Wer wir sind

Als Tochtergesellschaft eines internationalen Flughafens sind wir für die Bodenabfertigung von Fluggesellschaften verantwortlich. Unsere Leistungen umfassen unter anderem die Passagier-, Gepäck- und Rampenabfertigung sowie zahlreiche operative Dienstleistungen rund um die Flugzeugabfertigung.

Für eine effiziente Planung unserer Ressourcen ist die frühzeitige Erkennung von Verspätungen ein entscheidender Erfolgsfaktor. Moderne Methoden aus den Bereichen Data Science und Machine Learning bieten hierbei die Möglichkeit, historische Betriebsdaten zu nutzen, um zukünftige Entwicklungen vorherzusagen und operative Entscheidungen zu unterstützen.

Das Thema

Flugverspätungen beeinflussen nahezu alle Bereiche der Bodenabfertigung. Bereits geringe Abweichungen vom Flugplan können Auswirkungen auf die Einsatzplanung von Mitarbeitern, die Verfügbarkeit von Abfertigungsressourcen sowie die Koordination von Gepäck-, Passagier- und Rampenprozessen haben.

Im Rahmen dieser Bachelorarbeit soll untersucht werden, inwieweit sich Flugverspätungen anhand historischer Flugbewegungs- und Abfertigungsdaten vorhersagen lassen.

Ein besonderer Schwerpunkt liegt auf:

• saisonalen und zeitabhängigen Mustern in einem 24/7-Betrieb,
• der Analyse von Tages-, Wochen- und Jahreseffekten,
• der Identifikation und Behandlung von Ausreißern,
• sowie der Entwicklung robuster und interpretierbarer Vorhersagemodelle.

Die Arbeit bietet die Möglichkeit, mit realen Betriebsdaten aus der Luftverkehrsbranche zu arbeiten und einen direkten Beitrag zur Weiterentwicklung datengetriebener Entscheidungsunterstützung in der Bodenabfertigung zu leisten.

Deine Aufgaben

• Analyse und Aufbereitung historischer Flugbewegungs- und Abfertigungsdaten
• Untersuchung saisonaler Effekte und zeitlicher Muster im 24/7-Betrieb
• Analyse von Tages-, Wochen- und Jahreszyklen
• Identifikation und Bewertung von Ausreißern sowie außergewöhnlichen Verspätungsereignissen
• Entwicklung zusätzlicher Merkmale (Feature Engineering)
• Implementierung und Vergleich verschiedener Machine-Learning-Verfahren
• Bewertung der Modelle hinsichtlich Vorhersagequalität und Robustheit
• Ableitung von Handlungsempfehlungen für die operative Bodenabfertigung

Mögliche Forschungsfragen

• Wie zuverlässig lassen sich Flugverspätungen auf Basis historischer Betriebsdaten vorhersagen?
• Welche Faktoren beeinflussen das Verspätungsrisiko am stärksten?
• Welche saisonalen Muster treten im 24/7-Flugbetrieb auf?
• Wie unterscheiden sich Verspätungswahrscheinlichkeiten nach Tageszeit, Wochentag oder Jahreszeit?
• Welchen Einfluss haben Ausreißer und außergewöhnliche Ereignisse auf die Modellgüte?
• Welche Methoden ermöglichen robuste und gleichzeitig nachvollziehbare Vorhersagen?
• Welchen Mehrwert können solche Prognosen für die Ressourcen- und Personalplanung in der Bodenabfertigung schaffen?

Dein Profil

• Immatrikulierter Student Studium der Informatik, Data Science, Wirtschaftsinformatik, Mathematik, Luftverkehrsmanagement oder eines vergleichbaren Studiengangs
• Interesse an Data Analytics und Machine Learning
• Grundkenntnisse in Statistik und Datenanalyse
• Erste Erfahrungen mit Python, Pandas, Scikit-Learn oder vergleichbaren Werkzeugen sind von Vorteil
• Selbstständige und strukturierte Arbeitsweise
• Einwandfreier Leumund

Vergütung

Nach individueller Vereinbarung

Besetzungstermin

baldmöglichst