Roh wie Sushi. Wie man automotive SENSOR-ROHDATEN erfasst und zu einer SPEZIALITÄT veredelt.

In der Webinarreihe "The Data Sushi Lessons" wurde dies von b-plus gemeinsam mit den Partnern Bertrandt, Deutronic, IBM, Incenda AI und Zukunft Mobility (ZF) gezeigt.

Den BesucherInnen wurden in Vorträgen und Q&As die exquisiten Bestandteile für Entwicklungswerkzeuge des autonomen Fahrens und ADAS Funktionalitäten erläutert. Denn wie bei Sushi haben die einzelnen „Zutaten“ und die Verarbeitung von Messdaten für Testsysteme einen enormen Einfluss auf die Qualität des Endprodukts.

Die Speaker präsentierten, wie Sensor-Rohdaten erfasst, gespeichert, verarbeitet, wiedergegeben und zu validen und aussagekräftigen Testdaten simuliert werden. Außerdem wurden weitere Prozessschritte im Rohdaten-Management wie der präzise Aufbau von Testfahrzeugen und ein modernes Flotten-Management demonstriert.

 

 

Sehen Sie die Videos der Veranstaltung im internen Bereich.

Sie sind noch nicht im Kundenportal registriert?

REGISTRIEREN

Die Agenda

...oder sollten wir lieber Menü sagen?

Alle Vorträge waren in englischer Sprache.

Johannes Zangerle
b-plus technologies GmbH

 

Johann Führmann
b-plus automotive GmbH

 

Die Zutaten für eine „smarte ADAS/AD Mahlzeit“


3 Main Takeaways

  • Wesentliche Building Blocks für smart Data Handling
  • Nutzen von Daten bereits während der Aufzeichnung
  • Wie können Mess-Daten direkt aus der ECU erhoben werden?


Um autonomes Fahren voranzubringen sind Daten das zentrale Element. Sie begleiten den Entwicklungs- u. Absicherungsprozess in verschiedener Form (z.B. Rohdaten, Metadaten) beginnend mit dem ersten Bit, noch im Sensor selbst oder aus dem ADAS Steuergerät. Um gewinnbringend weiterverarbeitet zu werden ist verlässlich hohe Qualität und insbesondere zeitliche Synchronisierung essentiell wichtig.

Diese Weiterverarbeitung beginnt, anders als in der Vergangenheit, bereits im Fahrzeug. Diesem Datenpfad folgen unsere Lessons von der Quelle bis in den Speicher des Datencenters und darüber hinaus.

Unsere erste "Zutat" ist daher die Auskopplung von Daten schon aus der Steuergerätesoftware und ein flexibler Pfad direkt in die Messtechnik, mittels des Measurement Data Services.   

Julian Kapitel
Bertrandt AG

 

Design und Aufbau von ADAS/AD-Technikträger-Fahrzeugen


3 Main Takeaways

  • Sensorintegration und Gesamtsystementwicklung
  • Fahrzeugumbau und Subsysteme wie HMI, Energieversorgung und Kühlung
  • Betriebssicherheit, Betreibermodelle und off-Vehicle Themen wie Analytics
     

Die Komplexität autonomer Systeme und der zugehörigen Sensorik, wie z. B. Kameras, Radare und Lidare, nimmt stetig zu. Daher müssen die Komplexität und der Umfang der Messdaten bei der Entwicklung und Anwendung zukünftiger Systeme entsprechend beherrscht werden. Eine leistungsfähige und zuverlässige Messtechnik ist Voraussetzung für die Entwicklung und Validierung von Systemen und zudem ein kritischer und sicherheitsrelevanter Teil der autonomen Mobilität. Entscheidend ist auch, wie gut diese Messtechnik in das Gesamtsystem Fahrzeug integriert ist. Eine leistungsstarke Energieversorgung, ein sicheres und benutzerfreundliches Bedienkonzept (HMI) sowie eine zuverlässige Kühlung der Messgeräte sind Schlüsselfaktoren für eine zuverlässige Leistung, die ein qualitativ hochwertiges Ergebnis gewährleistet.

b-plus und Bertrandt haben gemeinsam einen Technologie-Erprobungsträger der neuesten Generation entwickelt und gebaut: das Test Demo Car MAX. In dem Vortrag hat Julian Kapitel durch die gesamte Geschichte der Entwicklung und Montage eines solchen Technologieträgers geführt.

Maria Wurm
b-plus automotive GmbH

 

Wie sich durch den Einsatz von Meta-Daten die Effizienz von Testflotten steigern lässt


3 Main Takeaways

  • Metadaten + Rohdaten gemeinsam Erfassen
  • Metadaten zur KI-gestützten Auswertung der Testfahrten nutzen
  • Weitere Testfahrten zielgerichtet planen und durchführen


Mit dem Ziel, seine Kunden sicher in die Serie zu bringen, zeigt b-plus automotive, wie Metadaten in Kombination mit einem ganzheitlichen Managementansatz die Effizienz einer Testflotte steigern können. Angefangen bei der Vorbereitung, Durchführung und Auswertung von Testfahrten wird ein umfassender Best-Practice-Workflow vorgestellt. Er verbessert den Entwicklungsprozess in qualitativer und quantitativer Hinsicht.

Die Nutzung von Metainformationen entlang des Entwicklungsprozesses reduziert den Arbeitsaufwand und beschleunigt den Zyklus von der Datenerfassung während der Testfahrten bis zur Analyse der Rohdaten.

Tobias Wanzke
Deutronic GmbH

 

Die Energieversorgung des Bordnetzes und Fahrerassistenzsystme in Elektrofahrzeugen – Der Hochvoltwandler als zentrale Schnittstelle


3 Main Takeaways

  • HV-DC-DC-Wandler liefert nützliche Daten während Test & Absicherung
  • Einsparung von teurer Messelektronik
  • Optimierung und Überwachung der Energieversorgung des Bordnetzes


Die Mobilität von Morgen wird neben der Elektrifizierung des Antriebsstranges vor allem durch das selbstfahrende Fahrzeug definiert. Die Fahrerassistenzsysteme (ADAS) benötigen durch Ihre Vielzahl an Sensorik und Verarbeitungshardware enorme Mengen an elektrischer Energie. Eine zentrale Rolle für die Energieversorgung von ADA-Systemen in Elektrofahrzeugen spielt hierbei der Hochvoltwandler, welcher vor allem in der Test- und Absicherungsphase von Fahrzeugen wichtige Daten zur Verfügung stellt. Diese Daten werden zur Absicherung des Bordnetzes aber auch zur nachhaltigen Verbesserung und Optimierung von Einzelkomponenten verwendet.

Die Referenten von b-plus, Bertrandt, Deutronic, IBM, Incenda.ai und Zukunft Mobility (ZF) sind Experten, wenn es darum geht, die Mobilität der Zukunft zu gestalten. Die einzelnen Vorträge haben interessante und inspirierende Einblicke in die Toolchain für die Steuergeräteentwicklung gegeben. In Summe zeigten sie uns einen ganzheitlichen Ansatz, um autonomes Fahren voranzutreiben.

Dr. Thomas Herpel
Zukunft Mobility GmbH

 

HIL-basierte Validierung von Automotive Radar ECUs durch Dateneinspeisung

Mittwoch, 10. Februar, 15:10 Uhr MEZ


3 Main Takeaways

  • Moderne ADAS bedingen intensive Validierung mit etablierten Testmethoden und neuen Ansätzen
  • Leistungsfähigkeit und Modularität der Testsysteme entscheidender Faktor in der Absicherung
  • Es gibt nicht „das eine“, fertige System von der Stange, spezielle Anforderungen erfordern spezielle Testsystem-Architekturen


ADAS bedingen ausführliche Validierung auf verschiedenen Entwicklungsebenen. Hardware-in-the-Loop-Tests von Steuergeräten sind eine etablierte Testmethode, die es erlaubt, die Robustheit und Leistungsfähigkeit auf der Zielplattform zu bewerten. Die von ZF entwickelten Radar-Steuergeräte werden durch Einspeisung von realen Radar-Daten frühzeitig während der Entwicklung intensiv getestet, um maximale Funktionssicherheit und Qualität zu erreichen. Hohe Datenraten, elektrische Robustheit und exakte Synchronisierung sind wichtige Parameter für den Test.

In dem Vortrag wurde das bei der Zukunft Mobility GmbH entwickelte HIL-System vorgestellt, in dem der B-HIL von b-plus eine zentrale Rolle für die Dateneinspeisung einnimmt.

Johann Führmann
b-plus automotive GmbH

 

End-to-End Integration einer Repro HiL Umgebung

Mittwoch, 10. Februar, 16:10 Uhr MEZ


3 Main Takeaways

  • Vorteile einer durchgängigen HiL Strategie
  • Open- / Closed-loop Unterschiede
  • Integrationsansätze für CI-Systeme


Rückwärtsgedacht: Testnachweise über die Absicherung der ADAS/AD Sensoren und ECUs sind „der Grund“ für große Herausforderungen im HiL Bereich. Nicht erst bei der 24/7 Validierung in HiL-Farmen lohnt es sich die Daten zu reprozessieren, sondern bereits am Beginn der Entwicklung auf dem Entwicklertisch. Indem aufgezeichnete Daten Ende-zu-Ende genutzt werden, können viele Hürden per Design aus dem Weg geschaffen werden.

Frank Kraemer
IBM

 

Künstliche Intelligenz und Big Data Management für autonomes Fahren in 2021

Mittwoch, 10. Februar, 16:40 Uhr MEZ


3 Main Takeaways

  • Technologie für leistungsstarkes Datenmanagement
  • Skalierbares, flexibles und kostenoptimiertes Datenmanagement
  • Beseitigung von datenbezogenen Engpässen


Advanced Driver-Assistance Systems (ADAS) Suites haben die Automobilindustrie revolutioniert. Dabei haben sie jedoch auch eine große Komplexität, neue Technologien und Kosten erzeugt. AD-Anbieter nutzen künstliche Intelligenz (KI) als eine Schlüsselkomponente. Diejenigen, die Erkenntnisse schneller liefern und gleichzeitig das rapide Wachstum der Infrastruktur bewältigen können, werden Branchenführer sein. Nach dem Prozess der Datenerfassung von Testfahrten über die Einspeisung der Daten ins Rechenzentrum und die Verarbeitung von Big Data, ergeben sich viele Herausforderungen. Um diese unstrukturierten Daten zu handhaben, sind nahtlos skalierende Systeme und Toolsets vom Sensor bis zum Rechenzentrum mit Speicher- und Rechensystemen notwendig.

Dieser Vortrag hat anhand einer Fallstudie gezeigt, wie synchronisierte Datenerfassung in Testlaufwerken, Big Data Computing, Speicherung und Archivierung in den heutigen AD-Entwicklungsablauf integriert werden.

Bernhard Pfeffer
b-plus technologies GmbH

 

Datenanreicherung und Intelligent Recording auf Basis von KI-Methoden

Mittwoch, 10. Februar, 17:10 Uhr MEZ


3 Main Takeaways

  • Verstehen Sie die Vorteile von Intelligent Recording
  • Erhalten Sie einen Überblick über KI-Methoden, die bei b-plus im Einsatz sind
  • Erhalten Sie einen Einblick, wie b-plus Produkte ML-Anwendungen unterstützen


Es ist allseits bekannt, dass für die Entwicklung aktueller und zukünftiger Fahrzeuge eine enorm große Menge an Daten erfasst werden muss. Daher wird es immer wichtiger, die "relevanten" Daten sorgfältig auszuwählen, um komplexe automatisierte Fahrfunktionen effizient entwickeln und testen zu können.

Eine Vorverarbeitung der Daten mit KI-Methoden parallel zur Rohdatenaufzeichnung kann wertvolle Erkenntnisse über die aufgezeichneten Daten liefern und somit die Effizienz steigern. Dieser Vortrag hat einen kurzen Überblick über KI-Methoden gegeben, die bei b-plus zum Zweck der Datenanreicherung im Einsatz sind.

Marius Reuther
Incenda AI GmbH

 

Intelligente Daten-Qualitätssicherung

Mittwoch, 10. Februar, 17:40 Uhr MEZ


3 Main Takeaways

  • Datenqualität beginnt bereits im Recording-Fahrzeug
  • Incenda AI’s Algorithmen erkennen für ein HQ-Datenset essentielle Datenpunkte
  • Eine Vor-Selektierung reduziert Aufwand und erhöht die Effizienz


Das Verhalten von Systemen auf Basis von Künstlicher Intelligenz unterliegt im Wesentlichen der Qualität der Trainingsdaten. Daher sollten alle Prozessschritte, die für die Gewinnung der Daten wichtig sind, einer umfassenden Qualitätssicherung unterliegen – Datenqualität beginnt bereits während des Aufnehmens der Sensordaten. Im Project Data Garage stellt sich Incenda AI zusammen mit b-plus dieser Herausforderung. Incenda AI‘s Intelligente Algorithmen selektieren direkt aus MAX, das Test Demo Car von b-plus, zur Laufzeit aufgenommene Daten und bilden somit die Basis für ein qualitativ hochwertiges Datenset.

Die Referenten von b-plus, Bertrandt, Deutronic, IBM, Incenda.ai und Zukunft Mobility (ZF) sind Experten, wenn es darum geht, die Mobilität der Zukunft zu gestalten. Die einzelnen Vorträge geben interessante und inspirierende Einblicke in die Toolchain für die Steuergeräteentwicklung. In Summe zeigen sie uns einen ganzheitlichen Ansatz, um autonomes Fahren voranzutreiben.

Speakers & Partners

 

 

 

 

 

 

Sie möchten mehr erfahren?

Wenn die Data Sushi Lessons Ihren Wissensdurst oder eher Informationshunger nicht stillen konnten, nehmen Sie gerne Kontakt mit uns auf!

Wir freuen uns, Ihren Anwendungsfall zu beleuchten und eine individuelle Lösung mit Ihnen auszuarbeiten.

Auch für weiteres Informationsmaterial und einen persönlichen Termin mit unseren Produktexperten können Sie uns gerne kontaktieren.

 

Infoanfrage

Infoanfrage

Infoanfrage
Bitte tragen Sie das Ergebnis der Rechenaufgabe in das Eingabefeld ein*
captcha
=

Die Verwendung bzw. Verarbeitung Ihrer Daten erfolgt im Rahmen unserer Datenschutzhinweise, welche Sie hier einsehen können.

* Pflichtfeld