In die Zukunft denken: MofoSa bekommt ein eigenes Datenmodell

April 6, 2026

Den Datensatz anhand bestimmter Anforderungen zu konzipieren und aufzunehmen ist eine wichtige Aufgabe des Projektes – doch mindestens genauso wichtig ist es, dass die Daten am Ende sicher gespeichert und wieder abgerufen werden können. MofoSa stellt dabei eine Menge an Fragen: Wie werden verschiedene Mobilitätsklassen, wie Autos, öffentliche Verkehrsmittel oder Fußgänger, passend abgebildet? Wie kommen die Daten sicher an einen zentralen Ort und werden danach verarbeitet oder für KI-Prozesse mit Mobilitätskontext genutzt? Wie können alle Bedarfsträger den Datensatz einfach und zugleich umfassend abrufen, um ihre Fragen zu beantworten?

Hier kommt das Datenmodell ins Spiel. Dieses bildet den Verbund aus Datenspeicher, -verarbeitung und -abruf und versucht bereits jetzt alle möglichen Anforderungen, die im Projektkontext aufkommen könnten, abzudecken. Hierfür wurden verschiedenste State-of-the-Art-Ansätze in den Domänen Mobilität, Datentransfer und IoT zusammengetragen und in ein gesamtheitliches Konzept überführt.

Was soll das Datenmodell können?

Ein wichtiges Merkmal besteht in der Datensicherheit sowie der Einhaltung aller Datenschutzrichtlinien im deutschen und europäischen Raum. Im Datenmodell sind Verschlüsselungsschichten untergebracht, die ankommende Daten aus den Mobilitätsträgern zunächst so ablegen, dass selbst das Projektteam diese nicht einsehen kann. Stattdessen werden die Rohdaten zunächst in zwei Schritten auseinandergelegt: Personenbezogene Daten werden pseudonymisiert, im Anschluss erfolgt eine vollständige Anonymisierung, nach der kein Rückschluss mehr auf den Mobilitätsführer möglich ist. Weiterhin können Personen oder Kennzeichen in Videos unkenntlich gemacht oder exakte Positionsdaten verrauscht werden.

Bevor die Daten abgelegt werden, sind aber noch eine Menge anderer Verarbeitungsschritte durch das Modell möglich. Sollten Sensoren fehlerhafte Werte aufnehmen oder Lücken in der Aufnahme aufweisen, kann eine Erkennung für Ausreißer oder fehlende Werte entsprechende Maßnahmen einleiten. Ist gewünscht, dass die Rohdaten durch externe Dienstleister, wie Wetterstationen oder Verkehrsdichtemessungen, angereichert werden, können Schnittstellen von Drittanbietern noch während der Verarbeitung in das Datenmodell einbezogen werden. Auch ist es möglich, dass projektinterne Algorithmen zur Erweiterung der Datenbasis eingesetzt werden. Ein umsetzbares Beispiel besteht in einem Machine Learning Modell für die Überführung aufgenommener Beschleunigungswerte in menschenlesbare Informationen zur Straßenbeschaffenheit.

Ist die Verarbeitung abgeschlossen werden Daten in einen sicheren Speicher geschrieben und zum effizienten Abgriff in einer Datenbank gesichert. Die Daten liegen somit bereit, um später von allen Interessensträgern abgerufen zu werden: Datenschutzkonform, umfassend und mobilitätsorientiert.

Die nächsten Schritte

In den nächsten Monaten geht es an die praktische Umsetzung: Aus den aufgestellten Konzepten sollen technologische Entscheidungen abgeleitet werden. Es folgt die Implementierung einer prototypischen Versuchsplattform, mit der in den Folgemonaten Daten gesammelt und testweise verarbeitet werden. Eine Bereitstellung erfolgt dann mit einheitlichen, gut dokumentierten Schnittstellen, über die Daten nachträglich abgerufen werden können. So wird die Basis geschaffen, mit der die Öffentlichkeit später Zugriff auf den MofoSa-Datensatz erhält.

Über MofoSa

Die ESF-Nachwuchsforschergruppe Mobility for Saxony (MofoSa) wird an der Fakultät Angewandte Computer- und Biowissenschaften der Hochschule Mittweida bearbeitet. Ziel des Vorhabens ist die Erhebung eines sächsischen Mobilitätsdatensatzes für den kleinstädtischen und ländlichen Raum sowie die Qualifizierung der beteiligten Nachwuchswissenschaftlerinnen und -wissenschaftler im Rahmen von Promotionsvorhaben. Beteiligte Professoren sind Prof. Dr. Christian Roschke, Prof. Dr. Matthias Baumgart, Prof. Dr. Marc Ritter und Prof. Dr. Matthias Vodel. Laufzeit: 01.11.2025 – 30.10.2028.