Die New Yorker U-Bahn ist weltbekannt. Sie spielt immer wieder größere und kleinere Rollen in Filmen und Serien, befördert im Schnitt 3,7 Millionen Fahrgäste täglich und verkehrt auf einem Streckennetz von rund 1.000 Kilometern Länge.

Das Streckennetz instand zu halten, ist eine entsprechend große Herausforderung – außer, man nimmt sich handelsübliche Smartphones der vergangenen Jahre zu Hilfe und lässt sie die Fahrtgeräusche mit Machine-Learning-Ansätzen untersuchen. Eben das ist im Zuge eines gemeinsamen Experiments der New Yorker Verkehrsbetriebe Metropolitan Transportation Authority (MTA) und Google vor Kurzem passiert.

Ein erster Testlauf sollte untersuchen, wie die Wartung der U-Bahn-Linien mithilfe von günstiger, frei zugänglicher Technologie vereinfacht und kostengünstiger gestaltet werden kann. Dazu fuhren zwischen September 2024 und Januar 2025 sechs Google Pixel 6 an Bord von vier U-Bahn-Waggons durch New York. Wie Wired berichtet, waren sie dazu – geschützt in Plastikgehäusen verpackt – sowohl im Inneren als auch an der Unterseite der Waggons befestigt.

Lediglich zusätzlich angebrachte Mikrofone unterstützten die handelsüblichen Smartphones aus dem Jahr 2021. Die zentrale Rolle übernahmen dann die Sensoren der Pixel-Phones: Beschleunigungsmesser, Magnetometer und Gyroskope sammelten Audio-, Vibrations- und Standortdaten auf der Suche nach verdächtigen Geräuschen wie Klappern, Klackern oder Quietschen.

Während des viermonatigen Experiments habe die Technologie, die Google „Track Inspect“ nennt, 92 Prozent der Defektstellen ausmachen können, die später von menschlichen Gleisinspektoren festgestellt wurden, zitiert Wired die MTA. Angesichts der Tatsache, dass die Identifizierung solcher Defekte bislang durch das manuelle Ablaufen und Begutachten der über 1.000 Kilometer Schienen stattfindet, ist das eine vielversprechende Bilanz.

Die MTA hat deshalb auch schon ein vollständiges Pilotprojekt zusammen mit der zuständigen Public-Sector-Abteilung von Google angekündigt.

Die Technologie könnte „dazu beitragen, den Arbeitsaufwand für die Identifizierung dieser Mängel zu minimieren und die Inspektoren in die richtige Richtung zu lenken, sodass sie ihre Zeit mit der Behebung statt mit der Identifizierung verbringen und direkt vor Ort arbeiten können“, so MTA-Präsident Demetrius Crichlow.

Ganz ohne menschliches Zutun funktioniert es (bis jetzt!) aber nicht. Ein erfahrener Gleisarbeiter hörte sich die Pixel-Aufnahmen einzeln an und kennzeichnete, was er vernahm. „Ich habe es mir angehört und ‚lose Verbindung‘, ‚lose Schraube‘, ‚Schienendefekt‘ und ‚Schwellendefekt‘ notiert. Und dann sind die Inspektoren vor Ort gegangen und mit Bildern zurückgekommen, die die Ergebnisse untermauerten“, erklärt Robert Sarno seine Aufgabe.

„Zusätzlich zu Sarnos Kennzeichnung kombinierte Track Inspect 335 Millionen Sensorwerte und 1.200 Stunden Audiodaten mit der Gleisdefektdatenbank des New York City Transit, um eine Gruppe von etwa 200 einzelnen Vorhersagemodellen für die Erkennung von Gleisproblemen zu trainieren“, erklärt Google laut Wired.

Das Besondere an der Vorgehensweise ist neben der Verwendung ganz gewöhnlicher Smartphones übrigens das Analysieren von Audiodaten, um Defekte an den Gleisen zu finden. Auch andere Verkehrsbetriebe testen bereits den Einsatz von KI in diesem Sektor. Allerdings sind laut dem Wired-Artikel dabei eher Kameras und andere optische Sensoren im Einsatz.