Dopo tre anni di sviluppo, il progetto tedesco Kiba (Künstliche Intelligenz und diskrete Beladeoptimierungsmodelle zur Auslastungssteigerung im Kombinierten Verkehr – Intelligenza Artificiale e Modelli di Ottimizzazione del Carico Discreti per Aumentare l’Utilizzo della Capacità nel Trasporto Combinato) si è concluso con successo nell’ottobre 2025, confermandosi come una delle più interessanti applicazioni dell’intelligenza artificiale nel trasporto merci ferroviario combinato.
Secondo la società intermodale Kombiverkehr, che ha coordinato l’iniziativa, la sperimentazione ha dimostrato come l’uso combinato di algoritmi di intelligenza artificiale e modelli di ottimizzazione matematica possa migliorare in modo sostanziale l’efficienza, la sicurezza e la sostenibilità del trasporto ferroviario europeo. Il progetto ha portato allo sviluppo di un dimostratore per un sistema integrato di gestione della capacità di rete e pianificazione ottimizzata del carico dei treni, supportato da un sistema centrale di gestione dei dati principali e da un’interfaccia web per l’utilizzo operativo.
Kombiverkehr ha riunito per Kiba un consorzio di operatori scientifici e industriali. Tra questi ci sono l’Università Tecnica di Darmstadt, l’Università Goethe di Francoforte, Deutsche Umschlaggesellschaft Schiene-Straße (Duss), Vtg Rail Europe, Iinform e KombiConsult. Il progetto è stato finanziato con 2,34 milioni di euro dal ministero federale per la Trasformazione Digitale e la Modernizzazione nell’ambito del programma “Intelligenza Artificiale nella Mobilità”.
Secondo Kombiverkehr, il successo di Kiba deriva dalla collaborazione stretta tra il mondo accademico e quello industriale. “Solo combinando queste diverse competenze è stato possibile raggiungere un risultato così innovativo”, ha dichiarato Heiko Krebs, amministratore delegato della società. “Come azienda nata da un progetto di ricerca universitaria oltre cinquantacinque anni fa, riteniamo essenziale mantenere un legame costante con le università, in particolare nel campo dell’intelligenza artificiale, per restare competitivi a livello internazionale”, ha aggiunto Eva Savelsberg, vicepresidente senior e membro del consiglio direttivo d’Inform.
Le sfide affrontate da Kiba riflettono la complessità del trasporto intermodale europeo, caratterizzato da molteplici tipologie di unità di carico, carri ferroviari e orari merci in costante variazione. L’obiettivo principale era migliorare l’allocazione delle unità di trasporto ai vagoni ferroviari, tenendo conto di vincoli statici (dimensioni, peso, caratteristiche dei vagoni) e variabili (carichi effettivi, priorità operative, orari). Il sistema doveva fornire, in tempi rapidi, una proposta di caricamento ottimale anche in assenza di informazioni complete, adattandosi dinamicamente alla disponibilità delle unità di trasporto nei terminal e alle variazioni della rete ferroviaria.
Il progetto ha prodotto due moduli principali: la Pianificazione Ottimizzata della Rete e la Pianificazione Ottimizzata del Carico dei Treni. Entrambi utilizzano algoritmi di apprendimento automatico e tecniche di ottimizzazione matematica applicate a grandi volumi di dati operativi. Il modulo di pianificazione della rete combina previsioni di volume basate su intelligenza artificiale con ottimizzazione matematica per massimizzare l’utilizzo dei treni e ridurre i tempi di trasporto e i trasbordi. Grazie ai dati storici e alle prenotazioni in tempo reale, il sistema è in grado di redistribuire dinamicamente le unità di carico in caso di variazioni operative, chiusure di linee o cancellazioni di convogli.
Il modulo di pianificazione del carico dei treni migliora la disposizione delle unità di carico sui vagoni, riducendo i movimenti delle gru, minimizzando le operazioni di movimentazione e garantendo il rispetto delle norme di sicurezza, in particolare per le merci pericolose. Ciò consente di ridurre i tempi di gestione e aumentare l’utilizzo complessivo delle risorse disponibili.
I modelli di ottimizzazione sviluppati garantiscono che i treni vengano utilizzati pienamente in termini di peso e lunghezza, riducendo contemporaneamente i processi di ricarico e le manovre di piazzale. Numerose variabili sono considerate in parallelo, permettendo una gestione più precisa e prevedibile delle operazioni. “Con Kiba abbiamo dimostrato come l’intelligenza artificiale possa rendere più efficiente il trasporto ferroviario merci”, ha dichiarato Heiko Krebs di Kombiverkehr. “I prototipi sviluppati aiutano a massimizzare la capacità dei treni, utilizzare le risorse in modo più efficace e rendere il trasporto combinato più attrattivo. È un passo importante verso il trasferimento del traffico merci dalla strada alla ferrovia e quindi verso la protezione del clima”.
Con la conclusione del progetto, Kombiverkehr ha annunciato che è stata posta una base solida per l’ulteriore sperimentazione pratica e l’integrazione delle soluzioni nei sistemi operativi esistenti. Le prossime fasi prevedono il miglioramento della qualità dei dati, l’automazione dello scambio informativo e test operativi in tempo reale presso terminal e operatori ferroviari. Il prototipo sviluppato sarà utilizzato in via preliminare da operatori di terminal intermodali e società di trasporto ferroviario combinato, con l’obiettivo di verificarne la scalabilità in contesti europei differenti.
L’esperienza maturata in Kiba fornisce indicazioni rilevanti per lo sviluppo futuro delle tecnologie d’intelligenza artificiale nella logistica. La modularità delle soluzioni consente un’implementazione graduale e personalizzabile, mentre l’integrazione di tecnologie complementari – come Internet delle Cose, gemelli digitali, blockchain e reti 5G – potrà ampliare ulteriormente le capacità di ottimizzazione e controllo dei processi.
