Datengetriebene Jetfuel-Prognose: Erfolgreiche Fallstudie am Flughafen Kopenhagen
Eine präzise Vorhersage des Jetfuel-Bedarfs ist für die Optimierung der Lieferketten in der Luftfahrtbranche unverzichtbar. Besonders Treibstoffhändler benötigen genaue Schätzungen, um Engpässe oder Überbestände zu vermeiden. Trotz dieser Notwendigkeit gibt es bislang nur wenige Untersuchungen, die maschinelles Lernen zur Prognose einsetzen; stattdessen greifen viele Fachleute auf deterministische oder Expertenmodelle zurück.
