Artificial Intelligence

KI verändert Fahrzeuge und deren Entwicklungsprozess

| Autor / Redakteur: Roy Lurie / Jürgen Schreier

In dem von Scania entwickelten Lkw-Notbremssystem werden Radar- sowie Kamerasensoren im Zusammenspiel verwendet, um die Umwelt zu erkennen. Es soll Heckkollisionen vermeiden.
In dem von Scania entwickelten Lkw-Notbremssystem werden Radar- sowie Kamerasensoren im Zusammenspiel verwendet, um die Umwelt zu erkennen. Es soll Heckkollisionen vermeiden. (Bild: MathWorks)

Ob autonomes Fahren oder alternative Antriebskonzepte: Die Automobilbranche steht vor großen Umbrüchen. Doch wie kommt die Intelligenz ins Fahrzeug und welche Rolle spielen dabei die Ingenieure? Eine Antwort darauf gibt dieser Kurzbeitrag.

Das erste Auto wurde im Jahr 1885 verkauft. Damit begann eine Revolution durch motorisierte Fortbewegungsmittel und gleichzeitig eine Revolution für die Gesellschaft. Fahrzeuge wurden über die Zeit immer schneller, aerodynamischer, sicherer, bequemer. Sie setzten sich als Massenverkehrsmittel durch und bescherten den Menschen eine zuvor nie gekannte Mobilität. Doch zunächst waren sämtliche Fortschritte in Fahrzeugen rein auf die klassische Ingenieurebene bezogen.

Erst knapp 100 Jahre später, im Jahr 1981, wurde der erste Computer in einem Fahrzeug verbaut. Ein Modell von General Motors verfügte über eine ECU (ECU = electronic control unit = Steuergerät) mit etwa 50.000 Code-Zeilen. Die Entwickler von damals konnten sich nicht vorstellen, welche Fülle an neuen Möglichkeiten sie damit schufen. Dennoch stellt das Modell, das sozusagen der Pionier des Embedded Design ist, die Initialzündung für alle weiteren Entwicklungen dar: Batteriemanagement, Airbags, elektrische Fensterheber oder automatische Verriegelungen. Heute sind in jedem Auto mehr als 100 Prozessoren mit etwa 100 Millionen Code-Zeilen verbaut.

Ein weiterer Meilenstein in der Software-Entwicklung des Automobils ist die Möglichkeit der Vernetzung. Das erste Connected Car wurde bereits 1996 auf den Markt gebracht. Zuerst bot es lediglich ein Mobiltelefon, um ein Support-Center zu kontaktieren. Doch schnell konnte es GPS-Koordinaten senden und Informationen zum Fahrzeugzustand. Kurz darauf, im Jahr 2000, folgte das erste Fahrerassistenzsystem: ein System in Lkw von Mercedes, das den Trucker vor einem versehentlichen Fahrspurwechsel warnte.

Die zweite digitale Automobil-Revolution

Heute besitzen Automobile fein justierte Predictive-Maintenance-Funktionen, die Warnungen senden, bevor ein bestimmtes Bauteil nicht mehr funktioniert. Es gibt Funktionen, die per Sprache gesteuert werden um beide Hände am Lenkrad behalten zu können. Fahrzeug-zu-Fahrzeug-Applikationen (V2V) geben wichtige Informationen von Fahrzeug zu Fahrzeug weiter, indem sie etwa andere Fahrzeuge bei Notbremsungen oder Spurwechseln im toten Winkel elektronisch vorwarnen. In den nächsten Jahren werden Hersteller die ersten autonom fahrenden Autos (in Serie) auf den Markt bringen.

Was wir anhand dieser Beispiele sehen, ist die zweite digitale Revolution in der Automobil-Industrie, bei der es vor allem darum geht, künstliche Intelligenz in das Fahrzeug zu bringen. Getragen wird sie von Model-Based Design. Ein Beispiel ist das von Scania entwickelte Lkw-Notbremssystem, das Heckkollisionen vermeiden soll. In diesem Fall werden Radar- sowie Kamerasensoren im Zusammenspiel verwendet, um die Umwelt zu erkennen. Radarsensoren können insbesondere die Reichweite eines Objekts, seine relative Geschwindigkeit und Festigkeit feststellen – sie erkennen also, ob es sich um eine Nebelbank oder ein solides Objekt handelt.

Kameras ergänzen dieses Bild um weitere wichtige Informationen. Sie können die Größe eines Objekts sowie seine laterale Position feststellen und so bestimmen, ob das Fahrzeug sich auf der eigenen Fahrspur befindet oder am Seitenstreifen geparkt ist. Sobald eine Kollision bevorsteht, wird der Fahrer durch ein akustisches Signal gewarnt. Reagiert dieser nicht, wird automatisch eine Warnbremsung ausgeführt.

Was Fahrzeuge intelligent macht

In einem System wie dem von Scania werden pro Sekunde eine Vielzahl neuer Daten ausgewertet, die in Echtzeit analysiert werden müssen: Die Informationen aus Radarsensoren und Kameras müssen ausgewertet und zu einem einheitlichen Bild verschmolzen werden. Dann steht eine Entscheidung an: Besteht Gefahr? Muss eine Notbremsung vorbereitet werden? Daraus ergeben sich auch Fragen für die Entwicklung: Kann man weitere Aspekte erkennen, die man beim System-Design bedenken muss? Ist der Code, der diese Berechnungen macht, effizient? Bei Scania lag die CPU-Auslastung der elektronischen Steuereinheit bereits bei 60 Prozent als das Unternehmen mit dem Sensorfunktionsprojekt begann.

Damit der Mechanismus der Notbremsung zuverlässig funktioniert, wird er im Zuge der Entwicklung eingehend getestet. Scania verifizierte sein Design anhand von Simulationen auf der Grundlage von mehr als 1,5 Millionen Kilometern an Sensordaten und nutzte dafür die modellbasierte Entwicklung.

Die Entwicklung immer komplexerer Applikationen und Fahrzeugfunktionen stellt Ingenieure vor eine große Herausforderung: Wie können die riesigen Datenmengen, die von den Sensoren geliefert werden, effizient ausgewertet werden? Wie findet man die Daten, die wirklich einen Unterschied machen? Wie kann man sie nutzen, um Kunden einen besseren Service zu bieten?

Ingenieure erstellen Machine-Learning-Anwendungen

Eine Lösung kann nur darin bestehen, die Expertise von Automobil-Ingenieuren mit dem Know-how um Machine-Learning-Techniken und Datenanalyse zu vereinen. MathWorks unterstützt Automobil-Ingenieure, indem es Tools zur Verfügung stellt, mit denen die Ingenieure selbst Big Data analysieren und Machine-Learning-Anwendungen erstellen können.

Automobilunternehmen setzen zunehmend auf die Erweiterung ihres umfangreichen MATLAB Know-hows um die KI-Entwicklung. Dies verkürzt erheblich die Lernkurve, die im Vergleich zu anderen Deep Learning Frameworks erforderlich ist. Mit mehr als drei Jahrzehnten Erfahrung im Bereich Design und Entwicklung bietet MATLAB zudem einen direkten Zugang zu vorkonfigurierten Funktionen, umfangreiche Toolboxen und spezialisierte Anwendungen für Klassifizierung, Regression und Clustering.

In den letzten Jahren hat die Automobilindustrie eine digitale Revolution erlebt, mit einem Zuwachs von elektronischen Steuerungen in praktisch jedem System. Jetzt beginnt mit automatisiertem Fahren und Predictive Maintenance die nächste Phase der Evolution, in der datengesteuerte Algorithmen zur Implementierung künstlicher Intelligenz eine Schlüsselrolle spielen. Die Gewinner werden durch ihre Fähigkeit bestimmt, Automotive Engineering mit Big Engineering Data zu verschmelzen, wodurch Daten-Analytik und Deep Learning Teil ihrer Forschungs-, Design- und Entwicklungsprozesse werden.

Die komplette Version dieses Beitrags können Sie als Keynote von Roy Lurie auf der MathWorks Automotive Conference in Stuttgart (17. April 2018) hören.

Roy Lurie ist Vice President of Engineering, MATLAB Products, bei MathWorks.
Roy Lurie ist Vice President of Engineering, MATLAB Products, bei MathWorks. (Bild: MathWorks)

Das vernetzte Auto: Datenverarbeitung in Echtzeit

Big Data in der Praxis

Das vernetzte Auto: Datenverarbeitung in Echtzeit

10.04.18 - Ein Connected Car besteht aus hunderten Bestandteilen verschiedener Hersteller. Doch je mehr Komponenten (unterschiedlicher Hersteller) in einem so komplexen System zum Einsatz kommen, desto höher die Wahrscheinlichkeit, dass sich Fehler einschleichen. lesen

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45240692 / Praxis)