![Three business professionals stand together in a modern, glass-walled office with purple digital graphics surrounding them. The text "IHR BUSINESS [AI]" is displayed at the bottom of the image.](https://expleo.com/global/de/wp-content/uploads/2025/09/expelo_declikv_site6-300x169.jpg)
Expleo wurde von einem großen europäischen Flugzeughersteller mit der Entwicklung eines Backup-Systems zur Geschwindigkeitsmessung beauftragt. Dafür werden die Messwerte aus der Pitotrohr-Staudruckmessung durch die Ergebnisse einer präzisen Datenanalyse ergänzt.
Zwei Modelle für zwei Triebwerkstypen validiert, ein drittes Modell ist in Planung
Modell-Fehlertoleranz von nur 10 Knoten
Die Herausforderung
Wie bei vielen anderen Bordinstrumenten auch ist das System zur Geschwindigkeitsberechnung in einem Flugzeug eine zentrale Komponente, die nicht lange ausfallen darf. Pitotrohre bilden das Herzstück dieses Systems. In Verbindung mit einem Anemometer erfassen sie die Fluggeschwindigkeit, indem sie den Gesamtdruck im Messumfeld ermitteln.
Auch wenn die Pitotrohre an Stellen des Flugzeugrumpfs montiert sind, an denen die Luftströmung möglichst wenig gestört wird, können vorübergehende Messungenauigkeiten auftreten – etwa durch eine teilweise oder vollständige Blockierung der Staudrucksonde. In großen Höhen oder in turbulenter Luft sind häufig Eiskristalle die Ursache, am Boden hat dies oft andere Ursachen, beispielsweise Insekten.
Um dieses Risiko so weit wie möglich zu verringern und die Flugzeugsicherheit weiter zu erhöhen, hat ein namhafter europäischer Flugzeughersteller Expleo mit der Entwicklung eines Backup-Systems zur Geschwindigkeitsberechnung beauftragt. Die Pitotrohr-Messungen sollen dabei durch eine präzise Datenanalyse ergänzt werden.
Die Lösung
Über einen Zeitraum von sechs Monaten und in zwei unterschiedlichen Phasen – abhängig vom untersuchten Triebwerkstyp – setzte Expleo die Aufgabe unter Verwendung der Programmiersprache Python sowie der KI-Tools TensorFlow und Keras um. Angesichts der Vielzahl zu berücksichtigender Parameter entschied sich Expleo dafür, ein Deep-Learning-Modell mit neuronalen Netzen zu entwickeln, um die Integrationsanforderungen des Kunden an Bordcomputern bestmöglich zu erfüllen.
Zunächst wurden etwa fünfzehn kritische Parameter für die Berechnung der Geschwindigkeit eines Flugzeugs untersucht, von denen schließlich die drei wichtigsten ausgewählt wurden: die Drucksensoren (Gesamtdruck und statischer Druck) der Triebwerke und die Rotationsgeschwindigkeit der Turbinenblätter.
Durch die Verarbeitung dieser Daten mit dem eigens entwickelten neuronalen Netzwerk gelang es den Projektverantwortlichen, auch bei unterschiedlichen Störeinflüssen korrekte Geschwindigkeitswerte zu ermitteln – mit einer Abweichung von nur 10 Knoten (entspricht rund 11 mph bzw. 18 km/h) gegenüber den Pitotrohr-Messungen.
Die Ergebnisse
Für die beiden untersuchten Triebwerkstypen wurden die entwickelten Modelle bereits vom Konstruktionsbüro unseres Kunden validiert. Ein drittes Projekt für einen neuen Triebwerkstyp ist in Planung. Auch wenn diese Backup-Systeme zur Ermittlung der Geschwindigkeit noch nicht in den betreffenden Flugzeugen installiert sind, überzeugen die Modelle bereits jetzt durch ihre hohe Genauigkeit – zur großen Zufriedenheit des europäischen Flugzeugherstellers als Auftraggeber.
Mit solchen Systemen lassen sich die in großen Höhen mitunter auftretenden, vorübergehenden Abweichungen bei der Geschwindigkeitsmessung vermeiden. Dadurch wird die Einhaltung des Flugplans zuverlässiger und genauer.
Der Erfolg dieses Projekts bestätigt erneut Expleos Kompetenzen in den Bereichen Luftfahrttechnik und Data Science. Das System erkennt Sensoranomalien automatisch, wenn eine Abweichung zwischen der im Flugzeug gemessenen Geschwindigkeit und den vom mathematischen Modell berechneten Werten festgestellt wird, und meldet sie den Piloten. Das ist ein klarer Vorteil im Falle möglicher Verschmutzungen der Pitotrohre.
Was können wir für Sie tun?
