Dauer: 1–2 Jahre

Abstract

Ein effektives Pre-Incident-Briefing ist entscheidend für Situationsbewusstsein und Einsatzbereitschaft bei Feuerwehreinsätzen. Aktuelle Briefing-Praktiken basieren jedoch häufig auf statischen Karten, fragmentierten Gebäudedokumentationen und einer begrenzten Integration von Echtzeitdaten.

Dieses Projekt entwickelt ein KI-gestütztes Mixed-Reality-(MR)-System für Pre-Incident-Briefings, das Internet-of-Things-(IoT)-Sensordaten, Building Information Modeling (BIM) und Echtzeit-Gefahreninformationen in einer immersiven räumlichen Umgebung integriert.

Das System ermöglicht es Feuerwehrkräften, Gebäudestrukturen vor dem Einsatz in MR zu erkunden und dabei kontextbezogene Informationen zu erhalten, darunter Belegungsabschätzungen, Brandschutzeinrichtungen, Gefahrenzonen sowie sensorgestützte Umweltbedingungen. Komponenten erklärbarer KI unterstützen die Interpretation von Risikofaktoren und die Generierung datenbasierter Handlungsempfehlungen.

Ziel ist es, die Vorbereitung zu verbessern, die kognitive Belastung beim Betreten des Einsatzortes zu reduzieren und die strategische Entscheidungsfindung vor und während des Einsatzes zu stärken.

Forschungsziele

Das Projekt verfolgt folgende zentrale Ziele:

• Entwicklung MR-basierter Briefing-Umgebungen:
  Gestaltung immersiver Pre-Incident-Briefing-Tools, die Gebäudemodelle, IoT-Sensordatenströme und KI-generierte Situationsanalysen kombinieren.
• Integration von Echtzeit-IoT- und Umweltdaten:
  Zusammenführung verteilter Sensornetzwerke mit räumlichen Gebäudemodellen zur Bereitstellung aktueller Informationen zu Brandrisiken, Belegung und Umweltbedingungen.
• Erklärbare KI zur Entscheidungsunterstützung:
  Entwicklung interpretierbarer KI-Module, die komplexe Sensor- und Modelldaten in umsetzbare Erkenntnisse für Einsatzkräfte übersetzen.
• Unterstützung räumlicher und kognitiver Vorbereitung:
  Untersuchung, wie MR-basierte Briefings das räumliche Verständnis, die Routenplanung und die kognitive Einsatzbereitschaft vor dem Betreten von Einsatzorten verbessern.
• Evaluation in praxisnahen Szenarien:
  Bewertung der Systemwirksamkeit in simulierten Briefing-Szenarien mit professionellen Feuerwehrkräften, mit Fokus auf Situationsbewusstsein und Entscheidungssicherheit.

Erwartete Auswirkungen

Das Projekt wird voraussichtlich die Vorbereitung und die Qualität der Entscheidungsfindung in Feuerwehreinsätzen durch ein verbessertes Situationsbewusstsein vor dem Einsatz deutlich steigern.

Durch die Integration von IoT-Daten, Gebäudemodellen und KI-gestützter Analyse in MR-Umgebungen erhalten Einsatzkräfte ein umfassendes und räumlich verankertes Verständnis von Einsatzorten bereits vor dem Eintreffen.

Dies führt zu einer verbesserten Einsatzplanung, reduzierter Unsicherheit beim Betreten und erhöhter Sicherheit sowohl für Einsatzkräfte als auch für betroffene Personen.

Langfristig trägt das Projekt zur Entwicklung intelligenter, datengetriebener Systeme für die Einsatzvorbereitung bei, die schnellere, sicherere und fundiertere Interventionsstrategien ermöglichen.

Kontakt
Dr. Sara Scheffer
E-Mail: sara.scheffer@tuwien.ac.at
© TU Wien