10. Dezember 2020 - Redaktion Providentia

Elektrobit: Per Test Lab Forschungsdaten verfügbar machen

Continental-Tochter und Providentia++-Partner Elektrobit sammelt Daten von der Teststrecke an der A9 und schafft damit die Möglichkeit, spezielle Szenarien wie dichtes Auffahren, Einscheren und Überholmanöver aufzuspüren und zu analysieren. Zudem unterstützt der Datenpool Autohersteller und Tier-1-Zulieferer, automatisierte Funktionen ihrer Assistenzsysteme sicherer zu machen. Simon Tiedemann von Elektrobit über den Stand der Dinge.

Herr Tiedemann, Sie sind als Produktmanager für das Test Lab bei Elektrobit zuständig. Was steckt dahinter?

Unser Test Lab ist ein Werkzeug, um große Datenmengen zu verwalten. Im Rahmen des Forschungsprojektes Providentia++ testen wir, wie flexibel es ist. Ob es also in der Lage ist, den kontinuierlich wachsenden Berg an Daten zu verwalten. Wir nehmen die stationären Daten von den Sensorstationen auf, analysieren sie und stellen sie für die weitere Verwendung den Partnern im Projekt zur Verfügung. Generell ist das „EB Assist Test Lab“ als Produkt für OEMs und Tier-1-Zulieferer gedacht, um die Verwaltung ihrer Fahrzeug- und Sensordaten zu ermöglichen und zu vereinfachen. Große Autozulieferer können per Web-Frontend das Test Lab nutzen und damit ihre Assistenzsysteme trainieren und verbessern. Das Cloud-basierte Tool bietet nicht nur die Möglichkeit, in der Cloud gespeicherte Daten zu verwalten, sondern ebenso den Zugriff auf Daten, die on-premise gespeichert sind.

Im Rahmen von Providentia++ wird der Verkehr derzeit auf der A9 beobachtet, bald auch in der Stadt. Wie verarbeiten Sie diese Daten?

Wir sind als Partner an die Infrastruktur von Providentia++ angedockt, nehmen Daten von der Strecke entgegen und pflegen 10-Minuten-Sequenzen im ROS-Format (*Robotic Operating System) in unserer Datenbank. Derzeit schauen wir uns so genannte Tailgate-Events an, also Verkehrssituationen, bei denen ein Fahrzeug sehr nah auf ein anderes auffährt. Dafür setzen wir Vorfilter ein. Die Algorithmen finden ganz gezielt jene Situationen, in denen ein Fahrzeug in maximal einer Zehntelsekunde auf ein anderes folgt. Zudem lassen sich weitere Aspekte in Betracht ziehen, etwa das Wetter und die Tageszeit. Wird besonders häufig am Nachmittag aufgefahren, nach Feierabend, oder Freitags auf dem Weg ins Wochenende? Oder animiert schönes Wetter besonders dazu? Verhalten sich Autofahrer bei Regen oder Nebel angemessen? Eine Herausforderung besteht darin, dass die Orts- und Zeitdaten der Fahrzeuge und der Sensorstation sehr präzise zusammenpassen müssen.

Welche anderen Szenarien sind noch interessant für Sie?

Das hängt von den jeweiligen Use Cases der anderen Projektpartner ab. Als Elektrobit stellen wir die grundsätzliche Funktionalität zur Verfügung. Die genaue Ausprägung erfolgt in Abstimmung mit den Partnern. Aktuell haben wir über 700 Stunden Datenmaterial in 10-Minuten-Sequenzen aufgeteilt. Insgesamt sind 24.000 konvertierte – also zeitlich und örtlich synchronisierte – Szenen entstanden, die von den Partnern genutzt werden können. Als Szenarien sind viele denkbar, neben den Tailgate-Events etwa Überholmanöver oder Einschervorgänge.

Inwiefern sind die von Ihnen gesammelten Daten für Providentia++-Partner, OEMs und Zulieferer interessant?

Es gibt zwei Gründe für sie: Zum einen helfen wir Ihnen dabei, Daten zu verwalten und damit nutzbar zu machen und ihnen beispielsweise die Analyse von individuellen Verkehrssituationen zu ermöglichen. Zum anderen sind für die Validierung von Systemen für das automatisierte und autonome Fahren ebenfalls enorme Datenmengen nötig. Hier können Testdaten wie die von der A9 künftig mit einfließen. Die Herausforderung etwa für das autonome Fahren besteht ja darin, dass der autonome „Fahrer“ nachweislich um ein Vielfaches zuverlässiger und sicherer fahren muss als der menschliche. Das ist eine wichtige Anforderung vom Gesetzgeber für eine Zulassung. Toyota hat die nötigen Fahrkilometer auf 14 Milliarden beziffert. Die lassen sich natürlich nicht selbst einfahren. Ein möglicher Weg ist, die Datensätze dahingehend zu optimieren, dass redundante Szenen vermieden werden. Dazu gehören etwa längere Autobahnfahrten. Heutzutage ist es üblich, Simulatoren einzusetzen. Derzeit wird ein Verhältnis von fünf Prozent „echter“ Daten zu 95 Prozent simulierter Daten als sinnvoll angenommen. Klar ist: Das Thema ist viel zu groß, als dass es durch eine einzelne Firma gestemmt werden kann. Daher sind Forschungsprojekte oder Kooperationen in der Autoindustrie unabdingbar und Experten aus ganz unterschiedlichen Unternehmen, von OEMs über Zulieferer bis hin zu Start-ups müssen gemeinsam an diesem Ziel arbeiten.

WEITERE AKTUELLE THEMEN

16. Juni 2021

Resilienz für Sensoren und Algorithmen: 3 Fehler im Fokus

Die externe Infrastruktur ist wichtig, um Fehler von Sensoren zu kompensieren und vernetztes Fahren sicherer und zuverlässiger zu machen. Ein Einblick von KI-Experte Dinu Purice von Providenta++-Partner Cognition Factory.

MEHR >

7. Juni 2021

Plausibilitäts-Checks von Sensoren: In Netzwerken besonders effizient

Je mehr Sensoren in einem Netzwerk wie etwa bei Providentia++ eingebunden sind, umso besser lassen sich Fehler finden. Intel-Forscher Dr. Florian Geißler über die Kunst, schlechte Messungen zu identifizieren und auszuschließen.

MEHR >

20. Mai 2021

Providentia++ nun auf KI-Landkarte der Plattform Lernende Systeme

Das Forschungsprojekt Providentia++ ist mit dem digitalen Zwilling in Echtzeit nun auf der KI-Landkarte der Plattform Lernende Systeme verzeichnet. Das mit über 9 Millionen Euro vom BMVI geförderte Projekt gehört damit zu den KI-Vorzeigeprojekten in Deutschland.

MEHR >