Das Auto als Datenlieferant

×

Als eines der großen infrastrukturellen Probleme in Städten und Herausforderung für die Mobilität der Zukunft gilt die Parkplatzsuche. Um die Suche nach freien Parklücken zu vereinfachen, wird immer stärker auf Vernetzung und Automatisierung gesetzt. Das Automobil liefert und erhält dabei Daten, um freie Parkplätze zu lokalisieren. Sollte es gelingen, das Automobil als "intelligenten mobilen Datensensor" auf die Straße zu bringen, verspricht sich die Automobilbranche daraus vielfältige Chancen, zitiert Andreas Burkert Dr. Volkmar Denner, Vorsitzender der Geschäftsführung bei Bosch, in seinem Report Das erste Auto mit Hirn aus der ATZelektronik 2/2017. Ein Schritt in diese Richtung ist, dass Autos freie Plätze am Straßenrand erkennen und dies an die Bosch Automotive Cloud Suite melden. 

Damit noch nicht genug: Autofahrer sollen ihre Fahrzeuge bald auch im Parkhaus automatisiert parken können. Bosch nennt diese Lösung Automated Valet Parking. Dabei wird das Fahrzeug am Eingang des Parkhauses abgegeben und parkt dann selbstständig ein. Dadurch können 65 Prozent mehr Fahrzeuge auf der gleichen Fläche geparkt werden Diese effiziente Nutzung der verfügbaren Fläche wird durch eine Kombination aus maschinellem Lernen, Data Mining und der Vernetzung von Sensoren mit dem Internet der Dinge ermöglicht.

Verarbeitung großer Datenmengen als Herausforderung

Neben den Vorteilen, die vernetzte Autos bieten, ergeben sich aber vor allem zwei Probleme. Das erste ist die Speicherung aller sowohl von anderen Fahrzeugen erzeugten als auch durch eigene Sensoren bereitgestellten Daten. Dies können bis zu vier Terabytes am Tag sein. Hierbei muss die Automobilbranche auf die Hilfe von Softwareunternehmen wie Nvidia hoffen. Resultat sind vielfältige Kooperationen zwischen dem auf Grafikkarten spezialisierten Unternehmen und Firmen der Automobilbranche wie Bosch, Audi, Toyota, Volkswagen oder Volvo.

Die zweite Herausforderung ist die geschickte Auswertung der enormen Datenmengen. Gelingt dies, wäre es ein großer Schritt in Richtung autonomer Mobilität. Doch bis dahin ist es noch ein langer Weg. Bis sich ein Auto ohne jeglichen Einfluss menschlicher Intelligenz, sondern autonom sicher durch den Straßenverkehr manövrieren kann, wird es noch eine ganze Weile dauern, davon ist der Informatik-Professor von der TU München, Manfred Broy, überzeugt. Denn die automatisierte Mobilität muss "komplexe Regeln und Sachverhalte beherrschen, die von Informatikern in Programmzeichen formuliert werden müssen", zitiert Andreas Burkert Broy im Artikel Kollektive Weisheit autonom fahrender Automobile aus dem ATZelektronik-Sonderheft zur Electronica 2016.

Wir befinden uns noch ganz am Anfang einer Epoche sogenannter intelligenter Systeme. Was wir heute als selbstlernende Maschinen bezeichnen, sind Maschinen, die über Trainingssets konfiguriert werden“, sagt Broy.

Die klassische Informatik kann die Entwicklung solcher Systeme nicht mehr bewältigen. Dieser Meinung ist auch Nvidia-Chef Dr. Jen-Hsun Huang. Keinem Programmierer werde es jemals gelingen, "solche Algorithmen zu programmieren, die alle Eventualitäten beim autonomen Fahren abdecken", so der Nvidia-Chef. Aus diesem Grund werden Techniken wie beispielsweise das Deep Learning angewendet.

Menschliches Gehirn dient KI als Vorbild

Deep Learning ist ein Ansatz im Bereich des maschinellen Lernens, das Computer dazu befähigen soll, bestimmte Sachverhalte selbstständig zu erlenen. Zu Beginn wird der Computer anhand von Beispieldaten trainiert, bis er nach Beendigung der Lernphase auch bisher unbekannte Daten exakt beurteilen kann. Das erlernte Wissen sowie neue Situationen werden auf künstlichen neuronalen Netzen (KNN) gespeichert. Die Struktur der KNN orientiert sich an der neurobiologischen Architektur des menschlichen Gehirns.

Deep Learning ist derzeit einer der vielversprechendsten Ansätze im Forschungsfeld der Künstlichen Intelligenz (KI), auch im Bereich autonomer Mobilität. Autos mit KI sollen also erlernen, wie sie sich in gewissen Situationen zu verhalten haben. So kann ein intelligentes Auto beispielsweise das Blinken eines vorausfahrenden Autos und der sich daraus ergebene Fahrbahnwechsel erkennen und für seinen eigenen Fahrweg berücksichtigen.

Ein wirtschaftlich interessanter Markt

Die Entwicklung selbstlernender und automatisierter Automobile ist hoch kompliziert und steht noch am Anfang, doch ist der Markt für KI ein sehr lukrativer. Nach Angaben der aktuellen Studie "Global Autonomous Driving  Market Outlook" der Unternehmensberatung Frost & Sullivan soll "der globale Markt für autonomes Fahren 83 Milliarden US-Dollar in 2025 umfassen". Laut McKinsey Global ließen sich mit intelligenten Fahrzeugen sogar unglaubliche 1,5 Billionen US-Dollar erwirtschaften.

Doch autonomes Fahren ist auch aus anderer Sicht wirtschaftlich vielversprechend. So sollen vermiedene Unfälle fast 500 Milliarden US-Dollar Ersparnis einbringen, gibt Kathy Winter, bei Intel verantwortlich für Automated Driving Solutions, in Burkerts Report an. Auch die Zeit, die jeden Tag durch selbst fahrende Autos eingespart werde, könne sinnvoll genutzt werden und weitere 500 Milliarden US-Dollar ließen sich durch gesteigerte Produktivität  erwirtschaften.