Unser Weg zur Entwicklung von autonomen Fahrzeugen

Publish date:

Unser Kunde hatte die Aufgabe, das Potenzial von 5G zur Transformation aller Branchen zu demonstrieren, um seine Investition zu monetarisieren.

Seit Jahren arbeiten Automobilhersteller an der Realisierung eines langgehegten Traums, in dem selbstfahrende Autos ohne Unterbrechung auf öffentlichen Straßen fahren und Menschen ebenso komfortabel wie sicher an ihr Ziel bringen.

Es wurden bereits große Schritte in Richtung dieser neuen Realität der selbstfahrenden Autos zurückgelegt. Viele Automobilhersteller betten bereits Software mit verschiedenen Levels für das autonome Fahren in ihre Fahrzeuge ein. Gleichzeitig werden diese Funktionen aktuell nur von sehr wenigen Herstellern dem Fahrer direkt zur Verfügung gestellt.

Das bedeutet, dass der Fortschritt nicht unbedingt durch die Verfügbarkeit der Technologie gebremst wird, die in autonomen Autos verwendet wird – denn diese ist in vielen der aktuellen Autos auf der Straße schon vorhanden. Eine viel wichtigere Rolle spielen hier die geltenden Vorschriften und die Interoperabilität der Technologien.

Es ist allseits bekannt, dass einige Unternehmen, die Lösungen für das autonome Fahren anbieten, angesichts von Unfällen mit Verletzten oder sogar Toten in Verbindung mit dem Fahrer oder Fußgängern vor großen Problemen standen. Diese tragischen Vorkommnisse machen die juristischen Probleme rund um Entwicklung und Bereitstellung der Technologie noch komplizierter und bergen das Risiko, die Entwicklung um Jahre zurückzuwerfen.

Wie können wir also auf sichere Weise die Entwicklung in Richtung des künftigen autonomen Fahrens beschleunigen?

Fünf Schritte zu einer sicheren Technologie für autonomes Fahren

Bei der Technologie zum autonomen Fahren gibt es fünf Levels, wobei Level 1 für einige automatische Funktionen steht, beispielsweise Kollisionserkennung oder Spurhalteassistenten, während Level 5 die komplette Automatisierung bedeutet, bei der kein Fahrer nötig ist.

Höhere Level der Automatisierung hängen von der Wahrnehmung von externen Hindernissen durch die Sensoren des Fahrzeugs und die Berücksichtigung der Einschätzung des Fahrers auf Grundlage von Abstand und Zeit ab, wie dies auch ein menschlicher Fahrer vornehmen würde. So ist es für die Fahrzeuge unverzichtbar, dass sie mit Intelligenz auf Basis von Fahrerwissen oder -daten ausgestattet sind, die durch Crowdsourcing gewonnen und validiert wurden. Außerdem sind weitere sekundäre hochwertige Sensoren und sekundäre Kamerasysteme erforderlich, um die 2D- oder 3D-Erfassung von externen Objekten und die Szenario-Extraktion zu ermöglichen.

Um diese Intelligenz bereitzustellen und Szenario-Extraktion zu ermöglichen, sind manuelle Arbeiten wie das Erfassen und Anreichern von Daten erforderlich – und dies war bislang mit einem großen Aufwand verbunden. Aber künstliche Intelligenz erleichtert dies beträchtlich, indem letztlich automatisierte und per Crowdsourcing gewonnene Daten erstellt werden.

Menschliche Experten sind nicht in der Lage, solche massiven Datenpools effizient zu verarbeiten. Um nun sicherzustellen, dass Fahrzeuge über präzise Intelligenz zu Szenarien ohne Redundanzen verfügen, ist Automatisierung von entscheidender Bedeutung.

Implementing the technology used in autonoSo implementieren wir die Technologie, die in autonomen Fahrzeugen verwendet wird

Derzeit haben selbst die Marktführer nur Level 3 erreicht und für die Verwendung auf öffentlichen Straßen sind keine Funktionen gesetzlich zulässig, die Level 2 überschreiten. Beispielsweise ist es beim „Autopilot“-Modus weiterhin erforderlich, dass der Fahrer aufmerksam auf den Verkehr achtet, um bei Bedarf manuell durch Lenken und Bremsen einzugreifen.

Dies benötigt eine äußerst hochentwickelte Technologie, nicht nur hinsichtlich der Erkennung der externen Bedingungen und Ereignisse auf der Straße durch den Fahrer, sondern auch für eine Überwachung der Aktionen des Fahrers, selbst wenn dieser auf den Autopiloten umgeschaltet und die Kontrolle an die Prozessoren übergeben hat.

Advanced Driver Assistance Systems (ADAS) sind ein wichtiges Puzzlestück der Funktionalität, insbesondere beim Wechsel zwischen den Autonomie-Levels. Bei Level 3 werden die Dinge kompliziert. Nicht nur, dass die Technologie exponentiell komplexer ist, jede Technologiekomponente bei jedem Schritt muss auch so entwickelt werden, dass sie sich in jeder Situation richtig verhält. Danach muss wiederum eine unabhängige Validierung erfolgen, um ihre effektive und sichere Nutzung sicherzustellen.

Bei einigen neueren Autoherstellern waren Erprobung und Bereitstellung der Technologie von Anfang an in ihrer Unternehmensausrichtung fest verankert, wobei die Vision des autonomen Fahrens das eindeutige Ziel war. Aber für etablierte Unternehmen und Erstausrüster (OEMs) ist die Entwicklung von Technologie für autonome Autos wohl mit größeren Herausforderungen verbunden. Diese Unternehmen können nicht einfach mit einem weißen Blatt Papier neu anfangen und ihre Entwicklungsprozesse von Grund auf neu gestalten – es sei denn, über einen komplett neuen experimentellen Ableger des Unternehmens, der nicht durch alte Prozesse behindert wird. Selbst in dieser Situation werden die Kunden angesichts einer immer weiteren Verbreitung von ADAS-Technologie erwarten, dass Neufahrzeuge standardmäßig mit ADAS-Funktionen von Level 1 und Level 2 ausgestattet sind. Und dies bedeutet, dass der Hersteller die vorhandenen Fahrzeugreihen mit diesen neuen Technologien nachrüsten muss, sodass neue Elemente zu den existierenden Entwicklungs-, Erprobungs- und Herstellungsprozessen hinzugefügt werden müssen.

Nur sehr wenige Unternehmen haben die Ressourcen oder Zeit, um ihre eigenen Tests auszuführen und neue Prozesse zur Implementierung von ADAS zu entwickeln. Das Zukaufen und Implementieren einer funktionierenden Machbarkeitsstudie könnte Entwicklungszeit und -budget drastisch reduzieren und die Unternehmen von einigen der regulatorischen Belastungen befreien, denen sie sich gegenübersehen.

Die Daten hinter dem autonomen Fahren

ADAS und autonomes Fahren basieren jenseits von Technologie und gesetzlichen Regelungen auf einem weiteren grundsätzlichen Element: Daten.

Um höhere Level an Funktionalität für autonomes Fahren zu erreichen, müssen mehr Situationen und Entscheidungen berechnet werden, um auf dieser Grundlage Entscheidungen auszuführen. Kein Fahrzeug könnte genug Kilometer auf öffentlichen Straßen fahren, um jede mögliche Eventualität abzudecken, sodass virtuelle Modellierung zu einem entscheidenden Teil der Tests wird – und das bedeutet, dass große Datenmengen („Big Data“) erzeugt und verarbeitet werden.

Die Digitalisierung spielt auch eine grundlegende Rolle bei der Validierung von Daten, insbesondere, wenn die notwendigen Funktions- und Softwareupdates erfolgen müssen. Over-the-Air-Updates, die Software- und UI-Updates erfordern, sind aufgrund der Managementprozesse für Software- und Feature-Releases viel komfortabler als traditionelle hardware-basierte Updates.

Außerdem erfordert die automatische Kommunikation zwischen Fahrzeugen (Vehicle-to-Vehicle, V2V) und die Interaktion mit Geräten und Anlagen, die beispielsweise zur neuen intelligenten Infrastruktur auf den Straßen gehören (Vehicle-to-Everything- oder V2X-Kommunikationen), auch die Übertragung von massiven Datenvolumen, einschließlich der Übertragung über die neuen 5G-Netzwerke.

Aber zusätzlich müssen all die Daten, die ein Fahrzeug erzeugt und verarbeitet, gespeichert, mit Anmerkungen versehen, visualisiert, analysiert und schließlich allen weiteren unterschiedlichen Prozessbeteiligten in der Entwicklung zur Verfügung gestellt werden.

Erfahrungen und Einblicke für die Zukunft

Laut des kürzlich erstellten Berichts des Capgemini Research Institute mit der Bezeichnung AI in Automotive können große Automobil-Erstausrüster ihre Betriebsgewinne durch die breit angelegte Einführung von KI um bis zu 16 % steigern. Der Bericht hebt auch hervor, in welchen Bereichen Autohersteller ihre Investitionen in KI konzentrieren sollten.

Capgemini arbeitet mit Kunden aus der Automobilbranche zusammen, um die auf allen Levels der Autonomie verwendete Intelligenz zu überprüfen und zu standardisieren. Damit wird es möglich, den Organisationen funktionierende Machbarkeitsstudien und kontinuierlich aktualisierte Datensätze zur Verfügung zu stellen, die in deren vorhandenen Design- und Entwicklungsprozessen verwendet werden können.

5G ist eine der Kerntechnologien, die das autonome Fahren auf öffentlichen Straßen ermöglichen werden. Dieser neue Mobilfunkstandard beschleunigt die Verbindungsgeschwindigkeit und verringert die Latenz, um Fahrzeugen die fast sofortige Kommunikation untereinander und mit einer großen Anzahl an verbundenen Anlagen und Infrastruktureinrichtungen an den Straßen zu ermöglichen.

Capgemini verfügt über umfassende Erfahrung bei der Bereitstellung von 5G für autonomes Fahren, die vom Errichten der Infrastruktur bis zum Entwerfen und Herstellen von Fahrzeugen mit eingebetteter 5G-Technologie reicht. Capgemini Engineering ist das einzige globale Unternehmen, das sowohl über die erforderliche Tiefe bei der Produktentwicklung als auch breit angelegte Fähigkeiten für die Verarbeitung der Daten und Bereitstellung der Technologie im großen Maßstab verfügt, die dem Fortschritt der Intelligent Industry zugrunde liegt.

Vor allem können wir an der Entwicklung autonomer Systeme und Technologien mitwirken und die relevanten Verantwortlichkeiten für ihre Sicherheit validieren und überprüfen, sodass fortschrittliche und autonome Fahrzeuge schon früher sicher auf den Straßen unterwegs sein können.

Erfahren Sie mehr über die Validierung autonomer Systeme!

Unsere Autoren

Sandhya Sule

VICE PRESIDENT, DIGITAL ENGINEERING AND MANUFACTURING SERVICES

Roberto Castellano

GROUP AUTOMOTIVE SOLUTION MANAGER, CAPGEMINI ENGINEERING FRANCE