Automobilindustrie bei Zukunftstrends auf Datenmanagement angewiesen

Aufholbedarf beim digitalen Auto

| Autor / Redakteur: Dr. Stefan Ebener / Rainer Graefen

(Bild: RioPatuca-Images_AdobeS)

Längst besteht sowohl in der Politik als auch in der Automobilindustrie weitgehend Einigkeit: Die Zukunft gehört dem vernetzten und autonomen Fahren. Doch während Firmen wie Google und Tesla bereits jetzt schon viel Geld und Zeit in die Mobilitätskonzepte der Zukunft investieren, zögern die klassischen Autobauer und Zulieferer – und riskieren damit, zum Hersteller der Hardware zu verkommen.

Einer Analyse des Beratungsunternehmens Roland Berger aus dem Jahr 2016 zufolge steht die Automobilbranche vor einer Zeitenwende. Die Experten sagen vor allem Carsharing- und Mitfahrmodellen einen immer größeren Anteil am gesamten Mobilitätsangebot voraus.

Autonom fahrende Taxis werden dabei bis 2030 voraussichtlich knapp 30 Prozent der weltweit zurückgelegten Kilometer absolvieren. Im selben Zeitraum schwindet der Anteil der gefahrenen Kilometer, die im Privat-Pkw zurückgelegt werden, von 70 auf 45 Prozent.

OEMs (Original Equipment Manufacturer) stellen sich auf den fortschreitenden digitalen Wandel ein. Die meisten von ihnen arbeiten an Elektroantrieben, autonomen und vernetzen Fahren sowie innovativen Mobilitätsservices. Wie weit der Entwicklungsstand des fahrerlosen Autos ist, lässt sich am besten an dem fünfstufigen Modell zeigen, welches die internationale Ingenieurs- und Automobilindustrie-Vereinigung SAE herausgegeben hat.

5 Stufen bis zum "Kontrollverlust"

Die „Stufe 0“ ist längst Geschichte. Bei ihr war der Fahrer für alles zuständig, kein Assistenzsystem unterstützte ihn. Im VW-Käfer war das noch so.

In der „Stufe 1“ tauchen die ersten Assistenzsysteme wie Tempomat und Notbremsassistent auf. Der Fahrer steuert und muss auf den Verkehr achten.

Erstes teilautomatisiertes Fahren beginnt in „Stufe 2“. Das Auto kann jetzt beispielsweise auf der Autobahn autonom geradeaus fahren. Stockt der Verkehr, übernimmt der Staupilot.

Stufe 3“ lässt sich als hochautomatisiert beschreiben. Die Systeme übernehmen zum Teil die komplette Steuerung, selbst beim Überholen und Ausweichen. Dennoch darf der Fahrer den Blick nicht von der Straße lassen, er muss jederzeit eingreifen können.

Darin liegt auch der wesentliche Unterschied zum vollautomatisierten Fahren, der „Stufe 4“. Reagiert der Fahrer nicht auf Warnungen, handeln die Systeme selbstständig. Über sie ist das Auto mit der Umwelt und somit dem Verkehrsfluss verbunden, um Ampelsignale zu registrieren oder mit andern Fahrzeugen zu kommunizieren.

Wenn ein Auto komplett allein fährt, hat es die „Stufe 5“ – zum fahrerlosen Auto – erreicht. Neuronale Netze, die über Deep-Learning-Algorithmen funktionieren, treffen immer ausgereiftere Entscheidungen und steuern das Auto. Die Autofahrer werden zu Autonutzern, künstliche Intelligenz übernimmt das Steuer.

Digitales Ökosystem für autonomes Fahren

Schon jetzt setzen Autohersteller eigene Test- und Serienfahrzeuge ein, um die vierte Stufe des autonomen Fahrens zu erreichen. Bei beiden erfasst eine Vielzahl von Sensoren Informationen. Das digitale Ökosystem im Auto enthält außerdem die Radareinrichtung für das Leitsystem, die Laserabtastung sowie sechs bis acht HD-Kameras.

Die Sensoren senden die erfassten Werte an das System im Auto. Intelligente Fahrzeuge erstellen anhand der gesammelten Informationen Nutzer- oder Fahrerprofile, in die native Daten wie Öltemperatur oder Geschwindigkeit einfließen. Neuronale Netze und HD-Maps sind die zentralen Bestandteile im digitalen Ökosystem für das autonome Fahren.

Beide Kernelemente erfordern große Datenpools. Deshalb bauen OEMs Data Lakes mit Hadoop-Clustern auf, um die erzeugten Daten abzuspeichern und ihre Systeme zu trainieren. Kartendienste mit Objekterkennung bilden einen weiteren essenziellen Baustein auf dem Weg, Systemen die richtigen Entscheidungen in bestimmten Verkehrssituationen beizubringen.

Trainingsstand der neuronalen Netze

Ein Training der Algorithmen ist notwendig, damit neuronale Netze intelligent entscheiden. Wenn ein Auto zum Beispiel 1.000 unterschiedliche Objekte wie Ampel, Fußgänger, Pkw oder Motoradfahrer automatisch erkennen soll, muss ein neuronales Netzwerk aus zehn Layern bestehen und ungefähr 10 Millionen Bilder verarbeiten.

Pro Bild fallen rund acht Megabyte an, wodurch eine Summe von 80 Terabyte zusammenkommt. Diese Datenmenge wird benötigt, um 1.000 Objekte kategorisieren zu können. Vor diesem Hintergrund lässt sich die Zahl von BMW einordnen: Der Konzern hat auf der Bosch Connected World in Berlin in diesem Jahr erklärt, über rund 500 Petabyte an Daten aus „Connected Car“ und „Autonomous Vehicle“ zu verfügen.

Bei Testfahrten sammeln Hersteller die Daten fürs Training der neuronalen Netze. Tesla hat kommuniziert, bisher 780 Millionen Testkilometer absolviert zu haben – und alle zehn Stunden käme eine Million hinzu. Google kann 3,8 Millionen Testkilometer vorweisen.

Jeder Testkilometer auf der Lernstrecke zählt, denn pro Sekunde werden Unmengen an Videodaten in Echtzeit verarbeitet, nur um den Spurhalteassistenten zu berechnen. Die IT-Systeme umfassen mittlerweile mehr als 100 CPU-Kerne.

Datenverarbeitung und -verwaltung im Fokus

Aufgrund der entstehenden Datenmengen konzentrieren sich die Entwickler insbesondere auf das Thema Effizienz. Um dieses Ziel zu erreichen, bedarf es eines intelligenten Zusammenspiels sämtlicher IT- und Software-Komponenten im Fahrzeug, in der Cloud und im Rechenzentrum – und zwar im gesamten Datenflussmodell.

Aufgrund dessen soll das Fahrzeugsystem auch nur jene Daten übertragen, die sich verändern. Aus den Abweichungen lassen sich neue Algorithmen berechnen. Lediglich das Resultat davon wird dann in das Fahrzeug übersendet.

Kameradaten sind zum Beispiel relevant, sie werden im Auto verarbeitet und führen dort zu Entscheidungen: Ein Auto bremst ab, beschleunigt oder weicht einem Hindernis aus. Das Übertragen dieser Daten in die Cloud ist nicht notwendig. Es gilt vielmehr der Grundsatz, dass ein Auto offline handeln können muss – auch wenn mal keine Mobilfunkverbindung besteht.

Das gilt auch für die Car2Car-Communication. Fahrzeuge tauschen hierbei im Vorbeifahren relevante Informationen über Verkehr, Straßenzustand, Witterungsverhältnisse und freie Parkplätze aus. Oder sie informieren andere Pkw, die ebenso auf eine Kreuzung zufahren, ohne dass eine direkte Sichtverbindung besteht.

Big Data und mangelnde Bandbreite zwingen zur Effizienz

Dass Effizienz in der Datenverarbeitung und beim Datenmanagement unerlässlich ist, zeigen die Ausmaße der Datenmengen, die im Zuge des autonomen Fahrens entstehen: Pro Sekunde soll ein autonomes Fahrzeug von Google ein Gigabyte an Daten ansammeln.

Aus den 114 Stunden pro Jahr, die ein deutscher Autofahrer im Durchschnitt fährt, würde sich ein halbes Petabyte an Daten ergeben – bei insgesamt 45,8 Millionen Automobilen würde allein in Deutschland ein gigantischer Datenberg von mehr als 22 Zettabyte pro Jahr entstehen.

Datenmanagementspezialisten wie NetApp unterstützen die Autohersteller durch kostensparende und bandbreitenschonende Datenmanagementlösungen dabei, diese Datenmengen reibungslos zu übertragen und auszuwerten.

Kooperative Geschäftsmodelle erhöhen die Erfolgsaussicht

Im Wettbewerb um das Datengeschäft droht Automobilherstellern die Gefahr, nur noch die mobile Plattform zu produzieren, die andere Wettbewerber nutzen, um Geld zu verdienen. Resultiert aus einer Kooperation wie der von Daimler, Audi und BMW, die den Kartendienst-Hersteller Here übernommen haben, eine digitale Plattform, stärkt das die Wettbewerbsfähigkeit für das autonome und vernetzte Fahren sowie für den Mobilitätsservice.

Verharrt die Autoindustrie jedoch weiterhin in ihrer überwiegend abwartenden Haltung, werden sich namhafte Autohersteller in die Riege jener Unternehmen einreihen, die ebenfalls die Zeichen der Zeit verkannt haben – und von der Bildfläche verschwunden sind.

* Dr. Stefan Ebener, Strategy & Innovation Manager Automotive bei NetApp

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45024637 / Big Data)