Die ASAP Gruppe, Entwicklungspartner der Automobilindustrie, hat etablierte Entwicklungs- und Absicherungsverfahren um Methoden der Künstlichen Intelligenz (KI) erweitert.
Durch die gestiegene Komplexität der Funktionen ist eine rein physikalische Absicherung nicht mehr möglich. Virtualisierung, Simulation und Testautomatisierung tragen seit Jahren zur verbesserten Erfüllung der Qualitäts-, Termin- und Budgetanforderungen bei. Mit dem Einsatz von KI gelingt ASAP eine weitere Optimierung der Funktionsabsicherung.
ASAP setzt Methoden der KI – etwa Künstliche Neuronale Netze, evolutionäre Algorithmen oder allgemein maschinelle Lernverfahren – bereits erfolgreich in der Softwareentwicklung, bei Lebensdauererprobungen und Umweltsimulationen oder auch bei der Absicherung von Fahrzeugfunktionen ein. Das bringt eine Optimierung der Absicherung mit sich: die jeweilige KI-Instanz wird mit Informationen über das zu testende System und variierende Bedingungen versorgt sowie gelehrt, welche Ergebnisse beziehungsweise Testpfade als Erfolg beziehungsweise Misserfolg zu interpretieren sind. So kann eine KI beispielsweise selbstständig einen elektrischen Antriebsstrang an einem Hardware-in-the-Loop-Prüfstand über eine Vielzahl virtueller Teststrecken, Umweltbedingungen, Fahrertypen und weiterer Parameter erproben. Zusätzlich identifiziert die KI zuverlässig kritische Szenarien, die gezielt und damit kostenoptimiert real nachgestellt werden können. Dabei gewonnene Erfahrung nutzt die KI zudem in allen weiteren Tests, um sich selbst stetig zu optimieren – bei Bedarf rund um die Uhr. Somit wird die Testtiefe bei der Funktionsabsicherung erweitert und damit auch der Nutzen der KI kontinuierlich vergrößert. Vorteile des Einsatzes von KI-Methoden sind ein hoher Absicherungsgrad und eine große Testtiefe, die Reduzierung von Prototypen, kürzere Entwicklungszeiten sowie Kostenersparnis.
Neue Herausforderungen in der Funktionsabsicherung durch autonomes Fahren mit E-Antrieb
Das Zusammenspiel der beiden Megatrends autonomes Fahren und Elektromobilität bringt neue Herausforderungen für die Funktionsabsicherung – und damit viele weitere Einsatzmöglichkeiten für KI – mit sich: softwarebasierte Funktionen und Sensoren autonomer Fahrzeuge treffen auf virtuelle Sensoren, die in E-Fahrzeugen Anwendung finden. Solche virtuellen Sensoren berechnen in E-Fahrzeugen beispielsweise anhand von Strom und Spannung die Temperatur im Motor. Hinzu kommen weitere wichtige Funktionen aus E-Fahrzeugen – etwa die Berechnung der Reichweite oder die Anzeige der nächsten Ladesäule – die nun auch in selbstfahrenden Autos sicher ihren Dienst ausführen müssen. Der Einsatz von KI-Methoden bei der Absicherung unterschiedlichster Funktionen autonom fahrender E-Fahrzeuge liefert den entscheidenden Entwicklungsvorsprung. „KI-Methoden sind für uns im Entwicklungsprozess von großem Nutzen, beispielsweise wenn wir virtuelle Sensoren mittels statistischer Verfahren validieren“, erläutert René Honcak, Projektmanager Modellbildung/Simulation bei ASAP. „Bei der Validierung sichern wir die Güte aller in das Vorhersagemodell einbezogenen Zustände und Applikationen – auf das Modell einwirkende äußere Faktoren wie Fahrverhalten oder Witterungsverhältnisse – ab. Dabei nutzen wir KI, um etwa Schwankungen in der Güte dieser Eingangsgrößen zu berechnen.“
Mit maschinellen Lernverfahren Situationen einschätzen und Handlungsoptionen priorisieren
In einem aktuellen Projekt setzen ASAP Experten KI bei einem Prüfszenario ein, in dem ein autonom fahrendes, elektrifiziertes Fahrzeug ein Überholmanöver bei Gegenverkehr durchführen soll. Die Kombination der Vorhersagemodelle, welche die physikalischen Effekte bei solchen Testszenarien beschreiben, wird von ASAP unter Einbezug verschiedenster Einflussfaktoren validiert: Einflussfaktoren sind unter anderem Störterme in Daten aus Temperatur-, Geschwindigkeits- oder Drehmoment-Sensoren im Fahrbetrieb sowie unterschiedlichste Parameter wie etwa geometrische Toleranzen beziehungsweise Software-Applikationen. Selbst mögliche Aktionen des Fahrers – etwa das Einschalten des Radios oder der Klimaanlage – müssen bei diesem Szenario bedacht werden, da sie Auswirkungen auf die Leistung/Temperatur und damit wiederum auf das Überholmanöver haben können: gerade die Temperatur ist bei elektrifizierten Fahrzeugen im Allgemeinen eine große Herausforderung – Leistungselektroniken, Motor oder auch die Batterie dürfen nicht überhitzen. Andernfalls können Leistung und Reichweite des Fahrzeugs sowie die Lebensdauer verschiedenster Komponenten beeinträchtigt werden. „Wir erstellen statistische Modelle, die aufzeigen, welche Parameter und Störterme in der Validierung berücksichtigt werden müssen“, so Honcak. „Anschließend nutzen wir maschinelle Lernverfahren, um zu identifizieren, welche der Konfigurationen Fehler verursachen oder möglicherweise kritisch für den Fahrzeugbetrieb – beziehungsweise in unserem aktuellen Beispiel das Überholmanöver – sind.“ Gerade beim Megatrend autonomes Fahren spielt der Einsatz von maschinellen Lernverfahren eine zentrale Rolle – intelligente Algorithmen schätzen Situationen ein und priorisieren Handlungsoptionen. ASAP kann so gemeinsam mit seinen Kunden Fahrzeuge entwickeln, die selbständig auf verschiedene Verkehrssituation reagieren.
