Deep Learning analysiert Low-Speed-Crash

Gemeinsam mit der IoT Venture GmbH startet Tecosim das Forschungsprojekt Low-Speed-Crash-Detector. [...]

Ein IoT-Modul kann Low-Speed-Crash-Ereignisse am Fahrzeug erfassen und sofort senden. (c) TECOSIM
Ein IoT-Modul kann Low-Speed-Crash-Ereignisse am Fahrzeug erfassen und sofort senden. (c) TECOSIM

Intelligente Sensoren (IoT-Devices) können Zustände automatisch überwachen und Aktionen auslösen. Im konkreten Fall kann ein IoT-Modul Low-Speed-Crash-Ereignisse am Fahrzeug erfassen, analysieren und unmittelbar an den Verleiher oder Besitzer senden. Eine zeitintensive Nachkontrolle entfällt. Tecosim und IoT Venture nutzen für das Projekt die neuartige Narrowband Internet-of-Things-Technologie. Diese sehr effiziente Übertragungsmöglichkeit wird in Deutschland seit diesem Jahr sukzessive ausgerollt.

Low-Speed-Crash-Detector: Algorithmus erkennt Crashs

Mit dem Forschungsprojekt verfolgt Tecosim das Ziel eine solche Lösung anzubieten. Die Funktionsweise wird durch die neue IoT-Technologie möglich: Ein Beschleunigungssensor misst am Fahrzeug auftretende Erschütterungen und identifiziert daraus mögliche Aufprallereignisse. Die Software analysiert die Beschleunigungssignale und stellt fest, ob ein Low-Speed-Crash vorliegt oder ein anderes Ereignis das Signal ausgelöst hat. Das System unterscheidet also, ob ein kleiner Parkunfall oder ein großes Schlagloch die Ursache ist.

Tecosim-Crash-Simulationsdaten: Deep Learning für Algorithmen

Der Fokus des Tecosim-Forschungsprojekts liegt somit auf der Steigerung der Lernfähigkeit sowie der Programmierung der benötigten Software. Bei der Entwicklung der Algorithmen nutzt Tecosim sein jahrzehntelanges Know-how in der Crash-Simulation und greift auf die daraus gewonnenen Erkenntnisse zurück. Zusätzlich fließen die vorhandenen Simulationsdaten aus dem eigenentwickelten Reverse Engineering Prozess TEC|BENCH mit ein. Bei diesem Verfahren werden auf dem Markt verfügbare Fahrzeuge gescannt und die gewonnenen Geometriedaten in CAE-Modelle zur Crashsimulation aufbereitet. Bei der Verarbeitung und Zuordnung der Daten verwendet Tecosim „Deep Learning“. Die Methode nutzt künstliche Intelligenz und lernt durch neuronale Netzwerke Muster und Gesetzmäßigkeiten anhand von Beispieldaten auch in unbekannten Informationen zu erkennen.

Tecosim GmbH und IoT Venture GmbH: Synergien gezielt nutzen

Das gemeinsame Forschungsprojekt ist auf zwei Jahre angelegt und wird gefördert durch das Zentrale Innovationsprogramm Mittelstand (ZIM) des Bundesministerium für Wirtschaft und Energie. Mit dem Programm sollen die Innovationskraft und die Wettbewerbsfähigkeit von Unternehmen nachhaltig unterstützt werden. Das Forschungsteam des Projektes setzt sich aus Mitarbeitern von Tecosim und der IoT Venture zusammen. Beide Unternehmen nutzen ihre digitale Kompetenz um das Internet der Dinge im Alltag zu etablieren.


Mehr Artikel

Gregor Schmid, Projektcenterleiter bei Kumavision, über die Digitalisierung im Mittelstand und die Chancen durch Künstliche Intelligenz. (c) timeline/Rudi Handl
Interview

„Die Zukunft ist modular, flexibel und KI-gestützt“

Im Gespräch mit der ITWELT.at verdeutlicht Gregor Schmid, Projektcenterleiter bei Kumavision, wie sehr sich die Anforderungen an ERP-Systeme und die digitale Transformation in den letzten Jahren verändert haben und verweist dabei auf den Trend zu modularen Lösungen, die Bedeutung der Cloud und die Rolle von Künstlicher Intelligenz (KI) in der Unternehmenspraxis. […]

News

Richtlinien für sichere KI-Entwicklung

Die „Guidelines for Secure Development and Deployment of AI Systems“ von Kaspersky behandeln zentrale Aspekte der Entwicklung, Bereitstellung und des Betriebs von KI-Systemen, einschließlich Design, bewährter Sicherheitspraktiken und Integration, ohne sich auf die Entwicklung grundlegender Modelle zu fokussieren. […]

News

Datensilos blockieren Abwehrkräfte von generativer KI

Damit KI eine Rolle in der Cyberabwehr spielen kann, ist sie auf leicht zugängliche Echtzeitdaten angewiesen. Das heißt, die zunehmende Leistungsfähigkeit von GenAI kann nur dann wirksam werden, wenn die KI Zugriff auf einwandfreie, validierte, standardisierte und vor allem hochverfügbare Daten in allen Anwendungen und Systemen sowie für alle Nutzer hat. Dies setzt allerdings voraus, dass Unternehmen in der Lage sind, ihre Datensilos aufzulösen. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*