Aufbau einer KI-Infrastruktur mit SDV-Technologien

SDV-Technologien nutzen aktuelle Ethernet- und IP-basierte Netzwerke, konfigurierbare Rechenumgebungen und zentralisierte Datenverwaltung. So können Automobilhersteller KI-gesteuerte Anwendungen sicher bereitstellen, effizient skalieren und kontinuierlich aktualisieren. Diese Infrastruktur unterstützt nicht nur die hohen Leistungsanforderungen der Echtzeitanalysen der Vorhersagefunktionen, sondern ermöglicht auch eine nahtlose Weiterentwicklung der Fahrzeuge über ihre gesamte Lebensdauer hinweg.

Wie schaffen Hochleistungsnetzwerke die Basis für KI?

Die Umstellung auf aktuelle Ethernet- und IP-basierte Netzwerke ist ein Grundprinzip von Software-Defined Vehicles (SDVs) und entscheidend für den zuverlässigen und skalierbaren Einsatz von KI im Fahrzeug. Diese Netzwerke bieten die Flexibilität, Geschwindigkeit und Kontrolle, die erforderlich sind, um ein wachsendes Ökosystem KI-gesteuerter Funktionen in verschiedenen Bereichen der Automobilindustrie zu unterstützen.

SDV: Welcher Autohersteller lernt am schnellsten?

Milliarden fließen in SDV, KI und neue Fahrzeugarchitekturen. Doch der entscheidende Wettbewerbsvorteil entsteht woanders: bei der Fähigkeit, schneller vom Kunden zu lernen. Warum genau hier Europas größte Chance – und Risiko – liegt.

Joachim , Langenwalter

Vielfältige KI-Workloads in Fahrzeugen erfordern einen dynamischen, konfigurierbaren Zugriff auf Daten und Steuerungsfunktionen über mehrere Systeme hinweg – vom Antriebsstrang über das Infotainment bis zur Datensicherheit. Moderne, auf Ethernet- und Software-Defined-Networking-Prinzipien (SDN) basierende Fahrzeugnetzwerke sind speziell auf diese Anforderungen zugeschnitten.

Save the date: 31. AUTOMOBIL-ELEKTRONIK Kongress

Am 22. und 23. Juni 2027 findet zum 31. Mal der Internationale AUTOMOBIL-ELEKTRONIK Kongress (AEK) statt. Dieser Netzwerkkongress ist bereits seit vielen Jahren der Treffpunkt für die Top-Entscheider der Elektro-/Elektronik-Branche und bringt die Automotive-Verantwortlichen und die relevanten High-Level-Manager der Tech-Industrie zusammen, um gemeinsam das ganzheitliche Kundenerlebnis zu ermöglichen, das für die Fahrzeuge der Zukunft benötigt wird. Trotz dieser stark zunehmenden Internationalisierung wird der AUTOMOBIL-ELEKTRONIK Kongress von den Teilnehmern immer noch als eine Art "automobiles Familientreffen" bezeichnet.

Sichern Sie sich Ihr(e) Konferenzticket(s) für den 31. Automobil-Elektronik Kongress (AEK) im Jahr 2027! Folgen Sie außerdem dem LinkedIn-Kanal des AEK und #AEK_live. 

Im Channel zum Automobil-Elektronik Kongress finden Sie Rück- und Vorberichterstattungen sowie relevanten Themen rund um die Veranstaltung.

Für die Verarbeitung des enormen Datendurchsatzes von KI-Anwendungen sind breitbandige Ethernet-Backbones entscheidet – insbesondere solche, die auf den Informationen von hochauflösenden Sensoren, Radarsignalen und Echtzeitanalysen basieren. Ohne ausreichende Bandbreite kann es bei zentralen KI-Vorgängen, wie der Objekterkennung oder der Überwachung des Fahrerzustands, zu Leistungsproblemen kommen, welche die Benutzererfahrung oder die Sicherheit beeinträchtigen.

Ethernet, QoS und TSN als Basis für KI im Fahrzeug

Digitale Zwillinge in der Fahrzeugentwicklung

Digitale Zwillinge tragen dazu bei, die Designmethodik von Halbleitern und Systemen in der Automobilindustrie neu zu gestalten. Sie ermöglichen die Entwicklung von wirklich softwaredefinierten Fahrzeuge.

Conhas Thakkar

Um die Komplexität dieser Datenmengen zu steuern, priorisieren Quality-of-Service (QoS)-Mechanismen und Time-Sensitive Networking (TSN) den Datenverkehr. TSN stellt sicher, dass latenzempfindliche und sicherheitskritische Aufgaben, etwa die BMS (Batterie-Management-System)-Überwachung auf thermisches Durchgehen, eine garantierte Bandbreite mit geringer Latenz erhalten. Weniger kritische Aufgaben teilen sich die verbleibende Netzwerkkapazität. Dadurch können KI-Anwendungen mit unterschiedlichen Anforderungen an Timing und Zuverlässigkeit konfliktfrei nebeneinander existieren. Ein weiterer wichtiger Pfeiler zukünftiger KI-Infrastrukturen ist Datensicherheit. Da KI-Modelle zunehmend mit Fahrzeugsteuerungssystemen und Benutzerdaten verbunden sind, müssen Fahrzeugnetzwerke strenge Zugriffskontrollen durchsetzen. Ethernet-Standards wie MACsec und IEEE 802.1X unterstützen hierbei identitätsbasierte Authentifizierung und Verschlüsselung, wodurch die Datenintegrität geschützt und unbefugter Zugriff auf sensible Funktionen verhindert wird.

Das Zugrunde legen von Software Defined Network (SDN)-Prinzipien ermöglicht eine zentralisierte Steuerungsebene, die OEMs Echtzeit-Transparenz und Kontrolle über das Netzwerk bietet. Dies ermöglicht eine dynamische Neukonfiguration, um den sich ständig ändernden Anforderungen der KI-Workloads, etwa bei der Neuzuweisung von Bandbreite, der Bereitstellung von Updates oder der Aktivierung neuer Funktionen, gerecht zu werden. Dabei sind weder Hardwareänderungen noch Dienstunterbrechungen erforderlich.

Die Einführung aktueller Ethernet- / IP-Netzwerke ist nicht nur eine Umstellung der vorhandenen Infrastruktur, sondern ein strategischer Wegbereiter für KI im Fahrzeug. Dies ist nötig, um die erforderliche Leistung, Flexibilität und Sicherheit für die Skalierung intelligenter Funktionen über den gesamten Lebenszyklus des Fahrzeugs hinweg bereitstellen zu können.

Datenmanagement und Zugriffskontrolle in SDV-Architekturen

Ein dynamischer, konsistenter und nahtloser Zugriff auf Fahrzeugdaten ist grundlegend für den effektiven Betrieb von Edge-KI-Anwendungen. Bei Echtzeit-Entscheidungen, vorausschauender Wartung oder personalisierten Nutzeranpassungen ist die KI darauf angewiesen, eine Vielzahl von Fahrzeugdaten wie Sensorwerte, Systemdiagnosen, Verhaltensdaten und Umweltfaktoren zu erfassen und zu verarbeiten.

Software-Defined Vehicle (SDV)-Architekturen wurden speziell entwickelt, um die verstärkte Nutzung dieser Daten zu unterstützen. Komponenten wie Network-Shared Storage (NSS), Onboard-Datenbanken und intelligentes Edge-Caching stellen sicher, dass zeitkritische und archivierte Daten bei Bedarf jederzeit verfügbar sind. NSS ermöglicht mehreren KI-Anwendungen in getrennten Domänen den Zugriff auf gemeinsame Daten, ohne Redundanz oder Latenz. Caching-Strategien optimieren zugleich die Bandbreitennutzung und sichern die Kontinuität in Zeiten begrenzter Konnektivität.

„Das KI-definierte Fahrzeug wird das SDV zum Frühstück verspeisen“

Wenn KI aus der Cloud ins Fahrzeug wandert, müssen Architekturen geringe Latenz, Effizienz und Skalierbarkeit gewährleisten. Harald Kroeger von SiMa.ai erklärt, warum Edge-first-KI die nächste Phase softwaredefinierter Fahrzeuge prägen wird.

Benjamin Müller

Fortschrittliche Indizierungs- und Suchfunktionen innerhalb dieser Systeme ermöglichen den Zugriff auf relevante Datenströme in Echtzeit und auf programmgesteuerte Weise. Dadurch wird sichergestellt, dass KI-Anwendungen die wichtigsten Informationen ohne Verzögerung verarbeiten können. Gleichzeitig erleichtert der Zugriff auf historische Daten das erneute Trainieren, die Validierung und die adaptive Feinabstimmung von Modellen. Auf diese Weise können sich KI-Systeme im Laufe der Zeit auf der Grundlage von Betriebsrückmeldungen und sich ändernden Bedingungen kontinuierlich verbessern.

Von zentraler Bedeutung ist in diesem Zusammenhang die Implementierung einer serviceorientierten Architektur (SOA), die ein flexibles Publish-Subscribe-Kommunikationsmodell ermöglicht. Dieser Ansatz trennt Datenproduzenten und -konsumenten voneinander, wodurch KI-Module nur genau die Daten abonnieren können, die sie zum jeweiligen Zeitpunkt benötigen, die Netzwerke vor Überlastung bewahrt. Diese Architektur verbessert die Systemeffizienz, unterstützt die Modularität und erleichtert die Integration neuer KI-Funktionen während des gesamten Lebenszyklus eines Fahrzeugs. Um Interoperabilität und Skalierbarkeit zu gewährleisten, ist die Einführung standardisierter Datenmodelle von entscheidender Bedeutung. Die Vehicle Signal Specification (VSS) der Connected Vehicle Systems Alliance (COVESA) spielt dabei eine wichtige Rolle. VSS ist ein offenes, herstellerneutrales Datenformat, das Fahrzeugsignale wie Fahrzeuggeschwindigkeit, Reifendruck, Türstatus und Innenbeleuchtung definiert und in eine strukturierte, maschinenlesbare Hierarchie überführt. Durch die Anpassung von KI-Anwendungen an die VSS können Automobilhersteller Modelle mit minimalem Nachbearbeitungsaufwand über mehreren Fahrzeugplattformen und Ausstattungsvarianten hinweg einsetzen. Das erhöht die Wiederverwendbarkeit von Software erheblich, reduziert den Entwicklungsaufwand und verkürzt die Markteinführungszeit für neue Funktionen.

Zusammen ermöglichen diese Datenmanagementstrategien den Einsatz von KI in Fahrzeugen mit der Reaktionsfähigkeit, Skalierbarkeit und Intelligenz, die für die Unterstützung von Automobil-Erlebnissen der nächsten Generation erforderlich sind.

Wie machen Rechenumgebungen KI-Anwendungen skalierbar?

Da KI-Anwendungen in Fahrzeugen immer zahlreicher und komplexer werden, muss die zugrundeliegende Rechenplattform flexibler und effizienter werden. Aktuelle SDVs erreichen dies durch den Einsatz von Containerisierung, Microservices und Virtualisierungstechnologien, die zusammen eine konfigurierbare Rechenumgebung schaffen. So lassen sich vielfältige und dynamische Workload-Anforderungen erfüllen. Um den Mangel an dedizierter Beschleunigung auszugleichen, sind diese Plattformen stark auf intelligente Ressourcenzuweisung und softwaredefinierte Infrastruktur angewiesen, um KI-Workloads effizient auszuführen.

Container und Virtualisierung für flexible KI-Workloads

Containerisierung spielt dabei eine zentrale Rolle: Jede KI-Anwendung läuft in einer eigenen, in sich geschlossenen Umgebung mit den erforderlichen Abhängigkeiten und Konfigurationen. Diese Modularität ermöglicht den parallelen Betrieb mehrerer KI-Funktionen, etwa Fahrerüberwachung, BMS-Optimierung und prädiktive Diagnosen, auf gemeinsam genutzten Rechenressourcen, ohne Konflikte oder Leistungseinbußen. Da Container portabel sind, können Entwickler Anwendungen unabhängig voneinander bereitstellen, aktualisieren oder entfernen, wodurch das Risiko einer systemweiten Instabilität minimiert wird.

Virtualisierung erhöht diese Flexibilität noch weiter, indem sie die Trennung von Workloads auf einer Hardware-Abstraktionsschicht ermöglicht. Dadurch kann die zugrunde liegende ECU-Hardware mehrere isolierte Betriebsumgebungen hosten, die jeweils auf bestimmte KI-Aufgaben oder Betriebsbereiche zugeschnitten sind. Diese Isolierung ist besonders wichtig für das Sandboxing von experimentellen Funktionen, Drittanbieterdiensten oder Over-the-Air-Updates (OTA). Sie stellen sicher, dass Sicherheit und Integrität der Kernsysteme des Fahrzeugs nicht beeinträchtigt werden.

Darüber hinaus sorgt eine dynamische Ressourcenorchestrierung dafür, dass Rechenleistung, Speicher und E/A-Bandbreite in Echtzeit entsprechend den Anforderungen der Arbeitslast skaliert werden können. So können beispielsweise beim Start des Fahrzeugs oder beim Einsteigen des Fahrers mehr Ressourcen für Personalisierungsdienste wie biometrische Erkennung, Optimierung des Innenraumklimas und Aktivierung des Benutzerprofils zugewiesen werden. Im weiteren Verlauf der Fahrt können diese Ressourcen dann zugunsten von Echtzeit-Diagnosen, Energiemanagement oder Sprachinteraktionssystemen umverteilt werden. Diese adaptive Zuweisung stellt sicher, dass KI-Anwendungen die erforderliche Leistung erhalten, ohne das System zu überlasten oder Ressourcen zu verschwenden. 

Dieses virtualisierte, softwaredefinierte Rechenmodell ist nicht nur für die Effizienz im laufenden Betrieb unerlässlich, sondern auch für kontinuierliche Innovationen. Da sich KI-Workloads in der Postproduktion weiterentwickeln, muss das System in der Lage sein, sich anzupassen, ohne dass neue Hardware installiert werden muss. SDVs machen dies möglich, indem sie die Softwarebereitstellung von Hardwarebeschränkungen entkoppeln und das Fahrzeug so zu einer wirklich auf- und nachrüstbaren digitalen Plattform machen.

Konfigurierbare Rechenumgebungen sind daher die Grundlage für die zukünftige Ausführung mehrerer, sich weiterentwickelnder KI-Anwendungen auf Allzweck-ECUs. Sie bieten die Agilität, Isolation und Skalierbarkeit, die zur Unterstützung einer Vielzahl intelligenter Funktionen erforderlich sind, und gewährleisten gleichzeitig die Systemintegrität, Sicherheit und Leistung. (bs)