Diese Seite verwendet Cookies. Durch klicken auf "OK" sind Sie mit der Verwendung von Cookies einverstanden. Nähere Informationen zu Cookies und unserem Datenschutz finden Sie hier.

OK

KIRAS Sicherheitsforschung

  •  11
Kooperative Projekte > 2019

PrEMI - Predictive Analytics for Emergency Call Infrastructure

Datenanalyse und Prädiktionsmethoden zur Optimierung des Betriebs der kritischen Kommunikationsinfrastrukturen für die Bearbeitung von polizeilichen Notrufen in der Leitstelle.

Die Sicherstellung der bestmöglichen Hilfeleistung in Notfällen und Gefahrensituationen beginnt mit der zuverlässigen und effizienten Entgegennahme und Bearbeitung von Notrufen in einer Leitstelle. Speziell beim polizeilichen Hilfeleistungsprozess geht es oft um Sekunden, um rechtzeitig am Ort des Geschehens zu sein, damit ein Verbrechen verhindert oder Täter zur Verantwortung gezogen werden können. 

Die im Leitstellenprozess entstehenden Daten der Kommunikationsinfrastruktur – das sind im Fall der polizeilichen Notrufe die Metadaten der Notrufe selbst und Betriebsdaten der Geräte, die beim laufenden Monitoring des Kommunikationsinfrastruktur anfallen – bergen wertvolle Informationen, die Hinweise auf mögliche akute oder sich entwickelnde Probleme enthalten. Die Analyse dieser Daten, die Extraktion von Mustern und die intelligente Nutzung der extrahierten Informationen mit Hilfe von Prädiktionsmodellen stellen großes Potenzial zur Verbesserung und Optimierung der Notrufbearbeitung dar. 

Übergeordnetes Ziel des Projekts PrEMI ist die lückenlose Bereitstellung eines qualitätsgesicherten Betriebs jener kritischen Kommunikationsinfrastrukturen, die für die Bearbeitung von Notrufen (Polizei und Euronotruf) in der Leitstelle benötigt werden. Es sollen Algorithmen und Modelle erforscht werden, die im laufenden Betrieb unter Einbindung von Live-Daten Informationen und Vorhersagen zur Verfügung stellen, die zu einer Verbesserung der Verfügbarkeit, Verkürzung der Antwort- und Bearbeitungszeiten, Reduktion von Ausfallzeiten beitragen. Dazu werden die Betriebsdaten der Notrufinfrastruktur und die anonymisierten Metadaten der Notrufe (Call Data Records) miteinander verknüpft, aufbereitet, analysiert und Prädiktionsmodelle abgeleitet. 

Projektziele aus technisch wissenschaftlicher Sicht sind die Erforschung und Entwicklung von geeigneten Methoden der Datenanalyse und Optimierung: 

  • Statistische Zuverlässigkeits- und Zeitreihenmodelle zum Zweck der Ursachenanalyse (Predictive Modeling).
  • Deep-Learning Algorithmen zur Erkennung von Mustern und zur Vorhersage von Problemen/Ausfällen.
  • Nutzung von Automated Machine Learning zur bestmöglichen Auswahl bzw. Parametrierung von Lern- bzw. Prädiktionsverfahren.
  • Optimierungsmethoden zur verbesserten Planung von Ressourcen, Instandhaltungsmaßnahmen und Priorisierung von Notrufen.
  • Soziologische Untersuchung der Zusammenhänge zwischen Qualität und Zuverlässigkeit des Notruf-Prozesses und Notrufverhalten der hilfesuchenden Personen.

Projektergebnis ist eine Demonstrationssoftware für ausgewählte Methoden und Algorithmen, die anhand von Testdaten ausgewählter Leitzentralen einen Funktionsnachweis im Labormaßstab erbringt.

Das Projekt soll zeigen, welche Methoden der Datenanalyse und Optimierung für die praktische Nutzung im Leitstellenprozess das meiste Potenzial beinhalten, um Bearbeitungs- und Ausfallzeiten zu reduzieren und die Verfügbarkeit zu optimieren. 

Projektleitung
DI Ulrike Kleb
JOANNEUM RESEARCH Forschungsgesellschaft mbH, POLICIES

Projektpartner/-innen
Bundesministerium für Inneres (BMI)
Technische Universität Wien, Institute for Logic and Computation
Universität Graz, Institut für Soziologie
Axtesys GmbH
NTT Austria GmbH

Kontakt
DI Ulrike Kleb
JOANNEUM RESEARCH Forschungsgesellschaft mbH
POLICIES – Institut für Wirtschafts- und Innovationsforschung
Data Analytics and Statistical Modelling

Leonhardstraße 59, 8010 Graz, Austria

tel.: +43 316 876-1555
e-mail: ulrike.kleb@joanneum.at
web: www.joanneum.at/policies