Im Projekt Kissme selektieren auf KI basierende Algorithmen die Daten im Fahrbetrieb und sortieren sie in Szenarienkataloge ein. Das soll die anfallenden Datenmengen beim autonomen Fahren reduzieren.
Projekt soll anfallende Daten beim autonomen Fahren reduzieren
Markus Breig / KIT
Bei der Erprobung hochautomatisierter Fahrzeuge fallen pro Tag und Fahrzeug vier bis acht Terabyte an Daten an. Das Verbundprojekt Kissme ("Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen") hat sich zum Ziel gesetzt, diese Menge zu reduzieren, indem nur die relevanten Daten aufgezeichnet werden. Dabei sollen auf KI basierende Algorithmen während des Fahrbetriebs die anfallenden Daten selektieren.
Forscher des Karlsruher Instituts für Technologie (KIT) stellen für das Projekt Daten aus realen Fahrversuchen sowie aus Simulationen bereit. Diese stammen aus Messfahrten im öffentlichen urbanen Verkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg in Karlsruhe sowie Closed-Vehicle-in-the-Loop-Simulationen an einem Gesamtfahrzeugprüfstand des KIT. "Kissme zielt darauf, den Szenarienkatalog auszubauen und zugleich Datenmengen zu reduzieren", erklärt Dr. Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST), Institutsteil Fahrzeugtechnik des KIT. Mit dem Vorhaben verringert sich der benötigte Speicherplatz, der Stromverbrauch sinkt ebenso wie der Aufwand für Auswertung und Datenschutz.