Fachprogramm: Neue Fahrzeug- und Systemtechnologien - Aktuelle Projekte der Programmsäule "Automatisiertes Fahren" Stand 11/2021
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Fachprogramm: Neue Fahrzeug- und Systemtechnologien Aktuelle Projekte der Programmsäule „Automatisiertes Fahren“ Stand 11/2021 1
Bildnachweis: Shutterstock/Sergey Nivens
(Titel)
2
Inhaltsverzeichnis
@CITY.......................................................................................................................................................................................... 4
@CITY-AF................................................................................................................................................................................... 5
AHEAD......................................................................................................................................................................................... 6
AI4OD.......................................................................................................................................................................................... 7
AirPortMover.............................................................................................................................................................................. 8
ANITA........................................................................................................................................................................................... 9
AnRox.........................................................................................................................................................................................10
ATTENTION.............................................................................................................................................................................12
EEmotion...................................................................................................................................................................................13
EMMI..........................................................................................................................................................................................14
FLOOW......................................................................................................................................................................................15
HALC...........................................................................................................................................................................................16
IFAS.............................................................................................................................................................................................17
IMAGinE....................................................................................................................................................................................18
INITIATIVE...............................................................................................................................................................................19
KAI..............................................................................................................................................................................................20
KARLI.........................................................................................................................................................................................21
KI Absicherung.........................................................................................................................................................................23
KI Data Tooling........................................................................................................................................................................25
KI Delta Learning.....................................................................................................................................................................27
KI Wissen...................................................................................................................................................................................29
KISSaF........................................................................................................................................................................................31
KIsSME.......................................................................................................................................................................................32
KOMET.......................................................................................................................................................................................33
LUKAS........................................................................................................................................................................................34
progressivKI..............................................................................................................................................................................36
rosshaf........................................................................................................................................................................................38
RUMBA......................................................................................................................................................................................39
SAFE20.......................................................................................................................................................................................40
SafeADArchitect......................................................................................................................................................................41
SAFEAI.......................................................................................................................................................................................42
SafeWahr...................................................................................................................................................................................43
SEMULIN...................................................................................................................................................................................44
SETLevel4to5............................................................................................................................................................................45
SituWare....................................................................................................................................................................................47
SmartFleet.................................................................................................................................................................................48
veoPipe.......................................................................................................................................................................................49
VVMethoden.............................................................................................................................................................................50
ZobaS..........................................................................................................................................................................................52
3
@CITY – Automatisierte Fahrzeuge und
Intelligenter Verkehr in der Stadt
Problemstellung
Als komplexer Verkehrsraum stellt die Stadt eine
besondere Herausforderung für das automati-
sierte Fahren dar. Gegenüber gut strukturierter
Umgebung, wie etwa auf Autobahnen, ist eine
erheblich präzisere Erkennung erforderlich. Un-
terschiedlichste Kreuzungen, Kreisverkehre etc.
erschweren das Situationsverstehen zusätzlich.
Zuverlässiges Situationsverstehen wiederum ist
die Basis für alle automatisierten Fahrfunktionen
für die Stadt.
Projektlogo: @City
Projektziel
Ziel von @CITY ist es, automatisiertes Fahren
auch in der Stadt zu ermöglichen: Automatisierte Verbundkoordinator
Fahrzeuge und intelligenter Verkehr werden da- Mercedes-Benz AG
bei als die zentralen Elemente für den sicheren,
effizienten und stressfreien Stadtverkehr der Zu- Projektvolumen
kunft betrachtet. Automatisierte Fahrzeuge sol- 18,42 Mio. €
len dem Fahrer nicht nur den höchstmöglichen (davon 43 % Förderanteil durch BMWi)
Unterstützungsgrad bieten, sondern auch die In-
teraktion zwischen Fahrzeug und Fahrer, aber Projektlaufzeit
auch zwischen Fahrzeug und Fußgängern bzw. 09/2017 – 06/2022
Radfahrern verbessern.
Projektpartner
Durchführung Audi AG
Continental Safety Engineering International GmbH
Das Projekt zielt auf leistungsfähige, robuste Al- Continental Teves AG & Co. oHG
gorithmen für die Umfelderfassung und das Si- Aptiv Services Deutschland GmbH
tuationsverstehen, auf eine präzise digitale Robert Bosch GmbH
Technische Universität München
Karte und Selbstlokalisierung, auf die Gestal- TRW Automotive GmbH
tung der Automation sowie auf die optimale Ein- Valeo Schalter und Sensoren GmbH
bindung des Fahrers. Basierend darauf werden 3D Mapping Solutions GmbH
neue automatisierte Fahrfunktionen für die Stadt
konzipiert, die den Fahrer auch in der komplexen Projektwebsite
urbanen Umgebung mit ihrer hohen Informati- https://www.atcity-online.de/
onsdichte und den gleichzeitig sehr kurzen Re-
aktionszeiten unterstützen. Die Darstellung die- Ansprechpartner
ser automatisierten Fahrfunktionen erfolgt in TÜV Rheinland Consulting GmbH
exemplarischen Pilotanwendungen. Philipp Wolf
Tel.: 0221 806 - 1508
E-Mail: philipp.w olf@de.tuv.com
4
@CITY-AF – Automatisierte Fahrfunktionen fü r
die Stadt
Problemstellung
Urbaner Verkehr stellt aufgrund seiner Komplexität
eine der größten Herausforderungen für das auto-
matisierte Fahren dar. Gegenüber gut strukturier-
ten Umgebungen, wie beispielsweise Autobahnen,
sind die Anforderungen an die „Intelligenz“ der
Fahrzeuge, z. B. bzgl. einer hochpräzisen Umfeld-
Erkennung und –Interpretation, deutlich höher. Un-
terschiedliche infrastrukturelle Gegebenheiten und
andere Verkehrsteilnehmer wie Fußgänger, Rad-
fahrer oder auch der ÖPNV sind einige der wesent-
lichen Herausforderungen, die sich jedem autono- Projektlogo: @City-AF
men System im urbanen Umfeld stellen.
Projektziel
Verbundkoordinator
Ziel von @CITY-AF ist es, erstmalig automatisierte Mercedes-Benz AG
Fahrfunktionen für das urbane Umfeld prototypisch
in Versuchsträgern umzusetzen und unter reali- Projektvolumen
tätsnahen Bedingungen zu erproben. Hierfür wer- 26,60 Mio. €
den die in @CITY erarbeiteten Algorithmen für Si- (davon 47 % Förderanteil durch BMWi)
tuationsverstehen, hochgenaue Karte und präzise
Eigenlokalisierung sowie Fusions- und Bahnpla- Projektlaufzeit
nungsansätze gezielt in automatisierte Fahrfunkti- 07/2018 – 06/2022
onen umgesetzt. Ausgehend von ersten in @CITY
erarbeiteten Pilotanwendungen werden weitere
Anwendungsszenarien erschlossen. Projektpartner
Audi AG
Continental Automotive GmbH
Durchführung Continental Safety Engineering International GmbH
Continental Teves AG & Co. oHG
Im Fokus des Projektes steht das automatisierte Aptiv Services Deutschland GmbH
Fahren über urbane Knotenpunkte mit komplexen Deutsches Zentrum für Luft- und Raumfahrt e.V.
Kreisverkehren und Kreuzungen, durch Engstellen MAN Truck & Bus SE
mit oder ohne Gegenverkehr auf urbanen Verbin- Robert Bosch GmbH
Technische Universität Chemnitz
dungsstraßen sowie die Interaktion mit Fußgän- Technische Universität Darmstadt
gern und Radfahrern. @CITY-AF gliedert sich in Technische Universität München
die vier Teilprojekte Mensch-Fahrzeug-Interaktion TRW Automotive GmbH
(MF), Automatisiertes Fahren über urbane Knoten- Valeo Schalter und Sensoren GmbH
punkte (UK), Automatisiertes Fahren auf urbanen 3D Mapping Solutions GmbH
Straßen (US) und Interaktion mit schwächeren Ver-
kehrsteilnehmern (SV). Ansprechpartner
TÜV Rheinland Consulting GmbH
Philipp Wolf
Tel.: +49 221 806 - 1508
E-Mail: philipp.wolf@de.tuv.com
5
– Ǧ
Problemstellung
Die kamerabasierte Umfelderkennung von auto-
matisierten Fahrzeugen ist heutzutage nur unzu- Verbundkoordinator
reichend auf die lichttechnischen Einrichtungen der HELLA GmbH & Co. KGaA
Fahrzeuge abgestimmt. Insbesondere bei Dunkel-
heit ist die Sichtbarkeit von unbeleuchteten und Projektvolumen
nicht leuchtenden Verkehrsteilnehmern nicht nur 2,28 Mio. €
für Menschen, sondern auch für Kameras stark re- (davon 65 % Förderung durch das BMWi)
duziert. Auch die Verwendung von alternativer
Sensorik wie LiDAR oder Radar bringt derzeit ei- Projektlaufzeit
nen reduzierten Informationsgehalt mit sich. 06/2021 – 05/2024
Projektziel Projektpartner
Das Ziel des Projekts ist die Entwicklung einer 3D Mapping Solutions GmbH
Fahrzeugfrontbeleuchtung, die die Kamerasenso- Technische Universität Dortmund
rik zur Umfeldwahrnehmung für automatisiertes
Fahren optimal unterstützt. Mit einer solchen adap- Ansprechpartner
tiven und selektiven Ausleuchtung soll diese an die TÜV Rheinland Consulting GmbH
aktuelle Verkehrssituation angepasst werden und Lars Rödel
damit zu einem verbesserten Umfeldmodell beitra- Tel.: +49 221 806 – 4108
gen. Damit können die Verkehrssicherheit, die E-Mail: lars.roedel@de.tuv.com
Energieeffizienz und der Komfort gesteigert wer-
den. Als zweites Hauptziel soll zudem eine virtuelle
Abbildung in Form einer Rapid-Prototyping-Ent-
wicklungsumgebung entstehen.
Durchführung
Zu Projektbeginn werden die Anforderungen an die
Kamera und Ausleuchtungskomponenten erarbei-
tet und reale Streckendaten erhoben. Dadurch
können Informationen wie Reflexionseigenschaf-
ten oder Verbauung für die Szenenausleuchtung
berücksichtigt werden, die zur Verbesserung der
Umfeldwahrnehmung beitragen. Mithilfe einer neu-
artigen digitalen Entwicklungsumgebung werden
die notwendigen Scheinwerfer-Systeme entwi-
ckelt, die im Anschluss in Form eines Demonstra-
tors validiert und optimiert werden.
6
Ͷ–
ò ò
Problemstellung
Eine leistungsstarke Umfelderfassung ist eine der
Kernanforderungen zur Realisierung automatisier- Verbundkoordinator
ter Fahrzeuge. Im urbanen Bereich bestehen be- Porsche AG
sondere Herausforderungen, da relevante Ver-
kehrsteilnehmer z.B. durch Bauwerke oder par- Projektvolumen
kende Fahrzeuge verdeckt werden. Insbesondere 2,67 Mio. €
bei Dunkelheit, wenn kamerabasierte Systeme nur (davon 71 % Förderung durch das BMWi)
eingeschränkt funktionieren, steigt die Gefahr, an-
dere Verkehrsteilnehmer zu übersehen. Projektlaufzeit
01/2021 – 12/2023
Projektziel
Ziel des Vorhabens ist es, die Detektion von Objek- Projektpartner
ten durch kamerabasierte Sensoren in Verbindung MX Automotive GmbH c/o AI Campus
mit KI-Algorithmen in Nachtsituationen zu optimie- FZI Forschungszentrum Informatik
ren. Konkret sollen dazu die Lichtkegel bzw. Refle- Hochschule Mittweida University of Applied
xionen erkannt und nachverfolgt werden. Weitere Sciences
Projektziele sind die A-SPICE-konforme Umset-
zung des Entwicklungsprozesses sowie die Ent-
Ansprechpartner
wicklung eines Tool-gestützten Datenmanage-
TÜV Rheinland Consulting GmbH
ments, welches die Prozessschritte von der Auf-
nahme der Sensordaten, über die Aufbereitung bis Meike Rietdorf
zur Speicherung abdeckt. Tel.: +49 221 806 5432
E-Mail: meike.rietdorf@de.tuv.com
Durchführung
Zu Projektbeginn werden Anforderungen an den A-
SPICE-konformen Entwicklungsprozess, die Too-
ling-Umgebung sowie die Funktionsentwicklung er-
mittelt. Auf dieser Basis erfolgt die Entwicklung der
KI-Modelle und des Toolings. Im Rahmen der an-
schließenden Integration in einen Versuchsträger
ist eine Qualifikation anhand einer Teststrategie
sowie die Validierung geplant. Abschließend wer-
den die Ergebnisse in Versuchsfahrten demons-
triert. Zudem soll die Leistungsfähigkeit der entwi-
ckelten Tooling-Umgebung in beispielhaften An-
wendungen gezeigt werden.
7
AirPortMover – Entwicklung und Erprobung auto-
nomer, digitaler Nutzfahrzeuge fur Flughafenau-
ßenflachen und Hallen eines Flughafens
Problemstellung
Der Einsatz autonomer Nutzfahrzeuge auf Flug-
häfen ist aktuell nicht möglich. Dies liegt insbe-
sondere an den hohen Anforderungen an die
Umfelderkennung und die Lokalisierung des
Fahrzeuges auf dem Flughafenvorfeld, dem ho-
hen Risiko einer Kollision mit Flugzeugen und
den strengen Sicherheitsanforderungen.
Projektziel
Ziel des Projektes ist die Entwicklung von auto- Projektlogo: AirPortMover
nomen, elektrisch angetriebenen Nutzfahrzeu-
gen für das Einsatzszenario Flughafen und Flug-
hafenvorfeld und die Einbindung der autonomen
Nutzfahrzeuge in die realen Betriebsabläufe. Verbundkoordinator
Ibeo Automotive Systems GmbH
Durchführung
Projektvolumen
Projektschwerpunkt ist die Entwicklung einer 3,5 Mio. €
Basisplattform, auf der zwei Varianten autono- (davon 54 % Förderanteil durch BMWi)
mer, prototypischer Nutzfahrzeugaufbauten rea-
lisiert und anschließend auf einem Werks- (Air- Projektlaufzeit
bus Hamburg) bzw. einem Verkehrsflughafen 12/2018 – 03/2022
(Frankfurt) getestet werden. Hierbei handelt es
sich zum einen um Fahrzeuge für den Transport
Projektpartner
von Personen (Crewmitglieder, Serviceperso-
Fraport AG – Frankfurt Airport Services
nal, Flughafen- oder Werksgeländebesucher)
Worldwide
sowie für den Transport von Luftfrachtanhä-
Christian-Albrechts-Universität zu Kiel –
ngern zum Flugzeug. Zum anderen werden
Institut für Informatik
Nutzfahrzeuge zur Annäherung von Fluggast-
treppen an Flugzeuge realisiert.
Ansprechpartner
TÜV Rheinland Consulting GmbH
Technische Schwerpunkte sind die Entwicklung
verbesserter Systeme zur Umfelderkennung, Nicole Ankelin
Tel.: +49 221 806 - 4173
neuartige Konzepte zur Lokalisierung und Posi-
tionierung der autonomen Fahrzeuge sowie die E-Mail: nicole.ankelin@de.tuv.com
Erweiterung der bestehenden Leitstandsoftware
zur Einbindung der autonomen Nutzfahrzeuge in
die Betriebsabläufe eines Flughafens.
8
ANITA – Autonome Innovation im Terminalab-
lauf
Problemstellung
Das automatisierte Fahren (AF) von Nutzfahr-
zeugen bietet eine Chance dem Problem des
wachsenden Fahrermangels in Deutschland
entgegenzuwirken und gleichzeitig die Wirt-
schaftlichkeit des Güterverkehrs zu erhöhen. Je-
doch sind die Erkennung und Klassifizierung
querender und entgegenkommender Fahrzeuge
in Terminals ebenso wie die Übernahme von
manuellen Tätigkeiten, die ein Fahrer derzeit ne-
ben der Fahraufgabe übernimmt, als beste- Projektlogo: ANITA
hende Probleme des AF zu identifizieren.
Projektziel
Verbundkoordinator
Das Verbundprojekt „ANITA“ zielt darauf ab, ei- MAN Truck & Bus SE
nen vollautomatisierten, fahrerlosen Lkw (Sattel-
zug) zu entwickeln und in zwei realen Lo- Projektvolumen
gistikterminals in Ulm zu erproben sowie dessen 12,53 Mio. €
Anwendung zu validieren. Dazu stehen neben (davon 43 % Förderanteil durch BMWi)
der Fahrzeugentwicklung insbesondere auch
die Technologieerprobung sowie die Interakti- Projektlaufzeit
onsmechanismen zwischen Lkw und 07/2020 – 09/2023
Mensch/Infrastruktur im Mittelpunkt des FE-Pro-
jekts. Zudem werden neuartige Verfahren zur Projektpartner
Umfelderfassung und Objekterkennung im Nah- DB Intermodal Service GmbH
bereich erforscht. DUSS GmbH
Götting KG
Durchführung Hochschule Fresenius gGmbH
In ANITA soll die gesamte Fahrzeugfunktionali-
tät zur Verfügung gestellt werden, die für ein au- Ansprechpartner
tomatisiertes Fahrzeug notwendig ist, um einen TÜV Rheinland Consulting GmbH
praxisrelevanten Logistikprozess zu bewältigen. Dr. Silke Marré
Dadurch werden zum einen erstmals die unter- Tel.: +49 221 806 - 4174
schiedlichen Lösungsansätze und Algorithmen E-Mail: silke.marre@de.tuv.com
gebündelt und anwendungsgerecht weiterentwi-
ckelt. Zum anderen wird der Reifegrad und damit
die zukünftige Zulassungsfähigkeit der einzel-
nen Teilfunktionen erheblich gesteigert.
9
– Ǧ
ò
Problemstellung
Mit der voranschreitenden Automatisierung von
Fahrzeugen sowie zunehmend komplexeren
Fahrzeugsystemen und -komponenten steigen
auch die technischen Anforderungen hinsichtlich
der Sicherheit und Zuverlässigkeit. Gründe für
die steigenden Sicherheitsanforderungen sind
u.a. der Wegfall der Rückfallebene Mensch so-
wie zusätzlich notwendige Fehlererkennungs-, -
behandlungs- und Vermeidungsstrategien. Um
diesen Herausforderungen zu begegnen, wer-
den z.B. Komponenten und Systeme redundant Projektlogo: AnRox
ausgelegt. Dies führt jedoch häufig zu Mehrkos-
ten, einem erhöhten Bedarf an Bauraum und zu
mehr Gewicht. Verbundkoordinator
Robert Bosch GmbH
Projektziel
Ziel des Forschungsvorhabens AnRox ist die Projektvolumen
Entwicklung eines ganzheitlich optimierten An- 16,2 Mio. €
triebssystems für das automatisierte elektrische (davon 64 % Förderanteil durch BMWi)
Fahren. Als Anwendungsfall wurde ein Roboter-
taxi gewählt, die Ergebnisse sollen sich jedoch Projektlaufzeit
generell auf alle elektrisch angetriebenen Fahr- 04/2021 – 03/2024
zeuge übertragen lassen. Die Forschungs- und
Entwicklungstätigkeiten fokussieren sich dabei Projektpartner
auf alle Fahrzeug-Systemebenen (Fahrzeug- Kromberg & Schubert Automotive GmbH &
ebene, Systemebene und Komponentenebene) Co.KG
im gesamten Antriebssystem (u.a. Antrieb und Siemens AG
Energiebordnetz). Hauptziel bei der Entwicklung Infineon Technologies AG
Georgii Kobold GmbH & Co. KG
der Lösungen ist es, eine Fehleroperabilität
AixControl GmbH
ohne Mehraufwand (z.B. Redundanz) zu errei- OPVengineering GmbH
chen bzw. notwendige Mehraufwände zumin- EDI GmbH
dest durch eine Funktionserweiterung an ande- Finepower GmbH OFFIS e.V.
rer Stelle zu kompensieren. smartCable GmbH
Fraunhofer-Gesellschaft
Durchführung Rheinisch-Westfälische Technische Hochschule
Aachen
Grundlage für die Entwicklungstätigkeiten ist FG System- und Software-Engineering, TU
eine detaillierte Anforderungsanalyse zur Ent- Ilmenau
wicklung eines fehleroperablen Antriebsstrangs. Thüringer Innovationszentrum Mobilität, TU
Weitere wesentliche Anforderungen ergeben Ilmenau Volkswagen AG
sich aus dem Anwendungsfall Robotertaxi, wie
10
z.B. Komfort-, Lebensdauer- und Effizienzanfor- Ansprechpartner
derungen. Darauf aufbauend erfolgt die Umset- TÜV Rheinland Consulting GmbH
zung auf der System- und Komponentenebene. Lars Rödel
Neben der Entwicklung von Hard- und Software Tel.: +49 221 806 - 4108
sind die Erforschung und Erarbeitung von Be- E-Mail: lars.roedel@de.tuv.com
triebs-, Fehlererkennungs- und Behandlungs-
strategien wichtige Ergebnisse. Abschließend
erfolgt die Validierung der Ergebnisse im Rah-
men von Komponenten- und Systemtests auf
Prüfständen und in Simulationen sowie gesamt-
haft auf einem Fahrzeugdemonstrator.
11
ATTENTION – Artificial Intelligence for real-
time injury prediction
Problemstellung
Begrenzte Flächen für den Verkehr kennzeichnen
vor allem den urbanen Raum. Automatisierung und
Vernetzung von Verkehrsteilnehmern bieten das
Potential der Mehrfachnutzung von Verkehrsflä-
chen. Für ungeschützte Verkehrsteilnehmer (Fahr-
radfahrer, Fußgänger, etc.) stellt diese Mehrfach-
nutzung jedoch ein großes Risiko dar. Um den au-
tomatisierten Verkehr so sicher wie möglich zu ge-
stalten, muss die Verletzungsschwere besonders
gefährdeter Kollisionspartner bei unvermeidbaren Projektlogo: ATTENTION
Unfällen auf gemischten Verkehrsflächen best-
möglich reduziert werden.
Projektziel Verbundkoordinator
Robert Bosch GmbH
Das Ziel des Projekts ist es eine Methode zur Echt-
zeit-Verletzungsprognose von ungeschützten Ver- Projektvolumen
kehrsteilnehmern (VRU) zu entwickeln. Hierzu 2,9 Mio. €
werden datengetriebene KI-Verfahren genutzt, um (davon 70 % Förderanteil durch BMWi)
aus fahrzeuggebundenen Videodaten und virtuel-
len Tests mit Hilfe digitaler Menschmodelle ein si- Projektlaufzeit
tuationsspezifisches Verletzungsrisiko zu bestim- 07/2021 – 06/2024
men. Zukünftig ermöglicht die Verletzungsprog-
nose durch Strategien der Risikominimierung des Projektpartner
automatisierten Fahrzeugs einen sowohl sicheren DYNAmore GmbH
als auch effizienten Verkehr. QualityMinds GmbH
Universität Stuttgart
Durchführung Fraunhofer-Gesellschaft
Zu Projektbeginn werden auf Grundlage von Vi-
Ansprechpartner
deodaten aktuelle Unfallsituationen analysiert. Auf
TÜV Rheinland Consulting GmbH
dieser Basis werden KI-basiert in Echtzeit die Be-
Lars Rödel
wegungen der vulnerablen Verkehrsteilnehmer
Tel.: +49 221 806 - 4108
klassifiziert. Im Anschluss wird durch diese Bewe- E-Mail: lars.roedel@de.tuv.com
gungsdaten das Verletzungsrisiko KI-basiert prädi-
ziert. Aggregiert werden diese Daten in einem Ver-
letzungsrisikoindex. Eine Demonstration aus der
sich Unfallfolgenminderungsmaßnahmen ableiten
lassen, erfolgt in einer virtuellen Umgebung.
12
EEmotion – Embedded Excellence – Fahrdyna-
mik mit KI
Problemstellung
Beim automatisierten Fahren werden vorgegebene
Trajektorien aus einer Perzeptions-Funktionsein-
heit an Fahrwerkregelsysteme übermittelt. Um eine
gleichbleibende Qualität und ein stabiles Leis-
tungsprofil der Trajektorien-Regelung in sämtli-
chen Fahrsituationen, bei unterschiedlichen Stre-
ckenprofilen und Umweltbedingungen über die ge-
samte Fahrzeuglebensdauer zu ermöglichen, sind
hohe Aufwände bei der Entwicklung notwendig.
Klassische Parametrierungsverfahren stoßen dies-
bezüglich an Grenzen und können die Leistungsfä-
Projektlogo: EEmotion
higkeit von Regelungsstrukturen nicht ausnutzen.
Projektziel
Das Ziel des Projekts ist es, ein Regelsystem zu
Verbundkoordinator
entwickeln, welches auf Maschine Learning Algo- Infineon Technologies AG
rithmen basiert. Ein weiterer Fokus wird auf der
Entwicklung von embedded-Systemen und ent- Projektvolumen
sprechenden Funktionen liegen, sodass eine An- 10,2 Mio. €
bindung an eine externe Infrastruktur (z.B. eine (davon 60 % Förderung durch das BMWi)
Cloud) nicht notwendig ist.
Projektlaufzeit
Durchführung 09/2021 – 08/2024
Zu Projektbeginn werden zunächst Anforderungen
Projektpartner
an die im Projekt zu entwickelnden KI-basierten
ZF Friedrichshafen AG
Funktionen und Systeme erarbeitet. Darauf auf- Institut für Engineering Design of Mecha-
bauend erfolgt die Entwicklung eines Gesamtkon- tronic Systems und MPLM e.V.
zepts und entsprechender Hardware. Zudem wer- b-plus technologies GmbH
den KI-Methoden entwickelt bzw. vorhandene An- samoconsult GmbH
sätze verbessert und es wird der Frage nachge- Rheinisch-Westfälische Technische Hoch-
gangen, welche Regelungsarchitekturen und Kom- schule Aachen
ponenten zweckmäßig durch KI ergänzt oder er- Universität zu Lübeck
setzt werden können. Weitere Forschungsaspekte
sind die Entwicklung einer sicheren durch KI über- Ansprechpartner
wachten Kommunikation sowie Untersuchungen TÜV Rheinland Consulting GmbH
zur simulativen Entwicklung und Validation von Meike Rietdorf
Fahrdynamiksystemen. Abschließend werden die Tel.: +49 221 806 5432
Ergebnisse anhand von AD/ADAS Funktionen va- E-Mail: meike.rietdorf@de.tuv.com
lidiert.
13EMMI – Empathische Mensch-Maschine-Inter-
aktion zur Erhö hung der Akzeptanz des Auto-
matisierten Fahrens
Problemstellung
Eine wesentliche Voraussetzung für die Verbrei-
tung automatisierter Fahrfunktionen ist die Techni-
kakzeptanz der Nutzer. Diese wird u.a. bestimmt
durch das Vertrauen in die Sicherheit sowie ein po-
sitives Nutzererlebnis. Ein wichtiger Baustein für
die Steigerung der Akzeptanz ist eine nutzerge-
rechte, multimodale Mensch-Maschine-Schnitt-
stelle, welche im Projekt EMMI untersucht wird.
Projektziel
Projektlogo: EMMI
Ziel des Projektes ist die Entwicklung einer empa-
thischen Mensch-Maschine-Schnittstelle, die den
individuellen Nutzerzustand sowie die Verkehrssi-
tuation berücksichtigt. Durch diese soll sowohl das Verbundkoordinator
Vertrauen in die Automatisierung als auch der
SAINT-GOBAIN SEKURIT Deutschland
wahrgenommene Kundennutzen erhöht und somit
die Technikakzeptanz gesteigert werden. Im Rah-
GmbH & Co. KG
men des Projekts werden drei konkrete Maßnah-
men detailliert untersucht: Die situationsange- Projektvolumen
passte Visualisierung von Fahrzeuginformationen, 4,67 Mio. €
der Einsatz eines intelligenten Assistenten und die (davon 56 % Förderanteil durch BMWi)
Ermöglichung einer indirekten Beeinflussung des
Fahrverhaltens durch den Nutzer. Projektlaufzeit
09/2020 – 08/2023
Durchführung
Neben der Extraktion emotionaler Zustände an-
Projektpartner
hand optischer und akustischer Signale wird zu CanControls GmbH
Projektbeginn das theoretische Rahmenwerk so- Cerence GmbH
wie ein hybrider Ansatz zur Vertrauensmodellie- Charamel GmbH
rung erarbeitet. Die drei Kerntechnologien werden Deutsches Forschungszentrum für Künstli-
iterativ entwickelt und evaluiert sowie in ein ganz- che Intelligenz GmbH
heitliches multimodales Interaktionskonzept inte- Rheinisch-Westfälische Technische Hoch-
griert. Unter Anwendung von VR-Testumgebungen schule Aachen
sowie Funktionsprototypen werden die Entwicklun-
gen bereits frühzeitig evaluiert. Den Abschluss des Ansprechpartner
Projekts bildet der Aufbau eines Demonstrators so- TÜV Rheinland Consulting GmbH
wie die finale Evaluation der Machbarkeit und Wirk- Philipp Wolf
samkeit des entwickelten Gesamtkonzepts. Tel.: +49 221 806 - 1508
E-Mail: philipp.wolf@de.tuv.com
14FLOOW - Flexibles Mobilitä ts- und Cargo-Sys-
tem fü r den Werksverkehr
Problemstellung
Das Werksgelände kann durch die eingeschränkte
Verkehrskomplexität idealer Anwendungsraum für Verbundkoordinator
automatisierte Fahrzeuglösungen sein. Für die Eigen- ANavS GmbH
lokalisierung im Werksverkehr existieren kameraba-
sierte Systeme, die eine gleichzeitige Positionierung Projektvolumen
und Kartierung durchführen und von automatisierten 2,38 Mio. €
Transportsystemen verwendet werden. Eine visuelle (davon 76 % Förderanteil durch BMWi)
Positionierung erfordert eine Umgebung mit zahlrei-
chen Features, die im Werksbereich nur selten aufzu- Projektlaufzeit
finden ist. Zudem existieren Satellitennavigationssys- 03/2021 – 02/2024
teme, die eine zentimeter-genaue Positionierung in
Umgebungen mit freier Satelliten-Sichtbarkeit ermög- Projektpartner
lichen. Die Satellitennavigationssignale sind aber sehr
Schaeffler Technologies AG & Co. KG
anfällig gegenüber Mehrwegefehlern und Signalab-
schattungen, die im Werksbereich und insbesondere FZI Forschungszentrum Informatik
Karlsruher Institut für Technologie (KIT)
im Übergangsbereich zu einer deutlich reduzierten
Genauigkeit führen.
Ansprechpartner
Projektziel TÜV Rheinland Consulting GmbH
Lars Rödel
FLOOW verfolgt das Ziel, die Komplexität der auto- Tel.: +49 221 806 - 4108
matisierten Fahraufgaben in diesem speziellen An- E-Mail: lars.roedel@de.tuv.com
wendungsfall, des Werksverkehrs, beherrschbar und
gleichzeitig wirtschaftlich umzusetzen. Dazu soll die
Nutzung von hochintegrierter Low-Power Hardware
im Kontext eines Mikromobilitätssystems untersucht
werden. Die entwickelten Methoden sollen auf spezi-
ellen Plattformen integriert und auf einem Versuchs-
gelände im Flottenverbund evaluiert werden.
Projektinhalt
Zu Projektbeginn werden die Anforderungen an die
Anwendungsfälle (z.B. Gütertransport, Personenbe-
förderung, etc.) erarbeitet und ein robustes Lokalisie-
rungssystem entwickelt. KI soll zur verlässlichen Um-
felderkennung und Manöverplanung eingesetzt wer-
den. Diese soll die Low-Power Hardware nutzen, um
energie- und kosteneffizient Fahrfunktionen abzubil-
den und eine Übertragbarkeit auf andere Fahrzeug-
plattformen zu ermöglichen. Abschließend sollen die
Fahrzeugplattformen in ein KI-basiertes Flottenma-
nagement integriert werden.
15
HALC– Highway Assist with Lane Change (SAE
Level 2)
Problemstellung
Das automatisierte Fahren (AF) von Nutzfahrzeu-
gen ist ein möglicher technischer Beitrag zur Erhö-
hung der Verkehrssicherheit sowie zur Entlastung
von Berufskraftfahrern im täglichen Verkehr sowie
zur Bewältigung des zukünftigen Fahrermangels in
Deutschland.
Projektziel
Das Ziel des Projekts ist die Untersuchung, Ent-
wicklung und Einführung von Funktionen zur inte-
Projektlogo: HALC
grierten Längs - und Querführung für automatisier-
tes Fahren speziell für schwere und mittlere Nutz-
fahrzeuge.
Verbundkoordinator
Durchführung ZF CV Systems Hannover GmbH
Zu Projektbeginn werden auf Grundlage einer Ana-
lyse aktueller Unfallsituationen auf Bundesauto- Projektvolumen
bahnen Use-Cases abgeleitet, die verschiedene 3,70 Mio. €
Anforderungen an Berufskraftfahrer berücksichti- (davon 60 % Förderanteil durch BMWi)
gen. Anschließend werden diese in ein Fahrermo-
dell überführt. Parallel dazu soll ein Umfeldmodell Projektlaufzeit
entwickelt werden, welches die Informationen 11/2020 – 10/2023
mehrerer Sensoren zur Fahrbahn- und Objekter-
kennung für das Fahrstreifenfolgen und den Fahr-
streifenwechsel sowie zur Erkennung anderer
Projektpartner
Deutsches Zentrum für Luft- und Raumfahrt
Fahrzeuge auf benachbarten Fahrstreifen zusam-
Interactive Minds Dresden GmbH
menführt. Hierzu muss eine neuartige Datenfusion
Medizinische Hochschule Hannover
und -auswertung erforscht werden, die als Umfeld-
Spedition Bartkowiak GmbH
modell die Basis für die automatisierte Quer- und
Längsführung für die Nutzfahrzeuge bildet.
Ansprechpartner
Der Neuheitsgrad ergibt sich neben der technolo- TÜV Rheinland Consulting GmbH
gisch-funktionalen Evolution aus dem genutzten Lars Rödel
menschzentrierten Entwicklungsprozess unter Ein- Tel.: +49 221 806 - 4108
beziehung von Endkunden und Endnutzern wäh- E-Mail: lars.roedel@de.tuv.com
rend der Entwicklung und der abschließenden
mehrmonatigen Felduntersuchung im Realbetrieb.
16IFAS - Insassenü berwachung in autonomen
Fahrzeugen zur adaptiven Aktivierung von
Sicherheitssystemen
Problemstellung
Mit zunehmender Automatisierungsstufe steigt
die Anzahl und Häufigkeit an fahrfremden Tätig-
keiten von Fahrzeuginsassen. Demnach werden
Out-Of-Position-Situationen, in denen der Fahr-
zeuginsasse sich nicht in einer aufrechten und
vorwärts gerichteten Sitzposition befindet, häufi-
ger auftreten und somit ein potentielles Sicher-
heitsproblem darstellen. Hier besteht der Bedarf
eines Systems, welches die fahrfremden Tätig-
keiten erfassen, interpretieren und kategorisie-
ren kann. Mithilfe dieser Daten können zukünftig Projektlogo: IFAS
Sicherheitssysteme situativ angesteuert und so-
mit die Verletzungsschwere im Falle eines Un-
falls vermindert werden. Verbundkoordinator
Continental Automotive GmbH
Projektziel
Das Ziel des Verbundprojektes „IFAS“ ist es, ei- Projektvolumen
nen Prototyp zur Insassenüberwachung im 2,33 Mio. €
Fahrzeuginnenraum zu entwickeln und zu vali- (davon 61 % Förderanteil durch BMWi)
dieren. Mithilfe von Kamera- und Radarsenso-
ren soll das System die Position, Gesten und Projektlaufzeit
den Zustand von Fahrzeuginsassen erfassen 11/2019 – 10/2022
sowie mögliche Gegenstände (z.B. Tablet,
Smartphone) erkennen. Neben der Interpreta- Projektpartner
tion und Kategorisierung der gesammelten Da- CMORE Automotive GmbH
ten soll auch ein Modell zur Risikobewertung von Silicon Radar GmbH
fahrfremden Tätigkeiten entwickelt und getestet Technische Hochschule Ingolstadt
werden. Technische Universität Chemnitz
Durchführung Ansprechpartner
In einem Laboraufbau soll zunächst das Sensor- TÜV Rheinland Consulting GmbH
setup getestet und optimiert werden. Für die In- Philipp Wolf
terpretation und Kategorisierung der Kamera- Tel.: +49 221 806 - 1508
und Radardaten werden Algorithmen entwickelt. E-Mail: philipp.wolf@de.tuv.com
Abschließend wird das Gesamtsystem in einen
Versuchsträger integriert und durch Probanden-
studien sowie spezifische Systemtests evaluiert.
17
IMAGinE – Intelligente Manöver Autömatisie-
rung – kööperative Gefahrenvermeidung in
Echtzeit
Problemstellung
In aktuellen Forschungsprojekten zum „Hochau-
tomatisierten Fahren“ wird intensiv daran gear-
beitet, Fahrzeugen die Fahrzeugführung inner-
halb geeigneter Szenarien vollständig selbst zu
überlassen. Die permanente Aufmerksamkeit
technischer Systeme bietet dabei großes Poten-
zial, um die Anzahl der Unfälle zu reduzieren.
Trotz dieser positiven Perspektive ist nicht zu
vernachlässigen, dass menschliche Fahrer über
zentrale Leistungsmerkmale verfügen, die bis- Projektlogo: IMAGinE
lang verfügbare technische Systeme nicht oder
nur unzureichend abbilden können.
Projektziel Verbundkoordinator
Opel Automobile GmbH
Im Projekt IMAGinE wird die Entwicklung neuer
Assistenzsysteme entlang der Prinzipien koope- Projektvolumen
rativen Verhaltens erforscht. Hierdurch sollen 36,70 Mio. €
(davon 47 % Förderanteil durch BMWi)
zum einen der erforderliche wechselseitige Aus-
tausch zwischen kooperierenden Fahrzeugen
Projektlaufzeit
technisch realisiert und zum anderen die Abstim-
09/2016 – 05/2022
mung und Entscheidungsfindung zwischen intel-
ligenten Systemen sowie zwischen Mensch und
Projektpartner
Maschine dargestellt werden. Zentrale Heraus- BMW AG
forderung ist es, den Sprung vom informativen Autobahn GmbH des Bundes
oder reagierenden Charakter heutiger isoliert IPG Automotive GmbH
MAN Truck & Bus SE
agierender Assistenzsysteme hin zu kooperati- Mercedes-Benz AG
ven Manövern mehrerer Verkehrsteilnehmer zu Continental Teves AG & Co. OHG
realisieren. Nordsys GmbH
Robert Bosch GmbH
Technische Universität München
Durchführung Volkswagen AG
WIVW GmbH
Notwendige Voraussetzung für die Ausschöp-
fung des IMAGinE-Potenzials ist die weite Ver-
Projektwebsite
fügbarkeit und breite Nutzung eines hersteller- www.imagine-online.de
übergreifend operierenden Kommunikations-
netzwerkes, das einen ausreichend schnellen Ansprechpartner
Informationsaustausch ermöglicht. TÜV Rheinland Consulting GmbH
Dr. Silke Marré
Tel.: +49 221 806 - 4174
E-Mail: silke.marre@de.tuv.com
18
INITIATIVE – INtellIgenTe Mensch-Technik
KommunIkATIon im gemischten Verkehr
Problemstellung
Hinsichtlich der Einbindung von Fahrzeugen mit
immer höherem Automatisierungslevel fällt insbe-
sondere im gemischten Verkehrsraum der Kom-
munikation von (teil-) automatisierten Verkehrsteil-
nehmern mit schwächeren Verkehrsteilnehmern,
wie Fußgängern und Radfahrern sowie nicht-auto-
matisierten Fahrzeugen, eine zentrale Bedeutung
zu. Nur ein an die Situation angepasster, mit den
relevanten Teilnehmern abgestimmter und intelli-
genter Kommunikationsprozess ermöglicht eine er-
folgreiche Integration und somit die Akzeptanz zu- Projektlogo: INITIATIVE
künftiger automatisierter Fahrzeuge.
Projektziel
Verbundkoordinator
Das Projekt verfolgt daher das Ziel eine KI-ge-
HELLA GmbH & Co. KGaA
stützte adaptive Kommunikation für die Integration
automatisierter Fahrzeuge in gemischten Ver-
kehrsszenarien zu realisieren. Projektvolumen
4,09 Mio. €
Durchführung (davon 69 % Förderanteil durch BMWi)
Zur Erreichung des Projektziels sollen kameraba- Projektlaufzeit
siert mittels KI-Methoden Interaktionen von Fahr- 04/2021 – 03/2024
zeuginsassen und externen Verkehrsteilnehmern
erfasst sowie mit Informationen aus der Umgebung
Projektpartner
fusioniert und interpretiert werden. Eine darauf ab-
gestimmte Kommunikation unter Berücksichtigung Electric-Special Photronicsysteme GmbH
aller erkannten Intentionen soll anschließend so- Fraunhofer-Gesellschaft
Karlsruher Institut für Technologie
wohl nach innen als auch nach außen geschehen.
Universität des Saarlandes
Dafür sollen lichttechnische Lösungen in Form von
externen und internen HMI-Systemen für die Kom- version1 GmbH
munikationsschnittstelle vom automatisierten Fahr- Würzburger Institut für Verkehrswissen-
zeug für außenstehende Verkehrsteilnehmer als schaften GmbH
auch für die Insassen des Fahrzeuges entwickelt
werden. Neben der Validierung der Teilsysteme Ansprechpartner
hinsichtlich der Funktion und Akzeptanz werden im TÜV Rheinland Consulting GmbH
Projekt weiterhin relevante ethische, rechtliche und Philipp Wolf
soziale Fragestellungen erforscht. Abschließend Tel.: +49 221 806 - 1508
wird die Funktion des Gesamtsystems validiert. E-Mail: philipp.wolf@de.tuv.com
19
– Ǧò Ǧ
Problemstellung
Neben der klassischen Fahrposition sind für Aktivi-
täten während der automatisierten Fahrt weitere Verbundkoordinator
bevorzugte Körperhaltungen (schlafen, arbeiten, Brose Fahrzeugteile SE & Co. Kommandit-
etc.) zu berücksichtigen. Die daraus resultierenden gesellschaft, Bamberg
neuen Use-Cases sowie Nutzeranforderungen,
beispielsweise hinsichtlich des Komforts, erhöhen Projektvolumen
die Komplexität und damit folglich die Dauer und 5,59 Mio. €
Kosten des Produktentwicklungsprozesses. (davon 63 % Förderung durch das BMWi)
Projektziel Projektlaufzeit
Das Ziel des Projekts ist es, KI-Werkzeuge entlang 06/2021 – 05/2024
des Produktentwicklungsprozesses für die Anfor-
derungsermittlung, Gestaltung und Bewertung von Projektpartner
Innenraumkonzepten zu entwickeln. Diese KI- CanControls GmbH
Maßnahmen sollen zukünftig bei der Entschei- Deutsches Forschungszentrum für Künstli-
dungsfindung im Sinne einer „next best action“ un- che Intelligenz GmbH
terstützen und damit sowohl die Effizienz als auch Human Solutions GmbH
die Qualität bei der Interieurentwicklung steigern. Rheinisch-Westfälische Technische Hoch-
schule Aachen
Durchführung Saint-Gobain Performance Plastics Pam-
Im Rahmen des Projekts werden KI-basierte Me- pus GmbH
SAINT-GOBAIN SEKURIT Deutschland
thoden für drei Kerninnovationen erforscht und ent-
wickelt. Ein erweitertes dynamisches Menschmo- GmbH & Co. KG
dell wird als erste Säule entwickelt um die hetero- soft trim seating sts GmbH
genen Anforderungen an SAE-Level 4 Fahrzeugin-
nenräume erfassen und abbilden zu können. Als Ansprechpartner
zweite Kerninnovation wird ein KI-Werkzeug entwi- TÜV Rheinland Consulting GmbH
ckelt, mithilfe dessen eine automatisierte zielge- Philipp Wolf
richtete Gestaltung und Konstruktion des Interieurs Tel.: +49 221 806 – 1508
vorgenommen werden kann. Diese Fahrzeugin- E-Mail: philipp.wolf@de.tuv.com
nenraumkonzepte werden anschließend anhand
der dritten Kerninnovation, einer KI-basierten virtu-
ellen technischen und menschbezogenen Vorbe-
wertung, analysiert. Die Verknüpfung der drei Teil-
module ermöglicht abschließend einen gesamthaf-
ten iterativen Optimierungsansatz, dessen Verlauf
kontinuierlich bis zum finalen Konzept in einem
Evolution-Mock-Up demonstriert wird. Für die Ent-
wicklung und Validierung der Teilmodule sowie des
Gesamtsystems werden projektbegleitend zahlrei-
che Nutzer- und Expertenstudien durchgeführt.
20
KARLI - Künstliche Intelligenz für Adaptive,
Responsive ünd Levelkonforme Interaktion im
Fahrzeüg der Zükünft
Problemstellung
Das Verbundprojekt KARLI setzt sich mit der
wachsenden Automatisierung von Fahraufga-
ben und den damit einhergehenden Herausfor-
derungen in Bezug auf das Zusammenspiel zwi-
schen Fahrer und Fahrzeug auseinander. Je
nach Automatisierungslevel sowie der konkreten
Fahrsituation ergeben sich spezifische Anforde-
rungen an den Zustand, das Verhalten und die
Handlungsfähigkeit des Fahrers sowie der wei-
teren Insassen. Nur durch eine Erfassung des
Fahrerzustands sowie der Fahrsituation lässt Projektlogo: KARLI
sich ein situationsabhängiger Ist-Soll-Abgleich
durchführen und somit ein gezielter Dialog zwi-
schen dem Menschen und dem Fahrzeug er- Verbundkoordinator
möglichen. Diese adaptive Interaktion leistet ei- Continental Automotive GmbH
nen wichtigen Beitrag zur Steigerung sowohl der
Sicherheit und Effizienz des automatisierten Projektvolumen
Fahrens als auch des Fahrerlebnisses und der 15,83 Mio. €
Nutzerakzeptanz. (davon 62 % Förderanteil durch BMWi)
Projektziel
Projektlaufzeit
Das Ziel des Projekts ist die Entwicklung KI-ge- 07/2021 – 06/2024
stützter Systeme für die situationsadaptive Inter-
aktion zwischen Fahrer und Fahrzeug auf Projektpartner
Grundlage multimodaler Daten. Dabei liegt der Allround Team GmbH
Fokus auf der Entwicklung echtzeitfähiger Algo- Audi AG
rithmen zur Fahrerzustands- sowie Fahr- Ford-Werke GmbH
zeugumfelderkennung im Szenario unterschied- Fraunhofer-Gesellschaft
Hochschule der Medien Stuttgart
licher Automatisierungslevel (SAE-Level 0-4).
INVENSITY GmbH
Diese Informationen werden genutzt um einen
paragon semvox GmbH
Ist-Soll-Vergleich hinsichtlich des levelkonfor-
studiokurbos GmbH
men Verhaltens durchführen und situations-
TWT GmbH Science & Innovation
adaptive Mensch-Maschine-Interaktionen ge-
Universität Stuttgart
stalten und anwenden zu können.
Projektwebsite
Die Herausforderung des Projekts besteht ins-
www.karli-projekt.de
besondere in der Vielzahl an möglichen Szena-
rien und der damit einhergehenden Nutzung ei-
ner wenig strukturierten, großen und multisenso-
rischen Datenmenge (Big Data). Ebendiese Big
21
Data sollen mithilfe von KI-Verfahren für den re- Ansprechpartner
alen Einsatz nutzbar gemacht werden. Dafür TÜV Rheinland Consulting GmbH
wird im Projekt das Vorgehen „Small2BigData“ Philipp Wolf
genutzt. Zu Beginn werden dafür zunächst Tel.: +49 221 806 - 1508
kleine, manuell gelabelte Datensätze verwendet E-Mail: philipp.wolf@de.tuv.com
und während der Projektlaufzeit stetig um weni-
ger gelabelte oder ungelabelte Daten aus realen
Situationen ergänzt. Als Testumgebung fokus-
siert sich das Projekt KARLI auf das Szenario
von Landstraßenfahrten. Insbesondere sicher-
heitskritische Situationen wie z.B. Vorbeugen,
Fehlgebrauch, Missbrauch und Motion Sickness
sollen mithilfe einer Modellierung des Modus-
und Situationsbewusstseins kontinuierlich zwi-
schen, vor und nach Transitionen erfasst wer-
den. Mittels lernenden und adaptiven Interakti-
onsstrategien sollen die beschriebenen Situatio-
nen anschließend entschärft bzw. diesen entge-
gengewirkt werden.
Durchführung
Zu Projektbeginn werden als Grundlage geeig-
nete Theorien für die Fahrer-Fahrzeug-Modelle
gebildet sowie passende Szenarien und Use
Cases für den Landstraßenverkehr identifiziert
und ausgewählt. Anhand dieser Use Cases wer-
den im Projekt kontinuierlich Realdaten mithilfe
von vier Versuchsfahrzeugen aufgezeichnet.
Diese Daten dienen als Grundlage für die Ent-
wicklung von echtzeitfähigen und straßentaugli-
chen KI-Algorithmen, die wiederum für die Um-
setzung der drei geplanten Applikationen benö-
tigt werden. Die drei Applikationen umfassen da-
bei thematisch:
1. Levelkonformes Verhalten
2. KI-Interaktionen für adaptive Systeme
3. Motion Sickness
Alle drei Applikationen werden im Rahmen des
Projekts in die Versuchsfahrzeuge integriert so-
wie kontinuierlich auf Basis von Nutzerstudien
evaluiert und optimiert. Für die Integration wer-
den im Projekt entsprechende System- und Soft-
ware-Architekturen sowie eine Cloudumgebung
entwickelt. Mithilfe der vier Versuchsfahrzeuge
werden neben den Teilkomponenten insbeson-
dere die drei Zielapplikationen abschließend de-
monstriert sowie hinsichtlich der Leistungsfähig-
keit der KI-Algorithmen und des Nutzererlebnis-
ses evaluiert.
22
KI Absicherung – Methoden und Maßnahmen
zur Absicherung KI-basierter Wahrnehmungs-
funktionen fur das automatisierte Fahren
Problemstellung
Die Einführung von automatisierten Fahrfunktio-
nen bis hin zu vollautonomen Fahrzeugen in den
Straßenverkehr bedingt den Einsatz innovativer
Technologien. Verfahren der künstlichen Intelli-
genz (KI) sind hierbei ein wesentlicher Schlüs-
sel.
Die Absicherung von KI-Wahrnehmungsfunktio-
nen, insbesondere bei der Automatisierung von
sicherheitsrelevanten Fahrfunktionen, ist eine
zentrale Herausforderung für deren zukünftigen Projektlogo: KI Absicherung
Einsatz. Problematisch ist, dass aktuelle KI-Ver-
fahren wenig transparent sind und daher nur
sehr eingeschränkt nachvollzogen werden kann, Verbundkoordinator
warum ein KI-Verfahren eine bestimmte Ent- Volkswagen AG
scheidung getroffen bzw. eine bestimmte Aus-
gabe generiert hat. Um die Belastbarkeit einer Projektvolumen
KI-Funktion nachzuweisen, ist es aktuell not- 37,68 Mio. €
wendig, eine unwirtschaftlich hohe Zahl an Test-
(davon 50 % Förderanteil durch BMWi)
kilometern zu absolvieren.
Projektlaufzeit
Projektziel
07/2019 – 06/2022
Ziel des Projektes KI Absicherung ist die Ent-
wicklung und Untersuchung von Methoden und Projektpartner
Maßnahmen für die Absicherung KI-basierter Automotive Safety Technologies GmbH
Fahrfunktionen für den Use Case Fußgängerer- Audi AG
kennung. Die gewonnenen Erkenntnisse sollen Bergische Universität Wuppertal
es ermöglichen, die Technologie besser be- BMW AG
stimmbar und abschätzbar werden zu lassen. Continental Automotive GmbH
Zudem soll damit eine stringente Argumentati- Deutsches Forschungszentrum für Künstli-
onskette geschaffen werden, die aus Experten- che Intelligenz
sicht eine Absicherbarkeit von KI-Funktionen be- Deutsches Zentrum für Luft- und Raumfahrt
gründet. Letztlich soll durch Kommunikation mit Elektronische Fahrwerksysteme GmbH
normativen Gremien und Zertifizierungstellen Fraunhofer-Gesellschaft
ein Industriekonsens bezüglich einer KI-Test- Forschungszentrum Informatik am Karlsru-
strategie unterstützt werden. her Institut für Technologie
Hella Aglaia Mobile Vision GmbH
Das Projekt leistet zudem einen Beitrag zur KI- Intel Deutschland GmbH
Strategie der Bundesregierung. MackeVision Medien Design GmbH
Merantix Labs GmbH
23
Durchführung Luxoft GmbH
Opel Automobile GmbH
Aufbauend auf der Generierung einer techni-
umlaut systems GmbH
schen Plattform als Basis für die KI-Algorithmen-
QualtityMinds GmbH
entwicklung und der Ermittlung von Anforderun-
Robert Bosch GmbH
gen wird zunächst mit der Entwicklung eines
Technische Universität München
neuronalen Netzes zur multimodalen Sensorfu- Universität Heidelberg
sion für den Use Case Fußgängererkennung be-
Valeo Schalter und Sensoren GmbH
gonnen. Um diese KI-Wahrnehmungsfunktion
Visteon Electronics Germany GmbH
zu trainieren, zu testen und zu validieren wird im
ZF Friedrichshafen AG
nächsten Schritt mit der Erzeugung von soge-
nannten synthetischen Daten fortgefahren.
Durch die Erzeugung einer Werkzeugkette las- Projektwebsite
www.ki-absicherung-projekt.de/
sen sich für jeden Anwendungsfall Daten produ-
zieren, um alle relevanten Fahrsituationen und
deren Varianten abbilden zu können. Eine der Ansprechpartner
Kernaufgaben im Projekt wird die Identifizierung TÜV Rheinland Consulting GmbH
und Weiterentwicklung von Methoden zur Über- Meike Rietdorf
wachung von Training, Test und Validation für Tel.: +49 221 806 5432
den konkreten Anwendungsfall sein. Diese wer- E-Mail: meike.rietdorf@de.tuv.com
den hinsichtlich ihrer Aussagekraft bewertet und
ihrer Bedeutung für die Absicherbarkeit unter-
sucht. Aufbauend darauf erfolgt die Identifizie-
rung und Wirksamkeitsprüfung von Maßnahmen
zur Verbesserung der beobachtbaren Eigen-
schaften. Abschließend wird der Nachweis der
Wirksamkeit der Methoden und Maßnahmen er-
bracht und eine Argumentation für ein methodi-
sches Vorgehen zur Absicherung von KI-Funkti-
onen aufgezeigt. Die entwickelten Testmetho-
den lassen sich schließlich zu einem Testplan
generalisieren.
24Sie können auch lesen
