Problemstellung

Die steigende Zahl von Rettungseinsätzen, komplexere Einsatzlagen und zunehmende Extremwetterereignisse stellen Leitstellen vor neue Anforderungen. Zugleich werden vorhandene Leitstellen-, Wetter- und Geodaten bislang nur unzureichend für Planung und Steuerung genutzt.

Hier setzte das Projekt AIRCIS an: Ziel war die Entwicklung eines datenbasierten Systems, das mithilfe von KI das Einsatzaufkommen prognostiziert und die Rettungskette simulationsgestützt abbildet, um eine vorausschauende und resiliente Ressourcenplanung zu ermöglichen.

Ergebnisse und Wirkungen

Im Projekt wurde ein integriertes System aus KI-gestützten Prognosemodellen und einer agentenbasierten Simulationsumgebung entwickelt, das reale Leitstellendaten mit Wetter- und Geodaten kombiniert.

Damit lässt sich das Einsatzaufkommen – auch unter Extremwetterbedingungen – vorhersagen, und Auswirkungen auf Ressourcen, Reaktionszeiten und Versorgungsqualität können analysiert werden. Eine benutzerfreundliche Softwareoberfläche ermöglicht den Einsatz in Leitstellen für Planung, Training und operative Entscheidungsunterstützung.

Die Ergebnisse wurden in der Integrierten Regionalleitstelle (IRLS) Lausitz prototypisch implementiert und zeigen eine deutlich verbesserte Planbarkeit von Personal- und Einsatzmitteln. Zudem wurden Datenstandards, Schnittstellenanforderungen und methodische Grundlagen geschaffen, die auf andere Regionen übertragbar sind.

AIRCIS leistet damit einen Beitrag zur Digitalisierung und Resilienz der Daseinsvorsorge und bildet eine Grundlage für weiterführende Anwendungen, wie Digitale Zwillinge im Rettungswesen, sowie für zukünftige Forschungs- und Innovationsvorhaben.