Stephan Rinderknecht
Ziel unseres Zusammenschlusses ist es die revolutionären Ansätze aus den Bereichen Big Data und Machine Learning mit der klassischen evolutionären Entwicklung von Fahrzeugen zu vereinen.
Motivation
Leichtbau, Emission/Effizienz und Autonomie sind zukünftige Topthemen der Automobiltechnik. Die Fahrzeugvernetzung bzw. das Internet der Dinge eröffnen völlig neue Möglichkeiten, Betriebsdaten zu sammeln, zu verarbeiten und zu nutzen. Die Data Mining Industry, allen voran Google, verwendet sehr erfolgreich Big Data mit revolutionären und aggressiven Ansätzen um neue Informationsdienste anzubieten. Die im Vergleich konservativ eingestellte Automobilindustrie schöpft die vorhandenen großen Potenziale noch nicht aus. Um dies erfolgreich zu tun, bedarf es kreativer Anwendungsideen der Automobiltechnik kombiniert mit einer konsequenten Berücksichtigung neuester Aspekte des Datenschutzes und der menschlichen Akzeptanz.
Zielsetzung
Der Forschungsverbund Fahrzeug 5.0 setzt genau an diesem Punkt an: Wissenschaftliche Grundlagen und Methoden für den intelligenten Betrieb und die Entwicklung vernetzter Fahrzeuge sollen erforscht werden, die erstmals die Schaffung einer systematischen Wissensbasis zur fortlaufenden Verbesserung der Fahrzeugeigenschaften durch Big-Data-Nutzung ermöglichen. Dabei entstehen neue fahrzeugtechnische Lösungen zu den Themenfeldern Leichtbau, Emission/Effizienz und Autonomie. Im Gegensatz zur Data Mining Industry wird eine Vorratsdatenspeicherung explizit ausgeschlossen; bereits in der Konzeption werden Cybersecurity und Human Factors berücksichtigt. Durch die progressive Nutzung großer Betriebsdatenmengen führt die Darmstädter Vision des Fahrzeugs 5.0 zu Paradigmenwechseln in der Automobilindustrie und nutzt dazu die einmalig am Standort vorhandene gebündelte Expertise aus Maschinenbau, Informatik und Humanwissenschaften.
Grundidee
Die bisherige Fahrzeugentwicklung erlaubte die Implementierung maschineller Fertigkeiten und einfacher Regeln für Entscheidungsabfragen. Übertragen auf das Drei-Ebenen-Modell von Rasmussen entspricht dies dem fertigkeits- bzw. regelbasierten Handeln der unteren und mittleren Ebene. Mit dem Anspruch nach wissensbasiertem Handeln adressiert das Fahrzeug 5.0 erstmals die höchste Modellebene und damit eine fortlaufende Veränderung der Systemeigenschaften durch Lernen basierend auf der systematischen Analyse der anfallenden Betriebsdaten (Einzelfahrzeug und Flotte).
Darmstädter Ansatz
Der Forschungsverbund Fahrzeug 5.0 (Pkw/Bus/Lkw) wird von drei profilbildenden Anwendungssäulen getragen:
1. Softwarebasierter Leichtbau: Die Analyse der Lastdaten aus dem gesamten Feldbetrieb erlaubt zukünftig eine ressourcenoptimierte Bauteil-Dimensionierung. Dies löst die bisherige Auslegung für extreme Nutzung und damit eine für viele Nutzer deutliche Überdimensionierung ab.
2. Realfahrtoptimierte Antriebe: Basierend auf der Analyse der längsdynamischen Fahr- und Umfelddaten werden emissionsorientierte, selbstlernende und selbstkontrollierende Betriebsstrategien für Antriebe (elektrisch/hybrid/konventionell) realisiert.
3. Akzeptiertes autonomes Fahren: Automatisiertes Fahren erfolgt wissensbasiert über zeit- und kontextvariante Fahrstrategien, da ohne eine Anpassung an neue Randbedingungen die Grenzen des Einsatzbereichs schnell erreicht sind.
Verbunden werden die drei Anwendungssäulen über zentrale gleichermaßen profilbildende Querschnittsthemen, die die Voraussetzungen zur Umsetzung des Fahrzeugs 5.0 liefern und übergreifende Synergien nutzen:
1. Big Data
2. Human Factors
3. Ökonomie & Ökologie
4. Technische Methoden
Für die Nutzung von Big Data sind anwendungsorientierte Methoden zur Betriebsdatenanalyse (Data Analytics) sowie Maschinenlernverfahren (Data Learning) einzusetzen und Datenschutzaspekte (Security/Privacy/Trust) von Anfang an systematisch zu integrieren.
