Sensoren sind die Augen und Ohren autonom fahrender Fahrzeuge. Was passiert also, wenn Sensoren uns im Stich lassen? Der Komplettausfall eines Sensors kann in der Regel gut erkannt werden. Deutlich schwerer ist es zu bemerken, wenn ein Sensor zwar Daten sendet, diese aber fehlerhaft sind, etwa aufgrund von Verschmutzung, Fehlpositionierung oder Fehlern in der Fahrzeugsoftware. Invalide Sensordaten verzerren die Wahrnehmung der AI-Modelle, auf denen autonomes Fahren basiert. Die Modelle werden kurzsichtig oder schwerhörig, und ihre Entscheidungen werden ungenauer. Daraus resultierende Fehleinschätzungen können gefährliche Fahrmanöver oder sogar Unfälle hervorrufen.
Wird ein Mensch schwerhörig oder kurzsichtig, erkennt er dies selbst oft nicht gleich. Häufig braucht er einen Beifahrer, um ihn auf den Umstand hinzuweisen, dass er im Vergleich viel später abbremst als andere Verkehrsteilnehmer, sich nicht im Verkehrsfluss bewegt oder erst sehr spät auf ein Martinshorn reagiert. Genau wie ein Mensch ist eine AI oft nicht selbst in der Lage zu beurteilen, ob sich ihre Fahrweise mittlerweile signifikant von der Norm unterscheidet. Auch sie braucht einen Beifahrer, der sie darauf hinweist!
Für eine AI kann ein „Predictive AI Maintenance (PAM) System“ die Rolle des Beifahrers übernehmen. Ein PAM-System untersucht und vergleicht kontinuierlich die Fahreigenschaften und Fahrweisen großer Fahrzeugflotten. Dadurch identifiziert es durch mögliche Sensorschwächen gealterte AI und bestellt diese frühzeitig zu einem Wartungstermin ein, bevor ein Unfall geschehen kann. Die Nordsys GmbH baut für ihre Kunden PAM-Systeme auf und entwickelt diese im Rahmen von Forschungsprojekten für die Anwendungsfälle der Zukunft weiter.
Quelle: Nordsys GmbH
PAM-Systeme werten ihre Daten „online“ in Near Real-Time mittels Stream Processing aus. Denn wenn es um die Verkehrssicherheit eines autonomen Fahrzeugs geht, ist jede Sekunde kostbar und „Offline“-Systeme, die Daten zunächst speichern und erst später auswerten, sind dafür nicht schnell genug. Dazu haben PAM-Systeme eine ganze Reihe von Eigenschaften, die viele „Offline“-Systeme nicht mitbringen:
Sie werten große Datenmengen zeitnah aus und gehen mit Sendelücken und potenziell unvollständigen Daten um. Sie sind skalierbar, um mit Schwankungen in der Flottengröße, etwa zu Ferienbeginn, umgehen zu können und bieten eine hohe Zuverlässigkeit, um die kontinuierliche Bewertung der Verkehrstüchtigkeit autonomer AI-Systeme zu gewährlisten. Weiterhin bewältigen sie Herausforderungen, die auf Abweichungen von Systemuhren, asynchrone Kommunikation und Sendelücken in ländlichen Gebieten zurückgehen.
Die Nordsys GmbH vereint Expertenwissen aus den Bereichen Verteilte Systeme, Big Data, Stream Processing und Machine Learning, um erfolgreich PAM-Systeme für Kundenprojekte aufzubauen und auf ihnen Algorithmen für Information Processing und Knowledge Acquisition zu entwickeln. Die Zukunft auf unseren Straßen wird Fahrzeugen gehören, die durch komplexere Sensoren und Systeme immer selbstständiger fahren werden.
Die Absicherung dieser Fahrzeuge ist eine Herausforderung, die überwunden werden muss, bevor diese Zukunft eintritt. Damit Fahrzeuge morgen autonom fahren können, müssen wir uns heute bereits Gedanken darüber machen, wie wir den Verkehr der Zukunft gestalten und auch kontrollieren wollen.
Philipp Wille, NORDSYS GmbH
