Open Access

Jannik Loose

• Diese Arbeit untersucht die Anwendung eines Surrogate Modell zur Bewertung der Missionsplanung in einem simulierten Kampfszenario mithilfe der Software Command Modern Operations (CMO). Die zur Modellierung und Validierung erforderlichen Daten wurden durch ein Data-Farming- Experiment generiert, das auf einem statischen Design of Experiments (DoE) und Monte-Carlo-Simulationen basiert. Die CMO-Simulationen, die über LUA- und Python-Skripte gesteuert werden, testen iterativ verschiedene Konfigurationen und passen die Waffenkombinationen an, um eine breite Szenariovielfalt abzudecken. Das Surrogate Modell wurde mithilfe eines zweistufigen linearen Regressionsansatzes entwickelt, der die Wahrscheinlichkeit und das Ausmaß von Schäden an verschiedenen Zieltypen auf Basis eingesetzter Waffenparameter schätzt. Die von Command Modern Opertaions gerieten Daten sind plausibel. Das Surrogate Modell allerdings zeigte eine eingeschränkte Genauigkeit bei geringeren Waffenanzahlen, was auf die hohe Granularität der Zieltypen in CMO zurückzuführen ist. Die Bewertung zeigt, dass für eine effiziente Missionsplanung eine präzise Datengrundlage und eine durchdachte Bewertungsfunktion notwendig sind. Obwohl das Surrogatmodell eine erste Grundlage für die Evaluierung bietet, zeigen Begrenzungen in der Schadensprognose bei niedrigen Waffenanzahlen, dass alternative Modellansätze die Genauigkeit weiter verbessern könnten. Diese Arbeit verdeutlicht das Potenzial von Surrogate Modell zur Optimierung von Missionsplanungsszenarien und schlägt vor, mit komplexeren Modellen, wie etwa Transformermodellen, die Effizienz für Analysen in der Missionsbewertung zu steigern.