Künstliche Intelligenz 31.10.2024, 14:00 Uhr

KI optimiert die Fahrzeugentwicklung: Bessere Crashtests für die Automobilindustrie

Ein neues Projekt nutzt innovative Methoden des maschinellen Lernens, um die Automobilindustrie zu unterstützen. SAFECAR-ML hat das Ziel, die Fahrzeugentwicklung schneller und kostengünstiger zu gestalten.

Crashtest

Anpassungen der Blechdicke und Geometrie der Rahmenlängsträger (rot: Originalversion, grün: softwareoptimierte Version) im Produktentwicklungszyklus ermöglichen eine bessere Absorption der Aufprallenergie und erhöhen die Sicherheit.

Foto: Fraunhofer SCAI

Neue Methoden des maschinellen Lernens ermöglichen ein besseres Verständnis und eine effizientere Verarbeitung von Daten aus der Crashtest-Entwicklung. Im Projekt SAFECAR-ML wird eine automatisierte KI-gestützte Lösung entwickelt, die die Dokumentation virtueller Crashtests erleichtert. Ziel ist es, den Entwurfsprozess zu vereinfachen und effizienter zu gestalten.

Aufprallversuche sind wichtige Tests, die in der Automobilindustrie durchgeführt werden, um die Sicherheit von Fahrzeugen zu überprüfen. Bei diesen Versuchen wird ein Fahrzeug unter kontrollierten Bedingungen gegen ein Hindernis oder ein anderes Fahrzeug geschoben, um die Auswirkungen eines Unfalls zu simulieren. Dabei werden verschiedene Parameter wie die Kollisiongeschwindigkeit, die Deformation des Fahrzeugs und die Auswirkungen auf die Insassen gemessen. Diese Tests helfen dabei, Sicherheitsmerkmale wie Airbags, Gurte und die Gesamtstruktur des Fahrzeugs zu optimieren. Die gesammelten Daten werden genutzt, um die Fahrzeuge so zu gestalten, dass sie im Falle eines Unfalls den bestmöglichen Schutz bieten und die Sicherheit für Fahrer und Passagiere erhöhen.

Crashtests am Computer

Doch jetzt ist alles viel einfacher. Zersplitterndes Glas, zerfetzte Bleche und herumfliegende Teile sind bei Crashtests in der Automobilindustrie heutzutage selten. Die meisten Aufprallversuche finden am Computer statt. Es ist wichtig, Änderungen an den Konstruktionen der virtuellen Crashfahrzeugmodelle genau zu dokumentieren, aber dieser Prozess ist oft aufwändig und teuer.

Das Ziel des Projekts SAFECAR-ML ist es, diese Arbeit zu erleichtern. Durch die Kombination neuer Methoden der künstlichen Intelligenz (KI) mit technischem Wissen aus der Fahrzeugentwicklung wollen die Projektpartner aus Forschung und Automobilindustrie die Dokumentation virtueller Crashtests vereinheitlichen.

Stellenangebote im Bereich Softwareentwicklung

Softwareentwicklung Jobs
RHEINMETALL AG-Firmenlogo
Verstärkung für unsere technischen Projekte im Bereich Engineering und IT (m/w/d) RHEINMETALL AG
deutschlandweit Zum Job 
Safran Data Systems GmbH-Firmenlogo
Testingenieur / Certified Tester (m/w/d) Safran Data Systems GmbH
Bergisch Gladbach Zum Job 
DAkkS Deutsche Akkreditierungsstelle GmbH-Firmenlogo
Ingenieur/in der Elektrotechnik, Nachrichtentechnik, Hochfrequenztechnik oder Medizintechnik (w/m/d) DAkkS Deutsche Akkreditierungsstelle GmbH
Berlin, Frankfurt am Main Zum Job 
CoorsTek GmbH-Firmenlogo
Prozessingenieur / Ingenieur (m/w/d) Produktion CoorsTek GmbH
Mönchengladbach Zum Job 
Groeneveld-BEKA GmbH-Firmenlogo
Electronic Engineer / Elektroniker (m/w/d) Groeneveld-BEKA GmbH
Pegnitz Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Staatlich geprüfter Techniker (w/m/d) Informationstechnik & Verkehrsüberwachung Die Autobahn GmbH des Bundes
Hohen Neuendorf Zum Job 
Berliner Stadtreinigungsbetriebe (BSR)-Firmenlogo
Betriebsingenieurin / Betriebsingenieur (w/m/d) Müllheizkraftwerk Berliner Stadtreinigungsbetriebe (BSR)
Die Autobahn GmbH des Bundes-Firmenlogo
Projektingenieur (w/m/d) mit Schwerpunkt Tunnelbetrieb Die Autobahn GmbH des Bundes
Stadtwerke Lübeck Gruppe-Firmenlogo
Ingenieur:in mobile Messtechnik und KKS Stadtwerke Lübeck Gruppe
Lübeck Zum Job 
RheinEnergie AG-Firmenlogo
Planungsingenieur / Projektleiter Elektrotechnik (m/w/d) RheinEnergie AG
Festo SE & Co. KG-Firmenlogo
Product Owner for Systems Simulation Engineering (m/w/d) Festo SE & Co. KG
Esslingen Zum Job 
Schleifring GmbH-Firmenlogo
Testingenieur für die Produktqualifikation (m/w/d) Schleifring GmbH
Fürstenfeldbruck Zum Job 
Die Autobahn GmbH des Bundes-Firmenlogo
Ingenieur (w/m/d) C-ITS Entwicklung Die Autobahn GmbH des Bundes
Frankfurt am Main Zum Job 
DB AG-Firmenlogo
Ingenieur:in Elektrotechnik DB AG
verschiedene Standorte Zum Job 
Deutsche Rentenversicherung Bund-Firmenlogo
Projektingenieur*in / Teilprojektverantwortliche*r Elektrotechnik (m/w/div) Deutsche Rentenversicherung Bund
Kölner Verkehrs-Betriebe AG-Firmenlogo
Koordinator*in im Arbeits-, Brand- und Umweltschutz Kölner Verkehrs-Betriebe AG
über ifp | Executive Search. Management Diagnostik.-Firmenlogo
Produktionsleiter:in über ifp | Executive Search. Management Diagnostik.
Valmet GmbH-Firmenlogo
Project Engineer for Process Gas Chromatographs (m/f/d) Valmet GmbH
Karlsruhe Zum Job 
Truma Gerätetechnik GmbH & Co. KG-Firmenlogo
Elektroniker (m/w/d) im Bereich Fahrzeugelektronik Truma Gerätetechnik GmbH & Co. KG
Putzbrunn Zum Job 
Netzgesellschaft Potsdam GmbH-Firmenlogo
Ingenieur Strategische Netzplanung (m/w/d) für Strom, Datennetze, Infokabel, 450 MHz Netzgesellschaft Potsdam GmbH
Potsdam Zum Job 

Mit Hilfe von Maschinellem Lernen (ML) können freisprachliche Aussagen von Ingenieurinnen und Ingenieuren semantisch verstanden werden. Die daraus gewonnenen unstrukturierten Daten müssen vereinheitlicht und zum Beispiel mit virtuellen Fahrzeugdaten verknüpft werden. Die im Projekt entwickelte Software kann dann automatisch weitere Schritte und Handlungsempfehlungen ableiten.

Verknüpfung multimodaler Ingenieursdaten mit ML

„Änderungen am virtuellen Fahrzeugmodell lassen sich in natürlicher Sprache erfassen und automatisiert verarbeiten – ähnlich wie dies bei großen Sprachmodellen wie GPT-4 bereits möglich ist. Neu ist die Verknüpfung multimodaler Ingenieursdaten mit ML. Dieser Ansatz hat großes Potenzial, Entwicklungsprozesse durch Computer-Aided Engineering zu optimieren“, wird Dr. Daniela Steffes-lai, Forscherin im SCAI-Geschäftsfeld „Numerische datenbasierte Vorhersage“ in einer Pressemitteilung zitiert. Das Projekt soll die Fahrzeugentwicklung schneller und günstiger machen.
Fraunhofer SCAI bringt seine umfangreiche Erfahrung im Bereich Maschinelles Lernen (ML) und in der Analyse von Simulationsergebnissen in das Projekt ein. In SAFECAR-ML wird eine formale Beschreibung des technischen Wissens für die Produktentwicklung erstellt. Die Zusammenarbeit mit der Automobilindustrie ermöglicht auch weitere Anwendungen im Computer-Aided Engineering.

Projektpartner von Fraunhofer SCAI ist die SCALE GmbH in Ingolstadt. Zu den assoziierten Partnern gehören die Automobilhersteller AUDI, Volkswagen und Porsche.

Das Bundesministerium für Bildung und Forschung (BMBF) unterstützt das Projekt von September 2024 bis Februar 2027 im Rahmen der Maßnahme „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in kleinen und mittleren Unternehmen (KI4KMU)“. Die Gesamtsumme der Förderung beträgt 670.000 Euro.

Ein Beitrag von:

  • Alexandra Ilina

    Redakteurin beim VDI-Verlag. Nach einem Journalistik-Studium an der TU-Dortmund und Volontariat ist sie seit mehreren Jahren als Social Media Managerin, Redakteurin und Buchautorin unterwegs.  Sie schreibt über Karriere und Technik.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.