KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
Stephan Schmidt, Michael Schmidt, Hochschule Merseburg, Tom Assmann Universität Magdeburg
Automatisierte Lastenräder bieten eine umweltfreundliche Alternative für den Stadtverkehr. Forschende haben Prototypen entwickelt, die Personen folgen, Hindernissen ausweichen und per Smartphone gerufen werden können. Erste Tests im Paketversand und der Stadtreinigung zeigen bis zu 20 Prozent Effizienzsteigerung. Im Vergleich zu autonomen Autos benötigen die Räder weniger Platz, verbrauchen nur 10 Prozent der Energie und sind kostengünstiger. Die Technologie könnte langfristig auch für Bikesharing oder flexible Transportdienste eingesetzt werden.
Dicht gefüllte Straßen, steigende Emissionen und ineffiziente Lieferprozesse – Städte stoßen zunehmend an ihre Grenzen. Während selbstfahrende Autos noch mit vielen Herausforderungen kämpfen, bahnt sich eine andere Lösung ihren Weg: automatisierte Lastenräder. Sie benötigen kaum Platz, verbrauchen weniger Energie und könnten den urbanen Transport grundlegend verändern. Erste Feldversuche zeigen bereits, wie Pakete und Stadtreinigung effizienter gestaltet werden können. Aber wie weit ist die Technologie wirklich, und welche Anwendungen sind noch denkbar?
Die Gestaltung eines zukunftsfähigen Stadtverkehrs stellt die heutige Gesellschaft vor immense Herausforderungen. In Deutschland standen im Jahr 2024 Autofahrende im Schnitt 43h im Stau [1]. Während der motorisierte Individualverkehr in Städten an seine Grenzen stößt, suchen Kommunen und Verkehrsplanende nach innovativen Lösungen, die Nachhaltigkeit, Individualität und Transportleistung so miteinander verbinden, dass Sicherheit und Aufenthaltsqualität in Städten deutlich gesteigert werden können.
Die Entwicklung autonomer Fahrzeuge steht im Zentrum der Debatte – doch während sich die öffentliche Aufmerksamkeit hauptsächlich auf selbstfahrende Autos und Busse richtet, könnte die eigentliche Revolution auf zwei Rädern stattfinden. Autonome Pkws kämpfen weiterhin mit den grundlegenden Herausforderungen des motorisierten Individualverkehrs: Platzmangel, Staus und hoher Energieverbrauch. Studien (wie [2] und [3]) zeigen, dass die Versprechen von flüssigem Verkehr und weniger CO2-Emissionen nicht realistisch erscheinen. Automatisierte und autonome Fahrräder bieten hier eine vielversprechende Alternative für den Stadtverkehr von morgen. Sie benötigen deutlich weniger Verkehrsfläche, basieren auf einem günstigeren Basisfahrzeug, verbrauchen nur etwa 10 Prozent der Energie und können sich dank ihrer kompakten Größe wesentlich flexibler durch den urbanen Raum bewegen.
An der Hochschule Merseburg und der Otto-von-Guericke Universität Magdeburg wird seit über fünf Jahren in diesem Themenfeld geforscht. In mehreren Projekten wurden über sechs Generationen Prototypen von automatisierten und autonomen Lastenrädern für verschiedene Einsatzszenarien entwickelt und erprobt.
Im Projekt „Eaasy System“ (gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz) wurde das erste automatisierte Lastenrad für die nachhaltige Zustellung von Post und Paketen in Städten entwickelt. Die Innovation ist die Ausstattung eines ONO-Lastenrads mit einer kontaktlosen Schiebehilfe. Mit dieser Assistenzfunktion kann das ONO selbstständig in Schrittgeschwindigkeit neben Zustellenden fahren. Das Lastenrad folgt dabei präzise dem Weg der Person, erkennt die Fahrspur, bremst vor Hindernissen und fährt gesichert nie schneller als 5,9 km/h.
Zustellende erlangen damit mehr Flexibilität und Effizienz. Auf längeren Strecken können sie das ONO wie ein konventionelles Lasten-E-Bike manuell fahren. In den Zustellstraßen begleitet sie das Lastenrad selbstfahrend von Eingang zu Eingang. Erste Modellrechnungen zeigen ein Potential von bis zu 20 Prozent Zeiteinsparung, wodurch Lastenräder weitere Wettbewerbsvorteile gegenüber konventionellen Diesel-Vans erreichen können. (Abbildung 1)
Die kommunalen Bauhöfe in Deutschland beschäftigen 52 Prozent ihres Personals in der Straßenreinigung als Handreinigende und Kehrarbeitende [4]. Diese Arbeit erfolgt hauptsächlich zu Fuß und beinhaltet körperlich belastende Tätigkeiten wie das Sammeln von Kleinabfall, Reinigen von Wegen und Leeren von Abfalleimern. Die manuelle Arbeit ist nicht nur anstrengend, sondern auch zeitaufwendig und ineffizient. Derzeit werden meist Handkarren mit geringer Kapazität verwendet, die nur Fußgeschwindigkeit erreichen und zusätzliche Transporte erforderlich machen. In den Projekten AuRa-Hirn und AuRa-Hirn 2 (gefördert durch das Land Sachsen-Anhalt und die Europäische Union) wurde eine modulare Softwarearchitektur entwickelt, die es ermöglicht, verschiedene Lastenräder mit unterschiedlichen Sensoren und Fahrfunktionen auszustatten. Diese automatisierten Lastenräder sollen die körperliche Belastung reduzieren und die Effizienz der Reinigungsteams erheblich steigern. Dies schließt auch die Option ein, das Rad in Sichtweite heranzurufen. (Titelbild)
Die grundsätzliche Fahraufgabe eines automatisierten Lastenrades unterscheidet sich zunächst nicht von der eines automatisierten Pkw: Das Fahrzeug muss ein definiertes Ziel erreichen, ohne dabei Verkehrsregeln zu missachten oder andere Verkehrsteilnehmende zu gefährden. Dennoch lassen sich Methoden und Lösungen aus dem Automobilsektor nicht direkt übertragen, da sich die Einsatzdomänen fundamental unterscheiden. Während sich automatisierte Pkw primär in gut strukturierten Verkehrsdomänen wie Fahrbahnen und Parkplätzen bewegen, müssen automatisierte Fahrräder in deutlich vielfältigeren und oft unstrukturierten Bereichen wie Fuß- und Radwegen oder Parkanlagen agieren.
Die Systemarchitektur folgt dabei dem etablierten Ansatz der Automobiltechnik, wird jedoch den spezifischen Anforderungen der Fahrraddomäne angepasst: Umfelderfassende Sensorik liefert Messdaten, die zu einem konsistenten Umgebungsabbild fusioniert werden. In Kombination mit fahrzeuginterner Sensorik wie Odometrie und GPS entsteht eine präzise Zustandsschätzung des Fahrzeugs. Ein übergeordnetes Steuerungsmodul kommuniziert mit dem Back-end-System zur Auftragsverwaltung und definiert konkrete Zwischenziele. Basierend auf Umfeldmodell und Verhaltensvorhersage anderer Verkehrsteilnehmender generiert eine lokale Bewegungsplanung sichere Manöver, die durch die Fahrzeugregelung umgesetzt werden. Für die praktische Umsetzung der Assistenzfunktionen wurde in AuRa Hirn ein modulares Konzept entwickelt, das verschiedene Funktionsausprägungen ermöglicht. Die grundlegenden Fahrfunktionen Folgen (FM – Follow Me), Begleiten (CWM – Come With Me (Eaasy System) und (CTM – Come To Me, Rufen) können dabei in unterschiedlichen Ausbaustufen realisiert werden.
Die Anforderungen an die Sensorausstattung ergeben sich aus einer detaillierten Analyse der jeweiligen Fahrfunktion. Besonders die Begleitfunktion (CWM) sowie die aktive Hindernisvermeidung erfordern zusätzlich zur LiDAR-basierten Hinderniserkennung eine zuverlässige Erkennung der Fahrbereichsgrenzen. Bei der Begleitfunktion bewegt sich das Fahrzeug neben der Bedienperson, wodurch diese die Fahrbereichsgrenzen auf der gegenüberliegenden Seite nicht mehr überblicken und somit nicht absichern kann. Ähnliches gilt für die aktive Hindernisvermeidung: Während bei der reinen Folgefunktion die Bedienperson durch ihre eigene Bewegung einen sicheren Fahrbereich vorgibt, erfordert jede eigenständige Ausweichbewegung des Fahrzeugs die zuverlässige Erkennung der zulässigen Fahrbereiche.
Diese Fahrbereichserkennung lässt sich in der Praxis nur durch kamerabasierte Systeme robust realisieren. Rein LiDAR-basierte Lösungen stoßen hier an ihre Grenzen, beispielsweise wenn in Parkanlagen der Übergang zwischen Schotterweg und Rasenfläche nicht eindeutig erkennbar ist. Die Herausforderung liegt dabei in der Entwicklung eines Systems, das auch unter schwierigen Umgebungsbedingungen wie Dämmerung oder leichtem Niederschlag zuverlässig funktioniert. Bestehende serientaugliche Lösungen aus dem Automobilbereich sind typischerweise explizit für den Einsatz auf der Fahrbahn konzipiert und zum Beispiel auf mindestens einseitige Fahrstreifenmarkierungen oder klare Straßenbegrenzungen angewiesen.
Die Anforderungen steigen erheblich, wenn das Fahrzeug über größere Distanzen ohne direkte Aufsicht der bedienenden Person fährt. Dies entspricht praktisch autonomem Fahren (AD – Autonomous Driving) und bringt entsprechende regulatorische Vorgaben mit sich, insbesondere im Rahmen der Autonome-Fahrzeuge-Genehmigungs-und-Betriebs-Verordnung (AFGBV). Unabhängig von rechtlichen Aspekten ist für eine präzise Navigation über längere Strecken eine digitale Karte des Einsatzbereichs sowie eine zuverlässige Lokalisierungstechnologie erforderlich.
Dies erhöht nicht nur die Systemkomplexität, sondern auch den Applikationsaufwand pro Nutzende und Einsatzort erheblich: Jedes Operationsareal muss vorab mittels LiDAR-Inertial Odometry (LIO) oder klassischem SLAM-Verfahren kartiert werden. Die fortlaufende Lokalisierung des Fahrzeugs in dieser Karte benötigt dabei zumindest initial einen Referenzpunkt. Während hierfür prinzipiell GPS-basierte Lösungen in Frage kommen, stellt deren begrenzte Genauigkeit, insbesondere in innerstädtischen Bereichen mit starker Signalabschattung, eine technische Herausforderung dar.
Die Hochschule Merseburg und die Otto-von-Guericke-Universität Magdeburg haben im Rahmen der AuRa-Hirn 1&2 Projekte eine modulare Softwarearchitektur für automatisierte Lastenräder entwickelt. Ein zentraler Fokus lag auf Sicherheit: Das System greift niemals in die Steuerung ein, wenn ein Mensch das Rad regulär nutzt. Im Notfall wird das Fahrzeug automatisch in einen sicheren Zustand versetzt und kann zudem per Not-Aus-Schalter deaktiviert werden.
Die Architektur ermöglicht den flexiblen Einsatz verschiedener Sensoren. Laserscanner wie der HAP oder Mid360 von Livox erkennen Hindernisse zuverlässig, auch bei schwierigen Bedingungen. Ultra-Wideband (UWB)-Systeme erfassen die Position der Bedienperson, während ein patentiertes Interaktionssystem eine freihändige Steuerung erlaubt – Nutzende können allein durch ihre Position zwischen Betriebsmodi wechseln. Für die präzise Bewegungssteuerung sorgt eine Positionsregelung, die Antrieb, Bremse und Lenkung koordiniert. Ein Kollisionsvermeidungssystem erkennt Hindernisse und passt die Geschwindigkeit an. Falls nötig, wird das Fahrzeug automatisch gestoppt. Diese technischen Innovationen machen automatisierte Lastenräder nicht nur effizient, sondern auch besonders sicher.
Die langfristige Vision der Forschung zielt auf autonome Lastenräder im Bikesharing-Kontext. Während bisherige Systeme stationsgebunden oder auf fixe Abstellpositionen beschränkt sind, könnten autonome Räder innerhalb von 10 Minuten zu Nutzenden navigieren. Nach der manuell gefahrenen Hauptstrecke würde das Rad selbstständig nächste Kund:innen ansteuern – ein Konzept, dessen grundsätzliche Machbarkeit bereits auf dem Universitätscampus demonstriert wurde. Die entwickelten Technologien bilden dabei die Grundlage für eine nachhaltigere und effizientere Gestaltung von Stadtlogistik und kommunalen Diensten. Der Verzicht auf kamerabasierte Systeme ermöglicht einen robusteren Betrieb auch bei ungünstigen Lichtverhältnissen und reduziert die Anforderungen an die Rechentechnik erheblich. Dies senkt die Systemkosten und beschleunigt die Markteinführung.
