Taktische Operatoren, die CloudTAK nutzen — das browserbasierte Frontend für TAK Server — stoßen auf einen konstanten Reibungspunkt: die Lücke zwischen dem Wissen, was zu tun ist, und dem Abschluss der Aktion in der Benutzeroberfläche. Das Platzieren einer Kontaktmarkierung erfordert ein langes Drücken, eine Menüauswahl, einen CoT-Typ-Wähler, einen Dialog zur Koordinateneingabe, ein Rufzeichenfeld und ein Bestätigungstippen. Unter ruhigen Bedingungen am Schreibtisch dauert das fünfzehn bis zwanzig Sekunden. Unter Zeitdruck, mit Handschuhen, in einem Fahrzeug auf einer Schotterpiste zerfällt diese Sequenz. Schritte werden übersprungen. Koordinaten werden falsch eingegeben. Markierungen landen auf dem falschen Grid. Die Folge ist nicht nur verschwendete Zeit — es ist ein verschlechtertes Common Operating Picture, nach dem die gesamte Einheit navigiert.

TAKpilot ist ein KI-Chat-Copilot, der direkt in CloudTAK eingebettet ist und die Menünavigation als primären Interaktionsmodus eliminiert. Operatoren tippen — oder diktieren — was sie benötigen: „platziere einen feindlichen Infanteriekontakt bei 37U DP 12345 67890, Rufzeichen CONTACT-7". TAKpilot übersetzt die Phrase in einen strukturierten TAK-API-Aufruf, führt ihn aus und zeigt dem Operator eine Echtzeit-Karte, die die Aktion und ihr Ergebnis bestätigt. Die Markierung ist in weniger als zwei Sekunden auf der Karte. Keine Menüs, keine Wähler-Dialoge, keine Suche nach dem Koordinatenformat.

Dieser Artikel behandelt, wie TAKpilot in der Praxis funktioniert: das natürlichsprachige Befehlsmodell, die MIL-STD-2525/APP-6-Symbolbestätigung, Vision und Datei-Intelligenz, Streaming-Tool-Karten, das Genehmigen-/Ablehnen-Sicherheits-Gate und der operative Einsatz des Produkts bei den ukrainischen Verteidigungskräften.

Das Menünavigationsproblem in CloudTAK unter Zeitdruck

Die Menüstruktur von CloudTAK spiegelt die Breite dessen wider, was TAK Server leisten kann. Diese Breite ist im selben Moment eine Stärke der Fähigkeiten und eine Belastung für die kognitive Last. Derselbe Operator, der CloudTAK während einer Planungssitzung am Tisch flüssig navigieren kann, wird fehleranfällig, wenn das operative Tempo steigt. Forschung zu taktischen Human Factors verortet den UI-Navigationsaufwand konsistent bei 30 bis 40 Prozent der gesamten COP-Management-Zeit erfahrener Operatoren — nicht weil die Software schlecht gestaltet ist, sondern weil kein baumbasiertes Menüsystem für Routinebefehle die Geschwindigkeit der natürlichen Sprache erreicht.

Das Problem verschärft sich über die Operationstypen hinweg. Das Abonnieren eines neuen Datenkanals erfordert das Navigieren zum Kanalverwaltungsbereich, das Finden des korrekten Kanals in einer Liste, die Dutzende Einträge enthalten kann, und das Klicken auf Abonnieren. Das Ändern der Priorität einer Mission erfordert das Öffnen der Mission, das Klicken auf Bearbeiten, das Scrollen zum Prioritätsfeld, das Ändern des Werts und das Speichern. Jede davon ist eine mehrstufige UI-Transaktion. Im Laufe eines vierstündigen Einsatzzeitraums kann ein aktiver Operator sechzig bis achtzig solcher Transaktionen durchführen. Die kumulativen Navigationskosten sind erheblich — und sie konkurrieren direkt mit der Zeit, die der Operator damit verbringen sollte, das Lagebild zu lesen und zu interpretieren, statt es zu verwalten.

Zentrale Erkenntnis: Der Engpass ist nicht die Fähigkeit des Operators oder die Softwarequalität — es ist die strukturelle Diskrepanz zwischen einem hierarchischen Menüsystem und dem operativen Tempo, mit dem taktische Entscheidungen in COP-Aktualisierungen übersetzt werden müssen. Natürliche Sprache löst diese Diskrepanz auf, indem sie Geschwindigkeit und Form der bestehenden kognitiven Ausgabe des Operators trifft.

Wie natürliche Sprache den Navigationsaufwand eliminiert

Das Befehlsmodell von TAKpilot basiert auf LLM-Function-Calling. Jede von der TAKpilot-Tool-Bibliothek bereitgestellte CloudTAK-Operation ist als JSON-Schema definiert: ein Funktionsname, eine klarsprachige Beschreibung dessen, was die Funktion tut, und ein typisierter Parametersatz mit Validierungseinschränkungen. Wenn ein Operator eine Nachricht sendet, erhält das Modell sie zusammen mit der vollständigen Tool-Bibliothek und wählt die passende Funktion — oder Funktionssequenz — aus und befüllt die Parameter aus der natürlichsprachigen Eingabe.

Repräsentative natürlichsprachige Befehle und was sie ausführen:

  • „Platziere ein feindliches gepanzertes Fahrzeug bei Grid 37U DP 88800 44400, Rufzeichen T-72-ALPHA" — löst „feindliches gepanzertes Fahrzeug" zur korrekten MIL-STD-2525-CoT-Typzeichenkette auf und ruft place_marker mit dem MGRS-Grid und Rufzeichen auf.
  • „Liste alle aktiven Missionen in Sektor BRAVO auf" — ruft list_missions mit einem Sektorfilter auf und gibt eine formatierte Tabelle mit Missionsnamen, Prioritäten, zugewiesenen Rufzeichen und Zeitstempeln der letzten Änderung zurück.
  • „Abonniere mich für Kanal DELTA und bestelle Kanal ECHO ab" — verkettet subscribe_channel- und unsubscribe_channel-Aufrufe, führt beide aus und meldet die Ergebnisse in einer einzigen Antwortkarte.
  • „Erstelle eine Logistikmission für den 3. Zug, Priorität DRINGEND, bei Grid 37U DP 55555 44444, weise sie LOG-1 zu" — ruft create_mission mit Kategorie, Priorität, Standort und Zuweisung in einem einzigen strukturierten Aufruf auf.
  • „Was ist die letzte gemeldete Position von EAGLE-1?" — ruft query_track für EAGLE-1 auf und gibt Grid, Kurs, Geschwindigkeit und Zeitstempel zurück.

Das Modell bewältigt die natürlichsprachige Mehrdeutigkeit in Einheitsbeschreibungen — „feindliche Infanterie", „befreundeter Logistik-Lkw", „gegnerischer BTR" — und ordnet sie den korrekten CoT-Typzeichenketten aus der MIL-STD-2525C/APP-6-Symboltaxonomie zu, ohne dass der Operator den Typcode kennen muss. Ist die Phrase wirklich mehrdeutig (mehrere plausible CoT-Typen), stellt TAKpilot eine einzige klärende Frage, statt zu raten.

MIL-STD-2525 / APP-6 Symbolbestätigung

Einer der risikoreichsten Momente bei der natürlichsprachigen Kartenverwaltung ist das Platzieren eines Kontakts mit einer falschen Zugehörigkeit oder einem falschen Einheitstyp. Das Platzieren eines feindlichen Einheitssymbols auf einem Grid, auf dem eine befreundete Einheit operiert — auch nur vorübergehend — kann einen Feuerleitfehler verursachen. TAKpilot begegnet dem durch einen Symbolbestätigungsschritt, der vom Genehmigen-/Ablehnen-Gate für destruktive Operationen getrennt ist.

Wenn das Modell eine natürlichsprachige Einheitsbeschreibung zu einer CoT-Typzeichenkette auflöst, rendert TAKpilot das entsprechende NATO-Symbol als SVG inline im Chat — das tatsächliche Icon, das die Markierung auf der Karte anzeigen wird — zusammen mit dem aufgelösten Typnamen in Klarsprache: „Ich werde eine feindliche bodengebundene mechanisierte Infanterie [Symbol-Icon] bei 37U DP 12345 67890 platzieren. Bestätigen?" Der Operator sieht das genaue Symbol, bevor etwas auf die Karte geschrieben wird. Falsch gelesene Zugehörigkeiten — „befreundet" in einem diktierten Befehl als „feindlich" missverstanden — werden bei diesem Schritt abgefangen, statt entdeckt zu werden, wenn das falsche Symbol auf einem Live-COP erscheint.

Diese Bestätigung ist schlank: ein einziger Tastendruck oder das Wort „ja" in der nächsten Nachricht. Sie fügt dem Platzierungsablauf weniger als zwei Sekunden hinzu und eliminiert die Fehlerklasse, bei der natürlichsprachige Mehrdeutigkeit eine korrekt ausgeführte, aber semantisch falsche Kartenaktualisierung erzeugt.

Vision und Datei-Intelligenz

Ein erheblicher Anteil taktischer Informationen erreicht Operatoren als Bilder: Fotos handgezeichneter Skizzen, gescannte Lageberichte, PDF-Overlays, die per E-Mail oder Messaging-Apps verteilt werden. Das manuelle Wiedereingeben dieser Informationen in CloudTAK ist eine zeitintensive Transkriptionsaufgabe mit hoher Fehlerrate bei Grid-Referenzen und Einheitssymbolen. Die Vision-Pipeline von TAKpilot automatisiert diese Übertragung.

Operatoren hängen eine PNG-, JPG- oder PDF-Datei an den Chat an und senden einen Befehl wie „verarbeite dieses SITREP" oder „extrahiere alle Kontakte aus dieser Skizze". TAKpilot übergibt die Datei an ein vision-fähiges Modell — Claude Sonnet oder Opus, je nach Sitzungskonfiguration — mit einem strukturierten Extraktions-Prompt. Das Modell identifiziert jede kartenrelevante Entität im Bild: MGRS-Grid-Referenzen, Rufzeichen, Einheitstypsymbole (gelesen aus MIL-STD-2525- oder APP-6-Skizzenkonventionen), Peillinien, Phasenlinien, Freitext-Annotationen und Grenzen von Feuerverbotszonen. Die Ausgabe ist ein strukturiertes JSON-Array.

TAKpilot präsentiert die extrahierten Entitäten in einer Bestätigungskarte, bevor Kartenschreibvorgänge erfolgen: „Ich habe 6 Entitäten in Ihrem SITREP gefunden. Entität 1: feindlicher mechanisierter Zug bei 37U DP 12345 67890 (Konfidenz 0,94) [Symbol]. Entität 2: befreundeter Beobachtungsposten bei 37U DP 11111 22222 (Konfidenz 0,88) [Symbol]…" Der Operator prüft, korrigiert falsch gelesene Grids, hebt die Auswahl jeder Entität auf, die er nicht platzieren möchte, und bestätigt. TAKpilot führt die Platzierungen dann parallel aus. Ein SITREP mit sechs Entitäten, das vier bis sechs Minuten manueller ATAK-Dateneingabe erfordern würde, ist innerhalb von dreißig Sekunden nach der Bestätigung auf der Karte.

Zentrale Erkenntnis: Es ist keine OCR-Pipeline erforderlich — das Vision-Modell liest das Bild direkt, einschließlich handgezeichneter Symbole und nicht-standardmäßiger Annotationsstile, die bei einem traditionellen OCR-plus-Regex-Extraktionsansatz scheitern würden. Das integrierte Vision-Modell bewältigt PNG, JPG und PDF ohne zusätzliche Vorverarbeitungsinfrastruktur.

Konfidenzschwellen werden durchgesetzt: Entitäten unter 0,70 Konfidenz werden explizit gekennzeichnet, und der Operator muss ihre Grids vor der Platzierung manuell bestätigen. TAKpilot platziert Entitäten mit niedriger Konfidenz nicht stillschweigend — die Validierung ist für den Operator sichtbar, nicht in einer automatisierten Pipeline verborgen.

Streaming-Tool-Karten: Echtzeit-Prüfpfad

Jede Aktion, die TAKpilot ausführt, ist für den Operator in Echtzeit über Streaming-Tool-Karten sichtbar — zusammenklappbare Panels, die im Chat erscheinen, sobald jeder Funktionsaufruf initiiert und abgeschlossen wird. Eine Tool-Karte zeigt den Funktionsnamen, die Eingabeparameter als strukturiertes JSON, die Ausführungszeit in Millisekunden und den HTTP-Antwortstatus von CloudTAK. Bei mehrstufigen Operationen erzeugt jeder Schritt seine eigene Karte, die in der Reihenfolge erscheint, in der die Kette ausgeführt wird.

Diese Transparenz erfüllt zwei Zwecke. Erstens gibt sie Operatoren eine sofortige Bestätigung, dass das, was sie beabsichtigt haben, das ist, was TAKpilot ausgeführt hat — sie können das Parameter-JSON lesen und Grid, Rufzeichen und CoT-Typ verifizieren, bevor sie auf die Karte schauen. Zweitens liefert sie einen vollständigen, mit Zeitstempeln versehenen Prüfpfad, der im Chat-Sitzungsverlauf bestehen bleibt. Die Nachbesprechung kann genau rekonstruieren, was platziert wurde, wann, von welchem Operator, mit welcher natürlichsprachigen Eingabe und mit welcher Ausführungslatenz. Das Format des Protokolleintrags — „user: sgt_kovalenko via TAKpilot — action: create_mission — input: 'create logistics mission for 3rd Platoon URGENT'" — bewahrt die Operator-Zuordnung durchgängig und unterscheidet KI-unterstützte Aktionen von direkten CloudTAK-UI-Aktionen.

Genehmigen-/Ablehnen-Gate bei destruktiven Operationen

TAKpilot kategorisiert alle CloudTAK-Operationen in zwei Klassen: additive (Markierung platzieren, Mission erstellen, Kanal abonnieren, Datenpaket erstellen) und destruktive (Mission löschen, Track entfernen, Kanal leeren, Datenpaket löschen). Additive Operationen werden unmittelbar nach der Symbolbestätigung ausgeführt, sofern zutreffend — der Operator kann sie mit einem Folgebefehl rückgängig machen, der selbst das destruktive Gate durchläuft. Destruktive Operationen werden vor der Ausführung abgefangen und erfordern eine explizite Operatorautorisierung.

Das Genehmigungs-Gate rendert den vollen Umfang der ausstehenden destruktiven Aktion: Bei einem Befehl „lösche alle Missionen in Sektor ALPHA" sieht der Operator eine Liste jeder Mission, die gelöscht wird, gerendert mit ihrem NATO-Symbol, Missionsnamen, zugewiesenem Rufzeichen, Priorität und Zeitstempel der letzten Änderung. Die Liste ist keine abstrakte Anzahl — es sind die tatsächlichen Datensätze, dargestellt mit derselben visuellen Sprache, die der Operator auf der Karte verwendet. Operatoren erkennen ihre eigenen Missionsdaten im symbolannotierten Format schneller als in einer reinen Textliste, was die kognitive Last der Bestätigungsentscheidung verringert und die Rate falscher Bestätigungen senkt.

Die Ausführung erfordert entweder das Tippen von „confirm" im Chat oder das Klicken auf die explizite Bestätigungsschaltfläche in der Gate-Karte. Das Schließen der Karte oder das Senden einer anderen Nachricht bricht die ausstehende Operation ab. Das Gate hat kein Timeout — bestätigt der Operator nicht, wird die Operation niemals ausgeführt, unabhängig davon, wie die KI den ursprünglichen Befehl interpretiert hat.

Zentrale Erkenntnis: TAK Server kennt für die meisten Datenoperationen kein natives Undo. Eine ohne Bestätigung ausgeführte Massenlöschung hat keinen Wiederherstellungspfad jenseits einer Datenbank-Backup-Wiederherstellung. Das Genehmigen-/Ablehnen-Gate ist keine UX-Vorliebe — es ist eine harte operative Sicherheitsanforderung für ein System, in dem die KI strukturierte API-Aufrufe aus natürlichsprachiger Eingabe generiert, die mehrdeutig, missverstanden oder irrtümlich gesendet sein kann.

Operativer Einsatz bei den ukrainischen Verteidigungskräften

TAKpilot wurde bei Einheiten der ukrainischen Verteidigungskräfte, die CloudTAK für das COP-Management nutzen, operativ eingesetzt. Der Einsatzkontext liefert einen konkreten Test der Kernaussagen des Produkts unter Bedingungen — Zeitdruck, Kommunikationsstress, Mehrplattformbetrieb über ATAK Android, WinTAK und CloudTAK — die in einer Trainingsumgebung nicht vollständig nachgebildet werden können.

Der primäre operative Vorteil, den eingesetzte Einheiten berichten, ist die Verkürzung der Zeit bis zur Kartendarstellung für SITREP-Informationen, die von vorgeschobenen Beobachtern eingehen. Verbale SITREPs über Funk werden direkt in den TAKpilot-Chat transkribiert; Bild-SITREPs werden über die Vision-Pipeline verarbeitet. In beiden Fällen erreichen die Informationen das COP schneller als bei manueller Eingabe, und das Bestätigungs-Gate fängt Transkriptionsfehler ab, bevor sie zu Kartenfehlern werden. Einheiten berichten außerdem, TAKpilot für die Verwaltung von Kanalabonnements zu nutzen — insbesondere wenn sich operative Verantwortungsbereiche verschieben und Operatoren ihre Kanalkonfiguration schnell neu einrichten müssen.

Der Einsatz validierte auch die modellunabhängige Architektur. Ukrainische Einheiten, die in Gebieten mit zuverlässiger Konnektivität operieren, nutzen Claude Sonnet über die Anthropic-API. Einheiten in vorgeschobenen Edge-Positionen ohne zuverlässige Internetverbindung haben lokal gehostete Llama-3.3- und Qwen-2.5-Modelle auf taktischer Hardware getestet. Der Wechsel zwischen Modell-Backends ist eine Konfigurationsänderung, kein erneutes Deployment des Systems — der TAKpilot-Dienst startet neu und richtet sich auf einen anderen Modell-Endpunkt aus und arbeitet mit derselben Tool-Bibliothek und demselben Bestätigungsverhalten weiter.

Open-Source-Architektur und Deployment

TAKpilot wird unter AGPL-3.0 veröffentlicht. Der vollständige Quellcode — Node.js-Dienst, CloudTAK-UI-Erweiterung, Tool-Bibliotheksdefinitionen, Modellkonfiguration und Deployment-Dokumentation — ist unter AGPL-3.0 verfügbar. Die AGPL-Lizenz stellt sicher, dass alle als Dienst eingesetzten Modifikationen offen bleiben, was mit der vorgesehenen Rolle des Produkts in Verteidigungsökosystemen übereinstimmt, in denen Interoperabilität und Prüfbarkeit institutionelle Anforderungen sind.

Das modellunabhängige Design ist über eine Abstraktionsschicht für OpenAI-kompatible Endpunkte implementiert. Jedes Modell, das die OpenAI-Chat-Completions-API mit Function-Calling implementiert — Anthropics Modelle über ihren Kompatibilitätsendpunkt, lokal gehostete, von Ollama oder vLLM bereitgestellte Modelle oder auf AWS Bedrock oder Google Vertex AI gehostete Modelle — kann ohne Codeänderungen als TAKpilot-Backend konfiguriert werden. Dies ermöglicht Air-Gapped-Deployments in klassifizierten Netzwerken, in denen Daten die Enklave nicht verlassen dürfen, TAKpilot mit einem lokal gehosteten Modell zu betreiben und dabei Funktionsparität mit cloud-verbundenen Konfigurationen zu wahren.

Für NATO-Partnereinheiten und Verteidigungsintegratoren, die auf dem TAK-Ökosystem aufbauen, bietet die Open-Source-Codebasis von TAKpilot einen Ausgangspunkt für benutzerdefinierte Tool-Bibliotheken — zusätzliche CloudTAK-API-Verben, Integration mit externen Sensordaten oder einheitsspezifische Workflow-Automatisierung. Das Tool-Definitionsformat ist standardmäßiges JSON-Schema; das Hinzufügen einer neuen Fähigkeit erfordert das Definieren des Schemas und das Implementieren des Ausführungs-Handlers. Kommerzieller Support, individuelle Integrationsentwicklung und Operator-Schulung sind bei Corvus Intelligence unter corvusintell.com/takpilot erhältlich.

Wie man TAKpilot neben CloudTAK einsetzt

Die folgenden Schritte fassen den Deployment-Prozess für eine standardmäßige CloudTAK-Installation zusammen. Die vollständige Dokumentation befindet sich in der README des Repositorys und im Verzeichnis docs/.

  1. Das Distributionspaket beziehen — Beziehen Sie das TAKpilot-Distributionspaket und entpacken Sie es auf dem CloudTAK-Host. Node.js 20 LTS verifizieren. npm install ausführen.
  2. Das Modell-Backend konfigurieren — .env.example nach .env kopieren. Setzen Sie Ihren Anthropic-API-Schlüssel und MODEL=claude-sonnet-4-6 für ein Cloud-Deployment oder setzen Sie OPENAI_BASE_URL auf einen lokalen Inferenz-Endpunkt für den Air-Gapped-Betrieb.
  3. Auf CloudTAK ausrichten — CLOUDTAK_BASE_URL auf Ihre CloudTAK-Instanz setzen. Kein Dienstkonto erforderlich — TAKpilot verwendet das Sitzungstoken des Operators für alle API-Aufrufe.
  4. Den Dienst starten — npm start. CloudTAK connection verified im Startprotokoll verifizieren.
  5. Das Chat-Panel einfügen — folgen Sie docs/cloudtak-integration.md, um die TAKpilot-Sidebar zur CloudTAK-UI hinzuzufügen. Das Chat-Symbol erscheint nach dem Einfügen in der Symbolleiste.
  6. Mit einem Testbefehl verifizieren — bei CloudTAK anmelden, das TAKpilot-Panel öffnen und „liste alle aktiven Missionen auf" senden. Bestätigen Sie, dass eine Tool-Karte erscheint und die Ergebnisse korrekt zurückgegeben werden.
  7. Das Genehmigen-/Ablehnen-Gate und das Modell pro Knoten konfigurieren — config/gates.json prüfen, bestätigen, dass destruktive Operationen abgesichert sind, und das passende Modell für jeden Knotentyp in Ihrer Einheits-SOP festlegen.

Häufig gestellte Fragen

+Welche CloudTAK-Operationen können über die Chat-Oberfläche von TAKpilot ausgeführt werden?

TAKpilot stellt die zentralen operativen CloudTAK-Verben über natürliche Sprache bereit: Kartenmarkierungen mit MIL-STD-2525/APP-6-Symbolik platzieren und aktualisieren, Missionen mit Kategorie und Priorität erstellen und schließen, aktive Tracks mit optionaler Sektorfilterung auflisten, Datenkanäle abonnieren und abbestellen, Datenpakete erstellen und verteilen sowie Einheitsstatus und letztbekannte Positionen abfragen. Komplexe mehrstufige Operationen — zum Beispiel das gleichzeitige Erstellen einer CAS-Mission und das Benachrichtigen eines Kanals — werden als verkettete Tool-Aufrufe ausgeführt, jeder als separate Karte im Chat sichtbar.

+Wie geht TAKpilot mit mehrdeutigen oder unzureichend spezifizierten Befehlen um?

Wenn ein Befehl mehrdeutig ist — zum Beispiel „platziere einen Kontakt bei Alpha" ohne präzises Grid — stellt TAKpilot eine klärende Rückfrage, bevor ein Tool-Aufruf generiert wird. Das Modell wird angewiesen, nur die fehlenden Informationen anzufordern, die es zum Abschluss der Operation benötigt, und keine Annahmen über Koordinaten, Einheitstypen oder Rufzeichen zu treffen. Generiert das Modell dennoch einen Tool-Aufruf mit unvollständigen Parametern, weist die Validierungsschicht ihn zurück und fragt erneut nach, statt mit Standardwerten auszuführen, die Objekte falsch auf der Karte platzieren könnten.

+Was passiert, wenn die KI einen Fehler macht — kann er korrigiert werden?

Additive Operationen — eine Markierung platzieren, eine Mission erstellen — können durch einen Folgebefehl sofort rückgängig gemacht werden: „entferne die gerade platzierte Markierung" oder „lösche die gerade erstellte Mission". TAKpilot übersetzt diese Rückgängig-Befehle in die entsprechenden Lösch-Tool-Aufrufe, die hinter der standardmäßigen Genehmigen-/Ablehnen-Bestätigung für destruktive Operationen abgesichert sind. Destruktive Operationen werden stets vor der Ausführung abgesichert, sodass Fehler dieser Klasse abgefangen werden, bevor sie zu Datenverlust führen. Die Streaming-Tool-Karte jeder Aktion zeigt genau, was ausgeführt wurde, und liefert einen für Operatoren lesbaren Prüfpfad für die Nachbesprechung.

+Sind Operatordaten privat — sendet TAKpilot Kartendaten an externe KI-Anbieter?

TAKpilot sendet nur die natürlichsprachige Nachricht des Operators und das strukturierte Tool-Aufruf-Ergebnis an das KI-Modell — es überträgt keine rohen Kartendaten, Track-Listen oder Missionsdatensätze an externe Anbieter. Das Modell erhält den Gesprächsverlauf und die Schemata der verfügbaren Tools; die tatsächlichen COP-Daten werden von der Ausführungsschicht von TAKpilot abgerufen, nachdem das Modell ein Tool ausgewählt hat, und nur das Ausführungsergebnis wird in das Gespräch zurückgeführt. Hochgeladene Dateien werden einmal verarbeitet, ihre extrahierten strukturierten Daten werden dem Kontext hinzugefügt, und die Rohdatei wird sofort gelöscht. Für Air-Gapped-Deployments stellen lokal gehostete Modelle sicher, dass keine Daten das Netzwerk verlassen.

+Wie wird TAKpilot neben einer bestehenden CloudTAK-Installation eingesetzt?

TAKpilot läuft als Node.js-Dienst auf demselben Host oder LAN-Segment wie CloudTAK. Es verbindet sich über die bestehende REST-API von CloudTAK mithilfe der Sitzungsanmeldedaten des Operators — keine neuen TAK-Server-Ports, keine Föderationsänderungen, keine Änderungen am Datenbankschema. Das Deployment umfasst das Klonen des AGPL-3.0-Repositorys, das Konfigurieren des Modell-API-Schlüssels (oder lokalen Modell-Endpunkts) und das Ausrichten von TAKpilot auf die CloudTAK-Basis-URL. Die CloudTAK-Benutzeroberfläche wird um ein Chat-Panel erweitert, das über WebSocket mit dem TAKpilot-Dienst kommuniziert.

Weiterführende Lektüre: Zur umfassenderen Architektur TAK-basierter taktischer Anwendungen siehe CloudTAK-API-Integrationsmuster. Wie ATAK-Plugins die zugrunde liegende Plattform erweitern, erfahren Sie unter ATAK-Plugin-Entwicklung. Zu den natürlichsprachigen Interface-Design-Mustern, die das Befehlsmodell von TAKpilot prägen, siehe KI-Copilot für taktische Apps: Wie LLM-Agenten das COP steuern.