Von der Idee zum Produkt – Prognose der erwarteten Ankunftszeit von Flugzeugen

Die erwartete Ankunftszeit eines Flugzeugs an dessen Parkposition ist eine der zentralen Planungsgrößen am Flughafen. Eine hohe Qualität ist besonders mit einem Vorlauf von ca. 15 Minuten nötig.

Der Vortrag spannt den Bogen von der Idee, diesen Zeitstempel mittels Machine Learning zu verbessern, über die Abschätzung des Potenzials, die technische Umsetzung bis hin zur geplanten Inbetriebnahme. Neben einer Übersicht über die verwendeten Modelle und die eingesetzte Infrastruktur sollen insbesondere die Herausforderungen und Stolpersteine im Projekt beleuchtet werden. Diese umfassen sowohl technische Schwierigkeiten, personelle Engpässe als auch die Kommunikation mit den Projektbeteiligten.

Vorkenntnisse

Keine

Lernziele

Wissen um die Schwierigkeiten beim Einsatz von Machine Learning im hochgradig operativ geprägten Umfeld.

 

Speaker

 


Thilo Schneider ist promovierter Mathematiker und Senior Data Scientist bei der Fraport AG. In seiner Vergangenheit am Flughafen beschäftigte er sich schwerpunktmäßig mit der Analyse und Prognose von Flugbewegungen, heute treibt er im Team die Nutzung von Predictive Analytics bei Fraport voran.


Torben Barth ist nach dem Studium der Wirtschaftsinformatik und einer Promotion zur Optimierung der Gepäckprozesse am Flughafen heute Senior Data Scientist bei der Fraport AG. Von der Identifikation von Use Cases, deren Evaluierung und produktiven Umsetzung bis hin zum 24/7-Betrieb der entwickelten Modelle deckt er gemeinsam mit seinen Kollegen die komplette analytische Wertschöpfungskette ab.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden