkannt.
In der Auswertung der App-Daten auf → https://blossomedge.ai/case-studies/pilot/munich/ sind verschieden Aspekte nachzulesen, so auch die Aufteilung Frauen / Männer, oder die räumliche Verteilung von Meldungen. Es scheint so zu sein, dass Frauen gerne auch die manuelle Eingabe von kritischen Situationen nutzen, obwohl die KI nichts gemeldet hat. Zum Erkennen von Ampelsteuerungen, welche für den Radverkehr ungünstig programmiert oder von der Lage der Anforderungstaster schwer erreichbar sind, ist bisher noch nichts realisiert, kann aber in Zukunft von der KI noch gelernt werden.
Ein Vergleich von Gefahren-Verteilungen zu anderen Größen wie den Ergebnissen des Fahrradklima-Tests wäre sicher auch interessant. Insgesamt wird sich wohl erst in Zukunft klar herausstellen, was mit den Daten alles gemacht werden kann, und ob die Ämter der Stadt sie berücksichtigen.
