Η παρούσα μεταπτυχιακή διπλωματική εργασία εξετάζει τη συμβολή της Τεχνητής Νοημοσύνης (ΤΝ) στη διαχείριση κινδύνων κατά την εκτέλεση τεχνικών έργων σε αερολιμένες εν λειτουργία. Πρόκειται για ένα περιβάλλον ιδιαίτερης πολυπλοκότητας και αυξημένων απαιτήσεων ασφαλείας, όπου η διακοπή των λειτουργιών του αεροδρομίου μπορεί να έχει σοβαρές επιχειρησιακές και οικονομικές επιπτώσεις. Στο πλαίσιο αυτό, η εργασία διερευνά τις δυνατότητες εφαρμογής προηγμένων μεθόδων ΤΝ, όπως η μηχανική μάθηση, τα νευρωνικά δίκτυα, η λογική ασαφών συνόλων και τα ψηφιακά δίδυμα για την πρόβλεψη, παρακολούθηση και ελαχιστοποίηση των κινδύνων που σχετίζονται με τα έργα υποδομής σε τέτοιους ευαίσθητους χώρους.

Η μελέτη περιλαμβάνει θεωρητική ανάλυση, βιβλιογραφική ανασκόπηση, αποτίμηση υπαρχουσών εφαρμογών και παρουσίαση εμπειρικών μελετών περίπτωσης από διεθνή αεροδρόμια. Μέσα από συγκριτική αξιολόγηση και αποτύπωση των τεχνικών, οργανωτικών και κανονιστικών παραμέτρων, διατυπώνονται συμπεράσματα για τις συνθήκες κάτω από τις οποίες η ΤΝ μπορεί να λειτουργήσει αποτελεσματικά και να ενισχύσει τη διαχείριση τεχνικών έργων.

Τα αποτελέσματα δείχνουν ότι η επιτυχής εφαρμογή ΤΝ εξαρτάται από την ποιότητα των δεδομένων, την ενσωμάτωση των συστημάτων σε πραγματικό χρόνο και την προσαρμογή στις ιδιαίτερες συνθήκες του κάθε έργου. Η εργασία καταλήγει σε προτάσεις για μελλοντική έρευνα και πρακτική αξιοποίηση των τεχνολογιών ΤΝ σε έργα υψηλού ρίσκου.

This postgraduate thesis explores the contribution of Artificial Intelligence (AI) to risk management in technical projects carried out at operational airports. Such environments are characterized by heightened complexity, strict regulatory requirements, and the need for uninterrupted operations, making effective risk mitigation both critical and challenging. The study investigates how advanced AI methods, including machine learning, neural networks, fuzzy logic systems, and digital twins, can be utilized to predict, monitor, and minimize construction-related risks in sensitive airport infrastructures.

The research adopts a theoretical and analytical approach, combining literature review, evaluation of real-world applications, and case study analysis from international airports. Through comparative assessment, the thesis identifies key technological, organizational, and legal factors that influence the successful integration of AI tools in project risk management.

Findings highlight that the effectiveness of AI applications depends strongly on data quality, system interoperability, and adaptation to the specific operational context. The thesis concludes with recommendations for future research and outlines practical pathways for implementing AI technologies in high-risk construction environments.