Nutzung von KI zur Minimierung der Umweltauswirkungen in der Luftfahrt
Trotz der Tatsache, dass Flugzeuge altern, verwenden Hersteller, Flugmanagementsysteme und Anbieter von Flugvorbereitungssoftware weiterhin Herstellermodelle, die nicht dem tatsächlichen Leistungsstatus entsprechen. Dies kann die Genauigkeit beeinträchtigen und sich negativ auf Effizienzfaktoren wie Treibstoffverbrauch und CO2-Emissionen auswirken. Das EU-finanzierte Projekt PERF-AI wendete Technologien des maschinellen Lernens auf Flugdaten an, um die Leistungsveränderung jedes einzelnen Flugzeugs zu ermitteln. Dadurch können den Fluggesellschaften aktualisierte Daten für einen effizienteren Betrieb zur Verfügung gestellt werden. Im Mittelpunkt stand dabei die Identifizierung geeigneter Algorithmen für maschinelles Lernen sowie die Testung ihrer Genauigkeit und Tauglichkeit bei der Durchführung statistischer Analysen von Flugdaten. Darüber hinaus wurden im Rahmen des Projekts mathematische Modelle entwickelt, um reale Flugbahnen auf die tatsächliche Flugzeugleistung hin zu optimieren und so den Treibstoffverbrauch während des gesamten Fluges zu minimieren.
Überwindung der Leistungsgrenzen aktueller Datenbankensysteme
Das PERF-AI-Projektteam nutzte maschinelles Lernen mittels aufgezeichneter Flugzeugparameter von Quick-Access-Recordern und Flugschreibern. Diese werden für jeden Flug gesammelt, um die Leistungsdaten des Flugzeugs zu aktualisieren. „Das Ziel war letztlich, die durch maschinelles Lernen gewonnenen Leistungsmodelle für die Optimierung von Flügen zu verwenden, da die verfügbaren Daten nicht nur genauer, sondern auch variabler sind“, erklärt Pierre Jouniaux, Geschäftsführer und Gründer des Projekts Safety Line, einem in Paris ansässigen Start-up, das innovative Lösungen für die Sicherheit und Effizienz des Luftfahrtbetriebs liefert. „So lassen sich die besten operativen Bedingungen für Pilotinnen und Piloten bestimmen, damit sie effizienter fliegen.“ Die Projektpartner erstellten ein vollständiges Modell der Flugzeugleistung, das ausschließlich auf Flugzeugdaten basiert und auf das physikalische Verhalten eines Flugzeugs abgestimmt ist. Anschließend testeten sie das Modell in einem technischen Flugmanagement-Computer. Die Ergebnisse bestätigten, dass es möglich ist, ein beliebiges Flugzeugleistungsmodell zu aktualisieren sowie Pilotinnen und Piloten mit genaueren Informationen zu versorgen. Ein großer Vorteil ist, dass dadurch weniger Treibstoff für Flüge geladen werden kann. Die Ergebnisse wurden für die Erstellung mehrerer Optimierungsalgorithmen genutzt. Diese laufen auch bei Geräten wie z. B. Tablets, denen nur geringe Rechenressourcen zur Verfügung stehen.
Anflug auf den CO2-Fußabdruck der Luftfahrt
Zusammen mit der Fluggesellschaft Transavia France führte das Konsortium mehrere Tests zu möglichen Anpassungen hinsichtlich der Reiseflughöhe durch. Dabei wurde auch eine mögliche Verringerung des Treibstoffverbrauchs ermittelt. Dieser betrug in einigen Fällen bis zu 150 kg/h für eine Boeing 737-800 der nächsten Generation mit bis zu 189 Sitzplätzen. Davon profitieren vor allem Erstausrüster, die auf genauere Daten zur Beurteilung der Flugzeugleistung angewiesen sind. Fluggesellschaften, die den Betrieb ihrer Flugzeuge verbessern und gleichzeitig den Treibstoffverbrauch und die CO2-Emissionen senken wollen, haben ebenfalls viel zu gewinnen. Unter anderem dank PERF-AI erhielt Safety Line im Dezember 2020 eine Auszeichnung in der Kategorie „Climate action“ des weltweiten Start-up-Wettbewerbs für nachhaltige Entwicklungsziele der Weltorganisation für Tourismus. Hierbei handelt es sich um eine Organisation der Vereinten Nationen, die nachhaltigen, zugänglichen und inklusiven Tourismus fördert. Der Eröffnungswettbewerb animiert das Ökosystem der Innovation und der unternehmerischen Initiative weltweit dazu, sich mit dem Thema Nachhaltigkeit auseinanderzusetzen.
Schlüsselbegriffe
PERF-AI, Flugzeug, Flug, Fluggesellschaft, Treibstoffverbrauch, maschinelles Lernen, Luftfahrt, Leistungsmodell
