Skip to main content
main-content

20.12.2019 | Künstliche Intelligenz | Themenschwerpunkt | Onlineartikel

Wie künstliche Intelligenz Autos fit für die Zukunft macht

Autor:
Christiane Köllner
30 Sek. Lesedauer

Künstliche Intelligenz nimmt schon heute einen enormen Stellenwert in der Automobilbranche ein. Big Data und maschinelles Lernen bilden die Grundlagen für intelligente Systeme, die der Schlüssel für die Weiterentwicklung von künstlicher Intelligenz sind. Automatisiertes Fahren der SAE-Level drei und vier wie auch viele Predictive-Funktionen, die in künftigen Fahrzeuggenerationen Einzug halten werden, sind ohne KI kaum zu realisieren. Für den nachhaltigen Erfolg künstlicher Intelligenz ist aber neben der technischen Entwicklung und Datensicherheit auch die Akzeptanz in der Gesellschaft wichtig. Wissenswertes zur künstlichen Intelligenz in autonomen Fahrzeugen lesen Sie in unserem Themenschwerpunkt.

Empfehlung der Redaktion

01.05.2019 | Im Fokus | Ausgabe 5/2019

Die Hardware der künstlichen Intelligenz

Fortschrittliche Fahrfunktionen für das autonome Fahren ab Level 3 sind auf Verfahren der künstlichen Intelligenz angewiesen. Diese aber fordern ihren Tribut. Die dafür benötigte Rechenleistung verlangt ein grundsätzliches Umdenken bei der Hardware. Mit diesem Wissen findet derzeit ein regelrechtes Wettrennen um die schnellsten Berechnungen auf einem Chip statt. Ambitionen auf einen ersten Sieg haben sogenannte Tensor Processing Units.

Weitere Fachliteratur und Beiträge zum Thema:

01.07.2019 | Entwicklung | Ausgabe 7-8/2019

Künstliche Intelligenz für den Fahrzeuginnenraum

Empathie gilt beim Menschen als soziale Schlüsselkompetenz, die bei der Verständigung hilft. Im Fahrzeug hat sie dieselbe Aufgabe, indem sie einen intuitiven Dialog zwischen Mensch und Maschine ermöglicht. Als Grundlage für einen empathischen Innenraum dient künstliche Intelligenz (KI). In vier Schritten erlaubt sie es einem Fahrzeug, adäquat auf seine Passagiere zu reagieren. Continental setzt dies mit dem in der Entwicklung befindlichen Digital Companion um.

01.03.2019 | Entwicklung | Sonderheft 1/2019

Verkehrssituationen verstehen mit künstlicher Intelligenz

Hochautomatisierte und autonome Fahrfunktionen sowie die Übernahme der Fahraufgabe durch Algorithmen ist keine Science-Fiction mehr. Für das Fahren im komplexen urbanen Umfeld benötigt man jedoch Kontext- wissen über die Wirkmechanismen von Verkehrsabläufen in unterschiedlichen Szenarien. Eine Szene zu verstehen, impliziert die Fähigkeit zur Antizipation wahrscheinlicher Veränderungen. ESG Mobility zeigt, auf welcher Grundlage Szenenverständnis entsteht und wie ein beherrschbarer KI-Architekturansatz dafür aussehen kann. 

01.04.2019 | Messebericht | Ausgabe 4/2019

Künstliche Intelligenz erobert den Mikrocontroller

Die Dringlichkeit, mit der Automobilhersteller derzeit neue Fahrfunktionen auf den Markt bringen, ist die Basis für den Erfolg der Embedded World. Mehr Aussteller, mehr Fachbesucher und mehr Sicherheit für eingebettete Systeme konnte die Leitmesse in diesem Jahr präsentieren. Im Fokus stand die Embedded Intelligence, um völlig neue Systeme zu ermöglichen, die eigenständig die Umgebung wahrnehmen, daraus Schlüsse ziehen und Entscheidungen treffen. Das wiederum wird der Automobilbranche einen Schub geben.

2019 | OriginalPaper | Buchkapitel

Autonomes Fahren aus Sicht der Maschinenethik

In der Debatte um die zunehmende Automatisierung des Individualverkehrs und die Vision des autonomen Fahrens wird eine Vielzahl ethischer Fragen aufgeworfen. Ziel des vorliegenden Beitrages ist es, einen Überblick über die unterschiedlichen ethischen Aspekte des autonomen Fahrens zu geben. Da, wie meist in lebensweltlichen Herausforderungen, sehr unterschiedliche ethische Fragestellungen angesprochen werden, lässt sich eine gewisse Heterogenität nicht vermeiden.

01.10.2018 | Entwicklung | Ausgabe 5/2018

Künstliche Intelligenz im Fahrzeug testen

Die Weiterentwicklungen künstlicher Intelligenz werden von sehr hoher Rechenleistung und leistungsstarken Grafikkarten unterstützt und erreichen somit weitreichende Fortschritte für das autonome Fahren. Die klassische Softwareentwicklung wird mit dem Einsatz künstlicher Intelligenz im Fahrzeug vor neue Herausforderungen gestellt und startet mit Innovationen im Bereich Big Data und Deep Learning in die nächste Generation: die Zukunft des autonomen Fahrens. Das Unternehmen b-plus stellt grundlegende Betrachtungen an.

01.04.2019 | Titelthema | Ausgabe 4/2019

Intentions- und Gestenklassifikation von Fußgängern durch neuronale Netze

Ein umfassendes Verständnis der Situation um das Fahrzeug herum, das sogenannte Umfeldmodell, ist Voraussetzung für sicheres automatisiertes Fahren. Für die Interaktion zwischen automatisierten Fahrzeugen und Fußgängern spielt die Fußgängererkennung eine wichtige Rolle. Mithilfe von künstlicher Intelligenz und maschinellem Lernen arbeitet Continental an der Erkennung von Passanten und deren Bewegungsabsicht. 

01.11.2017 | Im Fokus | Ausgabe 11/2017

Die Ethik und die Gefahren der künstlichen Intelligenz

Die Fortschritte durch die künstliche Intelligenz werden das Automobil der Zukunft in seinem Wesen wie nie zuvor prägen. Schon das autonome Fahren ist mit Verfahren des maschinellen Lernens sicher möglich — die größte Chance für die Automobilbranche. Doch manche OEMs hierzulande kämpfen mit großen Problemen, einige werden wohl scheitern. Denn sie wurden von der disruptiven Entwicklung überrascht. 

01.09.2019 | Entwicklung | Ausgabe 9/2019

Tiefe neuronale Netze für die Erkennung von Querparklücken

Im Rahmen eines Forschungsprojekts für ein autonom fahrendes Fahrzeug entwickelte die Hochschule Esslingen einen Algorithmus, um freie Querparklücken auf Basis einer Monokamera zu detektieren und zu lokalisieren. Dabei wurde aufgrund begrenzter Hardwareressourcen im Target-Fahrzeug der Ansatz verfolgt, die Problemstellung mittels effizienter künstlicher neuronaler Netze zu lösen' und dabei eine Simulationsumgebung zur Generierung von Trainingsdaten verwendet. 

2019 | OriginalPaper | Buchkapitel

Neuronale Netze simulieren Gehirne

Gehirne sind Beispiele für komplexe Informationssysteme auf der Grundlage neuronaler Informationsverarbeitung [1]. Was sie gegenüber anderen Informationssystemen auszeichnet ist die Fähigkeit zu Kognition, Emotion und Bewusstsein. Unter dem Begriff der Kognition (lat. cognoscere für „erkennen“, „wahrnehmen“, „wissen“) werden Fähigkeiten wie z. B. Wahrnehmung, Lernen, Denken, Gedächtnis und Sprache zusammengefasst.

2019 | OriginalPaper | Buchkapitel

An Overview of Deep Learning and Its Applications

Deep learning is the machine learning method that changed the field of artificial intelligence in the last five years. In the view of industrial research, this technology is disruptive: It considerably pushes the border of tasks that can be automated, changes the way applications are developed, and is available to virtually everyone.

Weiterführende Themen

Premium Partner

    Bildnachweise