kontakt@camo.nrw +49 202 / 439 1164

Reduzierung von Datenmengen durch KI

Hochautomatisierte Fahrzeuge zeichnen bei jeder Fahrt eine Vielzahl von Informationen auf und speichern diese als Datensammlung in Szenarienkatalogen ab. Pro Tag kann dieser Vorgang Speicherplatzkapazitäten von sechs bis acht Terabyte in Anspruch nehmen.[1] Eine solche, exponentiell wachsende Datenmenge bringt Systeme an ihre Grenzen. Derartige Mengen an Daten seien kaum noch zu handhaben, betont Dr. Michael Frey vom Institut für Fahrzeugsystemtechnik.[2] Die Datenflut entsteht dadurch, dass die Sensoren der autonomen Vehikel alle Informationen, ob notwendig oder nicht, aufnehmen. Eine Lösung zur Reduzierung der Datenfülle könnte in der Bemessung des jeweiligen Mehrwertes liegen, den eine Information dem System bietet. Anhand dieser Grundlage kann eine weiterführende Selektion erfolgen, welche Daten in den Szenarienkatalog aufgenommen werden, was die zu speichernde Menge deutlich reduziert.

An diesem Lösungsweg arbeiten zurzeit Forscher des Karlsruher Instituts für Technologie (KIT). Das Verbundprojekt KIsSme (Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen) soll die Datenselektion erforschen und initiieren. Hierfür bedienen sich die Forscher an Algorithmen auf Basis künstlicher Intelligenz, welche während der Fahrt aufgenommene Daten auswerten und filtern. Eine Sammlung von Daten stellte das Institut aus Realfahrten im öffentlichen, urbanen Verkehr sowie aus Versuchen im Testfeld „Autonomes Fahren Baden-Württemberg“ der Öffentlichkeit bereit. Ferner wurden „Closed-Vehicle-in-the-Loop-Simulationen“ (Virtuelle Testfahrten) an dem Gesamtfahrzeugprüfstand des KIT durchgeführt. Der chinesische Ingenieurdienstleister „LiangDao“, mit Forschungs- und Entwicklungszentren in Berlin und München, stellte beispielsweise zusammen mit weiteren Unternehmen Aufbauten für Testfahrzeuge für die Datensammlung zur Verfügung.

Weitere Vorteile des KIsSme-Projektes sind neben der Reduzierung des Stromverbrauches auch ein verringerter Aufwand an den erforderlichen Datenschutz.[3] Dieser Punkt resultiert aus der insgesamt geringeren Anzahl aufgenommener Informationen aus der Fahrzeugumwelt, welche bei fortführender Nutzung in angrenzende Bereiche des Datenschutzes reichen. Zudem bedingt der Prozess eine Erweiterung und Beschleunigung der Rechenleistung, die so anderweitig zur Auswertung relevanter Daten zur Verfügung steht.

Quellen

[1] https://www.automobil-industrie.vogel.de/mittels-ki-die-datenmengen-fuer-automatisiertes-fahren-reduzieren-a-997704/

[2] https://www.kit.edu/kit/pi_2021_007_ki-bandigt-datenmengen-fur-automatisiertes-fahren.php

[3] https://www.springerprofessional.de/automatisiertes-fahren/datenverarbeitung/ki-reduziert-datenmengen-beim-automatisierten-fahren/18828176

Verwandte Artikel

Neural Information Processing Systems

Die 34. Neural Information Processing Systems-Konferenz (NeurIPS) hat dieses Jahr wieder eine Vielzahl an Inhalten rund um das Thema Künstliche Intelligenz und Maschinelles Lernen geboten. Die NeurIPS zählt mit über 20.000 Teilnehmer:innen in diesem Jahr […]

Mehr erfahren

Potenziale der Automobilindustrie in NRW

In einer Studie von IW Consult in Zusammenarbeit mit Fraunhofer IAO und automotiveland.nrw für das Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen wird die Zukunft der Automobilindustrie in NRW bis 2040 näher […]

Mehr erfahren

Verband Deutscher Verkehrsunternehmen (VDV) nimmt Stellung zum Rechtsrahmen für das autonome Fahren

Der VDV ist der Branchenverband für über 600 Unternehmen des öffentlichen Personen- und Schienengüterverkehrs in Deutschland. Er betreibt u. a. Öffentlichkeitsarbeit für den öffentlichen Verkehr und vertritt die Interessen seiner Mitglieder gegenüber der Politik. In […]

Mehr erfahren