Luftfahrt-KI ist nicht ein Problem — es sind fünf: vorausschauende Wartung von Triebwerken und Komponenten, automatisierte NDT und visuelle Inspektion, RAG-Copiloten über Tausende Seiten Wartungsdokumentation, UAS-Autonomie und Missionsintelligenz sowie die Fertigungsqualität von Aerostrukturen. Jedes hat einen anderen Zertifizierungs-Fußabdruck, eine andere Anforderung an die Datensouveränität und eine andere Infrastruktur-Architektur. Dieser Primer behandelt alle fünf, mit nüchternem Blick auf die Zertifizierungslandschaft von DO-178C/ARP4754A und darauf, warum eine souveräne, On-Prem-Bereitstellung für die meisten Betreiber die einzige Architektur ist, die regulatorisch und in Bezug auf das geistige Eigentum sinnvoll ist.
Civil-First-Geltungsbereich: Dieser Primer behandelt zivile Luftfahrtanwendungen — MRO in der kommerziellen und Geschäftsluftfahrt, zivile UAS-Operationen, die Avionik-Lieferkette und die Fertigung von Aerostrukturen für zivile Programme. Hyperion hat keine Verteidigungsverträge, keine Verteidigungskunden und keine Sicherheitsfreigaben. Wo eine souveräne Infrastruktur-Architektur Dual-Use-Relevanz hat, weisen wir offen darauf hin — unsere Mandate sind jedoch ausschließlich zivil. Wir verfolgen keine Arbeiten, die Waffensysteme, klassifizierte Systeme oder Anwendungen betreffen, die staatliche Sicherheitsfreigaben erfordern.
Zuletzt geprüft: Mai 2026
Luftfahrt-KI für MRO und Fertigung bezeichnet den Einsatz von Modellen des maschinellen Lernens — Bildverarbeitungssysteme, Sprachmodelle und Anomalieerkennungsalgorithmen — in Wartungs-, Reparatur- und Überholungsbetrieben (MRO), in der Fertigung von Flugzeugkomponenten sowie in Boden- und Bordsystemen von UAS. Anders als cloud-native Unternehmens-KI muss Luftfahrt-KI einzigartige Randbedingungen erfüllen: Anforderungen an Zertifizierungsnachweise von EASA und FAA, Pflichten zur Datensouveränität für Wartungsaufzeichnungen und Fertigungs-IP, ultraniedrige Latenz für die Inline-Inspektion sowie die strukturelle Herausforderung, dass herkömmliche Lufttüchtigkeitsstandards (DO-178C) nicht für ML-Systeme konzipiert wurden.
KI in der Zivilluftfahrt reift entlang zweier unterschiedlicher Zeitachsen. Bodengestützte Anwendungen — MRO-Entscheidungsunterstützung, Fertigungsqualität, Flottenanalytik — sind heute mit bestehenden regulatorischen Rahmenwerken einsetzbar, sofern die vorgesehene Funktion des Systems klar abgegrenzt ist und die menschliche Autorität über Lufttüchtigkeitsentscheidungen gewahrt bleibt. Bord-KI — Funktionen, die die Flugsteuerung, Navigation oder das Verhalten von Bordsystemen beeinflussen — steht vor einer Zertifizierungslücke, die die Regulierungsgemeinschaft aktiv zu schließen versucht, die für die meisten ML-Architekturen jedoch Stand 2026 ungelöst bleibt.
Diese Unterscheidung ist entscheidend dafür, worauf kurzfristige KI-Investitionen ausgerichtet werden sollten. Die wertvollsten, reibungsärmsten KI-Anwendungen in der Luftfahrt sind allesamt bodengestützt: Analytik für vorausschauende Wartung auf Basis von Zustandsüberwachungsdaten von Triebwerken und Komponenten, Computer Vision zur Erweiterung der NDT, natürlichsprachliche Schnittstellen über die Wartungsdokumentation sowie die Überwachung von Fertigungsprozessen. Diese Anwendungen senken Kosten, verbessern die Raten ungeplanter Ausbauten und beschleunigen den MRO-Durchsatz ohne die Last der Bord-Zertifizierung.
UAS (unbemannte Luftfahrtsysteme) liegen zwischen diesen beiden Zeitachsen: Die Intelligenz der Bodenkontrolle ist eine bodengestützte Anwendung, während die Bord-Funktionen für Wahrnehmung und Autonomie denselben Bord-Zertifizierungsherausforderungen wie bemannte Luftfahrzeuge gegenüberstehen, moduliert durch die Betriebsrisikokategorie (EASA OPEN/SPECIFIC/CERTIFIED) und die anwendbare SORA/SAIL-Bewertung.
Turbofan-Triebwerke und Hilfsaggregate sammeln umfangreiche Sensortelemetrie — EGT-Margen, Schwingungsspektren, Ölpartikelzahlen, Näherungsindizes zum Verdichterpumpen. Auf flottenweiten Betriebsdaten trainierte ML-Modelle können beginnende Ausfälle 100–500 Flugstunden vor dem Überschreiten einer harten Grenze melden und ermöglichen so eine zustandsbasierte Wartung (CBM) anstelle von Überholungen in festen Intervallen. Die entscheidende Randbedingung: Die Wartungsempfehlung des Modells muss nachvollziehbar und auditierbar sein, um der Aufsicht der Lufttüchtigkeitsbehörde zu genügen.
Zertifizierungs-Hinweis
Die DO-178C-/ARP4754A-Leitlinien zu Werkzeugen der Entscheidungsunterstützung gelten, wenn die Ausgabe eine Wartungsmaßnahme beeinflusst.
Die zerstörungsfreie Prüfung (NDT) im MRO — Ultraschall, Wirbelstrom, Thermografie und visuelle Inspektion — umfasst sich wiederholende, folgenschwere Bewertungsaufgaben, bei denen Ermüdung und kognitive Belastung zu Fehlerraten beitragen. Computer-Vision-Modelle, die On-Prem an der Inspektionsstation laufen, können eine Zweitprüfung von Boroskop-Bildern, Scan-Daten von Verbundwerkstoff-Paneelen und Oberflächenzustands-Fotografien liefern und Befunde zur Begutachtung durch einen menschlichen Inspektor markieren. Das Modell ergänzt den lizenzierten NDT-Techniker, es ersetzt ihn nicht.
Zertifizierungs-Hinweis
EASA Part 145 / FAA AC 120-102 verlangen, dass KI-gestützte Inspektionswerkzeuge über dokumentierte Validierungsnachweise verfügen und die menschliche Autorität über die Freigabeentscheidung wahren.
Flugzeug-Wartungsingenieure arbeiten gegen eine Wand aus Dokumentation: Aircraft Maintenance Manuals (AMM), Component Maintenance Manuals (CMM), Service Bulletins (SB), Airworthiness Directives (AD) und OEM-Engineering-Orders. Ein RAG-System (Retrieval-Augmented Generation), das auf souveräner Infrastruktur mit einem auf Ihrem freigegebenen Dokumentationskorpus feinabgestimmten Mistral-Basismodell läuft, kann natürlichsprachliche technische Anfragen beantworten, die relevante Task Card hervorbringen und offene SB querverweisen — und so die Nachschlagezeit drastisch reduzieren, während der lizenzierte Ingenieur die Entscheidungsautorität behält.
Zertifizierungs-Hinweis
Das KI-System ist ein Werkzeug zur Entscheidungsunterstützung, kein Tracking-System für Teile mit begrenzter Lebensdauer. Die Datenherkunft jeder Antwort muss auf ein freigegebenes, versionskontrolliertes Quelldokument zurückführbar sein.
Zivile UAS-Betreiber — Luftvermessung, Präzisionslandwirtschaft, Infrastrukturinspektion, urbane Logistik — integrieren ML in die Bord-Wahrnehmung, die Pfadplanung und die Intelligenz der Bodenkontrolle. KI-Modelle, die auf Edge-Hardware (NVIDIA Jetson, AMD Kria oder kundenspezifischem SoC) laufen, übernehmen Hinderniserkennung, Geländeklassifizierung und Anomalieidentifizierung während des Flugs. Eine souveräne LLM-Schicht auf der Bodenseite kann Missionsdaten verarbeiten, Inspektionsberichte erstellen und den Flottenbetrieb verwalten, ohne Flugprotokolle oder Sensorbilder an eine Drittanbieter-Cloud zu senden.
Zertifizierungs-Hinweis
Die Rahmenwerke EASA SC-RPAS, JARUS SAIL/SORA und die entstehende EUROCAE-WG-105-Leitlinie definieren, wie KI-Entscheidungssysteme im UAS-Betrieb validiert und einer Restrisikobewertung unterzogen werden müssen.
Die Fertigung von Zellen und Aerostrukturen — ob CFRP-Laminierung, Präzisions-CNC-Bearbeitung oder automatisiertes Fügen — erzeugt Prozessdaten und Inspektionsaufzeichnungen, die direkt in die First Article Inspection (FAI) und die Produktionskonformitätszertifizierung einfließen. On-Prem eingesetzte KI-Bildsysteme und Prozessüberwachungsmodelle können Nichtkonformitätsraten senken, die Ursachenanalyse beschleunigen und strukturierte Aufzeichnungen für das AS9100-Qualitätsmanagement erzeugen. Die Daten verlassen niemals den Betrieb — entscheidend, da Fertigungsprozessparameter und Werkzeugkonfigurationen erhebliches wettbewerbsrelevantes geistiges Eigentum darstellen.
Zertifizierungs-Hinweis
AS9100 Rev D verlangt die Rückverfolgbarkeit von Fertigungsprozessdaten. KI-generierte Inspektionsaufzeichnungen müssen sich in das etablierte Qualitätsaufzeichnungssystem einfügen.
Die ehrliche Einschätzung: Das Rahmenwerk zur Lufttüchtigkeitszertifizierung für ML-basierte KI-Systeme ist unvollständig. Herkömmliche Standards wurden für deterministische Software konzipiert. EASA und RTCA/EUROCAE entwickeln aktiv Leitlinien, doch Luftfahrtbetreiber müssen heute Bereitstellungsentscheidungen vor einem nur teilweise ausgeformten regulatorischen Bild treffen. Das Folgende ist eine sachliche Zusammenfassung des aktuellen Stands.
Regulatorischer Hinweis
Dieser Primer ist ein technischer und strategischer Überblick, keine Rechts- oder Zertifizierungsberatung. Die Anwendbarkeit bestimmter Standards auf ein gegebenes KI-System hängt von der vorgesehenen Funktion des Systems, seiner Klassifizierung der Sicherheitsauswirkung und seinem operativen Kontext ab. Ziehen Sie für zertifizierungsspezifische Beratung stets einen qualifizierten Designated Engineering Representative (DER), eine EASA-zugelassene Design Organisation (DO) oder ein Äquivalent hinzu.
DO-178C wurde für deterministische Software konzipiert. ML-Modelle — insbesondere tiefe neuronale Netze — sind nicht deterministisch, ihre Anforderungen lassen sich nicht vollständig im Voraus spezifizieren, und ihr Verhalten entsteht aus Trainingsdaten statt aus explizitem Entwurf. Das macht den herkömmlichen V&V-Prozess (Anforderungen → Entwurf → Code → Test) strukturell inkompatibel mit der ML-Modellentwicklung. Aufsichtsbehörden und die Arbeitsgruppe für das ML-Supplement zu DO-178C der RTCA (SC-205) arbeiten an aktualisierten Leitlinien, doch ein finalisiertes Supplement existiert Stand 2026 nicht.
DO-254 gilt für programmierbare Logik (FPGAs, ASICs), die Inferenz ausführt. In Avionik-Hardware eingebettete ML-Beschleuniger müssen den Entwurfslebenszyklus von DO-254 erfüllen, einschließlich formaler Anforderungserfassung und Verifikationsabdeckung — was für Hardware, die gelernte Gewichte statt deterministischer Logik ausführt, anspruchsvoll ist.
ARP4754A regelt, wie Systemfunktionen zugewiesen werden und wie Sicherheitsziele auf Systemebene auf Software und Hardware herunterbrechen. Bei KI-gestützten Systemen besteht die Herausforderung darin, die Ausfallbedingungen und -wahrscheinlichkeiten der KI-Funktion zu definieren, wenn das Verhalten des Modells nicht vollständig deterministisch spezifiziert ist. Sicherheitsanalysemethoden (FHA, PSSA, SSA) müssen für lernende Systeme angepasst werden.
Die KI-Roadmap 2.0 der EASA führt das Konzept der „Learning Assurance“ ein — ein strukturiertes Rahmenwerk, um sicherzustellen, dass Entwicklung, Training und Validierung von ML-Modellen mit ausreichender Strenge durchgeführt werden, um Zertifizierungsanrechnung zu stützen. Die EASA benennt fünf zentrale Herausforderungen: Datenmanagement, Entscheidungen zur Modellarchitektur, Erklärbarkeit, Leistungsmetriken und Verteilungsverschiebung. Die Roadmap ist eindeutig: Die aktuellen DO-178C-/DO-254-Leitlinien sind für ML-Systeme unzureichend, und es werden neue Konformitätsnachweise erforderlich sein.
Für MRO-Anwendungen (NDT, Dokumentensuche, Wartungsplanung) ist die Zertifizierungslast geringer — das KI-System ist ein Werkzeug zur Entscheidungsunterstützung, keine Bord-Funktion. EASA Part 145 und die Advisory Circulars der FAA verlangen jedoch, dass KI-gestützte Werkzeuge über dokumentierte Validierungsnachweise verfügen, dass sie die Autorität des lizenzierten AME nicht außer Kraft setzen und dass ihre Ausgaben auf freigegebene Datenquellen rückverfolgbar sind.
Die Zertifizierungslücke betrifft Bord-KI-Funktionen — Software, die direkt die Flugzeugsteuerung, Navigation oder das Verhalten von Bordsystemen beeinflusst. Für bodengestützte Anwendungen (MRO-Entscheidungsunterstützung, Fertigungsinspektion, Flottenzustandsanalytik) ist die Zertifizierungslast geringer: Diese Systeme dürfen nicht als freigegebene Wartungsdatenquellen dargestellt werden, müssen die menschliche Autorität über Lufttüchtigkeitsentscheidungen wahren und müssen die Datenherkunft zu freigegebenen Quelldokumenten aufrechterhalten — sie erfordern jedoch keine Bord-Software-Assurance von DAL-A bis DAL-D.
Die kurzfristige Chance liegt genau in dieser bodengestützten Schicht. Eine gut konzipierte MRO-KI-Bereitstellung — souveräne Infrastruktur, RAG über freigegebene Dokumentation, vision-gestützte NDT mit menschlicher Freigabe — liefert heute erheblichen operativen Mehrwert, ohne darauf zu warten, dass das Zertifizierungsrahmenwerk für Bord-ML reift.
Cloud-KI wurde nicht für operative Umgebungen der Luftfahrt konzipiert. Die Randbedingungen von MRO und Aerostruktur-Fertigung — Latenz, IP-Schutz, regulatorische Aufzeichnungspflichten und in manchen Kontexten ITAR/EAR- oder nationale Sicherheitspflichten — weisen alle auf dieselbe architektonische Antwort hin: souveräne, On-Prem- oder zumindest EU-souveräne Cloud-Inferenz.
Hinweis zum Dual-Use-Kontext: Das folgende Argument für eine souveräne Infrastruktur gilt gleichermaßen für zivile und Dual-Use-Fertigungsumgebungen. Wir weisen offen darauf hin. Die Mandate von Hyperion sind jedoch ausschließlich zivil. Wir beraten weder zu KI-Systemen für Waffen, klassifizierte Systeme oder Anwendungen, die staatliche Sicherheitsfreigaben erfordern, noch implementieren wir solche.
KI in der MRO-Einrichtung — Dokumentenabruf, NDT-Vision, Wartungsplanung — sollte auf GPU-Servern vor Ort statt über Cloud-APIs laufen. Flugzeug-Wartungsdaten, Flottenzustandsaufzeichnungen und OEM-Dokumentation unterliegen IP-Vereinbarungen und Datenschutzpflichten. Inferenz auf einem lokal eingesetzten Mistral-Modell auszuführen bedeutet, dass keine Wartungsdaten externe Infrastruktur durchqueren. Hardware: Eine einzelne NVIDIA A10 (24 GB) kann Mistral 7B INT4 für einen mittelgroßen MRO-Betrieb mit angemessenem Durchsatz bedienen.
Aerostruktur-Fertigungsprozesse — CFRP-Laminierungsparameter, Werkzeuggeometrien, NDT-Akzeptanzschwellen — sind wettbewerbsrelevant und in manchen Kontexten exportkontrolliert unter ITAR/EAR oder gleichwertigen nationalen Vorschriften. Air-Gapped-Inferenz stellt sicher, dass keine Prozessdaten die Betriebsgrenze verlassen. Die Modellgewichte werden einmalig bei der Inbetriebnahme geladen; Aktualisierungen folgen einem kontrollierten Änderungsprozess im Einklang mit Ihrem Qualitätsmanagementsystem.
Europäische Luftfahrtbetreiber (Airbus-Lieferkette, europäische MROs, in der EU lizenzierte Fluggesellschaften) müssen die DSGVO für alle Daten berücksichtigen, die personenbezogene Informationen enthalten — Schichtaufzeichnungen, Technikerhandlungen, Qualitäts-Sperrentscheidungen. Eine On-Prem- oder EU-souveräne Cloud-Bereitstellung hält die Verarbeitung innerhalb der EU-Gerichtsbarkeit, vereinfacht die DSGVO-Konformität und macht Standardvertragsklauseln für Drittlandübermittlungen überflüssig.
Die NDT-Bildinspektion in der Produktionslinie erfordert eine Inferenzlatenz deutlich unter 100 ms, um nicht zum Durchsatz-Engpass zu werden. Cloud-API-Roundtrips (typisch 100–500 ms) sind strukturell inkompatibel mit der Inline-Inspektion. Ein On-Prem-GPU-Knoten, der mit der Inspektionsstation zusammen platziert ist, liefert eine Inferenz unter 20 ms für Erkennungsmodelle im Maßstab von YOLOv9 — zwei Größenordnungen schneller als jede Cloud-Architektur.
EASA Part 145 und AS9100 verlangen, dass Wartungs- und Qualitätsaufzeichnungen aufbewahrt und rückverfolgbar sind. Wenn ein KI-System zu einer Wartungsentscheidung oder einem Inspektionsergebnis beiträgt, muss das Inferenzprotokoll — welche Daten abgefragt wurden, was das Modell zurückgab und was der Techniker entschied — Teil der Qualitätsaufzeichnung sein. On-Prem-Bereitstellung bedeutet, dass diese Protokolle in Ihrer bestehenden Qualitätsmanagement-Infrastruktur verbleiben und nicht im Audit-Trail einer Drittanbieter-Cloud.
ITAR/EAR und Exportkontrolle
Luftfahrt-Fertigungsdaten — insbesondere für militärisch abgeleitete oder Dual-Use-Komponenten — können den US-ITAR (International Traffic in Arms Regulations), den EAR (Export Administration Regulations) oder gleichwertigen EU-/nationalen Exportkontroll-Rahmenwerken unterliegen. Das Senden ITAR-kontrollierter technischer Daten an eine Cloud-KI-API (selbst an eine nominell in der EU gehostete) kann eine unbefugte Ausfuhr darstellen, wenn der Anbieter US-Personen beschäftigt oder Datenzugriff aus US-Gerichtsbarkeit hat. On-Prem-, Air-Gapped-Bereitstellung beseitigt dieses Risiko, indem die Daten innerhalb der kontrollierten Betriebsgrenze gehalten werden. Dies ist eine Rechtsfrage — konsultieren Sie Ihren Exportkontroll-Berater.
Unsicher, ob Ihr MRO- oder Fertigungs-KI-Anwendungsfall innerhalb oder außerhalb des Bord-Zertifizierungsumfangs liegt? Hyperion führt einen 4-wöchigen Discovery-Sprint durch, der Ihre Anwendungsfälle, Zertifizierungs-Berührungspunkte, Datenflüsse und Souveränitätsanforderungen kartiert — und eine Empfehlung für die Bereitstellungsarchitektur für Ihren spezifischen operativen Kontext erstellt.
Luftfahrt-KI überschneidet sich auf unvermeidliche Weise mit verteidigungsnahen Kontexten, die es verdienen, direkt angesprochen zu werden. Viele Luftfahrt-Zulieferer — Aerostruktur-Hersteller, Avionik-Integratoren, UAV-Plattform-Entwickler — bedienen zivile und Verteidigungsprogramme aus denselben Einrichtungen und mit denselben Ingenieurteams. Die KI-Infrastruktur, die für einen zivilen MRO-Betrieb sinnvoll ist, ist architektonisch auch für eine Dual-Use-Fertigungsumgebung sinnvoll: souverän, On-Prem, Air-Gapped, mit vollständiger Datenherkunft. Wir weisen offen darauf hin.
Was wir tun
Was wir nicht tun
Die Begründung für diese Civil-First-Grenze ist keine Naivität gegenüber der Dual-Use-Realität der Luftfahrttechnologie. Es ist eine bewusste Positionierungsentscheidung. Verteidigungsarbeit erfordert Fähigkeiten — Sicherheitsfreigaben, Infrastruktur klassifizierter Einrichtungen, ITAR-Registrierung, Generalunternehmer-Beziehungen —, die eine kleine, agile KI-Beratung im Maßstab von Hyperion nicht besitzt und nicht aufzubauen anstrebt. Der Versuch, diesen Markt ohne diese Fähigkeiten zu bedienen, würde bedeuten, Kunden in Kontexten zu viel zu versprechen, in denen die Folgen eines Lieferversagens gravierend sind.
Was wir ehrlich sagen können: Die souveräne Infrastruktur-Architektur, die wir für zivile Kunden implementieren — On-Prem-Inferenz, Air-Gapped-Bereitstellung, EU-Datenresidenz, vollständiges Eigentum am Audit-Trail — ist dasselbe Architekturmuster, das für eine Dual-Use-Fertigungsumgebung angemessen wäre, in der die Anforderungen an Datensouveränität und Sicherheit analog sind. Wenn ein Dual-Use-Hersteller diese Architektur auf seine zivilen Produktionslinien anwenden möchte, können wir helfen. Wir übernehmen die zivile und technologische Schicht; die verteidigungsspezifische Compliance, die Freigaben und das Programm-Management liegen außerhalb unseres Umfangs.
Das Folgende ist eine sachliche Darstellung des Hintergrunds von Hyperion im Zusammenhang mit Luftfahrt-KI. Wir haben keine luftfahrtspezifischen Kundenmandate durchgeführt. Was wir haben, ist eine erprobte Fähigkeit zum Engineering industrieller KI — Edge-Vision, RAG, souveräne On-Prem-Infrastruktur —, die architektonisch auf den Luftfahrtkontext übertragbar ist. Wir sind in Bezug auf beides transparent.
Hyperion hat über seine 10 KI-Ventures hinweg Edge-KI-Bildsysteme für die industrielle Inspektion entwickelt und eingesetzt, darunter Computer-Vision-Pipelines für die Erkennung von Oberflächendefekten, die Anomalieklassifizierung und die Sensorfusion. Dies sind dieselben zugrunde liegenden Fähigkeiten — Edge-eingesetzte Bildmodelle, RAG über technische Dokumentation, On-Prem-Inferenz-Infrastruktur —, die Luftfahrt-Anwendungen für MRO und Fertigung benötigen. Wir haben nicht speziell für eine Fluggesellschaft oder einen MRO-Betrieb entwickelt; was wir haben, ist die erprobte Fähigkeit zum Engineering industrieller KI, die sich auf den Luftfahrtkontext übertragen lässt.
Gründer Mohammed Cherifi verbrachte 17+ Jahre in eingebetteten Systemen und industrieller Technik, einschließlich Tätigkeiten bei Renault-Nissan-Mitsubishi Alliance, Cisco und ABB. Die Luftfahrtfertigung teilt ihre Engineering-DNA mit der Automobil- und Industrieautomatisierung: sicherheitskritische Software-Praktiken, OT/IT-Integration, Qualitätssysteme (IATF 16949 entspricht AS9100) und die kulturelle Kluft zwischen Produktionsboden und IT. Dieser Hintergrund ist direkt relevant dafür, wie KI in regulierten industriellen Umgebungen konzipiert und eingesetzt wird.
Auralink — das Flaggschiff-Venture von Hyperion — ist eine Plattform mit 400+ Microservices und ca. 20 Agenten, gebaut auf einer souverän-zuerst, Edge-bereitstellbaren Architektur (rund 1,7M Codezeilen). Dies ist der Engineering-Maßstab, den wir auf Kundenmandate anwenden: verteilte Agentenkoordination, On-Prem-Modellbereitstellung, strukturierte Datenpipelines aus physischen Sensoren. Die Architekturmuster, die Auralink in Edge-beschränkten Umgebungen funktionieren lassen, sind direkt auf Luftfahrt-Wartungs- und Fertigungssysteme anwendbar.
Ein auf arXiv veröffentlichtes Preprint (arXiv:2603.08736) behandelt autonome, Edge-eingesetzte KI-Agenten für physische Infrastruktur. Dies ist ein Preprint — keine in einer Fachzeitschrift begutachtete Veröffentlichung —, doch es spiegelt die Tiefe des architektonischen Denkens wider, das Hyperion auf souveräne, Edge-beschränkte KI-Bereitstellungen anwendet. Die beschriebenen Muster sind für Luftfahrt-MRO und UAS-Bodensysteme relevant.
Mohammed Cherifi trägt die Auszeichnung als KI-Botschafter aus dem Programm Osez l'IA der französischen Regierung und wurde von FranceNum anerkannt. Diese Auszeichnung spiegelt das Engagement in der französischen KI-Politik wider — ein relevanter Kontext, da Airbus, Safran, Thales und der Großteil der europäischen Luftfahrt-Lieferkette unter französischen und EU-regulatorischen Rahmenwerken operieren.
Nein. Hyperion verfügt nicht über luftfahrtspezifische Zertifizierungen (DO-178C DAL, EASA-Part-145-Zulassung, AS9100-Registrierung) und hat keine Mandate für eine Fluggesellschaft, eine MRO-Organisation oder einen OEM-Luftfahrtkunden durchgeführt. Was Hyperion hat, ist eine erprobte Fähigkeit zum Engineering industrieller KI — Edge-Vision-Systeme, RAG über technische Dokumentation, souveräne On-Prem-Inferenz-Infrastruktur —, die architektonisch auf Luftfahrt-Anwendungen übertragbar ist. Wir sind in Bezug auf diese Unterscheidung transparent: Die technologische Fähigkeit ist real; die luftfahrtspezifische Kunden-Erfolgsbilanz ist noch nicht vorhanden.
Civil-First bedeutet, dass sich unser Arbeitsumfang, unsere Technologieempfehlungen und unser Kundenstamm auf zivile Luftfahrt-Anwendungen konzentrieren: MRO der kommerziellen Luftfahrt, Wartung der Geschäftsluftfahrt, zivile UAS-Betreiber, Avionik-Lieferkette und Aerostruktur-Fertigung für zivile Programme. Wir verfolgen keine Arbeiten, die Waffensysteme, klassifizierte Systeme oder Anwendungen betreffen, die staatliche Sicherheitsfreigaben erfordern. Wenn Dual-Use-Infrastruktur — souveräne On-Prem-KI, Air-Gapped-Inferenz, Edge-eingesetzte Vision — in zivilen und Verteidigungskontexten Anwendung findet, weisen wir offen darauf hin; unsere Mandate sind jedoch ausschließlich zivil.
Nein. Hyperion hat keine Verteidigungsverträge, keine Kunden in Rollen als Verteidigungs-Generalunternehmer oder -Unterauftragnehmer und keine Sicherheitsfreigaben. Unser Gründer und unser Team verfügen über keine staatlichen Sicherheitsfreigaben. Wir merken in diesem Primer an, dass souveräne KI-Infrastruktur — On-Prem, Air-Gapped, Edge-eingesetzt — für Dual-Use-Kontexte relevant ist, doch dies ist eine architektonische Beobachtung und keine Beschreibung unseres Kundenstamms oder unserer Fähigkeiten in diesem Sektor.
Die Anforderungen an die Lufttüchtigkeitsanrechnung von DO-178C gelten für Software, die Bord-Funktionen ausführt oder beeinflusst. Ein bodengestütztes MRO-Werkzeug zur Entscheidungsunterstützung — ein RAG-System für den Dokumentenabruf oder ein NDT-Bildklassifizierer, der Befunde zur menschlichen Begutachtung markiert — ist selbst keine Bord-Funktion und erfordert keine DO-178C-Zertifizierung. Es darf jedoch nicht als freigegebene Wartungsdatenquelle dargestellt werden (was eine Part-145-/FAA-Zulassung erfordern würde), und jede Ausgabe, die eine Freigabeentscheidung beeinflusst, muss unter der Autorität des lizenzierten Ingenieurs bleiben. Die Zertifizierungslast skaliert mit der Sicherheitsfolge der KI-Ausgabe.
Die KI-Roadmap 2.0 der EASA (veröffentlicht 2023) führt „Learning Assurance“ als Rahmenwerk ein, um auf die ML-Modellentwicklung eine Strenge anzuwenden, die der entspricht, die DO-178C für deterministische Software bietet. Sie benennt fünf Herausforderungsbereiche: Datenmanagement und Rückverfolgbarkeit, Entscheidungen zur Modellarchitektur und Erklärbarkeit, für ML geeignete Leistungsmetriken, Verteilungsverschiebung und operative Überwachung sowie Mensch-Maschine-Teaming. Die EASA ist eindeutig: Die aktuellen Leitlinien (DO-178C/DO-254) sind für ML-Systeme unzureichend, und neue Konformitätsnachweise sind erforderlich. Stand 2026 existieren finalisierte Konformitätsnachweise für ML in Bordsystemen noch nicht; die EASA arbeitet im Rahmen ihres umfassenderen KI-Regulierungsrahmens an PART-AI.
Ein Mistral-basiertes RAG-System kann die Dokumentensuche drastisch beschleunigen und die kognitive Belastung von Wartungsingenieuren reduzieren. Ob es eine „freigegebene Datenquelle“ darstellt, hängt davon ab, wie es implementiert und genutzt wird. Das System kann auf freigegebene Datenquellen verweisen (AMMs, CMMs, Service Bulletins in ihrer freigegebenen Revision) und Ingenieuren helfen, zum relevanten Abschnitt zu navigieren — es kann jedoch nicht selbst freigegebene Wartungsdaten erzeugen oder ändern. Das freigegebene Dokument bleibt die Autorität; das RAG-System ist eine Abruf- und Verständnishilfe. Diese Unterscheidung muss in der Erklärung zur vorgesehenen Funktion des Systems klar dokumentiert werden.
Für einen MRO-Dokumentations-Copiloten (RAG + Mistral 7B INT4): Eine einzelne NVIDIA RTX 4090 (24 GB VRAM) oder A10 genügt für einen kleinen bis mittelgroßen MRO-Betrieb. Für die Inline-NDT-Bildinspektion an einer Produktionslinie: dedizierte GPU an der Inspektionsstation (Jetson AGX Orin für Edge, A10 für Inferenz auf Stationsebene). Für UAS-Bodensysteme: NVIDIA Jetson Orin oder gleichwertig für die Bordseite; A10/L40 für die Intelligenz der Bodenkontrolle. Air-Gapped-Umgebungen erfordern Offline-Modellladen und einen Änderungskontrollprozess für Modellaktualisierungen, im Einklang mit Ihrem Qualitätsmanagementsystem.
Ein fokussierter Discovery- und Architektur-Sprint — Abgrenzung des Anwendungsfalls, Kartierung der Datenflüsse, Identifizierung regulatorischer Berührungspunkte und Dimensionierung der Infrastruktur — dauert typischerweise 4–6 Wochen. Eine Produktivbereitstellung eines einzelnen Anwendungsfalls (z. B. ein MRO-Dokumentations-RAG für einen bestimmten Flottentyp) dauert typischerweise 8–14 Wochen von der Architekturfreigabe bis zur Inbetriebnahme. Der Zeitrahmen wird stark von der Datenbereitschaft (Qualität des Dokumentationskorpus, gelabelte NDT-Datensätze) und vom internen Change-Management-Prozess des Betreibers beeinflusst. Wir nennen keine Projekt-Zeitrahmen ohne einen vorausgehenden Discovery-Sprint.
EASA (2023). "EASA Artificial Intelligence Roadmap 2.0."
Kontext: Roadmap der Agentur der Europäischen Union für Flugsicherheit zur KI in der Luftfahrt, die das Konzept der „Learning Assurance“ einführt und fünf Herausforderungsbereiche für die Zertifizierung von ML-Systemen benennt.
RTCA / EUROCAE (2012). "DO-178C: Software Considerations in Airborne Systems and Equipment Certification."
Kontext: Primärer Software-Zertifizierungsstandard für Bordsysteme; die Grundlage, an der die ML-Supplement-Leitlinie (SC-205) entwickelt wird.
RTCA / EUROCAE (2000). "DO-254: Design Assurance Guidance for Airborne Electronic Hardware."
Kontext: Standard für die Hardware-Entwurfsassurance; gilt für programmierbare Logik, die ML-Inferenz in Avionik-Hardware ausführt.
SAE International (2010). "ARP4754A: Guidelines for Development of Civil Aircraft and Systems."
Kontext: Leitlinie zum Entwicklungslebenszyklus von Systemen für zivile Luftfahrzeuge; das übergeordnete Rahmenwerk, in dem die Software-/Hardware-Assurance-Aktivitäten nach DO-178C und DO-254 durchgeführt werden.
EASA (2014). "Commission Regulation (EU) No 1321/2014 — Part 145: Maintenance Organisation Approvals."
Kontext: Regulatorisches Rahmenwerk EASA Part 145 für zugelassene Wartungsorganisationen; regelt die Verwendung von Werkzeugen zur Entscheidungsunterstützung und freigegebenen Datenquellen in der Flugzeugwartung.
JARUS (2022). "JARUS guidelines on SORA — Specific Operations Risk Assessment for UAS."
Kontext: Risikobewertungs-Rahmenwerk für zivile UAS-Operationen, einschließlich Anforderungen an KI-Entscheidungssysteme, die in Operationen der spezifischen Kategorie eingesetzt werden.
SAE International (2016). "AS9100 Rev D: Quality Management Systems — Requirements for Aviation, Space, and Defense Organizations."
Kontext: Primärer Qualitätsmanagement-Standard für die Luftfahrtfertigung; relevant für KI-generierte Inspektionsaufzeichnungen und die Rückverfolgbarkeit von Prozessdaten.
Hyperion Consulting (2026). "arXiv preprint: Autonomous Edge-Deployed AI Agents for Physical Infrastructure (arXiv:2603.08736)."
Kontext: Preprint des Hyperion-Gründers (nicht begutachtet) zu Architekturmustern für souveräne, Edge-eingesetzte KI-Agenten — dieselben Muster, die auf Luftfahrt-Kontexte für MRO und Fertigung angewandt werden.
Ob Sie ein ziviler MRO-Betrieb sind, der ungeplante Ausbauten reduzieren möchte, ein Avionik-Zulieferer, der einen Dokumentations-Copiloten für sein Ingenieurteam baut, oder ein UAV-Hersteller, der eine souveräne Intelligenz der Bodenkontrolle konzipiert — die im ersten Mandat getroffenen Architekturentscheidungen bestimmen, was möglich ist. Hyperion bringt 17+ Jahre Erfahrung in der industriellen Technik zusammen mit einer Produktiv-Erfolgsbilanz in Edge-KI, On-Prem-Inferenz und RAG über technische Dokumentation ein. Beginnen Sie mit einem Gespräch.
Gründer und Leiter KI-Strategie
Mohammed Cherifi ist der Gründer von Hyperion Consulting, mit 17+ Jahren in eingebetteten Systemen und industrieller Technik, einschließlich Tätigkeiten bei Renault-Nissan-Mitsubishi Alliance, Cisco und ABB. Er ist spezialisiert auf die Bereitstellung souveräner KI für industrielle Umgebungen — Edge-KI, On-Prem-Inferenz und KI-Systeme, die die operativen und regulatorischen Randbedingungen sicherheitskritischer Fertigung erfüllen.
On-Prem- und Air-Gapped-KI-Bereitstellung für industrielle Umgebungen
Souveräne, Air-Gapped-KI-Bereitstellung für Fertigungsumgebungen
Zertifizierungsüberlegungen nach ISO 26262 und IEC 62443 für Edge-KI
Der 6-schichtige Physical AI Stack für Robotik, Edge-KI und industrielle Automatisierung