Kontextreiche Beschreibungen von Schiffsbewegungen in natürlicher Sprache

Forscher haben einen neuen Ansatz entwickelt, um Rohdaten von AIS (Automatic Identification System) in strukturierte, kontextreiche Darstellungen zu überführen, die sowohl für Menschen als auch für maschinelles Lernen leicht verständlich sind.

Das Herzstück des Systems ist ein kontextbewusstes Trajektorien-Abstraktionsframework, das verrauschte AIS-Sequenzen in einzelne, klare Fahrten unterteilt. Jede Fahrt besteht aus sauber segmentierten, mobilitätsannotierten Episoden, die anschließend mit Informationen aus mehreren Quellen angereichert werden – etwa geografische Nachbarschaftsobjekte, Offshore-Navigationsmerkmale und aktuelle Wetterbedingungen.

Dank dieser semantisch dichten Repräsentationen lassen sich kontrollierte, natürliche Sprachbeschreibungen mit großen Sprachmodellen (LLMs) generieren. Die Autoren haben die Qualität dieser Beschreibungen systematisch mit verschiedenen LLMs getestet und dabei die Leistung anhand von AIS-Daten und offenen Kontextdaten bewertet.

Durch die Reduktion der räumlich‑zeitlichen Komplexität und die Erhöhung der semantischen Dichte erleichtert die Methode die nachgelagerte Analyse und ermöglicht die nahtlose Integration von LLMs in hochrangige maritime Entscheidungsprozesse.