@manual{
	titlea = "Prof.",
	vornamea = "Roger",
	namea = "Förstner",
	departmenta = "Fakultät für Luft- und Raumfahrttechnik",
	institutea = "LRT 9 - Institut für Raumfahrttechnik und Weltraumnutzung",
	titleb = "Prof.",
	vornameb = "-",
	nameb = "-",
	departmentb = "kein Eintrag",
	instituteb = "LRT 9 - Institut für Raumfahrttechnik und Weltraumnutzung",
	titlec = "",
	vornamec = "",
	namec = "",
	departmentc = "",
	institutec = "",
	external-funds = "Bundesministerium für Wirtschaft und Klimaschutz (BMWK ehemals BMWi)",
	company = "",
	project-title = "Unterstützung und Verbesserung von traditionellen Methoden in der Bahnbestimmung, sowie 
der Abschätzung der Unsicherheiten von Bahnelementen durch KI-basierten Algorithmen, 
insbesondere neuronaler Netze (AI4POD)",
	project-abstract = "Das erste Forschungsziel ist es, das Anwendungspotential von neuronalen Netzen im Bereich der

Bahnbestimmung von Weltraumobjekten zu untersuchen. Neben den rein auf maschinellem Lernen

basierenden Bahnbestimmung (insbesondere mittels neuronaler Netze) sollen auch hybride Konzepte

untersucht werden, bei denen KI die Ergebnisse klassischer Algorithmen zur Bahnbestimmung

korrigiert. Die erzielten Ergebnisse können dazu beitragen, deutlich effizientere Algorithmen zur

Bahnbestimmung mit höherer Genauigkeit zu entwickeln.

Das zweite Forschungsvorhaben befasst sich mit der Abschätzung der Unsicherheiten von

Bahnelemente einer Bahnbestimmung von Weltraumobjekten, d.h. der Varianz-Kovarianz-Matrix.

Dies ist eine wesentliche Voraussetzung für die weitere Nutzung der generierten Datensätze. Im

Rahmen dieses Projektes werden geeignete Ansätze ausgewählt, entwickelt und es wird untersucht,

inwieweit die Entwicklung der Kovarianz eines Propagators und insbesondere seiner Kräftemodelle

mittels KI bestimmt werden können, indem entweder ein Teil der physikalischen Repräsentation und

Kräfte modelliert oder die Unsicherheiten der zugehörigen Parameter weiter eingegrenzt werden. Die

erzielten Resultate können dazu beitragen, die Unsicherheiten von Objekttrajektorien zu reduzieren

und damit genauere sowie zuverlässigere Bahndaten zu erhalten. ",
	proj-beginn = "01.06.2023",
	proj-end = "31.05.2026",
	forschungszentrum = "Keine Kooperation"
}