In einem neuen Testlabor sollen Analysemethoden der künstlichen Intelligenz für Prüfverfahren in der Automobilentwicklung erforscht und entwickelt werden. Für das Projekt haben sich das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und das Engineering-Unternehmen IAV zusammengetan.
In dem nun eröffneten Forschungslabor Lernen aus Prüfdaten (FLaP) in Kaiserslautern wollen sie erforschen, ob sich mithilfe von Deep-Learning-Techniken und Zeitreihenanalysen die Einstellung von Motorparametern bei Automobilen optimieren lässt.
Eine moderne Motorsteuerung (Engine Control Unit) überwacht mehr als 50.000 Parameter, die sich auf Leistung, Verbrauch, Verschleiß und die Performance des Motors auswirken. DFKI und IAV hoffen, dass sich diese Einstellungen über den Einsatz von neuronalen Netzen im Steuergerät so automatisieren lassen, dass die bestmögliche Leistung erzielt wird. Die KI soll bei den Testreihen ständig dazulernen. Gleichzeitig sollen die Motordaten visualisiert werden, was wiederum die Entwicklung von Tools ermöglichen soll, mit denen die Automobilhersteller ihre eigenen Motorkonstruktionen steuern können. Über eine Zeitreihenanalyse wollen die Forscher zudem ein Predictive Health Monitoring entwickeln, das die Voraussage von Verschleiß und Wartungsfällen verbessert.
