Das AWARE-Projekt entwickelt eine Lösung, die darauf abzielt, die Mensch-Maschine-Kollaboration im Bereich der Flugsicherung zu verbessern. Der Schwerpunkt liegt auf der Schaffung eines gemeinsamen Situationsbewusstseins und der Grundlage für eine weitergehende, auf maschinellem Lernen (ML) basierende Automatisierung im Luftverkehrsmanagement. Hierfür werden folgende Elemente entwickelt: (1) ein erweitertes "artificial situation awareness system", das Methoden zur Erfassung der Absichten und Ziele von Fluglotsen integriert, und (2) eine Methode zur anpassungsfähigen Auswahl und Implementierung von Unterstützungsmassnahmen für Fluglotsen, die sowohl auf ML- als auch auf nicht-ML-Tools basiert.

Dazu ist die Fähigkeit erforderlich, die visuelle Aufmerksamkeit des Menschen in Kombination mit weiteren Eingaben an der Mensch-Maschine-Schnittstelle zu verfolgen und diese durch Kontextualisierung der aktuellen Verkehrssituation mit Bedeutung zu versehen. Das Projekt erforscht Methoden zur Identifikation von Verlusten des Situationsbewusstseins (von unzureichender Selektivität über eingeschränktes Situationsbewusstsein bis hin zum vollständigen „Out-of-the-Loop“-Zustand) und untersucht Möglichkeiten, den Menschen wieder aktiv in den Prozess einzubinden.

Darüber hinaus wird das Projekt Spezifikationen für die Interoperabilität mit anderen Systemen und Rollen im Luftverkehrsmanagement (z. B. ATSEP, FMP) definieren, um die Vorteile des "artificial situation awareness system" über taktische Fluglotsenoperationen hinaus zu erforschen. Dazu gehören potenzielle Vorteile für den Zertifizierungsprozess, Cybersicherheitsaspekte und neue Bedrohungen sowie mögliche Verbesserungen im Bereich der prä-taktischen Operationen.

Das Ziel des Projekts ist es, die Mensch-Maschine-Kollaboration durch ein künstliches Situationsbewusstseinssystem zu verbessern, das es der KI ermöglicht, menschliche Bedürfnisse zu antizipieren und darauf zu reagieren, indem sie menschliche Absichten und Ziele versteht. Während Menschen umfassend darin geschult sind, die Fähigkeiten, Einschränkungen und Funktionsweise der von ihnen verwendeten Maschinen zu verstehen, werden weitere Fortschritte in der Mensch-Maschine-Kollaboration derzeit durch das fehlende Bewusstsein der Maschinen für die Absichten des Menschen behindert.

Im Rahmen des Projekts wird eine KI-Assistent:innen-Anwendung entwickelt und getestet, die anpassungsfähige, menschenzentrierte Unterstützung bietet, um die Leistung von Fluglotsen (ATCOs) zu verbessern und deren Arbeitsbelastung trotz hoher Aufgabenkomplexität zu reduzieren. Dies soll durch die Entwicklung einer Mensch-Maschine-Kollaborationsumgebung erreicht werden, die auf der Erkennung von ATCO-Absichten, dem Situationsbewusstsein der ATCOs (im Vergleich zum maschinellen Situationsbewusstsein) und der mentalen Belastung der ATCOs basiert. Die Absichten der ATCOs werden analysiert, indem ihre visuelle Aufmerksamkeit sowie Interaktionen mit der Maschine verfolgt und mit den von dem künstlichen Situationsbewusstseinssystem bewerteten Aufgaben verglichen werden, die gelöst werden müssen.

Anpassungsfähige Unterstützung wird entweder bei der Lösung der aktuellen Aufgabe geboten, auf die sich der ATCO konzentriert, oder bei der autonomen Lösung einer davon losgelösten Aufgabe angeboten. Dies ermöglicht es ATCOs, ihre Fähigkeiten und ihr Fachwissen zu erhalten und gleichzeitig einen Wechsel zur reinen Überwachungsfunktion zu vermeiden, der nachweislich die menschliche Fähigkeit zur Übernahme in Situationen mit eingeschränkter Automatisierung beeinträchtigt.

Ein zentrales Ziel des anpassungsfähigen und in Bezug auf den Menschen orientierten Systems besteht darin, ATCOs in einer aktiven Rolle zu halten und ihnen zu ermöglichen, ihre Fähigkeiten und ihr Fachwissen im Arbeitsprozess weiterzuentwickeln, während höhere Automatisierungsstufen selektiv eingesetzt werden, um die Kapazität zu erhöhen. ATCOs werden bei ihren Aufgaben unterstützt, anstatt durch Automatisierung ersetzt zu werden. Es wird erwartet, dass ATCOs in der Lage sein werden, hochkomplexe Szenarien effektiver zu bewältigen, wenn sie von einem Assistenzsystem unterstützt werden, das bezüglich ihrer visuellen Aufmerksamkeit und Intention bewusst ist. Die Arbeitsbelastung der ATCOs sollte durch den Einsatz von Unterstützungsfunktionen abnehmen.