Während des grössten Teils der Geschichte der kommerziellen Luftfahrt hatte das Cockpit keinen Zugang zu wirklich live und kontinuierlich aktualisierten Wetterinformationen. Die Crews starteten mit der besten Prognose, die ihr Disponent am Boden zusammenstellen konnte, und mussten sich mit dem Wetter, dem sie unterwegs begegneten, alleine auseinandersetzen. Abgesehen von textbasierten METAR- oder SIGMET-Updates via ACARS kam nichts anderes herein. Geostationäre Satellitensysteme hatten genug Kapazität für Textnachrichten, aber nicht für das Streaming von live hochauflösenden Atmosphärendaten während eines Flugs.
Das ändert sich nun. Konstellationen im niedrigen Erdorbit, angeführt von Starlink, liefern erstmals den Durchsatz und die Latenz, die kontinuierliches Daten-Streaming während des Flugs ermöglichen. Die Electronic Flight Bag (EFB) entwickelt sich von einem Preflight-Briefing-Tool zu einer Live-Datenschnittstelle und stellt der Branche eine Frage, die sie erst jetzt zu verstehen beginnt: Was wird möglich, wenn hochauflösende Wetterdaten kontinuierlich während des Flugs ins Cockpit fliessen? Die kurze Antwort: Es hängt ganz von der Qualität der gestreamten Daten ab.
Was Hochdurchsatz-Konnektivität ermöglicht
Ein gemeinsames Lagebild
Die unmittelbarste Folge von Hochdurchsatz-Konnektivität im Flug ist einfach: Wenn die EFB der Cockpit-Crew, das Operations Control Center und der Dispositionsschalter alle aus derselben Datenquelle (gleiches Modell, gleiche Auflösung, gleicher Aktualisierungsrhythmus) abfragen, wird eine Diskussion über eine Kursabweichung unterwegs wirklich kollaborativ. Das ist wichtig, denn Wetterentscheidungen werden selten isoliert getroffen. Eine Umleitungsanfrage betrifft gleichzeitig ATC, Disposition und Cockpit. Eine Entscheidung zum Halten wegen Treibstoff betrifft die Prognose für das Ziel, die Verfügbarkeit des Alternativflughafens und den genauen Treibstoffstand des Flugzeugs bei der ETA – nichts davon kann gut beurteilt werden, wenn die Beteiligten mit unterschiedlichen Versionen der Atmosphäre arbeiten. Gemeinsame Daten garantieren keine guten Entscheidungen, aber sie beseitigen ein Handicap, das die Branche bisher stillschweigend akzeptiert hat.
Die tiefere Konsequenz ist jedoch noch bedeutender. Sie geht weit über das Teilen eines Bildschirms mit einer Prognose hinaus: das Aufkommen von KI-Agenten, die in Echtzeit auf live meteorologischen Daten arbeiten.
Der KI-Agent im Loop
Die Architektur hierfür ist deutlich zugänglicher geworden. Das Model Context Protocol (MCP) – ein offener Standard, der es KI-Modellen ermöglicht, externe Tools und Datenservices direkt anzusprechen – bedeutet, dass ein Sprachmodell nun eine Wetter-API abfragen, Gewitter- und Windprognosen entlang einer bestimmten Route abrufen, diese mit Flugzeugzulassungsgrenzen abgleichen und eine Empfehlung aussprechen kann – alles innerhalb eines einzigen Argumentationszyklus. Der Agent holt nicht nur Daten, sondern interpretiert sie im Kontext. Er kennt die Flughöhe, den Flugzeugtyp, die Alternativen. Wenn sich die Atmosphäre ändert, wiederholt er die Argumentation und meldet die Änderung an die Crew, an die Disposition oder an beide.
Beispielhafte Agenten-Szenarien:
- Dynamische Umleitung: Ein Agent überwacht das konvektive Wachstum entlang der geplanten Route und schlägt eine Abweichung vor, bevor die Crew sie bei der ATC beantragen müsste.
- Entscheidungen zum Zieltreibstoff: Die Nebelwahrscheinlichkeit am Zielflughafen, in Echtzeit gegen die ETA aktualisiert, fliesst direkt in eine angepasste Empfehlung für Alternativtreibstoff ein.
- Verzögerungsprognose: Die Wahrscheinlichkeit für Bodenverzögerungen am Zielflughafen, integriert mit Wettertrends, wird früher erkannt, als ATFM-Slot-Meldungen typischerweise eintreffen.
- Turbulenz-Erkennung: EDR-Werte über alle Flugniveaus, live abgefragt, ermöglichen proaktive Steigflüge statt reaktiver Massnahmen auf Basis von Berichten vorausfliegender Flugzeuge.
Keines dieser Szenarien erfordert Science-Fiction. Sie erfordern Wetterdaten mit ausreichend hoher Auflösung und niedriger Latenz, eine Integrationsschicht, die vom Agenten-Reasoning-Loop angesprochen werden kann, und Konnektivität, die das Terminal während des gesamten Flugs online hält. Alle drei Komponenten existieren heute. Die anspruchsvollste davon – und diejenige, die bestimmt, wie gut die anderen funktionieren – sind die Wetterdaten selbst.
Die Daten, die es ermöglichen
Auflösung
Nicht alle Wetterdaten sind für jeden operationellen Zweck geeignet. Globalmodelle mit grobem Gitter, seit Jahrzehnten das Rückgrat der Wetterprodukte der Luftfahrt, reichen für die Planung in Reiseflughöhe aus, sind aber weit weniger nützlich für Entscheidungen, die die Sicherheitsmargen und die Pünktlichkeit direkt beeinflussen: die konvektive Zelle, die sich 30 NM neben der geplanten Route entwickelt, oder der Strahlungsnebel, der sich beim Top of Descent am Zielort bildet. Um diese Ereignisse zu erfassen, braucht es eine räumliche und zeitliche Auflösung, die grobmaschige Modelle nie liefern konnten.
Vorhersagefehler in der Luftfahrt sind fast immer Auflösungsfehler: Die Atmosphäre wird zu grob und zu weit in der Vergangenheit beschrieben.
Ein 1-km-Gitter, das mehrmals täglich aktualisiert wird, bietet Betreibern etwas, das ein 25-km-Modell, das nur alle paar Stunden aktualisiert wird, nicht kann: Turbulenz als EDR-Werte über alle Höhen, Nebelwahrscheinlichkeit, die sich von Minute zu Minute verändert, konvektive Kategorien, die zwischen harmlosen Kumuluswolken und einer Zelle mit echtem Hagelpotenzial unterscheiden. Der operationelle Unterschied ist, ob man auf den tatsächlichen Zustand der Atmosphäre reagiert oder auf eine zwei Stunden alte Generalisierung davon.
Geschwindigkeit
Auflösung allein reicht nicht – die Daten müssen auch schnell genug ankommen, damit Agenten-Reasoning-Loops nützlich sind. Eine Abfrage, die in Millisekunden über 1'800 verfügbare Parameter auflöst – Wind in jeder Höhe, Kondensstreifenwahrscheinlichkeit, Vereisungsniveau, Streckenabschnitt-Vereisung – ermöglicht es Agenten, den atmosphärischen Zustand als Live-Eingabe zu behandeln statt als zwischengespeicherten Schnappschuss. Diese Antwortzeit unterscheidet ein wirklich reaktives System von einem, das nur deshalb reaktiv erscheint, weil das Aktualisierungsintervall kurz genug ist, um die Verzögerung zu kaschieren.
Was als Nächstes gebaut wird
Die Luftfahrtbranche war lange zurückhaltend damit, neue Daten ins Cockpit zu bringen – und dieser Instinkt ist berechtigt. Das Ziel ist nicht, die Crews mit noch mehr Informationen zu überfluten, sondern ihnen bessere Informationen zu liefern – dann, wenn sie relevant sind, im Moment, in dem sie gebraucht werden – und sie so zu besseren Entscheidungen zu befähigen.
Genau für dieses Designproblem eignen sich KI-Agenten-Systeme: Nicht indem sie die Crew mit Ausgaben überfluten, sondern indem sie die Überwachung übernehmen und nur dann eskalieren, wenn sich der atmosphärische Zustand so verändert hat, dass Aufmerksamkeit erforderlich ist. Der Agent beobachtet. Die Crew entscheidet. Die Arbeitsteilung ist der Punkt.
In den nächsten Jahren werden sich EFB-Plattformen von digitalen Dokumentenhaltern zu Live-Operationseinheiten entwickeln, die mit derselben Datenumgebung wie das (I)OCC verbunden sind und Agenten-Logik beherbergen können, die die Atmosphäre während des gesamten Flugs beobachtet und die richtigen Informationen bereitstellt, bevor überhaupt jemand danach fragt. Die Airlines und Betreiber, die diesen Wandel frühzeitig mitgehen, werden nicht nur bessere Wetterprodukte haben, sondern ein grundsätzlich anderes Verhältnis zwischen Information und Entscheidung.
Das Cockpit ist zum ersten Mal wirklich mit der Live-Datenumgebung um es herum verbunden. Was auf dieser Grundlage gebaut wird, ist die Frage, die die Branche nun beantworten muss.
