Fragt man einen Ingenieur, was die Behebung eines Qualitätsproblems kostet, wird er in der Regel die technischen Arbeiten beschreiben: das Problem reproduzieren, die Ursache eingrenzen, eine Korrektur schreiben und validieren. Das sind zwar Kosten, aber sie machen nur einen Bruchteil der Kosten aus, die in der Bilanz erscheinen. Entscheidend ist, wann die Korrektur erfolgt, denn dieselbe technische Korrektur kann zu völlig unterschiedlichen Kosten führen, je nachdem, auf welcher Seite einer bestimmten Grenze sie liegt.

Die „Qualitätsverzögerung“ bei Fahrzeugen kostet Automobilhersteller Millionen durch Rückrufe und Gewährleistungsansprüche. Durch den Einsatz von auf „ AI “ basierender Diagnose verkürzt das „ Sonatus Continuous Quality“-Framework die Zeit zwischen der Erkennung eines Fehlers und dessen Behebung, sodass Probleme schneller behoben werden können.

Moderne Fahrzeuge erzeugen eine überwältigende Menge an Diagnosedaten: Sensorprotokolle, Fehlercodes, Netzwerkprotokolle, Telemetriedaten von Dutzenden von Steuergeräten. Angesichts dieser wachsenden Datenmengen greifen Entwicklungs- und Supportteams zunehmend auf Fahrzeug- AI zurück, um diese Daten auszuwerten. Doch es gibt ein Problem: Die bestmögliche Schätzung eines einzelnen Modells von „ AI “ reicht nicht aus, wenn die Antwort der kritischen Prüfung eines Ingenieurs oder eines Kunden am Serviceschalter eines Autohauses standhalten muss. 

Die Automobilindustrie durchläuft derzeit eine Phase unglaublicher Veränderungen. Zu den neuen Technologien, die Einzug in die Fahrzeuge halten, gehören mehr Software, elektrische Antriebe und neue Sensoren. Die vielleicht wichtigste Veränderung ist jedoch der Einsatz künstlicher Intelligenz. Heute ist das Fahrzeug AI system längst kein Zukunftskonzept mehr.

In den ersten beiden Teilen dieser Serie wurde die „Agentic Loop“ als Architektur erläutert – welches Problem sie löst und was in jeder ihrer fünf Phasen geschieht, von der Erkennung bis zum Lernen. Dieser abschließende Beitrag ist weniger…

In Teil I dieser Reihe wurde dargelegt, warum die Dateninfrastruktur der Automobilindustrie ihrer Intelligenzinfrastruktur voraus ist, und der „Agentic Loop“ vorgestellt – das Rahmenkonzept von „ Sonatus“, um diese Lücke zu schließen: Erkennen → Erfassen → Schlussfolgern → Handeln…

Es gibt einen Moment, den die meisten Automobilingenieure kennen. Während einer Testfahrt tritt ein Fehler auf – eine thermische Anomalie, eine unerwartete Meldung im Fahrzeugnetzwerk, ein vorübergehendes Systemverhalten, das eigentlich nicht auftreten dürfte. Der Ingenieur bemerkt es. Der…