@manual{
	titlea = "Prof.",
	vornamea = "Axel",
	namea = "Schulte",
	departmenta = "Fakultät für Luft- und Raumfahrttechnik",
	institutea = "LRT 13 - Institut für Flugsysteme",
	titleb = "",
	vornameb = "",
	nameb = "",
	departmentb = "",
	instituteb = "",
	titlec = "",
	vornamec = "",
	namec = "",
	departmentc = "",
	institutec = "",
	external-funds = "Fraunhofer-Gesellschaft (FhG)",
	company = "",
	project-title = "Früherkennung des Kinetose-Risikos: Messtechnik, Experimente und Modellbildung",
	project-abstract = "Um Ausbildungsabbrüche infolge von Kinetosen zu minimieren und hochwertige Ausbildungsplätze in der fliegerischen Ausbildung effizient zu nutzen, ist es zielführend Pilotenanwärter mit einer Anfälligkeit für Kinetosen frühzeitig im Ausbildungsverlauf zu identifizieren und ggf. Desensibilisierungsmaßnahmen einzuleiten.<br/>Ziel der vorliegenden Studie ist es, mithilfe der beschriebenen Ansätze der KI, speziell des Machine Learnings, eine Tendenz für Kinetosen bei Fluganwärtern frühzeitig festzustellen. Hier bietet es sich an körperliche Reaktionen bei geeigneten Testszenarien im Simulator in Kombination mit früheren Erfahrungen mit Kinetosen zu untersuchen. Die frühzeitige Identifizierung von Kinetose-Tendenzen im Ausbildungsverlauf kann dazu beitragen die durch Ausbildungsabbrüche entstehenden Kosten zu minimieren und durch Desensibilisierungsmaßnahmen zum Wohlbefinden und zur Sicherheit der Fluganwärter beizutragen.",
	proj-beginn = "01.06.2022",
	proj-end = "30.09.2024",
	forschungszentrum = "FZ MARC"
}