Die Fähigkeit, autonom zu navigieren, wird die Welt der innerbetrieblichen Logistik revolutionieren. Das- meinen zumindest die Marktanalysten von IDTechEx. „Die Inflexibilität der Navigation begrenzte das Marktvolumen bisheriger automatisierter Industriefahrzeuge“, so Dr. Khasha Ghaffarzadeh, Research Director bei IDTechEx. „Autonome mobile Roboter sind dagegen radikal anders, da sie es der Automation ultimativ ermöglichen, im weiten Umfang die Flexibilität und Vielseitigkeit von Menschen gesteuerter Fahrzeuge beizubehalten.“ Er geht davon aus, dass mobile Roboter in Materialfluss und Logistik bis zum Jahr 2027 ein 75-Milliarden-Dollar-Markt werden – der sich bis zum Jahr 2038 noch einmal mehr als verdoppeln wird.

Produktivität durch Transportroboter sofort gestiegen

Noch befindet man sich allerdings in der Anfangsphase, mobile Roboter sind noch relativ teuer. Doch gibt es auch heute schon erste Einsätze. So arbeitet in der spanischen Firma Hero España, Hersteller von Kindernahrung und Konfitüren, schon seit dem Jahr 2011 ein Auto Pallet Mover (APM) der Firma Jungheinrich. Dabei handelt es sich um einen regulären Vertikalkommissionierer beziehungsweise Gabelhubwagen, der durch ein Automationspaket, eine Transportsteuerungs-Software und ein Personenschutzsystem modifiziert worden ist. Das Fahrzeug transportiert bereitgestellte Paletten vom Automatiklager zu den Kommissionierplätzen und von dort zum Versandbereich. Während der Fahrt tastet ein rotierender Laser die Umgebung ab und ermittelt mithilfe von Reflektoren, die längs der Fahrwege angebracht sind, die genaue Position des Auto Pallet Mover. Das Lagerlayout und die Fahrwege lassen sich binnen weniger Minuten ändern, ohne die Reflektoren versetzen zu müssen. Sensoren an den Gabeln ermöglichen auch die Aufnahme beziehungsweise das Absetzen der Paletten bis in einer Höhe von zwei Metern im autonomen Modus. Juan Francisco García Gambín, Lagerleiter bei Hero España: „Mit dem Einsatz des Auto Pallet Movers ist unsere Produktivität aufgrund der Autonomie, mit der das Flurförderzeug seine Aufgaben erfüllt, sofort spürbar gestiegen.“ Schon kurz nach der Inbetriebnahme haben sich Effizienzsteigerungen in den intralogistischen Prozessen sowie eine wesentlich niedrigere Fehlerquote im Warenein- und -ausgang und bei den Transporten ergeben.

Transportroboter als Meilenstein der Digitalisierung

Auch im BMW-Werk Wackersdorf sind bereits selbstfahrende Transportroboter im Einsatz. Zehn dieser Smart Transport Robots transportieren Bauteile in Lager und Produktion. Durch die Abstandsmessung zu Funksendern und ausgerüstet mit einer exakten digitalen Karte der Produktionshalle berechnet der Roboter seine genaue Position und den Fahrweg zu seinem Ziel. Die batteriebetriebenen Sender sind an den Hallenwänden montiert und können ohne großen Mehraufwand flexibel und kostengünstig auf weitere Logistikbereiche erweitert werden. Zusätzlich erkennt und reagiert das Fahrzeug mithilfe seiner Sensoren auf kritische Situationen und kann den Fahrweg gemeinsam mit Menschen und anderen Fahrzeugen nutzen. In einem nächsten Entwicklungsschritt sorgt ein 3D-Kamerasystem für eine noch präzisere Navigation. „Die Entwicklung des sogenannten Smart Transport Robots ist für die BMW Group ein wesentlicher Meilenstein für die Digitalisierung und Autonomisierung in der Produktionslogistik. Dieses Innovationsprojekt leistet einen wichtigen Beitrag für agile Lieferketten, die sich in der Logistik und Produktion schnell und flexibel an veränderte Rahmenbedingungen anpassen“, so Dr. Dirk Dreher, Leiter Auslandsversorgung bei der BMW Group.

Trotz Transportrobotern sind anspruchsvolle Aufgaben dem Menschen vorbehalten

Tobias Zierhut, Head of Product Management Warehouse Trucks bei Linde Material Handling, sieht auch Vorteile für die Lagerarbeiter selbst: „Simple Arbeitstätigkeiten, die sich ständig wiederholen, können künftig von automatisierten Fahrzeugen übernommen werden. Die Menschen können sich dann auf anspruchsvollere und komplexere Aufgaben konzentrieren.“ Seit 2015 arbeitet Linde Material Handling bei der Entwicklung und Produktion von automatisierten Fahrzeugen eng mit dem französischen Robotikanbieter -Balyo zusammen. Die Fahrzeuge sind nicht auf im Lager angebrachte Re-flektoren, Induktionskabel oder Magnete angewiesen. Bei der Installation wird das Einsatzgebiet zunächst kartografiert und die Information an das Fahrzeug überspielt, dann orientiert sich das Fahrzeug per unsichtbarer, lasergesteuerter Geo–navigation selbstständig.

Inventur mit der Drohne

Balyo und Linde haben auch eine Drohne entwickelt, die zur Inventur im Lager eingesetzt werden soll. Die zirka 50 Zentimeter große, mit sechs Rotoren, Kamera, Barcode-Scanner und- Telemeter ausgestattete Inventurdrohne „Flybox“ fliegt langsam jedes einzelne Regalfach ab, macht von jedem Palettenstellplatz ein Foto und erfasst die Barcodes der gelagerten Waren. „Das entscheidend Neue an der Erfindung ist, dass wir die Drohne zusammen mit einem autonomen Flurförderzeug nutzen“, so Tobias Zierhut. Denn die Drohne wird bei ihrem Inventureinsatz von einem automatisierten Hochhubwagen geführt. Beide Geräte sind über ein sich selbst justierendes Kabel miteinander verbunden. Durch die Kopplung löst Linde zwei Herausforderungen, die einem breiten Einsatz von Drohnen in Lagerhallen bisher im Wege standen: zum einen die Energieversorgung (Drohnenakkus reichen in der Regel nur rund 15 Minuten), zum anderen die Lokalisierung unter dem Hallendach ohne GPS-Empfang.

The post Logistik-Revolution: Transport­roboter appeared first on Future Markets Magazine.

Radare sind ein wesentlicher Bestandteil automatisierter Fahrsysteme“, erklärt Peter Austen, Global Portfolio Director im Bereich Fahrerassistenzsysteme der ZF-Division Aktive & Passive Sicherheitstechnik, kurz ZF TRW. „Im Zusammenspiel mit Kameras, intelligenter Steuerung und Aktuatorik ermöglichen sie teilautomatisierte Fahrfunktionen.“ Seit 1999 konstruiert und entwickelt ZF TRW in Brest Radarsysteme.

Anfangs noch Luxus

Bereits zu Beginn des 2. Weltkrieges wurde die Radartechnik in Flugzeugen und Schiffen eingesetzt. Im Auto fand es sich allerdings erst 1998, als Mercedes-Benz ein Abstandsradar in der S-Klasse einführte. Doch damals waren die Kosten für die Technologie noch sehr hoch, denn bis 2009 konnten die benötigten Halbleiter nur auf Basis des Materials Galliumarsenid (GaAs) gefertigt werden – ein Material, das teuer und schwer zu verarbeiten ist. Ein weiterer Nachteil ist der niedrige Integrationsgrad, also die Fähigkeit, immer mehr Funktionen auf einer gleichbleibenden Chipfläche zu bündeln. Erst mit der Fertigung der Sensoren in der Silizium-Germanium-Technologie (SiGe) – den für die Halbleiterfertigung am häufigsten verwendeten Materialien – wurden die Systeme bezahlbar. Denn jetzt konnten erprobte Standardverfahren für die Massenfertigung verwendet werden. Zudem ließ sich jetzt eine Vielzahl von Funktionen, für die vorher bis zu acht GaAs-Chips benötigt wurden, auf nur noch maximal zwei SiGe-Bauteilen zusammenfassen.

Über 100 Jahre alt

Der deutsche Ingenieur Christian Hülsmeyer entwickelte schon 1904 in Düsseldorf die erste praktische Anwendung der Reflexion von elektromagnetischen Wellen an Objekten: Das sogenannte Telemobiloskop. Wie moderne Radarsensoren sendete es eine gebündelte elektromagnetische Strahlung – Radiowellen – aus. Die Analyse der reflektierten Strahlung ermöglicht bei modernen Radarsystemen das Erkennen von Objekten mit ihrem jeweiligen Abstand und ihrer Geschwindigkeit.

Erfassung wird immer leistungsfähiger

Die Radartechnik in autonomen Fahrzeugen arbeitet im Millimeter-Band – heute entweder im 24/26-GHz- oder im 77/79-GHz-Bereich. Damit sind hohe Auflösungen bei Detektion, Positions- und Bewegungsbestimmung von Objekten bis in den Zentimeterbereich möglich. Im Vergleich zu anderen – zum Beispiel kamerabasierten – Techniken arbeitet das Radar auch bei schwierigen Sichtverhältnissen wie Schnee, Nebel, Starkregen und blendendem Gegenlicht zuverlässig. Dabei sind die kompletten Systeme nicht viel größer als eine Streichholzschachtel.

Grundsätzlich lässt sich zwischen zwei Arten von Radar unterscheiden: dem „Frequency Modulated Continuous Wave“ (FMCW) und dem Impulsradar. Im Gegensatz zu einem Impulsradar, das nur einen Puls aussendet, senden FMC-Radare kontinuierlich. Beim FMCW-Verfahren wird das Signal während des Sendens über die gesamte Bandbreite moduliert, so dass sich die Frequenz zeitlich verändert – das nennt man Chirp. Dieser Chirp wird zyklisch wiederholt. Damit können FMC-Radare neben der Differenzgeschwindigkeit zwischen Sender und Objekt auch gleichzeitig deren absolute Entfernung messen. Allerdings haben die Geräte – bisher – eine Schwäche: Nähern sich Objekte mit unterschiedlichen Geschwindigkeiten, kann es passieren, dass das Radar eines davon „übersieht“. Bisherige Geräte konnten daher nur Objekte bis zu einer relativen Geschwindigkeit von 50 km/h sicher detektieren. Eine Lösung besteht darin, die Modulationsgeschwindigkeit zu erhöhen. Mit dieser sogenannten Fast-Chirp-Modulation (FCM) steigt die Genauigkeit der Entfernungsmessung und es kann eine größere Bandbreite an Geschwindigkeiten der Zielobjekte abgedeckt werden. Doch mit steigender Außentemperatur verlangsamen sich bei Standard-CMOS-Signalgeneratoren die Pulse, so dass es zu Fehlern kommt. Fujitsu präsentierte dagegen Ende 2016 einen CMOS-basierenden Millimeter-Wellen-Signalgenerator, der auch bei Temperaturen von 150° Celsius die Modulationsgeschwindigkeit sicher und genau aufrechterhalten kann. Damit werden Erfassungsfehler reduziert und selbst Objekte, die sich dem Fahrzeug mit einer relativen Geschwindigkeit von 200 km/h nähern, werden sicher erkannt.

Navigieren mit Radar

Radargeräte werden in autonomen Fahrzeugen allerdings nicht nur eingesetzt, um Objekte zu erkennen und zu orten. Zumindest in Zukunft soll mithilfe des Radars auch navigiert werden. Dafür haben Bosch und der niederländische Karten- und Verkehrsinformationsanbieter TomTom jetzt erstmalig eine hochauflösende Karte mit einer Lokalisierungsschicht aus Radar-Reflexpunkten erstellt – allerdings nur für Straßenfahrzeuge. Bislang werden dafür Videodaten genutzt. Die Bosch „Radar Road Signature“ setzt sich aus Milliarden von einzelnen Reflexpunkten zusammen. Diese entstehen überall dort, wo Radarsignale zum Beispiel auf Leitplanken oder Verkehrsschilder treffen, und bilden so den Verlauf einer Straße nach. Damit können sich automatisiert fahrende Autos bis auf wenige Zentimeter genau in der Fahrspur lokalisieren. Der große Vorteil der Radarkarte ist ihre Robustheit: Die Lokalisierung mit der Radar-Straßensignatur funktioniert auch nachts sowie bei schlechter Sicht zuverlässig. Zudem werden pro Kilometer nur fünf Kilobyte Daten an eine Cloud übertragen. Bei einer Videokarte ist die Datenmenge mindestens doppelt so groß. Spätestens 2020 sollen in Europa und den USA erste Fahrzeuge Daten für die „Radar Road Signature“ liefern. „Autos, die in den kommenden Jahren mit den Assistenzfunktionen von morgen auf den Markt kommen, fahren die Karte für die automatisierten Fahrzeuge von übermorgen ein“, sagt Bosch-Geschäftsführer Dr. Dirk Hoheisel.

The post Radartechnik in autonomen Fahrzeugen appeared first on Future Markets Magazine.

Die Wurzeln für autonome Fahrzeuge reichen weiter zurück, als man gemeinhin meint: Bereits Anfang des 20. Jahrhunderts entwickelte Elmer Sperry ein erstes kreiselkompassgesteuertes Steuerungssystem, mit dem Schiffe automatisch auf Kurs gehalten werden konnten. 1928 wurde dann die erste automatisierte Flugzeugsteuerung auf der Internationalen Luftfahrtausstellung in Berlin gezeigt, entwickelt von Johann Maria Boykow. Doch echtes autonomes Fahren erfordert weitaus mehr, als das Fahrzeug nur auf einem bestimmten Kurs zu halten: Es muss ohne menschliche Steuerung oder detaillierte Programmierung ein vorgegebenes Ziel selbstständig erreichen. Es muss auf Hindernisse genauso reagieren können wie auf unvorhergesehene Ereignisse.

Die Umfelderfassung ist eine der wesentlichen Fähigkeiten autonomer Fahrzeuge.

Vom Assistenzsystem zum autonomen Fahren

Der Weg hin zu einem vollständig autonomen System ist gleitend. Zur Klassifizierung des Automatisierungsgrades hat ein sechsstufiges System weltweite Anerkennung gefunden – es wurde unter anderem vom Internationalen Verband für Automobilingenieure SAE definiert, wird heute aber auch für andere Fahrzeugsegmente herangezogen. Danach entspricht die Stufe 0 einem Fahrzeug ohne jegliches Assistenzsystem, hier ist alleine der Fahrer für alle Funktionen zuständig. Im Level 1 unterstützen erste Assistenzsysteme den Fahrer wie zum Beispiel ein Tempomat. Teilautomatisierte Fahrzeuge mit Einpark- und Spurhaltesystemen, die also bereits Lenkbewegungen automatisiert durchführen können, zählen zum Level 2. Im Level 3 steuert sich das Fahrzeug größtenteils allein, der Fahrer muss das System nicht mehr dauerhaft überwachen. Die vollautomatisierten Fahrzeuge des Levels 4 meistern auch Risikosituationen ohne menschliche Hilfe, sind jedoch auf bekannte Strecken begrenzt. Erst im Level 5 wird vollständig autonom gefahren, in jeder Umgebung und in jeder Situation.

In begrenzten Räumen, wie in der Landwirtschaft, der Intralogistik, bei Stadtbahnen oder im Bergbau, sind bereits seit längerem hoch- und vollautomatisierte Fahrzeuge der Level 3 und 4 im Einsatz. Im Straßenverkehr dagegen sind jetzt erst Autos des Levels 3 unterwegs. Erste serienreife Autos, die zumindest unter bestimmten Bedingungen im realen Straßenverkehr ohne Fahrer auskommen (Level 4), sollen ab dem Jahr 2020 angeboten werden.

Damit ein Fahrzeug autonom sein Ziel erreichen kann, benötigt es verschiedene Fähigkeiten: Als Erstes muss es die Umgebung, durch die es sich fortbewegt, wahrnehmen – ansonsten würde es bereits am ersten Hindernis scheitern. Um dies zu verhindern, sind autonome Fahrzeuge mit den unterschiedlichsten Sensoren ausgerüstet: Ultraschallsensoren werden beim automatisierten Fahren vor allem für die Umgebungserkennung im Nahbereich bis zu sechs Metern und bei niedrigen Geschwindigkeiten, zum Beispiel beim Parken, benötigt. Radarsensoren liefern auf größere Entfernung wichtige 360-Grad-Umfeldinformationen. Die Hauptaufgabe eines Radarsensors ist das Erkennen von Objekten sowie die Messung von deren Geschwindigkeit und Position im Vergleich zur Bewegung des eigenen Fahrzeugs. Relativ neu sind Lidar-Sensoren, die mit unsichtbarem Laserlicht die Umgebung „abtasten“ und eine hochaufgelöste 3D-Karte des Umfelds erzeugen können. Videosensoren, vor allem in Stereo-Video-Kameras, liefern zusätzlich wichtige optische Informationen wie die Farbe eines Objektes. Jedes dieser Sensorsysteme hat seine Stärken und Schwächen. Um ein möglichst exaktes und verlässliches Bild der Umgebung zu erhalten, werden daher in autonomen Fahrzeugen – je nach Einsatz – mehrere Sensoren zusammen eingesetzt und ihre Daten „fusioniert“, also zusammengeführt.

Hochauflösende Karten über die Cloud

Neben der Fähigkeit, das Umfeld zu „sehen“, muss ein autonomes Fahrzeug aber auch navigieren können. Über Satellitennavigationssysteme wie zum Beispiel GPS wissen die Fahrzeuge, wo sie sich aktuell befinden und können darauf basierend ihren Weg errechnen. Dabei greifen sie auf hochauflösende, hochaktuelle Karten zurück, die über die reine Topologie hinaus möglichst auch aktuelle Ereignisse wie Staus dynamisch mit einbauen. Diese Karten können lokal im Fahrzeug oder in der Cloud hinterlegt sein. Gerade im letzteren Fall ist ein leistungsstarkes Kommunikationssystem erforderlich, damit die Daten der Karte in Realzeit aktualisiert werden können. Die Basis dafür bildet zum Beispiel der Mobilfunkstandard 5G. Er ermöglicht ein „taktiles Internet“, das neben Übertragungsraten von mehr als zehn Gigabit pro Sekunde eine ultraschnelle Reaktion mit einer Verzögerung von weniger als einer Millisekunde garantiert. So vernetzt, kann für komplexe Berechnungen zur Situationsanalyse oder Wegfindung auf die nahezu unbegrenzten Ressourcen des Cloud-Computing zurückgegriffen werden.

Lernen als Basis für richtiges Reagieren

Denn die Auswertung der gewaltigen Datenmengen, die von den Sensorsystemen des Fahrzeugs generiert werden, sowie die Situationsinterpretation benötigen erhebliche Rechenkapazitäten. Technologien, die unter Künstlicher Intelligenz zusammengefasst werden, gewinnen zunehmend an Bedeutung. Insbesondere das maschinelle Lernen ist ein essenzieller Bestandteil eines autonomen Systems: Erst dadurch erhält das Fahrzeug die Möglichkeit, intelligent und unabhängig vom Menschen zu agieren. Durch das maschinelle Lernen können autonome Systeme neues Wissen aus gesammelten und bereitgestellten Daten generieren und ihre Wissensbasis beständig erweitern. Ohne dieses eigenständige Lernen wäre es nahezu unmöglich, sinnvolle Reaktionen auf alle prinzipiell denkbaren Situationen in einer Programmierung festzulegen.

The post Grundlagen autonomer Fahrzeuge appeared first on Future Markets Magazine.

Ein Flugzeug, das keinen Piloten an Bord hat, klingt in Zeiten von fahrerlosen Autos und immer intelligenteren Drohnen gar nicht mehr visionär. Tatsächlich hat schon vor rund zehn Jahren das Projekt IFATS (Innovative Future Air Transport System) gezeigt, dass Flugzeuge ohne Piloten technisch realisierbar sind – damals sprach man allerdings von einem Zeithorizont ab 2050. Das größte Hindernis sah man in der Akzeptanz der Passagiere.

Doch die dürfte mit jedem Pilotenstreik und jedem Absturz eines Flugzeugs steigen – denn bis zu 90 Prozent der Unfälle im Luftverkehr sind auf Pilotenfehler zurückzuführen. Und so arbeiten alle großen Flugzeughersteller – und viele kleine Start-ups – an unbemannten Flugzeugen.

Das elektronische Auge sieht alles

Ende 2016 begann der britische Hersteller BAE Systems mit Tests eines selbstfliegenden Flugzeugs. Dafür wurde eine serienmäßige Jetstream 31 zum fliegenden Prüfstand umgebaut. Die Maschine ist mit einer Antenne zum Erfassen von Transpondersignalen anderer Flugzeuge ausgestattet sowie mit einer am Cockpit montierten Kamera, die als elektronisches Auge dient. Die Kamera ist mit den Computersystemen der Jetstream verbunden und ermöglicht dem Flugzeug, potenzielle Gefahren zu „sehen“, selbst wenn keine Signale ausgestrahlt werden. Das elektronische Auge kann zudem verschiedene Wolkentypen erkennen und, wenn nötig, bei unangenehmen Wetterbedingungen einen Ausweichkurs festlegen. Start und Landung des Flugzeugs werden allerdings noch von Piloten an Bord durchgeführt, doch sobald die Jetstream in der Luft ist, fliegt sie selbstständig. Die Maschine legte bereits Strecken von fast 500 Kilometern in einer Flughöhe von rund 4,5 Kilometern zurück. „Unsere Priorität ist es, den sicheren und effektiven Betrieb von autonomen Systemen zu demonstrieren“, so Maureen Mccue, die bei BAE Systems die Forschung und Entwicklung im Bereich der Militärflugzeuge leitet. „Die Versuche werden uns Technologieoptionen zur Verfügung stellen, die in unseren bemannten und unbemannten Flugzeugen zum Einsatz kommen können. Zudem könnten sie möglicherweise dazu führen, dass wir neue Technologien für unbemannte Flugzeuge auf den Markt bringen.“

Ungleich schwerer als bei einem Starrflügler wie der Jet-stream ist die Steuerung eines Helikopters – immerhin sind kontinuierliche Korrekturen in allen drei Achsen erforderlich. Doch auch hier gibt es schon erste Flugversuche: So startet Airbus Helicopters im Juni 2017 autonome Flugversuche mit einer Vorab-Studie des VSR700 – der Prototyp des leichten „Optionally Piloted Vehicle“ (OVP) Hubschraubers soll in 2018 abheben. „Optionally piloted“ bedeutet, dass die Maschine sowohl autonom als auch mit einem Piloten fliegen kann. „Der OVP ist in der Lage autonom abzuheben, zu steigen sowie einen stabilisierten Flug wie auch Manöver durchzuführen“, so Regis Antomarchi, Leiter des VSR700 Programms bei Airbus Helicopters. Die Testflüge mit Sicherheitspilot dienen jetzt erst einmal dazu, die automatische Flugsteuerung an Bord des Hubschraubers zu verfeinern, was dann letztendlich in vollautonomen Flügen ohne Pilot enden soll.

90% Pilotenfehler

Der Großteil aller Unfälle im Luftverkehr geht auf menschliches Versagen zurück. Autonome Systeme sollen diese Zahl deutlich reduzieren.

Der neue Nahverkehr 

Doch Airbus will mit autonomen Luftfahrzeugen noch viel weitergehen. Der Konzern hat verschiedene Visionen rund um das Thema in den Versuchslabors und hat dabei den urbanen Verkehr der Zukunft im Fokus: A3, ein im Silicon Valley beheimatetes Tochterunternehmen, arbeitet zurzeit an einem Projekt namens Vahana. Das ist ein selbstfliegendes Luftfahrzeug für den individuellen Personen- und Gütertransport – im Prinzip ein Lufttaxi. „Die Fähigkeit, in einem autonomen Luftfahrzeug sicher und schnell durch die Stadt transportiert zu werden, ist nicht länger Science-Fiction“, so Rodin Lyasoff, CEO von A3. „Fortschritte in Antrieb, Batterieleistung, Luftverkehrs-Management, Autonomie und Vernetzung bedeuten, dass diese Art des Transports geeignet ist, in wenigen Jahren – nicht in Dekaden – Vorteile für Millionen von Menschen zu bringen.“ Nur bei verlässlichen Sense-and-avoid-Systemen, die Gefahren beziehungsweise Hindernisse erkennen und ein Ausweichen einleiten, sieht er noch Herausforderungen, da derzeit hierzu noch keine ausgereiften Lösungen für die Luftfahrt existieren. „Urban Air Mobility wird die Art, wie wir leben und arbeiten, klar zum Besseren verändern. Die Brücke von der Machbarkeit zur Realität zu schlagen wird aber eine enge Zusammenarbeit zwischen öffentlichen und privaten Sektoren erfordern, um passende Regularien zu definieren“, so Lyasoff. Eine andere Airbus-Vision für den städtischen Luftverkehr ist der City-Airbus: Von der Technik her gleicht dieses Luftfahrzeug einer kleinen Drohne und wird genauso von mehreren elektrisch angetriebenen Propellern getragen. Allerdings soll es gleich mehrere Personen transportieren können. Die Maschine soll zunächst von einem Piloten gesteuert werden, um schnell auf den Markt kommen zu können. Später aber soll sie autonom fliegen und per App von den Passagieren gerufen werden. Eine Machbarkeitsstudie wurde erfolgreich abgeschlossen.

(Bildnachweis: Airbus)

The post Autonome Flugzeuge: Neue Art zu fliegen appeared first on Future Markets Magazine.

Um ein Fahrzeug autonom fahren zu lassen, genügt es nicht, es nur mit vielen Sensoren zur Umfelderfassung auszurüsten. Es muss auch in der Lage sein, die immensen Datenmengen zu verarbeiten – und das in Echtzeit. Herkömmliche Computersysteme sind damit überfordert. Die Lösung sind Elektronik und Software, die es ermöglichen, die Funktionen des menschlichen Gehirns nachzuahmen. Artificial Intelligence, Cognitive Computing und Machine Learning bezeichnen verschiedene Aspekte derartiger moderner Computersysteme. „Im Kern geht es darum, die menschliche Wahrnehmung, seine Intelligenz und sein Denken mithilfe von Computern und spezieller Software nachzubilden, zu unterstützen und zu erweitern“, sagt Dr. Mathias Weber, Bereichsleiter IT-Services beim Branchenverband Bitkom.

Die Nachfrage wächst

Künstliche Intelligenz, im Englischen Artificial Intelligence (AI), wird schon heute serienmäßig eingesetzt – sie steckt zum Beispiel in digitalen Assistenten wie Siri, Cortana oder Echo. Die Grundannahme der AI lautet, dass menschliche Intelligenz das Ergebnis verschiedener Berechnungen ist. Dabei lässt sich die künstliche Intelligenz selbst auf verschiedene Weise erzeugen. Mittlerweile gibt es Systeme, deren Hauptaufgabe darin besteht, Muster zu erkennen und infolgedessen entsprechende Handlungen auszuführen. Außerdem gibt es die sogenannten wissensbasierten AI-Systeme. Diese versuchen, anhand des in einer Datenbank gespeicherten Wissens Probleme zu lösen. Andere Systeme setzen wiederum Methoden aus der Wahrscheinlichkeitsrechnung ein, um auf gegebene Muster angemessen zu reagieren. „Ein AI-System lernt kontinuierlich aus Erfahrung und aus seiner Fähigkeit, die Umgebung wahrzunehmen und zu erkennen“, so Luca De Ambroggi, Analyst bei IHS Technology. „Es lernt, wie der Mensch, aus realen Geräuschen, Bildern und anderen Sensor-Inputs. Das System erkennt das Umfeld des Fahrzeugs und schätzt die kontextabhängigen Auswirkungen für das fahrende Fahrzeug ab.“ IHS erwartet, dass alleine die Verkaufszahlen von AI-Systemen, die in Infotainment und Fahrassistenzsystemen verbaut werden, bis zum Jahr 2025 auf 122 Millionen Stück steigen (zum Vergleich: In 2015 lagen sie noch bei sieben Millionen).

Die Einführung von künstlicher Intelligenz hat auch direkte Auswirkungen auf die Prozessorentechnologie: Herkömmliche Rechenkerne, die CPUs, werden ersetzt durch neue Architekturen. So werden Grafikkarten-Kerne (GPU) seit einigen Jahren als Kerntechnologie für die Künstliche Intelligenz angesehen: Während CPU-Architekturen, Aufgaben seriell hintereinander berechnen, können GPU mit ihren vielen kleinen effizienten Computereinheiten Aufgaben parallel abwickeln und sind so bei großen Datenmengen wesentlich schneller. Die Steueralgorithmen der neuen Chips enthalten bereits Elemente neuronaler Netze, die in selbstlernenden Maschinen zum Einsatz kommen. So ein neurales Netzwerk besteht aus künstlichen Neuronen und orientiert sich hinsichtlich seines Aufbaus und seiner Funktionsweise am menschlichen Gehirn. Dadurch ist ein neurales Netzwerk in der Lage, besonders realistische Berechnungen zu erstellen. Wie der Mensch können kogni-tive- IT-Systeme (Cognitive Computing) In–formationen aus ihrem direkten Umfeld aufnehmen – statt mit Augen, Ohren und -andere Sinnen nutzen sie dafür Sensoren wie -Kameras, Mikrofone oder Messgeräte.

Reifen mit AI

Der Reifenhersteller Goodyear hat in 2016 das Konzept eines kugelförmigen Reifens mit künstlicher Intelligenz vorgestellt. Zusammen mit einer bionischen Außenhaut, die von einem Sensornetzwerk durchzogen ist, und einer veränderungsfähigen Lauffläche kann er die Informationen, die er sammelt, direkt in die Fahrpraxis umsetzen. Er verknüpft Informationen miteinander und verarbeitet sie mithilfe seines neuralen Netzes, das über selbstlernende Algorithmen verfügt, sofort weiter. So kann der Eagle 360 Urban in jeder Situation des Verkehrsalltags die richtige Entscheidung treffen. Aufgrund seiner künstlichen Intelligenz lernt er aus früheren Erfahrungen und kann sein Verhalten fortlaufend optimieren. Auf diese Weise fügt der Reifen bei Nässe Vertiefungen hinzu und strafft die Lauffläche wieder, wenn es trocken ist.

Lernfähige Steuergeräte

Mit den neuen Prozessorarchitekturen erhalten Fahrzeuge die Fähigkeit, die immensen Datenmengen zu -bewerten und die Bewertungen selbstständig zu verbessern und zu erweitern. Dieses maschinelle Lernen (im Englischen Machine Learning) gilt als Schlüsseltechnologie auf dem Weg zur künstlichen Intelligenz. Zum maschinellen Lernen gehört auch das sogenannte Deep Learning, das zur Interpretation von Signalen nicht auf mathematische Regeln, sondern auf Erfahrungswissen zurückgreift. Dabei verändern die Software-Systeme ihre Programmierung durch Experimentieren selbst – es „gewinnt“ jenes Verhalten, das am verlässlichsten zu einem gewünschten Ergebnis führt. Inzwischen bieten verschiedene Autozulieferer Steuergeräte an, die bereits mit Deep-Learning-Fähigkeiten ausgestattet sind.

Aktuelle elektronische Steuer-einheiten (Electronic Control Units – ECU) in Fahrzeugen bestehen in der Regel aus verschiedenen Rechnereinheiten, die jeweils ein System oder eine spezifische Funktion steuern. -Deren Rechenleistung wird für das autonome Fahren nicht mehr ausreichen. AI-basierte Steuereinheiten dagegen zentralisieren die Steuerungsfunktion: Alle Informationen der verschiedenen Datenquellen eines autonomen Fahrzeugs – auch von der Infrastruktur oder von anderen Verkehrsteilnehmer – laufen hier zusammen und werden mit einer leistungsstarken AI-Rechenplattform verarbeitet. So „versteht“ das Steuergerät das komplette 360-Grad-Umfeld um das Fahrzeug herum in Echtzeit. Es weiß, was um das Fahrzeug herum passiert und kann daraus Aktivitäten ableiten. Jensen Huang, CEO von Nvidia, ist mit seinem Unternehmen Partner verschiedener Automotive-Hersteller bei der Entwicklung derartiger Steuergeräte. Er ist sich sicher: „Künstliche Intelligenz ist ein unverzichtbares Werkzeug, um die unglaublich große Herausforderung des autonomen Fahrens lösen zu können.“

(Bildnachweis: istockphoto: BlackJack3D, Feverpitched)

The post Künstliche Intelligenz in autonomen Fahrzeugen appeared first on Future Markets Magazine.

Autonome Fahrzeuge sind nichts anderes als mobile Computer mit zahlreichen Kommunikationsschnittstellen – für den Austausch von Informationen mit der Infrastruktur oder anderen Fahrzeugen, für Updates der eigenen Betriebssoftware oder für den Zugriff auf Echtzeit-Navigationskarten. Doch mit einer steigenden Zahl von Schnittstellen im Fahrzeug wachsen auch die möglichen Einfallstore für Cyberangriffe. „Jeden Tag erscheinen hunderte von Artikeln über das autonome Fahren in den Medien, aber fast keiner erwähnt das offensichtliche Problem: Autohersteller haben noch keine verlässliche Verteidigung gegen Cyberbedrohungen. Punkt. Ein schwerwiegender Hack könnte sofort den Prozess Richtung automatisiertes Fahren zum Stoppen bringen“, so David Uze, CEO von Trillium. Das 2014 gegründete japanische Unternehmen will daher 2018 eine software-basierte mehrschichtige Sicherheitslösung auf den Markt bringen – zu einem Zehntel der Kosten bisheriger Lösungen. „Da die Verteidigung sich kontinuierlich weiterentwickeln muss, wird unsere Infrastruktur Security as a Service via einer Echtzeit–Update-Plattform liefern, die Autohersteller oder Versicherer zusätzlich an Autobesitzer verkaufen können.“

Es gibt keine Wunderwaffe

Ob eine rein software-basierte, nachträglich verkaufte Cybersecurity-Lösung allein allerdings ausreicht, um ein Fahrzeug vor den ausgefeilten Attacken der heutigen Hacker zu schützen, ist fraglich. „In Sachen Cybersicherheit gibt es keine Wunderwaffe, mit der man Autos gegen ausgefeilte dynamische Cyberangriffe schützen könnte“, betont Ofer Ben-Noon, Mitgründer und CEO des israelischen Fahrzeug-Cybersicherheits-Unternehmens Argus. „Unsere Kunden benötigen einen Schutz auf mehreren Ebenen, damit sie auf wirklich jedes denkbare Szenario vorbereitet sein können.“ Das Unternehmen bietet eine mehrschichtige Security-Lösung für vernetzte Fahrzeuge an: Das beginnt bei den Infotainment- und Telematik-Geräten, reicht über die interne Netzwerkkommunikation und umfasst auch ausgewählte elektronische Steuereinheiten (ECU). Mit der ECU-Security sind lebenswichtige Systeme wie Bremsen, Assistenzsysteme und andere maßgebliche Einheiten vor Angriffen geschützt.

Cybersecurity als Teil des Entwicklungsprozesses

Grundsätzlich sollte Cybersecurity von Beginn an in den Entwicklungsprozess eines autonomen Fahrzeugs integriert sein. Das betont auch eine von FASTR herausgegebene Grundsatzerklärung: Danach soll Cybersecurity bereits an der absoluten Basis der Fahrzeug-Architektur ansetzen und über die gesamte Lieferkette koordiniert werden. So würde ein vernetztes Fahrzeug „organisch sicher“. FASTR – die Kurzform für Future of Automotive Security Technology Research – ist ein neutrales Non-Profit-Konsortium, das im Jahr 2016 von den Firmen Aeris, Intel Security und Uber gegründet wurde.

Für einen derartigen Rundumschutz sollte nach der Bottom-up-Vorgehensweise vorgegangen werden: Das Security-Konzept beginnt mit einem besonders geschützten Sicherheitskern (root of trust), der zum Beispiel durch einen physikalisch gesicherten, kryptografischen Hardware-Baustein, wie einem Hardware-Security-Modul (HSM), realisiert wird. In ihm werden kryptografische Schlüssel und Algorithmen sicher gespeichert – sie sind damit vor Auslesen, Verändern oder Löschen geschützt. Mit diesen Schlüsseln wiederum lässt sich eine Manipulation an der Steuergeräte-Firmware erkennen und verhindern. Damit ist dann auch sichergestellt, dass die in der Firmware enthaltenen software-basierten Security-Funktionen zur On-Board-Kommunikation sicher verwendet werden können. Gleichzeitig sind so die On-Board-Netzwerke unterschiedlicher Sicherheitsstufen zuverlässig voneinander getrennt – damit wird verhindert, dass zum Beispiel über eine Entertainment-Schnittstelle auf die Motorsteuerung zugegriffen werden kann. Das damit realisierte sichere Bordnetz wiederum erlaubt dann auch die sichere Kommunikation mit anderen Fahrzeugen oder der Infrastruktur.

Mit mehrschichtigen Sicherheitskonzepten werden autonome Fahrzeuge vor den vielfältigen Cyber-Attakcen geschützt.

Hardware-Sicherheitsmodul

Sicherere E/E-Architektur

Sichere On-Board-Kommunikation

Sichere Fahrzeug-IT-Infrastruktur

Sicheres Steuergerät

Sichere V2X-Kommunkation

Security-Systeme müssen Update-fähig sein

Die Herausforderungen ändern sich in der Cybersecurity allerdings kontinuierlich – Sicherheitsexperten sehen sich ständig neuen Rahmenbedingungen und Angriffsarten ausgesetzt. Das heißt, die Security-Systeme eines Fahrzeugs müssen über die Lebensdauer immer wieder angepasst und upgedatet werden können. Daher sollte eine Security-Lösung für autonome Fahrzeuge von Anfang an so ausgelegt sein, dass zentrale Security-Parameter und Funktionen in änderbaren Speichern abgelegt werden (das können zum Beispiel HSM mit Firmware-Update-Möglichkeit sein). Zudem sollten die verfügbaren IT-Ressourcen nicht von Beginn an zu 100 Prozent ausgelastet und es sollte zum Beispiel noch ausreichend Speicherplatz vorhanden sein. Mit entsprechenden Update-Mechanismen lassen sich dann neue Sicherheits-Patches „over-the-air“ aufspielen – und das Fahrzeug kann auch in zehn Jahren noch vor Angriffen aus der Cyberwelt geschützt werden.

„Car Hacking ist eine sehr reale Bedrohung, die weiter zunehmen wird, je mehr wir uns in Richtung größerer Vernetzung und autonomen Fahrzeugen bewegen“, so Saar Dickmann, Vizepräsident für Automotive Cyber Security bei Harman, einem Anbieter von Vernetzungstechnologien auch für den Automotive-Sektor. „Automotive Cybersecurity ist ein zunehmend entscheidender Baustein auf dem Weg zum vernetzten und autonomen Fahrzeug.“

(Bildnachweis: istockphoto: Kodochigov)

The post Cybersecurity – Schutz für autonome Fahrzeuge appeared first on Future Markets Magazine.

Mehr als 1,2 Milliarden Menschen verbringen pro Tag mehr als 50 Minuten in ihrem Fahrzeug – einen Großteil der Zeit jedoch im Stau. Wie schön wäre es da, wenn man während dieser Zeit die Hände vom Lenkrad nehmen und sich mit sinnvolleren Sachen beschäftigen könnte. In 2017 ist diese Fiktion Realität geworden: In diesem Jahr werden die ersten Serienautos der Welt präsentiert, die für hochautomatisiertes Fahren entwickelt sind. Fahrfunktionen wie Einparken oder selbstständig im Stau Gas geben und bremsen können dann die Fahrzeuge übernehmen.

Scharfe Sicht auf die Umwelt

Eine Grundvoraussetzung für automatisiertes Fahren sind zuverlässige Informationen über die Fahrzeugumgebung und deren präzise Bewertung. „Um Schritt für Schritt diese Informationen zu sammeln, benötigt man eine Reihe von Sensoren wie Radar, Kamera und Surround-View-Systeme. Ziel ist es, ein dem Menschen gleichwertiges oder besseres Verständnis des Fahrzeugumfeldes zu erreichen. Mehr Reichweite, mehr Sensoren sowie die Fusion der gesammelten Daten kombiniert mit hoher Rechenleistung schärfen die Sicht und sind der Schlüssel für eine konsistente Sicht auf die Umwelt“, sagte Karl Haupt, Leiter des Geschäftsbereichs Fahrerassistenzsysteme bei Continental. Das nimmt der britische Autobauer Jaguar Land Rover wörtlich. „Wir möchten zukünftige hochautomatisierte und autonome Technologien nicht nur auf den Asphalt begrenzen“, so Tony Harper, Leiter der Forschungsabteilung. „Wenn der Fahrer die Straße verlässt, möchten wir, dass Unterstützung und Assistenz weitergehen. Wenn man in der Zukunft die Vorteile von autonomen Spurhaltesystemen auf der Autobahn am Anfang der Reise genießt, dann möchten wir sicherstellen, dass man dies alles auch den gesamten Weg zum Ziel nutzen kann, auch wenn es über grobe Fahrwege oder Schotterpisten geht.“ Jaguar Land Rover kombiniert in einem Konzeptfahrzeug dafür Kameras, Ultraschall, Radar und Lidar-Sensoren. Sie ermöglichen nicht nur einen 360-Grad-Blick auf die Umgebung des Autos, sondern sind so hoch entwickelt, dass sie Oberflächen-Charakteristiken bis hinunter zur Dimension einer Reifenbreite bestimmen – auch bei Regen oder Schneefall. Ultraschallsensoren können zudem die Oberflächen-Bedingungen in einer Reichweite von bis zu fünf Metern erkennen, so dass das Fahrzeug automatisch Traktion und Fahrverhalten anpassen kann, wenn es von Asphalt auf Schnee oder von Gras auf Sand fährt.

Das Fahrzeug kommt zum Fahrer

Die Sensorik ist aber nur der eine Part, der andere ist die Intelligenz, aus den Daten Steuerbefehle zu generieren. Das erfordert Hochleistungs-Steuergeräte an Bord der Autos. Beim im Juli 2017 präsentierten Audi A8 zum Beispiel errechnet während der pilotierten Fahrt ein zentrales Fahrerassistenz-Steuergerät mit auf Deep Learning basierender Software aus den Sensordaten permanent ein Abbild der Umgebung. Auch Daimler treibt die Entwicklung des vollautomatisierten und fahrerlosen Fahrens von Seiten der Software voran. Zusammen mit Bosch hat der Hersteller im April 2017 eine Entwicklungskooperation vereinbart, um vollautomatisiertes und fahrerloses Fahren im urbanen Umfeld Anfang der kommenden Dekade auf die Straße zu bringen. Ziel ist die gemeinsame Entwicklung von Software und Algorithmen für ein autonomes Fahrsystem. Die Idee dahinter: Das Fahrzeug kommt zum Fahrer, nicht der Fahrer zum Fahrzeug. Nutzer könnten sich per Smartphone bequem ein Car-Sharing-Auto oder ein Robotertaxi ordern, das fahrerlos zu ihnen gefahren kommt. „Das Auto, wie wir es kennen, ist bald Geschichte“, meint Dr. Volkmar Denner, Vorsitzender der Geschäftsführung von Bosch. „Heute buchen Sie die Übernachtung im Internet, in Zukunft bestellen Sie Ihre Mobilität online.“

„Eine autonome Flotte kann sehr effektiv eine weitaus größere Anzahl an privaten Fahrzeugen ersetzen.“

Neue Geschäftsfelder erschließen

Car-Sharing ist einer der großen Vorteile autonomer Autos. „Studien haben gezeigt, dass eine autonome Flotte sehr effektiv eine weitaus größere Anzahl an privaten Fahrzeugen in einem Stadtzentrum ersetzen kann“, so David Alexander, Senior Research Analyst bei Navigant Research. „Das bedeutet sowohl eine Chance wie auch eine Herausforderung für die Erstausrüster.“ Denn einerseits werden laut Navigant 120 Millionen Autos mit autonomen Fähigkeiten zwischen den Jahren 2020 und 2035 verkauft. Andererseits wird aber erwartet, dass die Automobilproduktion dann auch ihren Zenit erreicht und danach wegen gemeinsam genutzter Autos sinken wird. Daher sollten die Automobilhersteller ihre Business-Modelle entsprechend anpassen und zum Beispiel zusätzliche Mehrwertdienste verkaufen. „Je mehr sich das autonome Fahren durchsetzt, desto größer wird die Nachfrage der Nutzer nach Services sein, um die frei werdende Zeit im Auto sinnvoll zu nutzen“, so Ralf Gaydoul, Partner und Leiter des Automotive Centers bei der Management-Beratung Horváth & Partners. „Summiert man die Werte über alle Bedürfniskategorien hinweg auf, so kommt man auf einen monatlichen Betrag von weit über 100 Euro pro Fahrer.“ Zusammen mit dem Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO) hat Gaydoul die Zahlungsbereitschaft von Autofahrern für derartige Services untersucht: Danach wären drei Viertel der Befragten bereit, dafür Geld auszugeben. Am größten ist die Bereitschaft, Geld für Angebote rund um Kommunikation und Produktivität zu investieren. „Diese Services werden in allen drei untersuchten Ländern am stärksten nachgefragt, jedoch mit unterschiedlicher Ausprägung“, so Steffen Braun, Leiter des Geschäftsfelds Mobilitäts- und Stadtsystem-Gestaltung am Fraunhofer IAO. „In Japan ist beispielsweise das Interesse an Social-Media-Diensten während der Fahrt deutlich höher als hierzulande (64 Prozent gegenüber 23 Prozent).“

(Bildnachweis: Continental)

The post Die Zukunft des autonomen Fahrens appeared first on Future Markets Magazine.

Strenge gesetzliche Regelungen bei Lenkzeiten und Sicherheitsvorschriften, Personalmangel, steigende Betriebskosten – die Transportbranche kämpft seit langem mit den immer gleichen Problemen. Die meisten davon ließen sich durch den Einsatz autonomer Lkws lösen.

Platooning: Der Endpunkt einer Entwicklung

„Der Zeitpunkt rückt näher, an dem Lkws zunächst auf Autobahnen vermehrt von technologischer Intelligenz gesteuert werden“, sagt Norbert Dressler, Partner von Roland Berger und Nutzfahrzeugexperte. „Das bildet den Endpunkt einer allmählichen, mehr als 15 Jahre dauernden Entwicklung, bei der der Eingriff durch den Fahrer immer geringer wurde. Schon heute verfügen viele Lkws über Systeme wie Stauassistent oder Spurhalteassistent. In der Phase der Vollautomatisierung werden eigenständig agierende Fahrzeuge unter allen Verkehrsbedingungen fahren können, eventuell sogar vollkommen ohne Fahrer.“ Jede Stufe der Automatisierung geht dabei mit einer höheren Systemkomplexität und steigenden Kosten einher: von 1.800 US-Dollar je Lkw für Phase 1 bis hin zu 23.400 US-Dollar je Lkw in der letzten Phase 5, der Vollautomatisierung. Ein wichtiger Kostenfaktor ist die Software, die rund 85 Prozent der Gesamtkosten ausmacht. „Alle Hersteller arbeiten bereits an neuen Lösungen, um dem Handlungsdruck durch Digitalisierung und neue Wettbewerber zu begegnen“, sagt Romed Kelp, Experte für die Nutzfahrzeugindustrie bei der internationalen Management-Beratung Oliver Wyman. „Alle haben Prototypen auf der Straße und investieren hohe dreistellige Millionenbeträge in digitale Technologien.“ Bei ersten markenübergreifenden Platooning-Demonstrationsfahrten bewegen sich Fahrzeuge der großen europäischen Hersteller in elektronischen Konvois. Unter Platooning versteht man ein Fahrzeugsystem für den Straßenverkehr, bei dem zwei oder mehrere Truck-Trailer-Kombinationen mithilfe aktueller technischer Fahrassistenz- und Steuersysteme -sowie einer Car-to-Car-Kommunikation in geringem Abstand hintereinanderfahren können. Die Verkehrssicherheit wird dadurch nicht beeinträchtigt, sondern sogar erhöht. Der Fahrzeugabstand beträgt rund zehn Meter beziehungsweise etwa eine halbe Sekunde Fahrzeit. Alle im Platoon – dem gesamten Sattelzug-Verbund – fahrenden Fahrzeuge sind durch eine sogenannte elektronische Deichsel miteinander verbunden. Das erste Fahrzeug gibt während der Fahrt Geschwindigkeit und Fahrtrichtung vor. Über Car-to-Car-Kommunikation gelangen die notwendigen Steuerbefehle zu den nachfolgenden Fahrzeugen. Diese senden Daten auch wieder zum Zugfahrzeug zurück. Für die Car-to-Car-Kommunikation kommt eine WLAN-Verbindung mit einer Frequenz von 5,9 GHz zum Einsatz. Dieselverbrauch und CO₂-Ausstoß lassen sich dadurch um bis zu zehn Prozent reduzieren.

Auf dem Highway autonom

Aber auch erste vollautonome Testfahrzeuge rollen über den Asphalt: Schon Mitte 2015 erhielt ein Freightliner Inspiration Truck als weltweit erster autonom fahrender Lkw eine Straßenzulassung im US-Bundesstaat Nevada. Sobald sich der Truck sicher auf der Autobahn befindet, kann der Fahrer das Highway Pilot genannte System aktivieren. Das Fahrzeug schaltet in den autonomen Modus und passt sich der Geschwindigkeit des Verkehrs an. Der Highway Pilot nutzt ein komplexes Set an Kameras und Radarsystemen mit Spurhalte- und Kollisionspräventionsfunktionen, er regelt die Geschwindigkeit, bremst und lenkt. Durch diese Kombination der Systeme entsteht ein autonomes Fahrzeug, mit dem der sichere Betrieb unter verschiedensten Fahrbedingungen dargestellt werden kann – so hält der Truck beispielsweise automatisch die gesetzlich zulässige Geschwindigkeit ein, regelt den vorgeschriebenen Abstand zum vorausfahrenden Fahrzeug oder nutzt die Stop-and-go-Funktion zur Hauptverkehrszeit. Autonome Überholmanöver leitet der Highway Pilot nicht ein, diese müssen durch den Fahrer selbst durchgeführt werden. Das Gleiche gilt für das Verlassen des Highways und den Spurwechsel.

-15% Kraftstoffverbrauch und CO2-Emissionen beträgt die Reduktion durch Platooning
Quelle: Continental

Vielfältige Einsparungen durch Platooning

Die Kosten für die entsprechende Technologie sind zwar hoch, doch mit autonomen Fahrfunktionen sinken auch die Betriebskosten: „Einsparungen bei den Kraftstoff- und Fahrerkosten tragen am meisten zur Amortisation der hohen Anfangsinvestitionen bei“, sagt Roland-Berger-Experte Dressler. Die Branche muss nicht bis zur Endphase der Automatisierung warten, um Einsparungen zu realisieren: Schon in der ersten Phase sind Kraftstoffeinsparungen von rund sechs Prozent möglich (zum Beispiel durch das Platooning). Die größte Kostenersparnis gibt es in Phase 4, wenn der Fahrer vorgeschriebene Ruhezeiten einlegen kann, während der Lkw autonom weiterfährt. Die Fahrerkosten sinken dadurch um weitere sechs Prozent. In Phase 5, wenn Langstrecken-Lkw gar keinen Fahrer mehr benötigen, werden die Fahrerkosten sogar um 90 Prozent sinken. Weitere Einsparungen ergeben sich durch geringere Versicherungskosten, weil das automatisierte Fahren für mehr Sicherheit sorgt und dadurch die Anzahl der Lkw-Unfälle bis 2040 um 90 Prozent sinken könnte.

(Bildnachweis: iStockphoto Milos-Muller)

The post Platooning: Effizienter im Platoon appeared first on Future Markets Magazine.

Vertrauen in die Technik ist das A und O für den Erfolg autonomer Fahrzeuge. Die eingesetzten Systeme müssen nicht nur sehr zuverlässig sein, sondern im Falle eines technischen Defektes auch so ausgelegt werden, dass das Versagen nicht zu einer Gefährdung von Mensch und System führt. Die entsprechenden Anforderungen und Verfahren dazu werden unter dem Begriff „Funktionale Sicherheit“ zusammengefasst. „Die Transformation der Automotive-Industrie verlangt im Grunde von der Öffentlichkeit, ihr Leben einem Computer und einer Maschine anzuvertrauen“, so Zach McClellan. Der ehemalige Baseballstar leitet heute die Schulungsabteilung des US-amerikanischen Engineering-Dienstleisters LHP. „Ganz praktisch gesprochen ist Funktionale Sicherheit definiert als die Maßnahmen, die Ingenieure und Organisationen zur Vermeidung von Fehlern unternehmen, die der Öffentlichkeit Schaden zufügen.“

Einfach abschalten geht nicht

Bei autonomen Fahrzeugen genügt es nicht, ein System einfach abzuschalten, um in einen sicheren Zustand zu kommen – eine Drohne würde vom Himmel fallen oder ein Auto unkontrolliert eine Vollbremsung ausführen. Das bedeutet, dass kritische Systeme eine bestimmte Zeit, auch nachdem ein Fehler aufgetreten ist, noch am Leben gehalten werden. Ein Notfallplan muss her, und der muss schon bei der Entwicklung eines autonomen Fahrzeugs definiert werden. Bereits heute gibt es entsprechende Normen, die dazu erforderliche Methoden in der Entwicklung und Produktion definieren: Zum Beispiel ISO 26262 für Straßenfahrzeuge, ISO 25119 für landwirtschaftliche Fahrzeuge oder ISO 15998 für Baumaschinen.

Sicherheit beginnt in den elektronischen Komponenten

Die Entwicklung eines funktional sicheren Fahrzeugs beginnt bei den einzelnen Komponenten – und vor allem bei den Halbleitern. Denn sie sind in den Systemen zur Umfelderkennung verbaut, in ihnen laufen die Informationen der verschiedenen Sensoren zusammen und sie berechnen die notwendigen Steuerbefehle und bestimmen, wie ein Fahrzeug agiert. Eine Fehlfunktion könnte katastrophale Folgen für das autonome Fahrzeug, seine eventuellen Insassen und die Umgebung haben. Die Halbleiterindustrie hat daher für den Einsatz beim automatisierten Fahren inzwischen spezielle Halbleiter entwickelt, deren Architektur bereits auf Basis eines auditierten ISO-26262-konformen Prozesses designt worden ist. Die Prozessoren müssen eine hohe Zuverlässigkeit bieten und auch bei Vibrationen, Strahlung (zum Beispiel von der Sonne) oder hohen Temperaturschwankungen ihre Aufgaben sicher erfüllen – alles für den Einsatz in Fahrzeugen typische Umgebungsbedingungen. Funktional sichere Prozessoren überwachen sich selbst bei der Ausführung von Prozessen. Bei diesen Multi-Thread-Systemen wird jede Anweisung parallel in zwei oder mehreren Kernen oder Prozessen verarbeitet. Die Ergebnisse werden dann mithilfe einer Hardware-Logik in Echtzeit miteinander verglichen. Ein Unterschied in den Ergebnissen bedeutet, dass in einem der Berechnungsstränge ein Fehler aufgetreten ist. In diesem Fall gibt das System eine Fehlermeldung oder löst eine entsprechend definierte Notfallaktion aus.

Neue Prüfverfahren werden benötigt

Sichere Elektronik ist das eine, doch es werden auch Prüfungen benötigt, die die Funktionale Sicherheit eines Fahrzeugs belegen. Doch dazu existieren bisher noch keine Verfahren oder Prüfzertifikate. Prüforganisationen wie der TÜV arbeiten in verschiedenen Projekten daran, neue Standards und Prüfkriterien für das autonome Fahren zu definieren und so eine Sicherheitsgrundlage für die Praxistauglichkeit der neuen Technologie zu schaffen. Dabei lassen sich nicht alle im Betrieb eines autonomen Fahrzeugs möglicherweise auftretenden Situationen auf einer Teststrecke nachstellen. Daher sind zusätzliche neue Methoden erforderlich, mit denen Sicherheitssysteme auf ihre Wirksamkeit geprüft werden können. Simulationen spielen hierbei eine wichtige Rolle und werden in Ergänzung zu Realtests ausschlaggebend sein.

Bei vernetzten autonomen Fahrzeugen müssen zudem Technologien von unterschiedlichen Zulieferern und aus verschiedenen Branchen in End-to-End-Systeme integriert und im Ökosystem für vernetzte Fahrzeuge validiert werden. Dazu hat FEV, ein Dienstleister im Bereich der Fahrzeugentwicklung, eigens ein globales „Center of Excellence“ für die Entwicklung von „Smart Vehicles“ gegründet. Stephan Tarnutzer, Vice President Electronics bei FEV Nordamerika und Leiter des Centers, betont: „Um die Vielzahl der resultierenden Wechselwirkungen innerhalb, außerhalb und rund um das Fahrzeug zu beherrschen, ist es essenziell, bei jedem Entwicklungsschritt das Gesamtsystem zu betrachten.“

(Bildnachweis: iStockphoto Edi_Eco)

The post Funktionale Sicherheit – Notfallplan appeared first on Future Markets Magazine.

Sensorsysteme wie Lidar, Radar oder Kameras liefern heute bereits ein sehr exaktes Bild des Umfelds eines autonomen Fahrzeugs. In Kombination mit künstlicher Intelligenz und ausgefeilten Algorithmen kann es auf das Geschehen um sich herum reagieren – fast so wie ein Mensch. Doch wie der Mensch kann das Fahrzeug mit diesen Sensoren nur auf das reagieren, was im Sichtfeld liegt. Um auch „um die Ecke schauen“ zu können, sollen autonome Fahrzeuge daher vernetzt werden und mit ihrer Umgebung beziehungsweise der Infrastruktur kommunizieren können.

„Die Übertragung von Daten ins Fahrzeug, sowohl für Echtzeitanwendungen als auch für Wartung und Betrieb, ist eine Schlüsseltechnologie für das automatisierte Fahren“, betont Armin G. Schmidt, CEO von ATS Advanced Telematic Systems. Das deutsche Software-Unternehmen mit Fokus auf vernetzte Fahrzeuge entwickelt Lösungen für die Zukunft der Mobilität. Hierbei setzt ATS auf die Etablierung von industrieweiten Standards und Open-Source-Technologie. „Der Austausch der Daten zwischen Fahrzeugen, also auch zwischen unterschiedlichen Herstellerplattformen, erfordert eine Standardisierung, die weiter vorangetrieben werden muss“, so Schmidt.

In Millisekunden die Umgebung warnen

In Europa hat sich für die Kommunikation von Fahrzeugen im Straßenverkehr als ein Standard ITS-G5 des European Telecommunications Standards Institute (ETSI) etabliert. Es handelt sich um eine Variante des WLAN-Standards IEEE 802.11, der für den Datenaustausch zwischen Fahrzeugen optimiert wurde und inzwischen auch in den USA anerkannt ist. Er nutzt das 5,9-GHz-Frequenzband und ermöglicht eine echtzeitnahe Kommunikation auf kurze Distanz. Die Technik gewährleistet bei hoher Geschwindigkeit der Fahrzeuge eine zuverlässige Übertragung und erlaubt auch ohne Router die direkte Kommunikation zwischen einzelnen Fahrzeugen (Car-to-Car) und zwischen Fahrzeug und Infrastruktur (Car-to-X, Vehicle-to-X [auch V2X]). So können plötzlich auftretende Ereignisse oder Gefahrensituationen innerhalb weniger Millisekunden an die Umgebung kommuniziert werden. Zum Beispiel kann ein Auto den nachfolgenden Verkehr automatisch warnen, wenn es einen Unfall hatte oder vor ihm eine Nebelbank auftaucht. „Die Vorteile für die Sicherheit und Wahrnehmung, die V2X als Sensor bietet – mit seiner Fähigkeit um die Ecke zu schauen –, sind bereits ohne jeden Zweifel erwiesen. Es liefert relevante und verlässliche Warnmeldungen für Fahrerassistenzsysteme“, unterstreicht Jozef Kovacs, CEO der US-amerikanischen Firma Commsignia, einem Anbieter von Software- und Hardware-Lösungen für das vernetzte Auto.

Allerdings werden Straßenfahrzeuge in Zukunft wohl nicht nur mit einer Kommunikationstechnologie ausgestattet sein: Erste Lösungen realisieren ein sogenanntes adaptives hybrides Netzwerkkonzept. Dabei werden verschiedene Drahtlostechnologien wie ITS-G5, LTE-Mobilfunk oder 60-GHz-Technologien (hier werden die Wellenform und die typischen Empfängeralgorithmen des WLAN-Standards IEEE 802.11ad genutzt, um einen gemeinsamen Rahmen für die Fahrzeugkommunikation und die Radartechnologien bei 60 GHz zu ermöglichen) in einem Kommunikationsstack integriert. Die Auswahl der optimalen Kommunikationstechnologie erfolgt adaptiv, das heißt abhängig von der Situation in Echtzeit. Kriterien für die Auswahl der Funktechnologie sind beispielsweise die vorhergesagte Verfügbarkeit oder die Signalqualität.

Menge an Daten, die ein autonomes Fahrzeug am Tag generiert.
Quelle: Intel

Kameras: 20-24 MB pro Sekunde
Sonar: 10-100 KB pro Sekunde
GPS: 50 KB pro Sekunde
Lidar: 10-70 MB pro Sekunde
Radar: 10-100 KB pro Sekunde

Mit 5G in die Cloud

Mobilfunk-Technologien bieten den Vorteil unbegrenzter Reichweite, denn ITS-G5 kann nur Distanzen bis maximal einen Kilometer überbrücken. Schon heute werden zum Beispiel LTE-Netze beim automatischen Notrufsystem ECall genutzt. In Zukunft wird das noch zu realisierende 5G-Netz diese Rolle übernehmen. „Wir gehen davon aus, dass 5G der weltweit dominierende Mobilfunk-Standard der nächsten Dekade wird“, meint Dr. Christoph Grote, Senior Vice President Electronics bei BMW. „Für die Automotive-Industrie ist es essenziell, dass 5G die Herausforderungen der Ära der Digitalisierung und des autonomen Fahrens erfüllt.“ BMW hat daher gemeinsam mit Audi, Daimler, Ericsson, Huawei, Intel, Nokia und Qualcomm die „5G Automotive Association“ gegründet, die entsprechende Kommunikationslösungen entwickeln, testen und promoten will. „Cloud, Kommunikations- und Netzwerk-Technologien sowie Innovationen haben das Potenzial, das Auto in ein vollständig vernetztes Gerät zu transformieren, das das Fahren revolutioniert und das auf die Mobilitätsansprüche der Gesellschaft abzielt“, ergänzt Dr. Marc Rouanne, Chief Innovation & Operating Officer bei Nokia.

„Cloud, Kommunikations- und Netzwerk-Technologien sowie Innovationen haben das Potenzial, das Auto in ein vollständig vernetztes Gerät zu transformieren, das das Fahren revolutioniert.“ 

Dr. Marc Rouanne, Chief Innovation & Operating Officer, Nokia

Präziser Navigieren mit Flottendaten

Derartige Technologien bieten zum Beispiel die Möglichkeit, die Erfahrungen, die ein lernfähiges autonomes Fahrzeug gemacht hat, über die Cloud an andere Fahrzeuge weiterzugeben. Auch für die Navigation eröffnen sich mit Cloud-Technologien neue Möglichkeiten: So hat zum Beispiel das israelische Unternehmen Mobileye, Hersteller von Technologien zur Unfallprävention und zum automatischen Fahren, die kamerabasierte Karten- und Lokalisierungstechnologie „Road Experience Management“ (REM) entwickelt. Via Crowdsourcing werden die Echtzeitdaten vieler Fahrzeuge, eines Schwarms von Autos, gesammelt und zur präzisen Lokalisierung und zum Erfassen von High-Definition-Spurdaten genutzt. Dazu erfassen die Fahrzeuge über optische Sensorsysteme Fahrbahnmarkierungen und Straßeninformationen, die komprimiert in eine Cloud fließen. Diese Flottendaten werden zur kontinuierlichen Verbesserung von HD-Navigationskarten mit hochpräziser Lokalisierungsfähigkeit eingesetzt. Sie wiederum sind eine Grundvoraussetzung für das automatische Fahren und die Weiterentwicklung vieler Assistenzsysteme. „Die Zukunft des automatischen Fahrens hängt von der Fähigkeit ab, präzise HD-Karten zu erstellen, diese aktuell zu halten und mit minimalen Kosten zu skalieren“, skizziert Prof. Amnon Shashua, Mitbegründer und Technologievorstand von Mobileye. Anfang 2017 hat -Mobileye dazu mit dem Volkswagen-Konzern vereinbart, ab 2018 einen neuen Navigationsstandard für das automatische Fahren zu realisieren. Künftige Volkswagen-Modelle werden REM nutzen. Die Vereinbarung ermöglicht als erste ihrer Art das weltweite Zusammenführen von Daten verschiedener Automobilhersteller zu einer „HD-Weltkarte“. Und damit wird ein branchenweiter Standard geformt. Dr. Frank Welsch, Volkswagen-Markenvorstand für den Geschäftsbereich Entwicklung: „Tagtäglich fahren weltweit Millionen von Volkswagen durch unsere Straßen. Viele davon sind bereits mit Umfeldsensorik ausgestattet. Diesen Schwarm können wir nun nutzen, um unterschiedliche Umfelddaten, etwa über Verkehrsfluss, Straßenzustand und freie Parkplätze, anonymisiert zu erfassen und in übergeordneten Systemen hochaktuell verfügbar zu machen. Auf dieser Basis sind weitergehende Dienste geplant, die das Autofahren oder die Mobilität allgemein einfacher und komfortabler machen.“

(Bildnachweis: Unsplash)

The post Kommunikation autonomer Autos appeared first on Future Markets Magazine.