Algorithmische Fairness im Straßenverkehr: Wer an der Kreuzung wirklich Vorrang bekommt

Algorithmische Fairness im Straßenverkehr: Wenn die Stadt Sekunden verteilt

An einer Kreuzung zeigt sich, was eine Stadt über Gerechtigkeit denkt. Nicht in großen Reden. Sondern in 18 Sekunden Grün. In 47 Sekunden Warten. In der stillen Entscheidung, ob zuerst die Hauptstraße rollt, der Bus durchkommt, das Kind über die Ampel kommt oder die ältere Frau mit Rollator noch in einer Phase die andere Seite erreicht.

Ampeln sind leicht zu unterschätzen. Sie wirken wie Technik, dabei sind sie längst Politik in Leuchtfarben. Stadtgestaltung verteilt nicht nur Raum, sondern auch Zeit: Wer warten muss, wer Vorrang bekommt, wer als „Störung“ im Verkehrsfluss gilt. Genau deshalb ist es irreführend, smarte Ampeln nur als Effizienzmaschine zu verkaufen. Signalsteuerung formt Mobilität, Sicherheit und öffentlichen Raum zugleich.

Warum smarte Ampeln so verlockend sind

Die Verheißung ist einfach: weniger Stau, weniger Stop-and-go, flüssiger Verkehr. Adaptive Signalsteuerung reagiert nicht mehr bloß auf feste Uhrzeiten, sondern auf aktuelle Verkehrslagen. Genau das beschreibt auch die US-Verkehrsbehörde: Solche Systeme passen Rot-, Gelb- und Grünphasen an veränderte Muster an und sollen so Staus und Verzögerungen verringern.

Dass das wirken kann, ist kein Mythos. In Peterborough in Ontario wurden in einem offiziellen Evaluationsbericht für Spitzenzeiten Reisezeitgewinne von rund 11 Prozent in einer Richtung und 30 Prozent in der anderen berichtet; zugleich sanken die Stopps auf einer Hauptachse deutlich. Aber derselbe Bericht enthält den entscheidenden Nebensatz: Auf Nebenstraßen stieg die Verzögerung in Spitzenzeiten im Mittel um 63 Prozent. Genau hier beginnt das eigentliche Thema. Effizienz ist nie einfach „für alle“ da. Sie wird verteilt.

Die stille Politik der Sekunden

Eine intelligente Ampel beantwortet keine neutrale Frage. Sie beantwortet immer eine normative: Was soll hier optimiert werden? Durchsatz? Sicherheit? Pünktlichkeit des Busses? Aufenthaltsqualität? Schnelles Abbiegen? Kurze Wartezeiten für Fußgänger? Wer an der Kreuzung gewinnt, gewinnt nicht zufällig, sondern weil das System auf genau diese Ziele trainiert, parametriert oder politisch priorisiert wurde.

Darum ist die Formulierung „den Verkehr optimieren“ so tückisch. Welchen Verkehr denn? Den der Autos auf der Magistrale? Den des Linienbusses? Den des Radverkehrs? Den des Kindes auf dem Schulweg? Eine Stadt kann mit derselben Kreuzung zwei völlig unterschiedliche Geschichten erzählen. In der einen zählt vor allem Tempo. In der anderen zählt, dass die Schwächeren nicht die längste Geduld aufbringen müssen.

Warum algorithmische Fairness im Straßenverkehr mehr ist als gleiche Wartezeit

Algorithmische Fairness im Straßenverkehr bedeutet nicht, dass alle exakt gleich lang warten. Das wäre oft unpraktisch und manchmal sogar unsinnig. Fairness heißt etwas Anspruchsvolleres: Die Lasten und Vorteile einer Steuerung müssen so verteilt werden, dass Erreichbarkeit, Sicherheit, Barrierefreiheit und Umweltwirkungen nicht systematisch auf Kosten derselben Gruppen verbessert werden. Genau so wird Verkehrsgerechtigkeit in der Forschung zunehmend beschrieben: nicht nur als Frage von Reisezeit, sondern auch von Zugang, Emissionen und Sicherheitsfolgen.

Bemerkenswert ist, dass diese Debatte inzwischen auch in der Signalsteuerungsforschung selbst angekommen ist. Neuere Arbeiten zu adaptiven Ampelsystemen sprechen ausdrücklich von Fairness, Gleichbehandlung und einer Balance zwischen Fahrzeug- und Fußverkehr; andere beschreiben Fairness in großen dezentralen Signalnetzen als ungelöstes Problem. Das ist ein kleines, aber wichtiges Eingeständnis: Die Technik weiß inzwischen selbst, dass „schneller“ nicht automatisch „gerechter“ bedeutet.

Wer sichtbar ist, wird eher berücksichtigt

Jeder Algorithmus sieht die Stadt nur durch seine Sensoren. Und Sensoren sehen nie alles gleich gut. Eine neuere Übersicht zur KI-basierten Signalsteuerung beschreibt, wie stark solche Systeme auf Detektoren, Kameras, Schleifen, Radar und Zustandsdaten angewiesen sind. Wenn aber das System vor allem Fahrzeugdichten und Queuelängen zählt, dann wird aus Fußverkehr schnell ein Randfall und aus Radverkehr eine Messunsicherheit. Das ist keine Bosheit der Maschine. Es ist ein Designproblem.

Ein sehr anschauliches Beispiel liefert Jena: Dort meldet die Stadt, dass thermische Kameras Radfahrende und andere Verkehrsteilnehmende an Kreuzungen teils zuverlässiger erfassen können als klassische Induktionsschleifen und dass neue intelligente Steuerungen die Interessen motorisierter und nichtmotorisierter Verkehrsteilnehmer besser austarieren sollen. Allein dieser Befund verrät schon viel. Was heute „besser austariert“ werden soll, war gestern offenbar nicht automatisch gut sichtbar.

Der entscheidende Satz lautet also: Was nicht sauber erfasst wird, kann auch nicht fair priorisiert werden. Eine smarte Ampel ist nur so gerecht wie ihre Datenbasis und ihre Zielsetzung.

Sicherheit ist kein Restposten

Wer über Kreuzungen spricht, darf nicht so tun, als ginge es bloß um verlorene Minuten. In der EU entfallen laut aktuellem Themenbericht fast 20 Prozent aller Verkehrstoten auf Fußgänger; in urbanen Räumen machen Fußgänger 38 Prozent der Verkehrstoten aus. Kreuzungen sind damit keine Nebensache der Stadt, sondern Brennpunkte ihrer Verletzlichkeit.

Gerade deshalb ist es folgenreich, wie Signalzeiten gesetzt werden. Die FHWA weist darauf hin, dass Geh- und Räumzeiten aus realen Querungsdistanzen und Gehgeschwindigkeiten abgeleitet werden müssen; in Bereichen mit älteren Menschen oder Kindern sollen langsamere Gehgeschwindigkeiten berücksichtigt werden. Die gleiche Richtlinie beschreibt auch eine Praxis, bei der Teile der Fußgänger-Räumzeit in die Wechselphase hinein verlagert werden, um die Auswirkungen auf den Fahrzeugfluss zu minimieren. Mit anderen Worten: Schon in der klassischen Signaltechnik steckt die Versuchung, Fußverkehr als verhandelbare Restgröße zu behandeln.

Es gibt gute Gegenmittel. Die FHWA empfiehlt sogenannte Leading Pedestrian Intervals, bei denen Fußgänger drei bis sieben Sekunden früher Grün bekommen als abbiegende Fahrzeuge. Deutschland hält in seiner Nationalen Fußverkehrsstrategie fest, dass Wartezeiten an signalisierten Knoten verkürzt, Querungen barrierefrei gestaltet und Grünphasen so lang sein sollen, dass auch Menschen mit Mobilitätseinschränkungen die Straße in einem Zug queren können. Das ist mehr als Technikfeinschliff. Es ist eine andere moralische Reihenfolge.

Was eine faire Ampel-KI tatsächlich leisten müsste

Eine wirklich gute Steuerung müsste nicht nur Stau minimieren, sondern offenlegen, wessen Zeit sie schützt und wessen Zeit sie verbraucht. Vier Kriterien wären dafür zentral:

1. Mehrere Ziele statt nur Durchsatz. Reisezeit, Sicherheit, Fußverkehr, Radverkehr, Buspriorität und Barrierefreiheit müssen gemeinsam optimiert werden, nicht nacheinander und schon gar nicht nur für Autos.

2. Faire Kennzahlen statt bloßer Durchschnittswerte. Durchschnittliche Wartezeit klingt harmlos, kann aber verdecken, dass Nebenstraßen, Wohngebiete oder bestimmte Nutzergruppen systematisch verlieren. Der Peterborough-Bericht ist dafür ein fast lehrbuchhaftes Beispiel.

3. Bessere Wahrnehmung der „leisen“ Verkehrsteilnehmer. Wer Radfahrende, Fußgänger, Kinder, ältere Menschen oder Menschen mit Behinderung nur ungenau erfasst, baut Ungerechtigkeit in die Logik des Systems ein.

4. Demokratische Steuerung statt Technik-Autopilot. Eine Stadt muss öffentlich beantworten, welche Prioritäten ihre Kreuzungen haben sollen. Algorithmen können diese Ziele umsetzen. Sie dürfen sie nicht heimlich ersetzen.

Wer solche Analysen mag, sollte den Newsletter abonnieren. Denn genau an solchen scheinbar kleinen Infrastrukturen entscheidet sich, wie technologisch vernünftig eine Gesellschaft wirklich ist.

Die eigentliche Frage ist nicht, ob die Ampel intelligent ist

Die eigentliche Frage lautet, in wessen Sinne sie intelligent ist.

Eine Stadt, die nur den Autostrom beschleunigt, baut keine kluge Mobilität. Sie automatisiert nur eine alte Hierarchie. Eine Stadt dagegen, die ihre Ampeln so denkt, dass auch Sicherheit, Barrierefreiheit, Aufenthaltsqualität und die Zeit der Schwächeren zählen, nutzt Technik nicht als Ausrede, sondern als Werkzeug demokratischer Gestaltung.

Das ist der Unterschied zwischen smarter Infrastruktur und gerechter Infrastruktur. Die erste rechnet schnell. Die zweite weiß, was sie überhaupt rechnen sollte.

Wenn du den Beitrag spannend fandest, lass ein Like da und schreib in die Kommentare, welche Kreuzung in deiner Stadt sich anfühlt, als hätte sie bereits eine politische Meinung.

Und folge Wissenschaftswelle auf

• https://www.instagram.com/wissenschaftswelle.de/

• https://www.facebook.com/Wissenschaftswelle

#algorithmischeFairness #Straßenverkehr #SmartCity #Verkehrswende #Mobilität #KünstlicheIntelligenz #Stadtplanung #Verkehrssicherheit #Fußverkehr

Quellenliste:

1. Federal Highway Administration: Adaptive Signal Control Technology – https://www.fhwa.dot.gov/innovation/everydaycounts/edc-1/asct.cfm

2. U.S. DOT / ROSA P: Use Case: Adaptive Signal Control Benefit-Cost Analysis – https://rosap.ntl.bts.gov/view/dot/65725

3. ITS Deployment Evaluation: Peterborough Adaptive Traffic Signal Control – https://www.itskrs.its.dot.gov/2025-b01991

4. NACTO: Traffic Signals, Urban Street Design Guide – https://nacto.org/publication/urban-street-design-guide/intersection-design-elements/traffic-signals/

5. Guo et al.: A systematic overview of transportation equity in terms of accessibility, traffic emissions, and safety outcomes – https://www.sciencedirect.com/science/article/pii/S2590198220300026

6. Zhang et al.: Towards fair lights: A multi-agent masked deep reinforcement learning for efficient corridor-level traffic signal control – https://www.sciencedirect.com/science/article/pii/S2772424725000435

7. Siddique et al.: Fair Multi-Agent Reinforcement Learning for Traffic Control – https://dl.acm.org/doi/10.1145/3749378

8. FHWA: Traffic Signal Timing Manual, Chapter 5 – https://ops.fhwa.dot.gov/publications/fhwahop08024/chapter5.htm

9. FHWA: Leading Pedestrian Interval – https://highways.dot.gov/safety/proven-safety-countermeasures/leading-pedestrian-interval

10. German Federal Ministry for Digital and Transport: National Walking Strategy – https://www.bmv.de/SharedDocs/EN/publications/national-walking-strategy.pdf?__blob=publicationFile

11. European Road Safety Observatory: Thematic Report – Pedestrians – https://road-safety.transport.ec.europa.eu/document/download/af69c2f8-124e-42d7-9e2c-9c02e01c0538_en?filename=ERSO-TR-Pedestrians-20240528.pdf

12. Kommunalservice Jena: Traffic detection at intersections with camera systems – https://ksj.jena.de/en/news/traffic-detection-intersections-camera-systems

13. Xiao et al.: Advances in reinforcement learning for traffic signal control: a review of recent progress – https://academic.oup.com/iti/article/doi/10.1093/iti/liaf009/8125227