Treibstoff ist der größte Kostenfaktor einer Reise und die Hauptemissionsquelle für Schiffe und Flugzeuge; seit 2024 zahlt die Schifffahrt in der EU für ihre Emissionen. Optimierungsmaschinen verbinden Wetterprognosen, ML-Leistungsmodelle für Rumpf oder Flugzeug und kommerzielle Randbedingungen, um Route, Geschwindigkeit und Flughöhe je Reise oder Flug zu wählen. Bei Flügen kann dieselbe Maschine zudem um Regionen herumsteuern, in denen sich Kondensstreifen bilden. Beratend für Kapitäne, Disponenten und Piloten; der Mensch entscheidet immer.
Problem & Nutzen
- Heute: Kapitäne und Disponenten folgen Routenempfehlungen von Wetterdiensten, Noon Reports und Faustregeln; die Schiffsgeschwindigkeit wird oft durch Charterbedingungen vorgegeben („volle Fahrt, dann am Anker warten“). Fluggesellschaften nutzen Flugplanungssysteme mit windoptimalen Routen, ignorieren aber meist Nicht-CO2-Effekte.
- KI-Nutzen: (1) genauere Modelle für Treibstoff gegenüber Geschwindigkeit, die aus Sensordaten statt aus Probefahrtkurven gelernt werden; (2) gemeinsame Optimierung von Route, Geschwindigkeit und Trimm unter Prognoseunsicherheit; (3) bedarfsgerechte Ankunft, um Wartezeiten vor Anker zu verkürzen; (4) Einpreisung von CO2 und FuelEU-Strafen in jede Entscheidung; (5) Vermeidung von Kondensstreifen in der Luftfahrt.
- Regulatorischer Druck (EU): Die Schifffahrt wurde 2024 in das EU-ETS einbezogen, mit stufenweiser Abgabepflicht (40 % der Emissionen 2024, 70 % von 2025, 100 % von 2026); FuelEU Maritime legt ab 2025 Grenzwerte für die THG-Intensität der eingesetzten Energie fest; der IMO-CII bewertet Schiffe jährlich mit A–E [1][2][3].
- Vorteile: Anbieter berichten von Treibstoffeinsparungen im einstelligen Prozentbereich; betrachten Sie dies als Herstellerangaben und messen Sie gegen Ihre eigene Basis.
Varianten
- Wetterrouting und Reiseoptimierung in der Seeschifffahrt: Tanker, Massengutfrachter, Containerschiffe; Routenplanung vor der Reise plus Neuoptimierung unterwegs.
- Geschwindigkeit und bedarfsgerechte Ankunft: Optimierung des Hafenanlaufs mit Liegeplatzinformationen (siehe OPT-037).
- Optimierung von Trimm, Ballast und Rumpfleistung: ML auf Sensordaten, Zeitpunkt der Rumpfreinigung.
- Compliance-Optimierung auf Flottenebene: Verteilung von Geschwindigkeit, Kraftstoffarten und Pooling über die Flotte, um CII, FuelEU und ETS-Risiko zu steuern.
- Treibstoff- und Trajektorienoptimierung in der Luftfahrt: Cost-Index und Vertikalprofil sowie Vermeidung von Kondensstreifen durch kleine Höhen- oder Seitenänderungen [4].
- Windunterstützte Schiffe: Routing, das Rotorsegel oder Kites berücksichtigt.
- Privatnutzung: Routing für Segelyachten (z. B. offene Werkzeuge wie Wetterrouting in OpenCPN oder Apps im Stil von Windy); keine regulatorische Dimension.
So funktioniert es
- forecasts (NWP, wave, current, ice, humidity) + vessel/aircraft sensors, AIS/ADS-B
- data cleaning, performance model (ML + physics: resistance, propulsion, fuel burn)
- forecast ensemble / uncertainty
- trajectory optimiser (isochrone / dynamic programming / graph search / MIP / RL) objective = fuel + carbon cost + time penalties + safety margins
- advice to master / dispatcher (route, speed profile, altitude)
- human decision and execution
- feedback loop: actual vs. predicted consumption, model retraining
- Leistungsmodell: Gradient Boosting oder neuronale Netze, angepasst an Noon Reports und hochfrequente Sensoren, korrigiert um Wetter, Tiefgang und Bewuchs; physikalische Modelle bleiben als Vorwissen und Plausibilitätsprüfung erhalten.
- Optimierer: Klassische Algorithmen (Isochronenverfahren, Dijkstra/A* auf einem 3D-4D-Gitter, dynamische Programmierung) bleiben das Rückgrat; RL und gelernte Ersatzmodelle beschleunigen die Neuplanung.
- Kondensstreifen: Eine Prognose eisübersättigter Regionen (Feuchtefelder des ECMWF plus satellitenbasierte ML-Kalibrierung) fügt dem Flugplan einen Klimakostenterm hinzu.
- LLM-Schicht: Zusammenfassungen in natürlicher Sprache für Kapitäne, Charterer-Berichte und Was-wäre-wenn-Fragen oberhalb des Solvers (siehe OPT-018). Das LLM berechnet die Route nie.
- Mensch-in-der-Schleife (Human-in-the-Loop): Der Kapitän behält nach SOLAS und ISM-Code die letzte Entscheidung; bei Flügen Disponent und verantwortlicher Pilot. Sicherheitsvorgaben (Schwerwettergrenzen, Eis, Pirateriezonen, Verkehrstrennungsgebiete) sind harte Randbedingungen.
Datenaufbereitung
Benötigte Daten: Leistungskurven von Schiff oder Flugzeug, Noon Reports und Sensordaten (Kraftstofffluss, Geschwindigkeit, Tiefgang, Trimm), Wetter- und Meeresprognosen, Hafen- und Luftraumbeschränkungen, Charterpartie-Bedingungen und Kraftstoffpreise. In einer mittelständischen Reederei oder einem Charterbetrieb liegt das typischerweise in Excel-Noon-Reports, E-Mails, PDF-Chartervereinbarungen, dem Flottenmanagementsystem und dem ERP; auf der Flugseite im Flugbetriebssystem und in AIP-/NOTAM-Feeds.
Typische Lücken: von Hand getippte Noon Reports mit Fehlern, driftende Sensoren, nach Rumpfbewuchs veraltete Leistungskurven, Vertragsklauseln nur in gescannten PDFs sowie uneinheitliche Bezeichnungen von Schiffen oder Flughäfen in den Systemen.
Aufbereitungsschritte: Sensor- und Berichtsströme mit einem Zeitreihenspeicher verbinden; Berichte bereinigen und validieren (Ausreißerprüfungen, Vereinheitlichung der Einheiten); Leistungsmodelle aus aktuellen Daten neu schätzen; Geschwindigkeits- und Wetterklauseln aus Verträgen extrahieren, zum Beispiel mit DOC-014; eine gemeinsame Stammliste für Schiffe und Häfen festlegen. Wetterdaten werden als lizenzierter Feed gekauft, nicht aufbereitet.
Rechnen Sie mit einem mittleren Anteil am Aufwand, etwa 25-35 Prozent. Nützliche Verweise: PREP-005 für Systemexporte, PREP-011 für die Umwandlung von Excel-Berichten in saubere Tabellen, PREP-006 für gescannte Verträge und GUIDE-003.
Umsetzungswege
Welcher Weg für wen
- enterprise (A): Reedereien und Fluggesellschaften erhalten den größten Nutzen von etablierten Wetterrouting- und Flugplanungsprodukten mit zertifizierten Wetterdaten und Compliance-Berichten, die sich intern kaum nachbauen lassen.
- developer (B): Teams, die eigene Planungswerkzeuge bauen, kombinieren kommerzielle Wetter-APIs mit Optimierungs-Solvern und Leistungsmodellen für Schiff oder Flugzeug; der eigene Betrieb lohnt sich selten wegen der Lizenzierung der Wetterdaten.
Weg A — Kaufen (Standardsoftware) (empfohlen)
- Seeschifffahrt: StormGeo s-Suite (Norwegen, EU-nah), ZeroNorth (Dänemark, EU), DeepSea (Griechenland/UK, KI-basiertes Routing), Wärtsilä Fleet Operations Solution / Navi-Planner (Finnland, EU), Orbital/ Marorka-artige Leistungsüberwachung, NAPA (Finnland, EU), Weathernews (SPOS), Veson Nautical für das kommerzielle Reisemanagement.
- Luftfahrt: Lufthansa Systems Lido (Deutschland, EU), Sabre, Jeppesen, Navblue (Airbus, EU/Frankreich), Flightkeys (Österreich, EU); Kondensstreifendienste aus Pilotprojekten von Google Research/Breakthrough Energy mit Fluggesellschaften sowie von EU-Anbietern über Forschungsprojekte [4].
- Wählen Sie A, wenn: Ihre Flotte unter einigen Hundert Schiffen liegt oder Sie eine normale Fluggesellschaft sind; Sie klassifizierte oder zertifizierte Werkzeuge und Support rund um die Uhr benötigen. Prüfen Sie, welche Schiffsdaten Ihre Flotte verlassen und wo sie gehostet werden.
Weg B — Auf Cloud-KI-Diensten aufbauen
- Wetterdaten: Copernicus Marine Service und Copernicus Climate Data Store (kostenlos, EU), ECMWF Open Data und AIFS-Prognosen, NOAA GFS/WaveWatch III; kommerzielle APIs wie Meteomatics (Schweiz) oder StormGlass.
- Rechenleistung: Cloud-MIP-/CP-Solver (Gurobi, CP-SAT) oder eigene Dienste in einer Cloud in EU-Region; Streaming-Erfassung der Schiffstelemetrie (MQTT, Kafka).
- Wählen Sie B, wenn: Sie ein Betreiber mit eigenem Datenteam sind und proprietäre Zielfunktionen oder eine flottenweite Integration in Ihre eigene TCE- und ETS-Abrechnung benötigen.
Weg C — Selbst betreiben (Open Source)
- Routing und Wetter: quelloffenes Wetterrouting (OpenCPN-Plugin weather_routing, GRIB-Daten), Bibliotheken wie scikit-learn, XGBoost/LightGBM, PyTorch, OR-Tools, HiGHS; Trajektorienbibliotheken (z. B. OpenAP für Flugzeugleistung, pycontrails von Breakthrough Energy für die Kondensstreifenmodellierung [5]).
- Prognosemodelle: offene KI-Wettermodelle (ECMWF AIFS, GraphCast, Pangu-Weather) speisen Ensembles; siehe PRED-017.
- Hardware: HW1 für den Optimierer; Nachbearbeitung der Prognosen auf HW2/HW3, wenn Sie KI-Wettermodelle selbst betreiben. Betriebsaufwand: ein kleines Daten-/OR-Team.
Weg D — Eigenes Training
Lohnt sich für große Flotten mit hochfrequenten Sensordaten: schiffsspezifische Verbrauchsmodelle, Vorhersage von Rumpfbewuchs, RL-Strategien für die Neuplanung. Erfordert ein bis mehrere Jahre Reise- und Sensorhistorie; die Datenqualität (Fehler in Noon Reports, Sensordrift) ist der Hauptkostenfaktor.
Stand der Technik (2026)
- ML-Rumpf-/Verbrauchsmodelle ersetzen Probefahrtkurven; hybride Physik-ML-Modelle sind in führenden Produkten Standard. Fehler in der Wetterprognose bestimmen weiterhin das Einsparpotenzial.
- KI-Wettermodelle (AIFS, GraphCast und Nachfolger) liefern günstige Ensembles und ermöglichen risikobewusstes Routing statt einzelner deterministischer Routen.
- Compliance-bewusste Optimierung: ETS, FuelEU und CII sind inzwischen Teil der Kostenfunktion; Pooling und Kraftstoffmix werden auf Flottenebene optimiert.
- Kondensstreifenvermeidung ist von der Forschung in Versuche bei Fluggesellschaften gewandert; berichtete Ergebnisse der Versuche zeigen, dass die Vermeidung machbar ist, dass aber Prognosegenauigkeit und der unsichere Klimanutzen offene Fragen bleiben und die Vermeidung zusätzlichen Treibstoff kosten kann [4][5].
- Grenzen: Prognosefehler, verrauschte selbstberichtete Daten, Geschwindigkeitsvorgaben in Chartervereinbarungen (gespaltene Anreize zwischen Eigner und Charterer), Sicherheitsmargen und Rebound-Effekte (langsame Fahrt erhöht die benötigte Flottenkapazität). Einsparbehauptungen werden selten unabhängig überprüft.
Gemeinsame Bausteine & Kombinationen
- Gleiche Technik (Optimierungs-Solver + Zeitreihen + tabellarisches ML): OPT-001 Straßenrouting, OPT-005, OPT-008 Netzwerkgestaltung, OPT-037 Hafenbetrieb (Liegeplatz-ETAs speisen Ankunftsfenster).
- Daten: PRED-017 Wetterprognose, PRED-007 für Signale zu Energie-/Kraftstoffpreisen.
- Wiederherstellung: OPT-020 Störungsmanagement für die Neuplanung nach Verspätungen.
- LLM-Frontend: OPT-018 Was-wäre-wenn in natürlicher Sprache auf dem Optimierer.
Aufwand, Kosten & Kennzahlen
- Weg A: Wochen bis wenige Monate für die Einführung; SaaS-Preise meist je Schiff oder je Flug; die Hauptarbeit liegt in den Datenfeeds aus Sensoren/Noon Reports und in den Abläufen.
- Weg B/C: 6–12 Monate für ein Produktivsystem mit einem kleinen OR-/ML-Team und Lizenzen für Wetterdaten.
- Weg D: mehrjähriges Programm; gerechtfertigt für große Flotten.
- Kennzahlen: Treibstoff je Seemeile oder je Tonnenmeile, wetternormiert, CII-Wert und -Verlauf, vermiedene ETS- und FuelEU-Kosten, Wartezeit vor Anker, Prognosefehler von vorhergesagtem gegenüber tatsächlichem Verbrauch, Annahmequote der Empfehlungen durch Kapitäne, Sicherheitsvorfälle (dürfen nicht steigen).
Menschen & Veränderung
Die Leitung sowie die kaufmännische und die operative Leitung legen die Ziele fest (Treibstoff, Pünktlichkeit, Pflichten aus Chartervereinbarungen). Kapitäne, Offiziere, Disponenten und Piloten sind die Anwender; beziehen Sie sie früh ein, da sie die letzte Entscheidung über Route und Sicherheit behalten. IT und IT-Sicherheit verantworten die Anbindung der Schiffe und die Datenflüsse; Lieferanten (Wetter- und Routing-Anbieter, Charterer) sind Teil der Datenkette. Recht und Compliance prüfen die Folgen für Chartervereinbarungen sowie die Berichterstattung zu CII, ETS und FuelEU.
Betriebsrat: kommt darauf an. Wenn das Werkzeug das Verhalten einzelner Besatzungsmitglieder oder Piloten protokolliert oder die Leistung namentlich genannter Personen vergleicht, ist eine Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG wahrscheinlich; ein reiner Routenempfehler auf Flottenebene ist weniger kritisch. Beachten Sie, dass für Seeleute Sonderregeln gelten können (Seebetriebsrat); klären Sie dies früh. Informieren Sie den Betriebsrat bei geänderten Arbeitsabläufen rechtzeitig nach §90 BetrVG.
Datenschutz: Besatzungsdaten sind begrenzt, daher ist eine DSFA meist nicht nötig, solange keine individuelle Leistung bewertet wird; beziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten in jedem Fall ein. Führen Sie den Pilot auf wenigen Reisen im Schattenbetrieb gegenüber dem bestehenden Routing durch, messen Sie Treibstoff und Ankunftsgenauigkeit und begegnen Sie dem Hauptbedenken, dem Verlust seemännischen Könnens, indem die Empfehlung beratend bleibt und das Übersteuerungsrecht des Kapitäns ausdrücklich gilt. Planen Sie Maßnahmen zur KI-Kompetenz für Offiziere und Disponenten. Siehe GUIDE-009, GUIDE-008 und GUIDE-004.
Risiken, Regulierung & Compliance
- KI-Verordnung (AI Act): Beratendes Routing ist in der Regel Minimalrisiko. Systeme, die Sicherheitsbauteile regulierter Luftfahrt- oder Schifffahrtsprodukte sind, unterliegen der sektoralen Typzulassung, und die Hochrisiko-Regeln des AI Act erreichen Luftfahrt- und Schiffsausrüstung meist über delegierte Rechtsakte nach Sektorrecht; prüfen Sie die Produktkategorie. Die Pflicht zur KI-Kompetenz (Art. 4) gilt.
- DSGVO: meist keine personenbezogenen Daten; AIS- und Besatzungsdaten, Schiffsdatenschreiber und Überwachung an Bord können sich auf identifizierbare Besatzungsmitglieder beziehen (Leistungsüberwachung, Betriebsrat); wenden Sie Datenminimierung und Vereinbarungen mit dem Anbieter an.
- See- und Luftfahrtregeln: SOLAS, ISM und die übergeordnete Entscheidungsgewalt des Kapitäns; die Berichterstattung nach EU-MRV/ETS erfordert verifizierte Daten; FuelEU- und CII-Berichte müssen auf gemessenen Kraftstoff rückführbar sein. Cybersicherheit (IACS UR E26/E27) für vernetzte Schiffe.
- Risiken: übermäßiges Vertrauen in Empfehlungen bei schwerem Wetter, Datenmanipulation bei CII-/ETS-Berichten, kommerzielle Streitigkeiten über Leistungsansprüche aus Charter, Greenwashing mit nicht verifizierten Einsparungen.
- Gegenmaßnahmen: harte Sicherheitsvorgaben, Übersteuerung durch den Kapitän, Audit-Log von Empfehlungen und Entscheidungen, unabhängige Verifizierung der Einsparungen.
Erste Schritte
- Basis schaffen: Treibstoff-, Geschwindigkeits-, Tiefgang- und Wetterdaten für 12 Monate sammeln und Ihren CII und das ETS-Risiko je Schiff berechnen.
- Datenqualität der Noon Reports und Sensoren prüfen; fehlende Durchflussmesser nachrüsten.
- 2–3 Anbieter aus Weg A auf einer Handelsroute pilotieren, mit A/B-Vergleich gegenüber Reisen ohne Routing.
- Emissionskostenterme und Charterpartie-Randbedingungen in die Zielfunktion aufnehmen.
- Ergebnisse vierteljährlich mit den Kapitänen auswerten; Leistungsmodelle neu trainieren.
Quellen
- European Commission — EU Emissions Trading System (incl. maritime) — https://climate.ec.europa.eu/eu-action/carbon-markets/eu-emissions-trading-system-eu-ets_en
- European Commission — FuelEU Maritime — https://transport.ec.europa.eu/transport-modes/maritime/decarbonising-maritime-transport-fueleu-maritime_en
- IMO — Carbon Intensity Indicator (CII) — https://www.imo.org/en/MediaCentre/HotTopics/Pages/Reducing-greenhouse-gas-emissions-from-ships.aspx
- Google Research — Contrails project — https://sites.research.google/gr/contrails/
- pycontrails (Breakthrough Energy) — https://github.com/contrailcirrus/pycontrails
- OpenAP aircraft performance model — https://github.com/junzis/openap
- ECMWF — AIFS machine-learning forecasting — https://www.ecmwf.int/en/forecasts/datasets/aifs-machine-learning-data
- Copernicus Marine Service — https://marine.copernicus.eu
- Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj