Für die Dekarbonisierung des Luftverkehrs müssen Flughäfen frühzeitig planen, welche Energieträger sie künftig in welchen Mengen bereitstellen. Ob Kerosin, nachhaltige Flugkraftstoffe, Wasserstoff oder Strom: Grundlage dafür ist eine belastbare Prognose des Verkehrsaufkommens am jeweiligen Flughafen. Bisherige Prognosen beruhen meist auf klassischen statistischen Verfahren und betrachten häufig nur die nationale Ebene. Methoden der künstlichen Intelligenz bieten neue Möglichkeiten, flughafenspezifische Entwicklungen und ihre Einflussfaktoren abzubilden.
Ziel dieser Arbeit ist die Entwicklung KI-basierter Prognosemodelle für die Nachfrageentwicklung an deutschen Hauptverkehrsflughäfen. Mögliche Ausrichtungen sind:
- Vergleich klassischer statistischer Verfahren mit Verfahren des maschinellen Lernens hinsichtlich ihrer Prognosegüte
- Einsatz vortrainierter KI-Modelle für Zeitreihen bei kurzen Datenreihen und Strukturbrüchen wie der COVID-19-Pandemie
- ...
Die konkrete Ausrichtung wird vor Beginn der Arbeit auf Basis eines kurzen Exposés abgestimmt.
Hinweis: Programmiererfahrungen mit Python sind empfehlenswert.
Bei Interesse melden Sie sich bitte bei Alexander Barke.