Der Stellenwert der Automatisierung in Flugsicherungssystemen
Automatisierte Systeme nehmen bereits einen wichtigen Platz in der Luftfahrt ein. Fluggesellschaften setzen künstliche Intelligenz (KI) in vielen Bereichen ein: Planung neuer Routen, Kommunikation mit der Kundschaft, Optimierung der Kraftstoffeffizienz und sogar vorausschauende Flugzeugwartung. Dennoch wird diese Technologie bisher nur bei Anwendungen eingesetzt, die in der Industrie als nicht sicherheitskritisch gelten. Deshalb wird sie noch nicht in Systemen zur Flugsicherung verwendet. „In der Luftfahrt ist man extrem auf Sicherheit bedacht – und das aus gutem Grund“, kommentiert Stefano Bonelli, der Projektkoordinator von MAHALO (Modern ATM via Human/Automation Learning Optimisation). „Aktuelle KI-Modelle verfügen einfach nicht über die notwendige Präzision für die strengen Sicherheitsstandards in der Luftfahrt.“
Training und Zertifizierung von KI für die Flugsicherung
Bonelli, Leiter des Innovative Human Factors am Projektträger Deep Blue, erläutert, dass selbst wenn diese Modelle die Sicherheitstest bestehen würden, sie nicht direkt angewendet würden. „Vorher müsste ein KI-System ein komplexes Zertifizierungsverfahren durchlaufen“, ergänzt er. „Doch neuronale Netzwerke bestehen aus Tausenden trainierbarer Parameter. Es wäre nahezu unmöglich, jeden einzelnen zu inspizieren und zertifizieren.“ Auch das Training des Modells stellt ein Problem dar. „Die Flugsicherung ist enorm komplex. Beim Training eines KI-Systems müsste jede mögliche Variable und jedes erdenkliche Szenario bedacht werden, sodass immense Datenmengen notwendig wären“, erklärt Bonelli. Hat KI also keinen Platz im Flugverkehrskontrollturm? Bonelli meint, dass das nicht ganz stimmt: „KI würde vieles ermöglichen: bessere Luftraumnutzung, weniger Verkehrsstaus und Verspätungen, bessere Kraftstoffeffizienz und vor allem mehr Sicherheit.“ „Die Herausforderung besteht darin, das richtige Gleichgewicht zwischen Automatisierung und menschlicher Kontrolle zu finden.“ Finanziert im Rahmen des gemeinsamen Unternehmens SESAR verfolgt MAHALO das Ziel, besser zu verstehen, welche Art Automatisierung am besten zu Flugsicherungssystemen passt. „Wir haben nicht einfach angenommen, dass KI das gesamte System ersetzt. Stattdessen haben wir uns gefragt, in welchem Ausmaß KI eingesetzt werden sollte, an welcher Stelle es am sinnvollsten wäre und ob es Aufgaben autonom ausführen oder als Unterstützungsinstrument für die Entscheidungsfindung des menschlichen Kontrollpersonals dienen sollte“, führt Bonelli aus. Zur Beantwortung dieser Fragen entwickelte und testete das Projekt ein hybrides System zu maschinellem Lernen. Dieses wurde trainiert, um kritische Flugsicherungsaufgaben zu lösen, zum Beispiel die Erkennung und Lösung von Verkehrskonflikten auf einer Route.
Vertrauen im Mittelpunkt von KI-Systemen
Doch der eigentliche Schwerpunkt vom MAHALO-Projekt war, wie das Flugsicherungspersonal mit solchen Systemen interagiert. „Wenn KI erfolgreich eingesetzt werden soll, dann müssen einzelne Angestellte nicht nur verstehen, wie sie sie einsetzen, sie müssen auch akzeptieren, was sie leisten kann und vor allem darauf vertrauen, dass sie das tut“, kommentiert Bonelli. „Wenn sie dem System nicht vertrauen, werden sie es nicht verwenden.“ Die Forschenden fanden heraus, dass die Angestellten eher solchen Systemen offen entgegenkommen, die im Einklang mit ihren bevorzugten Lösungen stehen und nicht die individuelle Arbeitslast erhöhen. Sie fanden auch heraus, dass die Anwendung des Systems zu maschinellem Lernen zwar angenommen wird, das Personal jedoch nur ungern jede vorgeschlagene Lösung akzeptiert oder Entscheidungen auf Systemausgaben basiert, die sie nicht vorher geprüft haben. Bonelli vertritt den Standpunkt, dass gerade der letzte Punkt aufzeigt, warum die Endnutzenden unbedingt bei der Entwicklung neuer Flugsicherungslösungen eingebunden werden müssen. „Einer der wichtigsten Punkte des Flugsicherungspersonals war, dass ihre Bedürfnisse und Meinungen mit einfließen müssen“, schließt er ab. „Das ist für mich einer der größten Erfolge des Projekts – wir haben den Menschen in den Mittelpunkt von KI gestellt.“
Schlüsselbegriffe
MAHALO, Flugsicherung, künstliche Intelligenz, maschinelles Lernen, Luftfahrt, neuronale Netzwerke, Luftraum, gemeinsames Unternehmen SESAR
