Während die LFV-Ingenieure an der Finanzierung und Datenerfassung arbeiteten, zogen die Fachleute von IBM Garage vom Standort Kopenhagen, Dänemark, das Team von IBM Research und die Entwickler der Analyseplattform IBM Streams hinzu. Das erweiterte Team von LFV und IBM arbeitete in einem IBM Enterprise Design Thinking Workshop zusammen. Da sich die IBM Garage Methodik auf User Centered Design konzentriert, bezog LFV zwei Fluglotsen ein, die Einblicke in Faktoren wie Luftfahrzeugbegrenzungen, Treibstofflast und Pilotenkooperation gaben.
Mit einer soliden Vision und einem technischen Plan war das Team bereit, mit der Entwicklung von Advanced Autoplanner (AAP) zu beginnen, einer KI-gesteuerte autonomen Flugsicherungslösung, die von der schwedischen Verkehrsbehörde finanziert wird. Aber COVID-19 brach aus und die nordischen Länder gingen in den Lockdown. Unterbrechung liegt in der DNA der agilen IBM Garage Methodik, sodass das Projekt auf Kurs blieb. Die Teammitglieder in Europa und den USA führten regelmäßig agile Stand-ups, Playbacks und technische Statusgespräche durch, was zur erfolgreichen Entwicklung des ersten AAP-Minimum Viable Product (MVP) führte.
Die Luftfahrtnormen schreiben vor, dass sich um jedes in der Luft befindliche Luftfahrzeug stets ein Umkreis von fünf nautischen Meilen befinden muss. Beim Erstellen von AAP haben das Team von LFV und IBM Garage einen Puffer eingebaut, der sechs nautische Meilen erforderte. Wenn Flugzeuge näher beieinander sind, spricht man von einem „Abstandsverlust“, der mit der Zeit zu einer Kollision führen kann. AAP arbeitet in zwei Phasen, da es einen bestimmten Luftraumsektor überwacht. In der ersten Phase verfolgt und prognostiziert eine gitterbasierte 3D-Weltraumforschungstechnik kontinuierlich die Standorte von Luftfahrzeug in Echtzeit. Wenn die App feststellt, dass ein Flugzeug den Abstand verlieren wird, kann sie in einer Sekunde fast 800 mögliche Szenarien durchspielen, in denen sie die Richtung, Geschwindigkeit oder Höhe eines Flugzeugs leicht verändert. AAP untersucht, wie sich die Flugbahn eines Szenarios auf den gesamten Luftraum des Sektors auswirken würde, wie ein 3D-Schachbrett, und identifiziert dann sichere Maßnahmen, um zukünftige Konflikte zu vermeiden.
In der zweiten Phase verwendet die Lösung einen regelbasierten Ansatz, um die in Phase eins ermittelten Maßnahmen in eine Rangfolge zu bringen, und sendet die beste Option an den Piloten. Der Pilot kann die Anweisung ausführen oder mitteilen, dass dies nicht möglich ist. Wenn beispielsweise die Anweisung lautet, die Flughöhe um 1.000 Fuß zu erhöhen, und der Pilot feststellt, dass dies nicht möglich ist, würde die App eine alternative Anweisung geben, z. B. Kursänderung um fünf Grad nach Osten. AAP verfolgt auch, wann das Luftfahrzeug seinen ursprünglichen Flugplan wieder aufnehmen kann.