Bild 1: Derzeit existieren zwei Trends gleichzeitig bei der Einführung von KI im Fahrzeug: klassische OEMs, die ADAS-Funktionen implementieren und Start-ups und Tech-Giganten, die Roboter-Autos auf die Straßen bringen.

Bild 1: Derzeit existieren zwei Trends gleichzeitig bei der Einführung von KI im Fahrzeug: klassische OEMs, die ADAS-Funktionen implementieren und Start-ups und Tech-Giganten, die Roboter-Autos auf die Straßen bringen. (Bild: Yole Dévelopement)

Heute ist es einfach sich vorzustellen, wie die Zukunft des Autos aussehen wird: Es wird autonom. Jene Generation, die 2035 erwachsen wird, muss wahrscheinlich keinen Führerschein mehr machen. Zwei Faktoren konnten dieses Projekt der autonomen Fahrzeuge in der Wirklichkeit ermöglichen. Der erste ist die Evolution des Internets am Ende der 90er-Jahre und seine Explosion in den 2000ern. Das Internet ermöglichte eine raschere Wissensübermittlung, eine einfachere Kommunikation sowie mehr Kreativität und Innovation. Am wichtigsten ist jedoch das Speichern von Millionen Gigabytes an Daten.

Daten als Kraftstoff

In den letzten 15 Jahren und durch die Möglichkeit von günstigen und extrem leistungsstarken Computern hat sich die künstliche Intelligenz (KI) – genauer gesagt, der Bereich des maschinellen Lernens (das Mitte des 20. Jahrhunderts aufkam) – exponentiell weiterentwickelt. Es wurden unterschiedliche Techniken des maschinellen Lernens entwickelt, um Algorithmen zu erstellen, die unabhängig lernen und sich verbessern können. Zu einigen dieser Techniken gehören auch künstliche neuronale Netze. Diese Algorithmen sind die Basis des Deep Learning.

Um das neuronale Netz zum Beispiel für die Bilderkennung zu trainieren, sind ausreichend Bilddaten für das Training notwendig. Das Netz lernt, aus einem Set aus hundertausenden Bildern ein bestimmtes Objekt zu erkennen und vergleicht das Ergebnis mit der vom Menschen bereitgestellten richtigen Antwort. Stimmen die Antworten überein, speichert das Netz dies als Erfolg ab und verwendet ihn später, um Objekte zu erkennen. Anderenfalls erfasst das Netz diesen Fehler und passt die Gewichtung auf den unterschiedlichen Neuronen an, um den Fehler zu korrigieren. Diese Methode wird als überwachtes Lernen bezeichnet. Es gibt etwa zehn unterschiedliche Lernmethoden für neuronale Netze, aber diese ist die bekannteste, am häufigsten verwendete und gebräuchlichste Methode, wenn ausreichend passende Bilddaten für das Training, zum Beispiel aus dem Internet, verfügbar sind.

KI dringt langsam aber sicher in immer mehr Märkte vor und damit auch in alltägliche Vorgänge: Smartphone, Smart Home, Smart City – all diese Bezeichnungen bedeuten, dass zu einem gewissen Zeitpunkt eine Art von KI-Algorithmus integriert ist. Im Fahrzeug hält die KI derzeit über Autonomie und Infotainment Einzug.

Ein autonomes Smart Home

Bild 1: Derzeit existieren zwei Trends gleichzeitig bei der Einführung von KI im Fahrzeug: klassische OEMs, die ADAS-Funktionen implementieren und Start-ups und Tech-Giganten, die Roboter-Autos auf die Straßen bringen.

Bild 1: Derzeit existieren zwei Trends gleichzeitig bei der Einführung von KI im Fahrzeug: klassische OEMs, die ADAS-Funktionen implementieren und Start-ups und Tech-Giganten, die Roboter-Autos auf die Straßen bringen. Yole Dévelopement

Seitens der Autonomie und wie in Bild 1 gezeigt, existieren derzeit zwei Trends parallel: Herkömmliche OEMs integrieren zusätzliche Funktionen (einschließlich Deep-Learning-Algorithmen für die Objekterkennung) in den Pkw, die höhere Ebenen fortschrittlicher ADAS-Systeme ermöglichen.  Andererseits bieten Start-ups und Technologiegiganten Dienste an, die auf Roboterfahrzeugen basieren, wie beispielsweise Shuttles und Robotertaxis. Diese unterschiedlichen Anwendungen und Systeme umgeben sich rasch mit unterschiedlich gearteten Ökosystemen, vor allem in Bezug auf Sensoren und Computer.

Im ADAS-Ökosystem sind klassische OEMs wie GM, Ford, Toyota, BMW, Audi und Daimler sowie neue Player wie Tesla und Nio zu finden. Seitens der Robotik werden Technologiegiganten wie Google (Waymo), Uber, Yantex, Baidu und Apple in Zusammenarbeit mit Start-ups, die auch MaaS (Mobility as a Service) anbieten, in diesem Jahr den ersten Robotertaxidienst in bestimmten Städten anbieten. In Bezug auf Robotershuttles, -busse und -Firmenfahrzeuge gibt es eine Reihe von Start-ups wie Navya, EasyMile und Drive.ai, die Transportdienste für Personen oder Waren in geschlossenen Umgebungen bei niedrigen Geschwindigkeiten anbieten. Tier-1-Zulieferer wie Continental investieren auch in diesen viel versprechenden Markt. Im Hinblick auf den üblichen Automobilmarkt sind die ersten Fahrzeuge der Autonomiestufen 2+ und 3 (mit KI-basierter Autonomie) in diesem Jahr zu erwarten.

Für diese Autonomie sind umfangreiche Sensordaten notwendig, für deren Verarbeitung eine hohe Rechenleistung notwendig ist. Auch dieses Segment ist um wichtige Player wie Intel und sein Produkt Mobileye sowie Nvidia mit der Xavier-GPU, das nun speziell für die Berechnung von Deep-Learning-Algorithmen designte Einheiten beinhaltet, enorm gewachsen. Auch andere Lösungen, die in speziellen Produkten von Renesas, Xilinx und Kalray angeboten werden, zeigen viel Potenzial.

Die KI geht mit Technologien zur Sprach- und Gestenerkennung ins Rennen. Die Smart-Home-Giganten Google und Amazon sind jetzt mit ihren bekannten Spracherkennungslösungen „Ok, Google!“ und „Alexa“ auch in Autos vorhanden. Und mit der Integration seines Android-Betriebssystems geht Google sogar noch einen Schritt weiter. Im Hinblick auf die Gestenerkennung spielt Sony Softkinetic mit OEMs, die an Entwicklungen in dieser Richtung arbeiten, eine zentrale Rolle (Bild 2).

Eck-Daten

Die Revolution des autonomen Fahrens und der Einzug künstlicher Intelligenz im Auto geht schnell voran und ist bereits teilweise fit für die Straße. Für Automotive-Unternehmen, seien es OEMs, Start-ups oder Technologie-Giganten steht viel auf dem Spiel, denn es geht darum, in einen potenziell Milliarden-Dollar-schweren Markt einzutreten. Der Bereich der KI und der damit verbundene Markt für das Computing und für Sensoren wird für Unternehmen, die auf diesen Markt zugreifen möchten, der wichtigste Antrieb sein. Der Beitrag gibt einen Einblick über den aktuellen Stand der Technik bei der Einführung von KI ins Fahrzeug und gibt einen Ausblick auf mögliche Marktentwicklungen.

Die erwartete Revolution

Bild 2: Die Wertschöpfungskette und Interaktionen zwischen den Teilnehmern. Basis von KI fürs Fahrzeug sind Sensordaten, die Hardware für ihre Verarbeitung und die entsprechende Software.

Bild 2: Die Wertschöpfungskette und Interaktionen zwischen den Teilnehmern. Basis von KI fürs Fahrzeug sind Sensordaten, die Hardware für ihre Verarbeitung und die entsprechende Software. Yole Dévelopement

Im Jahr 2018 verfügten nur Roboterautos über KI an Bord. Der damit verbundene Computingmarkt, der sonst vor allem von Computern für Rechenzentren bestritten wird und nur mit geringem Volumen assoziiert ist, brachte es 2018 auf 156 Millionen US-Dollar. In den nächsten zehn Jahren wird dieser Markt mit der Entwicklung von Robotertaxis und -shuttles die Haupteinnahmequelle für KI im Automobilbereich, wobei für das Jahr 2028 mit Gesamteinnahmen von neun Milliarden US-Dollar gerechnet wird.

Im Jahr 2019 kommen die ersten Fahrzeuge mit Autonomiestufe 3 auf die Straßen und die KI hält in Autos der Autonomiestufe 2 Einzug und ersetzt herkömmliche Bilderkennungsalgorithmen. Yole erwartet im Jahr 2019 für ADAS einen Computingmarkt in Höhe von 63 Millionen US-Dollar, der 2028 fast 3,7 Milliarden erreichen soll. Im Infotainmentbereich ist KI bereits in Premiummodellen von BMW, Volvo und Mercedes als Option mit relativ niedrigem Volumen vorhanden. Die im Fahrzeug verbrauten Computer bleiben relativ günstig, da die Berechnungen in der Cloud erfolgen.

Wer und wo?

Es steht viel auf dem Spiel: Das erste Unternehmen, das eine im Hinblick auf Sicherheit, Autonomie und Servicefunktionen ausgereifte Technologie auf die Straße bringt, wird auch den Großteil des Marktes für sich beanspruchen können. Heute führt Google Waymo auf technologischer Seite und beim Servicelevel deutlich – die ersten Autos fahren bereits auf der Straße und eine Handvoll Benutzer nehmen die Dienste bereits in Anspruch. Audi präsentiert in diesem Jahr zum ersten Mal die Autonomiestufe 3 im Audi A8, während die meisten OEMs hinter Audi Funktionen der Autonomiestufe 2+ bieten und die Veröffentlichung ihrer Premiummodelle mit Autonomiestufe 3 für dieses und nächstes Jahr planen. Aus Sicherheits- und Marketinggründen haben sich einige OEMs wie Ford, Volvo und Toyota dazu entschlossen, die Autonomiestufe 3 auszulassen und direkt die Autonomiestufe 4 in Angriff zu nehmen.

Dem KI-gestützten Infotainment widmen sich derzeit nur einige wenige Unternehmen. Sony Softkinetic führt diese Gruppe mit seiner Gestenerkennung an und Google nutzt mit seiner umfangreichen Erfahrung seine innovativen Technologien im Bereich der Spracherkennung zu seinem Vorteil aus. Beim Computing stechen zwei Giganten hervor: Intel Mobileye für den ADAS-Markt und Nvidia für den Markt für Roboterfahrzeuge. Die Lösungen dieser Unternehmen sind leistungsstark und bieten auch eine besonders ausgereifte Software sowie Softwarestacks speziell für die Verarbeitung von KI und Bilderkennungsalgorithmen, die sich an das Automobilumfeld angepasst haben. Durch einen langsameren Zyklus im Automobilbereich liegen andere Mitbewerber wie Renesas und Xilinx nur wenig zurück.

Dr. Yohann Tschudi

Technology & Market Analyst Software & Computing bei Yole Dévelopement

(na)

Sie möchten gerne weiterlesen?

Unternehmen

Yole Développement

75 Cours Emile Zola
69100 Villeurbanne
France