Transkription und Befehlsextraktion bei einsatzkritischem Funk (Flugsicherung, Schifffahrt, BOS-Funk)

Fluglotsen, Seeverkehrsdienste und Disponenten der Sicherheitsbehörden führen ihre Arbeit über Sprechfunk, und die meisten Anweisungen erreichen nie einen Computer, wenn sie niemand eintippt oder anklickt. Spracherkennung, die auf verrauschtes Schmalbandaudio und strikte Phraseologie abgestimmt ist, kann den Kanal transkribieren, gesprochene Anweisungen in strukturierte Daten umwandeln und mit den eigenen Eingaben des Lotsen abgleichen. Veröffentlichte SESAR-Ergebnisse zeigen eine Befehlserkennung von über 85 % und weniger manuelle Eingaben; die Technik wandert von der Forschung in zertifizierte Entscheidungsunterstützung, nicht in autonome Steuerung.

Problem & Nutzen

• Heute: Ein Lotse hört „Lufthansa 4 Alpha Bravo, descend flight level 120, turn left heading 250“ und muss dann Flugfläche und Kurs von Hand in den Flugstreifen, das Label oder das CPDLC-System eingeben. Eingaben erhöhen die Arbeitsbelastung, können verspätet oder falsch sein, und ein Readback-Fehler des Piloten kann unbemerkt bleiben. Seeverkehrsdienste (VTS) und BOS-Leitstellen (Sicherheitsbehörden) protokollieren den Funkverkehr meist durch Aufzeichnung und Abhören im Nachhinein.
• KI-Nutzen: automatische Vorbefüllung der Lotseneingaben, Erkennung von Readback-/Hearback-Abweichungen, durchsuchbare Transkripte für Vorfalluntersuchung und Qualitätsprüfung, objektive Messung der Arbeitsbelastung und KI-Pseudo-Piloten, die menschliches Personal in Trainingssimulatoren ersetzen.
• Belegte Evidenz: Das SESAR-Projekt HAAWAII (Idiap, DLR und Partner mit Isavia, NATS und anderen) berichtete in einsatznahen Tests von Wortfehlerraten unter 5 % und einer Befehlserkennung von über 85 %; das Projekt ATCO2 veröffentlichte einen öffentlichen Flugsicherungskorpus und eine Pipeline für offene Forschung [1][2][3]. Behandeln Sie die Zahlen als luftraum- und akzentspezifisch, nicht als Garantien.

Varianten

• Flugsicherung (Kern): Streckenflug, Anflug und Tower; Befehlsextraktion in elektronische Flugstreifen und Radar-Labels, Readback-Prüfung, Sicherheitsnetze (z. B. Freigabekonformität), Schätzung der Lotsenbelastung.
• Flugsicherungstraining und Simulation: ASR plus synthetische Piloten (TTS, siehe SPEECH-006) ersetzen „Pseudo-Piloten“; Verbindung zu EDU-010.
• Schifffahrt: VTS-Zentralen, Hafenbehörden und GMDSS-UKW-Kanäle; die IMO Standard Marine Communication Phrases machen die Sprache halbstrukturiert, aber mehrsprachig und stark akzentgeprägt.
• BOS-/Sicherheitsfunk (TETRA, Digitalfunk): Transkription und Stichwortsuche im Leitstellenfunk für Einsatzzentralen und Protokollierung; deutlich weniger eingeschränkt als die Flugsicherung, daher geringere Genauigkeit. Die Triage von Notrufen wird gesondert in SPEECH-016 und CONV-021 behandelt.

So funktioniert es

1. UKW-/VHF-/UHF-Funk + PTT-Signal (oder aufgezeichnetes Audio)
2. Segmentierung nach Sprechtaste / Sprachaktivitätserkennung
3. ASR für Schmalbandsprache (Akustikmodell + Domänen-Sprachmodell / Biasing)
4. Kontext-Biasing mit aktueller Rufzeichenliste, Wegpunkten, Sektordaten aus der Überwachung
5. Sprachverständnis: NER + Befehlsparser (Rufzeichen, Befehl, Wert, Einheit)
6. Validierung gegen Phraseologie-Grammatik und Plausibilität (Flugfläche, Kursbereiche)
7. Ausgabe: HMI-Vorschlag (Vorbefüllung, Lotse bestätigt) | Readback-Prüfung | Warnung | Transkriptspeicher

• ASR: Durchgängige Transformer-Modelle (Klasse wav2vec 2.0, Klasse Whisper, Conformer), auf Flugsicherungssprache feingetunt, ersetzen die älteren hybriden Kaldi-Systeme. Der wichtigste Gewinn kommt aus dem Kontext-Biasing: Dem Decoder wird mitgeteilt, welche Rufzeichen sich gerade im Sektor befinden, was Rufzeichenfehler stark senkt.
• Verständnis: Ein kleines Regel-/NER-Modell oder kompaktes LLM bildet das Transkript auf ein geschlossenes Befehlsschema ab (ICAO-Phraseologie). Eine freie LLM-Interpretation wird für operative Ausgaben bewusst vermieden; nutzen Sie eingeschränktes Parsing und weisen Sie Ergebnisse außerhalb der Grammatik zurück.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Lotse sieht den Vorschlag immer und bestätigt (oder ignoriert) ihn. Den Piloten zu hören und zu verstehen bleibt eine menschliche Aufgabe; die KI ist ein zweiter Leser, nicht der Entscheider.

Datenaufbereitung

Die Datenaufbereitung ist der größte Teil dieses Anwendungsfalls (etwa 60-70 % des Aufwands). Quellmaterial: Funkaudio und Sprechtasten-Metadaten aus Sprachrekordern und Protokollierungssystemen sowie Überwachungs- und Flugplandaten (Rufzeichen, Wegpunkte, Sektoren) aus dem ATM- oder Leitstellensystem. Diese liegen typischerweise in proprietären Rekordern, Band- oder WAV-Archiven und operativen Datenbanken, oft mit eingeschränktem Zugriff.

Typische Lücken: verrauschtes 8-kHz-Schmalbandaudio, keine Transkripte, uneinheitliche lokale Phraseologie, fehlende zeitliche Zuordnung zu Überwachungsdaten sowie strenge Zugriffsrechte und Aufbewahrungsfristen. - Aufnahmen exportieren und konvertieren in ein Standardformat (PREP-005, PREP-007). - Ein Gold-Set transkribieren: Mehrere hundert Stunden müssen von Lotsen oder Disponenten manuell transkribiert werden; beginnen Sie mit einigen Stunden als Evaluationsset (PREP-018, PREP-016). - Listen mit Rufzeichen, Wegpunkten und Phraseologie für das Kontext-Biasing (PREP-015). - Segmentieren nach Sprechtaste mit VAD; Befehle gegen ein geschlossenes Schema annotieren (PREP-019). - Schützen: Stimmen sind personenbezogene Daten; Aufbewahrungsfristen und Pseudonymisierung anwenden (PREP-022).

Werkzeuge: Audacity/ffmpeg, pyannote, Label Studio, Kaldi- oder NeMo-Tooling.

Datenaufbereitung

Die Datenaufbereitung ist der größte Teil dieses Anwendungsfalls (etwa 60-70 % des Aufwands). Quellmaterial: Funkaudio und Sprechtasten-Metadaten aus Sprachrekordern und Protokollierungssystemen sowie Überwachungs- und Flugplandaten (Rufzeichen, Wegpunkte, Sektoren) aus dem ATM- oder Leitstellensystem. Diese liegen typischerweise in proprietären Rekordern, Band- oder WAV-Archiven und operativen Datenbanken, oft mit eingeschränktem Zugriff.

Typische Lücken: verrauschtes 8-kHz-Schmalbandaudio, keine Transkripte, uneinheitliche lokale Phraseologie, fehlende zeitliche Zuordnung zu Überwachungsdaten sowie strenge Zugriffsrechte und Aufbewahrungsfristen. - Aufnahmen exportieren und konvertieren in ein Standardformat (PREP-005, PREP-007). - Ein Gold-Set transkribieren: Mehrere hundert Stunden müssen von Lotsen oder Disponenten manuell transkribiert werden; beginnen Sie mit einigen Stunden als Evaluationsset (PREP-018, PREP-016). - Listen mit Rufzeichen, Wegpunkten und Phraseologie für das Kontext-Biasing (PREP-015). - Segmentieren nach Sprechtaste mit VAD; Befehle gegen ein geschlossenes Schema annotieren (PREP-019). - Schützen: Stimmen sind personenbezogene Daten; Aufbewahrungsfristen und Pseudonymisierung anwenden (PREP-022).

Werkzeuge: Audacity/ffmpeg, pyannote, Label Studio, Kaldi- oder NeMo-Tooling.

Datenaufbereitung

Die Datenaufbereitung ist der größte Teil dieses Anwendungsfalls (etwa 60-70 % des Aufwands). Quellmaterial: Funkaudio und Sprechtasten-Metadaten aus Sprachrekordern und Protokollierungssystemen sowie Überwachungs- und Flugplandaten (Rufzeichen, Wegpunkte, Sektoren) aus dem ATM- oder Leitstellensystem. Diese liegen typischerweise in proprietären Rekordern, Band- oder WAV-Archiven und operativen Datenbanken, oft mit eingeschränktem Zugriff.

Typische Lücken: verrauschtes 8-kHz-Schmalbandaudio, keine Transkripte, uneinheitliche lokale Phraseologie, fehlende zeitliche Zuordnung zu Überwachungsdaten sowie strenge Zugriffsrechte und Aufbewahrungsfristen. - Aufnahmen exportieren und konvertieren in ein Standardformat (PREP-005, PREP-007). - Ein Gold-Set transkribieren: Mehrere hundert Stunden müssen von Lotsen oder Disponenten manuell transkribiert werden; beginnen Sie mit einigen Stunden als Evaluationsset (PREP-018, PREP-016). - Listen mit Rufzeichen, Wegpunkten und Phraseologie für das Kontext-Biasing (PREP-015). - Segmentieren nach Sprechtaste mit VAD; Befehle gegen ein geschlossenes Schema annotieren (PREP-019). - Schützen: Stimmen sind personenbezogene Daten; Aufbewahrungsfristen und Pseudonymisierung anwenden (PREP-022).

Werkzeuge: Audacity/ffmpeg, pyannote, Label Studio, Kaldi- oder NeMo-Tooling.

Umsetzungswege

Welcher Weg für wen

• Unternehmen: Weg C. Funkverkehr ist sensibel und betrieblich kritisch; Open-Source-ASR On-Premises auf aufgezeichnetem Audio schafft Kontrolle und Kostenstabilität, während operative Lotsenarbeitsplätze über den ATM-Anbieter angebunden werden.
• Entwickler: Weg C. Whisper-, NeMo- und wav2vec-2.0-Modelle, feingetunt auf Flugsicherungsdaten (z. B. ATCO2), laufen auf HW2 und geben volle Kontrolle über Biasing und Parsing.
• Öffentliche Hand: Weg C. Behörden und Leitstellen brauchen einen souveränen Betrieb On-Premises; zertifizierte Anbietermodule (Weg A) kommen dort zum Einsatz, wo ein operativer Sicherheitsnachweis erforderlich ist.

Welcher Weg für wen

• Unternehmen: Weg C. Funkverkehr ist sensibel und betrieblich kritisch; Open-Source-ASR On-Premises auf aufgezeichnetem Audio schafft Kontrolle und Kostenstabilität, während operative Lotsenarbeitsplätze über den ATM-Anbieter angebunden werden.
• Entwickler: Weg C. Whisper-, NeMo- und wav2vec-2.0-Modelle, feingetunt auf Flugsicherungsdaten (z. B. ATCO2), laufen auf HW2 und geben volle Kontrolle über Biasing und Parsing.
• Öffentliche Hand: Weg C. Behörden und Leitstellen brauchen einen souveränen Betrieb On-Premises; zertifizierte Anbietermodule (Weg A) kommen dort zum Einsatz, wo ein operativer Sicherheitsnachweis erforderlich ist.

Welcher Weg für wen

• Unternehmen: Weg C. Funkverkehr ist sensibel und betrieblich kritisch; Open-Source-ASR On-Premises auf aufgezeichnetem Audio schafft Kontrolle und Kostenstabilität, während operative Lotsenarbeitsplätze über den ATM-Anbieter angebunden werden.
• Entwickler: Weg C. Whisper-, NeMo- und wav2vec-2.0-Modelle, feingetunt auf Flugsicherungsdaten (z. B. ATCO2), laufen auf HW2 und geben volle Kontrolle über Biasing und Parsing.
• Öffentliche Hand: Weg C. Behörden und Leitstellen brauchen einen souveränen Betrieb On-Premises; zertifizierte Anbietermodule (Weg A) kommen dort zum Einsatz, wo ein operativer Sicherheitsnachweis erforderlich ist.

Weg A — Kaufen (Standardsoftware) (für zertifizierten operativen Einsatz)

• ATM-Systemanbieter integrieren Spracherkennung in Lotsenarbeitsplätze: Thales (FR), Frequentis (AT), Indra (ES), Leonardo (IT), Saab (SE), Raytheon / Collins und Searidge (CA, KI-basierte Tower-Werkzeuge). Prüfen Sie Roadmaps mit Ihrem Flugsicherungsdienstleister (Air Navigation Service Provider, ANSP) wie DFS, DSNA, Austro Control, NATS oder Isavia; die meisten von ihnen haben Pilotprojekte mit Forschungspartnern.
• Schifffahrt und öffentliche Sicherheit: VTS-Anbieter (Kongsberg, Saab, Frequentis) und Leitstellenlieferanten (Frequentis, Motorola Solutions, Hexagon, Leonardo) bieten Aufzeichnung/Protokollierung mit Speech-to-Text-Modulen. Prüfen Sie den Betrieb On-Premises und Hosting in der EU.
• A wählen, wenn: Sie ein ANSP, eine Hafenbehörde oder ein Leitstellenbetreiber sind und zertifizierte, unterstützte operative Werkzeuge brauchen; einen sicherheitsrelevanten Stack selbst zu bauen lohnt sich selten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Allgemeine Cloud-ASR (Azure AI Speech, Google Chirp, AWS Transcribe, Deepgram, Speechmatics (UK), Mistral Voxtral (FR), AssemblyAI) kann aufgezeichneten oder wenig kritischen Verkehr transkribieren, idealerweise mit benutzerdefinierten Vokabularen/Phrasenlisten für Rufzeichen und Wegpunkte. Die Genauigkeit auf verrauschtem 8-kHz-Flugsicherungsaudio ist ohne Anpassung deutlich schlechter als bei domänenspezifisch abgestimmten Modellen; führen Sie daher zuerst einen Benchmark mit eigenen Aufnahmen durch.

Weg C — Selbst betreiben (Open Source)

• Modelle/Werkzeuge: Whisper (large-v3 / turbo) mit faster-whisper oder whisper.cpp, NVIDIA NeMo (Parakeet/Canary, FastConformer), wav2vec 2.0 / XLS-R über Hugging Face, Kaldi und Vosk für schlanke Setups; pyannote zur Segmentierung, wo PTT-Daten fehlen; spaCy oder kleine LLMs für das Parsen von Befehlen.
• Hardware: HW1 für einen einzelnen Echtzeitkanal auf einer guten CPU/Jetson; HW2 (eine GPU mit 24-32 GB) für 10-30 parallele Kanäle plus Feintuning kleiner Modelle. Redundanz und Überwachung sind wichtiger als die reine GPU-Größe.

Weg D — Eigenes Training

Für operative Qualität fast immer nötig. Sammeln Sie mehrere hundert Stunden transkribiertes Audio des lokalen Sektors (Akzente, Frequenzen, lokale Phraseologie), tunen Sie ein offenes Modell fein, ergänzen Sie ein Domänen-Sprachmodell und Kontext-Biasing und validieren Sie je Luftraum. Auf ATCO2 vortrainieren [3][4], auf lokalen Daten anpassen.

Stand der Technik (2026)

• ASR: Feingetunte Ende-zu-Ende-Modelle erreichen auf sauberen Flugsicherungs-Testsets Wortfehlerraten im niedrigen einstelligen Bereich; generische Modelle ohne Anpassung sind auf echtem Funkaudio oft um eine Größenordnung schlechter. Die Erkennung von Rufzeichen und Zahlenfolgen ist am schwierigsten, da eine einzige falsche Ziffer die Bedeutung ändert. HAAWAII und spätere SESAR-Arbeiten (z. B. Digital Technologies for ATM / Solutions) zeigen, dass Biasing mit Überwachungsdaten einen Großteil dieser Lücke schließt [1][2].
• Verständnis: Die Befehlsextraktion bei Standardphraseologie ist weitgehend gelöst; nicht standardisierte Phraseologie, Sprachwechsel zwischen Englisch und Landessprache und Korrekturen („disregard, descend level 100“) bleiben Fehlerquellen.
• Grenzen: schlechte Funkqualität, hängende Mikrofone, überlappende Sendungen, stressbedingte Sprechweise, seltene Rufzeichen und Akzente. Falschmeldungen, die plausibel aussehen, sind gefährlicher als verpasste Erkennungen, daher sollten Systeme Vorschläge mit Konfidenz anzeigen und nie autonom handeln.

Gemeinsame Bausteine & Kombinationen

• Gleicher ASR-Kern: SPEECH-001 und SPEECH-005 (allgemeine Transkription und Diktat), SPEECH-011 (Sprachsteuerung mit geschlossener Grammatik), SPEECH-004 (Untertitelung). Ein domänenangepasster ASR-Dienst kann mehrere Kanäle bedienen.
• Synthetische Piloten: SPEECH-006 (TTS) und EDU-010 (Simulationstraining).

Aufwand, Kosten & Kennzahlen

• Weg A: Quartale; Beschaffung, Integration in das ATM-System, Sicherheitsnachweis mit dem ANSP. Die Kosten liegen überwiegend in Anbieterlizenzen und Zertifizierungsaufwand.
• Weg B/C: 3-6 Monate für einen Pilot zur Analyse aufgezeichneten Audios; 12-24 Monate für operative Entscheidungsunterstützung einschließlich Sicherheitsbewertung.
• Kennzahlen: Wort- und Rufzeichenfehlerrate je Sektor, Befehlserkennungsrate (Befehl + Wert korrekt), Rate falscher Warnungen pro Stunde, Latenz, pro Stunde eingesparte Lotseneingaben, gefundene Readback-Abweichungen, Akzeptanz bei den Lotsen (Fragebögen zur Arbeitsbelastung).

Menschen & Veränderung

Beziehen Sie von Anfang an die Geschäftsleitung, die Fachbereichsleitung (Betriebs- oder Schichtleitung) und die Endnutzer (Lotsen, Disponenten) ein, denn sie sind die Experten für die Gold-Standard-Transkripte. Holen Sie IT, IT-Sicherheit, Recht/Compliance, die/den Datenschutzbeauftragte(n) und den Betriebsrat hinzu, bevor Aufzeichnungen ausgewertet werden. Bei Flugsicherungsdienstleistern und öffentlichen Leitstellen ist der Personalrat der Ansprechpartner.

Betriebsrat: ja. Die Analyse aufgezeichneten Funkverkehrs identifizierbarer Beschäftigter ist objektiv geeignet, Verhalten und Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG); zudem §90 Abs. 1 Nr. 3 für KI-gestützte Arbeitsprozesse. Vereinbaren Sie ausdrücklich, dass die Auswertungen der Sicherheit dienen und nicht der individuellen Leistungsbewertung (GUIDE-004).

Eine DSFA ist wahrscheinlich (Sprachaufzeichnungen, systematische Verarbeitung); AVV für jeden Auftragsverarbeiter (GUIDE-005). KI-Kompetenz: Schulen Sie Lotsen zu Fehlermustern und Grenzen als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Beginnen Sie mit der Offline-Analyse aufgezeichneten Verkehrs in einer kleinen Pilotgruppe, mit Go-/No-go-Kriterien, die mit der Sicherheitsabteilung vereinbart werden (GUIDE-009). Typische Sorge: Automatisierung ersetzt den Lotsen; stellen Sie klar, dass die KI ein zweiter Leser ist und der Mensch jede operative Ausgabe bestätigt.

Menschen & Veränderung

Beziehen Sie von Anfang an die Geschäftsleitung, die Fachbereichsleitung (Betriebs- oder Schichtleitung) und die Endnutzer (Lotsen, Disponenten) ein, denn sie sind die Experten für die Gold-Standard-Transkripte. Holen Sie IT, IT-Sicherheit, Recht/Compliance, die/den Datenschutzbeauftragte(n) und den Betriebsrat hinzu, bevor Aufzeichnungen ausgewertet werden. Bei Flugsicherungsdienstleistern und öffentlichen Leitstellen ist der Personalrat der Ansprechpartner.

Betriebsrat: ja. Die Analyse aufgezeichneten Funkverkehrs identifizierbarer Beschäftigter ist objektiv geeignet, Verhalten und Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG); zudem §90 Abs. 1 Nr. 3 für KI-gestützte Arbeitsprozesse. Vereinbaren Sie ausdrücklich, dass die Auswertungen der Sicherheit dienen und nicht der individuellen Leistungsbewertung (GUIDE-004).

Eine DSFA ist wahrscheinlich (Sprachaufzeichnungen, systematische Verarbeitung); AVV für jeden Auftragsverarbeiter (GUIDE-005). KI-Kompetenz: Schulen Sie Lotsen zu Fehlermustern und Grenzen als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Beginnen Sie mit der Offline-Analyse aufgezeichneten Verkehrs in einer kleinen Pilotgruppe, mit Go-/No-go-Kriterien, die mit der Sicherheitsabteilung vereinbart werden (GUIDE-009). Typische Sorge: Automatisierung ersetzt den Lotsen; stellen Sie klar, dass die KI ein zweiter Leser ist und der Mensch jede operative Ausgabe bestätigt.

Menschen & Veränderung

Beziehen Sie von Anfang an die Geschäftsleitung, die Fachbereichsleitung (Betriebs- oder Schichtleitung) und die Endnutzer (Lotsen, Disponenten) ein, denn sie sind die Experten für die Gold-Standard-Transkripte. Holen Sie IT, IT-Sicherheit, Recht/Compliance, die/den Datenschutzbeauftragte(n) und den Betriebsrat hinzu, bevor Aufzeichnungen ausgewertet werden. Bei Flugsicherungsdienstleistern und öffentlichen Leitstellen ist der Personalrat der Ansprechpartner.

Betriebsrat: ja. Die Analyse aufgezeichneten Funkverkehrs identifizierbarer Beschäftigter ist objektiv geeignet, Verhalten und Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG); zudem §90 Abs. 1 Nr. 3 für KI-gestützte Arbeitsprozesse. Vereinbaren Sie ausdrücklich, dass die Auswertungen der Sicherheit dienen und nicht der individuellen Leistungsbewertung (GUIDE-004).

Eine DSFA ist wahrscheinlich (Sprachaufzeichnungen, systematische Verarbeitung); AVV für jeden Auftragsverarbeiter (GUIDE-005). KI-Kompetenz: Schulen Sie Lotsen zu Fehlermustern und Grenzen als Unterstützungsmaßnahme nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Beginnen Sie mit der Offline-Analyse aufgezeichneten Verkehrs in einer kleinen Pilotgruppe, mit Go-/No-go-Kriterien, die mit der Sicherheitsabteilung vereinbart werden (GUIDE-009). Typische Sorge: Automatisierung ersetzt den Lotsen; stellen Sie klar, dass die KI ein zweiter Leser ist und der Mensch jede operative Ausgabe bestätigt.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act) (kommt darauf an): Anhang III nennt Sicherheitskomponenten kritischer Infrastruktur für Straßenverkehr und Versorgungsnetze, nicht für den Luftverkehr. Die Luftfahrt fällt unter Anhang I Abschnitt B (Verordnung (EU) 2018/1139, EASA), wo nur Teile der KI-Verordnung unmittelbar gelten; die Hochrisiko-Anforderungen werden über künftige delegierte Rechtsakte der EASA eingebracht, sodass die Zertifizierung hauptsächlich über die Sicherheitsnachweise nach EASA/SESAR läuft. Die Transkription von Behördenfunk zur Protokollierung gilt typischerweise als begrenztes oder minimales Risiko. Prüfen Sie Art. 4 (KI-Kompetenz) für die Betreiber [6].
• Verbote nach Art. 5: Setzen Sie das System nicht zur Emotionserkennung bei Beschäftigten (Lotsen, Piloten, Disponenten) am Arbeitsplatz ein, z. B. zur Erkennung von Stress oder Ermüdung anhand der Stimme (verboten; enge medizinische/sicherheitsbezogene Ausnahmen werden streng ausgelegt). Die Messung der Arbeitsbelastung muss Sprechaktivität und Aufgabenzahlen nutzen, nicht den emotionalen Zustand. Die stimmbasierte Einzelidentifikation von Besatzungen oder Einsatzkräften zur Leistungsüberwachung erfordert eine gesonderte rechtliche Bewertung.
• DSGVO: Funkaufzeichnungen enthalten personenbezogene Daten (Stimme, Namen, Rufzeichen mit Bezug zur Besatzung). Erforderlich sind eine Rechtsgrundlage (öffentliche Aufgabe, Sicherheitspflichten), Aufbewahrungsfristen, Zugriffskontrolle, Einbindung des Betriebsrats (Deutschland: BetrVG/PersVG) und eine DSFA. Inhalte des Behördenfunks können Gesundheits- und Strafdaten umfassen.
• Betriebliche Risiken und Gegenmaßnahmen: Automation Bias (auf Bestätigung auslegen, Konfidenz anzeigen, Lotsen schulen); falsch erkannte Zahlen (Doppeleingabeprüfung gegen Überwachungsdaten); eingeschränkte Betriebsarten (Rückfall auf manuelle Eingabe); Sicherheit der Audiokette; Modelldrift zwischen Lufträumen (Überwachung und erneute Validierung).

Erste Schritte

1. Den Umfang festlegen (zuerst Auswertung nach dem Ereignis oder Trainingssimulator; den Live-Betrieb zu Beginn vermeiden) und Sicherheit, Datenschutz und Personalvertretung einbinden.
2. 20-50 Stunden lokales Funkaudio sammeln und rechtmäßig aufbereiten; Fachleute ein Testset von 2-5 Stunden transkribieren lassen.
3. Ein offenes Modell (Whisper, NeMo, wav2vec 2.0) und eine kommerzielle ASR auf diesem Set vergleichen; Wort-, Rufzeichen- und Befehlsfehlerraten messen.
4. Rufzeichen-Biasing und eine geschlossene Befehlsgrammatik ergänzen; erneut messen und dann vor jedem Sicherheitsnachweis im Schattenbetrieb mit Lotsen laufen lassen.

Quellen

1. SESAR Joint Undertaking — HAAWAII project (Highly Automated Air traffic controller Workstations with Artificial Intelligence Integration) — https://www.sesarju.eu/projects/haawaii
2. Idiap Research Institute — HAAWAII speech recognition for air traffic control — https://www.idiap.ch/en/scientific-research/projects/haawaii
3. ATCO2 project — Automatic understanding of air traffic control communications — https://www.atco2.org/
4. Zuluaga-Gomez et al. — ATCO2 corpus: a large-scale dataset for research on automatic speech recognition and natural language understanding of air traffic control communications — https://arxiv.org/abs/2211.04054
5. EASA — Artificial Intelligence Roadmap and concept paper on guidance for machine learning applications — https://www.easa.europa.eu/en/domains/research-innovation/ai
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. OpenAI Whisper — https://github.com/openai/whisper
8. NVIDIA NeMo ASR — https://github.com/NVIDIA/NeMo