Beschreibung
Schon seit mehreren Jahren ist der Trend in der Schifffahrt zu erkennen, den Grad der Automatisierung zu erhöhen und mit immer weniger Personal auszukommen. Treiber für dieses Vorgehen sind vor allem Gefahrenverminderung, Kosteneinsparung, Menschen aus gefährlichen Situationen nehmen, Energieeinsparung sowie die Verringerung von Emissionen. Dieses führt zu einer Erhöhung der sozialen, ökologischen und ökonomischen Nachhaltigkeit der Seeschifffahrt.Betrachtet man die derzeitigen technologischen Fortschritte bei der Computerentwicklung, der Künstlichen Intelligenz und deren Anwendung in anderen Bereichen der Mobilität wie der Luftfahrt oder im Automobilsektor, so ist abzuleiten, dass der Schritt zur vollautonomen Schifffahrt technologisch grundsätzlich möglich ist. Sollen autonome Schiffe am Seeverkehr teilnehmen, so müssen sich diese sicherheitskritischen Systeme an eindeutige Regeln halten.Damit ein Schiff autonom navigieren kann, muss es zunächst seine Umwelt in der notwendigen Genauigkeit wahrnehmen. Hierzu muss eine hinreichende Vielzahl von Sensoren ausgewertet werden, da auch bei besonders herausfordernden Bedingungen, wie schlechtem Wetter, eine zuverlässige Beurteilung der aktuellen Situation (Situational Awareness) gewährleistet sein muss. Für diese Situational Awareness muss die Auswertung der einzelnen Sensoren und die Fusionierung der Ergebnisse autonom und in Echtzeit erfolgen. Derzeit werden neben rein regelbasierten Auswertealgorithmen vermehrt Methoden der Künstlichen Intelligenz vorangetrieben. Diese Methoden, insbesondere Deep Learning und damit die Anwendung künstlicher neuronaler Netze, bieten in vielen Anwendungen hervorragende Ergebnisse. Ein großer Nachteil der Modelle, die sich aus diesen Methoden ergeben, ist, dass die getroffenen Entscheidungen für den menschlichen Anwender nicht transparent und somit nicht nachvollziehbar sind.Damit ein autonomes bzw. teilautonomes System, welches Methoden des Maschinellen Lernens (ML) verwendet, am Seeverkehr teilnehmen kann, muss vorher nachgewiesen werden, dass es sich unter allen Umständen regelkonform verhält. Es ist daher zwingend notwendig, die Entscheidungsfindung erklärbar zu machen, damit die Einhaltung der bestehenden Regeln unter allen Umständen sichergestellt werden kann.Das Fördervorhaben hat zum Ziel, Methoden des ML für die Generierung von Handlungsempfehlungen in der Schiffsführung anwendbar zu machen. Daher müssen die Gründe für die Handlungsempfehlung der Schiffsführung gegenüber erklärt werden. Hierzu ist eine Methode zu entwickeln, die das hybride Gesamtsystem erklärbar macht. Solch ein Schiffsführungsassistenzsystem (SFAS) ist ein wesentlicher Meilenstein hin zur autonomen Schifffahrt. Eine solche Entwicklung hin zur autonomen Schifffahrt stärkt sowohl den Wirtschaftsstandort Deutschland als auch Deutschlands technologische Souveränität. Die hier erzielten Ergebnisse sind potenziell auf angrenzende Bereiche, wie den Luftverkehr, übertragbar.