LLM-gestütztes Wissensnetz stärkt Luftfahrt-Sicherheit

Die Integration von Large Language Models (LLMs) in die Entscheidungsfindung der Luftfahrt stellt einen bedeutenden technologischen Fortschritt dar. Gleichzeitig birgt die alleinige Nutzung dieser Modelle erhebliche Risiken, da sie häufig Faktenfehler, Halluzinationen und mangelnde Verifizierbarkeit aufweisen – Eigenschaften, die in sicherheitskritischen Bereichen nicht tolerierbar sind.

Um diesen Herausforderungen zu begegnen, präsentiert die Studie ein neuartiges End‑to‑End‑Framework, das LLMs und Knowledge Graphs (KGs) synergistisch kombiniert. Ziel ist es, die Vertrauenswürdigkeit von Sicherheitsanalysen signifikant zu erhöhen.

Das System arbeitet in zwei Phasen. Zunächst werden LLMs eingesetzt, um aus multimodalen Quellen automatisch einen Aviation Safety Knowledge Graph (ASKG) zu erstellen und kontinuierlich zu aktualisieren. Dieser Graph bildet das zentrale Wissensrepository.

In der zweiten Phase nutzt das Framework den gepflegten KG innerhalb einer Retrieval‑Augmented Generation (RAG) Architektur. Dadurch werden LLM‑generierte Antworten mit verifizierbaren Fakten untermauert, erklärt und validiert.

Ergebnisse zeigen, dass das kombinierte Modell die Genauigkeit und Nachvollziehbarkeit deutlich verbessert, komplexe Abfragen unterstützt und Halluzinationen reduziert. Die gewonnenen Erkenntnisse sind kontextsensitiv und verifizierbar – ein entscheidender Schritt, um die strengen Zuverlässigkeitsanforderungen der Luftfahrtindustrie zu erfüllen.

Zukünftige Arbeiten werden sich auf die Optimierung der Beziehungsextraktion und die Integration hybrider Retrieval‑Mechanismen konzentrieren, um die Leistungsfähigkeit des Frameworks weiter zu steigern.