Bevor ein neues Flugzeug zum ersten Mal abhebt, wird die Kabine bei der Übergabe an die Airline ganz genau unter die Lupe genommen. Ein Kratzer in der Armlehne, eine Delle an der Kabinenwand – winzige Makel, die hohe Kosten verursachen können: Werden Schäden zu spät entdeckt, kann dies nicht nur die Auslieferung verzögern, sondern auch zu Kompensationsforderungen führen. Ein neues Forschungsprojekt könnte diese Probleme künftig vermeiden und die visuelle Inspektion schneller, effizienter und sogar remote möglich machen.

Schadenserkennung: Hightech statt Handarbeit

Derzeit erfolgt diese Untersuchung durch Fachpersonal, das häufig per Flugzeug anreisen muss, um die Kabine in mehreren Stunden manuell zu prüfen. Statt aufwendiger Handarbeit setzt das Forschungsprojekt DrumView* auf KI-gestützte Bilderkennung, mit deren Hilfe der Prozess künftig wie folgt ablaufen könnte:

1. Ein mobiles System fährt durch die Kabine
2. Zahlreiche Kameras erfassen jeden Winkel
3. Per Software wird ein komplettes 3D-Modell der Kabine zusammengesetzt (NeRF)
4. KI-gestützte Anomaliedetektion findet Schäden automatisch

„Snapshot“ der Kabine

Der Grundpfeiler der Remote-Inspektion ist ein neues, Machine-Learning-gestütztes 3D-Verfahren: Mit Neural Radiance Fields (NeRF) wird der Kabinenzustand als detaillierte Momentaufnahme dokumentiert. Diese kann aus der Ferne aus jedem beliebigen Winkel betrachtet und bewertet werden. Ein NeRF benötigt deutlich weniger Fotos als klassische Verfahren, um ein präzises Modell zu erstellen, und erfasst auch reflektierende Oberflächen wie Fenster oder Displays, bei denen traditionelle 3D-Scan-Verfahren oft Lücken hinterlassen.

Finden, was nicht passt

Zudem wird die Schadensfindung durch smarte Technologien beschleunigt. Eine der größten Herausforderungen bei KI-gestützter Bilderkennung ist es, dass genug Daten für jeden Schadenstyp gesammelt werden müssen, um alle Schäden zu erkennen. DrumView setzt daher auf Anomaliedetektion, die stattdessen nach Abweichungen vom Normalzustand der  Kabine sucht. Das bedeutet, die KI erkennt Fehler, ohne dass diese im Vorfeld definiert sein müssen. Abweichungen werden schnell identifiziert, ohne dass spezielles Training für jede Schadensart erforderlich ist.

Ziel: Nachhaltigere Flugzeugsysteme

Das DrumView-Projekt startete im Januar 2025 mit dem Kickoff im ZAL TechCenter und ist Teil der GATE 2 Roadmap mit dem Ziel nachhaltige Flugzeugsysteme durch digitale Entwicklungsmethoden und Automatisierung zu fördern, um den ökologischen Fußabdruck über den gesamten Produktlebenszyklus zu reduzieren.

Sie interessieren sich für KI-gestützte Schadensdetektion oder haben Fragen zum Projekt DrumView? Dann teilen Sie uns Ihre Meinung mit und rufen Sie uns an:

Partner

• ZAL GmbH (Verbundführer)
• 3Daero GmbH
• Institut für Flugzeug-Produktionstechnik (IFPT) der TU Hamburg

*DrumView wird gefördert durch die Hamburgische Investitions- und Förderbank (IFB Hamburg) und kofinanziert durch den Europäischen Fonds für regionale Entwicklung (EFRE).