Lernendes Galley-Catering-System - LGCS; Teilvorhaben: Entwurfsmethoden und Architekturen für lernende, künstlich intelligente Systeme in der Kabine

Abstract

Ein Kernbereich in der Kabine sind die Bordküchen, die mit ihren Vorräten und ihrer Funktionalität ein zentrales Komfortelement beim Service an Bord darstellen. Insgesamt sind viele Interessenseigner am Cateringsystem beteiligt: Am Boden sind dies die Airline, der Caterer, der Flughafen mit der Bodenabfertigung und in der Luft die Kabinenbesatzung und Passagiere. Trotz moderner Informationstechnik in der Kabine ist bis heute eine Bewirtschaftung erhobener und kommunizierter Daten nicht realisiert. Daher sollte das Vorhaben es ermöglichen, Daten zu sammeln, zu analysieren, zu verarbeiten und gewonnene Information zu kommunizieren, so dass ein neues, datenbasiertes Wertschöpfungsnetzwerk entsteht. Die Funktionalität der zentralen Bordküche mit Schnittstellen zu allen Interesseneignern soll dazu mittels Techniken des maschinellen Lernens optimiert werden. In Vorläuferprojekten wurden die Galley zu einem eigenständigen und mit dem Flugzeug intensiv vernetzten Monument ausgebaut. Die Integration der Galley in ein LGCS, die dabei einerseits hochwertige Daten für den Lernprozess liefert und anderseits aktiv Entscheidungen trifft, ist daher eine konsequente nächste Stufe bei der digitalen Transformation der Bordküche. Datei-Upload durch TIB The galleys are a core area in the cabin. With their supplies and functionality, they represent a central element of comfort when it comes to on-board service. On the ground, these are the airline, the caterer, the airport with the ground handling services and in the air, the cabin crew and passengers. Despite modern information technology in the cabin, a management of collected and communicated data has not yet been realized. Therefore, the project should enable data to be collected, analyzed, processed and information to be communicated, so that a new, data-based value network is created. The functionality of the central galley with interfaces to all stakeholders is to be optimized using machine learning techniques. In previous projects, the galley was developed into an independent monument that was intensively networked with the aircraft. The integration of the galley into an LGCS, which on the one hand provides high-quality data for the learning process and on the other hand actively makes decisions, is therefore a logical next step in the digital transformation of the galley.