KI-Systeme könnten den Luftverkehr effizienter machen.
Die Forscher des DLR haben außer einem digitalen Fluglotsen ein Assistenzsystem für Piloten entwickelt, das ihnen bei der Auswahl alternativer Flugrouten und geeigneter Ausweichflughäfen helfen kann.

Da hat die DLR mal "kompetent" wie immer die Forschungsgelder verbraten, diesmal im KI Hyphe. Assistenz ist beim Fliegen und Lotsen nicht neues, vielmehr hat man es bisher einfach nur Software genannt. Und was die alles an Unsinn bewirken kann wurde leider durch die Misere mit 737Max8 evident. Befürchte, dass dies mit KI noch verwirrter werden kann, da die Programmzeilen in Ihrer Masse kaum für alle Szenarien testbar sind. Ein interessanter Anwendungsfall dürfte Anflug auf FRA bei CB Unwetterlage mit allen dann nötigen vertikalen und horizontalen deviations sein. Da dürfte die NI (natürliche ..) sowohl der Lotsen und der Piloten erheblich Vertrauens erweckender sein als der Zugriff auf unendliche Datenhaufen mit zahlreichen Schrottecken.

KI-Systeme könnten den Luftverkehr effizienter machen.
Die Forscher des DLR haben außer einem digitalen Fluglotsen ein Assistenzsystem für Piloten entwickelt, das ihnen bei der Auswahl alternativer Flugrouten und geeigneter Ausweichflughäfen helfen kann.

Da hat die DLR mal "kompetent" wie immer die Forschungsgelder verbraten, diesmal im KI Hyphe. Assistenz ist beim Fliegen und Lotsen nicht neues, vielmehr hat man es bisher einfach nur Software genannt. Und was die alles an Unsinn bewirken kann wurde leider durch die Misere mit 737Max8 evident.

Kurze Korrektur:
Ich weiß, dass Boeing das so formuliert. Die Abstürze der 737 MAX waren aber keine "Softwarefehler". Die Software hat exakt das getan, was programmiert war und was laut Plan programmiert werden sollte: Wenn der einzige ausgelesene AoA Sensor "zu hoch" liefert, dann trimme runter. Stark runter. Wieder und Wieder. Keine Abbruchbedingung.

Der Fehler war diese viel zu simple Systemauslegung von MCAS und der bewusste Verzicht auf Redundanz der Sensoren, nicht die Software.

Befürchte, dass dies mit KI noch verwirrter werden kann, da die Programmzeilen in Ihrer Masse kaum für alle Szenarien testbar sind. Ein interessanter Anwendungsfall dürfte Anflug auf FRA bei CB Unwetterlage mit allen dann nötigen vertikalen und horizontalen deviations sein. Da dürfte die NI (natürliche ..) sowohl der Lotsen und der Piloten erheblich Vertrauens erweckender sein als der Zugriff auf unendliche Datenhaufen mit zahlreichen Schrottecken.

Es ist sogar noch schlimmer.
KI hat in der Entscheidungslogik gar keine Programmzeilen mehr, deren Korrektheit auditiert und bestätigt werden könnte, sondern ein neuronales Netz, das aufgrund seines Trainings und seinen Einstellungen zu gewissen, nicht linear nachvollziehbaren Antworten kommt. Oft zu richtigen oder fast richtigen Antworten. Manchmal halt auch nicht, ebenfalls nicht nachvollziehbar.
Gerade Edge Cases, die selten in Trainingsdaten vorkommen, führen da oft zu Überraschungen.

Bei den "schaffen mit AI 25% mehr" wäre ich auch sehr vorsichtig.
Das kann in einer kurzen Simulation prima klappen.
In Programmier-Teams, die in der Weise schon 6-18 Monate arbeiten, greift immer mehr "AI Fatigue" um sich, kognitiver Overload durch Arbeitsverdichtung und Reduktion (mental erholsamer) manueller bzw weniger anspruchsvoller Tätigkeiten.
Könnte mir vorstellen, dass eine dauerhafte Erhöhung der Entscheidungsdichte um 25% bei Tätigkeiten, wo Fehlentscheidungen nicht nur Geld kosten, noch deutlich negativere Folgen hätte.


Dieser Beitrag wurde am 25.06.2026 23:37 Uhr bearbeitet.

Der Kern dieses Forschungsprojekt-Ergebnisses findet sich in der Floskel "ein bis zu 25 Prozent höheres Verkehrsaufkommen zu bewältigen".

Durch erweiterte Softwareunterstützung (das nämlich ist gemeint mit "KI") ein Leistungsplus von 25% zu erreichen ist ein bisschen wenig. Ganz abgesehen davon, dass es sich nur um beschönigende "bis zu 25%" handelt. Es ist auch nochmals ein Unterschied, ob in den getesteten Situationen die 25% recht oft oder nur eher selten erreicht wurden. Ein Hinweis auf "recht oft" ist jedenfalls nicht ersichtlich.

Das Ergebnis zeigt vielmehr, dass die anspruchsvolle Tätigkeit von Fluglotsen auch durch zusätzlichen maschinellen Einsatz offenbar nicht mehr wesentlich zu steigern ist.

Und bei der diskutierten Marge scheint noch nicht einmal klar zu sein, wieviel davon tatsächlich auf Optimierung durch neuartige Ablauf-Prognostik entfällt (das ist das, was KI macht) und wieviel auf ganz normale verbesserte Software-Unterstützung (das ist das, was mit ganz normal alghorithmengetriebener Software gemacht wird).

Die nichtssagende Schlussfolgerung "KI-Systeme könnten den Luftverkehr effizienter machen" ist deshalb eher als Binsenweisheit denn als hartes, erwähnenswertes Ergebnis einzustufen. Ob mehr Lotsen im Tower nicht vielleicht doch eine bessere, realisierbarere Lösung wäre?

Die nichtssagende Schlussfolgerung "KI-Systeme könnten den Luftverkehr effizienter machen" ist deshalb eher als Binsenweisheit denn als hartes, erwähnenswertes Ergebnis einzustufen. Ob mehr Lotsen im Tower nicht vielleicht doch eine bessere, realisierbarere Lösung wäre?
Da haben Sie absolut Recht!
Das Problem ist nur, dass sich mehr Lotsen im Tower (bzw Kontrollraum), aufgrund der katastrophalen Personal"planung" der DFS sobald nicht realisiero ist.
Und es können auch nur eine bestimmte Zahl X in einer Zeit Y durch einen Luftraum bewegt werden. Da hilft weder Software noch KI. Nadelöhr bleibt die Pistenkapazutät.

@EricM,
die Lotsen könnten an sich mehr leisten. Hmm..
Hat die DLR auch die Konsequenzen dieser dann zusätzlichen Entscheidungen berücksichtigt?
Wer trägt die Verantwortung? Was passiert bei einem Ausfall (System oder MA)?
Mit "halbgaren" Automatisierungen ist keinem gedient.
Die Lotsen sind auch nur so effizient wie es die Piloten in ihren Flugzeugen und das Wetter erlauben.
Der DLR-Bericht liegt leider nicht vor.
In Ami-Land wird die Kapazität von Flugplätzen erhöht bzw. eingehalten, indem Lotsen A/B-Lufträume in E-Lufträume "umwandeln"...

Ich bin froh wenn der LLM-Hype wieder abflaut - in circa 6-8 Jahren vielleicht. Denn Begriffe wie "KI" und "neuronale Netze" etc. sind Marketing-Sprech und spiegeln nicht das wieder, was diese Anwendungen eigentlich sind: Riesige, Ressourcen fressende Sprachmodelle mit wenig guten Ergebnissen. Die Antworten basieren auf Wahrscheinlichkeiten und können wenig konkrete und korrekte Antworten liefern, genau so wenig wie das vorhersagen vom Verhalten von Systemen. Sie können auch nicht gewinnbringend eingesetzt werden, denn um bei diesen enormen Rechenoperationen auf eine schwarze Null zu kommen, müssten 2 Milliarden Nutzer circa $200 Dollar pro Monat zahlen - hat mal ein Arbeitskollege aus der IT ausgerechnet.

.....achja: Und vielleicht sollte nicht alles immer weiter und weiter und weiter wachsen.... Stichwort: "Doughnut-Economy".

Ich bin froh wenn der LLM-Hype wieder abflaut - in circa 6-8 Jahren vielleicht.

Das könnte deutlich schneller gehen.
Bei den großen AI Anbietern Anthropic und OpenAI knirscht es finanziell schon an allen Ecken und Kanten aufgrund der sehr hohen laufenden Kosten. Trotz der sehr großen Preisanhebungen der letzten Monate sind die immer noch weit von der Gewinnschwelle weg und leben auf Pump.
Die KI von SpaceX, Grok, ist immer noch so schlecht, dass sie massenhaft Rechenkapazität an die Konkurrenz vermieten müssen, um mit ihren Investitionen etwas Geld reinzubekommen.
Der Aktienkurs von SpaceX zeigt auch schon eine gewisse Ernüchterung.

Meine persönliche Wette vom Frühjahr 2025 lautete ja, dass die AI Blase im Juli 26 platzt. Mal gespannt, wie weit ich letztendlich daneben liege.

Ich bin froh wenn der LLM-Hype wieder abflaut - in circa 6-8 Jahren vielleicht. Denn Begriffe wie "KI" und "neuronale Netze" etc. sind Marketing-Sprech und spiegeln nicht das wieder, was diese Anwendungen eigentlich sind: Riesige, Ressourcen fressende Sprachmodelle mit wenig guten Ergebnissen.

Richtig angewandt kommen schon richtig gute Antworten zurück - es ist halt wie im richtigen Leben, gut gefragt ist schon die halbe Antwort.


Die Antworten basieren auf Wahrscheinlichkeiten und können wenig konkrete und korrekte Antworten liefern,

Wer "korrekte" Antworten braucht, der muss Experten und nicht die KI befragen. Es macht einen Unterschied, ob ich einen Versicherungssvertreter oder einen Mediziner zu einer Erkrankung befrage.

Oft kann ich aber gut auch mit unscharfen Antworten leben, ein Beispiel von heute Morgen: "gesucht Karosseriewerkstätten im Umlkreis von PLZ 4711 plusminus zehn Kilometer" liefert mir im Dialog nicht nur eine Liste entsprechender Firmen, sondern auch deren Telefonnummer, Öffnungszeiten und sogar Lage in einer Google-Maps-Karte. Da ist es verschmerzbar, wenn die Antwort nicht "korrekt" ist, weil der eine oder andere Kleinbetrieb nicht aufgeführt ist, z.B. weil er keine Werbung schalten muss.


genau so wenig wie das vorhersagen vom Verhalten von Systemen.

Bei der Wettervorhersage haben mittlerweile die etablierten Modelle schon ganz schön zu kämpfen gegen die Quoten der KI-basierenden Modelle. Fragen Sie den Meteorologen Ihres Vertrauens. Bei der optischen Tunorerkennung sieht es ähnlich aus.


Sie können auch nicht gewinnbringend eingesetzt werden, denn um bei diesen enormen Rechenoperationen auf eine schwarze Null zu kommen, müssten 2 Milliarden Nutzer circa $200 Dollar pro Monat zahlen - hat mal ein Arbeitskollege aus der IT ausgerechnet.

Das mag zumindest von der Tendenz her stimmen, aber auch der Wechsel von Pferdekutsche nach Eisenbahn hat sich anfangs wirtschaftlich nicht gelohnt. Die meisten "early adopter" sind bekanntlich pleite gegangen, trotzdem machen die Dinger heute schon dem Flugzeug Konkurrenz.

Was, wenn Energie besser verfügbarer wird? Was, wenn die Assoziationstechnik verbessert werden kann? Wer hätte bei der Entwicklung des Transistors an die heutigen Auswirkungen der Kombination von ICs gedacht?

Mit der Skepsis gegenüber der umsichgreifenden KI-Besoffenheit liegen Sie ja nicht schlecht. Wenn man menschliche Phrasendrescher aller Art nach Fundamentalem befragt, dann erhält man meist ähnlich halbgare Antworten wie wenn man von der KI etwas zu selten abgehandelten und deshalb kaum dokumentierten Problemen wissen will. Man muss halt immer den Richtigen richtig befragen und nicht den Schwätzer schwätzen lassen.

Oft kann ich aber gut auch mit unscharfen Antworten leben,
Stimmt, aber halt nicht bei der Flugsicherung ...

Oft kann ich aber gut auch mit unscharfen Antworten leben,
Stimmt, aber halt nicht bei der Flugsicherung ...

Die KI kann schon erkennen, welche Anflug-Muster existieren, wie diese bisher gelöst wurden und wie die Anflüge einzusortieren und durchzuführen sind, sie kann da unscharfe Situationen oft recht gut meistern. Bspw. wenn mehrere Flüge annähernd gleichzeitig eintreffen, da lässt sich mit KI schon was optimieren. Die Ausgabe, die die KI erzeugt, kann dann trotzdem eindeutig sein: Flug 1 ins Final, Flug 2 ein verzögertes Eindrehen in den Gleitpfad und Flug 3 ins Holding, vereinfacht ausgedrückt.

KI ist auch gut darin, aus unscharfen Lagebildern eine Entwicklung zu prognostizieren, siehe Wettervorhersage. Da gibt es dann zwar unscharfe Ausgaben (Höchstemperatur zwischen 39 und 41 Grad), die dann natürlich nicht oder nur bedingt zur weiteren Steuerung geeignet sind.

Aber KI-Einsatz heisst ja nicht, dass die KI-Empfehlung auch gleich unbesehen als Anordnung rausgeht, der Lotse sollte sie immer noch selbst schicken. Allerdings degradiert ihn so eine Automatik de facto zum Erfüllungsgehilfen, der leichter was übersehen kann als wenn er jeden Anflug selbst entwickelt.

Aber grundsätzlich teile ich immer die Bedenken, einer Maschine Verantwortung zu übertragen. Ich kenne meine Pappenheimer :-)

Oft kann ich aber gut auch mit unscharfen Antworten leben,
Stimmt, aber halt nicht bei der Flugsicherung ...

Die KI kann schon erkennen, welche Anflug-Muster existieren, wie diese bisher gelöst wurden und wie die Anflüge einzusortieren und durchzuführen sind, sie kann da unscharfe Situationen oft recht gut meistern. Bspw. wenn mehrere Flüge annähernd gleichzeitig eintreffen, da lässt sich mit KI schon was optimieren. Die Ausgabe, die die KI erzeugt, kann dann trotzdem eindeutig sein: Flug 1 ins Final, Flug 2 ein verzögertes Eindrehen in den Gleitpfad und Flug 3 ins Holding, vereinfacht ausgedrückt.

KI ist auch gut darin, aus unscharfen Lagebildern eine Entwicklung zu prognostizieren, siehe Wettervorhersage. Da gibt es dann zwar unscharfe Ausgaben (Höchstemperatur zwischen 39 und 41 Grad), die dann natürlich nicht oder nur bedingt zur weiteren Steuerung geeignet sind.

Ja, das klappt auch 19 von 20 mal oder 99 von 100 mal ganz gut.
Und dann kommt wieder der eine Ausreißer, der bisher nicht behebbar ist und der völlig offensichtlich oder nur subtil daneben liegt und der genau der Grund ist, warum man bisher - entgegen der Werbeaussagen der KI Industrie - keine unsupervised KI Systeme in freier Wildbahn sieht.

Das Problem zeigt sich bei allen KI Ansätzen, bei ML Systemen, bei Bild- Audio- oder Video-Generierung, bei automatischer Übersetzung und bei LLMs, es ist ein grundlegendes Problem der neuronalen Netze.
KI Systeme sind in der Beziehung so ein bisschen wie der Baggerfahrer, der einen SUPER Job macht, aber einmal im Monat betrunken auf der Baustelle erscheint und dann Schäden anrichtet und Menschen gefährdet. Das Risiko ist einfach zu hoch.

Aber KI-Einsatz heisst ja nicht, dass die KI-Empfehlung auch gleich unbesehen als Anordnung rausgeht, der Lotse sollte sie immer noch selbst schicken. Allerdings degradiert ihn so eine Automatik de facto zum Erfüllungsgehilfen, der leichter was übersehen kann als wenn er jeden Anflug selbst entwickelt.

Sehr gute Problembeschreibung. Und daher der höhere Stressfaktor beim Einsatz von KI: "Was habe ich übersehen?".
Aber grundsätzlich teile ich immer die Bedenken, einer Maschine Verantwortung zu übertragen. Ich kenne meine Pappenheimer :-)


Dieser Beitrag wurde am 26.06.2026 19:17 Uhr bearbeitet.

Das Problem zeigt sich bei allen KI Ansätzen, bei ML Systemen, bei Bild- Aidio- oder Video-Generierung, bei automatischer Übersetzung und bei LLMs, es ist ein grundlegendes Problem der neuronalen Netze.

Ich will es mal persiflieren: durchs KI überwachte Netz schrillt der Hilferuf "das Klopapier ist alle und ich sitze in der Kabine...". Die Billionen CloudDaten ergeben einen Zusammenhang mit dem Produktnamen "Servus" und neuronal zuckt es kurz, die message wird an ServusTV Austria weitergeleitet, die sich natürlich für diese Dienstleistung nicht zuständig fühlen. NI gesteuertes Türklopfen wäre sicher zielorientierter gewesen.

KI ist auch gut darin, aus unscharfen Lagebildern eine Entwicklung zu prognostizieren, siehe Wettervorhersage. Da gibt es dann zwar unscharfe Ausgaben (Höchstemperatur zwischen 39 und 41 Grad), die dann natürlich nicht oder nur bedingt zur weiteren Steuerung geeignet sind.

Ja, das klappt auch 19 von 20 mal oder 99 von 100 mal ganz gut.
Und dann kommt wieder der eine Ausreißer, der bisher nicht behebbar ist und der völlig offensichtlich oder nur subtil daneben liegt und der genau der Grund ist, warum man bisher - entgegen der Werbeaussagen der KI Industrie - keine unsupervised KI Systeme in freier Wildbahn sieht.

Weshalb ich ausdrücklich geschrieben habe "KI-Einsatz heisst ja nicht, dass die KI-Empfehlung auch gleich unbesehen als Anordnung rausgeht".


Das Problem zeigt sich bei allen KI Ansätzen, bei ML Systemen, bei Bild- Audio- oder Video-Generierung, bei automatischer Übersetzung und bei LLMs, es ist ein grundlegendes Problem der neuronalen Netze.

Der fundamentale Unterschied, das sind generierende KI-Prozesse und keine informierende. Im Falle des KI-Einsatzes bei Flugbewegungen kommt eben eine Information heraus, wie die Staffelung am besten vorgenommen werden könnte. Daraus eine unkontrollierte Anweisung zu machen ist zwar möglich, aber nicht besonders helle. Sollte die KI tatsächlich einen Kollisionskurs produzieren (was nach menschlichem Ermessen ausgeschlossen ist), dann sollte wenigstens der Lotse dies noch erkennen und reagieren können. Das muss der bereits heute schon bei seinen eigenen Entscheidungen so machen.

Im Falle des KI-Einsatzes bei Flugbewegungen kommt eben eine Information heraus, wie die Staffelung am besten vorgenommen werden könnte.

Auch das wäre ein generierender KI Prozess.

Sollte die KI tatsächlich einen Kollisionskurs produzieren (was nach menschlichem Ermessen ausgeschlossen ist)

Warum sollte das ausgeschlossen sein?

dann sollte wenigstens der Lotse dies noch erkennen und reagieren können.

Er _muss_ das dann erkennen. Bei jedem einzelnen Vorschlag, den die KI macht und der idR erstmal plausibel aussieht. Unsere Software-Entwickler sprechen davon, dass sie ihre AIs "babysitten" müssen. Und viele beschreiben das als auf Dauer stressiger, als selbst Code zu schreiben...

Dieser Beitrag wurde am 26.06.2026 21:19 Uhr bearbeitet.