Im Test automatisierter Fahrzeuge fallen große Datenmengen an. Das Volumen sinkt, wenn Algorithmen die Daten in Szenarien bündeln. Im Projekt KIsSME stellt das Karlsruher Institut für Technologie Daten aus Fahrversuchen und Simulationen bereit.
Hochautomatisiertes Fahren verspricht viele Vorteile – mehr Komfort für die Fahrer, weniger Unfälle, einen flüssigeren und damit umweltfreundlicheren Straßenverkehr. Die zukünftigen Fahrzeuge verfügen über verschiedene Sensoren, mit denen sie Informationen über ihren eigenen Status und aus ihrer Umgebung aufnehmen. Anhand dieser Informationen müssen sie in kürzester Zeit verlässliche Fahrentscheidungen treffen. Im Test muss jede Fahrzeugvariante Millionen von Kilometern zurücklegen und viele verschiedene Szenarien meistern, die Infrastruktur, Witterung sowie andere Verkehrsteilnehmerinnen und -teilnehmer und deren Verhalten kombinieren. „Dabei fallen riesige Datenmengen an – vier bis acht Terabyte pro Fahrzeug und Tag“, berichtet Dr. Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST), Institutsteil Fahrzeugtechnik des KIT. „Diese Datenmengen sind kaum noch zu handhaben.“
Verdichten senkt das Datenvolumen
In dem vom Bundeswirtschaftsministerium geförderten Projekt KIsSME sortieren intelligente Algorithmen die Daten im Fahrbetrieb in Szenarienkataloge ein. Um die Datenmenge zu reduzieren, zeichnen die Systeme im Fahrbetrieb nur diejenigen Werte auf, die tatsächlich einen Mehrwert bringen. Der Projektname KIsSME steht für „Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen“.
Um die Daten zu verdichten, entwickeln Wissenschaftler Algorithmen auf Basis Künstlicher Intelligenz, die während des Fahrbetriebs die anfallenden Daten selektieren. „KIsSME zielt darauf, Szenarienkataloge auszubauen, um die Datenmengen zu reduzieren“, erklärt Frey, der am Institut für Fahrzeugsystemtechnik unter anderem die Forschungsgruppe Automatisierung leitet. „Das spart Speicherplatz und Strom und verringert den Aufwand für Auswertung und Datenschutz.“
Testfeld Autonomes Fahren Baden-Württemberg
Die Forscher des KIT stellen für KIsSME Daten aus realen Fahrversuchen sowie aus Simulationen bereit. Die Messfahrten laufen im öffentlichen urbanen Verkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) in Karlsruhe sowie Closed Vehicle-in-the-Loop Simulationen an einem Gesamtfahrzeugprüfstand des KIT. Forscher aus dem Institut für Fahrzeugsystemtechnik überprüfen die im Projekt entwickelten Modelle und Selektoren, indem sie die von den Verbundpartnern erarbeiteten Algorithmen auf die Daten aus Versuchen und Simulationen anwenden. KIsSME bezieht sich auf automatisiertes Fahren der Stufen vier bis fünf (vollautomatisiert bis autonom).
Die Koordination des Verbundvorhabens KIsSME liegt bei der AVL Deutschland GmbH. AVL ist ein Unternehmen für die Entwicklung von Antriebssystemen sowie der dazugehörigen Prüftechnik und Simulation. Weitere Partner sind neben dem KIT das Fraunhofer-Institut für Kurzzeitdynamik, das Ernst-Mach-Institut, das FZI Forschungszentrum Informatik, die LiangDao GmbH, die Mindmotiv GmbH, die RA Consulting GmbH und die Robert Bosch GmbH. Als assoziierte Partner fungieren der ASAM e.V., Association for Standardization of Automation and Measuring Systems sowie der Cluster Elektromobilität Süd-West, koordiniert von der e-mobil BW GmbH, Landesagentur für neue Mobilitätslösungen und Automotive Baden-Württemberg.
Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Vorhaben mit insgesamt 6,5 Millionen Euro; das KIT erhält davon rund 330 000 Euro. Das Verbundvorhaben KIsSME ist Anfang 2021 gestartet und auf drei Jahre angelegt. Jürgen Frisch
Anzeige | Fachartikel
4 + 8 Gründe, weshalb sich Unternehmen bei schlechter Datenqualität ausbremsen lassen
Autoren: Alex Ron | Jost Enderle | CC Datenmanagement der Trovarit AG
Zum kostenlosen Download des Artikels
