Künstliche Intelligenz im Automobilbau: Warum jetzt der richtige Zeitpunkt ist

„Künstliche Intelligenz ist eher eine Taktik als die Antwort auf die Herausforderungen des Automobilbaus. Sie liefert Elemente einer Lösung und sollte Teil eines gut durchdachten Engineering-Prozesses und -Workflows sein.“

Katrien Wyckaert, Siemens Digital Industries

Die Automobilindustrie treibt die Einführung von Technologien der künstlichen Intelligenz (KI) voran. Die Anwendung von KI im Automobilsektor ist breit gefächert und reicht von Forschung und Entwicklung über Fertigung bis hin zu Logistik und Marketing. KI-Technologien verbreiten sich auch im Inneren der Fahrzeuge und beeinträchtigen den Fahrzeugbetrieb. Und die Entwicklung von KI-basierten Automobilsystemen ist eine Herausforderung. Denken Sie an die enorme Menge, die von Innovatoren in der Automobilindustrie erworben und verarbeitet wird.

Künstliche Intelligenz im Automobilbau ist ein riesiges, etwas obskures Thema. Zumindest fühlt es sich so an. Obwohl viele Akteure in der Automobilindustrie zugeben, dass KI ein wichtiger Baustein ihrer digitalen Transformation ist, verraten nur wenige die konkreten Anwendungen der Technologien.

Künstliche Intelligenz im Automobilbau

Wenn wir über den Einsatz von künstlicher Intelligenz in der Automobilindustrie nachdenken, denken wir oft an selbstfahrende Autos. Vollständig selbstfahrende Autos sind noch nicht auf den öffentlichen Straßen unterwegs. Die Branche beobachtet jedoch die Entwicklung genau und investiert viel Zeit, Technologie und Ressourcen in die Entwicklung autonomer Systeme. Und ja, die Beherrschung von Tools mit künstlicher Intelligenz wird der Schlüssel zur erfolgreichen Konstruktion und Entwicklung autonomer Fahrzeuge sein.

Aber konzentrieren Sie sich auf KI nur im Zusammenhang mit der Entwicklung autonomer Fahrzeuge und der Entwicklung fortgeschrittener Fahrerassistenzsysteme (ADAS)? Wenn ja, verpassen Sie möglicherweise Möglichkeiten, Ihre Engineering-Praktiken zu verbessern.

„Künstliche Intelligenz ist für mich das nächste Sprungbrett: Sie spielt nicht nur eine Hauptrolle beim autonomen Fahren; sie ist domänenübergreifend in die Prozess- und IT-Landschaft und natürlich auch in den F&E-Bereich eingewoben.“

Jan Brecht, CIO Daimler AG – Quelle: Cap Gemini

Die skalierte Implementierung von KI-Technologien nimmt in den Automobilunternehmen allmählich zu. Untersuchungen von Cap Gemini zeigen auch, dass die Fokussierung auf die Implementierung von KI in der Automobilforschung und -entwicklung sowie im Engineering potenziell zu hohen Vorteilen führt. Quelle: Cap Gemini

Künstliche Intelligenz bringt eine Fülle von Chancen mit sich

Herman Van der Auweraer, Senior Director Technology Innovation, leistete bei Simcenter Pionierarbeit beim Einsatz von Techniken der künstlichen Intelligenz. Er erinnert sich: „Künstliche Intelligenz in der Automobilindustrie oder in anderen Branchen ist nichts Neues. Schon in den 80er Jahren haben wir uns mit Expertensystemen beschäftigt, was eine Form des KI-Denkens ist, um Probleme bei der Roboterprogrammierung zu lösen und die Prozessqualität zu kontrollieren. Danach kam die Welle der neuronalen Netze: Wir haben das auch für die Flugdatenanalyse und Fahrzeugtests untersucht, aber die Struktur und die Möglichkeiten der neuronalen Netze waren nicht das, was sie heute sind. Uns fehlte auch die Rechenleistung, um es gut funktionieren zu lassen.

Katrien Wyckaert, Vizepräsidentin für Strategie und Innovation, verfügt über 30 Jahre Erfahrung im Automobilbau. Sie hat sich mit Herman Van der Auweraer und anderen Mitgliedern des Simcenter-Teams zusammengetan, um die KI-Initiativen zu überprüfen, die heute zur Unterstützung der Fahrzeugentwicklung ergriffen werden. Das Anwendungsspektrum ist überraschend breit. Verschiedene KI- und maschinelle Lerntechniken gelten für das Konstruktion und die Entwicklung von Fahrzeugen, egal in welcher Phase. Und sie bringen viele Vorteile mit sich: die Möglichkeit, mehr Alternativen zu bewerten, als unser menschliches Gehirn kann, die verkürzte Zeit für die Verarbeitung der Informationen, die automatische Auswahl bestimmter Kriterien oder Parameter und vieles mehr.

Natürlich sind einige Anwendungen von KI-Techniken ausgereifter als andere, aber eines ist sicher: Die Einsatzmöglichkeiten von KI im Automobilbau sind vielfältig, und wir können sie nicht alle aufzählen. Wahrscheinlich sind viele von ihnen noch nicht einmal ins Auge gefasst worden.

Weitere Informationen

Der Einsatz von Künstlicher Intelligenz im Automobilbau wirft in der Automotive-Community viele Fragen auf. Nehmen Sie an einer Frage-und-Antwort-Runde mit Katrien Wyckaert, Herman Van der Auweraer und anderen Technikern und Forschern des Simcenter-Teams teil.

Was treibt die Einführung von Technologien der künstlichen Intelligenz im Automobilbau an?

Unbestreitbar ist die treibende Kraft hinter dem Ausbau der künstlichen Intelligenz in der automobilen Forschung und Entwicklung die Nachfrage nach fortgeschritteneren Fahrerassistenzsystemen (ADAS) und das Aufkommen selbstfahrender Autos. Fahrerlose Autos sind ohne die Unterstützung von KI-Technologien nicht vorstellbar. Technologische Fortschritte in der Bilderkennung oder intelligenten Fahrzeugsteuerungen haben Anwendungen erschlossen, die zur nächsten Stufe der Fahrautomatisierung führen.

Teil dieser automobilen Revolution zu sein, ist aufregend und herausfordernd. Bei Simcenter verfolgen wir mit Begeisterung den technologischen Fortschritt und beteiligen uns aktiv an der Gestaltung und Entwicklung des Fahrzeugs von morgen.

Suchen Sie ein Beispiel? Erfahren Sie, wie Konstrukteure mit Simcenter das intelligente Auto von morgen entwickeln: Zur Innovation bei autonomen Fahrzeugen die richtigen Tools nutzen.

Was sind die größten Herausforderungen durch künstliche Intelligenz im Automobilbau?

Eine erste Herausforderung besteht darin, dass KI nicht per se eine Lösung für technische Probleme ist. Übernehmen Sie KI-Technologien nicht aus Technologiebegeisterung. Bei F&E-Problemen kann künstliche Intelligenz eher ein Element der Lösung sein statt die Lösung selbst. Es ist wichtig, sich auf das technische Ziel zu konzentrieren und die KI-Technik mit fundierten Kenntnissen des technischen Bereichs zu kombinieren, um ihre Anwendbarkeit zu verstehen. Darüber hinaus ist es wichtig, KI-Technologien in technische Prozesse und Workflows zu integrieren, anstatt Ad-hoc-Projekte durchzuführen.

Eine zweite Herausforderung besteht darin, zu verstehen, welche KI-Technik Ihnen bei der Lösung eines bestimmten technischen Problems hilft. Sobald Sie den Umfang Ihres Projekts festgelegt haben, stehen Ihnen mehrere Techniken zur Verfügung, die Ihnen bei der Lösung Ihres Problems helfen können. Welche ist die „richtige“? Bei Simcenter erforschen und vertiefen wir unser Wissen über KI-Techniken und passen unsere Tools und Ansätze an das jeweilige Problem an.

Wir nutzen zum Beispiel KI, um Konstruktionsentscheidungen zu unterstützen. Wir verlassen uns auf generatives Engineering in Simcenter Studio, um über tausend Architekturen zu generieren und einen „Smart Architecture“-Workflow zu definieren, der nur physisch mögliche Architekturen berücksichtigt. Generatives Engineering hilft uns auch dabei, intelligente Materialien zu entwickeln, die auf die Anforderungen beim Engineering zugeschnitten sind. Später in der Fahrzeugentwicklungsphase unterstützen KI-Techniken die Entwicklung intelligenter Steuerungen, bei denen die modellprädiktive Regelung die Betriebsleistung von Fahrzeugen steigert und erweitert werden kann, um menschliche Fahrstile zu erlernen und zu imitieren. Im Rahmen modellbasierter Systemtests weisen KI-basierte Techniken wie Modellordnungsreduktion und Virtual Sensing den Weg zur Realisierung des lauffähigen digitalen Zwillings.

Weitere Informationen zum ausführbaren digitalen Zwilling finden Sie in der Blogpost-Reihe zum Thema:

Ausführbarer Digitaler Zwilling (xDT) – Blogpost-Reihe 

Welche KI-Technik sollte ich also für welche F&E-Anwendung einsetzen?

Auf diese Frage gibt es keine richtige oder falsche Antwort. Die Auswahl einer bestimmten KI-Technik hängt von der angedachten Anwendung ab. Neuronale Netze eignen sich gut, um komplexe Beziehungen zwischen Daten zu modellieren oder Muster zu erkennen. Sie funktionieren besonders gut, wenn viele Daten zur Verfügung stehen. Andere Methoden des maschinellen Lernens sind möglicherweise besser geeignet, wenn die Datenverfügbarkeit begrenzt ist. Die Reinforcement-Learning-Technik ist ideal, um ein intelligentes Steuerungssystem zu entwickeln, das sein Verhalten auf der Grundlage einer Beschreibung der perfekten Situation lernt. Bei großen, komplexen und zeitaufwändigen Simulationen ist die adaptive Stichprobenziehung eine Technik des maschinellen Lernens, die dabei hilft, Wissen auf der Grundlage einer begrenzten Datenbasis zu entdecken und zu erfassen. Es maximiert die aus Simulationsmodellen gewonnenen Erkenntnisse, um Datensätze zu extrapolieren.

Was macht Simcenter zu einem führenden Partner, wenn es um KI im Automobilbau geht?

Das Simcenter-Portfolio wurzelt in einer langen Geschichte von Forschungs- und Entwicklungsinitiativen. Die Simcenter-Ingenieuere haben durch Forschungsprojekte und Partnerschaften mit Universitäten und innovativen Unternehmen Terabytes an Daten und umfangreiches Wissen beim Experimentieren mit und Implementieren von KI-Innovationen gesammelt.

Verschiedene Simcenter-Tools betten KI-Techniken ein, um Engineering-Prozesse zu verbessern, komplexe Probleme zu lösen und schnellere Ergebnisse zu liefern. Das Simcenter-Portfolio umfasst beispielsweise den Simcenter Amesim ROM Builder sowie die KI-gestützte CFD-Simulation in Simcenter STAR-CCM+.  HEEDS stützt sich auch auf KI-Techniken, um die Erforschung des Weltraums besser und schneller zu gestalten. Schließlich sind die Ingenieure von Simcenter Engineering Services bestrebt, geeignete KI-Methoden zu erforschen und zu implementieren, um Engineering-Prozesse zu verbessern.

Simcenter ist auch faktisch ein Anbieter von Simulations- und Testlösungen. Es kann bauen auf seine Kernkompetenz verlassen und damit vertrauenswürdige Ergebnisse liefern. KI wird manchmal als Blackbox beschrieben, die Ergebnisse liefert, die nicht systematisch wiederholt oder vertrauenswürdig sind. Big Data steht dabei traditionell im Mittelpunkt. Aber was ist, wenn nur eine begrenzte Datenbasis zur Verfügung steht? Die Nutzung von Simulationen im Kontext von KI hat zu einem enormen technologischen Durchbruch geführt. In der Tat bettet die Simulation ein tiefes Wissen über physikalische Phänomene in die Prozesse ein. Fehlende Daten werden durch ein Verständnis physischer Verhaltensweisen und Einblicke in diese Verhaltensweisen ersetzt.  

Erfahren Sie mehr über KI-gestützte Simcenter-Lösungen:

• YouTube
• Simcenter und Monolith AI und die Anwendungen von KI bei CFD-Simulation
• Renault koppelt virtuelle Sensoren mit künstlicher Intelligenz, um Herausforderungen bei Verbrennungsmotoren zu bewältigen

Wird KI in Zukunft den Automobilkonstrukteur ersetzen?

Bedroht Künstliche Intelligenz den Job des Automobilkonstrukteurs? Ehrlich gesagt, glauben wir das nicht. Anstatt die Konstrukteure zu ersetzen, wird KI ihnen helfen und sie unterstützen. KI-Technologien ermöglichen es Konstrukteuren, mehr, besser, mit besseren Einblicken und einer größeren Reichweite zu tun. Die Technologien können ein großes Reservoir an technischem Know-how bieten. Es war schon immer eine Herausforderung, das Wissen von erfahrenen Konstrukteuren an die jüngere Generation weiterzugeben. Da Technologien und Systeme komplexer denn je sind, kann künstliche Intelligenz einen neuen Weg für eine bessere Ausbildung und den Austausch von technischem Fachwissen aufzeigen.  

Viele Autohersteller sehen die Auswirkungen von KI auf den Arbeitsmarkt optimistisch, wie eine Umfrage von Cap Gemini zeigt. Quelle: Cap Gemini

---

Teilen Sie Ihre Ansichten mit unseren Experten oder stellen Sie Ihre Fragen für die nächste Session. Posten Sie unten Ihre Kommentare.