Zum Hauptinhalt springen

Die Rolle von KI und KI-Tools in der Entwicklung und Prüfung von Automobilsoftware

Auto mit Symbolen, die auf künstliche Intelligenz hinweisen

Künstliche Intelligenz (KI) ist in vielen Branchen und Anwendungsbereichen ein heiß diskutiertes Thema. Für die Automobilindustrie ist dieses Konzept jedoch nicht neu. KI, insbesondere maschinelles Lernen – also der Prozess, bei dem Maschinen lernen, aus Daten zu lernen und sich mit der Zeit zu verbessern – wird bereits seit geraumer Zeit eingesetzt, ursprünglich zur Verbesserung physikalischer Ansätze in der Entwicklung.

Die Einführung vernetzter Fahrzeuge und die Entstehung von Daten aus verschiedenen Quellen, wie beispielsweise Kundennutzungs- und Flottendaten, haben die Landschaft jedoch erheblich verändert. Früher mussten Daten generiert werden, heute nutzt die Branche riesige Datenmengen aus diesen Quellen, um KI-Modelle in Echtzeit zu trainieren und so den Entwicklungsprozess zu verbessern.

KI in der Automobilindustrie

Die Auswirkungen der KI auf die Automobilindustrie sind komplex. Es ist wichtig, zwischen verschiedenen KI-Anwendungen zu unterscheiden, wie z. B. maschinellen Lernmodellen, die physikalische Modelle verbessern, großen Sprachmodellen, die die Effizienz der Softwareentwicklung steigern, und KI-Tools, die das Verständnis und die Verarbeitung von Dokumentationen erleichtern. Diese Anwendungen sind in verschiedenen Bereichen der Automobilentwicklung von entscheidender Bedeutung, von der Verbesserung der Benutzeroberflächen bis hin zur Ermöglichung des autonomen Fahrens.

Eine der größten Herausforderungen bei der Integration von KI in die Automobilentwicklung ist die Verwaltung der riesigen Datenmengen, die dabei anfallen. Herkömmliche Methoden zur Datenvalidierung und -verarbeitung reichen nicht mehr aus. Stattdessen sind fortschrittliche Infrastrukturen und Plattformen erforderlich, um diese Daten effektiv zu verarbeiten und zu filtern. Trotz dieser Herausforderungen sind die Vorteile von KI erheblich und können den Zeit- und Kostenaufwand für manuelle Prozesse erheblich reduzieren. Zum Beispiel:

  • Daten aus einer einzigen Quelle können von verschiedenen Teams (z. B. Kalibrierung und Softwareentwicklung) auf unterschiedliche Weise genutzt werden.
  • Testprozesse können optimiert werden.
  • Entwicklungsaktivitäten können optimiert werden und kontinuierlich ablaufen.

KI in der Softwareentwicklung und im Testen

In der Softwareentwicklung und im Testbereich tragen KI-Tools seit Jahren entscheidend zur Verbesserung der Effizienz und Zuverlässigkeit bei. So kann KI beispielsweise aus Anforderungen Testfälle generieren und damit den Zeitaufwand und potenzielle Fehler bei manuellen Prozessen reduzieren. Schließlich kann KI rund um die Uhr arbeiten, aber wie bei allen datengesteuerten Prozessen sind die Ergebnisse und Analysen nur so gut wie die Daten, die sie verwenden.

Darüber hinaus kann KI Videos analysieren und künstliche Daten aus realen Szenarien erstellen, die physisch nicht gemessen werden können und deren Erstellung zu kostspielig wäre, um ein Tool dafür zu entwickeln. Dadurch werden die Testabdeckung und die Zuverlässigkeit der Ergebnisse verbessert. KI kann auch bei der Erstellung von Testfällen anhand von Anforderungen von großem Nutzen sein. Bisher war dies ein manueller Prozess, bei dem ein Ingenieur die Anforderungen lesen und interpretieren und dann Testfälle erstellen musste. Mit KI kann dies alles automatisiert werden, was den Zeitaufwand und die Gefahr von Fehlern und/oder Fehlinterpretationen erheblich reduziert.

Allerdings gibt es bei der Softwareentwicklung und -prüfung keine Abkürzungen. Die Integration von KI in sicherheitskritischen Bereichen wie dem autonomen Fahren erfordert strenge Validierung und Tests, um Zuverlässigkeit und Sicherheit zu gewährleisten. Daher ist KI derzeit ein Werkzeug, um die Entwicklungszeit zu verkürzen und Vertrauen in die Testergebnisse zu schaffen.

Die Zukunft der KI in der Automobilindustrie

Mit Blick auf die Zukunft sind die Anwendungsmöglichkeiten von KI in der Automobilindustrie enorm. Da Rechenleistung immer erschwinglicher und zugänglicher wird, wird die Rolle der KI in der Entwicklung und Erprobung voraussichtlich zunehmen. Beispielsweise ist die Rechenleistung in einem Fahrzeug begrenzt, sodass Unternehmen versuchen, die Rechenleistung in die Cloud auszulagern.

Die Branche muss sich jedoch mit regulatorischen und haftungsrechtlichen Fragen auseinandersetzen, insbesondere im Zusammenhang mit autonomen Fahrzeugen. Wenn ein Fehler gemacht wird und es zu einem Unfall kommt, wer haftet dann? Das Auto hat die Entscheidung getroffen, also ist es der OEM, der Softwareanbieter oder jemand anderes? Dies ist ein komplexer Aspekt, den die Branche im Zuge der Weiterentwicklung autonomer Technologien klären muss.

Das wirft die Frage auf, wie schnell wir voranschreiten sollen. Niemand möchte hinterherhinken, aber zu schnelles Voranschreiten kann dazu führen, dass man die Kontrolle über das Geschehen verliert, und wenn es um Sicherheit geht, ist das nicht akzeptabel. Da wir bei ETAS im Bereich Fahrzeugsicherheit tätig sind, konzentrieren wir uns darauf, Fahrzeuge sicher zu machen, und müssen daher die Ergebnisse von KI-Tools kontrollieren und ihnen vertrauen können. Wir sehen eine Zukunft, in der ein Gleichgewicht zwischen der Nutzung von KI zur Effizienzsteigerung und der Gewährleistung von Sicherheit und Zuverlässigkeit durch strenge Validierungsprozesse besteht.

Der Ansatz von ETAS für KI

ETAS ist führend bei der Integration von KI in die Automobilentwicklung, und unser Engagement für Innovation stellt sicher, dass wir auch in Zukunft eine wichtige Rolle in der sich ständig weiterentwickelnden Landschaft der Automobil-KI spielen werden. Unser Ansatz umfasst den Einsatz von KI zur Verarbeitung und Optimierung von Daten, zur Generierung von Testfällen und zur Verbesserung der Modellzuverlässigkeit. So setzen wir KI-Tools beispielsweise auf beiden Seiten der Entwicklungskette ein:

  • Linke Seite/Codierung: Generative KI und ein Chatbot-Tool unterstützen Entwickler, die die ETAS-Toolkette verwenden, bei häufigen Problemen mit AUTOSAR, der C-Code-Generierung, ARXML-Dateien und der Konfiguration der Basissoftware. Dabei lernt das KI-Tool die häufigsten Probleme kennen, gibt Antworten auf bereits bekannte Fragen oder erleichtert es einem Menschen, den Prozess bei einem undokumentierten Problem zu übernehmen.
  • Rechte Seite/Validierung: In der KI-Kalibrierungssuite werden große Datenmengen verwendet, um die Kalibrierung auf der Grundlage realer Informationen zu optimieren. Bisher war dies ein zeitaufwändiger Prozess, der manuell von einer Person durchgeführt wurde. Durch den Einsatz von KI werden erhebliche Effizienzsteigerungen erzielt und das Wissen bleibt erhalten, anders als wenn eine Person mit diesem Wissen das Unternehmen verlässt.

Ein weiteres Beispiel ist der ETAS Embedded AI Coder, der eine sichere, schnelle und effiziente Bereitstellung von KI-Funktionen auf elektronischen Steuergeräten (ECUs) ermöglicht. Durch die Nutzung der hochmodernen Leistungsfähigkeit dieses Tools wird die Entwicklungszeit erheblich verkürzt, wodurch herkömmliche Ressourcen für die Generierung von C-Code frei werden. In Verbindung mit ASCMO von ETAS können KI-Modelle für mehrere Domänen generiert werden, sodass eine Komplettlösung für die Modellentwicklung und C-Code-Generierung aus einer Hand geboten wird. Durch die Zusammenarbeit erweitern diese Tools das Embedded-Coder-Ökosystem und ermöglichen auch Nicht-KI-Experten die Modellgenerierung.

KI und KI-Tools revolutionieren die Automobilindustrie und bieten beispiellose Möglichkeiten für Effizienz und Innovation. Im Zuge der weiteren Entwicklung der Branche wird die Integration von KI eine entscheidende Rolle bei der Gestaltung der Zukunft der Automobilentwicklung und -prüfung spielen. Der proaktive Ansatz von ETAS bei der Nutzung von KI unterstreicht das transformative Potenzial dieser Technologien für die Entwicklung sichererer und effizienterer Fahrzeuge.

Kontakt

Sie haben eine Frage? Melden Sie sich bei uns! Wir helfen Ihnen gerne weiter.