Kommentar von Jörg Grotendorst, HTEC KI beschleunigt Innovationen in der Automobilbranche

Anbieter zum Thema

Fsas Technologies GmbH

Disy Informationssysteme GmbH

INFOMOTION GmbH

Künstliche Intelligenz (KI) spielt nicht nur beim autonomen Fahren eine entscheidende Rolle, sondern kann auch die Entwicklung und das Testen neuer Funktionen deutlich beschleunigen – und damit die langen Innovationszyklen in der Branche verkürzen. Doch dafür brauchen Hersteller und Zulieferer den Mut, bewährte Pfade zu verlassen und sich zu verändern.

Künstliche Intelligenz ist gerade dabei, nicht nur einzelne Unternehmen, sondern ganze Branchen umzukrempeln. Dazu zählt auch die Automobilindustrie, die am Auto der Zukunft arbeitet, in dem KI-gestützte Assistenzsysteme das Fahren erleichtern oder sogar ganz übernehmen. Das autonome Auto ist eines der großen Versprechen der Hersteller und könnte Mobilität und Verkehr nachhaltig verändern.

Doch KI kann weitaus mehr und beispielsweise auch die Kommunikation zwischen Mensch und Fahrzeug vereinfachen, sodass mechanische Bedienelemente und Touchscreens mit verschachtelten Menüs weitgehend überflüssig werden. Der Mensch erteilt seine Anweisungen einfach per Sprache und ist dabei dank KI nicht mal mehr auf bestimmte Schlüsselwörter oder eine besonders deutliche Aussprache angewiesen.

Ebenso könnte KI künftig erkennen, wer gerade im Auto sitzt, und unter anderem Klimatisierung, Sitzeinstellungen und Musikauswahl den persönlichen Vorlieben entsprechend anpassen. Oder sie sucht vorausschauend einen Parkplatz und bezahlt diesen selbstständig, vereinbart bei Bedarf frühzeitig Werkstatttermine oder informiert die Familie, wenn sich die Ankunft zu Hause aufgrund des Verkehrs verzögert.

Lange Entwicklungszyklen verkürzen

Letztlich gibt es enorm viele Einsatzmöglichkeiten für KI im Fahrzeug – der Fantasie sind kaum Grenzen gesetzt. Allerdings dauert es oft, bis die neuen Funktionen den Markt erreichen, weil die Entwicklungszyklen in der Branche sehr lang sind. Teilweise liegt das an hohen Sicherheitsstandards und den damit verbundenen umfangreichen Tests, doch diese können mit KI erheblich beschleunigt und verbessert werden.

Statt beispielsweise Millionen Testkilometer auf echten Straßen abzuspulen, um die Umgebungserkennung mit Kameras und die autonomen Reaktionen des Fahrzeugs zu testen, könnte die Technik auf stationären Prüfständen mit Videosequenzen verbessert werden. Die entsprechenden Videosequenzen lassen sich mit generativer KI schnell erstellen und anpassen, sodass unterschiedlichste Situationen durchgespielt werden können, ganz ohne das Warten auf bestimmte Witterungs- und Sichtbedingungen oder die Suche nach geeigneten Straßenbereichen. Selbst das Verhalten der anderen Verkehrsteilnehmer kann wunschgemäß gestaltet werden, um das Verhalten des Fahrzeugs in herausfordernden Situationen zu erproben, ohne dabei Menschen zu gefährden.

Das ist einer der großen Vorteile der Tests mit KI-generierten Verkehrssituationen: Es besteht keinerlei Restrisiko, dass Personenschäden entstehen, wenn doch mal etwas schief geht. Zudem sind die Tests deutlich schneller und kostengünstiger durchzuführen als Testfahrten auf echten Straßen. Sie setzen allerdings leistungsfähige Infrastrukturen voraus, um die Videosequenzen zu generieren und die Ergebnisse der Tests rasch auszuwerten und in die Weiterentwicklung der autonomen Fahrfunktionen einfließen zu lassen.

Innovationen pragmatisch vorantreiben

Allerdings ist die deutsche Automobilbranche eher konservativ und treibt viele Initiativen um den KI-Einsatz oder das Auto der Zukunft nur halbherzig voran. Sie tut sich schwer mit Veränderungen und steckt beispielsweise weiterhin umfangreiche Ressourcen in den Verbrennungsmotor, die besser in Innovationen rund um die Elektrifizierung des Antriebs fließen sollten. Zudem denkt sie zu oft global – in Weltplattformen, die alle vorstellbaren Anforderungen abdecken und in allen Regionen weltweit gleichermaßen funktionieren sollen. Ein bisschen mehr Pragmatismus wäre manchmal angebracht, um Produkte schneller zur Marktreife zu bringen – für andere Anforderungen oder Märkte lassen sich sie sich später immer noch anpassen.

Dabei kann es hilfreich sein, sich für Zukunftsthemen externe Spezialisten an Bord zu holen. Idealerweise nicht solche, die einfach nur Ingenieurs- und Entwicklungsdienste anbieten, sondern breit aufgestellte Anbieter, die gemeinsam mit Herstellern und Zulieferern an innovativen Lösungen – etwa in den Bereichen Sensorfusion und Umgebungserkennung – arbeiten, idealerweise fest integriert in die internen Teams und Strukturen, sodass sie eine Anwendung oder ein System von den ersten Konzepten über die Entwicklung bis hin zur Fertigstellung und anschließenden Pflege intensiv begleiten können.

Allerdings müssen Hersteller und Zulieferer auch nicht gleich den ganz großen Wurf anpeilen. Wichtig ist vielmehr eine übergeordnete Strategie, damit etwa der KI-Einsatz nicht unkoordiniert in Einzelprojekten versandet, die nie über einen Proof of Concept oder die Pilotphase hinauskommen. Ein guter Einstieg ist üblicherweise, entlang des V-Modells gezielt nach Einsatzmöglichkeiten für KI zu suchen. Umgesetzt werden sollten dann zunächst Projekte, die in kurzer Zeit und mit überschaubarem Aufwand einen großen Nutzen bringen – um Risiken zu minimieren und rasch Erfahrungen für komplexere Initiativen zu sammeln. Häufig sind das Projekte, für die schon eine umfangreiche Datenbasis vorhanden ist.

Modernisierung des Anforderungsmanagements

Das gilt etwa für das Anforderungsmanagement, in dem die Datenbasis riesig ist und zumeist von Menschen bewältigt werden muss. Für jede Software-Komponente, jedes Bauteil und jedes System definieren Hersteller umfangreiche Anforderungskataloge – abertausende Seiten mit detaillierten funktionalen, technischen und rechtlichen Vorgaben. Mit KI lassen sich diese Dokumente äußerst zuverlässig analysieren, um Anforderungen zu clustern, leichter auffindbar zu machen und automatisiert mit Standards und Normen abzugleichen. Anschließend könnte die KI geeignete Materialien oder Bauteile empfehlen, Prüfpläne generieren und nach Abschluss der Tests auch die Prüfberichte erstellen und diese auf Abweichungen von den Vorgaben checken. All das würde die Zeiten für die Einführung neuer Fahrzeugkomponenten signifikant verkürzen und zugleich die Mitarbeiter entlasten.

Auch im Bereich der Software-Entwicklung ist das Potenzial von KI riesig – nicht zuletzt, weil Autos inzwischen viel Software enthalten und die Software für einen großen Teil der Innovationen verantwortlich ist. KI-gestützte Tools können beim Entwerfen von Architekturen unterstützen, automatisiert Code und Dokumentationen erstellen oder die Suche nach Fehlern und Optimierungsmöglichkeiten übernehmen. Sie sind in der Lage, umfangreiche Testszenarien zu generieren, um Performance, Stabilität, Usability und Sicherheit der Anwendungen zu überprüfen. Damit nehmen sie den Entwicklern viele manuelle Tätigkeiten ab und machen sie effizienter und produktiver, was die Entwicklung neuer Software-Features beschleunigt.

Das Gleiche gilt für den KI-Einsatz in der Fertigung, wo die Technologie beispielsweise Robotern bei der Wahrnehmung ihrer Umgebung und der Bearbeitung von Werkstücken hilft. Die Roboter – derzeit vor allem Gelenkroboter, doch künftig wahrscheinlich auch zunehmend humanoide Roboter – sind sehr flexibel. Sie können anders klassische Maschinen neue Dinge erlernen und neue Aufgaben übernehmen, sodass sich die Fertigungsabläufe schneller als bisher anpassen lassen, um Prozesse zu optimieren oder neu entwickelte Teile zu produzieren. Je nach Anwendungsfall laufen die KI-Algorithmen auf den Robotern selbst oder in einem Edge-Rechenzentrum in ihrer Nähe, sodass die Antwortzeiten kurz genug sind, um in Echtzeit auf Ereignisse zu reagieren.

KI-Einführung ist auch Change-Management

Bei aller Euphorie über die umfangreichen Möglichkeiten, die KI bietet, Innovationszyklen in der Automobilbranche zu verkürzen, dürfen Hersteller jedoch ihre Mitarbeiter nicht vergessen. Die KI-Einführung ist nämlich nicht nur eine technologische und geschäftliche Transformation, sondern auch eine Transformation der Belegschaft. Unternehmen müssen Job-Profile anpassen, neue Rollen definieren und Abläufe umstrukturieren – und, ganz besonders wichtig, ihre Mitarbeiter beim Aufbau von KI-Kompetenzen unterstützen. Die vielen Veränderungsprozesse brauchen Zeit und sind nicht über Nacht zu schaffen, aber sie sind notwendig, um das enorme Potenzial von KI tatsächlich auszuschöpfen.

(ID:50455537)