der Luft und der Ozeane bei. Es gibt stärkere Treibhausgase, jedoch ist die Menge des ausgestoßenen CO 2 ausschlaggebend [1]. Im Jahr 2023 wurden 673 Millionen Tonnen CO 2 -Äquivalente in Deutschland produziert [2]. Dies stellt eine Reduktion auf 10,1 % der CO 2 -Emissionen in Bezug auf das Jahr 2022 dar [2]. Der Verkehrssektor trägt etwa 21 % zu den CO 2 -Emissionen Deutschlands bei [3]. Einleitung Die vom Menschen verursachte Erhöhung der globalen Durchschnittstemperaturen von Atmosphäre und Ozeanen trägt maßgeblich zur Intensivierung extremer Wetterereignisse wie Überschwemmungen, Dürren und Stürmen bei. Die Auswirkungen sind bereits heute frappant und in einigen Fällen fatal. Der massenhafte Ausstoß des Treibhausgases CO 2 trägt zur globalen Erwärmung Werden die Anteile der globalen CO 2 -Emissionen nach Verkehrsträgern betrachtet, hat der Straßenverkehr im Jahr 2022 16 % der Emissionen ausgemacht [4]. Der Luftverkehr und die Schifffahrt dagegen kommen auf etwa drei Prozent [4]. Zur Reduktion des Klimawandels haben mehrere Regierungen bereits Einsparziele formuliert. In der Europäischen Union wurden Ziele für Einsparungen im sogenannten Bewertung der Effizienz der landseitigen Passagierprozesse an Flughäfen unter gleichzeitiger Berücksichtigung multipler Kenngrößen Bewertungsmethoden, Effizienzbestimmung, Passagierprozesse, Flughafenterminal, Fuzzy Logic, Analytic Hierarchy Process (AHP) Das Negieren des menschengemachten Klimawandels wird angesichts von Katastrophenereignissen wie Starkregen und extremen Hitzewellen immer schwieriger. Der erhebliche CO₂-Ausstoß, insbesondere bei der Energiegewinnung, gilt als eine der Hauptursachen des Klimawandels. Neben der Energieproduktion ist die Effizienz ihrer Nutzung von entscheidender Bedeutung. Während Energieeffizienz klar definiert ist, stellt die Bestimmung der Effizienz eines Prozesses eine komplexe Herausforderung dar. Dieser Artikel präsentiert eine Methodik, um die Effizienz eines Passagierprozesses unter gleichzeitiger Berücksichtigung multipler Kenngrößen zu bestimmen. Olaf Milbredt, Andrei Popa, Jan Philipp Bittner DOI: 10.24053/ IV-2025-0039 Internationales Verkehrswesen (77) 3 ǀ 2025 15 Green Deal festgehalten [5]. Das von der ACARE entwickelte Papier Fly the Green Deal nennt Ziele für den gesamten Luftverkehrssektor, unter anderem auch für Flughäfen [5]. Für das Flugzeug selbst werden alternative Energieträger wie Sustainable Aviation Fuel (SAF), Wasserstoff oder Batterien vorgeschlagen [6, 7, 8, 9]. Innerhalb des Flughafens ist das Terminal der größte Verbraucher elektrischer Energie. In Bild 1 ist die Verteilung der elektrischen Verbraucher innerhalb des Flughafens, in Bild 2 die Verteilung innerhalb des Terminals dargestellt. Ist die Einsparung von Energie das einzige Ziel? Viel Energie könnte eingespart werden, wenn man die Gepäckförderbänder abschaltet. Jeder Passagier müsste dann sein Gepäck selbst zum Flugzeug bringen und auch wieder abholen. Dies würde jedoch zu einem massiven Verlust von Kunden führen, da der gefühlte Service einer Flugreise verloren geht. Aus diesem Grund sind neben der Einsparung von Energie auch andere Kenngrößen zu berücksichtigen, in diesem Fall das Airport Level of Service (LoS) Concept der IATA (International Air Transport Association) [11] als Maß für die Attraktivität. Stellt man Personal ein, um diese Aufgabe zu übernehmen, ist der LoS wieder wie vorher, jedoch explodieren die Kosten für das Personal. Die Beispiele verdeutlichen die Notwendigkeit, weitere Kenngrößen in der Bewertung eines Prozesses mit einzubeziehen. In dieser Arbeit wird eine Methode für die Berechnung der Effizienz eines Passagierprozesses präsentiert, die neben der Energieeffizienz weitere Kenngrößen berücksichtigt. Ziel dieser Berechnung ist die Unterstützung der Stakeholder am Flughafen bei Änderungen in der Prozesslandschaft. Unterschiedliche Schwerpunkte der Stakeholder führen zu einer unterschiedlichen Gewichtung der einzelnen Kenngrößen. Die hier dargestellte Methode erlaubt die Einarbeitung von Gewichten in die Berechnung. Zur Bestimmung der Gewichte können Befragungen konzipiert werden, die einen paarweisen Vergleich der Kriterien verwenden. Methodik Es werden die Größen Energieverbrauch, Kosten, Level of Service und Security verwandt. Da diese Größen unterschiedliche Einheiten haben, ist ein Vergleich bzw. Verrechnen so nicht möglich; umgangen wird das mit einer Enddimensionierung. Zusätzlich wird eine Normierung eingeführt, damit die so entstandenen Größen η i für 1 ≤ i ≤ 4 Werte zwischen null und eins annehmen. Für den Energieverbrauch z. B. wird eine dimensionslose Größe η E definiert (1) wobei E Prozess den Energieverbrauch des einzelnen Prozesses bezeichnet und E Terminal den Energieverbrauch des gesamten Terminals. Diese Größe nimmt Werte zwischen null und eins an. Die Subtraktion des Quotienten ist dem Umstand geschuldet, dass der Energieverbrauch eine negativ beeinflussende Größe der Effizienz ist. Analog wird eine Größe η C für die Kosten definiert. Für den Level of Service werden verschiedene Stufen verwandt und diesen Stufen numerische Werte ( n LoS ) zugeordnet: A ≙ fünf, B ≙ vier, … Diese Einteilung trägt dem Umstand Rechnung, dass ein höherer Level of Service positiv beeinflussend für die Effizienz ist. Um die Größe zu normalisieren, wird durch den maximal möglichen numerischen Wert geteilt, d. h. (2) Als Maß für die Sicherheit wird die Größe Level of Security von [12] verwandt. Die Definition des Level of Security garantiert bereits einen Wertebereich zwischen null und eins. Bestimmung der Gewichte Die Bestimmung der Gewichte benutzt den Analytic Hierarchy Process (AHP), eine von Thomas L. Saaty entwickelte Methode, um Entscheidungsprozesse zu unterstützen [13]. Diese Methode basiert auf paarweisen Vergleichen der Kriterien, die mithilfe von sprachlichen Aussagen formuliert werden. In der vorliegenden Studie werden die Vergleiche von „viel unwichtiger“ über „gleich wichtig“ zu „viel wichtiger“ verwendet und den Aussagen numerische Werte zugeordnet. In Tabelle 1 ist die in dieser Arbeit verwendete Skala, die von der ursprünglichen Skala abweicht, dargestellt. Die Skalen sind dabei so gewählt, dass die Wertungen von viel wichtiger zu viel unwichtiger und von wichtiger zu unwichtiger jeweils den Kehrwert zueinander bilden. Die numerischen Entsprechungen der paarweisen sprachlichen Vergleichsaussagen von jedem Kriterium mit jedem anderen Kriterium werden in eine Matrix eingetragen. Zwei Kriterien werden miteinander verglichen, wobei der Vergleich des einen Kriteriums mit dem anderen den Kehrwert des inversen Vergleichs repräsentiert. Die Gewichte ω i gewinnt man durch den normierten Eigenvektor dieser Matrix zum größten Eigenwert. Die Effizienz ε des Prozesses ist definiert durch (3) wobei die Größe ε Werte zwischen 0 und 1 annimmt. Bild 1: Anteile am Energieverbrauch eines Flughafens nach Einrichtung [10] Bild 2: Energieverbraucher am Flughafenterminal [10] 𝜂𝜂𝜂𝜂 𝐿𝐿𝐿𝐿𝑃𝑃𝑃𝑃𝐿𝐿𝐿𝐿 = 𝑇𝑇𝑇𝑇 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 max (𝑇𝑇𝑇𝑇 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 ) . 𝜂𝜂𝜂𝜂 𝐸𝐸𝐸𝐸 = 1 − 𝐸𝐸𝐸𝐸 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝐸𝐸𝐸𝐸 𝑇𝑇𝑇𝑇𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝜀𝜀𝜀𝜀 = � 𝜔𝜔𝜔𝜔 𝑖𝑖𝑖𝑖 𝜂𝜂𝜂𝜂 𝑖𝑖𝑖𝑖 𝑖𝑖𝑖𝑖 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑚𝑚𝑚𝑚 ∑𝜔𝜔𝜔𝜔 𝑖𝑖𝑖𝑖 = 1, , INFRASTRUKTUR  Passagierprozesse DOI: 10.24053/ IV-2025-0039 Internationales Verkehrswesen (77) 3 ǀ 2025 16 Erkenntnisse bezüglich der Gewichte. Der Energieverbrauch und die Kosten der Gepäckbeförderung werden als prozentuale Größen der jeweiligen Größen des Terminals angegeben und sind Annahmen. Für die Betrachtung der Beispiele werden fünf Stufen für den Level of Service angenommen. Die Gewichte, gemittelt über alle Expertengruppen, lauten ω E = 0,1 für die Energie, ω C =0,15 für die Kosten, ω LoS = 0,25 für den Level of Service und ω Sec = 0,5 für die Sicherheit. Die Kosten für die Gepäckbeförderung werden angenommen zu 0,5 % der Kosten des Terminals. Der Energieverbrauch für die Gepäckbeförderung wird angenommen als 2,5 % des Energieverbrauchs des Terminals. Der Level of Service wird angenommen als Level B und der Level of Security mit 0,7. Mit diesen Werten zur Beschreibung des Status quo erhält man die Bewertung ε = 0,79675. Der Vorschlag, die Gepäckförderbänder abzustellen, würde zu einer Energieeinsparung und einem Verlust der Attraktivität führen, in dieser Beispielrechnung modelliert mit dem Level of Service E. Diese Veränderung des Level of Service entspricht einer Verringerung um 75 %. Die Energieeinsparung wird angenommen mit -80 % der Gepäckbeförderung, die Kosten ebenfalls mit -80 % der ursprünglichen Kosten. Diese Veränderungen führen zu einer Bewertung von ε = 0,64934. Möchte man durch Einstellen von Personal den Level of Service wieder auf das ursprüngliche Level anheben, werden sich die Kosten der Gepäckbeförderung verändern. Es wird angenommen, dass sich die Kosten um 500 % vergrößern. Mit diesen Verän- Praktische Umsetzung Die so definierte Effizienz ε sagt etwas über die Änderung in der Prozesslandschaft aus. Um die Gewichte zu bestimmen, können Umfragen unter den Verantwortlichen oder repräsentative Umfragen mit Experten durchgeführt werden. Für diese Studie wurde eine Umfrage unter 25 Experten aus der Fluggesellschaft, dem Terminalmanagement bzw. der Flughafen-Security durchgeführt. Die Kriterien der Umfrage entsprechen den Größen Energieverbrauch, Kosten, Level of Service und Security. Dabei wurde für den Level of Service spezifiziert, dass sich dieser bei Passagierprozessen im Allgemeinen, beim Check-in, der Personen- und Handgepäckkontrolle, der Passkontrolle und dem Boarding auf Wartezeit, Warteschlangenlänge, Personenanzahl und Prozessdauer bezieht. Für die Gepäckabfertigung wurde der Level of Service als Maß für Zuverlässigkeit und Wartezeit angegeben. Aufgrund der potenziellen Unterschiede in der Gewichtung der Kriterien für die verschiedenen Prozesse wurden spezifische Fragestellungen zu den Abläufen des Checkins, des Sicherheitschecks, der Passkontrolle, des Boardings, der Gepäckabfertigung sowie zu den gesamten Passagier- und Gepäckprozessen am Flughafen formuliert. Die ermittelten Vergleiche der Kriterienpaare, wie sie die Teilnehmer der Expertenumfrage angegeben haben, wurden gemittelt. Beispielhaft sind die Gewichtungen in Bild 3 für den gesamten Flughafen dargestellt. Es lässt sich feststellen, dass die Experten verschiedener Branchen der Security am Flughafen die höchste Gewichtung zuweisen. Der Service wird von den Experten als zweitwichtigstes Kriterium bewertet, wobei die Gewichtung jedoch signifikant unter der der Security liegt. An dritter Stelle wird der Kostenfaktor eingeordnet, gefolgt vom Energieverbrauch. Es lassen sich auch Unterschiede zwischen den Stakeholdergruppen beobachten. Aufgrund der Schwankungen in den Gruppengrößen und der relativ geringen Anzahl an Ergebnissen ist es jedoch nicht möglich, klare Schlussfolgerungen zu den Tendenzen zwischen den Gruppen zu ziehen. Unabhängig von der Expertengruppe zeigt sich jedoch eine übereinstimmende Einschätzung: Die Security wird als das wichtigste Kriterium bewertet, gefolgt vom Service, den Kosten und dem Energieverbrauch, unabhängig von den betrachteten Prozessen. Anwendung der Methode auf Beispiele Die Methode wird auf die in der Einleitung angesprochenen Beispiele angewandt, inklusive der durch die Umfrage gewonnenen derungen erhält man eine Bewertung von ε = 0,79509. In einem weiteren Beispiel werden neue Geräte für die Sicherheitsüberprüfung angeschafft. Es wird angenommen, der Energieverbrauch vergrößert sich um 20 % und die Kosten um 10 %, aber dafür vergrößert sich die Sicherheit um 0,1. Geht man von ähnlichen Anteilen des Energieverbrauchs und der Kosten aus wie bei der Gepäckbeförderung, ergibt sich eine Bewertung von ε = 0,84619. Diese Beispiele verdeutlichen die Anwendbarkeit der Methode bei Veränderungen. Ein höherer Wert als der für den Status quo liefert den Hinweis auf eine Verbesserung der Situation. Die Bewertung bei Vergrößerung der Kosten im zweiten Beispiel fällt geringer aus, da die Kosten des gesamten Terminals als Bezugsgrößen benutzt werden. Diese sind sehr viel größer als die Kosten der Gepäckbeförderung. Im ersten und letzten Beispiel sieht man den stärkeren Einfluss des Level of Service und insbesondere des Level of Security, da diesen beiden Größen größeres Gewicht zugeordnet wurde. Erweiterung mithilfe von Fuzzy Logic Die Berücksichtigung der Subjektivität bei der Einschätzung der Gewichte der unterschiedlichen Größen erhöhen den Aussagegehalt von Umfragen. Zur Berücksichtigung dieser Subjektivität kann Fuzzy Logic eingesetzt werden. Fuzzy Logic wurde von L. Zadeh entwickelt und überführt scharfe Größen wie 0,4 in linguistische Terme, zum Beispiel mittel oder groß [15]. Diese linguistischen Terme werden durch eine Zugehörigkeitsfunktion dargestellt, welche Saaty-Skala [13] Balancierte Skala [14] Viel unwichtiger 0,33 0,11111111 Unwichtiger 0,5 0,42857143 Gleich wichtig 1 1 Wichtiger 2 2,33333333 Viel wichtiger 3 9 Tabelle 1: Saaty-Skala und balancierte Skala mit 5 Stufen Bild 3: Gewichtungen der Energie, Kosten, Security und Service aus der Umfrage für den gesamten Flughafen nach Expertengruppen Passagierprozesse  INFRASTRUKTUR DOI: 10.24053/ IV-2025-0039 Internationales Verkehrswesen (77) 3 ǀ 2025 17 den Zugehörigkeitsgrad scharfer Größen zu den linguistischen Termen beschreibt. Eine scharfe Größe wie 0,4 könnte zum Beispiel 20 % groß und 40 % mittel sein. Ein scharfer Wert wird somit eine Überlagerung von linguistischen Termen. Im Gegensatz zur booleschen Logik weisen die den linguistischen Termen zugrunde liegenden Mengen unscharfe, ausgefranste Grenzen auf, wodurch Werte nur teilweise zur Menge gehören können. Für jedes Kriterium wie zum Beispiel Kosten werden linguistischen Terme festgelegt, die den Wertebereich überdecken. Zur Bestimmung der Bewertung werden die linguistischen Terme aller Kriterien mittels Regeln zusammengerechnet, sodass ein linguistischer Term für die Effizienz entsteht. Diese Regeln bestehen aus Wenn-dann-Beziehungen von linguistischen Termen. Ein Beispiel ist: Wenn die Parameter Kosten sehr hoch, Energieverbrauch hoch , Level of Service niedrig und Level of Security mittel sind, dann ist die Effizienz niedrig . Dabei lassen sich den einzelnen Parametern linguistische Terme im Spektrum von sehr niedrig über mittel bis sehr hoch zuordnen. Die linguistischen Terme der unterschiedlichen Größen und die zugehörigen Regeln bilden ein sogenanntes Fuzzy Inference System [16]. Die Anzahl der Regeln kann hoch sein, da bei mehreren Größen und linguistischen Termen eine exponentielle Abhängigkeit besteht. Bei vier Größen zum Beispiel mit jeweils fünf linguistischen Termen sind 625 Regeln nötig. Zur Umgehung dieser Problematik wird das automatische Generieren von Regeln aufgrund von Gewichten verwendet [17]. Die Ergebnisse der unterschiedlichen Regeln werden mit dem ODER-Operator aggregiert, sodass eine Vereinigung von linguistischen Termen resultiert. Diese Menge wird mit dem Center of Gravity zu einem scharfen Wert transformiert. Bei der Anwendung des Fuzzy Inference System werden als Kriterien die Quotienten aus in (1) und (2) definierten dimensionslosen, normierten Größen zu Energie, Kosten, Level of Service und Level of Security verwendet. Für die Anwendung werden für alle Kriterien die linguistischen Terme sehr niedrig , niedrig , mittel , hoch und sehr hoch verwendet. Für die Zugehörigkeitsfunktionen werden abgeschnittene Gaußverteilungen mit einer Standardabweichung von 0,14 verwendet, die eine große Überlappung bieten. Die Mittelwerte beginnen bei null mit einer Schrittweite von 0,25. In Bild 4 sind die linguistischen Terme für die Energie dargestellt. Mit den so definierten Zugehörigkeitsfunktion erhält man für den Status quo die Effizienz ε = 0,722199. Die im ersten Beispiel beschriebenen Veränderungen durch Abstellen der Gepäckförderbänder führen mit Fuzzy Logic zu der Effizienz ε = 0,69575. Die im zweiten Beispiel beschriebene Einstellung von Personal zur Gepäckbeförderung führt mit Fuzzy Logic zu der Effizienz ε = 0,7221351. Die Anschaffung eines neuen Gerätes zur Sicherheitsüberprüfung im dritten Beispiel führt mit Fuzzy Logic zu der Effizienz ε = 0,8014524. Die Effizienz des ersten Beispiels ist geringer als die des Status quo. Der Rückgang des Level of Service im ersten Beispiel führt zu einer verringerten Effizienz im Rahmen der Fuzzy-Logic-Methodik. Auch im zweiten Beispiel führt die Erhöhung der Kosten zu einer Reduktion der Effizienz unter Anwendung von Fuzzy Logic. Im dritten Beispiel resultiert die Erhöhung des Levels of Security in einer Effizienz, die die des Status quo übersteigt. Die Ergebnisse dieser Beispiele unter Anwendung der Erweiterung mit Fuzzy Logic entsprechen den Erwartungen. Fazit und Ausblick Der vom Menschen induzierte Klimawandel führt zunehmend zu dramatischen Auswirkungen. Einerseits manifestiert er sich in Dürren, die bis zum Tod von Nutzvieh führen können, andererseits in Überschwemmungen, die schwere materielle Schäden verursachen, wie etwa das Übereinandertürmen von Fahrzeugen. Die Energiegewinnung durch die Verbrennung fossiler Brennstoffe und der damit verbundene massive Ausstoß von CO 2 sind als zentrale Problematik identifiziert worden. Zur Reduktion des CO 2 -Ausstoßes wurden in sämtlichen Sektoren, insbesondere im Verkehrsbereich, konkrete Zielvorgaben festgelegt. Auch für die Luftfahrtindustrie sowie für Flughäfen wurden spezifische Zielwerte definiert. Dabei ist nicht nur die Einsparung von Energie von Bedeutung, sondern ebenso die Effizienz in deren Nutzung. Der landseitige Betrieb eines Flughafens stellt ein hochkomplexes System dar, in dem eine Vielzahl von Stakeholdern interagiert, zahlreiche Prozesse ablaufen und eine breite Palette von KPIs existiert. Die Optimierung eines einzelnen KPIs innerhalb eines spezifischen Prozesses kann dabei unbeabsichtigte negative Auswirkungen auf andere KPIs haben, was zu einer Verschlechterung der Gesamteffizienz des betreffenden Prozessbereichs führen kann. Aufgrund der komplexen Wechselwirkungen zwischen den verschiedenen Prozessen und den divergierenden Interessen der Stakeholder stellt die Bewertung der Effizienz sowohl der einzelnen Prozesse als auch des Gesamtsystems unter Berücksichtigung sämtlicher relevanter Faktoren und Perspektiven eine hochkomplexe Herausforderung dar. Da die ausschließliche Reduktion des Energieverbrauchs daher nicht das alleinige Ziel im flughafenlandseitigen Betrieb darstellen kann, wird in dieser Studie eine Methodik entwickelt, die mehrere relevante Faktoren simultan berücksichtigt und eine integrative Bewertung der Situation ermöglicht. Die in dieser Studie entwickelte Methodik umfasst in der Anwendung beispielhaft die Parameter Energieverbrauch, Kosten, Level of Service und Security. Somit wird eine umfassendere Analyse der Effizienz und Nachhaltigkeit des Flughafenbetriebs gewährleistet. Diese Größen werden in der entwickelten Methodik verschieden gewichtet. Um adäquate Gewichte zu ermitteln, wurde eine Umfrage unter Experten durchgeführt. In dieser wurde die Sicherheit im Sinne der Security als das bedeutendste Kriterium bewertet. Die Priorisierung erfolgte unabhängig vom jeweiligen Fachbereich und dem betrachteten Prozess. Der Level of Service wurde von den befragten Experten als zweitwichtigstes Kriterium eingeschätzt, gefolgt von den Kosten und dem Energieverbrauch. Die entwickelte Methodik basiert auf der gewichteten Summation. Dabei werden die entdimensionierten und normierten KPIs zunächst mit Gewichten multipliziert und anschließend addiert. Dies hat den Vorteil, dass die Methode mit geringem Rechenaufwand implementiert werden kann. Eine Anwendung auf konkrete Beispiele zeigt die Einsetzbarkeit dieser Methode. Bild 4: Fuzzysets für η E mit Gaußverteilungen und Standartabweichung 0,14 INFRASTRUKTUR  Passagierprozesse DOI: 10.24053/ IV-2025-0039 Internationales Verkehrswesen (77) 3 ǀ 2025 18 https: / / w w w.iaa.ie/ docs/ default-source/ cardocuments/ 2019/ draf tdetermination/ 2020 - 2024-draft-cip-terminal-modelling.pdf? Status= Master&sfvrsn=ac614f3_0. [12] Milbredt, O., Deutschmann, A., 2016. Key performance indicator for security measurement at airports, in: AIAA Modeling and Simulation Technologies Conference, 13-17 June, Washington D. C., USA, American Institute of Aeronautics and Astronautics. doi: 10.2514/ 6.2016-4300. [13] Saaty, R. W.: The analytic hierarchy process - what it is and how it is used. Mathematical Modelling 9(3-5), 161-176 (1987). [14] Salo, A. A., Hämäläinen, R.: On themeasurement of preferences in theanalytic hierarchy process. JOURNAL OF MULTI-CRITERIA DECISION ANALY- SIS (6), 309-319 (1997). [15] Zadeh, L. A.: Fuzzy sets. Information and Control 8(3), 338-353 (1965). [16] Mamdani, E. H., Assilian, S.: An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies 7(1), 1-13 (1975). [17] Milbredt, O.: Parameter weighting for multidimensional fuzzy inference systems. In: 2016 International Conference on Control, Automation and Information Sciences (ICCAIS). pp. 227-231. IEEE (27102016 - 29102016). Eingangsabbildung: © Autoren/ pixabay auf den Schienenverkehr. Zu diesem Zweck müssen dort die relevanten KPIs identifiziert und eine entsprechende Gewichtung erstellt werden. ▪ LITERATUR [1] Mikhaylov, A., Moiseev, N., Aleshin, K., Burkhardt, T.: Global climate change and greenhouse effect. Entrepreneurship and Sustainability Issues 7(4), 2897-2913 (2020). [2] Die Bundesregierung: Klimaziel 2030 - Treibhausgasemissionen sinken deutlich, https: / / www. bundesregierung.de/ breg-de/ aktuelles/ treibhausgasbilanz-2023-2265440. [3] Tagesschau: Verkehr hat Klimaziel auch 2023 deutlich gerissen, https: / / www.tagesschau.de/ inland/ expertenrat-klimaziel-verkehrssektor- 100,html. [4] Statista: AnteilderVerkehrsträgerandenweltweiten CO₂-Emissionen aus der Verbrennung fossiler Brennstoffe in den Jahren 2019 bis 2022, https: / / de.statista.com/ statistik/ daten/ studie/ 317683/ umfrage/ verkehrsttraeger-anteil-co2-emissionen-fossile-brennstoffe/ #: ~: text=Unter%20 den%20Ver kehr str % C3% A 4ger n%20ist %20 di e,dr e i% 20 P r o ze nt % 20 d e utli ch% 20 g e r in ger%20aus. [5] European Commission. (2022). Fly the Green Deal, Europe’s Vision for Sustainable Aviation. [6] CFM: Cfm rise program: Revolutionary innovation for sustainable engines, https: / / www.cfmaeroengines.com/ wp-content/ uploads/ 2021/ 07/ CFM_RISE_Whitepaper_Media.pdf. [7] Rolls-Royce: Ultrafan®: The ultimate turbofan, https: / / www.rolls-royce.com/ ~/ media/ Files/ R/ Rolls- Royce/ documents/ innovation/ ultrafanfact-sheet.pdf. [8] DLR: DLR zeigt Flugzeugkonfigurationen der Zukunft, https: / / www.dlr.de/ de/ aktuelles/ nachrichten/ 2024/ dlr-zeigt-flugzeugkonfigurationender-zukunft. [9] Rendón, M. A., Sánchez R., C. D., Gallo M., J., Anzai, A. H.: Aircraft hybrid-electric propulsion: Development trends, challenges and opportunities. Journal of Control, Automation and Electrical Systems 32(5), 1244-1268 (2021), https: / / link.springer.com/ article/ 10.1007/ s40313-021-00740-x. [10] Ortega Alba, S., Manana, M.: Energy research in airports: A review. Energies 9(5), 349 (2016). [11] Airport development reference manual. Montreal, 10. ed., effective aug. 2015 edn.(2015), Bei der entwickelten Methode wird jedoch die Subjektivität der Einschätzung nicht berücksichtigt, weshalb eine zweite Methode entwickelt wurde, die ein Fuzzy- Inferenzsystem verwendet. Hier werden die Einzeleffizienzen auf unscharfe Mengen projiziert und mit aus den Gewichten synthetisierten Regeln verrechnet. Diese Methode hat die Eigenschaft, die Subjektivität von Aussagen zu berücksichtigen, ist aber aufgrund der Erstellung der Regeln und ihrer Auswertung komplexer und erfordert eine höhere Rechenleistung. Im Beispiel zeigt sich ebenfalls die Anwendbarkeit dieser zweiten Methode. Eine Verbesserung der Methoden kann durch eine engere Zusammenarbeit mit dem Flughafen erreicht werden, um die praktische Umsetzung der Effizienzbewertung beurteilen zu können. So können reale Daten für die jeweiligen Größen verwendet werden. Bei der Betrachtung anhand der Beispiele zeigen sich die Auswirkungen der Referenzgrößen des Terminals durch die geringen numerischen Werte. So kann in weiteren Untersuchungen die Normierung durch die Summe der einzelnen Größen der Prozesse gestaltet werden, sodass sehr kleine numerische Werte vermieden werden. Die hier durchgeführte Umfrage hat einen ersten Eindruck in die Gewichtung der Stakeholder geliefert. In weiteren Studien wären größere oder repräsentative Umfragen möglich. Dabei können weitere Aspekte wie die Flughafengröße und die Position im Unternehmen erfragt werden, um zu untersuchen, ob hier Einflüsse auf die Gewichtungen bestehen. Neue Umfragen können auch weitere Stakeholdergruppen einschließen. So werden in dieser Arbeit keine Passagiere berücksichtigt, für sie können andere Faktoren wie Alter oder kultureller Hintergrund von Interesse sein. In weiteren Arbeiten kann untersucht werden, inwieweit diese Methoden auch auf andere Bereiche des Transportwesens angewendet werden können, zum Beispiel Olaf Milbredt, Dr. rer. nat., Wissenschaftlicher Mitarbeiter Deutsches Zentrum für Luft- und Raumfahrt e. V., Institut für Verkehrssystemtechnik Lilienthalplatz 7, 38108 Braunschweig Olaf.Milbredt@dlr.de Andrei Popa, Dipl.-Wirtsch.-Ing. (FH), M.A., Wissenschaftlicher Mitarbeiter Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR), Institut für Verkehrssystemtechnik Lilienthalplatz 7, 38108 Braunschweig Andrei.Popa@dlr.de Jan Philipp Bittner, M.Sc., Wissenschaftlicher Mitarbeiter Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR), Einrichtung Flugexperimente Lilienthalplatz 7, 38108 Braunschweig Philipp.Bittner@dlr.de Passagierprozesse  INFRASTRUKTUR DOI: 10.24053/ IV-2025-0039 Internationales Verkehrswesen (77) 3 ǀ 2025 19