Im Rahmen des Projekts DAKIMO wurden zentrale Ansätze entwickelt, um die Potenziale von Digitalisierung und Künstlicher Intelligenz für eine nachhaltige, ressourceneffiziente Mobilität nutzbar zu machen.
Eine zentrale Fragestellung des Projekts war, wie Mobilitätsdaten mithilfe künstlicher Intelligenz so ausgewertet werden können, dass daraus konkrete Mehrwerte für Nutzer:innen entstehen. Dabei ging es insbesondere darum, die Nutzung nachhaltiger Verkehrsmittel zu erleichtern und intermodale Wegketten besser planbar zu machen.
Hintergrund ist, dass viele Menschen alternative Mobilitätsangebote zwar grundsätzlich positiv bewerten, im Alltag aber weiterhin überwiegend auf den eigenen PKW zurückgreifen. Gründe hierfür sind vor allem wahrgenommene Nachteile bei Flexibilität, Komfort und Planbarkeit. Gleichzeitig besteht eine hohe Bereitschaft, digitale Anwendungen zu nutzen, insbesondere wenn diese zuverlässige Echtzeitinformationen und personalisierte Empfehlungen bieten.
Ein besonderer Fokus lag auf der Entlastung des Straßenverkehrs durch die Förderung alternativer, geteilter Verkehrsmittel. Dadurch wird ein wesentlicher Beitrag zur Verlagerung von Verkehrsströmen geleistet, was nicht nur den Umweltzielen dient, sondern auch die Nutzung des motorisierten Individualverkehrs für diejenigen verbessert, die dauerhaft auf diesen angewiesen sind.
Im Projektverlauf wurden umfangreiche Analysen des Nutzerverhaltens auf Basis von Interaktionen mit der regiomove-App durchgeführt, insbesondere der Einfluss von Wetterfaktoren auf die Verkehrsmittelwahl sowie typischen Prognosehorizonten bei Routenanfragen.
Dabei zeigte sich, dass Temperatur und Niederschlag das Buchungsverhalten im Bikesharing signifikant beeinflussen, während sich für den ÖPNV kein vergleichbarer Zusammenhang nachweisen ließ. Zudem wurde deutlich, dass rund 95 % der Routenanfragen eine Abfahrt innerhalb der nächsten Stunde betreffen, was den hohen Bedarf an kurzfristigen und präzisen Prognosen unterstreicht.
Auf Grundlage dieser Erkenntnisse wurden mehrere digitale Funktionen in einer projektspezifischen Progressive Web App umgesetzt, darunter eine Integration aktueller Wetterdaten und Prognosen in die Routenplanung sowie eine Prognosefunktion zur Verfügbarkeit von Leihfahrrädern. Ergänzend wurde eine Auslastungsanzeige für Busse und Bahnen integriert, um Nutzer:innen eine bessere Entscheidungsgrundlage zu bieten.
Ein weiteres wichtiges Ergebnis war die Erweiterung des internationalen GBFS-Standards um Prognosefunktionen, die im März 2025 von MobilityData BW angenommen wurde, wodurch prädiktive Daten künftig standardisiert in Mobilitäts-Apps integriert werden können.
Nutzerstudien bestätigten zudem eine hohe Akzeptanz der entwickelten Funktionen, insbesondere bei Personen mit Affinität zu Sharing-Angeboten. Insgesamt wurden damit digitale Services zur Nutzerorientierung entwickelt und wichtige technische Grundlagen für datenbasierte Mobilitätsplattformen geschaffen.
Das Projekt DAKIMO hat gezeigt, dass die intelligente Auswertung und Verknüpfung von Mobilitätsdaten ein großes Potenzial für die Weiterentwicklung nachhaltiger Mobilitätsangebote bietet. Durch den Einsatz künstlicher Intelligenz und moderner Datenarchitekturen konnten neue Services entwickelt werden, die Nutzer:innen besser bei der Planung und Nutzung intermodaler Wege unterstützen.
Die Ergebnisse verdeutlichen, dass datenbasierte Prognosen und nutzerzentrierte Informationen einen Beitrag leisten können, um die Attraktivität nachhaltiger Verkehrsmittel zu erhöhen. Gleichzeitig wurde deutlich, dass technische Innovation allein nicht ausreicht, sondern eng mit Nutzerbedürfnissen, Datenschutzanforderungen und praktischer Umsetzbarkeit verbunden sein muss.
Das Projekt hat sowohl konkrete Anwendungen als auch grundlegende technische und methodische Erkenntnisse hervorgebracht. Es leistet damit einen Beitrag zur Entwicklung digitaler Mobilitätsplattformen und zur Förderung nachhaltiger Verkehrssysteme. Die gewonnenen Erkenntnisse bilden eine Grundlage für zukünftige Mobilitätslösungen, die den Wandel hin zu einer vernetzten und ressourceneffizienten Mobilität unterstützen.
An dem Forschungsprojekt DaKiMo arbeiteten Partner aus Wissenschaft und Mobilitätswirtschaft eng zusammen.
Als Experte für digitale, nachhaltige Mobilitätslösungen analysierte raumobil den Einfluss verschiedener Datensätze auf das Mobilitätsverhalten von Nutzer:innen. Die gewonnenen Erkenntnisse dienten dazu, alternative Mobilitätsangebote besser nutzbar zu machen und einen Beitrag zur Verkehrswende zu leisten.
Das Fraunhofer IOSB vertiefte insbesondere seine Kompetenzen in der Auswertung hardwaregestützter Sensordaten im öffentlichen Raum. Dazu gehörten die datenschutzkonforme Erfassung von Personengruppen sowie die Bestimmung relevanter Situationsparameter mithilfe von maschinellem Lernen und künstlicher Intelligenz.
Der Fokus des Karlsruher Instituts für Technologie (KIT) lag darauf, das Verkehrsnachfragemodell mobiTopp weiterzuentwickeln, sodass Umfelddaten integriert werden konnten. Vor allem Wetterdaten wurden berücksichtigt, um Mobilitätsverhalten besser zu verstehen und genauere Prognosen zu ermöglichen.
INOVAPLAN untersuchte, wie die gewonnenen Erkenntnisse Städten und Kommunen zur Verfügung gestellt und in Verkehrsplanungssoftware integriert werden konnten, um den Praxistransfer zu fördern.
Im Rahmen des Projekts bereitete INIT ÖV-Daten so auf, dass sie den Projektpartnern für Analysen und weitere Anwendungen zur Verfügung standen. Zusätzlich wurden KI-Verfahren eingesetzt, um heterogene Datensätze zu vereinheitlichen und Datenmodelle aufeinander abzustimmen.