Process Discovery: initions erstellt KI und Dashboard für Fraport

Ein datenbasiertes Prognosemodell für wachsendes Flugaufkommen

Fraport steht vor der Herausforderung, ein datenbasiertes Prognosemodell für das wachsende Flugaufkommen zu verbessern und weiterzuentwickeln. Mit dem Claim „Gute Reise! Wir sorgen dafür.“ gewährleistet Fraport reibungslose Abläufe auf 31 Flughäfen auf vier Kontinenten. Dabei stellt die Firma Passagiere und Cargo in den Mittelpunkt. Die Kundenzufriedenheit steht hier an oberster Stelle, daher ist es das Ziel von Fraport, die Effizienz bei der Be- und Entladung von Flugzeugen weiter zu steigern.

In Zeiten von Corona und dem anschließenden Wiederaufleben des Flugverkehrs muss sich Fraport neuen und veränderten Aufgaben stellen. Da der Bedarf an Personal weiter wächst und Fachkräfte angelernt und fortlaufend geschult werden, möchte Fraport für die bestmögliche Einteilung der vorhanden Arbeitskräfte sorgen. Für die Planung wird ein passendes Prognosemodell benötigt, das sich schnell verändernde Bedingungen im Flugverkehr und damit verbundene Services berücksichtigt – und das bei gleichbleibend hoher Qualität.

Die veränderten Abläufe und Anforderungen bei der Flugzeugbeladung sowie der Wiederanlauf des Flugverkehrs bieten Fraport die Möglichkeit, ihre Prognosefähigkeiten in Bezug auf die Auslastung des Ladepersonals zu optimieren. Das Arbeitsaufkommen in den Lastspitzen ist höher, da der Verkehr von den Airlines gebündelt wird. Die verfügbaren Daten wie Flugzeiten, Flugdetaildaten (Position, Flugzeugtyp, Airline etc.), Passagier- und Gepäckströme sollen nach einem neuen, verbesserten Prognosemodell bedarfsgerecht zur Verfügung stehen und übersichtlich dargestellt werden.

Das bereits bestehende datenbasierte Prognosemodell für die Auslastung des Ladepersonals hat sich als nützlich erwiesen, konnte jedoch Kriterien wie individuelle Auslastung unterschiedlicher Qualifikationsgruppen oder Ungleichgewichte in der Personalzusammensetzung nicht vollständig berücksichtigen. Um eine noch präzisere Vorhersage zu ermöglichen, arbeiten die Data Engineers von initions an einer fortschrittlichen Lösung, die es ermöglicht, das Personal am aktuellen Verkehrstag möglichst effizient und optimal einzusetzen. Diese neue Methode wird eine genaue Datenanalyse ermöglichen, um festzustellen, wie viel Ladepersonal zu jeder Zeit gebraucht wird und welche Positionen besetzt werden sollten.

Process Discovery Workshop mit dem Kunden

Im Austausch mit dem Kunden haben wir die fehlende visuelle Darstellung von Daten als Herausforderung erkannt. Unsere Fragestellungen waren damit klar. Wie erstellen wir auf Basis von Daten die Prognosen für Kapazitäten bzw. die Nachfrage nach Ladepersonal in naher Zukunft? Welches KI-Modell ist dafür geeignet? Wie stellen wir die Daten in nahezu Echtzeit bereit und wie verarbeiten wir sie? Wie setzen wir Datenanalyse zur Prozessoptimierung ein, z. B., um Bottlenecks zu erkennen?

Mit dem Fachbereich und dem kundenseitigen Entwicklerteam erreichten wir durch enge Feedbackschleifen eine effiziente Process Discovery durch Abfolge von Lösungsvorschlägen und Erprobung. Unsere Data-Engineering- und KI-Expert:innen waren dadurch in der Lage, eine optimale Lösung für diese besondere Fragestellung zu entwickeln.

Data Strategy Assessment der vorhandenen Daten

Die Herausforderung – eine fehlende praktikable Darstellung von Daten – haben wir durch die Aufbereitung der Daten und Bereitstellung eines Dashboards bewältigt. Die eingesetzte Digitallösung gleicht Bedarf mit Verfügbarkeit ab und verbessert den Einsatz des Ladepersonals am Flughafen.

Data Engineering und Analyse mit Databricks

Mit der KI-Lösung Databricks haben unsere KI-Experten eine verbesserte Aufbereitung der Datenbasis erreicht. Durch die Datenerhebung und -Analyse ist eine sinnvolle Vorhersage für bis zu vier Stunden in die Zukunft möglich. Fraport setzt damit Daten zielgerichtet ein, um Prognosemodelle zur Auslastung des Ladepersonals zu erstellen. Die Lösung dient zur Prozessoptimierung bei der Verteilung des Personals im Ladebereich. Ein weiterer Vorteil der Datenaufbereitung besteht darin, dass die Datenbasis in dieser Form allgemein und nicht nur für dieses Projekt nutzbar ist. Der Kunde kann dadurch weitere Nutzen aus den Daten ziehen.

Visualisierung mit Grafana

Die Datenanalyse, die mit Databricks vollzogen wird, stellen wir mit einem innovativen Grafana-Dashboard  dar. Die grafische Darstellung ermöglicht leichtes Auslesen der Daten und liefert eine bessere Grundlage für Entscheidungen.

Process Discovery für effiziente Planung

Mit einer guten Datenbasis und einer präzise arbeitenden KI macht der Kunde Fraport effiziente Entscheidungen für den Bereich Flugzeugbe - und Entladung. Das anschauliche Dashboard ermöglicht dies bereits nach nur 4,5 Monaten Projektlaufzeit.

In weiteren Projekten mit Fraport arbeiten wir eng mit den Entwicklern auf Kundenseite zusammen. Dabei nutzen wir unter anderem die bereits vorhandene Datenbasis, um den Zeitpunkt der Startbereitschaft von Flugzeugen vorherzusagen. Dieser Zeitpunkt ist eine zentrale Planungsgröße, die über Daten aus vielen verschiedenen Kanälen errechnet wird. Die möglichst genaue Vorhersage der Flugzeugstarts dient nicht zuletzt der Kundenfreundlichkeit von Fraport in Bereichen Cargo und Passagiere.

Prozessoptimierung mit Databricks und Grafana

In enger Zusammenarbeit mit Fraport haben die Data Scientists von initions innerhalb von nur 4,5 Monaten eine Process Discovery durchgeführt und anschließend ein erfolgreiches Data Engineering Projekt mit KI-Tools umgesetzt. Durch die Erhebung und Analyse von Daten mithilfe von Databricks und dem übersichtlichen Dashboard von Grafana ist Fraport nun in der Lage, die Einsätze des Ladepersonals am Flughafen noch besser zu planen. Die erhobenen Daten können zudem für weitere Prozessoptimierungen innerhalb des Konzerns genutzt werden.