Studierende der Wirtschaftsinformatik an der DHBW Mosbach erarbeiten in Kooperation mit dem Zentrum für Geoinformationswesen der Bundeswehr die Anwendbarkeit von künstlichen neuronalen Netzen zur automatischen Erkennung von Vogelschwärmen im Luftraum. (Symbolbild – Bru-No/Pixabay)
Mosbach. (pm) Sie sind oft in großen, dichten Schwärmen unterwegs und streifen mit ihren faszinierend synchronisierten Manövern über unseren Himmel hinweg: Vogelschwärme. Doch das beeindruckende Naturschauspiel sorgt auch immer wieder für Ärger. Insbesondere im Luftverkehr wird das Schwarmverhalten für Mensch und Tier oft zur Gefahr.
Im diesjährigen Integrationsseminar des Studiengangs Wirtschaftsinformatik an der Dualen Hochschule Baden-Württemberg (DHBW) Mosbach, unter der Leitung von Prof. Dr. Herbert Neuendorf, erforschten die Studierenden die Anwendbarkeit neuronaler Netze zur automatischen Erkennung von Vogelschwarm-Mustern in Radarbildern.
Ziel des diesjährigen Seminares war es, anhand von Radarbildern Vogelschwärme nicht nur aufzuspüren, sondern deren Gefahr für den Luftverkehr einzustufen. All das erfolgt mittels künstlicher neuronaler Netze. Diese bestehen aus einem komplexen Netzwerk einzelner Neuronen, die miteinander kommunizieren und so eine künstliche Intelligenz entwickeln – inspiriert von den Funktionsweisen des menschlichen Gehirns.
Durch eine immer bessere Anpassung an vorgegebene Daten kann das neuronale Netz trainiert werden und seine Funktionsweise bestimmt und gesteuert werden. So können Vogelschwärme nicht nur automatisch erkannt werden, sondern es werden, auf Basis des antrainierten künstlichen Wissens, Vorhersagen getroffen, inwiefern die Schwärme den Luftverkehr beeinträchtigen.
Das Projekt ist eine Kooperation mit der Abteilung für Angewandte Geowissenschaften des Zentrums für Geoinformationswesen der Bundeswehr (ZGeoBW). Basierend auf frei verfügbaren Informationen und Problemstellungen des ZGeoBW beurteilten die studentischen Gruppen verschiedene KI-Frameworks im Bereich Klassifizierung / Neuronaler Netze, generierten Trainings- und Testdaten und trainierten neuronale Netze unterschiedlicher Struktur auf diesen generierten Mustern.
„Das Projekt erbrachte deutlich Hinweise, dass auch eher schwach strukturierte Radarbild-Muster mit hinreichender Genauigkeit zur automatischen Indizierung und Klassifizierung von Vogelschlag-Risiken im Luftverkehr durch Neuronale Netze ausgewertet werden können. Zugleich ließ sich die zu erwartende Genauigkeit und Performanz abschätzen“, so Professor Neuendorf.
Obwohl das Projekt in Zusammenarbeit mit der Bundeswehr erfolgt, sind die Ergebnisse keineswegs nur militärisch relevant – im Gegenteil. Auch der zivile Luftverkehr profitiert von einer frühzeitigen Erkennung potenziell gefährlicher Vogelzüge. Im weiteren Verlauf künftiger Seminare sollen noch mehr Echt-Daten genutzt werden, um die Leitungsfähigkeit der genutzten neuronalen Netze zu verbessern. Die Entwicklung einer geeigneten grafischen Oberfläche für künftige Software ist ebenfalls Teil des fortlaufenden Projekts.
