Wird der Flughafen als ein Verkehrsknotenpunkt betrachtet, so bilden sich daraus unterschiedliche Elemente dieses Systems. Nach Busacker existieren sieben Systemelemente, welche im Folgenden genannt werden.
Der Luftraum, welcher sich in der Nähe des Flughafens befindet, dem sogenannten Flughafen- Nahbereich, der nach ICAO als Typ D Luftraum klassifiziert wird und der Kontrollzone unterliegt, ist ein Systemelement des Flughafens. Ein weiteres Element bildet das Rollfeld, welches aus dem Start- und Landebahnsystem und dem Rollwegsystem besteht. Neben dem Rollfeld wird auch das Vorfeld klassifiziert und als eigenes Systemelement betrachtet. Hiermit sind die Abfertigungspositionen am Flughafen sowie der sogenannte Flugzeugpark gemeint. Das Terminal, welches aus Hallen und großräumigen Flächen besteht, die zum einen für den Personenumschlag und zum anderen für den Frachtumschlag, also die Verwaltung ein- und ausgehender Passagiere und Fracht verantwortlich sind, bilden ebenfalls ein Element des Systems Flughafen. Weiteren Betriebsanlagen sind Wartungshallen, Tanklager die Feuerwache etc. Einrichtungen wie Vorfahrten, Bahnhöfe und Parkflächen werden als landseitige Verkehrseinrichtungen zusammengefasst und bilden wie landseitige Anbindungen, beispielsweise Autobahn- oder Schienenanschlüsse, die letzten beiden der sieben genannten Systemelemente eines Flughafens (Busacker 2005, S. 6).
Die Zusammenführung dieser zwei Verkehrsträger ist dafür verantwortlich, dass der Flughafen nicht nur als ein Element des Luftverkehrs betrachtet werden kann, sondern als ein Ökosystem, welches komplexe Prozesse zwischen unterschiedlichsten Verkehrsteilnehmern und Nutzern zusammenführt.
Abfertigung/Turnaround
Die Abfertigung lässt sich in drei Teilbereiche gliedern, welche die Passagierabfertigung, die Flugzeugabfertigung und die Crewvorbereitung umfassen. Die genannten Teilbereiche bestehen wiederum aus mehreren Prozessen, die zusammen ein komplexes Konstrukt ergeben (Maurer 2007, S. 282).
Bei der Passagierabfertigung werden alle Kundenkontakte als auch Serviceleistungen zusammengefasst, die sich vom Einchecken bis hin zum Boarding erstrecken. Dabei variieren die Prozessabläufe von Fluggesellschaft zu Fluggesellschaft, je nach deren festgelegten Standards. Bei der Flugzeugabfertigung werden zwei unterschiedliche Planungsverfahren unterschieden. Zum einen wird zwischen Flugzeugen unterschieden, welche neu in einen Umlauf eingesetzt werden, und zum anderen zwischen Flugzeugen, welche am jeweiligen Tag schon mehrere Flüge durchlaufen haben. In der zweiten Variante wird auch vom Turnaround gesprochen, in dem je nach Flugstrecke (kurz, mittel, lang) unterschiedliche Bodenzeiten (Be- und Entladung) vorgegeben werden. Insbesondere beim zweiten Aspekt ist eine außerordentliche Planung wichtig. Die vorbereitenden Prozesse, welche in beiden Varianten benötigt werden, bilden auch hier ein komplexes Konstrukt. Bei der Crewvorbereitung werden die Crews für einen bestimmten Flug zusammengesetzt. Dabei wird 90 Minuten vor dem Flug ein Zusammentreffen geplant. Innerhalb dieses Teilbereichs erhalten die Piloten alle nötigen Informationen zum Flug und besprechen diese mit der weiteren Besatzung der Maschine (Maurer 2007, S. 283- 285).
Mögliche Ansatzpunkte für Big Data-Analysen
Bei der genannten Definition fallen folgende Ansatzpunkte auf, an denen Datenmengen vorkommen, welche als Big Data nach Kap. 2.1 definiert werden können. Um die unterschiedlichen Teilbereiche nicht zu vermischen und eine differenzierte Sicht darauf zu behalten, werden im Folgenden die Teilbereiche Passagierabfertigung und Turnaround betrachtet. Im Folgenden Abschnitt werden Informationen aus der eigenen Erfahrung innerhalb der Flugzeugabfertigung mit eingebunden.
Passagierabfertigung
Innerhalb der Passagierabfertigung lassen sich Datenquellen im Check-In und Boarding finden. Hier werden durch Prüfsysteme die Daten der Passagiere durch das Ticketsystem validiert. Analog dazu werden ebenfalls beim Boarding die Daten validiert. Die verwendeten Systeme beinhalten dabei zusätzliche Informationen zu dem zu beladenden Luftfahrzeug. Zusätzlich zum Personal, welches für das Check-In zuständig ist, können heutzutage Passagiere auch selbst über bestimmte Bluetooth-Schalter oder online selbst einchecken.
Beim Check-In wird – falls vorhanden – Gepäck abgegeben, welches einen Barcode erhält (WISSEN 2005, S. 18). In diesem Punkt werden die Koffer durch einen Transportrechner auf der kürzesten Strecke auf der Gepäckförderanlage zum passenden Beladungstor berechnet und verschickt.
An dieser Stelle lassen sich erste Potenziale durch die Einführung von Big Data-Analysen herausfiltern. Da Fluggepäck ohne den zugehörigen Besitzer an Bord des Flugzeugs nicht mitfliegen darf, ist das Entfernen des (im schlechtesten Fall) beladenen Gepäckstückes zeitaufwendig und kann zu Verspätungen führen. Durch die Implementierung eines Big Data-Systems, welches mit neuronalen Netzen und Echtzeitanalysen, wie in Kap. 2.3.2 und 2.3.5 beschrieben, arbeiten würde, indem das Check-In-Verhalten und der Transport des Gepäcks analysiert werden, könnten je nach Zeitpunkt des Boardings die Gepäckstücke von potenziell nicht mitreisenden Passagieren im Vorfeld selektiert werden, um einem unnötigen Entladen vorzubeugen. Dies würde allerdings voraussetzen, dass Daten zwischen dem Check-In und dem Boarding aus älteren Flügen in das Datenverwaltungssystem, wie in Kap. 2.2 beschrieben, eingebettet werden sollten, um aus diesen bestimmte Zusammenhänge zwischen potenziell nicht mitfliegenden Kunden zu ermitteln.
Flugzeugabfertigung
Bei der Flugzeugabfertigung werden unterschiedliche Daten bearbeitet. Zum einen wird durch unterschiedliche Systeme die Beladung des Flugzeuges so geplant, dass die Gewichtsverteilung mit den für das Flugzeug erlaubten Beladungsvorgaben passt. Des Weiteren werden die Passagierdaten, die Treibstoffladung, das Catering etc. in die Planung einbezogen. Für die Planung werden zudem die erhaltenen Daten des ankommenden Flugzeuges benötigt. Ansatzpunkte lassen sich insbesondere an der Kommunikation zwischen den ankommenden Flugzeugen und den Ground Operations finden sowie den für die Flugzeugabfertigung benötigten Arbeitskräften (Catering, Tank etc.). Ein Ansatzpunkt wäre in diesem Fall, die Gesamtheit der Daten auszuwerten, um eine optimale Verteilung der am Flughafen befindlichen Abfertigungsorgane auf die vorzubereitenden Flüge zu organisieren.
Nutzenpotenziale
Die Teilbereiche der Abfertigung weisen in ihrer Gesamtheit Potenziale zur Reduzierung von Verspätungen auf. Zu bedenken ist, dass die Prozesse ineinander übergreifen und auch der Gedanke eines zusammenhängenden Systems auftaucht. Insbesondere würde hier durch die Zusammenführung mehrerer und insbesondere unterschiedlicher Daten Big Data tatsächlich als solches verstanden werden können. Darauf basierend lassen sich durch ein zusammenhängendes System schnelle Analysen und Mustererkennungen erwarten, was eine reibungslose Abfertigung begünstigen würde. Kommunikationsprobleme könnten damit eventuell ebenfalls behoben werden. Eine Verringerung der Verspätungen würde zudem einen geringeren Kostenaufwand mit sich bringen. Daraus lässt sich schließen, dass Big Data-Analysen in diesem Punkt insbesondere zu einer erhöhten Wirtschaftlichkeit von Arbeitskräften, einer Reduktion der Betriebskosten und einer Verringerung von Verspätungen und somit einer höheren Kundenzufriedenheit führen würden.
Rollverkehrsführung
Unter Rollverkehrsführung werden „[…] alle technischen Verfahren und Einrichtungen für die teil- oder vollautomatisierte, rechnergestützte Erfassung, Kontrolle, Ablaufplanung und Führung des Rollverkehrs […]“ (Busacker 2005, S. 12) verstanden. Dabei soll der Verkehrsfluss auf dem Roll- und Vorfeld so organisiert werden, dass dieser sicher und zügig fließen kann (Busacker 2005, S. 12-13).
Wird die Führung des Rollverkehrs manuell betrachtet, so fällt auf, dass dieser durch Rollverkehrslotsen und Piloten bestimmt wird. Dabei bestehen die Rollverkehrslotsen in
ihrer Gesamtheit aus den Tower- und den Ground-Lotsen, hinzu kommen die Führer von Fahrzeugen, die am gesamten Rollfeld des Flughafens beteiligte Akteure darstellen (Busacker 2005, S. 15).
Mögliche Ansatzpunkte für Big Data-Analysen
Die ICAO stellt bei der Rollverkehrsführung ebenfalls Standards, welche zu befolgen sind, und bezeichnet diese als Surface Movement Guidance and Control System. Dabei geht es insbesondere um die Erfassung, Kontrolle, Planung und Führung der Rollbewegungen am Boden (Busacker 2005, S. 6).
Wie bereits beschrieben, kann die Zahl beteiligter Akteure in diesem Prozess und je nach Größe des Flughafens rasant ansteigen.
Während der Rollverkehrsführung kommen unterschiedliche technische Systeme zum Einsatz. Diese werden durch den Sprechfunk, den Flughafenradar und den Anflugradar gebildet (Busacker 2005, S. 16-17). Dabei werden unterschiedliche Signale durch das genannte System gesendet und empfangen. Grundsätzlich handelt es sich im Sprechfunk um Sprachnachrichten, welche in einer Frequenz zwischen 117,975 und 137,000 MHz gesendet werden. Zudem wird die Frequenz zwischen Flugzeug und Flughafen während der Landung zweimal gewechselt. Der Pilot eines Flugzeugs ist zum einen mit den Tower-Lotsen und zum anderen bei Bodenkontakt mit den Ground-Lotsen verbunden. Der Flughafenradar, welcher auch als Primärradarsystem verstanden wird, arbeitet als Impuls-Radar auf einer Frequenz von 20 GHz (Busacker 2005, S. 17-18). Weitere Ansatzpunkte wären Simulationen, welche bei der Rollverkehrsplanung durchgeführt werden (Busacker 2005, S. 24).
Das Advanced Surface Movement Guidance and Control System (A-SMGCS) verfolgt das Ziel eines höheren Automatisierungsgrades bei der Überwachung und der Führung des Rollverkehres. Dabei gilt besonders, dass eine aktuelle Lagebeschreibung der am Boden rollenden Verkehrsflugzeuge dargestellt und automatisch erkannt wird (Busacker 2005, S. 21-22).
Ein Ziel dieses Systems ist es ebenfalls, einen Data Link, also einen Kommunikationsweg zwischen Bord- und Bodensystemen zu erzielen. Im Prinzip sollte durch diesen Schritt die Kommunikation durch den Sprechfunk ersetzt werden und somit zu einer zuverlässigeren Kommunikation führen (Busacker 2005, S. 22). Die Ansätze, die hier zu erkennen sind, lassen zunächst die Entwicklung zu einer datenorientierten Verarbeitung in diesem Segment erkennen. Das A-SMGCS hatte durchaus Vorgänger, wie etwa das Taxi and Ramp Management and Control (TARNAC) System, welches vom DLR in Braunschweig entwickelt und getestet wurde. Die Projektlaufzeit
war zwischen 1997 und 2001 und das System bestand aus vier Komponenten. Laut Busacker stellte das TARNAC-System allerdings nur ein Entwicklungs- und Demonstrationssystem dar, welches zu Test- und Simulationszwecken verwendet wurde. Analyse war eines der Hauptziele dieses Systems. Allerdings soll das A-SMGCS echtzeitfähig und zuverlässig sein – im Gegensatz zu TARNAC (Busacker 2005, S. 22).
An dieser Stelle kommen auch wieder Big Data-Analysen, wie in Kap. 2.3 beschrieben, infrage. Aufgrund der einzelnen Daten, wie beispielsweise dem „Data Link“, die durch mehrere Flugzeuge erzeugt und erhoben werden, ist es durchaus vorstellbar, dass Big Data-Analysen in diesem Punkt Echtzeitanalysen und somit eine Echtzeitregulierung des Rollverkehrs begünstigen können.
Nutzenpotenziale
Wie in Kap. 3.5.2.1 beschrieben, entstehen durchaus auch im Rollverkehr unterschiedlich viele Datentypen. Wird sich auf die Radar- bzw. GPS-Daten sowie den Sprechfunk bezogen, so lassen sich hier unstrukturierte Daten finden. Big Data-Analysen würden das Potenzial mit sich bringen, durch die schnelle Verarbeitung Echtzeitanalysen, wie in Kap. 2.3 beschrieben, welche beispielsweise durch das A-SMGCS gewollt sind, zu unterstützen. Auch wäre eine wirtschaftliche Nutzung der bestehenden Rollwege am Flughafen denkbar, was auf der einen Seite zu einem niedrigeren Treibstoffverbrauch aufgrund niedriger Laufzeiten der Triebwerke und auf der anderen Seite zu weniger Verspätungen aufgrund von zu langen Aufenthalten an Haltepositionen führen würde. Dadurch ließen sich mehrere Punkte optimieren, die insgesamt die übergeordneten Ziele der Luftfahrt darstellen. Der Nutzen würde in dieser Hinsicht weiterhin zu Kostenoptimierungen und einer niedrigeren Stressauslastung der Ressourcen wie beispielsweise Lotsen führen. Insbesondere auf großen Flughäfen, wie beispielsweise in Frankfurt oder Heathrow, würden dadurch erhebliche Nutzen in den genannten Punkten geschaffen werden.
Flughafenkapazität
Ein Flugzeug durchläuft mehrere Punkte des Flughafensystems von seiner Ankunft bis zum nächsten Abflug. Wie auch in den Unterkapiteln zuvor beschrieben, bestehen einzelne Elemente des Flughafensystems aus zahlreichen Prozessen (Böck 2013, S. 14). Dabei stellt sich an diesem Punkt die Frage, inwieweit eine Analysemethode sinnvoll wäre, welche an den Schnittstellen der genannten Elemente ansetzt und erhaltene Daten der jeweiligen Elemente so korreliert, dass eine einheitliche Lösung für alle an diesem Prozess beteiligten Akteure geliefert werden kann.
Die maximale Auslastung eines Flughafens, welche die jeweiligen Elemente umfasst und die quantifizierte Produktionsleistung eines Flughafens darstellt, käme als zusammenfassender Begriff infrage. Dabei ist die gegenwärtige Maßeinheit innerhalb eines Flughafens für dessen Kapazität die Anzahl abgefertigter Passagiere bzw. Luftfahrtzeuge innerhalb einer bestimmten Zeiteinheit (Böck 2013, S. 12).
Laut Böck werden dabei folgende Faktoren für die Erzeugung von Engpässen in der Flughafenkapazität genannt:
• Start- und Landebahnkapazität,
• Anzahl verfügbarer Gates,
• Luftstraßen, • landseitige Engpässe,
• Engpässe Bodenrollverkehr,
• Umweltfaktoren,
• Fluglotsenauslastung,
• Sicherheit.
Mögliche Ansatzpunkte für eine ganzheitliche Lösung durch Big Data- Analysen am Flughafen
Bei der Optimierung der Flughafenkapazität ist eine ganzheitliche Betrachtung des Flughafensystems hilfreich. Durch eine Optimierung an den Schnittstellen des Flughafens, wie beispielsweise dem Start- und Landebahnsystem und dem Rollverkehr, könnte die Kapazität eines Flughafens gesteigert werden.
Einige Anbieter haben sich dieser Optimierung zugerichtet und unter anderem durch Methoden wie Airport Capacity Management erreicht, dass beispielsweise Flughäfen, deren Kapazität schon zu 100 % ausgeschöpft war, dennoch bis zu zwei weitere Flüge in den Betrieb aufnehmen konnten. Beim NATS werden Simulationen durchgeführt, in denen die Nutzer mehrere Parameter eingeben können. Somit können Analysen durchgeführt werden, welche die spezifische Zusammenstellung der eingegeben Parameter versuchen zu beantworten (Wells 2015).
Big Data-Analysen könnten in diesem Punkt ebenfalls an den komplexen Analysen anknüpfen. Vergleichsweise wäre es auch möglich, weitere Parameter aufzunehmen, um die Analyse zu optimieren und weitere Erkenntnisse zu gewinnen. Simmod PRO! stellt eine Software dar, welche ebenfalls Simulationen am Flughafen durchführt. Das Tool wird ebenso mit Rahmenbedingungen vom Nutzer parametrisiert und führt dynamische Entscheidungssimulationen durch, welche die Modellierung eines dynamischen Luftraumes, komplexer Roll-Operationen, Ground-Operations, komplexere operative Konzepte
etc. unterstützen (ATAC o. J.-b). Dadurch können einzelne Ressourcen am Flughafen besser aufeinander abgestimmt und bestenfalls real umgesetzt werden.
Wird in diesem Punkt bedacht, dass durch Simmod PRO! mehrere Bereiche des Flughafens simuliert werden können, so kann die Möglichkeit herangezogen werden, ein auf Big Data-Analysen basierendes System in dieselbe Richtung zu entwickeln. Beispielsweise könnten auf einer Plattform wie in Kap. 2.2 zu einem bestimmten Flughafen alle zugänglichen historischen Daten aus dem Flughafennahbereich, dem Rollverkehr, der Fracht, der Passagierabfertigung etc. eingespeist werden, um durch darauf angewendete Big Data-Analysen beispielsweise zukünftige Ereignisse zu bestimmen. Denkbar wäre, dass durch Predictive Analytics in diesem Punkt Rollwege aufgrund der Auslastung bestimmter Tage im Vorhinein besser geplant werden, um am Rollfeld zu weniger Verzögerungen zu kommen. Auch sind Echtzeitanalysen durch Big Data-Analysen durchaus denkbar und bieten zusätzlich das Potenzial, dynamisch auf das aktuelle Verkehrsaufkommen Ergebnisse zu erzeugen.
Nutzenpotenziale
Durch die Anwendung von Big Data Analysen auf das gesamte Flughafensystem entstehen durchaus mehrere Potenziale. Auch lassen sich Synergien dadurch erschließen, wie beispielsweise eine optimierte Rollfeldauslastung durch eine Auswertung der eingehenden Daten durch einfliegende Flugzeuge und bereitstehende Bodenressourcen für die Abfertigung. Nutzen lässt sich dadurch insbesondere in wirtschaftlicher Sicht generieren, da durch die effizienten Handlungen Kosteneinsparungen für Fluggesellschaften und am Boden dienstleistende Unternehmen aufgrund der reduzierten Verspätungen entstehen. Durch geringe Umlaufzeiten steigt somit auch die Kapazität am Flughafen, was wiederum mehr Flugzeuge zulässt und letztlich dadurch dem Flughafen ein höherer finanzieller Gewinn geboten wird.
Wie bereits angesprochen, würden durch die effizienten Auslastungen auch weniger Verspätungen zu erwarten sein. Damit würde sich auch ein Kernziel der Luftfahrtindustrie optimieren lassen, was ebenfalls zu ökologischem Nutzen führen würde, da mit einer geringeren Bodenzeit der Flugzeuge eine Lärmreduzierung einhergeht. Allerdings sollte dieser Punkt kritisch betrachtet werden, da eine erhöhte Kapazität zwar kürzere Umlaufzeiten hat, aber auch für einen hohen Verkehr steht. Somit relativiert sich wiederum der Faktor Lärmreduzierung.
Recent Comments