Hersteller in der Luft- und Raumfahrtindustrie sowie der Verteidigungsindustrie sind bei der Einführung von generativer KI verständlicherweise zurückhaltend. Ob Flugzeuge, Satelliten, Drohnen, Marineschiffe oder Panzer – die von ihnen hergestellten Geräte sind extrem teuer und unterliegen strengen militärischen, behördlichen und datenschutzrechtlichen Vorgaben.

Dennoch hält Generative KI in dieser Branche zunehmend Einzug und wird letztlich für vielfältige Fortschritte bei Produktivität und Innovation eingesetzt werden.

Hier finden Sie eine Zusammenstellung der häufigsten Fragen, die industrielle Hersteller dazu stellen, worauf sie ihre Initiativen für generative KI ausrichten sollten, worauf sie künftige Anstrengungen konzentrieren sollten und welche Vorsichtsmaßnahmen und Vorbereitungen sie treffen sollten.

F: Welche Relevanz hat generative KI für die Luft- und Raumfahrt- und Verteidigungsbranche?

A: Die typischen Anwendungsfälle für generative KI – etwa die Erstellung von Text-, Audio- oder visuellen Inhalten oder der Einsatz von Echtzeit-Chatbots zur Beantwortung von Fragen – scheinen für einen Sektor, der teure, komplexe, stark kundenspezifische und sicherheitssensible Ausrüstung produziert, möglicherweise nicht unmittelbar relevant zu sein. Verkehrsflugzeuge kosten mehrere zehn Millionen Dollar. Satelliten kosten jeweils mindestens 1 Million $. Laut einem aktuellen Bericht des Congressional Research Service können Kriegsschiffe der Zerstörerklasse jeweils rund 2,2 Milliarden $ kosten.

Und all diese Maschinen müssen strenge Qualitäts- und Zuverlässigkeitsanforderungen erfüllen, ganz zu schweigen von militärischen Spezifikationen, behördlichen Vorschriften sowie Schutzmaßnahmen für proprietäre oder vertrauliche Daten. Das Potenzial generativer KI für Halluzinationen oder Lecks sensibler Daten könnte für Unternehmen der Luft- und Raumfahrt sowie Rüstungsunternehmen inakzeptabel erscheinen.

Mit zunehmender Reife wird GenAI jedoch zahlreiche potenzielle Vorteile bieten – von der Unterstützung bei der Ausrüstungskonstruktion bis hin zur Verbesserung der vorausschauenden Instandhaltung und des Kundendienstes.

F: Wo sollte ich anfangen?

A: Der derzeit beliebteste Anwendungsbereich für generative KI scheint die Ausrüstungskonstruktion zu sein. Bereits 41 % der kürzlich von Capgemini befragten Unternehmen aus der Luft-/Raumfahrtindustrie und Verteidigung geben an, generative KI in der 3D-Modellierung zu testen, um die Konstruktion zu beschleunigen, Bauteile aerodynamisch zu optimieren und Kosten zu senken.

(Anzumerken ist, dass es einen feinen Unterschied zwischen „generativem Design“, einer bereits angewandten Methode, und „generativem KI-Design“ gibt, das noch einen Schritt weiter geht, indem es tiefe neuronale Netze und Daten aus früheren Entwürfen nutzt.)

Ein Beispiel dafür ist das Goddard Space Flight Center der NASA, wo Ryan McClelland, Forschungsingenieur des Zentrums, 2023 für Schlagzeilen sorgte, indem er kommerziell erhältliche generative KI verwendete, um spezielle Teile zu entwerfen, die er „evolvierte Strukturen“ nennt. In einem Bruchteil der Zeit, die ein Mensch benötigt, kann diese KI Teile entwerfen, die wesentlich weniger wiegen als herkömmliche Komponenten. „Man kann die Konstruktion, Analyse und Fertigung eines Prototypenteils durchführen und es in nur einer Woche in der Hand haben“, sagt McClelland. Die NASA plant, diese evolvierten Strukturen in zukünftigen Missionen einzusetzen.

Auch Boeing-Forscher untersuchen laut Todd Citron, Chief Technology Officer bei Boeing, wie Modelle der generativen KI das Flugzeugdesign optimieren könnten. „[KI] kann mehr Komplexität in ihr elektronisches Gehirn einbringen als ein Mensch. Sie kann über einen breiteren Raum hinweg optimieren“, erklärte er kürzlich auf einer Konferenz. „Wenn man sich die durch maschinelles Lernen optimierten Strukturen ansieht, sehen sie einfach grundsätzlich anders aus. Sie sehen fast wie ein außerirdisches Raumschiff aus, weil ihnen die regelmäßige Struktur fehlt, die es einem Menschen erleichtert, einen Entwurf anzufertigen.“

41 % der Unternehmen aus der Luft-/Raumfahrtindustrie und Verteidigung, die kürzlich von Capgemini befragt wurden, geben an, generative KI in der 3D-Modellierung zu testen, um die Konstruktion zu beschleunigen, Bauteile aerodynamisch zu optimieren und Kosten zu senken.

Unterdessen könnten Hersteller von Verkehrsflugzeugen generative KI nutzen, um Design und Fertigung einfacher und effektiver auf spezifische Betreiber zuzuschneiden, so Raman Ram, Leiter des Bereichs Luft- und Raumfahrt sowie Verteidigung bei EY America.

„Wenn das Flugzeug für eine Fluggesellschaft bestimmt ist, die auf Gesamtbetriebskosten (TCO) fokussiert ist, möchte ich möglicherweise bestimmte Elemente einbeziehen, die die Gesamtbetriebskosten maximieren“, sagt er. „Eine andere Fluggesellschaft möchte jedoch möglicherweise den Mittelabfluss optimieren und legt möglicherweise weniger Wert auf die Gesamtbetriebskosten (TCO).“

F: Was ist, wenn wir bereits digitale Zwillinge für die Produktentwicklung verwenden?

A: Generative KI könnte den Zeit- und Kostenaufwand für die Erstellung digitaler Zwillinge reduzieren, die zur Simulation von Systemen für die Produktentwicklung und die vorausschauende Instandhaltung eingesetzt werden.

„Traditionelle KI ist immer noch sehr manuell, und die Erstellung eines digitalen Zwillings ist ein extrem manueller Prozess“, sagte Rishi Ranjan, Gründer und CEO des Softwareanbieters GridRaster, gegenüber Aviation International News. Unternehmen könnten irgendwann große Sprachmodelle verwenden, um einen Großteil der manuellen [Kodierungs-]Arbeit abzubauen.

„Große KI-Modelle … können Text- und Bilddaten analysieren und Ihnen so helfen, automatisch einen digitalen Zwilling dafür zu erstellen“, sagt Ranjan. Er prognostiziert, dass Unternehmen letztlich digitale Zwillinge für einen Bruchteil der heutigen Kosten aufbauen könnten.

Mehr zu Digitalen Zwillingen

Weitere Informationen zu digitalen Zwillingen finden Sie unter „Wie Zwillinge die Zukunft des Unternehmens vorantreiben“ und „Digitale Zwillinge bei der Arbeit: 8 Beispiele“.

F: Wo sollten wir noch Anwendungen generativer KI erwarten?

A: Es gibt vier weitere wahrscheinliche Anwendungsfälle für generative KI in der Luft- und Raumfahrt/Design:

Modernisierung von Fertigungsprozessen und -systemen. Die Fertigungsprozesse in der Luft- und Raumfahrt sowie im Verteidigungsbereich werden durch den veralteten Software-Code behindert, der noch immer in eingebetteten Systemen verwendet wird, so Ram von EY. „Dieser Legacy-Code wurde von verschiedenen Anbietern entwickelt und ist im Laufe der Jahre gewachsen“, was die Integration erschwert. Generative KI könnte als Übersetzer dienen.

„Eine interaktive Engine, die auf einem Foundation Model basiert, wäre in der Lage, beispielsweise den Altcode für ein Kollisionsvermeidungsmodul zu übernehmen und ihn in eine moderne Programmiersprache umzuwandeln“, sagt er, was die Integration erleichtert.

Generative KI bietet Herstellern in der Luft- und Raumfahrtindustrie und der Verteidigungsindustrie außerdem die Möglichkeit, Produktionsprozesse zu vernetzen, die derzeit durch einzelne Anlagenlinien oder Werke voneinander abgeschottet sind.

Durch den Einsatz generativer KI zur Überbrückung der unterschiedlichen technischen Landschaften könnten sie die organisatorische Planung optimieren, Ausnahmen verwalten und schneller auf Situationen reagieren, die sonst zu Verzögerungen oder Qualitätsproblemen führen würden. Sie könnte auch dabei helfen, solche Probleme vorherzusagen.

Qualitätssicherung. Generative KI könnte Qualitätskontrollsystemen dabei helfen, Fehler, Unregelmäßigkeiten oder Abweichungen während der Fertigung zu erkennen. Algorithmen können trainiert werden, um Bilder oder Daten zu analysieren und Probleme zu identifizieren. Dadurch verbessern sich Genauigkeit und Zuverlässigkeit bei der Fehlererkennung, während sich gleichzeitig der Zeitaufwand für manuelle Prüfungen verringert. Sobald ein Problem erkannt wird, könnte generative KI Technikern Schritt-für-Schritt-Anweisungen zur Behebung geben.

Wartung und Reparatur. Hersteller nutzen seit Langem Sensordaten, Analysen und KI, um vorherzusagen, wann Wartungsarbeiten erforderlich sind oder Teile kurz vor dem Ausfall stehen, damit sie zeitaufwendige Ausfälle vermeiden können. Generative KI kann diesen Wartungsansatz verbessern, indem sie automatisch Texte oder Bilder erstellt, die Schritt-für-Schritt-Anweisungen enthalten, einschließlich Listen der erforderlichen Ersatzteile.

Ein solches System würde es dem Wartungspersonal ermöglichen, mehr Zeit für die Ausführung von Aufgaben statt für die Vorbereitung von Anweisungen aufzuwenden – und so laut Capgemini die Produktivität zu steigern und Kosten zu senken.

Zudem können Werkstätten für die Wartung und Reparatur von Luftfahrzeugen heute die Durchlaufzeit für ein Triebwerk nicht präzise einschätzen, so Ram, was zu frustrierenden Verzögerungen für Betreiber führt, die dieses Luftfahrzeug wieder in Betrieb nehmen müssen.

Durch die Nutzung historischer Daten und generativer KI könnten Werkstätten jedoch präzisere Kostenvoranschläge erstellen. Ein Chatbot könnte Technikern beispielsweise sagen, was sie erwartet, sodass die Werkstatt präzise Kostenvoranschläge erstellen und die Kundenzufriedenheit steigern kann. „Zum Beispiel könnte es Ihnen sagen, dass diese sechs Teile bei diesem bestimmten Motortyp in der Regel in diesem bestimmten Intervall ausgetauscht werden müssen und dass es normalerweise 73 Tage dauert, diese Teile zu erhalten“, sagt Ram.

Vertragsausschreibungen und Dokumentation. Die Ausarbeitung von Verträgen für Behörden ist aufgrund ihres hohen Detaillierungsgrads und der individuellen Anpassung mit erheblichem Zeit- und Kostenaufwand verbunden. Auftragnehmer können generative KI nutzen, um zumindest Teile des Prozesses zu automatisieren und erste Entwürfe auf der Grundlage von Vorlagen, historischen Dokumenten oder spezifischen Prompts von Beschaffungsbeauftragten zu erstellen, wie aus einem Bericht des AI Institute von Deloitte hervorgeht.

Die KI hilft dabei, relevante Klauseln und Anforderungen aus früheren Angeboten, Verträgen und anderen Dokumenten zu extrahieren, die menschliche Arbeitskräfte dann für den endgültigen Vertrag anpassen können. Ebenso könnte generative KI bei der Erstellung technischer Dokumentationen helfen und so laut Accenture Zeit und Geld sparen.

Satellitendaten mit GenAI besser nutzbar machen

Obwohl dies außerhalb des Fertigungsbereichs liegt. NASA hat in Partnerschaft mit IBM und der Clark University ein georäumliches Basismodell entwickelt, das Unternehmen dabei helfen wird, die ihnen zur Verfügung stehenden Satellitendaten besser zu nutzen.

Als Hintergrundinformation: Unternehmen nutzen Daten verschiedener Satelliten für viele unterschiedliche Zwecke, beispielsweise zur Verfolgung von Wettermustern oder zur Dokumentation von Umwelteffekten wie dem Verlust von Baumkronen im Amazonasgebiet.

Drittanbieter von Satellitenanalysen wie LiveEO bieten Produkte an, die Unternehmen dabei unterstützen, die Entwaldungsverordnung der Europäischen Union einzuhalten, mit der Rohstoffe verboten werden sollen, die mit Entwaldung und Waldschädigung in Verbindung stehen.

Es kostet jedoch oft viel Zeit und Mühe, aus rohen Satellitendaten etwas zu machen, das ein Unternehmen tatsächlich nutzen kann.

Das im vergangenen Jahr veröffentlichte Modell wurde mit Daten eines ganzen Jahres von einem NASA-Satelliten trainiert und kann Satellitendaten in maßgeschneiderte hochauflösende Karten von Überschwemmungen, Bränden und anderen Landschaftsmerkmalen umwandeln. Das Modell stellt einen bedeutenden Fortschritt dar, da es Behörden, Unternehmen und Forschenden ermöglichen wird, Satellitendaten schneller, einfacher und kostengünstiger zu nutzen.

„Damit können Unternehmen die Kosten für die Entwicklung von Trainingsdatensätzen für spezielle Anwendungen einsparen“, sagt Manil Maskey, Senior Research Scientist und Projektmanager bei der NASA. „Der wichtigste Teil ist für sie bereits erledigt. Das Modell hat bereits aus den [grundlegenden] Daten gelernt.“

Zu den erwarteten Einsatzmöglichkeiten gehören die Bewertung klimabezogener Risiken für Nutzpflanzen, Gebäude und andere Infrastrukturen, die Überwachung von Wäldern für CO2-Kompensationsprogramme sowie die Entwicklung von Prognosemodellen, die bei der Gestaltung von Maßnahmen zur Anpassung an den Klimawandel helfen. Die Informationen können Entscheidungen zu Versicherungen und zum Risikomanagement unterstützen.

„Alle stürzen sich auf diese grundlegenden Modelle, weil sie so viel Nutzen bringen“, sagt Hamed Alemohammad, Professor an der Clark University, der an dem Projekt beteiligt war. „Bei einem Waldbrand können Unternehmen mithilfe der Satellitendaten feststellen, was beschädigt wurde, anstatt jemanden zur Überprüfung hinauszuschicken“, sagt er. Es könnte auch zur Bestimmung der Wetterbedingungen verwendet werden, was unter anderem für die Luftfahrt-, Transport- und Schifffahrtsindustrie wichtig ist, sagt er.

F: Was sollte ich jetzt tun, um mich auf eine GenAI-Initiative vorzubereiten?

A: Bringen Sie Ihre Daten – und Ihre Daten-Governance – in Ordnung. „Die meisten Hersteller in der Luft- und Raumfahrt-/Verteidigungsindustrie stecken in Bezug auf Datenqualität und -verwaltung noch in den Kinderschuhen“, erklärt Ram von EY. „Uns fehlen immer noch gute Stammdatensysteme und eine einzige verlässliche Datenquelle.“

Hinzu kommt, dass diese Unternehmen ebenso wie ihre Lieferanten viele proprietäre Daten schützen müssen. Dies führt zu großer Skepsis gegenüber Zusammenarbeit und Datenaustausch, was wiederum zu mangelnder Transparenz führt.

„Wir haben nicht einmal Einblick in die Stückliste jenseits der ersten Schicht“, sagt Ram. „Wenn man sich die Haupthersteller ansieht, werden zwei Drittel ihrer Kosten durch ihre Zuliefererbasis bestimmt, und ein beträchtlicher Teil der Zuliefererbasis besteht aus Lieferanten mit eigenem geistigen Eigentum. Die Hauptauftragnehmer haben hier keinen Einblick, und das wirkt sich einfach kaskadenartig auf alle Ebenen aus.“

Wenn Sie nicht über genügend technische Daten verfügen oder diese von schlechter Qualität bzw. unstrukturiert sind, kann generative KI nicht viel ausrichten. Wenn Ihre Lieferanten von Komponenten und Subsystemen ihre Daten nicht bereitstellen, sind Ihr gesamter Flugzeugentwurf oder Ihr digitaler Zwilling unvollständig.

Ein eng damit verbundenes Thema ist die Datensicherheit, die in diesen Branchen äußerst wichtig ist. Rüstungsunternehmen müssen bestimmte gesetzliche Sicherheitsvorschriften erfüllen, um überhaupt Angebote für Regierungsaufträge abgeben zu können. Angesichts der Berichte, wonach ChatGPT-Nutzer versehentlich vertrauliche Daten weitergegeben haben, ist dies eine berechtigte Sorge.

Im Allgemeinen führen regulatorische Anforderungen mehr Unternehmen zu Zero Trust, was Technologie erfordert, die verschiedene Datenquellen verbindet und Zugriffsrechte verwaltet.

Andererseits möchten Unternehmen manchmal Daten teilen, um Modelle für die gesamte Branche zu verbessern. Dennoch verfügen die meisten nicht über die Governance, um dies zu ermöglichen. Luft- und Raumfahrtunternehmen und ihre Zulieferer haben beispielsweise ein gemeinsames Interesse daran, neue leichte und trotzdem langlebige Verbundmaterialien zu entwickeln, die sie alle nutzen können. Diese Daten könnten jedoch mit proprietären Daten über ihr Geheimrezept durchsetzt sein. Ohne eine gute Governance der Modelle können Unternehmen keine Daten für die Nutzung in großen Sprachmodellen teilen und gleichzeitig ihr geistiges Eigentum schützen.

Wenn Unternehmen Modelle von Drittanbietern beziehen, benötigen sie auch eine Möglichkeit, diesen Drittanbietern zu erlauben, ihre Large Language Models (LLMs) kontinuierlich zu aktualisieren. Unternehmen, die Drittanbieter-Modelle nutzen, müssen herausfinden, wie sie solche Informationen sicher weitergeben können.

F: Gibt es weitere Faktoren, die die Einführung von GenAI verlangsamen könnten?

A: Die strengen Anforderungen an Audits und Compliance erfordern eine entsprechende Planung und Überwachung. Regierungsverträge schreiben ein gewisses Maß an Datennachverfolgbarkeit vor und/oder erfordern Audits bestimmter Prozesse.

In einem Qualitätsprüfungssystem könnte generative KI beispielsweise dabei helfen, ein Problem zu erkennen, etwa wenn eine Komponente eine festgelegte Toleranz überschreitet, und sogar mögliche Abhilfemaßnahmen empfehlen. Wenn jedoch Rückverfolgbarkeit oder eine Prüfung erforderlich ist, müssen Unternehmen sicherstellen, dass ein qualifizierter menschlicher Mitarbeiter die Freigabe erteilt.

Auch in nicht geprüften Prozessen sollte ein Mensch generative KI überwachen, um Kontext hinzuzufügen. Wenn ein Chatbot einem Techniker beispielsweise Anweisungen für eine Reparatur gibt, kann dies Handlungen umfassen, die nicht durchführbar sind. „Da einem generativen KI-Modell der Einblick in den Prozess fehlt, der die Grundursache behebt, sowie in die Personen, die als Bedienende fungieren, könnte es mögliche Einschränkungen übersehen, wie nicht durchführbare Bewegungen oder unzugängliche Bereiche“, so ein aktueller Bericht von BCG. „Daher ist immer eine Qualitätsbewertung erforderlich, um sicherzustellen, dass die empfohlene Fehlerbehebung praktikabel ist.“

F: Wie sind die Aussichten für generative KI in dieser Branche?

A: Die Komplexität und der vorsichtige Charakter der Luft-/Raumfahrtindustrie und Verteidigung werden dazu führen, dass dieser Sektor generative KI langsamer als andere Branchen einführt. Gleichzeitig müssen sie Daten- und Integrationsherausforderungen bewältigen.

Der anhaltende Mangel an Wissensarbeitern und der starke Fokus auf Qualität könnten jedoch die Einführung von GenAI beschleunigen. Für diejenigen, die GenAI-Initiativen verfolgen, könnte dies zu einer schnelleren und besseren Entwicklung von Ausrüstung, einer effizienteren Fertigung sowie einer schnelleren und kostengünstigeren Wartung führen, was alles das Geschäftsergebnis verbessern könnte.