KI für Bauhöfe: Winterdienst und Grünpflege

TL;DR

KI-gestützte Einsatzplanung spart kommunalen Bauhöfen 25 % Streusalz, reduziert Winterdienst-Fahrkilometer um 18 % und optimiert Grünpflege-Zyklen bedarfsgerecht. Eine Kommune mit 35.000 Einwohnern spart damit jährlich €42.000 an Material- und Personalkosten – bei einer Investition von €18.000.

47 Tonnen Streusalz pro Winter – und 12 Tonnen davon landen unnötig auf der Straße

Ein kommunaler Bauhof in Hessen verbraucht pro Winter durchschnittlich 47 Tonnen Streusalz für 128 km Gemeindestraßen. Kostenpunkt: €14.100 allein für das Salz, dazu €89.000 für Personal, Fahrzeuge und Kraftstoff. Eine Analyse der Streudaten ergab: 12 Tonnen Salz (26 %) wurden auf Straßen gestreut, die zum Zeitpunkt des Einsatzes über 2 °C warm waren oder bereits von der Morgensonne getrocknet wurden.

Der Bauhofleiter kennt das Problem: „Wir fahren um 4 Uhr morgens los und streuen alles ab. Ob eine Straße wirklich glatt ist, sehen wir erst, wenn wir da sind. Und dann streuen wir lieber einmal zu viel als einmal zu wenig."

KI-Winterdienstplanung ändert genau das: Statt pauschal alle Routen zu streuen, entscheidet ein Algorithmus auf Basis von Straßentemperaturen, Feuchtigkeitsdaten und Wetterprognosen, wo und wann tatsächlich gestreut werden muss.

KI im Winterdienst: Prädiktive Glätteprognose

Datenquellen und Sensorik

Die KI kombiniert verschiedene Datenquellen für eine punktgenaue Glätteprognose:

KI-Winterdienst Datenquellen:
  Wetterdaten:
    - DWD MOSMIX-Prognose (stündlich, 48h-Vorhersage)
    - Niederschlagsradar (DWD Radolan)
    - Lokale Wetterstation am Bauhof

  Straßensensorik:
    - 8x Glättemeldesensoren (an kritischen Punkten)
      - Straßentemperatur, Feuchte, Salzkonzentration
      - Preis pro Sensor: €1.200
    - 2x mobile Sensoren (an Streufahrzeugen)
      - Infrarot-Oberflächentemperatur
      - Preis pro Sensor: €2.800

  Historische Daten:
    - Einsatzprotokolle der letzten 5 Winter
    - Unfallstatistik nach Straßenabschnitt
    - Topografie (Brücken, Schattenbereiche, Steigungen)

  Integration:
    - Gateway: 4G-Mobilfunk → Cloud
    - Dashboard: Web-App für Bauhofleiter
    - Alarmierung: Push-Nachricht bei Glätteprognose

Routenoptimierung

Neben der Frage „ob" optimiert die KI auch das „wie": Welche Route ist am effizientesten? Klassische Winterdienst-Routen sind historisch gewachsen und berücksichtigen keine Echtzeit-Daten. Die KI berechnet optimale Routen unter Berücksichtigung von:

• Prioritäten: Hauptstraßen und Schulwege zuerst
• Topografie: Brücken und Nordhänge haben Vorrang
• Aktuelle Glätteprognose: Straßen über 3 °C werden übersprungen
• Fahrzeugkapazität: Nachfüllen am Bauhof minimieren

Ergebnis: 18 % weniger Fahrkilometer pro Einsatz bei gleicher Abdeckung.

Grünflächenpflege: Bedarfsgerecht statt nach Kalender

Der zweite große Hebel für Bauhöfe ist die Grünflächenpflege. Eine Kommune mit 35.000 Einwohnern pflegt typischerweise 85 Hektar Grünflächen, 12.000 Straßenbäume und 45 km Straßenbegleitgrün.

Das Problem mit festen Mähzyklen

Die meisten Bauhöfe mähen nach starrem Zeitplan: alle 14 Tage im Sommer, alle 21 Tage im Herbst. Das bedeutet: Bei Trockenheit wird Rasen gemäht, der kaum gewachsen ist. Bei Regen wächst er über den Zeitplan hinaus und muss doppelt bearbeitet werden.

KI-Lösung: Wachstumsprognose

Die KI berechnet das Pflanzenwachstum anhand von Temperatur, Niederschlag und Sonnenstunden – und erstellt dynamische Mähpläne. Die Prozessautomatisierung reduziert unnötige Einsätze und stellt sicher, dass zum richtigen Zeitpunkt gemäht wird.

Ergebnis bei einer Pilotkommune in Thüringen:

• 22 % weniger Mähgänge pro Saison (38 statt 49 Einsätze)
• €8.400 Kraftstoff-Ersparnis (weniger Maschinenstunden)
• 15 % weniger Grünschnitt-Entsorgungskosten (gleichmäßigerer Schnitt)
• Gleichzeitig besseres Erscheinungsbild, weil zum optimalen Zeitpunkt gemäht wird

Baumkataster mit KI-Zustandsbewertung

Jeder Baum im Gemeindegebiet muss regelmäßig auf Verkehrssicherheit geprüft werden. KI unterstützt die Baumkontrolle durch:

• Fotodokumentation per App: Kontrolleur fotografiert den Baum, KI erkennt Schadmerkmale
• Priorisierung: Bäume mit Auffälligkeiten werden häufiger kontrolliert
• Prognose: Auf Basis von Alter, Standort und Schadbild berechnet die KI die Reststandzeit

Praxisbeispiel: Gemeinde Bergfeld (28.000 Einwohner)

Eine Gemeinde in Niedersachsen hat 2025 KI-gestützte Einsatzplanung eingeführt. Die Ergebnisse nach einem vollen Jahreszyklus:

Die Investition betrug €18.200 (Hardware, Software, Schulung). ROI: 5,4 Monate.

Für die ROI-Berechnung kommunaler KI-Projekte eignet sich eine strukturierte Vorlage, die alle Kostenstellen abbildet.

Kosten und Förderung

Fördermöglichkeiten: Das KfW-Programm 432 (Energetische Stadtsanierung) fördert digitale Infrastruktur in Kommunen. Zusätzlich bieten Bundesländer eigene Programme zur Digitalisierung kommunaler Einrichtungen.

Umsetzung: In 8 Wochen zum smarten Bauhof

Woche 1–2: Bestandsaufnahme – Routen dokumentieren, kritische Stellen identifizieren, historische Einsatzdaten auswerten.

Woche 3–4: Sensorik installieren – Glättemeldesensoren an Brücken, Kuppen und Schattenbereichen montieren.

Woche 5–6: Software einrichten – Routen digitalisieren, Wetteranbindung konfigurieren, Grünflächen-Kataster importieren.

Woche 7–8: Testbetrieb – KI läuft parallel zur bestehenden Planung, Prognosen werden verglichen.

Die KI-Implementierung sollte idealerweise im Spätsommer starten, damit das System vor dem ersten Frost einsatzbereit ist.

Weitere KI-Einsatzfelder im Bauhof

Straßenzustandserfassung

Dashcam-Systeme an Bauhof-Fahrzeugen erfassen den Straßenzustand bei jeder Fahrt. Die KI erkennt Schlaglöcher, Risse und Absenkungen automatisch und priorisiert Reparaturen nach Schweregrad und Verkehrsbelastung. Eine Kommune in Sachsen-Anhalt konnte damit die Reaktionszeit bei Straßenschäden von 14 Tagen auf 3 Tage verkürzen und Folgeschäden (z. B. an Fahrzeugen von Bürgern) um 70 % reduzieren.

Abfallbehälter-Monitoring

Smarte Füllstandssensoren in öffentlichen Abfallbehältern melden, wann eine Leerung nötig ist. Die KI berechnet optimale Leerungsrouten und vermeidet unnötige Anfahrten zu halbvollen Behältern. Ergebnis: 30 % weniger Leerungsfahrten bei gleichzeitig saubereren öffentlichen Plätzen. Die Einsparung liegt bei €4.000–€7.000 pro Jahr für eine Gemeinde mit 200 öffentlichen Abfallbehältern.

Spielplatz- und Infrastruktur-Kontrolle

Spielplätze müssen wöchentlich visuell kontrolliert werden (DIN EN 1176). KI-gestützte Checklisten auf dem Tablet führen den Kontrolleur durch jeden Prüfpunkt, dokumentieren Fotos automatisch und erstellen Wartungsaufträge bei Mängeln. Das reduziert den Verwaltungsaufwand für die Dokumentation um 50 % und erhöht die Rechtssicherheit bei Haftungsfragen erheblich.

Häufige Fragen

Ersetzt die KI den Bauhofleiter?

Nein. Die KI liefert Entscheidungsgrundlagen – der Bauhofleiter entscheidet. Bei unklaren Situationen (z. B. lokaler Blitzeis-Gefahr) übersteuert der Mensch jederzeit. Die KI nimmt ihm die Routinearbeit ab: Routenplanung, Salzmengen-Berechnung und Mähzyklen-Koordination.

Wie genau ist die Glätteprognose?

Aktuelle Systeme erreichen eine Trefferquote von 92–95 % für die 6-Stunden-Prognose. Die Kombination aus DWD-Daten, lokalen Sensoren und historischen Mustern ist zuverlässiger als die reine Wettervorhersage. Bei den verbleibenden 5–8 % Unsicherheit greift das Vorsichtsprinzip: Im Zweifel wird gestreut.

Funktioniert das auch für kleine Gemeinden unter 10.000 Einwohner?

Ja, allerdings mit angepasster Sensorik. Für Gemeinden unter 10.000 Einwohner reichen 3–4 Glättemeldesensoren und ein mobiler Fahrzeugsensor. Die Software-Kosten bleiben gleich. Die Einsparung liegt bei €12.000–€18.000 pro Jahr – der ROI ist etwas länger (10–14 Monate), aber klar positiv.

Welche Datenschutz-Anforderungen gelten für kommunale KI?

Kommunale KI-Systeme verarbeiten keine personenbezogenen Daten – es geht um Straßentemperaturen, Wetterdaten und Fahrzeugrouten. Eine Datenschutz-Folgenabschätzung ist trotzdem empfehlenswert, wenn GPS-Tracking der Fahrzeuge eingesetzt wird. Die Daten sollten auf Servern in Deutschland gespeichert werden (DSGVO-konform).

Kann die KI auch die Fahrzeugwartung optimieren?

Ja. Durch die Erfassung von Betriebsstunden, Fahrkilometern und Einsatzarten berechnet die KI den optimalen Wartungszeitpunkt für Streufahrzeuge, Mähmaschinen und Geräteträger. Das reduziert ungeplante Ausfälle um 40–60 % und verlängert die Lebensdauer der Fahrzeuge. Mehr zur KI-Kostenplanung.