Anforderungen sicherheitskritischer Dienste an Augmented Reality-Lösungen – Wassertiefenmessung in einem Seehafen

Die Bedeutung von Augmented und Virtual Reality nimmt immer weiter zu. Als innovative Technologien sind sie Treiber von Veränderungen in der Wertschöpfung von Organisationen, insbesondere von Dienstleistungen (Jessen et al. 2020). Diesen Effekt spiegelt auch die Nutzung von Augmented Reality (AR) mit Hilfe von Head-Mounted Displays wider, die es ermöglichen bisher ungenutzte Potenziale auszuschöpfen, indem sie Informationen direkt in das Sichtfeld der Nutzenden, unter freihändiger Interaktion und ohne Medienbrüche, projizieren. Daher haben Head-Mounted Displays ein hohes Potenzial zur Unterstützung und Verbesserung von Dienstleistungen, wie z. B. dem technischen Kundendienst (Niemöller et al. 2017) und Logistikdiensten (Rauschnabel und Ro 2016).

Um die Forschungsfrage zu beantworten, haben wir eine Fallstudie bei einem großen europäischen Hafenbetreiber durchgeführt. Mit Hilfe von Experteninterviews, Workshops und Prozessverfolgungen mittels Think-Aloud-Sitzungen, haben wir spezifische Anforderungen für die Entwicklung einer AR-Lösung zur Unterstützung der Wassertiefenmessung erhoben. In einem nutzerzentrierten Ansatz, im direkten Austausch mit der Nutzergruppe, zielen wir darauf ab, neue praxisrelevante Erkenntnisse für den Einsatz von AR im maritimen Umfeld zu erlangen. Der Beitrag ist wie folgt aufgebaut: Zunächst geben wir einen Überblick über den Einsatz von AR-Lösungen in verschiedenen Dienstleistungen. Anschließend stellen wir die Methodik dar und beschreiben den Anwendungsfall der Wassertiefenmessung. Daraufhin leiten wir die nutzerzentrierten Anforderungen an eine AR-Lösung für die Dienstleistung der Wassertiefenmessung ab und zeigen einen möglicher Lösungsraum zur Erfüllung der Anforderungen auf. Der Beitrag endet mit einem zusammenfassenden Fazit.

Dienstleistungen zeichnen sich durch eine hohe Innovationskraft aus, die jedoch, um in der Praxis eingesetzt zu werden, kontextualisiert werden muss, damit kontextspezifische Anforderungen erfüllt werden (Bräker und Semmann 2021; Jessen et al. 2020).

Eine Technologie mit einem besonders hohen Potenzial für Dienstleistungsinnovationen ist AR. Potenzielle Anwendungsfelder für AR lassen sich durch den Grad an Dynamik unterscheiden. Statische Anwendungsfelder mit wenig Dynamik lassen sich dadurch charakterisieren, dass sich die Umgebung der Nutzenden nicht verändert. Es findet keine freie Bewegung in der Umgebung statt und die Interaktion mit der Technologie ist auf ein festgelegtes Areal begrenzt. Zudem haben Objekte, wie bspw. Maschinen, einen festen Platz im Raum. In diesen Szenarien gibt es bereits Erkenntnisse über Anwendungen von AR. So wurden bspw. Head-Mounted Displays zur Kostenreduktion und Effizienzsteigerung im Umfeld von Wartungen und Reparaturen eingesetzt (Huck-Fries et al. 2017).

Dynamische Anwendungsfälle im Kontext mobiler Umgebungen sind hingegen bisher kaum Gegenstand der Forschung. Diese Umgebungen lassen sich dadurch charakterisieren, dass sie räumlich nicht begrenzt sind und Objekte nicht zwangsläufig feste Positionen haben. Ein Beispiel für einen Anwendungsfall, der durch wenig oder langsame Bewegungen geprägt ist, ist die Unterstützung von Museumsführungen mittels audiovisueller Erweiterungen per Head-Mounted Displays (Miyashita et al. 2008). Im Hinblick auf AR-Anwendungen im Kontext schnellerer Bewegungen kann die Studie von Berkemeier et al. (2018) genannt werden, in der Anforderungen an ein Head-Mounted Display-basiertes Informationssystem zur Unterstützung von Radfahrenden beim Training identifiziert werden. Ziel der Studie war es, Informationen wie Geschwindigkeit oder Routendetails in das Sichtfeld des Radfahrenden zu projizieren, um die Verkehrssicherheit zu fördern. Im Gegensatz zu diesen Anwendungsfällen, die auf einem festen Untergrund (z. B. einer Straße) stattfinden, zeichnet sich die Anwendung auf Gewässern durch eine höhere Dynamik aus, da vom Wasser selbst zusätzliche Bewegungen ausgehen. Eine Studie von Wisernig et al. (2015) hat sich im Zuge dessen mit der Implementierung einer AR-Lösung für kleine Segelboote beschäftigt, bei der Daten bzgl. Navigation und Umgebung im Sichtfeld des Schiffsführenden visualisiert werden, um diesen zu entlasten und das Risiko von Fehler zu verringern. Die Erkenntnisse geben erste Hinweise darauf, dass auch AR im Anwendungsfall der Wassertiefenmessung eine hilfreiche Unterstützung sein kann.

Neben der der Eigenschaft der hohen Dynamik ist unser Anwendungsfall enorm sicherheitskritisch. Im Bereich der sicherheitskritischen Dienstleistungen gibt es bereits einige Untersuchungen über das Unterstützungspotenzial und den Einsatz von AR. So wurde z. B. der Einsatz von AR in einer innovativen Flughafenleitstelle untersucht, wobei das Lotsenpersonal im Flugverkehrskontrollturm mit vollständigen Head-up-Informationen versorgt wurde (Bagassi et al. 2020). Hierbei konnte nachgewiesen werden, dass sich die Unterstützung positiv auf das Situationsbewusstsein und die wahrgenommene Arbeitsbelastung auswirkt. Diese Aspekte sind auch in unserem Anwendungsfall von hoher Relevanz.

Um die Anforderungen an eine nutzerzentrierte AR-Lösung für sicherheitskritische Dienste im maritimen Bereich zu untersuchen, haben wir eine umfassende Fallstudie durchgeführt (Yin 2009). Der von uns untersuchte Anwendungsfall ist die Dienstleistung der Wassertiefenmessung in einer Hafenumgebung, die während der Navigation auf einem Schiff durchgeführt wird. Als Grundlage für die Analyse dient zunächst ein Werbevideo eines europäischen Hafenbetreibers, durch das wir ein kontextuelles Verständnis der Wassertiefenmessung erlangen konnten. In einem zweiten Schritt haben wir zwei semistrukturierte Interviews und zwei Workshops mit Geschäfts- und IT-Experten desselben Hafenbetreibers durchgeführt (s. zusätzliches Online-Material), um den Prozess besser nachvollziehen zu können und erste Einblicke auf mögliche Herausforderungen und Probleme sowie Anforderungen an AR-Lösungen für die Dienstleistung der Wassertiefenmessung zu erhalten. Sowohl die Interviews als auch die Workshops wurden per Videoaufzeichnung dokumentiert. Zudem wurden detailliertere Unterlagen zum Anwendungsfall von den Teilnehmenden zur Verfügung gestellt und während der Interview- und Workshop-Sitzungen Notizen angefertigt. Da wir den Fokus auf die Identifiaktion nutzerzentrierter Anforderungen legen, haben wir in einem dritten Schritt zusätzlich Daten mit drei Schiffsführenden erhoben, die die Dienstleistung der Wassertiefenmessung täglich durchführen.

Für die Analyse, welche nutzerzentrierten Anforderungen eine AR-Lösung erfüllen muss, um die Dienstleistung zu unterstützen, haben wir die Methode der Prozessverfolgung (Todd und Benbasat 1987) mittels Think Alouds (Someren et al. 1994) eingesetzt, bei der die Schiffsführenden gebeten wurden, „laut zu denken“ und alles zu erklären, was sie tun, während sie gleichzeitig die Wassertiefenmessung durchführen. Da die situativen Eigenschaften des Dienstes entscheidend sind, erweiterten wir die traditionelle Umsetzung der Methode, indem wir Videos aus verschiedenen Perspektiven aufnahmen. Dazu brachten wir zum Nachvollziehen des Blickfeldes eine Kamera an der Stirn der Schiffsführenden an, sowie eine zusätzliche Kamera am Display, mit Hilfe dessen wir die Schiffsführenden direkt beobachten konnten.

Für die Analyse der Videoaufzeichnungen und der verbalen Protokolle der Think-Aloud-Sitzungen haben wir die Scanning-Methode verwendet (Bouwman 1983). Wir führten keine wortwörtliche Transkription des Gesagten durch, da die Beobachtung der Schiffsführenden der primäre Untersuchungsgegenstand war, den wir für unsere Analyse verwendeten. Stattdessen dienten die Aussagen der Schiffsführenden dazu, das Beobachtete zu ergänzen und zu erklären. Für die identifizierten Videosequenzen, in denen beobachtete Verhaltensweisen auf Herausforderungen hinwiesen, transkribierten wir das Gesagte, um die Beobachtung festzuhalten. Wir analysierten das Video- und Audiomaterial mit drei unabhängigen Forschenden und konzentrierten uns zunächst auf bestehende Herausforderungen und Probleme in der Dienstleistung der Wassertiefenmessung. Nachdem wir alle Schwierigkeiten im Prozess identifiziert hatten, entfernten wir Duplikate, gruppierten ähnliche Herausforderungen und leiteten Problemkategorien ab. Basierend auf diesen Problemkategorien leiteten wir schließlich die nachfolgend beschriebenen Anforderungen ab.

Ausgehend von den identifizierten Anforderungen ist die Herausforderung, diese im Kontext der Wassertiefenmessung zu erfüllen. Zur Erfüllung der Anforderungen werden nun initiale Ideen für Lösungen skizziert, die die Grundlage für eine Erprobung der AR-Lösung im Seehafen bildet. Im Rahmen der Anforderung der (1) Echtzeit-Überlagerung von Informationen, die zur Sicherheit bei der Navigation des Schiffes beiträgt, können die notwendigen Echtzeitinformationen, z. B. die Position und Fahrtrichtung anderer Schiffe, über das automatische Identifikationssystem (AIS) an Board des Schiffes empfangen werden. Dabei können die Daten, die bisher auf Displays visualisiert wurden direkt in das Sichtfeld des Schiffsführenden, z. B. mittels Head-Mounted Display, projiziert werden. Es müssen die perspektivische Korrektheit und der Bezug zur Position des Schiffsführenden sichergestellt werden. Hinsichtlich Anforderung (2) Vielfalt in der Darstellung von Informationen, ist deutlich geworden, dass verschiedene Repräsentationsformen von Inhalten hilfreich sind. So ist es bspw. sinnvoll, unterschiedliche Zoomstufen für die Kartendarstellungen zu ermöglichen, da die Schiffsführenden z. B. bei Messungen in engen Uferbereichen mehr Details benötigen, um ihr Schiff präzise zu navigieren, als in breiteren Wasserbereichen, wo sie einen größeren Überblick benötigen. Entsprechend müssen kontextualisierte Informationen so visualisiert werden, dass die Schiffsführenden in ihren Abläufen optimal unterstützt werden. Für ein (3) Mehrdimensionales Tracking muss sichergestellt werden, dass das Tracking der Head-Mounted Displays auf dem Schiff exakt erfolgt. Dies muss mittels in das Schiff integrierter 3D-Tracking Lösungen erfolgen, da die Schiffsführenden sich während der Messeinsätze an Bord des Schiffes bewegen und verschiedene Steuerelemente an verschiedenen Positionen im Schiff bedienen müssen. Für die Anforderung nach (4) Kollaboration, um die Zusammenarbeit zu unterstützen, benötigen die Schiffsführenden und Messingenieure dieselbe Visualisierung der Messbereiche, wobei eine zusätzliche Hervorhebung von bestimmten Bereichen sinnvoll ist. Insbesondere, wenn die Messingenieure im Homeoffice arbeiten, ist es nicht trivial zu verstehen, worüber die andere Person spricht. Außerdem ist eine Freisprechkommunikation, d. h. ohne zum Telefon greifen zu müssen, sowohl mit anderen Schiffen als auch mit den Messingenieuren erforderlich, damit die Schiffsführenden die Hände für die Navigation des Schiffes frei haben und somit die Sicherheit gewährleistet ist. Hinsichtlich der Anforderung nach (5) Interaktion ist aufgrund der hohen Komplexität des Anwendungsfalls der mögliche Lösungsraum nur grob zu definieren. Die Schiffsführenden müssen jederzeit in der Lage sein, das Schiff zu steuern. Daher ist es nicht trivial weitere Interaktionen zur Manipulation angezeigter Informationen zu integrieren. Unter Nutzung von Head-Mounted Displays erstrecken sich mögliche Eingabeformen von Sprachsteuerung über Gestensteuerung bis hin zum Tracking von Augen- oder Kopfbewegungen. In diesem Spannungsfeld sollten in enger Abstimmung mit den Schiffsführenden verschiedene Interaktionsformen erprobt werden, um sicherzustellen, dass eine nutzbare Version realisiert wird, die gleichzeitig keinerlei negative Auswirkungen auf das Führen des Schiffes hat. Zudem sollte die Interaktionsform die kognitive Belastung nicht unnötig erhöhen und ein freihändiges Arbeiten unterstützen.

Neben diesen fünf Kriterien kristallisieren sich drei allgemeine Grundanforderungen aus den Bereichen Verkehrssicherheit, Gesundheit und Nutzerfreundlichkeit heraus, die in allen fünf Anforderungsbereichen enthalten sind. Im Vergleich zu den Anforderungen an AR-Lösungen für das Radfahrtraining gibt es einige Gemeinsamkeiten, da in all diesen Fällen eine AR-Lösung in einer mobilen Umgebung eingesetzt werden muss und die Nutzenden in einer Verkehrssituation agieren. Sowohl ein Fehler im Straßen- als auch im Schiffsverkehr kann schwerwiegende Folgen haben. Im Gegensatz zum Rad- oder Autofahren findet unser Anwendungsfall in einer Umgebung statt, in der es eine weitere Bewegungsdimension und damit mehr Freiheitsgrade gibt. Daher stellt die mehrdimensionale Tracking-Anforderung eine noch größere Herausforderung an bestehende AR-Hardware dar als im Fall des Straßenverkehrs. Gerade die Wassertiefenmessung erfolgt auf engem Raum bzw. bei hohem Verkehrsaufkommen. Daher ist ein exaktes Tracking unerlässlich. Dies gilt nicht nur für die zur Messung eingesetzten Schiffe, sondern auch für alle anderen Schiffstypen, wobei die Fehlertoleranz mit der Annäherung an enge oder eingeschränkte Fahrrinnen und zunehmender Verkehrsdichte abnimmt (Gardenier 1981).

Darüber hinaus gewinnt der Anwendungsfall an Komplexität, da die Nutzenden das Schiff navigieren und gleichzeitig die Wassertiefenmessung zur Instandhaltung der Hafeninfrastruktur und zur Gewährleistung der Verkehrssicherheit für andere Schiffe durchführen müssen. Durch die Untermauerung der Think-Aloud-Methode mit Videomaterial aus verschiedenen Perspektiven konnten wir ein bestmögliches Verständnis für die räumlichen Implikationen und Anforderungen an AR gewinnen.

Unser Ansatz ist jedoch nicht frei von Limitationen. Da ein spezifischer Anwendungsfall im Fokus steht und wir zur Ableitung der Anforderungen nur den Prozess der Wassertiefenmessung betrachtet haben, sind unsere Ergebnisse kontextabhängig. Dennoch gehen wir von einer guten Übertragbarkeit aus. Dazu könnten für zukünftige Forschung bspw. Anwendungsfälle in der maritimen Industrie in Betracht kommen. Ein möglicher Fall ist die Baggerei, die für die Anpassung und Vertiefung von Gewässern zuständig ist. Darüber hinaus könnten Anwendungsfälle im Bereich des Lotsendienstes in Betracht gezogen werden. Des Weiteren sollte zukünftige Forschung daran ansetzen, die Ergebnisse prototypisch in einer AR-Lösung umzusetzen, die alle Anforderungen gleichzeitig adressiert, und diese in einer Nutzerstudie mit den Schiffsführenden zu evaluieren.