Опираясь на практический опыт производства и эксплуатации системы 2002, в 1963 году компания «Сименс» представила ее преемника, компьютер серии 3003, отличавшийся более высокой скоростью работы. Он был способен обрабатывать сразу несколько пользовательских программ, при этом устройства ввода и вывода могли работать одновременно. Специальная запатентованная программа позволяла пользователям без особых усилий координировать одновременную работу устройств ввода и вывода, а также управление различными пользовательскими программами.

Главной особенностью этого компьютера была возможность взаимодействия с человеком-пользователем, поскольку теперь ввод данных мог осуществляться не только специалистами. Основной сферой применения серии 3003 стало решение научных и административных задач, что способствовало появлению целого ряда новых направлений использования – например, два компьютера образовывали ядро автоматизированной производственной линии на трубном заводе концерна «Тиссен» (Thyssen Röhrenwerke AG), а в университетской библиотеке в Бохуме компьютер 3003 применялся для учета выдачи книг.

По мере развития программного обеспечения и возникновения таких мощных программ, как симуляторы нейронных сетей, имитирующие работу человеческого мозга, начали появляться новые разработки, например «самообучающиеся» компьютеры. Однако процесс моделирования обучения на рабочей станции во многом препятствует быстрому развитию «нейронных» приложений, поскольку каждый этап этого процесса занимает слишком много времени.

Именно поэтому началась разработка «нейронных» компьютеров, которые больше подходили для проведения таких экспериментов. В 1992 году компания «Сименс» представила самый быстрый в мире нейронный компьютер «Синапс-1» (Synapse-1). Он в 8000 раз превосходил по мощности традиционную рабочую станцию и за час мог «выучить» столько же, сколько нейронной сети на обычном компьютере удавалось усвоить за целый год. 

Нейронные сети, как правило, использовались в тех случаях, когда традиционные вычислительные процессы оказывались несостоятельными или неэффективными, например для прогнозирования тенденций изменения процентных ставок и котировок акций в режиме реального времени, управления сложными производственными процессами на таком оборудовании, как прокатные станы, распознавания изображений, образов и голоса, а также для решения других задач, основанных на точных математических моделях.

В 2014 году на локомотивном заводе в Аллахе (район Мюнхена) открылся высокотехнологичный Центр обработки и анализа данных, получаемых при эксплуатации подвижного состава и железнодорожной инфраструктуры. 

Центр аккумулирует данные, поступающие с локомотивов, высокоскоростных и региональных поездов, курсирующих по Европе и за ее пределами. Для получения представления о ситуации используются не только стандартные переменные, такие как скорость, эффективность торможения или показания пробега, но и данные, позволяющие проводить анализ производительности компрессоров, массы прицепленных вагонов и процессов автоматизированного управления. Осуществляется учет состояния путей, уклонов, градиентов и даже погодных условий на пути следования, а также времени хода поездов на различных участках железнодорожной сети.

Вся эта информация используется для создания абсолютно уникального набора услуг для железнодорожной отрасли, который включает в себя мониторинг поездов в режиме реального времени, анализ износа компонентов, а также прогнозирование технического состояния составов. Это позволяет обеспечить максимальную эксплуатационную готовность, а следовательно, и оптимальное использование пропускной способности железнодорожных сетей.