Expertisen

Basierend auf historischen Daten können zukünftige Nutzungen und Entwicklungen mittels Machine Learning Algorithmen vorhergesagt werden. Dabei werden typische Verhaltensmuster und Einflussfaktoren identifiziert woraus eine präzise Prognose für die kommenden Stunden, Tage und Jahre erstellt werden kann. Diese Vorhersagen sind via API oder benutzerfreundlich direkt in unser Web-Tool Diamond Reports verfügbar.

Neue Erkenntnisse ergeben sich oft, wenn man verschiedene Datenquellen zusammenführt. Wir harmonisieren Ihre Datenquellen aus unterschiedlichsten Formaten, werten die Daten auf und führen sie zusammen. So können erweiterte Analysen durchgeführt und bisher unbeachtete Abhängigkeiten entdeckt werden. Die aufbereiteten Daten können in das Web-Tool Diamond Reports integriert werden oder über API-Schnittstellen in Datenbanken gespiesen werden.

Die ASE unterhält enge Beziehungen zu weltweit führenden Forschungsuniversitäten und pflegt einen regelmäßigen gegenseitigen Wissensaustausch mit Akademikern auf der ganzen Welt. Manche unserer Mitarbeiter unterrichten selbst, zum Beispiel an der ETH Zürich. So ist die Hochschule für das Unternehmen nicht nur ein wichtiger Rekrutierungskanal für neue Talente. Die Technologien und Datensätze von ASE wurden in einer Vielzahl von wissenschaftlichen Studien eingesetzt, welche in Publikationen veröffentlicht wurden. Die ASE betreibt auch eigene Forschung, dessen Ergebnisse in wissenschaftlichen Zeitschriften, auf Symposien oder Industriekonferenzen präsentiert werden.

Jessica Weibel, MSc. ETH Raumentwicklung und Infrastruktursysteme, war Projektleiterin bei ASE. Sie erhielt den VSS Award 2020 für ihre Masterarbeit über die Kurzzeitvorhersage von Plattformüberlastungen mittels überwachten maschinellen Lernens. VSS-Artikel verfügbar in Strasse und Verkehr Ausgabe 03/2020 auf www.vss.ch.

Anwendung neuer Sensoren zur Fussgängerortung zur Bewertung von Sicherheitsrisiken auf Bahnsteigen an Schweizer und niederländischen Bahnhöfen (van den Heuvel et al., 2019)

Eine erschienene wissenschaftliche Arbeit, die die Technologie und den selbst entwickelten Stitching-Algorithmus von ASE für einen hohen Grad an Genauigkeit „selbst bei höchster Komplexität“, wie in der Studie definiert, nutzt.

Destination-Choice-Modellierung mit räumlich verteilten Randbedinungen (Vitins & Erath, 2019)

Ein Beitrag von Basil Vitins, Leiter Modellierung und Simulationen bei ASE, vorgestellt auf der Schweizerischen Verkehrskonferenz 2019 in Ascona. Die Wahl des Reiseziels ist ein wichtiger Faktor für wirtschaftliche Prozesse und soziale Strukturen.

ASE liefert Messysteme für CroMa-Projekt des Bundesministeriums

Das Projekt CROMA ist eine vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Initiative, deren Ziel es ist, im September 2020 durch verbesserte Bauvorschriften, geeignetes Crowd-Management und organisationsübergreifende Ausführungsrichtlinien eine höhere Robustheit, Sicherheit und Leistungsfähigkeit von Verkehrsknotenpunkten für die täglich rund 36 Millionen Fahrgäste des deutschen öffentlichen Verkehrs zu erreichen. Das Projekt wird von der führenden Forschungsbehörde Prof. Dr. Armin Seyfried geleitet, der sich auf die am Frankfurter Hauptbahnhof eingesetzte ASE-Technologie und die erfassten Daten stützt: www.croma-projekt.de

Risk Based Maintenance (RBM) – Minimierung der Nutzerrisiken und Betriebskosten mit einer risikobasierten Methode für den Unterhalt der BSA

In Strassentunneln werden Betriebs- und Sicherheitsausrüstungen (BSA) installiert, deren Ausfälle Risiken für Verkehr, Betreiber und Umwelt bergen. Regelmäßige Wartung reduziert diese Risiken, verursacht aber Kosten. Diese Studie beschreibt eine Methodik zur risikobasierten Instandhaltung, die Wartungsstrategien hinsichtlich Kosten und Risiko vergleichbar macht. So lässt sich für einzelne Anlagen oder ein gesamtes Portfolio die optimale Strategie bestimmen, um bei gegebenem Budget das Risiko zu minimieren oder umgekehrt.
https://myvss.mobilityplatform.ch//vss/account/publication/2818/webviewer/

E-Trottinette: Verkehrsplanerische Auswirkungen und zukünftige Anforderungen

E-Trottinettes gewinnen in der Schweiz zunehmend an Bedeutung und nutzen bereits heute bestehende Verkehrsflächen neben MIV, ÖV, Fuss- und Veloverkehr sowie E-Bikes. Ihre wachsende Präsenz im öffentlichen Raum führt zu Konflikten, etwa durch falsches Abstellen oder verbotene Nutzung auf Gehwegen, und wirft Fragen zur Nachhaltigkeit auf. Die vorliegende Arbeit untersucht die verkehrsplanerischen Auswirkungen von E-Trottinetten und leitet daraus Anforderungen für die Infrastruktur- und Netzplanung ab.
https://myvss.mobilityplatform.ch//vss/account/publication/8081/webviewer/

Methoden der Verkehrsbefragung Norm VSS 40 003
 

Der Bericht legt die Grundlagen für die Norm VSS 40 003: Befragungen dar und basiert auf einer Literaturanalyse sowie einer Praxisbefragung in der Schweiz. Er zeigt, dass sich Methoden, Datenquellen und inhaltliche Schwerpunkte von Verkehrserhebungen durch Digitalisierung, neue Mobilitätsformen und höhere Datengranularität stark erweitert haben. Die gewonnenen Erkenntnisse bilden die Basis für die Anpassung der Norm an die aktuellen Bedürfnisse der Praxis.
https://myvss.mobilityplatform.ch//vss/account/publication/8076/webviewer/

Massgeschneiderte AI-Pipelines für produktive Anwendungen

Wir entwickeln individuelle AI-Pipelines, die speziell auf die Anforderungen unserer Kunden zugeschnitten sind – von der Datenerfassung über das Modelltraining bis hin zum stabilen Betrieb in Edge- und Cloud-Umgebungen. Dabei verbinden wir Software Engineering, Data Science und MLOps zu einer durchgängigen, skalierbaren Lösung.

Unsere AI-Pipelines sind darauf ausgelegt, zuverlässig in der Praxis zu funktionieren. Sie integrieren sich nahtlos in bestehende Systemlandschaften, unterstützen Echtzeitverarbeitung und ermöglichen den kontrollierten Rollout neuer Modelle. So entstehen KI-Lösungen, die nicht nur technisch überzeugen, sondern langfristig wirtschaftlichen Mehrwert schaffen.

Integration als Grundlage durchgängiger digitaler Lösungen
Wir verstehen Integration nicht als technische Nebenaufgabe, sondern als zentralen Baustein stabiler und skalierbarer digitaler Lösungen. Unsere Integrationsarchitekturen verbinden Edge-, IoT- und Cloud-Komponenten mit bestehenden IT-Systemen und schaffen durchgängige, zuverlässige Datenflüsse – von der Datenerfassung bis zur Nutzung in operativen und analytischen Anwendungen.

Moderne Schnittstellen und Event-basierte Architekturen
Wir setzen auf bewährte Standards und skalierbare Technologien, um unterschiedliche Systeme flexibel miteinander zu verbinden. Dazu gehören klassische REST-APIs, eventbasierte Schnittstellen wie MQTT sowie Webhooks für ereignisgesteuerte Integrationen.
Für komplexe und hochskalierbare Datenströme nutzen wir Kafka, um Systeme zu entkoppeln, Echtzeitverarbeitung zu ermöglichen und auch grosse Datenmengen zuverlässig zu verarbeiten. So entstehen Integrationen, die nicht nur funktional, sondern zukunftssicher und erweiterbar sind.

Sicher, skalierbar und betriebssicher
Sicherheit ist integraler Bestandteil unserer Integrationslösungen. Daten werden verschlüsselt übertragen, Zugriffe klar authentifiziert und rollenbasiert gesteuert. Unsere Schnittstellen sind auf Dauerbetrieb, hohe Last und wachsende Systemlandschaften ausgelegt – auch in verteilten und geschäftskritischen Umgebungen.

Erfahrung aus realen IT-Landschaften
Wir verfügen über umfassende Erfahrung mit heterogenen und gewachsenen Systemlandschaften. Statt punktueller Einzelverbindungen schaffen wir klar definierte Schnittstellen, saubere Datenmodelle und eine strukturierte Weiterentwicklung. Das Ergebnis sind Integrationen, die wartbar, nachvollziehbar und langfristig tragfähig sind.

Self Service Analytics, die Entscheidungen ermöglichen

Wir entwickeln massgeschneiderte Self Service Analytics-Lösungen, die komplexe Daten in klare, verständliche Kennzahlen übersetzen. Der Fokus liegt auf Anwendern, die täglich Entscheidungen treffen müssen – nicht auf technischen Spezialisten.

Unsere Lösungen kombinieren Echtzeit- und historische Daten in einer einheitlichen Oberfläche und bieten vordefinierte KPIs, Dashboards und Vergleichslogiken. Anwender erhalten genau die Informationen, die sie benötigen – ohne technische Abhängigkeiten, aber mit klarer Struktur und Führung. So entsteht Self Service Analytics, die handlungsfähig macht, statt zu überfordern.

Die Lösungen lassen sich nahtlos in bestehende Systeme integrieren oder direkt in kundeneigene Anwendungen einbetten. Sie sind skalierbar über Standorte und Organisationen hinweg und bilden eine verlässliche Grundlage für operative und strategische Entscheidungen.

Ein zuverlässiger Betrieb erfordert mehr als gute Technologie – er braucht klare Prozesse, Transparenz und schnelle Reaktionszeiten. Wir bietet ein professionelles Incident Management, das alle Serviceprozesse lückenlos abbildet und skaliert.
Durchgängige Prozesse ohne Informationsverlust
Support, Entwicklung und Betrieb sind in einem einheitlichen System miteinander verbunden. Vom ersten Kundenkontakt über die technische Bearbeitung bis zur Lösung werden alle Informationen konsistent weitergegeben – ohne Medienbrüche, ohne manuelle Übergaben.
Transparenz auf allen Ebenen
Kunden erhalten jederzeit Einsicht in den Status ihrer Anfragen und Vorfälle. Intern ermöglichen strukturierte Workflows eine klare Priorisierung, Zuweisung und Nachverfolgung aller Tickets – von kritischen Systemausfällen bis hin zu Konfigurationsanpassungen.
Definierte Service Levels
Service Level Agreements werden direkt im System hinterlegt und automatisch überwacht. Reaktions- und Lösungszeiten sind verbindlich definiert und messbar – für jeden Schweregrad und jeden Vertragstyp. Eskalationsprozesse greifen automatisch, bevor SLA-Grenzen überschritten werden.
Kontinuierliche Verbesserung
Die enge Verzahnung von Service Management und Softwareentwicklung ermöglicht es, wiederkehrende Vorfälle direkt in den Entwicklungsprozess zu überführen. Erkannte Muster werden systematisch analysiert und als Verbesserungen in die Plattform eingebracht.

Ein hochverfügbares System erfordert kontinuierliche Überwachung auf allen Ebenen – von der Sensorik im Feld bis zur zentralen Datenplattform. ASE bietet ein durchgängiges Monitoring, das Probleme erkennt, bevor sie den Betrieb beeinträchtigen.
Sensor- & Hardware-Monitoring
Alle angeschlossenen Sensoren und Feldgeräte werden lückenlos überwacht. Verbindungsstatus, Signalqualität, Energieversorgung und Gerätezustand werden in Echtzeit erfasst und ausgewertet. Abweichungen vom Normalbetrieb – etwa Signalausfall, Fehlmessungen oder Hardwaredefekte – werden automatisch erkannt und gemeldet. Präventive Wartungsmassnahmen können so gezielt und frühzeitig eingeplant werden.
Plattform- & Software-Monitoring
Auf Plattformebene werden Systemressourcen, Datendurchsatz, Verarbeitungszeiten und Schnittstellenverfügbarkeit kontinuierlich überwacht. Automatisierte Prüfroutinen validieren die Datenqualität und erkennen Anomalien in den Messdaten – bevor diese in nachgelagerte Analysen oder Applikationen einfliessen.
Alerting & Eskalation
Schwellenwerte und Alarmregeln sind frei konfigurierbar. Bei Überschreitung werden zuständige Teams automatisch benachrichtigt – nach definierten Eskalationsstufen und Kommunikationswegen. Die enge Anbindung an das Incident Management stellt sicher, dass erkannte Probleme sofort als Tickets erfasst und bearbeitet werden.
Monitoring Dashboard
Alle relevanten Systemkennzahlen sind in einem zentralen Dashboard zusammengefasst. Betreiber und Serviceteams erhalten eine einheitliche, jederzeit aktuelle Übersicht über den Gesamtzustand des Systems – standortübergreifend und in Echtzeit.

Zur Erfassung der Personen- und Fahrzeugbewegungen werden verschiedenste Sensortypen eingesetzt. Jeder Messpunkt hat andere Anforderungen an den Sensor, wie Lichteinfall, Verschmutzungsgrad und Position. Die ASE setzt Sensoren von Drittanbietern ein, so bleiben wir hardwareseitig auf dem neuesten Stand und können die neusten technologischen Entwicklungen nutzen und damit Daten in stetig hoher Qualität für unsere Systeme anwenden.

Leistungsfähige KI direkt am Einsatzort
Wir setzen auf NVIDIA-basierte Edge-Computing-Lösungen, um KI-Anwendungen zuverlässig und performant direkt am Ort der Datenerzeugung zu betreiben. Durch die Verarbeitung am Edge lassen sich Echtzeit-Anforderungen erfüllen, Latenzen minimieren und Datenmengen deutlich reduzieren.

Erfahrung aus dem produktiven Betrieb
Unsere Stärke liegt nicht nur in der Entwicklung, sondern vor allem im stabilen Betrieb von Edge-Geräten im Feld. Wir verfügen über umfangreiche Erfahrung mit NVIDIA-Hardware in realen Umgebungen – von der Inbetriebnahme über Monitoring bis hin zum laufenden Betrieb in 24/7-Szenarien.

Passende Hardware für jeden Use Case
Auf Basis der konkreten Anforderungen unserer Kunden empfehlen wir die geeignete NVIDIA-Edge-Hardware – vom kompakten Jetson-System bis hin zu leistungsstarken Industrieplattformen. Dabei berücksichtigen wir Faktoren wie Rechenlast, Skalierbarkeit, Umgebungseinflüsse und Betriebskosten, um eine zukunftssichere und wirtschaftliche Lösung zu gewährleisten.

Zuverlässige Vernetzung von Geräten und Systemen
Unsere IoT-Technologie verbindet Sensoren, Kameras und Geräte zu einer durchgängigen, skalierbaren Datenbasis. Wir ermöglichen die strukturierte Erfassung und Übertragung von Mess- und Ereignisdaten – zuverlässig, herstellerunabhängig und für den produktiven Einsatz ausgelegt.

Erfahrung im Betrieb verteilter IoT-Systeme
Wir verfügen über umfassende Erfahrung im Betrieb grosser IoT-Installationen mit tausenden Geräten. Dazu gehören Gerätemanagement, Überwachung, Update-Strategien sowie der sichere und stabile Betrieb auch in verteilten und anspruchsvollen Umgebungen.

Sicherheit und verschlüsselte Datenübertragung
Alle Daten werden verschlüsselt und sicher übertragen, von der Quelle bis zur Weiterverarbeitung. Authentifizierung, Zugriffskontrolle und bewährte Sicherheitsmechanismen sind integraler Bestandteil unserer IoT-Architekturen. So stellen wir sicher, dass sensible Betriebs- und Analysedaten jederzeit geschützt sind – auch in kritischen Infrastrukturen.

Intelligente Videoanalyse für reale Umgebungen
Unsere Videoanalyse-Technologie verwandelt Videostreams aus bestehenden Kameras in wertvolle, strukturierte Daten – in Echtzeit und datenschutzkonform. Statt Videomaterial zu speichern oder manuell auszuwerten, liefern wir präzise Kennzahlen zu Besucherfrequenzen, Auslastung, Bewegungsströmen und Verweildauern.

Echtzeitverarbeitung direkt am Edge – DSGVO-konform by Design
Die Analyse erfolgt in Echtzeit direkt am Edge, nahe an der Kamera. Dadurch wird kein Bild- oder Videomaterial gespeichert oder in die Cloud übertragen.
Es entstehen ausschliesslich anonymisierte Metadaten – ein zentraler Baustein für DSGVO-konforme Lösungen, insbesondere in öffentlichen Räumen, im Retail und im öffentlichen Verkehr.

Bewährte Standardmodelle und massgeschneiderte KI
Wir setzen auf robuste, praxiserprobte AI-Modelle, die sich in zahlreichen produktiven Umgebungen bewährt haben. Diese Standardmodelle decken typische Anwendungsfälle wie Personen- und Objektzählung zuverlässig ab.
Für spezifische Anforderungen gehen wir einen Schritt weiter:
Gemeinsam mit unseren Kunden entwickeln und trainieren wir massgeschneiderte KI-Modelle, exakt abgestimmt auf den jeweiligen Use Case, die Umgebung und die eingesetzte Hardware. Dabei greifen wir auf unsere AI-Pipeline-Expertise zurück – von der Datenerhebung über das Training bis zum stabilen Betrieb.

Nahtlose Integration in Analytics und bestehende Systeme
Die Ergebnisse der Videoanalyse stehen als strukturierte, sofort nutzbare Daten zur Verfügung und lassen sich flexibel in bestehende Systemlandschaften integrieren. Über Standardschnittstellen wie MQTT können die Daten direkt an unser Reporting-Frontend, an kundeneigene Backends oder an weitere Analyse- und Steuerungssysteme übergeben werden.
Alternativ können die Ergebnisse direkt innerhalb der Applikation visualisiert werden. So wird aus Videoanalyse eine durchgängige Datenbasis, die operative Prozesse unterstützt und fundierte strategische Entscheidungen ermöglicht.

Einsatzbereiche
Unsere Videoanalyse kommt überall dort zum Einsatz, wo hohe Besucherzahlen, komplexe Bewegungsmuster und verlässliche Echtzeitdaten gefragt sind:

• Retail & Einkaufszentren
• Bahnhöfe, Flughäfen und öffentlicher Verkehr
• Destinationen und öffentliche Räume

Reporting neu gedacht. Zukunftssicher, Intuitiv

Mit unserer Lösung werden Daten zu klaren, verständlichen Insights: Individuell anpassbare Dashboards zeigen Echtzeit-Trends auf einen Blick und liefern fundierte Analysen für bessere Entscheidungen.

Die Plattform bietet höchste Sicherheit dank ISO 27001-zertifizierter Infrastruktur und DSGVO-Konformität. Single Sign-On ermöglicht einen nahtlosen Zugriff, und die mobil optimierte Oberfläche macht Reporting und Monitoring jederzeit und überall verfügbar. Zusätzliche Funktionen wie Öffnungszeitenpflege und Sensorüberwachung unterstützen Sie dabei, alle relevanten Informationen zentral und effizient zu steuern.

Die IBM Maximo Application Suite (MAS) ist eine moderne, integrierte Software-Plattform für Enterprise Asset Management (EAM). Sie unterstützt Unternehmen dabei, ihre physischen Anlagen, Maschinen, Infrastrukturen und Gebäude über den gesamten Lebenszyklus hinweg effizient zu verwalten, zu überwachen und kontinuierlich zu optimieren.

MAS kombiniert klassisches Instandhaltungsmanagement mit modernen Technologien wie Künstlicher Intelligenz (KI), IoT-Daten, Analytics und mobilen Lösungen – und ermöglicht so den Wandel von reaktiver Wartung hin zu vorausschauendem, datengetriebenem Asset Management.

MAS ist keine einzelne Anwendung, sondern eine modulare Suite aus aufeinander abgestimmten Lösungen, die auf einer gemeinsamen technologischen Plattform basieren. Alle Module greifen auf dieselben Daten, Prozesse und Benutzeroberflächen zu und bieten so eine durchgängige Sicht auf Assets, Wartungsprozesse und Betriebszustände.

Mit MAS erhalten Unternehmen eine zentrale Plattform, um unter anderem:

• Anlagen zuverlässig zu betreiben
• Wartungsprozesse effizient zu steuern
•  Ausfälle frühzeitig zu erkennen
• Kosten und Risiken zu reduzieren
• fundierte Entscheidungen auf Basis von Echtzeit- und historischen Daten zu treffen