In den letzten zehn Jahren haben Forscher der künstlichen Intelligenz, angetrieben von Google, Facebook und anderen großen Tech-Unternehmen und Universitäten weltweit, neue KI-Techniken und -Algorithmen entwickelt, die uns zu dem gebracht haben, was einige Experten bereits als vierte Revolution bezeichnen.

Medizin, Verkehr, Cybersicherheit, Kommunikation, Finanzen und viele andere Bereiche können von künstlicher Intelligenz profitieren – das ist keine Science-Fiction. Auch die Luft- und Raumfahrtindustrie springt auf diesen Zug auf und GMV ist in dieser Sache ebenfalls nicht untätig. GMV leitet insbesondere die Projekte SAFETERM und AI-GNCAir für die Europäische Verteidigungsagentur (EDA). Diese Bestrebungen stellen für die GMV zwei der wegweisenden Trümpfe auf diesem Gebiet dar.

SAFETERM zielt darauf ab, künstliche Intelligenz (KI) zu nutzen, um die Flugabbruchsysteme (FTS) zu verbessern, die derzeit im Betrieb von ferngesteuerten Flugzeugsystemen (RPAS) eingesetzt werden. Die Hauptanforderung an das SAFETERM-System ist die Erhöhung des allgemeinen Sicherheitsniveaus bei der Handhabung von Notfallsituationen, in denen ein C2Link-Verlust auftritt. In dieser Situation ist der verantwortliche Pilot (PiC) nicht in der Lage, mit der Plattform zu interagieren. Da er die vorgegebenen Flugabbruchbereiche nicht erreichen kann, muss er mithilfe von Computer-Vision-Techniken einen neuen geeigneten und sicheren Landebereich definieren.

Computer Vision (CV) beschäftigt sich hauptsächlich damit, wie Computer anhand von digitalen Bildern oder Videos ein hohes Verständnis ihrer Umgebung erzielen können. Im Klartext: Computer-Vision-Techniken versuchen, Computern zu helfen, die reale Welt zu „sehen“. Für uns Menschen mag diese Aufgabe leicht erscheinen, aber die visuelle Wahrnehmung stellt in einer dynamischen physischen Welt mit einer nahezu unendlichen Variationsfähigkeit eine hochkomplexe, nicht zu unterschätzende Angelegenheit dar.

Computer Vision als Feld bedeutet an die Grenzen des geistig Möglichen vorzustoßen. Wie jede Grenze ist sie aufregend und unübersichtlich, und es gibt oft keine verlässliche Autorität, an die man sich wenden kann.

Viele nützliche Ideen haben keine theoretische Grundlage, und einige Theorien sind in der Praxis nutzlos; die entwickelten Bereiche sind weit verstreut, und oft scheint dabei einer für den anderen völlig unzugänglich zu sein.

An dieser Stelle ist es wichtig zu bedenken, dass Computer Vision nicht dasselbe ist wie Bildverarbeitung. Letzteres bezieht sich eher auf die Erstellung eines neuen Bildes aus einem vorhandenen Bild, indem die Daten in irgendeiner Weise verbessert oder vereinfacht werden. Man könnte sagen, dass die Bildverarbeitung der erste Schritt zur Vorbereitung des Dateninputs für das Computer Vision-Verfahren ist.

Unter allen möglichen CV-Anwendungen basiert SAFETERM auf der Bereichserkennung: Welche Bereiche gibt es im Bild und wo befinden sie sich.

In diesem Projekt ist es ein weiteres Ziel der EDA, die Herausforderungen beim Einsatz von KI-Technologie in der Luftfahrt abzuwägen. Eine echte Avionik-Hardware und -Software kann nach Luftfahrtstandards entwickelt werden, nach denen die Zertifizierungspunkte und Meilensteine für solche KI-basierten eingebetteten Systeme bewertet werden.

Das Projekt AI-GNCAir beinhaltet Technik anderer Art: Es konzentriert sich auf die Fusion von Selbstlokalisierungsdaten, die von den Sensoren des Luftfahrzeugs stammen. „Autonome und automatisierte Entscheidungstechniken für bemannte und unbemannte Systeme“ sowie  „Multi-Roboter-Kontrolle und Kooperation“ sind die Ziele des Projekts, bei dem GNC-Systeme durch den Einsatz von Techniken der künstlichen Intelligenz für das Daten- und Informationsmanagement verbessert werden sollen.

In diesem Bereich sind Sicherheitsaspekte von großer Bedeutung. Vertraulichkeit unter Ausschluss externer Störungen, Integrität zur Sicherstellung der Richtigkeit der Daten auf ihrem Weg durch die Arbeitsabläufe und Verfügbarkeit, da der Datenfluss niemals unterbrochen werden darf. KI-Algorithmen müssen in der Lage sein, Signalstörungen und falsche Messwerte von Sensoren zu erkennen oder sogar Daten vorherzusagen, die aufgrund eines der oben genannten Faktoren fehlen könnten.

Einige der Bereiche, auf die sich AI-GNCAir konzentriert, sind robuste Datenaufzeichnungen, effiziente Datenfusionsprotokolle, Management der rechnerischen Komplexität von Datenfusionen oder dynamische Sensorauswahl für kontinuierliche Datenverfügbarkeit. Künstliche Intelligenz und maschinelles Lernen sind Oberbegriffe für eine Vielzahl von Datenverarbeitungs-, Steuerungs- und Optimierungstechniken, die auf nahezu jede Branche oder Anlage anwendbar sind. Luftfahrzeuge können von diesen Spitzentechnologien profitieren, die zu mehr Autonomie und Sicherheit führen und es dem menschlichen Bediener ermöglichen, mehr High-Level-Eingaben und Überwachungsaufgaben zu übernehmen.

Autoren: Javier Fernfahrer und Eugenio Sillero.