eine volle Teilhabe am Sozialleben zu ermöglichen. Beim Forschungsprojekt „BaAn-frei“ (Barrieren Analyse-frei), gefördert im Rahmen des mFUND-Jahresthemas „Mobilität für alle: Open Data für einen inklusiven Verkehrssektor“ des Bundesministeriums für Digitales und Verkehr (BMDV), handelt es sich um eine Machbarkeitsstudie, welche die automatische Erfassung der Barrierefreiheit öffentlicher Orte untersucht. Ziel des Projekts ist es, Rollstuhlfahrern die Routenplanung im Alltag zu erleichtern, indem Karten, welche die Barrierefreiheit von Orten und Wegen bewerten, erstellt Barrierefreie Mobilität und künstliche Intelligenz In Zeiten des demografischen Wandels und wachsender gesellschaftlicher Ansprüche an eine inklusive Gesellschaft stellt die Barrierefreiheit im öffentlichen Raum ein immer weiter an Bedeutung gewinnendes Thema dar. Menschen mit Mobilitätseinschränkungen, welche auf Hilfsmittel wie Rollstühle und Rollatoren angewiesen sind, werden alltäglich mit Hindernissen konfrontiert, welche sie teilweise oder ganz in ihrer Mobilität einschränken können. Uneingeschränkte Mobilität sollte allerdings jedem Menschen ermöglicht werden, um werden. Zudem sollen die Daten Behörden unterstützen, bestehende Barrieren zu erkennen und langfristig abzubauen. Hierzu sollen Geo- und Videodaten von Rollstuhlfahrern verwendet werden, um durch KI- Analyseverfahren die Barrierefreiheit für Rollstuhlfahrer und andere Mobilitätseingeschränkte im öffentlichen Raum in Echtzeit zu bewerten. Motivation Mobilität bedeutet Beweglichkeit. Sie lässt uns selbstbestimmt agieren und aktiv an der Gesellschaft teilhaben. Diese Beweglichkeit, die Möglichkeit, sich fortzube- BaAn-Frei: KI-gestützte Wegerkennung für mehr Barrierefreiheit Barrierefreiheit, Künstliche Intelligenz, Mobilität, Rollstuhl Das Forschungsprojekt „Barrieren Analyse-frei“ untersucht, inwiefern Barrieren für Rollstuhlfahrer im öffentlichen Raum automatisiert erkannt werden können. Bisher verfügbare Informationen beruhen meist auf manuell eingetragenen Daten, welche veraltet, falsch oder unvollständig sein können. Ziel des Projekts ist die Entwicklung eines KI-gestützten Systems, welches Bild- und Geodaten verwendet, um Hindernisse automatisch zu identifizieren. Die gewonnenen Daten sollen dann auf offenen Datenplattformen veröffentlicht werden, um die Mobilitätsplanung für Rollstuhlfahrer zu erleichtern. Jochen Baier, Gregor Renner, Oliver Taminé, Maximilian Ambs, Eric Sartorius, Hannah Speth DOI: 10.24053/ IV-2025-0031 Internationales Verkehrswesen (77) 2 ǀ 2025 54 wegen und den Aktionsradius frei wählen und erweitern zu können, ist vor allem für Menschen mit einer Mobilitätseinschränkung, wie beispielsweise für Menschen, die auf einen Rollstuhl angewiesen sind, keine Selbstverständlichkeit. „Behinderung entsteht [...] durch Barrieren im Lebensumfeld. [...] Menschen sind nicht behindert, sondern sie werden behindert. Sie haben Beeinträchtigungen, aber erst die Barrieren im Alltag behindern sie.“ (Teil einer Ansprache der ehemaligen Bundeskanzlerin Angela Merkel im Jahr 2021) [1]. Dabei ist barrierefreie Mobilität, also der Abbau dieser Barrieren im Alltag, ein Menschenrecht. In Gesetzen wie der UN-Behindertenrechtskonvention (UN-BRK, Artikel 9 und Artikel 20) oder dem Behindertengleichstellungsgesetz (§ 4 Barrierefreiheit) ist dieses Recht längst verankert [2,3]. Die Konvention hat die gleichberechtigte Teilhabe aller Menschen am gesellschaftlichen Leben zum Ziel und Mobilität ist essenziell für eine aktive und selbstbestimmte Teilhabe. Derzeit leben in Deutschland 7.862.325 Menschen mit einer Behinderung. Das bedeutet, dass etwa jeder zehnte Mensch in Deutschland eine Behinderung hat. [4] Auch die Anforderungen und die Notwendigkeit aufgrund des demografischen Wandels und der damit einhergehenden älter werdenden Gesellschaft an eine inklusive Gesellschaft steigen. Dennoch gibt es im öffentlichen Raum nach wie vor eine Vielzahl an Barrieren. Dazu zählen unter anderem Mobilitätsbarrieren, wie beispielsweise nicht abgesenkte Bordsteine, die mobilitätseingeschränkten Menschen die Partizipation massiv erschweren oder komplett behindern. Mit der Absicht, die Partizipation, Selbstbestimmtheit und Inklusion aller Menschen zu erreichen, muss barrierefreie Mobilität als Grundvoraussetzung gedacht und umgesetzt werden. Das Projekt „BaAn-frei“ strebt an, hier einen Beitrag zu leisten, indem mobilitätsbezogene Barrieren abgebaut werden. Barrieren sollen ersichtlich und kalkulierbar werden. Das Projekt zielt darauf ab, ein System zu entwickeln, das mithilfe moderner Technologien die Barrierefreiheit öffentlicher Orte automatisiert analysiert und bewertet. Im Gegensatz zu bisherigen, oft auf manuellen und subjektiven Bewertungen basierenden Ansätzen, soll durch den Einsatz von KI und automatisierten Datenerhebungsverfahren eine objektive und skalierbare Lösung geschaffen werden. Stand der Technik Im Bereich der Erfassung und Analyse von Barrierefreiheit existieren bereits verschiedene Ansätze. Projekte wie „Mobil im Kiez“ haben gezeigt, dass digitale Landkarten mit Barrierefreiheitsinformationen für Rollstuhlfahrende und andere Mobilitätseingeschränkte hilfreich sind. Diese Projekte beruhen jedoch häufig auf manuell eingetragenen Daten, was zu Ungenauigkeiten, veralteten Informationen und einem erhöhten Datenerhebungsaufwand führen kann [5].Es gab bereits Ansätze zur automatischen Erhebung von Barrierefreiheitsdaten. Das Projekt „Per Pedes Routing“ hat beispielsweise bewiesen, dass mit Smartphone- Sensoren, wie Beschleunigungssensor, Gyroskopsensor und Barometer, Barrieren auf Fußwegen erkannt und alternative Routen vorgeschlagen werden können. Der Fokus lag hierbei vor allem auf dem Erkennen von Stufen und Treppen. Das Projekt befasste sich allerdings mit älteren Menschen, die zwar eingeschränkt, jedoch nicht zwingend auf Rollstühle angewiesen sind. „BaAn-frei“ adressiert gezielt die Bedürfnisse von Rollstuhlfahrenden und verwendet Videodaten zur Analyse, um eine möglichst passgenaue Lösung zu entwickeln [6]. Das Projekt „Smart Inclusive Multi-Modal Mobility Service“ (SIM3S), untersuchte zudem die Verfügbarkeit von barrierefreien Wegen im ÖPNV. Durch die Verwendung bereits verfügbarer Datensätze wurden Barrieren im Alltag gefunden und in Echtzeit visualisiert. Dies soll den Abbau verschiedener Barrieren unterstützen. „BaAn-frei“ geht hier einen Schritt weiter, indem es sich auf die automatisierte Erhebung und Analyse von Hindernissen im öffentlichen Raum konzentriert und diese Ergebnisse als Open Data für die Integration in digitale Karten bereitstellt [7]. Technologisch gesehen bietet das Forschungsprojekt „BaAn-frei“ also eine alternative Form der Datenerfassung durch den Einsatz von Smartphones und KI-basierter Bildanalyse. Eine der zentralen Herausforderungen ist die Entwicklung eines niederschwelligen Systems, das es ermöglicht, Videodaten von Rollstuhlfahrenden zu erfassen und auszuwerten. Das Vorläuferprojekt der Hochschule Furtwangen „Automatic Bike Path Analysis“ (ABPA), hat bereits gezeigt, dass KI-Technologie zur Klassifizierung von Untergründen auf Radwegen erfolgreich eingesetzt werden kann. Diese Erkenntnisse fließen in „BaAn-frei“ ein und werden durch neue KI-Modelle erweitert, um spezifische Barrieren wie Bordsteinkanten oder Kopfsteinpflaster zu identifizieren [8].Die Kombination aus KI-gestützter Bildanalyse und der Nutzung von mobilen Endgeräten zur Datenerfassung stellt einen neuen Lösungsansatz dar, welcher dabei helfen kann, Datenlücken im Bereich der Barrierefreiheit zu schließen. Die Herangehensweise hat das Potenzial, barrierefreie Mobilität nachhaltig zu verbessern. Methodik Zur Datenerfassung werden an Rollstühlen befestigte Smartphones verwendet, welche während der Fortbewegung kontinuierlich Video- und GPS-Daten aufzeichnen. Der Einsatz von gewöhnlichen Smartphones gewährleistet eine kosteneffiziente und leicht bedienbare Lösung. Die aufgezeichneten Videodaten werden an ein zentrales System übertragen, in dem die Vorverarbeitung stattfindet. Im nächsten Schritt werden die vorverarbeiteten Bilddaten durch ein speziell trainiertes KI-Analysemodell ausgewertet. Dieses Modell wird basierend auf Erkenntnissen des Vorgängerprojekts „ABPA“ entwickelt und angepasst, um Barrieren wie Bordsteinkanten, Treppen, verschiedene Oberflächen und andere Hindernisse zuverlässig zu erkennen. Nach der Analyse werden die erfassten Daten mit Informationen wie Art der Barriere und Bodenbeschaffenheit, sowie deren genaue geographische Position angereichert. Diese auf bereiteten Ergebnisse werden in ein standardisiertes Format übertragen, welches sich für die Integration in bestehende digitale Kartenplattformen eignet. Die auf bereiteten Barrierefreiheitsdaten sollen öffentlich auf OpenStreetMap bereitgestellt werden, um so eine allgemeine, freie Nutzung der Daten zu erlauben. Die entwickelte Methodik soll in einer Pilotphase unter realen Bedingungen getestet werden. Hierbei sollen Rollstuhlfahrer und andere mobilitätseingeschränkte Personen aktiv in den Prozess einbezogen werden, um die Praktikabilität der Methode zu bewerten. Die Ergebnis- Bild 1 Smartphone-basiertes Datenerfassungssystem am Rollstuhl im Einsatz. Foto: privat. Internationales Verkehrswesen (77) 2 ǀ 2025 55 DOI: 10.24053/ IV-2025-0031 Künstliche Intelligenz  TECHNOLOGIE Jochen Baier, Prof. Dr.-Ing., Hochschule Furtwangen jochen.baier@hs-furtwangen.de Gregor Renner, Prof. Dr. phil., Katholische Hochschule Freiburg gregor.renner@kh-freiburg.de Oliver Taminé, Prof. Dr., Hochschule Furtwangen oliver.tamine@hs-furtwangen.de Maximilian Ambs, B.Sc., Hochschule Furtwangen maximilian.ambs@hs-furtwangen.de Eric Sartorius, M.Sc., Hochschule Furtwangen eric.sartorius@hs-furtwangen.de Hannah Speth, B.A., Katholische Hochschule Freiburg hannah.speth@kh-freiburg.de [8] Bundesministerium für Digitales und Verkehr (BMDV). (2022). Konzeptentwicklung und Umsetzung eines Systems zur automatisierten Analyse der Beschaffenheit von Radwegen - ABPA. Abgerufen am 7. November 2024, von https: / / bmdv. bund.de/ SharedDocs/ DE/ Artikel/ DG/ mfund-projekte/ abpa.html Eingangsabbildung: © iStock.com/ Bill_Vorasate der gefunden und ausgebessert werden, um die Genauigkeit der KI weiter zu steigern. Ausblick Nach Abschluss der Machbarkeitsstudie ist geplant, die gewonnenen Erkenntnisse in ein umfassendes Folgeprojekt einfließen zu lassen. Dieses Projekt wird darauf abzielen, die Systeme, die im Rahmen der Machbarkeitsstudie entwickelt wurden, flächendeckend und in größerem Umfang umzusetzen. Dies umfasst die Weiterentwicklung und Optimierung der KI-Technologie, um eine noch präzisere und zuverlässigere Erkennung von Barrieren zu gewährleisten und weitere Mobilitätsbarrieren analysieren zu können. Zusätzlich sollen die Projektergebnisse als Open Data veröffentlicht und in bestehende Plattformen wie OpenStreetMap oder Wheelmap.org integriert werden. Dies ermöglicht eine breite Nutzung, wodurch Barrieren nicht nur erkannt, sondern auch systematisch abgebaut werden können. ▪ LITERATUR [1] Aktion Mensch. (o. D.). Menschen werden behindert. Abgerufen am 02. Oktober 2024, von https: / / www.aktion-mensch.de/ newsfeed/ bundeskanzlerin-menschen-werden-behindert [2] Deutsches Institut für Menschenrechte. (o. D.). Die UN-Behindertenrechtskonvention (UN-BRK). Abgerufen am 02. Oktober 2024, von https: / / w w w.in s tit utf u e rm e n s ch e nr e chte.d e / d a s institut/ monitoring-stelle -un-brk / die -un-brk, https: / / www.institut-fuer-menschenrechte.de/ menschenrechtsschutz/ datenbanken/ datenbankfuer-menschenrechte-und-behinderung/ detail/ artikel-9-un-brk [3] Gesetze im Internet. (n.d.). § 4 BGG - Barrierefreiheit. Abgerufen am 02. Oktober 2024, von https: / / www.gesetze-im-internet.de/ bgg/ _ _4.html [4] Statistisches Bundesamt (Destatis). (2024). 7,9 Millionen schwerbehinderte Menschen leben in Deutschland. Pressemitteilung Nr. 281. Abgerufen am 02. Oktober 2024, von https: / / www.destatis.de/ DE/ Presse/ Pressemitteilungen/ 2024/ 07/ PD24_281_227.html [5] Bundesministerium für Digitales und Verkehr (BMDV). (2022). Barrierefrei Mobil im Kiez - MIKI. Abgerufen am 5. November 2024, von https: / / bmdv.bund.de/ SharedDocs/ DE/ Artikel/ DG/ mfund-projekte/ miki.html [6] Haas, C. H., Weihe, K., & Sage, H. (o. D.). Per Pedes Routing: Abschlussbericht. Bundesministerium für Digitales und Verkehr. Abgerufen am 7. November 2024, von https: / / bmdv.bund.de/ Shared- Docs/ DE/ Anlage/ DG/ mFUND/ perpedesroutingabschlussbericht.pdf? _ _blob=publicationFile [7] Brückner, A., et al. (2022). Smart Inclusive Multi- Modal Mobility Service - Abbau von Barrieren und Diskriminierungshürden im Alltag (SIM3S): Schlussbericht Verbundprojekt. DB Systel GmbH (Koordination), DFKI GmbH, idalab GmbH, & door2door GmbH. Abgerufen am 17. November 2024, von https: / / sim3s.de/ download/ SIM3S_ Booklet_screen.pdf se der Machbarkeitsstudie können somit sowohl die Umsetzbarkeit des Projekts als auch die Nützlichkeit der erzielten Ergebnisse analysieren und bewerten. Technischer Aufbau Eine zentrale Herausforderung im technischen Auf bau ist die Entwicklung der Software. Über eine über den Android-Store bereitgestellte native Mobile Applikation werden die Daten gesammelt, welche einerseits mittels Smartphone-Kamera Videomaterial und synchron dazu die entsprechenden Geokoordinaten per GPS-Signal erfasst, um einen Videoframe einer Koordinate zuordnen und den Standpunkt auf einer digitalen Karte verorten zu können. Dies ermöglicht Rollstuhlfahrern, durch das simple Starten der Videoaufnahme innerhalb der Anwendung Daten entlang ihrer Route zu erheben. Die erhobenen Daten werden an einen entfernten Server über eine REST-Schnittstelle hochgeladen und in einer Datenbank persistiert. Der Server ermöglicht es, die gewonnenen Daten zentral und (nur) für das Forschungsteam zugänglich zu machen. Die gewonnenen Daten gilt es zu analysieren und auszuwerten. Da mit einem erhöhten Datenvolumen bestehend aus hunderten Videos zu rechnen ist, bedient man sich einer künstlichen Intelligenz, welche das Verfahren automatisiert möglich machen soll. Diese soll in den Server zwischengeschaltet werden, um eingehende Daten auszuwerten und Ergebnisse zurück an den Server bzw. die an den Server angebundene Datenbank zu senden. Die künstliche Intelligenz wird hierbei vorerst als ein leeres Modell erstellt, welches auf die zu erwartenden Daten trainiert werden muss. Um das Modell zu trainieren, muss zuerst ein beispielhafter Datensatz manuell ausgewertet und unterteilt werden. Somit kann das Modell Muster erlernen, wodurch es die Fähigkeit erhält, diese Muster in neuen Daten nachzuvollziehen. Dieses Vorgehen ist auch als Supervised Learning im Kontext des Machine Learnings bekannt. Durch das Training des Modells mit manuell ausgewerteten Daten soll eine zuverlässige Genauigkeit von über 90 % bei der Klassifizierung bzw. Kategorisierung der erfassten Videoframes erreicht werden. Nachdem dieses Ziel erreicht wurde, ist das Modell bereit, in den Server integriert zu werden. Auch nach der Integration lässt sich die Zuverlässigkeit des Modells durch ein Continuous-Learning-Verfahren weiter steigern. Dabei werden neue Daten sowohl an das bestehende Modell als auch an andere KI-Bilderkennungsprogramme gesendet und die Ergebnisse miteinander abgeglichen. Somit können falsch klassifizierte Bil- Internationales Verkehrswesen (77) 2 ǀ 2025 56 DOI: 10.24053/ IV-2025-0031 TECHNOLOGIE  Künstliche Intelligenz