Herausforderung
Die Erstellung und Nachverfolgung eines Flugplans ist ein äußerst komplexes und multifaktorielles Problem. Ob die Passagier:innen einer Airline tagtäglich pünktlich an ihrem Zielflughafen ankommen, hängt von vielen Faktoren ab. Gleichzeitig kann man nur einen Bruchteil dieser Faktoren selbst beeinflussen. Unser Kunde, eine internationale Airline, stand vor der Herausforderung, bestehende Verspätungsprognosen durch den Einsatz moderner Machine Learning Methoden verbessern zu wollen.
Ansatz
Gemeinsam mit unserem Kunden haben wir Machine Learning Modelle auf verschiedenen Hierarchieebenen entwickelt, um die Netzwerkplanung zu unterstützen. Die Modelle verarbeiten eine Vielzahl an externen Einflussfaktoren wie zum Beispiel Wetterprognosen oder Kapazitätsplanungen internationaler Flughäfen. Die Hierarchie der Modelle berücksichtigt verschiedene Ebenen von Informationen, wobei Ab- und Zielflughafen die Informationsstufe und somit das Modell bestimmen. Zur eigentlichen Prognose haben wir ein Framework entwickelt, das automatisiert täglich neue Forecasts für alle Flüge unseres Kunden in den nächsten Tagen erstellt.
Ergebnis
Trotz vielschichtiger Abhängigkeiten im Flugnetz und in dessen Ökosystem konnten wir unserem Kunden durch den gezielten Einsatz moderner Machine Learning Modelle dabei helfen, vorhergesagte Verspätungen im aktuellen Flugplan zu berücksichtigen. Hierdurch erhält das Operations-Team ein Werkzeug, das proaktives Handeln fördert und dazu beiträgt, dass die Passagiere pünktlich ihre Zieldestination erreichen.