KI-gestützte Flugzeugwartung (MRO): Warum die Vorlaufzeit bei der vorausschauenden Instandhaltung entscheidend ist

Ein Güterzug mit 100 Waggons, der mit 55 mph fährt, benötigt beivoll betätigter Bremsemindestens eine Meile, um zum Stehen zu kommen. 

Eisenbahnsignale warnen daher schon lange bevor sie auf Rot umschalten. Ein rotes Licht, das erst innerhalb Ihres Bremswegs aufleuchtet, verhindert gar nichts – es sagt Ihnen lediglich, worauf Sie gleich auffahren werden.

Bei der Flugzeugwartung funktioniert das genauso. Wir messen die Entfernung lediglich in Stunden und Flugzyklen.

Wenn ein Bauteil ohne Vorwarnung ausfällt und ein Flugzeug AOG (Aircraft on Ground) wird, ist die Reparatur erst der Anfang. Flüge werden gestrichen oder verlegt, und Passagiere müssen umgebucht werden. Jemand muss ein Ersatzteil beschaffen, oft zu einem hohen Preis. Techniker werden von geplanten Arbeiten abgezogen, Besatzungen stoßen an ihre Einsatzgrenzen, und ein Flugzeug, das eigentlich Geld einbringen sollte, steht still. Die Störung breitet sich zudem weiter aus. In Europa machten Folgeverspätungen durch frühere Flügeim Jahr 202446 %aller Verspätungsminutenaus– mehr als jede andere Ursache (EUROCONTROL).

All dies ist in der Luft- und Raumfahrt nichts Neues. Was sich geändert hat, ist unsere Fähigkeit, einiges davon vorauszusehen. Heutige Flugzeuge übertragen kontinuierlich Zustands- und Leistungsdaten, und KI, maschinelles Lernen, Data Engineering sowie vernetzte Systeme ermöglichen es uns nun, diese Signale in einem weitaus umfassenderen Kontext zu interpretieren. Damit lassen sich zwar nicht alle Ausfälle erkennen, aber es verschafft den Wartungsteams das, was jeder Lokführer am dringendsten benötigt: Vorlaufzeit. In unserer Welt bedeutet das Zeit zum Handeln.

Wie die Vorlaufzeit der vorausschauenden Instandhaltung das AOG-Risiko bei Flugzeugen verringert

Zuverlässigkeitsingenieure bezeichnen dieses Zeitfenster als P-F-Intervall: die Zeitspanne zwischen dem ersten erkennbaren Anzeichen eines Problems (P) und dem Ausfall selbst (F) – ein Konzept, das ausder zuverlässigkeitsorientierten Wartungsarbeitvon United Airlines in den 1970er Jahren stammt. Der wahre Wert der vorausschauenden Instandhaltung liegt daher in der Vorlaufzeit, die sie schafft, um eine bessere Instandhaltungsentscheidung zu treffen.

KI verlängert dieses Intervall. Durch die Auswertung von Sensordaten in Verbindung mit Fehlerhistorien, Wartungsaufzeichnungen, dem Verhalten von Komponenten und den Betriebsbedingungen können Modelle eine Verschlechterung erkennen, bevor sie betriebsrelevant wird. Mit dieser Warnung kann ein Team während geplanter Ausfallzeiten Untersuchungen durchführen, das Ersatzteil am Zielort des Flugzeugs bereithalten und den richtigen Techniker sowie die passenden Werkzeuge organisieren. Manchmal ist es die beste Entscheidung, ein intaktes Teil am Flügel zu belassen, da die technischen Erkenntnisse einen weiteren Betrieb rechtfertigen.

Eine Vorhersage sagt Ihnen, was passieren könnte. Die Vorlaufzeit gibt Ihnen die Chance, darauf zu reagieren. Genau dann beginnt die prädiktive Analytik, die Verfügbarkeit der Flugzeuge, die Wirtschaftlichkeit der Wartung und die Flottenleistung zu verbessern.Delta verweist auf sein prädiktives Programm als einen der Gründe dafür, dass die Zahl der wartungsbedingten Flugausfälle von mehr als 5.600 im Jahr 2010 auf nur noch 55 im Jahr 2018 gesunken ist.

Abbildung 1. Ein frühzeitiges Signal vergrößert das Handlungsfenster. Das Konzept ist dem P-F-Intervall aus der zuverlässigkeitsorientierten Instandhaltung entlehnt.

Wie die Flugzeugzustandsüberwachung Daten in verwertbare Signale umwandelt

Moderne Flugzeug-Ökosysteme sind zwar mit Daten überflutet, es mangelt ihnen jedoch weiterhin an aussagekräftigen Signalen. Ein Sensorwert oder ein Fehlercode für sich genommen sagt wenig aus. Im Zusammenhang mit den Betriebsbedingungen, vergangenen Wartungsmaßnahmen, der Komponentenhistorie und dem Verhalten desselben Bauteils in der gesamten Flotte kann er jedoch viel aussagen. Das macht die Zustandsüberwachung von Flugzeugen zur Grundlage der vorausschauenden MRO. Es zeigen sich Muster über Systeme und Flugzeuge hinweg, sodass Anomalien, die einst einem Ausfall vorausgingen, zu einer Frühwarnung werden, wenn sie an anderer Stelle erneut auftreten.

Für OEMs und Tier-1-Zulieferer fließen diese Betriebsdaten zudem in die Zuverlässigkeitstechnik, die Produktverbesserung und die zukünftige Konstruktion ein. Was wir aus einem im Einsatz befindlichen Flugzeug lernen, sollte uns helfen, das nächste Modell besser zu konstruieren.

Von der vorausschauenden zur präskriptiven Flugzeugwartung mit digitalen Zwillingen

Eine Warnmeldung wirft für einen Ingenieur dennoch Fragen auf. Wie dringend ist sie? Wie viel Restlebensdauer bleibt noch? Wann sollten wir eingreifen, und was passiert, wenn wir es aufschieben? 

Hier helfendigitale Zwillinge, indem sie die technische Definition einer Anlage mit ihrer tatsächlichen Betriebsgeschichte, Nutzung, Umgebung, Inspektionsdaten und Wartungshistorie verknüpfen. Die größere Chance besteht darin, diesen Ansatz von der Komponente auf den gesamten Betrieb zu übertragen. Ein Wartungseinsatz hängt selten allein vom Zustand einer Komponente ab. Flugpläne, Hangarkapazitäten, die Verfügbarkeit von Technikern, Werkzeuge, Ersatzteile und Vorlaufzeiten in der Lieferkette spielen ebenfalls eine Rolle – und derzeit wiegen sie besonders schwer.Die IATA schätzt, dass Probleme in der Lieferkette die Fluggesellschaften im Jahr 2025 mehr als 11 Milliarden US-Dollar kosten werden, ein Großteil davon in den Bereichen Wartung, Triebwerksleasing und Ersatzteile. Verbindet man diesen Kontext mit prädiktiver Intelligenz, kommt man der präskriptiven Wartung näher. 

Die Frage verlagert sich von „Was erfordert Aufmerksamkeit?“ hin zu „Wann und wie soll gehandelt werden, um die betrieblichen Auswirkungen so gering wie möglich zu halten?“

Abbildung 2. KI-gestützte MRO als geschlossener Kreislauf: Flugzeugdaten, technisches Wissen und betrieblicher Kontext fließen in die Wartungsentscheidung ein.

Wie KI-gestützte Flugzeuginspektionen eine digitale Wartungsakte erstellen

Die Sichtprüfung wird weiterhin von grundlegender Bedeutung sein, ebenso wie das Urteilsvermögen eines erfahrenen Ingenieurs oder Technikers. Die Technologie kann dazu beitragen, dass dieses Urteil fundierter ausfällt. Computer Vision, Drohnen, hochauflösende Bildgebung und Robotik können Beulen, Risse, Korrosion und andere Oberflächenbeschädigungen aufspüren und dokumentieren. Delta beispielsweise setzt mittlerweile Drohnen ein, um Flugzeuge nach Blitzeinschlägen zu fotografieren, wobei Techniker die Bilder auswerten, bevor das Flugzeug wiederin den Betrieb freigegeben wird.

Der größere Vorteil liegt darin, diese Aufzeichnungen digital zu speichern. Ein Techniker kann dasselbe Bauteil über mehrere Wartungszyklen hinweg vergleichen, feststellen, ob sich ein Defekt ausweitet, und ihn mit früheren Reparaturen und Betriebsbedingungen in Zusammenhang bringen. Die Inspektion ist nicht mehr nur ein einmaliges Ereignis. Sie wird Teil der Zustandsakte des Flugzeugs und liefert weitere Informationen für die nächste Entscheidung.

Wie GenAI Flugzeugwartungsingenieuren hilft, auf verlässliches Wissen zuzugreifen

Nicht jedes MRO-Problem ist ein Vorhersageproblem. Manchmal besteht die Schwierigkeit darin, die richtigen Informationen schnell genug zu finden. Ingenieure arbeiten mit Wartungshandbüchern, Service-Bulletins, technischen Anweisungen, Anleitungen zur Fehlerbehebung, Reparaturhistorien, behördlichen Anforderungen und jahrelanger Erfahrung, die größtenteils in den Köpfen der Menschen gespeichert ist. Die Antwort auf einen hartnäckigen Fehler könnte bereits irgendwo darin enthalten sein.

Hier könnte sich GenAI einen Platz verdienen. Nehmen wir einen Techniker in der Nachtschicht, der einem sporadisch auftretenden Fehler auf der Spur ist. Die Fragen sind einfach: Haben wir diese Symptome schon einmal gesehen? Womit wurden sie behoben? Welche zugelassenen Daten gelten? Ein fachspezifischer Assistent könnte diese Antworten weitaus schneller liefern.

Doch die Luft- und Raumfahrt setzt hohe Maßstäbe. Eine plausible Antwort reicht nicht aus – sie muss auf vertrauenswürdige technische Quellen zurückführbar sein, ordnungsgemäß geregelt werden und unter menschlicher Aufsicht stehen; genau diese Grenze ziehen auch die Aufsichtsbehörden (EASA,FAA). 

Der Einsatz von GenAI sollte daher das technische Urteilsvermögen schärfen, nicht ersetzen.

Aufbau eines vernetzten, KI-gestützten MRO-Ökosystems für Flugzeuge

Eine Warnung ist nur dann von Bedeutung, wenn sie rechtzeitig genug eintrifft, um noch handeln zu können. Im MRO-Bereich bedeutet dies, Flugzeugdaten, technisches Know-how, Ersatzteile, Mitarbeiter und Planung zusammenzuführen, damit Teams die richtige Entscheidung treffen können, bevor ein Problem zu einer Störung wird. Bei LTTS sehen wir, wie „Engineering Intelligence“ dazu beiträgt, die Wartung von reaktiv zu vorausschauend und letztendlich zu einer proaktiveren Entscheidungsfindung zu entwickeln.