II - Endanflugmanagement mit KI optimieren
Diese Forschung wäre vor fünf Jahren noch undenkbar gewesen, aber jetzt verfügen wir über die Daten und die Instrumente.
Jose-Manuel Risquez, Projektkoordinator von ORCI
Fachkräfte für Flugverkehrsmanagement arbeiten in einigen der am intensivsten unter Druck stehenden Umgebungen des Luftverkehrs; und Landeanflüge sind der Moment, in dem sowohl die Arbeitsbelastung als auch die Komplexität am höchsten sind. Das Ziel des Projekts ORCI(öffnet in neuem Fenster), das innerhalb von SESAR JU(öffnet in neuem Fenster) unterstützt wird, besteht in der Entwicklung fortgeschrittener Automatisierungswerkzeuge im Bereich des Terminalmanagements (Terminal Management Area, TMA). Ziel ist es, die Fluglotsinnen und Fluglotsen in den Endanflugsektoren mit Informationen darüber zu versorgen, wann sie Instruktionen zum Führen durch Kursanweisungen erteilen müssen, um einen optimalen Abstand zwischen aufeinanderfolgenden Anflügen im hochverdichtetem, komplexem TMA-Betrieb zu gewährleisten. „Wir wollten den Fluglotsinnen und Fluglosten dabei helfen, die kognitiv anspruchsvollen und hochdynamischen Abstände zwischen den Landungen der Flugzeuge zu verwalten, und zwar mithilfe optimierter Funktionen, die zu einer höheren betrieblichen Effizienz, Kapazität und Umweltverträglichkeit führen“, sagt Jose-Manuel Risquez, leitender ATM-IA-Experte bei INECO(öffnet in neuem Fenster). Die Projektarbeit vereint Partner aus Frankreich (ISA Software)(öffnet in neuem Fenster), Spanien (INECO, ENAIRE)(öffnet in neuem Fenster) und Portugal (NAV-PT)(öffnet in neuem Fenster) mit Fachwissen auf den Gebieten Flugverkehrsmanagement, künstliche Intelligenz (KI) und Luftfahrttechnologie. Sie stützt sich außerdem auf die jüngsten Fortschritte im Bereich des mit KI verknüpften maschinellen Lernens, und es werden umfangreiche Luftverkehrsdaten genutzt, um praktische Lösungen zu entwickeln. „Diese Art der Forschung wäre vor fünf Jahren noch undenkbar gewesen“, erklärt Risquez. „Aber jetzt verfügen wir über die Daten und die Instrumente, um Modelle zu trainieren, die den Menschen bei der Bedienung tatsächlich auf sinnvolle Weise beistehen können.“
Vom Prototyp zum realen Potenzial
Bislang hat das Team Prototypmodelle für die beiden Flughäfen Lissabon und Barcelona entwickelt und trainiert, die jeweils aufgrund ihrer gegensätzlichen Anfluglayouts ausgewählt wurden: das Point-Merge-System in Lissabon und das Trombone-Layout in Barcelona. Mithilfe der Erprobung von zwei sehr unterschiedlichen Konfigurationen verfolgt das Team von ORCI das Ziel, zu bestätigen, dass seine Lösung an eine Reihe von operativen Umgebungen und Layouts anpassbar ist. Die ersten Ergebnisse sind vielversprechend. Die durchschnittliche Fehlerspanne des Modells bei der Vorhersage von Flugzeugabständen liegt bei 0,4 nautischen Meilen (0,741 km), wobei diese Zahl als operationell nützlich gilt. „Der Lotsenbereich sagte uns, dass dies ein guter Ausgangspunkt sei“, so Risquez. Die Arbeiten verlagern sich nun auf die Simulation und Validierung. Das Projektteam integriert das KI-Modell in eine Simulationsplattform, um noch in diesem Jahr weitere Versuche mit Fluglotsinnen und Fluglotsen durchzuführen. Ihr Feedback wird von entscheidender Bedeutung sein. „Letztlich möchten wir wissen, ob dieses Instrument die kognitive Arbeitsbelastung verringert und den Fachkräften dort hilft, unter Druck schnellere und sicherere Entscheidungen zu treffen“, fügt er hinzu. Erfolg bedeute mehr als ein funktionierender Algorithmus, so Risquez. Es müsse ein praktisches Instrument sein, dem die Fluglotsinnen und Fluglotsen vertrauen, das die Abstandsgenauigkeit verbessert, den Bedarf an Funkkommunikation verringert und die Sicherheit erhöht. „Wenn sie uns sagen, dass es hilft, und die Simulation dies mit harten Daten untermauert, dann wissen wir, dass wir etwas Wichtiges geschaffen haben“, schließt Risquez.
