Name des Teilnehmers: Oliver Bleisinger
Beschreibung des IT-Forschungsprojekts: Durch die zunehmende Vernetzung verschiedener IT-Systeme sowie die Digitalisierung von Prüfständen und Fahrzeugtests steigt die Verfügbarkeit von Messdaten in der Fahrzeugentwicklung. So lassen sich zum Beispiel mit künstlichen neuronalen Netzen physikalische Simulationen durchführen, um verschiedene Prozesse im Virtual Engineering zu unterstützen. Neben der Nutzung von Digitalen Zwillingen und Machine Learning beim Engineering von Fahrzeugsystemen lassen sich auch kostengünstig Prädiktoren trainieren, die für die Regelung komplexer Prozesse oder zur Abteilung von Handlungsempfehlungen beim autonomen Fahren eingesetzt werden können.
Im Rahmen des Projektes sollen folgende Fragen geklärt werden:
- Welche Zusammenhänge der Fahrzeugdynamik sind grundsätzlich erlernbar und welche lernenden Verfahren sind in diesem Zusammenhang für die KI-basierte Simulation geeignet?
- Welche Datenbasis wird benötigt und welche Modellgenauigkeit kann für die KI-basierte Simulation im Bereich der Fahrzeugdynamik/-technik erreicht werden?
- Wie sehen geeignete Softwaremodule bzw. Algorithmen aus, um das Erlernen von Simulationsmodellen zu unterstützen und wie können diese prototypisch umgesetzt werden?
- Kann der erforschte Ansatz in Konzepte der modellprädiktiven Regelung beim hochautomatisierten und autonomen Fahren integriert werden und die Regelgenauigkeit erhöhen?
Ziel des AMOSCO-Projekts ist also, herauszufinden, inwiefern und auf welcher Datenbasis-Grundlage sich KI-basierte Simulation im Bereich der Fahrzeugdynamik eignet. Die Vision: Simulationsmodelle werden zukünftig nicht mehr manuell erstellt, sondern mittels Fahrzeugmessdaten und innovativer IT-Werkzeuge auf Knopfdruck erlernbar.
Software Campus-Partner: Fraunhofer IESE & IAV
Umsetzungszeitraum: 01.08.2021 – 31.07.2023