„GenAI kann ADAS-Algorithmen kontinuierlich verbessern“

Als Senior Director of Product Marketing arbeitet Thomas Dannemann mit führenden Automobilherstellern, Tier-1-Zulieferern und weiteren Partnern im Automotive-Ökosystem zusammen, sein Fokus liegt auf Infotainment und ADAS. Er verfügt über 20 Jahre Erfahrung in der Entwicklung technologischer Lösungen, hauptsächlich in der Automobilbranche. Dannemann besitzt einen Master of Science in Elektrotechnik und Informatik sowie ein Diplom in Electrical Science.

Welche Vorteile bietet On-Device-KI im Vergleich zu cloudbasierten Ansätzen bei SDV-Funktionalitäten?

Dannemann: On-Device-KI ist entscheidend, um in softwaredefinierten Fahrzeugen (SDVs) Echtzeit-Performance, Datenschutz und Zuverlässigkeit zu gewährleisten. Die Ausführung multimodaler KI-Modelle, die Vision-, Sprach- und Sensordaten kombinieren, direkt im Fahrzeug ermöglicht Entscheidungen im Bruchteil einer Sekunde für Fahrerassistenzsysteme, personalisierte Nutzererfahrungen und intelligente Dienste – selbst bei eingeschränkter Cloud-Verbindung. Gleichzeitig helfen entwicklerorientierte Softwaretools dabei, den Prozess zur Bereitstellung KI-gesteuerter Anwendungen zu verschlanken und zu beschleunigen. Diese bieten einen durchgängigen Workflow, der Cloud-Tools mit Hochleistungsrechnern integriert und es Entwicklern ermöglicht, moderne Automotive-Anwendungen effizient zu erstellen, zu testen und auszurollen. Auch wenn KI in der Cloud betrieben werden kann, stammen die Daten letztlich aus dem Fahrzeug selbst – sie lokal zu halten, stellt Datenschutz, Zuverlässigkeit, Kosteneffizienz und Reaktionsgeschwindigkeit sicher. Durch lokal ausgeführte Modelle mit Milliarden Parametern können Fahrzeuge reaktionsschnellere, individuellere Funktionen bieten.

Automobilarchitekturen haben sich von spezialisierten Chips zu zentralisierten, cloudverbundenen Verarbeitungsmodellen entwickelt, die Entwicklungsprozesse vereinfachen und Designzyklen beschleunigen. Moderne Architekturen basieren auf heterogener Rechenleistung, um Sensordatenfusion, Domain-Integration und Echtzeit-Entscheidungen abzubilden – von Fahrermonitoring bis Umweltwahrnehmung und automatisierten Fahrfunktionen. Multimodale KI-Algorithmen verarbeiten Daten von Kameras, Radar und anderen Sensoren mit minimaler Latenz, um effektiv auf Gefahren zu reagieren und nahtlose Nutzererfahrungen zu ermöglichen. Dieser Ansatz erlaubt es Entwicklerteams, Transformer-Modelle und End-to-End-KI-Netzwerke ganzheitlich zu integrieren, anstatt sie isoliert zu betrachten. So entsteht Skalierbarkeit: Compound AI kombiniert verschiedenste Informationsquellen – aus dem Fahrzeuginneren und der Umgebung – mit Hilfe generativer KI. Während sich Compound AI weiterentwickelt, werden Fahrerlebnisse sicherer, personalisierter und effizienter. Ein Beispiel: Generative KI kann unzählige Fahrszenarien simulieren und dabei Echtzeitumgebungsdaten mit dem bisherigen Fahrverhalten verknüpfen. Diese Fähigkeit ermöglicht es fortschrittlichen Fahrerassistenzsystemen (ADAS), kontextbasierte Entscheidungen darüber zu treffen, wann und wie in das Fahrgeschehen einzugreifen ist, und die Fahrer mit entsprechenden Warnungen zu unterstützen. Mithilfe natürlicher Sprachverarbeitung und Sprachsynthese kann generative KI dynamisch mit dem Fahrer kommunizieren – angepasst an dessen Verhalten und Präferenzen. Generative KI in Kombination mit großen visuellen Modellen (LVMs) kann Fahrer anhand früherer Muster vorhersagen und damit potenziell gefährliche Manöver (wie plötzliche Spurwechsel oder starkes Bremsen) antizipieren und proaktiv entschärfen. Mit wachsendem Wissen aus Fahrerinteraktionen und Szenarien verbessert sich ADAS kontinuierlich. Bei langen Fahrten kann generative KI zudem personalisierte Inhalte wie Hörbücher oder Musik-Playlists erzeugen – abgestimmt auf die Vorlieben und den Aufmerksamkeitszustand des Fahrers. Die Snapdragon Digital Chassis von Qualcomm Technologies vereint moderne Konnektivität, leistungsstarke KI-Verarbeitung und skalierbare Rechenleistung, um genau diese Anwendungen zu unterstützen. Sie bietet Automobilherstellern eine bewährte, skalierbare Technologieplattform für die Entwicklung hochgradig individualisierbarer, erlebnisorientierter und updatefähiger intelligenter Fahrzeuge.

Die Skalierung KI-gestützter In-Car-Systeme erfordert neue Fahrzeugarchitekturen. Um intelligente, personalisierte und reaktionsfähige Fahrerlebnisse bereitzustellen und gleichzeitig Echtzeit-Performance und Datenschutz zu erfüllen, braucht es leistungsfähige Edge-Computing-Lösungen, skalierbare Rechenressourcen und eine einheitliche Softwareumgebung. Eine der größten Herausforderungen ist die Umsetzung von Architekturen, die KI-Workloads über mehrere Domänen hinweg verarbeiten können – von Fahrerassistenzsystemen bis hin zu immersiven Cockpits – und dabei geringe Latenz und hohe Zuverlässigkeit sicherstellen. Mit dem Fortschreiten von Compound AI wird effiziente Skalierbarkeit immer wichtiger. Echtzeit-KI-Verarbeitung muss lokal im Fahrzeug erfolgen, um Anforderungen an Leistung, Kosten und Datenschutz zu erfüllen, während Cloud-Plattformen weiterhin für großflächige Datensammlung, Training und Entwicklung unverzichtbar bleiben. Das Snapdragon Digital Chassis begegnet diesen Herausforderungen mit heterogener Rechenleistung, KI-Beschleunigung und Konnektivität – die Grundlagen für Fahrzeuge der nächsten Generation. Dienste wie Snapdragon Car-to-Cloud unterstützen Automobilhersteller dabei, neue Funktionen, Upgrades und Services „over the air“ bereitzustellen, Fahrzeuge kontinuierlich zu verbessern und die Entwicklung sowie Markteinführung zu beschleunigen.