KI-gestützte Passagier-
Operations-Plattform
Personalisierte, multikanalige und automatisierte Begleitung von Passagieren und Stakeholdern am Flughafen Köln/Bonn — von der Anreise bis zum Gate, und weit darüber hinaus.
Warum Agentic AI für CGN?
Der Flughafen Köln/Bonn steht vor der Chance, eine leistungsfähige KI-Infrastruktur aufzubauen, die den gesamten Flughafenkontext — Passagiere, Betrieb, Partner und Anwohner — end-to-end digital vernetzt und zunehmend automatisiert.
Multichannel-Begleitung
Passagiere und Stakeholder werden proaktiv und reaktiv über alle Kanäle begleitet — Web, App, WhatsApp, Voice und LLMs — mit einer einheitlichen Wissensbasis.
Eigene KI-Infrastruktur
Aufbau einer skalierbaren, flughafenspezifischen Agenten-Plattform auf Microsoft Azure, die Konnektoren, Datenquellen und Agenten-Logik end-to-end abbildet.
Start mit konkreten Use Cases
Pragmatischer MVP-Ansatz: Statt Big Bang zuerst die hochpriorisierten Cluster realisieren — C2 Passenger Experience Hub und C6 Parkplatz — und lernen.
Kernprinzipien
- Proaktiv & reaktiv — Agent initiiert eigenständig Outreach
- Mindestens DE, EN, NL, TR — weitere Sprachen erweiterbar
- DSGVO-konform — Opt-in, Consent-Management, EU AI Act
- Human in the Loop — Eskalation und Freigabe-Workflows
- Modulares Design — Cluster unabhängig deploybar
Workshop-Ergebnis
In einem fachbereichsübergreifenden Workshop wurden 11 Agenten-Cluster erarbeitet, geclustert und von den Teilnehmenden bewertet. Die Cluster spiegeln den gesamten Betriebsumfang eines modernen Flughafens wider — von Passagier-Touchpoints bis zu Operations und B2B-Prozessen.
Beteiligte: Ahmed Elmi (Mobility Strategy), Sebastian Müller, Sead Sadiku, KI performance
11 Cluster — vollständige Übersicht
Alle Cluster wurden im Workshop erarbeitet und priorisiert. C2 und C11 erhielten die höchste Bewertung (6/6 Sterne). Die Implementierung startet mit C2 und C6.
| Nr. | Cluster | Punkte | Workshop-Scoring (max. 6) |
|---|---|---|---|
| C1 | SIKO – Sicherheitskontrolle | 4 | ★★★★☆☆ |
| C2 | Passenger Experience ⭐ Fokus | 6 | ★★★★★★ |
| C3 | Umlandkommunikation | – | ☆☆☆☆☆☆ |
| C4 | Krisenkommunikation | – | ☆☆☆☆☆☆ |
| C5 | PAM-Vorbuchung | – | ☆☆☆☆☆☆ |
| C6 | Dynamisches Frontend Parkplatz ⭐ Fokus | – | ☆☆☆☆☆☆ |
| C7 | LLM- & ChatGPT-Integration | 4 | ★★★★☆☆ |
| C8 | Proaktives Commercial Upselling | – | ☆☆☆☆☆☆ |
| Nav | Indoor Navigation | 2 | ★★☆☆☆☆ |
| C9 | Ramp-Experte – Disposition & Turn-Tracking | – | ☆☆☆☆☆☆ |
| C10 | Flugzeugabfertigung – Sonderleistungen | 1 | ★☆☆☆☆☆ |
| C11 | Beschwerdemanagement – Claims | 6 | ★★★★★★ |
SIKO – Sicherheitskontrolle
Echtzeit-Warteschlangen-Monitoring und proaktive Passagierberatung an allen SIKO-Spuren
1a · Echtzeit-Monitoring
- Passagieranzahl je SIKO-Spur in Echtzeit
- Wartezeit je Spur (Standard, Fast Lane, VIP, Special)
- Auslastungsanzeige grün / gelb / rot
1b · Prognose-Modell
- Hochrechnung auf Basis AODB-Flugplan
- Erwartete Passagiere je Zeitfenster (30/60/90 min)
- Historische Lastmuster als Korrekturfaktor
- Frühwarnung bei Spitzenlasten
1c · Passagier-Beratung
- Empfehlung: kürzeste Spur in Echtzeit
- Zeitempfehlung für sicheres Erreichen des Flugs
- Integration in C2 (Webpage-Chat)
- Push-Benachrichtigung (App)
| Kennzahl | Einheit | Wert (zu erheben) |
|---|---|---|
| Passagiere/Tag (SIKO gesamt) | Personen/Tag | · · · |
| Wartezeit je Spur (Ø) | Minuten | · · · |
| Anzahl SIKO-Spuren | Anzahl | · · · |
| Spitzenbelastung | Pers./h | · · · |
| Anfragen SIKO-Agent/Tag | Aufrufe/Tag | · · · |
Offene Fragen zur Ausarbeitung
- Welche Sensorik ist an den SIKO-Spuren vorhanden (Kamera, Infrarot, manuell)?
- Gibt es bereits eine API oder Dashboard für Warteschlangendaten?
- Wer betreibt die SIKO und wie ist der Datenzugang geregelt (Bundespolizei)?
- Reaktiv (auf Anfrage) oder proaktiv (Push)?
Passenger Experience – Zentraler Hub ⭐
Der primäre Kanal für alle passagierseitigen Anfragen — bildet den zentralen Hub der gesamten Architektur
2a · Flugplan
- Abflug-/Ankunftszeiten in Echtzeit
- Gate-Änderungen, Verspätungen, Annullierungen
- AODB + FlightAware / Eurocontrol
2b · Kundenservice (ggf. Voice)
- Passagier-Support (Ticketing, Check-in)
- Weiterleitung Airline-spezifisch
- Eskalation zum CCC (Human in the Loop)
2c · Webpage-Chat
- Eingebetteter Agent auf cgn.de
- FAQs + proaktive Informationen
- Übergabe an Parkplatz / Navigation / L&F
2d · Customer Care Center
- AI-Telefon-Kundenservice
- Agent-Assist für CCC-Mitarbeitende
- Gesprächszusammenfassungen
2e · Lost & Found
- Fundsachen-Meldungen erfassen
- Status-Tracking (WorldTracer)
2f · Flughafenabfragen
- Gate, Gepäckband, Shops, Restaurants
- Öffnungszeiten, Barrierefreiheit
- Parkplätze, Toiletten, Lounge
📱 Proaktiver Kanal: WhatsApp / Messenger
Der Agent initiiert Outreach-Nachrichten eigenständig — auf Basis von Ereignissen, Auslastungsdaten oder Buchungsstatus — ohne vorherige Anfrage. Opt-in erforderlich (DSGVO).
- Gate-Änderungen, Verzögerungen, SIKO-Wartezeit
- Buchungsbestätigungen und Erinnerungen
- Bidirektional: Passagier antwortet, Agent reagiert
| Kennzahl | Einheit | Wert (zu erheben) |
|---|---|---|
| Chat-Anfragen/Tag (alle Kanäle) | Anfragen/Tag | · · · |
| Anteil automatisch beantwortet | % | · · · |
| Übergaben an CCC/Tag | Anz./Tag | · · · |
| WhatsApp-Opt-in-Nutzer | Abonnenten | · · · |
| Lost-and-Found-Meldungen/Monat | Meldungen/Monat | · · · |
Offene Fragen
- Welche Kanäle initial (Web, App, WhatsApp, Voice)?
- Handover-Logik zu menschlichen Agenten?
- Sprachen: DE, EN, TR — welche weiteren?
- Bestehendes CRM (Salesforce, Freshdesk o.ä.)?
Umlandkommunikation
Kommunikation mit Anwohnern, Kommunen und Stakeholdern im Einzugsgebiet
- Informationsbereitstellung zu Fluglärm, Bauprojekten, Umweltauswirkungen
- Beantwortung von Anfragen aus Kommunen und Bürgerinitiativen
- Proaktive Meldungen bei betrieblichen Ereignissen mit Umlandrelevanz
- FAQ-Basis: Nachtflug, Flugrouten, Lärmschutz
📱 Proaktiver WhatsApp-Kanal (Anwohner)
Opt-in-basierter Outreach an Anwohner bei betrieblichen Ereignissen mit Umlandrelevanz — eigenständig initiiert durch den Agenten.
- Nachtflugereignisse, Bauprojekt-Updates
- DSGVO-konformes Opt-in-Management
- Bidirektionale Kommunikation
Offene Fragen
- Primäre Stakeholder-Gruppen?
- Bidirektionale Kommunikation (Eingang Beschwerden)?
- Wer gibt Inhalte frei (human in the loop)?
Krisenkommunikation
Ereignisgesteuerte Kommunikationssteuerung bei außerordentlichen Betriebslagen
Initial: Notknopf-Konzept
In der ersten Ausbaustufe ist ein einfacher „Notknopf" vorgesehen, der alle Agenten-basierte Kommunikation sofort stoppt und überall auf die offizielle Website verweist. Die vollständige Krisenkommunikations-Logik folgt in späteren Phasen.
Später geplant
- Automatische Krisenerkennung (Trigger aus C1)
- Vorgefertigte, rechtlich geprüfte Bausteine
- Kanalübergreifende Ausspielung (Web, App, PA-System)
- Protokollierung für Compliance
Offene Fragen
- Welche Krisenszenarien zu definieren?
- Wer hat Freigabe-Autorität in Echtzeit?
- Integration in bestehende Krisenmanagement-Tools?
PAM-Vorbuchung
Passenger Assistance Management — Hilfeleistungen für Passagiere mit Mobilitätseinschränkungen
Komponenten
- Assistenzanfragen (Rollstuhl, Begleitung, Sonderbedarf)
- Automatische Übermittlung an Bodendienste & Airlines
- Status-Tracking der Assistenzleistung
- EU-Verordnung 1107/2006 konform
Offene Fragen
- Welches PAM-System im Einsatz (Amadeus, SITA)?
- Inwiefern beim FHG anzusiedeln (Klärungsbedarf)?
- Self-Service-Buchung oder nur B2B?
Dynamisches Frontend Parkplatz ⭐
Echtzeit-Buchung und konversationelle Schnittstelle für das gesamte Parkplatzangebot
Komponenten
- Echtzeit-Verfügbarkeit (P1–Pn, Park & Ride, VIP)
- Preisanzeige nach Kategorie und Dauer
- Direktbuchung im Chat + Bestätigung
- Anbindung Parkraummanagementsystem
- Upsell: VIP, Wäsche-Service, E-Laden
📱 WhatsApp-Integration (Buchungsbestätigung & Upsell)
Proaktive Buchungsbestätigungen, Erinnerungen an Abreisedatum und kontextuelle Upsell-Angebote direkt via WhatsApp.
- Automatische Bestätigung nach Buchung
- Erinnerung Tag vor Abreise (inkl. Upsell-Angebot)
- Parkplatz-Verfügbarkeit auf Anfrage
| Kennzahl | Einheit | Wert (zu erheben) |
|---|---|---|
| Parkplatzbuchungen/Tag | Buchungen/Tag | · · · |
| Anteil Online-/Vorab-Buchungen | % | · · · |
| Auslastungsgrad Spitzentag | % | · · · |
| Ø Buchungswert | EUR | · · · |
| WhatsApp-Opt-in (Buchung) | Abonnenten | · · · |
Offene Fragen
- Parkraummanagementsystem (SKIDATA, Scheidt & Bachmann)?
- Echtzeit-API bereits vorhanden?
- Payment-Integration direkt im Chat?
LLM- & ChatGPT-Integration
Strategische Präsenz des Flughafens in externen KI-Systemen — Airport AI Visibility
Komponenten
- Strukturierte Datenpflege (Schema.org, JSON-LD, llms.txt)
- Monitoring Antwortqualität in LLMs (Audits)
- Knowledge-API für externe Modelle
- GEO-Strategie (Generative Engine Optimization)
Empirischer Befund: AI-Referrals bereits heute messbar
Google Analytics belegt: Sessions und Conversions aus AI-getriebenen Kanälen ohne gezielte Agentic-Commerce-Integration. Das Potenzial ist ungenutzt.
Offene Fragen
- Schema.org bereits vorhanden?
- Knowledge Base / RAG-Lösung geplant?
- Monitoring-Intervall (kontinuierlich oder Audit)?
Proaktives Commercial Upselling
Kontextsensitive Non-Aviation-Revenue-Steigerung durch KI-gestützte Angebotsausspielung
Komponenten
- Kontextsensitives Triggering (Flug, Aufenthaltszeit, Standort)
- Produktkatalog-Anbindung (Shops, Gastronomie, Lounges)
- A/B-Testing + Conversion-Tracking
- DSGVO-konformes Opt-in
Agentic Commerce MVP — Parkplatz als Startpunkt
KI performance schlägt eine 2–3-monatige Pilotphase vor. Parallel wurden in einer US-Marktrecherche 7 spezialisierte Anbieter identifiziert.
MVP-Bausteine
- Scope & Zielgruppe definieren
- UCP/ACP-Anbindung, ChatGPT-Integration
- Citation Rates & Ranking-Monitoring
- Iteration: Maßnahmen messen
- 1–3 SaaS-Tool-Empfehlung
Offene MVP-Fragen
- UCP-Integration in welche Plattform (DE)?
- ChatGPT-App: Quick Win vs. LLM-Strategie?
- Erster Use Case: Parkplatz / Lounge / ?
- Budget für Pilotphase (Tools + Impl.)?
Ramp-Experte — Disposition & Turn-Tracking
Unterstützung des Bodenpersonals bei Flugzeug-Turns und Ressourcendisposition
Komponenten
- Echtzeit-Monitoring Turn-Prozess (Push-back, Betankung, Catering)
- Dispositionsunterstützung Bodendienstleister
- Digitales Turn-Protokoll (Zeitstempel, Abweichungen)
- Schnittstelle zu Airline OCC
Offene Fragen
- Bodendienstleister zu integrieren (FHG-eigene vs. externe)?
- Systeme für Turn-Daten (AODB, Serveo, Damarel)?
- Zugang für Airline-Partner?
Flugzeugabfertigung — Sonderleistungen & Abrechnung
Digitalisierung und Automatisierung von Sonderleistungen und Billing
Komponenten
- Sonderleistungs-Katalog (GPU, Deicing, Water, Reinigung)
- Mobile Erfassung durch Vorfeld-Personal (Tablet)
- Automatische Leistungsabrechnung (SAP o.ä.)
- SLA-Reporting und Dokumentation
Offene Fragen
- ERP/Billing-System im Einsatz?
- Aktueller Prozess (manuell/Excel)?
- EASA-Dokumentationsanforderungen?
Beschwerdemanagement — Claims & Aggressionsansprüche
Strukturierter Eingangskanal für Beschwerden, EU-Fluggastrechte und rechtliche Ansprüche
Komponenten
- Digitale Ersterfassung (Telefon, Web, Chat, E-Mail)
- Automatische Klassifizierung (Lärm, Service, Gepäck, Aggression)
- Routing mit definierten SLA-Fristen
- EU-Fluggastrechte EC 261/2004
- Aggressionsansprüche: Flagging für Sicherheitsdienst
| Kennzahl | Einheit | Wert (zu erheben) |
|---|---|---|
| Beschwerden/Monat | Beschwerden/Monat | · · · |
| Anteil EU-Fluggastrechte-Ansprüche | % | · · · |
| Ø Bearbeitungszeit (aktuell) | Tage | · · · |
| Aggressionsansprüche/Quartal | Fälle/Quartal | · · · |
| Ø Auszahlungsbetrag EC261 | EUR | · · · |
Offene Fragen
- Ticketsystem (Freshdesk, ServiceNow, Salesforce)?
- Beschwerdeaufkommen p.a.?
- Schnittstelle Rechtsabteilung / externe Anwälte?
Microsoft Azure — Standard-Architektur (Schematisch)
Die Agenten-Plattform basiert auf dem Microsoft Azure-Stack mit Azure OpenAI Service als LLM-Backbone. Der Aufbau folgt dem KI performance Standard-Blueprint für Enterprise Agentic AI.
Warum Microsoft Azure?
- Enterprise-Verträge und Compliance (DSGVO, EU AI Act)
- Azure OpenAI — closed-loop Datenhaltung in EU
- Native Integration in bestehende MS-Infrastruktur
- Azure AI Foundry für Multi-Agent-Orchestrierung
Datenstrategie
- CGN-eigene Knowledge Base
- Echtzeit-Konnektoren zu AODB, Parkraum, CRM
- Strukturierte Daten für LLM-Auffindbarkeit
- Audit-Logs für alle Agenten-Aktionen
Skalierungsmodell
- Start mit C2 + C6 als MVP-Cluster
- Modulares Deployment — Cluster unabhängig
- Azure Consumption-basiertes Kostenmodell
- Roadmap für alle 11 Cluster definiert
Erste Umsetzungs-Cluster
Zur Diskussion: Fokus auf C2 Passenger Experience Hub und C6 Dynamisches Frontend Parkplatz als erste Implementierungscluster — optional mit WhatsApp-Integration.
Passenger Experience Hub
Zentraler Knoten für alle passagierseitigen Anfragen. Flugplan, CCC-Support, Lost & Found, typische Flughafenabfragen. Multichannel: Web, App, WhatsApp, Voice.
- ▸Höchste Workshop-Priorisierung (6/6)
- ▸Fundament für alle weiteren Cluster
- ▸Sofortiger Passagier-Impact
Dynamisches Frontend Parkplatz
Echtzeit-Buchung, Verfügbarkeit und Upselling für alle Parkanlagen. Direktes Revenue-Potenzial messbar durch bereits vorhandene AI-Referral-Daten.
- ▸Klarer Revenue-Link (Agentic Commerce)
- ▸AI-Referrals bereits heute messbar
- ▸WhatsApp-Integration als proaktiver Kanal
Option: WhatsApp-Integration von Beginn an
Beide MVP-Cluster können von Beginn an mit einem proaktiven WhatsApp-Kanal ergänzt werden. Der Agent initiiert eigenständig Outreach — Gate-Informationen, Buchungsbestätigungen, Parkplatz-Verfügbarkeit — auf Basis seiner eigenen Logik. Opt-in und Consent-Management sind sichergestellt.
C2 + WhatsApp
- Gate-Änderungen proaktiv senden
- Flugstatus auf Anfrage
- CCC-Eskalation per WhatsApp
C6 + WhatsApp
- Buchungsbestätigung sofort
- Erinnerung Tag vor Abreise
- Upsell-Angebote kontextuell
Voraussetzungen
- WhatsApp Business API (Meta)
- Consent-Management-Plattform
- DSGVO-konformes Opt-in-Flow
Alle Eingangskanäle der Plattform
Passagiere, Anwohner, Airline-Partner und interne Nutzer interagieren über unterschiedliche Frontends mit dem zentralen Agent-Hub.
Timeline 2026
MVP-Start im Juli, erste Live-Version im Oktober, kontinuierliche Updates und Erfolgsmessung bis Dezember.
Der Go-Live-Termin Ende Oktober hat Priorität über den Scope. Wir gehen agil vor: Sollte sich im Projektverlauf zeigen, dass nicht alle geplanten Funktionen bis Ende Oktober umsetzbar sind, wird der Umfang gemeinsam angepasst — der Termin bleibt.
Meilensteine auf einen Blick
- KW 28–30 — Kickoff, Architektur, Setup
- KW 31–38 — Build C2 + C6
- KW 40 — Go-Live erste Version
- KW 44–50 — Iteration + Messung
- KW 52 — Review + 2027-Roadmap
Erfolgskriterien MVP (to be defined)
- Chat-Deflection-Rate > 40 % (Automatisierung CCC)
- AI-Referral-Conversions Parkplatz: messbare Steigerung
- WhatsApp-Opt-in: erste 1.000 Abonnenten
- CSAT-Score Passagier-Interaktionen ≥ 4,0 / 5
- System-Uptime ≥ 99,5 %
Investment bis Dezember 2026
Gesamtinvestment ca. 400.000 EUR für die vollständige MVP-Phase (C2 + C6 + optionale WhatsApp-Integration) inkl. Cloud-Consumption.
| Rolle | FTE / Einsatz | Fokus | Indikativ |
|---|---|---|---|
| Senior Product Strategist | 1 FTE | Produkt-Roadmap, Stakeholder-Management, Scope-Definition, Workshop-Steuerung | ~ 80.000 € |
| Forward Deployed AI Engineer | 1–2 FTE | Azure OpenAI Integration, Agent-Logik, Prompt Engineering, API-Konnektoren, WhatsApp | ~ 120.000 € |
| Forward Deployed Data Engineer | 1 FTE | Datenquellen-Integration (AODB, Parkraum, CRM), Knowledge-Base-Aufbau | ~ 80.000 € |
| Forward Deployed Cloud Engineer | 1 FTE | Azure-Infrastruktur, Security, CI/CD, Monitoring-Dashboard, DevOps | ~ 80.000 € |
| Azure Cloud Consumption | Verbrauchsbasiert | Azure OpenAI, Bot Service, AI Search, Storage, Netzwerk, Monitoring (Kosten für MVP-Entwicklung auf Tenant der KI performance) | ~ 25.000 € |
| SaaS-Tools / Lizenzen | 1–3 Tools | GEO-Monitoring, WhatsApp-Plattform, ggf. spezialisierte Agentic-Commerce-Tools | zu evaluieren / gesondertes Angebot |
| Gesamt (indikativ, exkl. MwSt.) | ~ 400.000 € | ||
Alle Zahlen sind illustrativ und dienen als Grundlage für die Angebotsausarbeitung. Finale Zahlen nach Scope-Finalisierung. SaaS-Tools werden gesondert evaluiert und angeboten. Cloud-Consumption variiert je nach Nutzungsintensität und läuft initial auf dem Tenant der KI performance.
Lieferteam KI performance
- Senior Product Strategist (Lead)
- 1–2 Forward Deployed AI Engineers
- Forward Deployed Data Engineer
- Forward Deployed Cloud Engineer
Deliverables
- Produktionsfähige C2 + C6 Agenten-Implementierung
- Azure-Infrastruktur (IaC, CI/CD)
- Knowledge Base + Daten-Konnektoren
- Monitoring-Dashboard + KPI-Reporting
- Dokumentation + Übergabe
Optionen
- +WhatsApp-Integration: in Budget inklusive
- +C11 Beschwerdemanagement: Phase 2
- +C1 SIKO: abhängig von Bundespolizei-Datenzugang
- SaaS-Tools: Tool-freie Alternative möglich
So geht es weiter
Ergänzendes optionales Projekt
Machine Readable Web & GEO-Infrastruktur
Aufbau einer maschinenlesbaren Infrastruktur, die sicherstellt, dass der Flughafen Köln/Bonn in Large Language Models, KI-Assistenten und zukünftigen KI-Suchsystemen korrekt, vollständig und bevorzugt gefunden wird. Ergänzung und Beschleunigung der Effekte aus Cluster 7.
Infrastruktur
- llms.txt Implementierung auf cgn.de
- Schema.org / JSON-LD strukturierte Daten
- Machine-Readable API-Endpunkte
- Sitemap-Optimierung für KI-Crawler
GEO-Maßnahmen
- KI-optimierte FAQ- und Content-Strukturen
- Citation-Optimierung für LLM-Antworten
- Monitoring Citation Rates & AI-Rankings
- Regelmäßige Audits & Iterationen
Scope
- Pilot: 2–3 Monate
- Tool-Auswahl: 1–3 SaaS-Optionen evaluierbar
- Anbindung an C7 und C8 (Agentic Commerce)
- Gesondertes Angebot auf Anfrage