Studie zur Bewertung von Algorithmen für nautische Anwendungen

Der maritime Transport ist gegenwärtig durch eine zunehmende Digitalisierung und insbesondere Automatisierung und Autonomisierung von Prozessen an Bord von Schiffen geprägt. Neben klassischen regelbasierten Methoden erweist sich bei der Kollisionsverhütung der Einsatz von Künstliche Intelligenz (KI) als vielversprechend, um frühzeitig und proaktiv unübersichtliche maritime (Verkehrs-) Situationen zu identifizieren und sicher aufzulösen. KI und Maschinelles Lernen (ML) bieten vielversprechende Einsatzmöglichkeiten, doch hängen in ihrer Zuverlässigkeit direkt von der Wahl der verwendeten Verfahren und Datensätze ab. Dies trifft insbesondere auf Deep Learning (DL) zu. Die endliche und einschränkende Verfügbarkeit an Datensätzen macht die Lösung und Generalisierung einer Anwendung unter Nutzung von ML und DL zu einer Herausforderung.