Artificial Intelligence hat als Forschungsfeld mittlerweile eine große Vielfalt und Reife erreicht. So ist es nicht verwunderlich, dass sich immer mehr Produkte und ganze Industrien durch den Einsatz von Artificial Intelligence verändern. Wie umfassend die Auswirkungen von Methoden wie Künstliche Neuronalen Netzen und Deep Learning sein können, zeigt sich in der Automobilbranche.

Artificial Intelligence ist auf dem Vormarsch

In immer mehr Unternehmen gibt es erfolgreich eingeführte Use Cases oder zumindest Bestrebungen, die IT-Architektur entsprechend vorzubereiten. Zwei aktuelle KI-Studien – die IDC-Studie „Künstliche Intelligenz in Deutschland 2019“und die Deloitte „KI-Studie 2019“ zeigen für Deutschland ein positives Bild. Die Wichtigkeit von Artificial Intelligence wurde von den Unternehmen mehrheitlich erkannt, auch wenn häufig noch eine Einbettung der Use Cases in eine übergeordnete Data Strategy fehlt.

Linktipp: Lesen Sie auch unseren Blog-Artikel zur Frage „Übernehmen bald die Maschinen? Künstliche Intelligenz und ihr Impact in der deutschen Wirtschaft“.

Die Vorreiterrolle der Automobilwirtschaft

Die Automobilbranche nimmt in diesem Zusammenhang eine Vorreiterrolle ein. Nicht nur finden sich dort prominente Anwendungsbeispiele wie das autonome Fahren, das ohne Artificial Intelligence nicht denkbar wäre. Auch die Auswirkungen auf zahlreiche andere Produktionsbereiche sind enorm.

Nicht zuletzt aufgrund der gesamtwirtschaftlichen Bedeutung der Automobilindustrie als Schlüsselindustrie für Deutschland, sind Entwicklungen für diesen Bereich von besonderem Interesse für die deutsche Wirtschaft.

In immer mehr Produkten, Maschinen und Komponenten ist Artificial Intelligence schon im Einsatz

Wirft man einen Blick ins Auto, so lassen sich zahlreiche Teilbereiche identifizieren, in denen Artificial Intelligence direkt oder indirekt eine Rolle spielt. Die Grundlage für die Spracherkennung im Auto beruht auf NLP, also Natural Language Programming – einem wichtigen Teilgebiet von Artificial Intelligence. Auch die Optimierung der Navigation wird durch lernfähige, intelligente Algorithmen unterstützt.

Fahrerassistenzsysteme und bestimmte Zusatzfunktionen wie die Vorausberechnung des Streckenverlaufs für die automatische Anpassung der Scheinwerfer beruhen zum Teil auf Bilddatenauswertung bzw. Objekterkennung.

Linktipp: Unser Data Scientist Karl Schriek hat sich in diesem Zusammenhang mit der Bedeutung von Transfer Learning bei Bildanalysen beschäftigt.

Auch in der Fahrzeug-Produktion profitieren bereits einige Hersteller und Zulieferer von Artificial Intelligence (vernetzte Produktion). Gerade Machine Learning ist eine wichtige Data-Science-Methode, die beispielsweise in Predictive Maintenance Projekten zum Einsatz kommt.

Das eigentliche Potenzial von Artificial Intelligence ist noch nicht realisiert

Hochkomplexe Vorgänge wie autonomes Fahren sind die Königsdisziplin von Artificial Intelligence.  Selbst bei Autonomiestufe 4, bei der das Auto schon sehr viel an Fahrleistung übernimmt, ist die Anwesenheit eines Fahrers noch erforderlich. Erst bei Autonomie-Level 5, das bislang noch nicht erreicht worden ist, agieren Fahrzeuge komplett autonom.

Linktipp: In diesem Artikel beschäftigt sich Dr. Felix Klein mit dem „Autonom fahrenden Fahrzeug aus Sicht eines Data Scientist“.

Das Ziel: Komplexe Systeme zu beherrschen und die Kundenerfahrung zu verbessern

Auch in anderen Bereichen, in denen durch Artificial Intelligence komplexe Systeme beherrschbar werden, ist noch Entwicklungsarbeit zu leisten. In einigen Fällen sind Fortschritte aber nur eine Frage der Zeit. Eines der wesentlichen Merkmale von intelligenten Algorithmen ist ihre Lernfähigkeit. Das heißt, sie werden besser, je länger und damit häufiger sie im Einsatz sind.

Um komplexe Zusammenhänge des Straßenverkehrs oder innerhalb einer Fabrik zu interpretieren, ist es zunächst nötig, die Voraussetzungen zu lernen. Dazu gehört es, die Verkehrsregeln oder die Abläufe in einer Produktionshalle zu verstehen, zu analysieren und bis zu einem gewissen Grad vorherzusagen sowie Lösungsansätze zur Optimierung durchzuspielen.

Daten sind der Schlüssel auf dem Weg zur Artificial Intelligence

Für Autohersteller lohnt es, eine automatisierte Auswertung von Fahrzeugdaten anzustreben. Daten, wie die zur Abnutzung von Bremsbelägen, Filtern oder zum Ölverbrauch, sind wertvolle Informationen. Sie lassen Schlüsse über das verwendete Material zu, ermöglichen die Prognose von Schäden und Ausfällen und stellen nicht zuletzt die Grundlage zur automatisierten Planung von Werkstattterminen dar.

Das ist auch das übergeordnete Ziel, das all die genannten Entwicklungschancen letztlich verfolgen: Die konsequente Verbesserung des Kundenerlebnisses im Auto und die Erhöhung von Komfort und Sicherheit im Straßenverkehr insgesamt.

Artificial Intelligence in der Automobilbranche – gestütztes Design bei der Automobilentwicklung

Die Nutzung von Artificial Intelligence eröffnet auch in anderer Hinsicht ein bis dato unbekanntes Maß an Effizienzsteigerung und Optimierung. Das fängt bei der ersten Planung beziehungsweise beim Design eines neuen Modells an.

Lernfähige, intelligente Software kann den Designer dabei unterstützen, das optimale Design für ein Auto zu entwickeln. Dazu wird Artificial Intelligence zunächst mit allen möglichen Autodesigns, die bereits existieren, trainiert, damit die grundlegenden Kenntnisse in diesem Bereich vorhanden sind. Darauf aufbauend können verschiedene andere Fähigkeiten trainiert werden, wie Ergebnisse aus dem Windkanal oder das Verhalten bestimmter Materialien bei hohen und niedrigen Temperaturen.

CAD-Modelle und Simulationen von neuen Designs können mithilfe von Artificial Intelligence zu völlig neuen Ergebnissen führen, weil sie Millionen von verschiedenen Varianten durchprobieren können. Dasselbe gilt auch für angrenzende Bereiche wie dem Sounddesign bei Türenschließgeräuschen, bei der Insassensicherheit oder der Vibrationsreduzierung.

Artificial Intelligence als Game Changer in der Automobilproduktion:

Durch den Einsatz von Artificial Intelligence in der Automobilbranche gehen zahlreiche und grundlegende Optimierungsmöglichkeiten hervor. So lassen sich Objekte, Zeichen und Sprache eindeutig erkennen, Entscheidungen automatisieren und darauf aufbauende Aktionen ausführen. Das Resultat ist jeweils autonomes und adaptives Multi-Agent-Verhalten. Auf diese Weise lassen sich sowohl der Traum vom autonomen Fahren als auch Optimierungspotenziale innerhalb der Produktionskette realisieren.

Wenn in der Produktion kontinuierlich alle Prozessdaten erfasst und gespeichert werden, lässt sich die Produktionsqualität maßgeblich erhöhen, Defekte und Fehlproduktion reduzieren und der Energieverbrauch senken. Auch Prognosemodelle können in die Optimierung mit einbezogen werden: Beispielsweise bei der Lackierung und beim Karosserieschutz. Das Potenzial im Bereich Prozessoptimierung ist enorm und längst nicht ausgeschöpft.

Artificial Intelligence kann zahlreiche Bereiche entlang der gesamten Wertschöpfungskette der Automobilproduktion wesentlich verbessern. Was von dieser Vision Realität wird, hängt zum Teil auch vom Gesetzgeber ab. In bestimmten sensiblen Anwendungsbereichen muss geklärt werden, was unter den Datenschutz fällt und was erlaubt ist. Auch der Mangel an geeigneten Fachkräften sorgt immer noch dafür, dass Unternehmen im Bereich Artificial Intelligence nicht das gesamte Potenzial realisieren können.

Nichtsdestotrotz ist Artificial Intelligence in der Automobilbranche ein Game Changer und eröffnet ganz neue Möglichkeiten für die gesamte Industrie.