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

News

6 Grundsätze für eine KI-taugliche Datenbasis

Wer Künstliche Intelligenz nutzen will, muss über eine vertrauenswürdige Datengrundlage verfügen. Daten sind das Lebenselixier von KI-Systemen und bestimmen maßgeblich die Qualität und Zuverlässigkeit der Ergebnisse. Nur so können KI-Modelle robust, anpassungsfähig und vertrauenswürdig arbeiten. […]

News

Cybersicherheitsbudgets werden falsch priorisiert

Der ICS/OT Cybersecurity Budget Report 2025 von OPSWAT deckt erhebliche Lücken in den Cybersicherheitsbudgets sowie einen Anstieg von ICS/OT-fokussierten Angriffen auf. Ferner wird deutlich, wie durch eine unzureichende Finanzierung, falsch gesetzte Prioritäten und uneinheitliche Abwehrmaßnahmen kritische Infrastrukturen immer raffinierteren Bedrohungen ausgesetzt sind. […]

News

Nach dem Hype: Diese vier KI-Trends werden 2025 weiterhin prägen

Die vergangenen zwei Jahre haben einen regelrechten KI-Boom erlebt. Insbesondere generative Modelle (GenAI) haben sich rasant weiterentwickelt und etablieren sich zunehmend als feste Größe in den Arbeitsprozessen von Organisationen weltweit. Angesichts dieser Dynamik fragen sich nun viele Unternehmen, welche Entwicklungen das Jahr 2025 bestimmen werden und welche Potenziale sich daraus ergeben. […]

News

Generative KI als Sicherheitsrisiko

Eine neue Studie von Netskope zeigt einen 30-fachen Anstieg der Daten, die von Unternehmensanwendern im letzten Jahr an GenAI-Apps (generative KI) gesendet wurden. Dazu gehören sensible Daten wie Quellcode, regulierte Daten, Passwörter und Schlüssel sowie geistiges Eigentum. Dies erhöht das Risiko von kostspieligen Sicherheitsverletzungen, Compliance-Verstößen und Diebstahl geistigen Eigentums erheblich. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*