BVID-Bewertung nach Impakt: KI standardisiert die Composite-Reparaturentscheidung

Das echte Ausmaß des Problems

Rampenschäden an Verkehrsflugzeugen sind kein Randphänomen. Die EASA Accident Statistics und Branchendaten von Aviation Week/MRO schätzen, dass Ground Damage Events — Kontakt mit Ground Support Equipment, Förderbändern, Schlepper oder Fahrzeugbrücken — zu den häufigsten unplanmäßigen Instandhaltungsereignissen zählen. Lufthansa Technik bezifferte in Branchenpublikationen, dass strukturrelevante Rumpfschäden durch Bodenoperationen pro Großflugzeug mehrfach jährlich auftreten.

Das Tückische an CFK-Strukturen: Das Auge lügt. Ein Aluminiumrumpf zeigt bei einem Impakt eine Delle, die sofort Ausmaß und Richtung des Schadens verrät. Ein CFK-Rumpf kann bei gleicher Impaktenergie eine kaum sichtbare Oberflächenmarkierung zeigen — während im Inneren des Laminats Delaminierungen auf mehreren Schichten entstanden sind. Diese Delaminierungen sind von außen unsichtbar und reduzieren die Drucklastkapazität.

Was das in Zahlen bedeutet:

• Airbus A350 und Boeing 787 bestehen zu über 50 Prozent ihrer Strukturmasse aus CFK (Herstellerangaben) — je mehr CFK, desto häufiger diese Grauzonensituation
• Varianz zwischen Technikern bei BVID-Grenzfallentscheidungen: ±15–30 Prozent (laut Daten aus dem EASA CODAMEIN-Forschungsprogramm III, 2013, und NDT-Fachliteratur DGZFP)
• Ein gegroundetes Schmalrumpfflugzeug kostet die Airline nach Branchenberechnungen (u.a. eways-aviation.com, 2024) 50.000–150.000 Euro pro Tag — ohne EU261-Passagierentschädigungen
• Die Zahl qualifizierter NDT-Spezialisten wächst nicht proportional zur wachsenden CFK-Flotte — Ressourcendruck an jeder Line Station

Der strukturelle Widerspruch: Regulatorisch ist alles klar. EASA CS-25, AMC 20-29 und die flugzeugspezifische AMM definieren Grenzwerte präzise. Aber die Übertragung dieser Grenzwerte auf eine konkrete Schadensgeometrie, an einem konkreten Bauteil, an einer konkreten Position — das ist heute eine Fähigkeit, die in menschlicher Erfahrung kodiert ist und nicht immer reproduzierbar übertragen wird.

Warum BVID keine Sichtprüfung ist

Barely Visible Impact Damage ist regulatorisch präzise definiert: Es handelt sich um Schäden, die an der Sichtbarkeitsschwelle einer regelmäßigen Sichtprüfung (General Visual Inspection) liegen oder knapp darunter — und dennoch die Strukturintegrität beeinflussen können. Das EASA-CODAMEIN-Forschungsprogramm (Phasen I–III, 2010–2013) hat dafür belegt, dass bei Hochenergie-Impakt auf CFK-Rumpfpanele die sichtbare Delle auf der Außenhaut systematisch kleiner ist als der eigentliche Delaminierungsbereich darunter.

Was das physikalisch bedeutet:

CFK bricht nicht wie Metall. Bei einem metallischen Strukturelement plastifiziert das Material beim Impakt — die Delle ist nach außen sichtbar, und die Restfestigkeit lässt sich grob aus der sichtbaren Schadensgeometrie ableiten. CFK dagegen ist spröd und anisotrop: Die Faserlagen und die Harzmatrix reagieren getrennt. Beim Aufprall bleiben die Oberflächenfasern oft intakt (deshalb: „barely visible”), während in tieferen Lagen interlaminar Trennungen entstehen. Diese Delaminierungen verringern die Druckfestigkeit (Compression After Impact, CAI) erheblich — auch wenn man von außen fast nichts sieht.

Das AMM enthält die richtige Antwort — aber nicht für alle. Die Allowable Damage Limits (ADL) im Aircraft Maintenance Manual sind das Ergebnis umfangreicher Finite-Element-Simulationen und Drucklasttests des Herstellers. Sie geben exakt an: Dellentiefe X, Schadensfläche Y, Position relativ zu Spanten und Stringern. Das Problem: Für einen Rampenschaden auf der Flightline muss ein Techniker diese dreidimensionale Positionsinformation mit einer Tastlehre (eindimensional), einer Schablone und einem papierbasierten AMM-Kapitel abgleichen. Die Messungenauigkeit der Tastlehre beträgt ±0,5 mm — bei einem Grenzwert von 2,0 mm Dellentiefe ist das eine Varianz von 25 Prozent.

Der Coin-Tap-Test hilft — bis zu einer Grenze. Das klassische Klopftest-Verfahren (Tasthammerprüfung) nach AMM/SRM detektiert Ablösungen zwischen Deckschicht und Wabenstruktur über den Klang: hohle, dumpfe Stellen deuten auf Delaminierungen hin. Aber: Für subkritische Delaminierungen in monolithischen CFK-Laminaten (ohne Wabenstruktur) und für Delaminierungen tief im Lagenaufbau ist der Klopftest wenig sensitiv. EASA CODAMEIN III dokumentiert, dass Coin-Tap-Tests bei 3-mm-Delaminierungen in 16-lagigem CFK-Laminat Erkennungsraten von 60–70 Prozent erreichen — deutlich unter dem, was für eine zuverlässige Entscheidungsgrundlage nötig wäre.

Das ist der Kern des Problems: nicht mangelnde Qualifikation des Technikers, sondern das inhärente Informationsdefizit der verfügbaren Messmethoden bei BVID.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Bewertungszeiten und Varianzwerte aus NDT-Fachliteratur (DGZFP-Publikationen, CODAMEIN III Report) und Praxisberichten von MRO-Betrieben; KI-Zeiten aus Pilotprojekten mit strukturierten 3D-Scan-Assessments.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Die Bewertungszeit sinkt von 30–90 Minuten auf 5–15 Minuten inklusive vollständiger digitaler Dokumentation. Das ist real — aber weniger spektakulär als bei der KI-Auswertung von Ultraschall-C-Scans, wo Stunden auf Minuten zusammenschmelzen. Hier geht es um eine Entscheidung, nicht um eine Langzeitauswertung. Der größere Wert liegt in der Konsistenz, nicht in der Zeitersparnis.

Kosteneinsparung — niedrig (2/5) Der direkte Kostenhebel ist indirekt: Schnellere Entscheidung reduziert AOG-Risiko, und jeder verhinderte AOG-Tag spart 50.000–150.000 Euro. Aber Rampenschäden führen nicht automatisch zu AOG-Ereignissen — viele werden im Hangar oder zwischen Rotationen bewertet. Und unnötige Reparaturen (20–30 % Einsparpotenzial laut Pilotprojekterfahrungen) kosten real Geld, aber selten tageweise AOG. Daher: Einsparung real, aber indirekter als bei anderen Anwendungsfällen im Branch.

Schnelle Umsetzung — niedrig (2/5) Neun bis fünfzehn Monate bis zum validierten Pilotbetrieb sind keine Ausnahme, sondern die Norm in der regulierten MRO. Der FEM-Datenbankaufbau für jeden Bauteiltyp ist aufwendig, die Validierung nach EASA-Konzeptpapier für ML-Anwendungen (Level 1/2 AI) zeitintensiv und die Aufnahme in die genehmigten Verfahren des Part-145-Betriebs bürokratisch. Verglichen mit der C-Scan-Auswertung (die 9–18 Monate für die volle ML-Validierung braucht) ist UC15 leicht einfacher — aber kein schneller Einstieg.

ROI-Sicherheit — mittel (3/5) Die Einsparung ist messbar, aber flottenabhängig. Wer 20 Flugzeuge betreibt, hat statistisch 40–80 Rampenschadens-Bewertungen pro Jahr. Auf dieser Basis sind Zeitersparnis und Reparatur-Reduktion belegbar. Wer drei Flugzeuge betreibt, hat zu wenig Ereignisse für einen belastbaren ROI-Nachweis.

Skalierbarkeit — niedrig (2/5) Das ist die strukturelle Grenze: Jeder Flugzeugtyp und jedes Bauteil braucht seine eigene FEM-Datenbank, validiert gegen die typspezifische AMM. Ein System, das für den A320-Rumpf funktioniert, ist nicht automatisch auf den A350-Spoiler übertragbar — andere Laminatdicken, andere Spantabstände, andere ADL-Tabellen. Das begrenzt den Skalierungseffekt erheblich.

Richtwerte — stark abhängig von Flottengröße, Schadensereignishäufigkeit und vorhandener NDT-Infrastruktur.

Was das System konkret macht

Das System besteht aus drei Schichten, die sequenziell ablaufen:

Schicht 1 — Digitale Schadenserfassung. Der Techniker scannt den Schadenbereich mit einem Handscanner für strukturiertes Licht (z.B. Artec Leo) in drei bis fünf Minuten. Das Ergebnis ist eine dreidimensionale Tiefenkarte mit 0,05–0,1 Millimeter Auflösung — deutlich genauer als jede Tastlehren-Messung. Das System extrahiert automatisch: maximale Dellentiefe, projizierte Schadenfläche, Kantenradius, Schadensform und GPS-Koordinaten der Scanposition auf dem Bauteil.

Schicht 2 — AMM-Grenzwertvergleich mit Positionierung. Der Kern: Das System kennt das Bauteil. Eine vorab aufgebaute FEM-Datenbank enthält für den spezifischen Flugzeugtyp und das spezifische Panel die Positionen aller strukturell relevanten Elemente — Spanten, Stringer, Hardpoints, Zonen mit reduzierter ADL. Das Scan-Ergebnis wird auf diese Datenbank abgebildet. Das System vergleicht automatisch, ob der Schaden:

• Innerhalb der generischen ADL-Tabelle liegt (ACCEPT),
• In einer Schutzzone um strukturelle Elemente fällt (BVID Monitor oder Repair),
• Einen Engineering-Order-Schwellenwert überschreitet (EO Required).

Schicht 3 — Dokumentation und Konfidenzaussage. Das System gibt nicht nur eine Empfehlung aus, sondern auch einen Konfidenzwert: Wie weit entfernt ist der Schaden vom nächsten ADL-Grenzwert? Ein Schaden bei 60 Prozent des Grenzwerts ist anders zu bewerten als einer bei 95 Prozent. Grenzfälle (85–100 % des Grenzwerts) werden explizit für manuelle Prüfung markiert. Die vollständige Dokumentation — Scan-Daten, Grenzwert-Tabelle, Entscheidungspfad — wird automatisch ins Maintenance-Log geschrieben, in einem Format, das EASA-Audits standhält.

Was das System nicht macht: Es ersetzt keine NDT-Tiefenprüfung. Wenn der 3D-Scan zeigt, dass der Schaden tief im Grenzbereich liegt, oder wenn äußere Sichtzeichen auf interne Delaminierung hindeuten (Farbveränderung, Laminat-Aufwölbung), bleibt die Ultraschall-C-Scan-Prüfung zwingend. Das System ist ein Triage-Tool, kein Ersatz für den NDT-Spezialisten.

Konkrete Werkzeuge — was wann passt

Hardware: 3D-Scan

Artec Leo ist die praktischste Wahl für den Flightline-Einsatz: kabelloser Handbetrieb, Echtzeit-Feedback am Gerät, robustes Gehäuse für die Außenstation. Die Genauigkeit von 0,1 mm Tiefenauflösung ist ausreichend für BVID-ADL-Vergleiche. Investition ca. 35.000–45.000 Euro Hardware + ca. 2.500–4.500 Euro Jahreslizenz Software.

Alternative für stationären Hangareinsatz: GOM Scan 1 oder ZEISS ScanMax (strukturiertes Licht, höhere Auflösung, aber größere Geräte). Preis auf Anfrage, Erfahrung aus der Automotive-Fertigungsmesstechnik, im MRO-Bereich wachsende Referenzen.

NDT-Tiefenvalidierung: Ultraschall

Wenn das 3D-Scan-Assessment zeigt, dass der Schaden die AMM-Schwelle nur knapp unterschreitet, oder wenn sichtbare Zeichen auf Tiefenschäden hindeuten, kommt Ultraschall ins Spiel. OmniScan X3 (Phased-Array-UT) ist der Industriestandard für portable CFK-Inspektion. Die Auswertung dieser C-Scans kann dann durch KI-Segmentierungsmodelle unterstützt werden — die beiden Anwendungsfälle ergänzen sich.

Simulationsunterstützung und Datengenerierung

CIVA (CEA-List / EXTENDE) wird genutzt, um für neue Bauteiltypen synthetische Referenzdaten zu generieren — bevor reale Schadensdaten in ausreichender Menge vorliegen. Das ist relevant für den FEM-Datenbankaufbau: Statt 50 echte Rampenschäden an einem Leitwerk zu warten, lassen sich mit CIVA die Grenzfallgeometrien simulieren und validieren.

Resonanzprüfung als Ergänzung

Vibrant PCRT (Process Compensated Resonance Testing) prüft Bauteile durch Messung ihrer natürlichen Schwingungsfrequenzen — relevant für metallische Strukturteile und in der Erforschung für CFK-Komponenten. Kein direkter Ersatz für 3D-Scan-Assessment, aber potenziell als Schnelltest für bestimmte Bauteiltypen.

Wann welcher Ansatz?

• Rumpfpanel, einfache Geometrie, Grenzwert klar: 3D-Scan + AMM-Vergleich → ACCEPT-Entscheidung in 10 Minuten
• Grenzfall, Schaden nahe ADL-Limit: 3D-Scan + manueller Check durch erfahrenen Techniker + eventuell Coin-Tap
• Grenzfall mit Verdacht auf Tiefenschäden: 3D-Scan + Ultraschall-C-Scan + KI-Auswertung
• Seltener Bauteiltyp, keine FEM-Daten: Engineering Order, kein KI-System geeignet

Datenschutz und Datenhaltung

BVID-Bewertungsdaten in der Luftfahrt sind keine personenbezogenen Daten im Sinne der DSGVO — es geht um Schadensgeometrien und Strukturparameter, keine Personenidentifikation. Trotzdem gelten drei relevante Aspekte:

Sicherheitskritische Datenintegrität. Maintenance Records nach EASA Part 145 sind gesetzlich vorgeschriebene Dokumente, deren Unveränderbarkeit und Rückverfolgbarkeit nachgewiesen sein muss. Das System muss sicherstellen, dass Scan-Daten, Entscheidungspfade und Grenzwertreferenzen unveränderlich archiviert werden — idealerweise in einem EASA-konformen Maintenance-Tracking-System (z.B. AMOS, CAMP Systems, Swiss Aviation Software/AMOS). Cloudbasierte Lösungen außerhalb der EU bedürfen einer gesonderten Risikoabwägung, da Maintenance Records je nach nationalem Recht strenge Aufbewahrungsvorschriften haben.

FEM-Datenbank als Hersteller-IP. Die AMM-Daten und strukturellen Grenzwerte stammen vom Flugzeughersteller und unterliegen Lizenzvereinbarungen. Airbus und Boeing geben ADL-Tabellen im Rahmen der AMM-Lizenz frei — aber nicht das vollständige FEM-Modell. Eigene FEM-Validierungsarbeiten, die über die AMM-Daten hinausgehen, können als schützenswertes Know-how des MRO-Betriebs betrachtet werden.

Datenhaltung in der EU empfohlen. Für EASA-regulierte Betriebe ist EU-Datenhaltung der unkomplizierteste Weg. Artec 3D bietet lokale Datenhaltung (keine automatische Cloud-Übertragung), CIVA (CEA-List, Frankreich) ist EU-ansässig.

Was es kostet — realistisch gerechnet

Einmaliger Aufbau (Bauteiltyp-spezifisch)

• 3D-Scanner Hardware (Artec Leo): 35.000–45.000 €
• FEM-Datenbankaufbau für einen Flugzeugtyp (1–2 Rumpfzonen): 30.000–80.000 € extern, je nach Komplexität
• Validierungsstudie (POD-Analyse, EASA-Nachweisdokumentation): 20.000–40.000 €
• Software-Integration in bestehende Maintenance-Systeme: 15.000–40.000 € (je nach Schnittstellenaufwand)
• Gesamtaufbau für den ersten Bauteiltyp: 100.000–200.000 €

Laufende Kosten (jährlich)

• Scanner-Kalibrierung und Wartung: 3.000–6.000 €/Jahr
• Softwarelizenzen (Scan + Analyse): 5.000–15.000 €/Jahr
• Updates bei AMM-Revisionen und neuen Bauteiltypen: 10.000–30.000 €/Jahr
• Laufend: 20.000–50.000 €/Jahr

Was du dagegenrechnen kannst

Angenommen, ein MRO-Betrieb mit 20 Flugzeugen hat 60 BVID-Bewertungsereignisse pro Jahr:

• Einsparung je Ereignis durch kürzere Bewertungszeit: 30–75 Minuten Technikerzeit = 25–65 €
• 15–20 verhinderte unnötige Reparaturen pro Jahr: je 3.000–50.000 € Reparaturkosten (je nach Bauteilgröße)
• 2–3 verhinderte AOG-Ereignisse pro Jahr durch schnellere Freigabe: 50.000–150.000 € je Tag

Selbst im konservativen Szenario (10 verhinderte Reparaturen à 5.000 € + 1 verhinderte AOG-Stunde) amortisiert sich die Investition bei einem mittelgroßen Flottenoperator innerhalb von 2–3 Jahren. Für kleine Flotten (unter 10 Flugzeuge) ist der Business Case deutlich schwieriger.

Typische Einstiegsfehler

1. Das AMM als alleinige Datengrundlage genug nehmen. Der Fehler: Das Team nimmt die ADL-Tabellen aus dem AMM und baut darauf direkt den Grenzwertvergleich — und stellt nach vier Monaten Entwicklungszeit fest, dass der Algorithmus immer noch nicht entscheiden kann, ob ein Schaden in einer Schutzzone liegt. Das AMM listet Grenzwerte — aber keine Positionen der Spanten und Stringer, keine Übergangsbereiche zwischen Schutzzonenkategorien, keine Dokumentation von Sonderbereichen. Wer nur mit AMM-Tabellen arbeitet, muss immer noch manuell verorten. Die eigentliche Arbeit ist der FEM-Datenbankaufbau; wer das unterschätzt, vergeudet typisch 30.000–60.000 € Entwicklungsbudget vor dem ersten nutzbaren Ergebnis.

2. Einen Scanner-Hersteller ohne EASA-Nachweispfad kaufen. Viele Scan-Systeme liefern gute Messgenauigkeit — aber ohne begleitende Messunsicherheitsanalyse, Kalibrierprotokoll und Nachweisdokumentation in der vom EASA Part 145-Betrieb geforderten Form. Konkrete Folge: Das System arbeitet korrekt, erhält aber keine Genehmigung — der Betrieb muss 20.000–40.000 € in eine nachträgliche Validierungsstudie investieren oder auf ein anderes Hardware-System wechseln. Die Zertifizierungsarbeit hängt nicht am Scan-Ergebnis allein, sondern an der Nachvollziehbarkeit des gesamten Messprozesses. Lösung: Vor dem Kauf prüfen, ob der Hersteller eine Messunsicherheitsanalyse nach GUM und ein Kalibrierzertifikat liefert, das EASA Part 145-Audits standhält.

3. Das System ohne Grenzfall-Protokoll einführen. Wer das System für alle Schadensfälle nutzt, läuft in die Falle: Ein KI-Entscheidungssystem, das mit Konfidenz 0,95 „ACCEPT” sagt, wird vom Techniker anders wahrgenommen als eine menschliche Experteneinschätzung. Ohne klar dokumentiertes Protokoll — was passiert bei Konfidenz unter 0,85? Wer eskaliert? — führen Grenzfälle zu Unsicherheit statt Standardisierung. Konkrete Folge: In Pilotprojekten ohne Grenzfall-Protokoll eskalieren Techniker im Schnitt 30–40 % aller Fälle an Engineering, weil die Verantwortungsgrenze unklar ist — der Zeitgewinn des Systems verpufft vollständig. Lösung: Das Protokoll mit drei definierten Konfidenz-Stufen (ACCEPT / Grenzfall / EO) muss vor dem Einführungstermin schriftlich genehmigt sein.

4. Das Modell nicht warten. Das ist der langsamste, gefährlichste Fehler. Wenn der Hersteller eine AMM-Revision veröffentlicht und neue ADL-Werte für einen Bauteilbereich festlegt, muss das System sofort aktualisiert werden. Ein KI-System, das gegen veraltete Grenzwerte prüft, ist schlechter als gar keines — weil es mit falscher Sicherheit entscheidet. Dieser Punkt muss in der Einführungsplanung eine namentlich verantwortliche Person haben: wer überwacht AMM-Revisionen und steuert Updates?

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist das Leichteste. Das Schwierige ist das organisatorische Umfeld.

Die erfahrenen Techniker sind die härteste Zielgruppe. Wer seit 15 Jahren BVID-Entscheidungen trifft und einen guten Track Record hat, empfindet ein System, das jetzt „mitredet”, als Infragestellung seiner Kompetenz. Das Richtige ist, diese Erfahrung explizit zu adressieren: Das System ist so gut wie ein erfahrener Techniker in einem engen Routinefall — aber es entlastet genau dann, wenn der Techniker unter Zeitdruck, Schichtende oder schlechten Lichtbedingungen entscheiden muss. Lass die erfahrenen Techniker die Testfälle definieren, auf denen das System validiert wird. Wer die Messlatte gesetzt hat, verteidigt das System gegen Kritik.

Der Schichtleiter will eine Eskalationsoption. Ein System, das nur „ACCEPT” oder „REPAIR” sagt, ohne eine klare Eskalationsoption, erzeugt Unbehagen. Maintenance Control und Engineering müssen wissen, wie Grenzfälle weitergeleitet werden. Die beste Einführung enthält deshalb eine dreigliedrige Entscheidungsarchitektur: System → Techniker → Engineering Order. Das System verändert nicht die letzte Verantwortung — es strukturiert den Informationsfluss davor.

Was konkret hilft:

• Pilotbetrieb mit drei bis fünf ausgewählten Schadensszenarien starten — nicht mit dem Fullrollout
• Dokumentierte Vergleichsfälle aufbauen: Wie hat das alte Verfahren entschieden, wie das neue?
• Regelmäßige Überprüfung in den ersten 12 Monaten: Jede Entscheidung, die nachträglich anders bewertet wurde, ist ein Datum zur Modellverbesserung

Realistischer Zeitplan mit Risikohinweisen

Zertifizierungspfad für KI-gestützte NDT-Entscheidungen

Das ist der Bereich, der mehr Projekte scheitern lässt als jede technische Schwäche. EASA hat 2024 das AI Concept Paper Issue 2 veröffentlicht, das erstmals konkrete Guidance für Level 1 und Level 2 Machine-Learning-Anwendungen in der Luftfahrt gibt. Für ein BVID-Bewertungssystem ist die Einordnung entscheidend:

Level 1 — KI als Assistenz ohne Entscheidungsgewalt. Das System zeigt dem Techniker das Ergebnis des AMM-Grenzwertvergleichs an, aber die Entscheidung liegt vollständig beim Menschen. Der Techniker muss das System-Ergebnis weder akzeptieren noch begründen, warum er es ignoriert. Level-1-Systeme unterliegen niedrigeren Validierungsanforderungen — die primäre Anforderung ist Transparenz (erklärbares Ergebnis, nachvollziehbarer Entscheidungspfad).

Level 2 — KI als Entscheidungsunterstützung mit definierten Grenzen. Das System gibt eine Empfehlung aus, die der Techniker dokumentiert annehmen oder ablehnen kann. Ablehnung erfordert Begründung. Level 2 erfordert eine vollständige Lernzuverlässigkeitsanalyse, Concept-Drift-Monitoring und ein definiertes Human-AI-Teaming-Protokoll (HAT). Das EASA-Konzeptpapier nennt das den „kritischen Entwurfspunkt” für Level 2.

Die Anforderungen, die kein Vendor anspricht:

Erstens: Probability of Detection (POD). Für jede neue NDT-Methode — und ein KI-unterstütztes Scan-System ist eine neue Methode — muss der Part-145-Betrieb eine POD-Studie vorlegen. POD gibt an, mit welcher Wahrscheinlichkeit ein Defekt einer bestimmten Größe erkannt wird. Die EASA akzeptiert statistisch abgesicherte Werte aus kontrollierten Versuchen (Referenzschäden bekannter Geometrie) oder aus simulierten Daten (CIVA), wenn die Simulation gegen reale Daten validiert wurde.

Zweitens: AMM-Revision-Tracking. Das genehmigte Verfahren ist an eine bestimmte AMM-Revision gebunden. Wenn der Hersteller eine Revision veröffentlicht, die ADL-Werte ändert, ist das System bis zur Aktualisierung und Re-Validierung außer Betrieb oder darf nur unter Vorbehalt genutzt werden. Diesen Prozess muss das Quality Management Manual des Betriebs regeln.

Drittens: Level-2/3 NDT-Aufsicht. Das System darf die Entscheidung eines zertifizierten NDT-Level-2- oder Level-3-Prüfers nicht ersetzen — es kann seine Entscheidungsgrundlage verbessern. Für Grenzfallentscheidungen (>85 % des ADL-Limits) muss eine Level-2-Freigabe im Prozess verankert sein.

Praktischer Einstiegspunkt: Viele MRO-Betriebe starten mit einer Level-1-Klassifikation, um erste regulatorische Hürden zu überwinden und Erfahrung aufzubauen. Der Weg zu Level 2 ist danach deutlich einfacher, weil Betriebsdaten und Validierungsbelege bereits existieren.

Häufige Einwände — und was dahintersteckt

„Wir haben kaum genug BVID-Ereignisse für ein ML-System.” Richtig — und das ist kein KI-Problem, das ist ein Datenproblem, das sich mit synthetischen Daten lösen lässt. CIVA (CEA-List) generiert simulierte Scanergebnisse für definierte Schadensgeometrien, die das AMM-Grenzfall-Spektrum vollständig abdecken. Das Modell wird auf synthetischen Daten vortrainiert und auf realen Referenzschäden feinabgestimmt. 30–50 reale dokumentierte Schadensfälle als Validierungsset sind realistisch erreichbar — kein großes Flottenproblem.

„Das geht bei uns sowieso immer zum Engineering.” Wenn der Prozess funktioniert und Engineering gut erreichbar ist — warum optimieren? Die Antwort hängt vom AOG-Druck ab. Ein System, das den Engineering-Order-Bedarf von 30 auf 10 Prozent der Ereignisse reduziert und bei den restlichen 10 Prozent strukturiertere Informationen liefert, ist trotzdem werthaltig. Der Einwand ist ein valides Signal für mittlere Priorität, nicht für Ablehnung.

„Wir vertrauen KI nicht bei sicherheitsrelevanten Entscheidungen.” Das ist kein Argument gegen das System — es ist ein Argument für die richtige Systemarchitektur. Wenn das System als Level-1-Assistent eingeführt wird, ändert sich die Verantwortungsstruktur nicht: Der Techniker entscheidet weiterhin. Das System gibt ihm bessere Messgenauigkeit und einen dokumentierten Grenzwertvergleich — keine Entscheidung über seinen Kopf hinweg. KI-Misstrauen ist in der Luftfahrt nicht nur verständlich, sondern regulatorisch verankert — und deshalb ist das Systemdesign auf genau diese Frage ausgelegt.

Woran du merkst, dass das zu dir passt

Du bist im richtigen Adressatenbereich, wenn mehrere der folgenden Punkte zutreffen:

• Du betreibst mindestens 10–15 CFK-intensive Flugzeuge — A320-Familie, B737 MAX, A350, B787 oder ähnlich — und hast statistisch mehr als 30 Rampenschadens-Bewertungsereignisse pro Jahr
• Dein Line-Maintenance-Team trifft BVID-Entscheidungen unter Zeitdruck — Boarding-Slots, eng getaktete Rotationen, Nachtschichten mit reduzierter Besetzung
• Du hast Varianz in BVID-Entscheidungen zwischen Technikern festgestellt oder vermutest sie — und die Dokumentationsqualität ist inhomogen
• Du hast ein strukturiertes Maintenance-System (AMOS, CAMP, MXI oder ähnlich), in das digitale Maintenance Records integriert werden können
• Du hast einen EASA Part 145-Betrieb mit einem Quality Manager, der NDT-Methodenvalidierungen kennt und einen klaren Zulassungspfad verfolgen kann
• Du hast Zugriff auf historische Schadensdokumentation — mindestens 20–30 dokumentierte BVID-Fälle der letzten drei Jahre, idealerweise mit Scan-Daten oder Fotoprotokollen

Wann das nicht zu dir passt — drei harte Ausschlusskriterien:

1. Weniger als 5–8 BVID-Bewertungsereignisse pro Jahr in deinem Betrieb. Bei dieser Frequenz übersteigen Setup, Validierung und Wartung des Systems den gesamten Nutzen auf viele Jahre. Bleib bei gut trainierten Technikern und einer gut strukturierten papiergestützten AMM-Checkliste — das ist hier die überlegene Lösung.

2. AMM und Maintenance Records liegen nicht digital vor, oder der Betrieb hat kein strukturiertes Qualitätsmanagementsystem. Ein KI-gestütztes Assessment-Tool braucht eine digitale Infrastruktur als Voraussetzung. Wer noch handschriftliche Maintenance Logs nutzt und keine durchgängige Datenhistorie hat, muss zuerst diese Grundlage schaffen — KI kommt danach, nicht davor.

3. Für den primären Bauteiltyp gibt es keine validierten FEM-Strukturdaten vom Hersteller. Das betrifft vor allem ältere Flugzeugmuster (A300, B767, MD-80), für die die FEM-Datenbasis beim Hersteller möglicherweise nicht mehr vollständig gepflegt wird. Ohne valide Strukturdaten ist kein AMM-Grenzwertvergleich möglich — das System würde auf einer Schätzung aufbauen, die regulatorisch nicht haltbar ist.

Das kannst du heute noch tun

Die einfachste erste Maßnahme ist nicht ein Scan-System kaufen — sondern deine eigene Datenlage verstehen. Analysiere die letzten 24 Monate deiner BVID-Bewertungen:

Wie viele gab es? Wie oft wurde repariert? Wie oft wurde eine Engineering Order angefragt? Wie oft unterschieden sich die ersten und zweiten Einschätzungen? Diese Analyse kostet nichts außer ein paar Stunden — und sie beantwortet, ob der Business Case für ein KI-gestütztes System real ist.

Für die nächste Stufe: Lass einen Techniker aus deinem Team den Artec Leo oder ein vergleichbares System an einem dokumentierten, bereits abgeschlossenen Schadensereignis testen. Artec 3D bietet Leihgeräte — ein echter Pilottest kostet keinen Kauf.

Wenn du mit einem AMM-Grenzwertvergleich anfangen willst, ohne sofort in Systemaufbau zu investieren, kannst du diesen Prompt als strukturierten Ausgangspunkt nutzen:

Quellen & Methodik

• EASA CODAMEIN III — Composite Damage Metrics and Inspection: EASA_REP_RESEA_2013_3. Dritte Phase des CODAMEIN-Forschungsprogramms der EASA. Belegt Detektierbarkeit und Bewertungsvarianz bei BVID durch Coin-Tap, Sichtprüfung und Ultraschall an Fullscale-Rumpfpanelen; direkte Grundlage für die in diesem Artikel genannten 60–70 % Coin-Tap-Erkennungsrate.

• EASA Artificial Intelligence Concept Paper Issue 2 (2024): Veröffentlicht von EASA als erstes konkretes Guidance-Dokument für Level 1 und Level 2 Machine-Learning-Anwendungen in der Luftfahrt. Enthält Definitionen für Human-AI-Teaming und Lernzuverlässigkeitsanforderungen — Grundlage für den Zertifizierungspfad in diesem Artikel.

• AOG-Kostendaten (Schmalrumpf): eways-aviation.com und Simple Flying (2024): 50.000–150.000 USD direkter Betriebskosten je AOG-Tag für Schmalrumpfflugzeuge (im Text als Euroäquivalent gerundet verwendet). Referenz für die ROI-Kalkulation.

• Beurteilungsvarianz ±15–30 %: DGZFP-Publikationen und CODAMEIN-Studienergebnisse; übereinstimmend mit Praxisberichten aus NDT-Audits bei europäischen MRO-Betrieben (nicht repräsentative Stichprobe).

• 3D-Scanner-Genauigkeit und Preise: Artec 3D Produktdokumentation und DACH-Vertriebsangaben, Stand Mai 2026.

• EASA CS-25 und AMC 20-29: EASA-Regelwerk für Composite-Strukturzertifizierung und Acceptable Means of Compliance für Luftfahrtprodukte; in der aktuell gültigen Fassung (Easy Access Rules AMC-20, EASA).

• CFK-Anteil moderner Verkehrsflugzeuge: Herstellerangaben Airbus A350 (>53 % Strukturmasse CFK) und Boeing 787 (>50 %); öffentlich verfügbare Produktdokumentation.

Du willst wissen, ob der Business Case für deinen konkreten Flottenbestand rechnet und welche regulatorischen Schritte für euren Part-145-Betrieb prioritär sind? Meld dich — das klären wir in einem kurzen Gespräch.