Zusammen mit dem Fraunhofer-Institut für Windenergiesysteme (IWES), dem Fraunhofer-Center für Maritime Logistik und Dienstleistungen (CML) und der Tractebel DOC Offshore GmbH wird das Institut für Maritime Logistik (MLS) AIS-Daten von Schiffen auswerten um Logistikprozesse für den Betrieb und Wartung von Offshore-Windenergieanlagen zu analysieren und zu optimieren. Bei AIS (Automatic Identification System) handelt es sich um ein Funksystem, das kontinuierlich die Position, Kurs und Geschwindigkeit und weitere Schiffsdaten (Schiffsname, Rufzeichen, MMSI-Nummer, etc.) des betreffenden Schiffes sendet. Das Institut für Maritime Logistik wird primär für das Teilprojekt „Anwendung von AIS-Daten für die Kollisionssicherheit in der Betriebsphase“ verantwortlich sein.

Kurzbeschreibung                         

Im Teilprojekt „Anwendung von AIS-Daten für die Kollisionssicherheit in der Betriebsphase“ des Projektes LogReview werden langjährige Positionsdaten von Schiffen in und nahe bei Offshore- Windparks, erfasst durch das Automatische Identifikationssystem (AIS), automatisiert ausgewertet. Eine besondere Herausforderung besteht neben der Automatisierung der nahezu Echtzeit-Auswertung auch in den großen Datenmengen. Durch die Auswertung und Analyse der Daten sollen komplexe logistische Prozesse während des Betriebs von Offshore Windparks erfasst, analysiert und optimiert werden. Zur Verbesserung der maritimen Sicherheit und zur Steigerung der CO₂-Bilanz können anhand der Auswertung von AIS-Daten Rückschlüsse über die Routen und über Entfernungen zu anderen Schiffen oder stationären Objekten sowie über die durchgeführten Betriebs- und Wartungsprozesse gezogen werden. In diesem Teilvorhaben werden weiterhin neue Verfahren zur Kollisionssicherheit von Schiffen mit anderen Schiffen bzw. mit stationären Objekten im Offshore-Windpark bzw. in der Umgebung eines Offshore-Windparks untersucht. Für die Entwicklung von neuen Modellen für die Kollisionsverhütung, die Übertragung auf andere Gebiete der Schifffahrt sowie die Analyse und Verarbeitung großer Datenmengen und deren Anwendungen werden sowohl Methoden des Maschinellen Lernens als auch der Simulation eingesetzt. Das Teilvorhaben trägt somit zu dem Ziel des Gesamtvorhabens „O&M Logistik-Optimierung im Betrieb“ eine ganzheitliche, zeitreihenbasierte Bewertungs- und Optimierungsmethodik für die operativ ausgeführten logistischen Prozesse in Offshore-Windparks zu entwickeln maßgeblich bei.