11. März 2026, 09:24 Uhr
Artikel: DB Cargo: KI-gestützte Ersatzteilplanung für die Class 77
Mit KI reduziert DB Cargo Engpässe bei der Ersatzteilversorgung der Class 77-Loks.
Wenn Ersatzteile fehlen, steht der Betrieb still
Bei der Instandhaltung von Lokomotiven können fehlende Ersatzteile Abläufe erheblich verzögern. Um dies zu vermeiden, hat DB Cargo das Projekt „Ersatzteilprognose 1.0“ gestartet. Ziel: Ersatzteile genau dann bereitzustellen, wenn sie benötigt werden – ohne Lagerbestände unnötig zu erhöhen.
KI-gestützte Prognose im Logistikzentrum Darmstadt
Materialbedarfsplaner Jörg Soyka, Data-Science-Spezialist Frederic Tausch und Projektleiter Philipp Nowak entwickeln gemeinsam die KI-gestützte Ersatzteilprognose.
Im DB Cargo-Railport Darmstadt entscheidet sich täglich, ob Fahrzeuge schnell instandgesetzt werden oder längere Standzeiten entstehen. Dort haben Projektleiter Philipp Nowak, Materialbedarfsplaner Jörg Soyka, Data-Science-Spezialist Frederic Tausch und Fachexpertin Anne Kulinski das KI-Modell entwickelt. Es kombiniert historische Verbrauchsdaten mit Informationen zu Laufleistung, Instandhaltungsfristen und Werkstattkontexten.
Die Class 77-Flotte umfasst rund 60 Dieselloks für nicht elektrifizierte Strecken. Da die Loks in Kanada gebaut wurden, können Ersatzteile Wochen oder Monate Lieferzeit haben. Klassische Prognosen stoßen hier an ihre Grenzen, weil viele Teile nur unregelmäßig benötigt werden.
Praxis-Einschub: Drei zentrale Erkenntnisse aus dem Projekt
Schon nach wenigen Monaten zeigte sich der Nutzen der KI-gestützten Prognose:
- Gezielte Verfügbarkeit statt voller Lager: Teure und langlaufende Teile werden zuverlässig abgesichert, schnell verfügbare Teile schlanker geplant.
- Kontext schlägt reine Historie: Informationen zu Laufleistung und Instandhaltungsstufen erhöhen die Prognosesicherheit, auch bei unregelmäßigem Bedarf.
- Praxisnutzen in kurzer Zeit: Die neue Methodik und das bestehende Planungstool konnten innerhalb weniger Monate erfolgreich umgesetzt werden.
Die KI-Prognose liefert konkreten Praxisnutzen – nicht nur für einzelne Fahrzeuge, sondern für die gesamte Ersatzteilplanung.
Dank KI-Prognose werden Ersatzteile wie Ölpumpen rechtzeitig verfügbar – lange Wartezeiten werden vermieden.
Konkretes Beispiel: Ölpumpe der Class 77
Ein anschauliches Beispiel ist die Ölpumpe: Während die alte Methode keinen Bedarf erkannte, prognostizierte das KI-Modell fünf Stück – der tatsächliche Verbrauch lag bei sechs. Bei Lieferzeiten von rund 500 Tagen entscheidet dies, ob ein Fahrzeug stillsteht oder einsatzbereit bleibt.
Optimiertes Planungstool steigert Effizienz
Parallel zur Prognose wurde das bestehende Excel-Planungstool verbessert. Parameter wurden systematisch getestet, um den Zielkonflikt zwischen Wartezeit und Kapitalbindung auszugleichen. Für unterschiedliche Fahrzeugtypen wurden eigene Parameter-Sets abgeleitet, sodass die Planung noch praxisnaher funktioniert.
Mit der KI-gestützten Ersatzteilprognose zeigt DB Cargo, wie datenbasierte Planung Instandhaltung effizienter macht und Stillstandzeiten reduziert.
Weiter