Konux ist ein Münchner Technologieunternehmen, das IoT-Sensorik und KI-basierte Analysesoftware für die Eisenbahninfrastruktur entwickelt. Die Lösungen ermöglichen die vorausschauende Wartung von Weichen und Gleisanlagen, wodurch ungeplante Ausfälle reduziert und die Verfügbarkeit des Schienennetzes verbessert wird. Konux arbeitet mit Bahnbetreibern in ganz Europa zusammen.
KONUX Switch ist die Kernlösung für die vorausschauende Instandhaltung von Weichen und Schieneninfrastruktur. Mithilfe von KI-gestützter Zustandsüberwachung und Dual-Layer-Prädiktionsmodellen werden Verschleißmuster frühzeitig erkannt und Wartungseinsätze optimiert geplant. Das System bewertet die Zuverlässigkeit einzelner Komponenten und hat bei der Deutschen Bahn zu einer Reduktion ungeplanter Ausfallzeiten um 40 Prozent geführt.
Die modulare KONUX CoBrix-Plattform ist eine föderierte Daten- und KI-Plattform, auf der verschiedene Stakeholder im Bahnsektor gemeinsam Lösungen entwickeln, integrieren und skalieren können. Jeder Teilnehmer behält dabei die Kontrolle über seine Daten. CoBrix ermöglicht die Verknüpfung von IoT-Sensordaten, Inspektionsberichten und Betriebsdaten zu einem übergreifenden digitalen Ökosystem für die Schieneninfrastruktur.
KONUX entwickelt modulare und konfigurierbare IoT-Sensorkomponenten, die direkt an Schieneninfrastruktur installiert werden. Über 6.000 IoT-Geräte sind europaweit im Einsatz und erfassen kontinuierlich Daten zu Vibrationen, Belastungen und Bewegungsmustern an Weichen und Gleisen. Die Sensoren sind für den Dauerbetrieb unter rauen Umgebungsbedingungen konzipiert und liefern die Datenbasis für alle Analysefunktionen.
Mit Asset Notes bietet KONUX ein digitales System zur Verknüpfung von Felddaten, Inspektionsberichten und Technikerrückmeldungen mit IoT-Messwerten. Das Echtzeit-Monitoring liefert kontinuierliche Zustandsbewertungen für überwachte Schienenanlagen. Infrastrukturbetreiber erhalten so eine ganzheitliche Sicht auf den Zustand ihrer Assets und können Instandhaltungsmaßnahmen datenbasiert priorisieren.
KONUX setzt Machine-Learning-Modelle ein, die kontextbewusste Anomalieerkennung unter Berücksichtigung von Zuggeschwindigkeit, Achslast und Überfahrwinkel ermöglichen. Die Population-Correction-Modelle filtern systematische Einflüsse heraus und identifizieren echte Zustandsveränderungen. Auf Basis von über 500 Millionen ausgewerteten Zugüberfahrten werden die Modelle kontinuierlich trainiert und verbessert.
