BMW Testfahrzeug

BMWs Testfahrzeuge produzieren auf ihren täglichen autonomen Erprobungsfahrten Terabytes an Daten, die über Glasfaserleitungen an das Data Center weitergegeben werden. Bild: BMW

| von Yannick Tiedemann

Still ist es in letzter Zeit geworden um das Thema autonomes Fahren. Das liegt – was die mediale Aufmerksamkeit anbelangt – in erster Linie an der fortdauernden Coronapandemie, die die Autoindustrie nun schon mehr als ein Jahr im Würgegriff hält. Zum anderen, und dies ist weit mehr ein struktureller Grund, lenken die Automobilhersteller zuletzt viel Entwicklungspower in die Elektrifizierung – der Anpassungsdruck ist hier weit höher als beim noch immer sehr zukunftsträchtigen Thema autonomes Fahren.

Doch das Jahr 2021 könnte Selbstlenk-Technologien wieder auf die Tagesordnung befördern. In Deutschland wird die Renaissance aktuell auch durch die Politik befeuert: Mitte Februar verabschiedete die Bundesregierung einen Gesetzentwurf, der einen Rechtsrahmen für autonome Fahrzeuge auf Level vier in bestimmten Bereichen des öffentlichen Straßenverkehrs setzen soll.

Datenberge am laufenden Band

Ungeachtet dessen, dass bei dieser politischen Initiative noch viele offene Punkte in Sachen Haftung, Ethik oder Datenschutz aus dem Weg geräumt werden müssen, bleiben für Hersteller und Tech-Unternehmen weiterhin auch viele technische Aspekte eine Herausforderung. Allen voran der Umgang mit den Terabytes an Daten, die ein vollvernetztes und selbst-lenkendes Fahrzeug täglich produziert. BMW hat eigens fürs autonome Fahren vor zwei Jahren zusammen mit IT-Dienstleister DXC Technology eine Entwicklungsplattform aus der Taufe gehoben, um die Sicherheit und Zuverlässigkeit der Systeme zu verbessern.

„Unsere datengetriebene Entwicklung ist eine der wichtigsten Voraussetzungen für die Entwicklung des automatisierten Fahrens“, betont Nicolai Martin, seit vergangenem Jahr Bereichsleiter für automatisiertes Fahren bei BMW. Die Münchener sammeln dafür Abermillionen an anonymisierten Fahrdaten aus Versuchsfahrzeugen der Testflotte sowie seit Dezember 2019 zudem Informationen von tausenden Serienfahrzeugen – freilich mit dem Einverständnis der Kunden.

Das Zauberwort lautet hierbei: Reprocessing. „Die kontinuierlich steigende Datenmenge erhöht die Qualität der Fahrerassistenzfunktionen durch ein ständiges Verbessern der Funktionssoftware“, erklärt Martin. „Mithilfe der Daten aus der Entwicklungs- und Kundenflotte sind wir in der Lage, unsere Fahrerassistenzfunktionen ständig weiterzuentwickeln. Die aufgezeichneten Fahrten aus der Realität werden einmal gespeichert und können dann immer wieder mit neuen Softwareständen virtuell durchlaufen werden.“ Das Reprocessing erfordere Datenplattformen mit höchsten Anforderungen im Hinblick auf die performante Speicherung und Verarbeitung sehr großer Datenmengen sowie Rechenleistung, betont der BMW-Manager. Eine davon hat der bayerische Autobauer in Unterschleißheim bei München in Betrieb genommen, eine andere steht in Schanghai. Hier fließen Test- und Kundenflottendaten zusammen, um in Kombination ausgewertet zu werden. Bis Mitte 2021 wolle man mehr als 500 Millionen Testkilometer absolviert haben, umreißt es BMW-Experte Nicolai Martin.

KI hilft beim Selektieren

Doch nicht nur die Autohersteller selbst bemühen sich, anfallende Datenmengen intelligenter aufzubereiten. Anfang des Jahres hat das Karlsruher Institut für Technologie (KIT) mit „KIsSME“ ein Forschungsvorhaben mit dem Ziel auf den Weg gebracht, die bei der Erprobung sich auftürmenden Datenberge zu reduzieren, um Speicherplatz, Strom und Auswertungsaufwand zu sparen, zugleich jedoch die Informationen so zu verdichten, dass selbstfahrende Autos sicherer werden.

Das KIT setzt dafür auf die Schläue von KI-Algorithmen: Diese sollen schon während des Fahrbetriebs über die Sensorik im Fahrzeug anfallende Daten selektieren und eine Katalogisierung vorbereiten. „KIsSME zielt darauf, den Szenarienkatalog auszubauen und zugleich Datenmengen zu reduzieren“, erklärt Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST) des KIT. „Dies spart Speicherplatz und Strom und verringert den Aufwand für Auswertung und Datenschutz.“ In die Erforschung einfließen sollen Daten aus realen Messfahrten im öffentlichen Stadtverkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) in Karlsruhe sowie aus Closed-Vehicle-in-the-Loop-Simulationen an einem Gesamtfahrzeugprüfstand des KIT. Die im Rahmen von KIsSME entwickelten KI-Modelle und -Selektoren dienen der Automatisierung auf Level vier bis fünf.

 

„KI kann bereits bei der Datenaufnahme eingesetzt werden, um in Daten bestimmte interessante Fahrszenarien zu identifizieren. So wird aus Big Data Smart Data“ – Yusuf Erdogan, Bertrandt

Datenmengen reduzieren und sinnvoll aufbereiten will auch der Entwicklungsdienstleister Bertrandt in Frankfurt am Main. Dort arbeitet Yusuf Erdogan, Leiter der Abteilung Data Science & Development, an der Verbesserung von Data-Analytics-Methoden fürs autonome Fahren, unter anderem mithilfe künstlicher Intelligenz. „KI kann bereits bei der Datenaufnahme eingesetzt werden, um in Daten bestimmte interessante Fahrszenarien zu identifizieren“, erläutert Erdogan. In sogenannten Smart-Layer-Architekturen, also Datenmanagement-Gebilden, durch die Informationen geschickt werden, entscheiden intelligente Algorithmen, ob Daten durchgelassen oder herausgefiltert werden. „So wird aus Big Data Smart Data“, pointiert es der Bertrandt-Experte.

Einen solchen Data-Mining-Ansatz verfolgt der Ingenieursdienstleister bei einem Labeling-Tool, das auf dem Prinzip der Annotation von Kameradaten beruht. Für das Trainieren und Konditionieren der KI im autonomen Fahrzeug werden sogenannte Ground-Truth-Daten benötigt, auf denen zum Beispiel Objekte wie Fußgänger markiert sind. „Wir benutzen beim Bertrandt Data Labeler dieselbe Vorgehensweise für die Generierung von Ground-Truth-Daten wie die KI im Fahrzeug bei der Objekterkennung. Wir nutzen speziell trainierte KI-Algorithmen, um Kamerabilder zu analysieren und verschiedene Objekte in diesen Bildern zu markieren“, erklärt Erdogan. So soll sich die Leistungsfähigkeit der Algorithmen nach und nach weiter verbessern. Und die Vision vollautonomer Mobilität rückt wieder einen kleinen Schritt näher.

Kostenlose Registrierung

Bereits registriert?
*) Pflichtfeld

Sie sind bereits registriert?