14.07.2021 – Kategorie: Konstruktion & Engineering

Machine Learning und KI: Effizientere Datennutzung in der Autobranche

Maschine Learning und Data Science: MicroNova mit Services für AutomobilbauerQuelle: everything possible/Shutterstock.com

Künstlichen Intelligenz und Machine Learning können die Automobilbranche unterstützen, vorhandene Informationen gewinnbringend einzusetzen.

  • Das Software- und Systemhaus MicroNova hat ein umfassendes Beratungs- und Projektangebot zum Einsatz von künstlicher Intelligenz (KI) gestartet.
  • Viele Unternehmen in der Automobilbranche prüfen derzeit, in welcher Form sie KI für eine effizientere Datennutzung einsetzen können.
  • MicroNova unterstützt sie dabei in den Bereichen Datenanalyse und Machine Learning (ML).

Die von Menschen und Systemen generierten Datenmengen zu erfassen, zu interpretieren und belastbare Schlüsse zu ziehen, stellt herkömmliche Systeme zunehmend vor Herausforderungen. Technologien und Verfahren aus dem Bereich der künstlichen Intelligenz und des Machine Learning können Unternehmen dabei unterstützen, die vorhandenen Informationen gewinnbringend einzusetzen. Dass KI eine der wichtigsten Zukunftstechnologien ist, ist laut einer aktuellen Bitkom-Studie auch drei Viertel der befragten Unternehmen bewusst – bei der praktischen Umsetzung benötigt die Mehrheit nach eigenen Angaben allerdings Unterstützung.

Dr. Klaus Eder, Vorstand bei MicroNova: “Viele Prozesse lassen sich durch den richtigen Einsatz von Künstlicher Intelligenz und Data Science heute deutlich effizienter gestalten.“ Bildquelle: MicroNova

Data Science und Machine Learning: Angebot von MicroNova Consulting

Da jedes Unternehmen andere Ziele und Fragestellungen bei der Einführung KI-basierter Technologien hat, setzt MicroNova auf umfassende Beratung zum Einsatz von KI- und ML-Lösungen: Die Experten unterstützen Unternehmen zunächst bei der Auswahl des richtigen Verfahrens für den angestrebten Anwendungsbereich. Dabei stehen Aspekte wie Kosten, Effizienz und Flexibilität des Systems im Mittelpunkt.

Nach der Bedarfsermittlung und der Auswahl des geeigneten Tools unterstützt das Team aus Experten für Data Science und Machine Learning im gesamten Projektverlauf: von der Prototypenentwicklung bis hin zur produktiven Umsetzung der Lösung in der Organisation. Dabei kommen meist Methoden aus der agilen Software-Entwicklung zum Einsatz. Auf Basis der Anforderungen von Kundenseite entstehen zuverlässige, hochwertige Lösungen.

Durchführung von KI-Projekten

Daher unterstützen die Consultants nicht nur bei der Analyse der Problemstellung, der Konzepterstellung sowie beim Aufbau von Prototypen, sondern begleiten Unternehmen auch bei der Implementierung der entwickelten Lösungen. Dabei werden alle relevanten Stakeholder in den Prozess einbezogen und eine klare Definition von Zielen und Anforderungen sowie eine geordnete Struktur sorgen für einen reibungslosen Projektverlauf.

“Viele Prozesse lassen sich durch den richtigen Einsatz von Künstlicher Intelligenz und Data Science heute deutlich effizienter gestalten. Vor allem im Hinblick auf die Validierung autonomer Fahrfunktionen mit ihren Unmengen an Variablen sehen wir hier großes Potential,“ erklärt Dr. Klaus Eder, Vorstand bei MicroNova. „Eine gründliche Bestandsaufnahme und Vorbereitung der Daten bildet dabei eine wichtige Voraussetzung für die Identifikation der entsprechenden Verbesserungsmöglichkeiten und die Entwicklung von KI-Systemen.“

Beispiele aus der Automobilindustrie für den Einsatz von KI und Machine Learning

Für den Einsatz von Künstlicher Intelligenz bieten sich im Automotive-Bereich zahlreiche Anwendungsfälle. Im Folgenden werden vier Beispiele für KI-Anwendungen kurz erläutert.

Simulationsmodelle

Der Aufbau eines so genannten Digital Twin beschleunigt die Fahrzeugentwicklung, da Steuergeräte-Software in einer virtuellen Umgebung getestet werden kann – ohne dass ein realer Prototyp erforderlich ist. Für dieses Vorgehen benötigt man eine große Anzahl von Simulationsmodellen. Besonders im Hinblick auf autonome Fahrzeuge können solche Modelle sehr viele verschiedene Szenarien und Faktoren virtuell abdecken. Hier eignen sich neuronale Netze vor allem für die Bestandteile des Fahrzeugs, die sich mit physikalischer Modellierung nur schwer nachbilden lassen, etwa einzelne Teile eines Motors. MicroNova Consulting unterstützt Unternehmen bei der Datenanalyse, bei der Auswahl von geeigneten KI-Technologien für die Modellierung sowie bei der Integration und Validierung der einzelnen Modellbestandteile.

Test von KI-Systemen

Die Validierung von KI-Systemen in Fahrzeugen – insbesondere von Fahrerassistenzsystemen und autonomen Fahrzeugfunktionen – erfordert neue Testmethoden, wie zum Beispiel Szenario-basiertes Testing. Die dafür notwendigen Testumgebungen müssen die Steuergeräte-Software einbinden können und außerdem massiv skalierbar sein, um die damit verbundenen hohen Testaufwände in akzeptabler Zeit durchzuführen. MicroNova Consulting hilft hier bei der Konzeption, Einführung und Weiterentwicklung von Prozessen, Methoden und Tools für KI-gestützte Systeme für autonomes Fahren. Weitere Einsatzbereiche betreffen beispielsweise die funktionale Sicherheit nach ISO 26262 oder den ASAM-Standard OpenSCENARIO.

Error Mining

Eine weitere Herausforderung beim Test autonomer Fahrzeuge liegt darin, wie sich die großen Mengen von Testergebnissen sinnvoll und praktikabel auswerten lassen. MicroNova Consulting unterstützt bei der Konzeption und Umsetzung entsprechender KI-Lösungen.

Sensordatenanalyse

Damit sich ein Fahrzeug autonom im Straßenverkehr bewegen kann, muss es in der Lage sein, sein Umfeld zu erkennen und richtig zu entscheiden, welchen Weg es fahren muss oder welche Reaktion erforderlich ist. Dabei kommen Sensoren wie Radar und Lidar sowie Kameras zum Einsatz, die sich gegenseitig ergänzen: Wenn beispielweise Wetterbedingungen wie starker Regen oder Nebel die visuelle Erfassung der Umgebung über Kameras erschweren, muss sie durch Automotive-Radar-Technologien erweitert werden. Diese wurden in den letzten Jahren verbessert durch neue Entwicklungen wie Micro Doppler Automotive Radars, Stand-alone Radar Perception und Semantic Radar. MicroNova Consulting unterstützt Unternehmen hier bei der Konzeption von Lösungen für visuelle oder Radar-basierte Objekterkennung, zum Beispiel Ampelerkennung oder Messung der Sichtweite bei Nebel sowie bei der Berechnung von Fahrwegen auf Basis von Trajektorien.

Weitere Informationen: https://www.micronova.de/ und https://www.micronova.de/testing/consulting-services.html

Erfahren Sie hier mehr über autonomes Fahren in der Simulation.

Lesen Sie auch: „Additiv gefertigte Kunststoffteile: Worauf es im Automobilbau ankommt“


Teilen Sie die Meldung „Machine Learning und KI: Effizientere Datennutzung in der Autobranche“ mit Ihren Kontakten:


Scroll to Top