Die Verwendung neuronaler Netze bei der Zeitreihenanalyse von Motorprüfdaten ermöglicht neue Ansätze für Predictive Health Monitoring. (Bild: DFKI / IAV)
Das Anwendungspotential intelligenter Datenanalysemethoden für die Überwachung und Optimierung von Prüfdaten, Steuergeräten und Prüfständen in der Automobilindustrie gilt als nahezu unerschöpflich. So verfügt nach Angaben von Experten beispielsweise ein modernes Motor-Steuergerät über mehr als 50.000 Einstellparameter, die maßgebend sind für Leistung, Verbrauch, Verschleiß und die gesamte Performanz des Motors.
Durch Deep Learning-Technologien, genauer den Einsatz neuronaler Netze im Steuergerät, kann dieses selbstständig „lernen“ wie die Eingangsgrößen optimal einzustellen sind. Die Verwendung solcher Netze bei der Zeitreihenanalyse von Motorprüfdaten ermöglicht zudem neue Ansätze für „Predictive Health Monitoring“, so dass daraus die Voraussage von Verschleiß und Wartungsfällen verbessert werden kann. Ebensolche Verfahren, so erklären IAV und DFKI gemeinsam, sollen in dem neuen Forschungslabor FlaP erforscht und entwickelt werden.
Gleichzeitig soll im FLaP auch an neuen Visualisierungsmöglichkeiten für die vielfältigen Messdaten aus den neuronalen Netzen gearbeitet werden. So soll ein Werkzeugkasten von KI-Tools entstehen, die von Automobil-Ingenieuren intuitiv und passend eingesetzt werden können.
„Neben den vielversprechenden Möglichkeiten beim Einsatz auf bestehender Hardware in Serienfahrzeugen werden im FLaP auch neuartige Anwendungsfälle für selbstlernende neuronale Netze erforscht“, so Andreas Dengel, Leiter des Forschungsbereichs Smarte Daten & Wissensdienste am DFKI. „Ziel ist es, sowohl auf lange Sicht grundlegende Erkenntnisse zu erarbeiten als auch kurzfristig konkrete Lösungen zu aktuellen Problemstellungen zu entwickeln.“
Matthias Schultalbers, Executive Vice President for Powertrain Mechatronics bei IAV: „Gemeinsam mit dem DFKI übertragen wir die vielfältigen Anwendungspotenziale der KI-Technologien in die Antriebsstrangentwicklung. Dies beinhaltet auf der einen Seite den Einsatz von KI in Steuerungssystemen, auf der anderen Seite neue Möglichkeiten zur Effizienz- und Robustheitssteigerung im Entwicklungsprozess. Als Engineering-Partner der Automobil-OEMs heben wir das Engineering durch KI und Deep Learning auf ein völlig neues Level.“
Mit dem FLaP setzt das DFKI auf sein bewährtes Konzept: Die enge Zusammenarbeit mit der Industrie in realitätsnahen Forschungsumgebungen. Damit gelingt es, zeitnah innovative KI-Technologien und Lösungsansätze in die Praxis zu transferieren. Außerdem wird die aktuelle Forschung durch den intensiven Dialog mit führenden Anwendern wie IAV bedeutend inspiriert.
IAV baut mit dem gemeinsamen Labor sein umfangreiches Kooperationsnetzwerk mit Forschungseinrichtungen, Universitäten und industriellen Partnern aus. Das FLaP in Kaiserslautern ist bereits der 18. Kooperationsstandort in Deutschland.
