methods.png

Methodenentwicklung

Für die Bearbeitung thematischer Herausforderungen sowie die Entwicklung innovativer Konzepte und deren Umsetzung bedarf es einer tiefgreifenden Methodenkompetenz. Neben grundsätzlichen Fähigkeiten in der Datenanalyse (bspw. Statistik) zählen hierzu auch der Umgang mit und die Verarbeitung von großen Datenmengen sowie die Visualisierung der Ergebnisse. Neben der modellbasierten Simulation (Kopplung der Simulationselemente bekannt) treten auch vermehrt daten-gestützte Verfahren (Aufzeigen von Korrelationen zwischen Eingangsgrößen und Ergebnissen) in den Fokus der Methodenentwicklung. Beide Ansätze haben ihre Vor- und Nachteile und müssen grundlegend verstanden werden, um relevante Lösungen für das zukünftige Luftverkehrssystem zu erarbeiten. Da auch die verfügbaren Methoden ständig weiterentwickelt werden, müssen auch die anwendungsorientierten Konzepte konsequenterweise stetig an diese neuen Erkenntnisse angepasst werden.

 

Das Forschungsfeld kann prinzipiell in drei große Bereiche aufgeteilt werden: Aufbau, Kopplung und Simulation agenten-basierter Modelle, Ableitung von komplexen Korrelationen im Luftverkehrssystem durch maschinelles Lernen (classification, regression, clustering) und Digitalisierung und Virtualisierung von Arbeitsabläufen und -plätzen.

Agenten-basierte Modelle

Agenten-basierte Modelle bilden die zu untersuchenden Systeme ab, indem die Eigenschaften verschiedener Teilnehmer und deren Wechselwirkungen untereinander und mit dem System detailliert beschrieben werden. Bei umfangreicher Erfahrung mit dem System und der Kenntnis wesentlicher Wechselwirkungen können durch die Variation der Eingangsparameter neue Erkenntnisse durch Simulation erworben und auf die Praxis übertragen werden. Ein Agent ist in diesem Zusammenhang ein Element innerhalb der Simulationsumgebung mit spezifischen Eigenschaften und der Fähigkeit eigenständige Entscheidungen zu treffen. Agenten-basierte Modelle können durch die komplexen Interaktionen unter den Agenten neue, zuvor nicht beschriebene (emergente) Verhalten/ Strukturen erzeugen und damit neue Erkenntnisse über das betrachtete System generieren. Für die Forschungsarbeiten werden Modelle für die Abbildung von Flughafen- und Passagierprozessen (Airport in a Lab), für die Simulation von Flugzeugtrajektorien und als Grundlage für Optimierungsansätze entwickelt.

Maschinelles Lernen

Daten-getriebene Methoden werden eingesetzt, um aus Beobachtungen neue Erkenntnisse über die Zusammenhänge innerhalb des betrachteten Systems ableiten zu können. Diese Zusammenhänge (Korrelationen, Mustererkennung) sind aber nicht unbedingt kausal, liefern also keine Verbindung zwischen Ursache und Wirkung (Muster). Mit dem notwendigen Fachwissen über das betrachtete System können diese Korrelation aber in kausale Zusammenhänge überführt werden.  Beim maschinellen Lernen werden drei prinzipielle Ansätze unterschieden: Klassifikation (Einordnung von Daten in Kategorien – überwachtes Lernen), Regression (Bestimmung eines funktional quantitativen Zusammenhangs zwischen Eingangs- und Ausgangsgrößen – überwachtes Lernen) und Clustering (Gruppieren nicht gekennzeichneter Daten durch Ähnlichkeitsanalysen – nicht überwachtes Lernen). Das bestärkende Lernen ist ein weiterer Ansatz, bei dem Agenten eigenständig eine Strategie zur Nutzenmaximierung erlernen. Es werden keine Strategien vorgegeben, aber bestimmte Systemzustände positiv oder negativ bewertet. Für die Forschung im Bereich des Gesamtsystems Luftverkehr werden auf die konkrete Fragestellung geeignete Modelle des maschinellen Lernens entwickelt, bspw. Analyse von Flugspuren im Flughafennahbereich zur Identifikation von positiven Einflussfaktoren (Effizienzsteigerung) oder das Erlernen von Konfliktlösungsstrategien für die Lotsenassistenz.

Digitalisierung und Virtualisierung

Durch den Einsatz von Simulationen stehen große Datenmengen und vollständige Zustandsinformationen zur Verfügung, die in der realen Welt nur bedingt erhoben und verarbeitet werden können. Jedoch ermöglichen aktuelle Technologien einen immer umfassenderen Zugriff auf Daten. Operative Systeme müssen diese Daten jetzt angemessen verarbeiten, hieraus Informationen ableiten und effiziente Handlungsanweisungen erarbeiten. Digitalisierung bedeutet also nicht nur eine rechnergestützte Datenverarbeitung, sondern auch die Entwicklung eines neuen und auf das jeweilige System angepassten Betriebskonzeptes. Die allgemeine Forderung nach „immer mehr Daten“ steht mit diesen neuen Konzepten der Forderung nach den „richtigen Daten“ gegenüber.