Die Mobilität von morgen: Carsharing auf der Basis von Cloud und KI

Carsharing-Auto von WeShare auf der Straße

Staus, Parkplatzmangel und Luftverschmutzung – in vielen Städten ist das Verkehrsaufkommen regelmäßig zu hoch. Nicht nur das Wissenschaftszentrum Berlin für Sozialforschung geht davon aus, dass flexibles Carsharing dazu beitragen könnte, den privaten Autobesitz zu reduzieren. Damit könnten diese Probleme gemildert werden.

Die Volkswagen AG hat mit der UMI Urban Mobility International GmbH eine Tochter gegründet, die Mobilitätsdienste entwickelt. Gestartet ist UMI mit WeShare, einem Angebot für das sogenannte Free-Floating-Carsharing: Kunden mieten Autos per Smartphone-App an und können sie innerhalb des Stadtgebiets wieder abstellen. Alle Parkgebühren sind inklusive, die Abrechnung erfolgt nach genutzten Minuten. Ziel des Dienstes: Die Zahl der Autos, die heute durch städtische Straßen fahren, zu reduzieren und die verbleibenden Fahrzeuge effizienter zu nutzen.

WeShare: Mit Cloud-Diensten in sechs Monaten bis zur Marktreife

Flexibel und effizient sind nicht nur die Dienstleistungen von Mobilitätsunternehmen, sondern auch deren Arbeitsweise. Bei UMI vergingen nur sechs Monate vom ersten Arbeitstag der ersten IT-Mitarbeiter*innen, bis man die ersten Autos über WeShare buchen konnte. Dieses hohe Tempo wurde ermöglicht durch effiziente Plattform-as-a-Service-Dienste (PaaS) in Microsoft Azure. Sie verkürzen die Entwicklungszyklen und die Zeit, die verstreicht, bis eine neue Produktidee oder ein neues Serviceangebot marktreif wird.

„Mit Visual Studio bietet Microsoft darüber hinaus eine moderne Entwicklungsumgebung, die in Azure DevOps integriert ist. Das ermöglicht uns eine hohe Automatisierung bei der Bereitstellung neuer Anwendungsversionen – und letzten Endes Agilität und Geschwindigkeit“, so Thomas Lassmann, CTO der UMI Urban Mobility International GmbH.

Mobilität wird smart: Die intelligente Verteilung von Fahrzeugen

Zu einer effizienten Autonutzung gehört, dass jederzeit genügend Fahrzeuge verfügbar sind und nicht zu lang ungenutzt bleiben.

Hand hält Smartphone mit WeShare-App

Um diese Verteilung der Autos zu optimieren, setzt WeShare auf Machine-Learning-Prognosen durch Microsoft Azure: Auf Basis früherer Buchungen und Informationen über das Wetter oder Veranstaltungen sagt ein Algorithmus voraus, an welchen Orten die Kund*innen wahrscheinlich ein Auto benötigen werden.

WeShare teilt dazu die Stadt in 50 mal 50 Meter kleine Kacheln ein. So können Mitarbeiter*innen die Autos bei Bedarf passgenau parken oder nach dem nächtlichen Laden zu denjenigen Kacheln fahren, in denen am Morgen der größte Bedarf herrscht. Diese Funktion zur Bedarfsvorhersage erkennt auch, wenn sich Fahrzeuge an Orten sammeln, an denen sie früher teilweise tagelang ungenutzt herumstanden. Das kam beispielsweise an Bahnhöfen vor.

Die Mobilität von morgen – sie sollte intelligent und effizient sein. WeShare zeigt, wie mit der Hilfe von Cloud und KI städtische Herausforderungen wie Parkplatzmangel und Staus gemildert werden können.

Weitere Informationen zu den Diensten von Microsoft Azure gibt es hier. Mehr Details zur Anwendung von Azure-Diensten bei UMI finden sich in unserer Customer Story.

 


Ein Beitrag von Markus Göbel
Senior Communications Manager Data Applications and Infrastructure

Markus Göbel

und Bosse Kubach
Trainee Business Communications AI & Innovation / Data Applications & Infrastructure

Schwarz weiß Foto vom Autoren. Es zeigt einen jungen lächelnden Mann in einem weißen Hemd

Tags: , , ,

Weitere Infos zu diesem Thema

21. Juni 2024
Neue Anwendungen auf Copilot+ PCs

Die neuen Copilot+ PCs sind nun im Handel verfügbar. Hier lesen Sie, auf welche neuen KI-Features sich Nutzer*innen freuen können.

20. Juni 2024
Unterstützung für Forschende durch KI-gestützte wissenschaftliche Entdeckungen

Bei Microsoft ist es unsere Vision, Wissenschaftler*innen mit den neuesten Durchbrüchen in der KI zu befähigen, ihr kreatives Potenzial voll auszuschöpfen und einige unserer dringendsten Herausforderungen zu bewältigen. Um diese Vision zu verwirklichen, müssen wir die volle Leistung der generativen KI mit dem klassischen Quanten-Hybrid-Computing kombinieren, um jede Phase der wissenschaftlichen Vorgehensweise zu verbessern.