Vom Software-definierten Fahrzeug zum KI-definierten Automobilhersteller Im Wandel der Zeit

Die Automobilindustrie ist im Transformationsprozess: Neue Antriebsarten und Geschäftsmodelle, ein gesellschaftlicher Kulturwandel, veränderte Erwartungen seitens der Kunden und verschiedene Kaufoptionen für den Verbraucher führen zu einem Umbruch. Generative künstliche Intelligenz gewinnt dabei immer mehr an Bedeutung – die Ära des KI-definierten Automobilherstellers hat begonnen.

Vor drei Jahrzehnten markierte die Einführung von Fahrzeugelektronik einen bedeutenden Wandel in der Automobilindustrie, der neue Fähigkeiten und Arbeitsmethoden erforderte. Die Einführung aktiver Sicherheitsfunktionen, automatisierter Fahrfunktionen und digitaler Cockpits beschleunigte diesen Trend. Das Aufkommen von Over-the-Air-Updates (OTA) läutete eine neue Ära ein, die es dem Fahrzeug ermöglicht, sich nach der Markteinführung weiterzuentwickeln und neue Funktionen und Dienste zu integrieren, für die die Kunden bezahlen würden. Das ist die Ära des Software-definierten Fahrzeugs, in der sich Software-Aktivitäten hauptsächlich auf Funktionen innerhalb des Fahrzeugs beschränken.

Mit der Veröffentlichung von ChatGPT durch OpenAI im letzten Jahr hat sich die Infrastruktur weiterentwickelt. Diese Entwicklung führte dazu, dass die Industrie das Potenzial der generativen künstlichen Intelligenz (KI) und die Auswirkungen neuer Anwendungen und Dienste auf ihr Geschäft erkannte. Capgemini schätzt, dass 16 Prozent der großen Automobilhersteller ihre Betriebsgewinne durch den Einsatz von KI in großem Maßstab steigern können.

KI wird nicht nur die Funktionen innerhalb des Fahrzeugs verbessern, sondern auch die Effizienz des gesamten Produktionsablaufs in der Automobilindustrie steigern. Von Designern, die KI-generierte Bilder verwenden, um neue Fahrzeug-Ideen zu entwerfen, über Design- und Konstruktionsteams, die generative KI-Anwendungs-Programmierschnittstellen verwenden bis hin zu Marketing- und Vertriebsabteilungen, die generative KI-Tools zur Ideenfindung und Entwicklung von Werbekampagnen einsetzen.

Die meisten Automobilhersteller evaluieren 100 bis 150 Anwendungsfälle für den Einsatz von KI, so dass es kaum eine Funktion gibt, die nicht durch generative KI verbessert werden kann. Dieser Wandel führt zu einer neuen Ära, dem "KI-definierten Automobilhersteller“.

Wissens-Chatbots verbessern Services

Ford, bei dem täglich rund 15.000 Kundenanrufe eingehen, nutzt generative KI im gesamten Workflow des Call Centers. Zunächst verwaltet ein Sprache-zu-Text-System automatisch die mit der Kundenanfrage verbundenen Daten und entfernt dabei alle persönlichen Identifikationsinformationen, die in vielen Ländern obligatorisch sind. Diese intelligente Datenverwaltung ermöglicht die Erstellung eines zweiten KI-Dienstes, eines Chatbots, der von Supervisoren und Technikern zur Abfrage der Datenbank verwendet wird, um beispielsweise die Anzahl der Anrufe im Callcenter oder sogar die Anzahl der Anrufe zu einem bestimmten Thema zu ermitteln. Darüber hinaus unterstützt die KI den Callcenter-Operator, indem sie ihm die besten Antworten auf Kundenanfragen vorschlägt und so die Geschwindigkeit, Effizienz und Kundenzufriedenheit des Callcenters verbessert.

Ein weiteres Beispiel ist der Einsatz von Wissens-Chatbots in Werkstätten und Autohäusern. Wenn zum Beispiel die Klimaanlage eines Fahrzeugs defekt ist, kann der Techniker einfach nach der besten Reparaturmethode für das jeweilige Automodell fragen, und der Chatbot liefert Schritt-für-Schritt-Anweisungen und visuelle Beispiele.

Automatisiertes Fahren

AV 1.0, die traditionelle Art der Entwicklung von Funktionen für das automatisierte Fahren, basiert auf einer modularen Architektur aus Wahrnehmung, Vorhersage und Aktivierung. Die Wahrnehmung basiert in erster Linie auf der KI-Klassifizierung durch Convolutional Neural Network (CNN). Bislang herrschte der Glaube vor, dass mit der Lösung der Wahrnehmung, d. h. der perfekten Klassifizierung von Objekten in einer Fahrumgebung, das Problem des autonomen Fahrens, selbst bei hohem Automatisierungsgrad, gelöst wäre. Nach mehr als einem Jahrzehnt der Bemühungen wurde jedoch klar, dass die Zahl der Anwendungsfälle endlos ist und dass es nicht nur auf die perfekte Wahrnehmung ankommt, sondern auch auf die richtige Interpretation der Szene, damit das Fahrzeug auch bisher unbekannte Szenarien bewältigen kann.

Transformer-Engines, die die Grundlage der generativen KI bilden, werden nicht ausschließlich auf Daten aus dem Automobilbereich, sondern auf allgemeine Daten trainiert, so dass sie in der Lage sind, Fahrszenen zu abstrahieren und richtig zu verstehen, denen sie zuvor noch nie begegnet sind, und die richtigen Entscheidungen zu treffen. Dies ist der Kern von AV 2.0, bei dem eine End-to-End-Architektur mit Sensor-Rohdaten als Input und Fahrzeugaktivität in Form von Beschleunigung und Richtung als Output die traditionelle modulare AV-1.0-Architektur ersetzt. Zusätzlich zu den Leistungsvorteilen optimiert dieser Ansatz die Zuweisung von Rechenressourcen, weil nur eine Funktion berechnet wird und nicht mehrere Module um die verfügbaren Ressourcen konkurrieren. Er erleichtert auch die Überführung eines Fahrzeugs in verschiedene Städte und Länder – ein schwieriges Problem für regelbasierte AV-1.0-Systeme.

Start-ups wie Wayve, ein Entwickler von Embodied-AI für assistiertes und automatisiertes Fahren, oder Waabi, ein KI-Unternehmen, das an AV-Technologien arbeitet, machen auf diesem Gebiet enorme Fortschritte.

Digitale Zwillinge

Digitale Zwillinge sind physisch genaue virtuelle Nachbildungen von Anlagen, Prozessen oder Umgebungen, die in der realen Welt existieren. In der Industrie können digitale Zwillinge während des gesamten Produktlebenszyklus eingesetzt werden, von der Entwicklung und Herstellung über Wartung und Betrieb bis hin zu Vertrieb und Marketing.

Digitale Zwillinge bieten erweiterte Fähigkeiten: Sie ermöglichen die physisch genaue Visualisierung und das präzise Testen verschiedener Produktversionen und -szenarien, die Begehung von virtuellen Fabriken oder des Inneren von Fahrzeugprototypen, um Teams bei der Optimierung von Entwürfen zu unterstützen, und die Reise durch die Zeit, um vergangene Fehler zu verstehen und zukünftige zu vermeiden, indem sie an alternativen Zeitsträngen arbeiten. Anstatt sich bei der Projektabstimmung auf persönliche Treffen und statische Planungsdokumente zu verlassen, rationalisieren digitale Zwillinge die Kommunikation und stellen sicher, dass wichtige Designentscheidungen auf aktuellen Daten beruhen. Sie ermöglichen es den Projektbeteiligten, Entwürfe während der Erstellung im Kontext zu visualisieren. Teams können Fehler erkennen und Feedback frühzeitig in den Überarbeitungsprozess einbeziehen.

Zu den jüngsten Fortschritten bei digitalen Zwillingen gehört die Einführung von OpenUSD (Universal Scene Description), einem erweiterbaren Framework und Ökosystem für die Beschreibung, Zusammenstellung, Simulation und gemeinsame Navigation und Konstruktion von 3D-Szenen. HTML ist die Standardsprache für das 2D-Web, während USD als die leistungsstarke, erweiterbare und offene Sprache für das 3D-Web angesehen werden kann, die die Kommunikation zwischen verschiedenen Tools und isolierten Abteilungen im Produktlebenszyklus ermöglicht. Die neuesten Entwicklungen im Bereich des physikalisch basierten Renderings und der beschleunigten, skalierbaren Datenverarbeitung ermöglichen die Erstellung groß angelegter, physikalisch basierter digitaler Zwillinge, die wirklich repräsentativ für die reale Welt sind.

Exakte Planungen

Anfang 2022 führte BMW die iFACTORY für die virtuelle Planung in digitalen Zwillingen ein. Alle Fahrzeug- und Motorenwerke des Automobilherstellers wurden in 3D gescannt, ebenso wie mehr als sieben Millionen Quadratmeter Innen- und 15 Millionen Quadratmeter Außenproduktionsfläche. BMW beschäftigt eine große Anzahl von Fabrikplanern, die eine entscheidende Rolle bei der Planung und dem Betrieb der weltweiten Fabriken des Unternehmens spielen, einschließlich derjenigen, die für Einrichtungen wie dem zukünftigen Werk in Debrecen arbeiten. Ihre Aufgaben sind hochkomplex, und selbst kleinste Fehlkalkulationen oder Fehler können zu massiven Kosten in der Praxis führen.

Aus diesem Grund ist eine physisch genaue virtuelle Planung äußerst sinnvoll, weil sie es den Planern ermöglicht, praktisch ohne Kosten zu experimentieren und Änderungen vorzunehmen. Produktionsprozesse lassen sich mithilfe virtueller Umgebungen vorab optimieren, bevor sie in umfangreichen Bauprojekten und Investitionsausgaben münden. Dieser Ansatz reduziert die Kosten und Produktionsausfälle, die durch Änderungsaufträge und Ablaufoptimierungen an bestehenden Anlagen entstehen, erheblich.

Durch die Kombination von digitalen Zwillingen und generativer KI werden die Vorteile beider Systeme noch verstärkt. Generative KI kann dabei helfen, Assets zu generieren, Teams und Kunden die Möglichkeit zu geben, mit Assets und Wissensdatenbanken in natürlicher Sprache zu interagieren, in der Umgebung des digitalen Zwillings zu navigieren und visuell und physikalisch genaue digitale Welten für die Produktentwicklung und -schulung zu schaffen, zum Beispiel autonomen Fahrzeugen das Fahren oder Robotern das Laufen beizubringen. Der digitale Zwilling wird zu einem digitalen Trainingsgelände, in dem die Softwarefunktionen des Produkts entwickelt werden können. Digitale Zwillinge werden auch zur Generierung synthetischer Daten verwendet, um die Daten zu erzeugen, die für das Training der KI-Algorithmen erforderlich sind, die von dem zu entwickelnden Produkt verwendet werden.

Der KI-definierte Autohersteller ist jetzt hier

Die Automobilindustrie befindet sich in einem tiefgreifenden Wandel. Sie arbeitet nicht nur an der Einführung Software-definierter Fahrzeuge, sondern betritt auch in die Ära des KI-definierten Automobilherstellers. Generative KI bietet erhebliches Potenzial für jeden Aspekt des Geschäfts, von Design und Technik über den Kundenservice bis hin zum autonomen Fahren. Gestärkt durch die Fortschritte im Bereich der digitalen Zwillinge setzen Automobilhersteller schnell KI-gestützte Lösungen ein. Wenn die Branche diese KI-getriebene Zukunft annimmt, lässt sich jede Funktion durch generative KI optimieren.  (se)

* Pedro Moreno Lahore leitet den Bereich Automotive bei Nvidia Frankreich und Südeuropa

(ID:50139183)