Digitale Flugzeugkabine

12 Dezember 2025

Die realitätsnahe Darstellung von 3D-Umgebungen ermöglicht ein immersives Erleben realer operativer Vorgänge. Durch die Entwicklung einer virtuellen Kabine (Mixed-Reality-Umgebung) wird die Professur in die Lage versetzt, innovative Prozessabläufe für zukünftige Abfertigungsprozesse zu testen und schrittweise weiterzuentwickeln.

In der aktuellen Laborumgebung können die Positionen der Teilnehmenden präzise bestimmt sowie die Wechselwirkungen zwischen simulierten und realen Personen synchronisiert werden. Im Rahmen studentischer Arbeiten sollen die Möglichkeiten der virtuellen Kabine erweitert, neue Prozessabläufe entwickelt und diese mithilfe von Testszenarien umfassend untersucht werden. Das Themenfeld eignet sich sehr gut für Gruppenarbeiten. Die jeweiligen Schwerpunkte können dabei entsprechend den persönlichen Fähigkeiten und Interessen gewählt werden.

Aktuelles

Digitaler Zwilling Flughafen Köln-Bonn

Erstellen und Einbinden neuer Komponenten in den entwickelten virtuellen Flughafen

Urban Air Mobility Simulator

Weiterentwicklung einer Simulation für urbane Flüge unter Berücksichtigung potenzieller Luftnotlagen

Auswirkungen von Änderungen der Start- und Landebahnrichtung

Mit einem landebahnorientierten Ansatz für den Flughafen Singapur Changi, der die Flugbahnen von Flugzeugen auf der Grundlage der dynamischen Landebahnkapazität anpasst, kann die Überlastung durch moderate zeitliche Vorverlegungen ohne aggressive taktische Eingriffe um 81 % reduziert werden.

Optimierung von Lieferwegen zur Steigerung der Netzwerkeffizienz

Diese Arbeit stellt eine zweistufige Optimierungsmethode für urbane Drohnenroutennetze vor. Die Methode berücksichtigt zugleich die Effizienz der Zustellung, die Entflechtung des Luftraums und die Lärmbelastung. Die Validierung erfolgt anhand einer realen medizinischen Liefermission in Paris.

Minderung der Luftverkehrskomplexität in mobilen Sektoren

Mobile Sektoren ermöglichen ein flow-orientiertes Management mit erhöhter Luftraumkapazität, da die Arbeitsbelastung der Fluglotsen dynamisch an die Verkehrsbedingungen angepasst wird.

Wahrscheinlichkeitskarten für Entfernungs- und Winkelinformationen zur Innenraumpositionierung

Mit einem ResNet-basierten Deep-Learning-Ansatz für die Positionierung in Flugzeugkabinen lässt sich Zentimetergenauigkeit erreichen, indem Distanz- und Winkelmessungen in Likelihood-Gitterkarten überführt und die Modellhyperparameter optimiert werden.