De Britse Civil Aviation Authority en Google hebben een AI-gestuurde proef gelanceerd die gericht is op het verminderen van de klimaatimpact van de luchtvaart door real-time aanpassingen van vliegroutes te identificeren die de vorming van condensstrepen minimaliseren.

Dit initiatief is een baanbrekend voorbeeld van de kruising tussen AI-technologie en duurzame luchtvaart, en biedt een praktische oplossing voor de niet-CO₂-klimaatforceringsmechanismen die door traditionele decarbonisatiestrategieën over het hoofd zijn gezien.

Condensstrepen (condensation trails) hebben een aanzienlijke impact op de totale klimaatvoetafdruk van de luchtvaart, maar ze zijn het minst begrepen en meest onderschatte aspect van deze voetafdruk. Hoewel CO₂ de belangrijkste focus blijft van decarbonisatie-inspanningen in de luchtvaartindustrie, kan het stralingsforceringseffect van condensstrepen, hun vermogen om warmte in de atmosfeer vast te houden, twee tot drie keer groter zijn dan het opwarmende effect van CO₂ alleen. Samen zijn condensstrepen en hun secundaire effecten verantwoordelijk voor een aanzienlijk deel van de totale klimaatimpact van de luchtvaart. Traditionele decarbonisatiestrategieën voor de luchtvaart, zoals het gebruik van duurzame brandstoffen, het ontwerpen van efficiënte vliegtuigen en het optimaliseren van luchtverkeer, richten zich op brandstofverbruik en directe emissies. Deze proef richt zich echter op een fundamenteel ander mechanisme: het fysieke proces van condensstreepvorming zelf.

Het wetenschappelijke mechanisme achter de vorming van condensstrepen is goed begrepen. Condensstrepen ontstaan wanneer de hete, vochtige uitlaatgassen van vliegtuigen in aanraking komen met koude lucht op kruishoogte, waardoor waterdamp condenseert tot ijskristallen. Deze ijskristallen blijven bestaan in de hogere atmosfeer en vormen kunstmatige cirruswolken. De ijskristallen houden uitgaande infrarode straling vast, waardoor warmte niet naar de ruimte kan ontsnappen en een netto opwarmend effect ontstaat. De duur van het voortbestaan en de omvang van de stralingsforcering hangen af van atmosferische omstandigheden zoals luchtvochtigheid, temperatuur en windschering, die gedurende de vliegroute variëren. Door deze atmosferische parameters in real time te analyseren, kunnen AI-algoritmen vliegroutes identificeren waar condensstrepen minder waarschijnlijk ontstaan of blijven bestaan.

Het mechanisme

De AI-algoritmen van Google analyseren weerpatronen, vliegroutes, atmosferische omstandigheden en historische gegevens over condensstreepvorming in real time. Het systeem identificeert vervolgens alternatieve routes of hoogteaanpassingen die de vorming van ijskristallen in vliegtuigwervels verminderen. Luchtvaartmaatschappijen leiden vluchten vrijwillig om via deze geoptimaliseerde routes, waardoor het voortbestaan van condensstrepen afneemt zonder aanzienlijke extra kosten of vertragingen. Dit proces is vergelijkbaar met bestaande systemen voor efficiënt luchtverkeer, maar richt zich op condensstreepvorming in plaats van op brandstofverbruik.

De proef wordt uitgevoerd in het Britse luchtruim, waarbij deelnemende luchtvaartmaatschappijen AI-gegenereerde routeringsaanbevelingen ontvangen via geïntegreerde systemen. Eerste resultaten suggereren dat een aanzienlijke vermindering van condensstrepen kan worden bereikt met kleine operationele aanpassingen en minimale impact op dienstregelingen. Sommige aanpassingen omvatten het wijzigen van de vlieghoogte van het vliegtuig met 1.000–2.000 voet, wat binnen normale operationele parameters valt. Andere aanpassingen omvatten laterale routewijzigingen die binnen standaardprocedures voor luchtverkeer kunnen worden opgevangen. Het belangrijkste voordeel is dat het AI-systeem de optimale aanpassingen in real time identificeert door ze af te stemmen op dynamische atmosferische omstandigheden, in plaats van te vertrouwen op historische patronen of algemene richtlijnen.

De implicaties voor de klimaatimpact zijn aanzienlijk. Als het voortbestaan van condensstrepen van één vlucht met 50% kan worden verminderd door routeaanpassingen die minimale brandstofkosten met zich meebrengen, wordt het klimaatvoordeel per vlucht significant. Wanneer dit wordt opgeschaald naar de duizenden dagelijkse Europese vluchten, kan de cumulatieve vermindering van de klimaatimpact even groot zijn als die door de invoering van duurzame brandstoffen. Het voordeel van het vermijden van condensstrepen is dat het geen wijzigingen in brandstofinfrastructuur vereist, geen nieuwe vliegtuigen en geen ontwikkeling van de toeleveringsketen, alleen algoritmische optimalisatie en operationele flexibiliteit van de kant van de luchtvaartmaatschappijen.

Het belang van de proef reikt verder dan de directe klimaatimpact. Het laat zien dat innovatie in duurzame luchtvaart zich niet uitsluitend hoeft te richten op hardwaregebaseerde oplossingen zoals vliegtuigontwerp, aandrijfsystemen en alternatieve brandstoffen. Softwaregebaseerde optimalisatie die zich richt op bestaande operationele mechanismen kan aanzienlijke milieuvoordelen opleveren met minimale kapitaalvereisten en snelle implementatietermijnen. Dit heeft aanzienlijke implicaties voor de bredere duurzaamheidsstrategie van de luchtvaart.

De regelgevende implicaties zijn even significant. De proef laat zien dat luchtvaartautoriteiten bereid zijn opkomende technologieën in te zetten om klimaatdoelstellingen te bereiken, zelfs wanneer die technologieën buiten traditionele regelgevende kaders bestaan. Dit schept een precedent voor andere AI-/duurzaamheidsintegraties in de luchtvaart. Autoriteiten erkennen steeds meer dat het halen van klimaatverplichtingen vereist dat innovatie sneller verloopt dan traditionele regelgevende tijdlijnen en dat proactieve samenwerking met technologieaanbieders regelgevende responsiviteit mogelijk maakt.

De proef vergroot ook ons wetenschappelijke inzicht in de vorming en het voortbestaan van condensstrepen. De proef genereert grote datasets uit de echte wereld over atmosferische omstandigheden, vluchtkenmerken en waargenomen condensstreepgedrag. Deze data verbeteren de training van AI-modellen en maken voortdurende verbetering van de nauwkeurigheid van routeoptimalisatie mogelijk. In de loop van de tijd zal het systeem steeds geavanceerder worden in het voorspellen van scenario’s voor condensstreepvorming en het dienovereenkomstig optimaliseren van routes.

Operationeel gezien toont de proef aan dat luchtvaartmaatschappijen wijzigingen in hun routes kunnen aanbrengen om klimaatdoelstellingen te halen met minimale impact op hun dienstregelingen. Deelnemende luchtvaartmaatschappijen melden dat door AI aanbevolen aanpassingen compatibel zijn met bestaande luchtverkeersleidingsprocedures, training van cockpitbemanningen en normen voor passagierscomfort. Deze compatibiliteit is cruciaal; als klimaatoptimalisatie uitgebreide operationele herstructurering of verslechtering van de passagierservaring zou vereisen, zou de acceptatie beperkt zijn.

Naarmate de proef wordt uitgebreid, ontstaat er concurrentie binnen de sector. Luchtvaartmaatschappijen die klimaatleiderschap tonen door condensstrepen te vermijden, krijgen een marketing- en regelgevend voordeel. Naarmate milieuregels strenger worden en het milieubewustzijn van passagiers toeneemt, zullen luchtvaartmaatschappijen die concrete duurzaamheidsresultaten kunnen aantonen een concurrentievoordeel behalen. De proef stelt vroege gebruikers in staat om geloofwaardigheid op te bouwen als klimaatleiders.

Wat betreft de Europese luchtvaartstrategie sluit de proef aan bij de EU-doelstellingen van ‘Fit for 55’ en haar bredere inzet voor het koolstofvrij maken van de luchtvaart. Evenzo streeft het Verenigd Koninkrijk, post-Brexit, ambitieuze klimaatdoelen voor de luchtvaart na. AI-gestuurd vermijden van condensstrepen is een strategisch instrument dat kan helpen deze doelen te halen zonder dat controversiële capaciteitsbeperkingen of verstorende mandaten voor de brandstoftransitie nodig zijn.

Er blijven uitdagingen bestaan. Momenteel is de proef beperkt tot het Britse luchtruim, en uitbreiding zou gecoördineerde internationale systemen voor luchtverkeersbeheer vereisen. Het standaardiseren van AI-aanbevelingen tussen verschillende nationale systemen vereist technische coördinatie en beleidsafstemming. Daarnaast moeten economische prikkels voor deelname zorgvuldig worden gekalibreerd; het klimaatvoordeel moet voldoende zijn om kleine operationele aanpassingen te rechtvaardigen, maar prikkels mogen de normale operationele planning niet verstoren.

Als de eerste resultaten een aanhoudende klimaatimpact en operationele haalbaarheid aantonen, zal de proef waarschijnlijk worden uitgebreid naar het continentale Europese luchtruim. Als AI-gestuurd vermijden van condensstrepen op grote schaal wordt gevalideerd, kan het een standaardinstrument voor decarbonisatie van de luchtvaart worden. Dit is bijzonder aantrekkelijk omdat het geen nieuwe vliegtuigen of brandstoftechnologie vereist, alleen algoritmische optimalisatie en deelname van luchtvaartmaatschappijen. De proef vertegenwoordigt een belangrijke stap richting een uitgebreide, door technologie mogelijk gemaakte duurzaamheidsstrategie voor de luchtvaart die alle emissiemechanismen aanpakt, niet alleen CO₂.