Zoom
Foto: IAV

IAV und DFKI erforschen Deep Learning und KI

Labor zur Motorenentwicklung der Zukunft

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und der Automobil-Engineering-Dienstleister IAV gehen gemeinsam neue Wege – und eröffnen in Kaiserslautern das "Forschungslabor Lernen aus Prüfdaten" (FLaP).

Im neu eröffneten "Forschungslabor Lernen aus Prüfdaten" stehen spezielle Analysemethoden der Künstlichen Intelligenz im Fokus, sie sollen auf ihren Einsatz in der Automobilentwicklung hin erforscht und entwickelt werden.

Das Potenzial derart intelligenter Datenanalysemethoden zur Überwachung und der laufenden Optimierung von Steuergeräten bezeichnet das DFKI als "außerordentlich". Durch die Verwendung neuronaler Netze im Steuergerät könne dieses selbstständig lernen, außerdem werde das "Predictive Health Monitoring" ermöglicht und so valide Voraussagen zu Verschleiß und Wartung machbar.

Werkzeugkasten von KI-Tools als Zielsetzung

Im FLaP soll aber nicht nur an den neuronalen Netzen gearbeitet werden – sondern auch daran, die gewonnenen Messdaten visualisierbar zu machen. Am Ende soll eine Art Werkzeugkasten von KI-Tools entstehen, Ingenieure sollen diesen intuitiv und passend einsetzen können.

"Neben den vielversprechenden Möglichkeiten beim Einsatz auf bestehender Hardware in Serienfahrzeugen werden im FLaP auch neuartige Anwendungsfälle für selbstlernende neuronale Netze erforscht", erklärt Prof. Dr. Andreas Dengel, Leiter des Forschungsbereichs Smarte Daten & Wissensdienste am DFKI. Matthias Schultalbers, Executive Vice President for Powertrain Mechatronics bei IAV, will das Engineering durch KI auf ein neues Level heben. "Gemeinsam mit dem DFKI übertragen wir die vielfältigen Anwendungspotenziale der KI-Technologien in die Antriebsstrangentwicklung. Dies beinhaltet auf der einen Seite den Einsatz von KI in Steuerungssystemen, auf der anderen Seite neue Möglichkeiten zur Effizienz- und Robustheitssteigerung im Entwicklungsprozess."

Julian Hoffmann

Autor

Datum

25. Januar 2018
5 4 3 2 1 0 5 0
Kommentare