Softwaredefinierte Komponentenlösung

Einleitung

SANJAY: Willkommen zu einer neuen Folge von „ Driving Innovation “, der Podcast-Reihe von Sonatus, in der wir uns mit Technologien und Lösungen befassen, die den Übergang zu softwaredefinierten Fahrzeugen beschleunigen. Mein Name ist Sanjay Khatri. In dieser Folge sprechen wir über unsere kürzlich vorgestellte Lösung für softwaredefinierte Komponenten.

Was ist die DEZA?

SANJAY: Das Konzept der softwaredefinierten Fahrzeuge, bei denen Fahrzeuge kontinuierlich verbessert und weiterentwickelt werden, gibt es bereits seit einigen Jahren. Bislang beschränkte sich dies jedoch größtenteils auf einige wenige Baugruppen im Fahrzeug, wie beispielsweise die ADAS-Einheiten oder die IVI-Einheit, wodurch viele andere Teile des Fahrzeugs von solchen Verbesserungen und Weiterentwicklungen ausgeschlossen blieben. Hier kommt die „Software-Defined Components Solution“ ins Spiel.

Überblick über die DEZA

SANJAY: Um zu erklären, wie diese Lösung funktioniert, möchte ich nun das Wort an Yu Fang, CTO und Mitbegründer von Sonatus, übergeben. Yu Fang, herzlich willkommen in dieser Folge.

YU: Danke. Ich freue mich, hier zu sein.

SANJAY: Können Sie mir also einen Überblick über die SDC-Lösung geben?

YU: Ja, auf jeden Fall. Ein Fahrzeug ist also ein ganzheitliches System, das aus vielen Komponenten besteht, und wenn wir von Komponenten sprechen, kann es sich um beliebige Hardwarekomponenten wie Steuergeräte handeln, aber auch um Softwarekomponenten wie eine Anwendung oder sogar ein „ AI “-Modell, nicht wahr? Jede dieser Komponenten kann also kontinuierlich überwacht werden, während sie in der Praxis im Einsatz ist. Und auf der Grundlage der Informationen, die wir über diese Komponente sammeln können, können wir während des Betriebs kontinuierliche Verbesserungen, Feinabstimmungen und Optimierungen an diesen Komponenten vornehmen. Das ist es, was wir unter softwaredefinierten Komponenten verstehen.

Erhebung von Daten aus der Praxis

SANJAY: Klar. Du hast also die Erfassung von Daten aus der Praxis erwähnt. Ich meine, wir wissen ja, dass die OEMs eine Menge Daten erfassen. Was ist das Besondere an der Art und Weise, wie du diese Art der Echtzeit- oder Praxisdatenerfassung beschreibst?

YU: Ja, das stimmt. Also ja, natürlich führen alle Tier-1-Zulieferer und OEMs vor der Auslieferung der Fahrzeuge umfangreiche Tests durch, oder? Wir wissen jedoch, dass man bei der Erprobung verschiedener realer Fahrsituationen niemals alle Fälle abdecken kann. Daher ist es sehr wichtig, Informationen über bestimmte Komponenten aus dem Fahrzeug zu erhalten, während diese im realen Betrieb eingesetzt werden und von einem echten Fahrer im Alltag genutzt werden. Diese Informationen sind äußerst wichtig, um die tatsächliche Leistung einer Komponente zu verstehen.

Optimierung von Komponenten

SANJAY: Verstanden. Das sind also nicht nur Daten, die auf der Teststrecke erhoben wurden, sondern es handelt sich um echte Menschen, also ganz normale Leute, die unter verschiedenen Fahrbedingungen an unterschiedlichen Orten unterwegs sind. Das ist großartig. Und wie geht es dann weiter, wenn ihr diese Datenerhebung unter realen Bedingungen abgeschlossen habt?

YU: Richtig. Heutige Fahrzeuge verfügen also über viele Komponenten, die immer komplexer werden. Und das bedeutet, dass es viele Möglichkeiten gibt, diese Komponenten so zu optimieren, dass sie unter bestimmten Bedingungen gut funktionieren – zum Beispiel bei hohen oder niedrigen Temperaturen, beim Bergauf- oder Bergabfahren und so weiter und so fort. Daher ist es auch sehr wichtig, über die Fähigkeit zu verfügen, die Komponente in Echtzeit entsprechend den jeweiligen Fahrbedingungen zu optimieren.

Fahrbedingungen

SANJAY: Ich möchte noch einmal auf das zurückkommen, was Sie gerade gesagt haben. Sie haben davon gesprochen, sich an unterschiedliche Fahrbedingungen anzupassen und die Leistung für unterschiedliche Fahrbedingungen zu optimieren. Können Sie dazu einige Beispiele nennen?

YU: Ja, es gibt viele solcher Beispiele. So verfügt beispielsweise jedes Fahrzeug heutzutage über eine Traktionskontrolle. Allerdings muss man die Traktionskontrolle möglicherweise an die jeweilige Straße, auf der man fährt, an die Wetterbedingungen sowie an weitere Faktoren wie die Fahrgeschwindigkeit und so weiter anpassen. Richtig? Das ist also ein Beispiel. Ein weiteres Beispiel ist, dass jedes Fahrzeug heutzutage mit vielen Kameras ausgestattet ist. Und jeder, der schon einmal eine Kamera bedient hat, weiß, dass man, um das beste Bild aufzunehmen, die Lichtverhältnisse in der Umgebung berücksichtigen muss – ob es Tag oder Nacht ist – sowie viele andere Faktoren. Je nachdem, ob man direkt in die Sonne fährt oder von ihr weg, ob es früh am Morgen oder spät am Nachmittag ist, sollte man die Kamera daher dynamisch anpassen, um das beste Bild für das Modell „ AI “ zu erhalten.

Rückkopplungsschleife

SANJAY: Wenn euch gefällt, was ihr bisher gesehen und gehört habt, klickt auf „Gefällt mir“ und abonniert unseren Kanal, damit ihr mehr Inhalte dieser Art bekommt. Ihr habt uns gerade einige großartige Beispiele genannt. Wie erreicht die von uns vorgestellte „Software-Defined Components“-Lösung das?

YU: Der Schlüssel liegt also darin, einen Regelkreis zu schaffen. Dies beginnt damit, dass man Daten zu einer bestimmten Komponente im Fahrzeug unter realen Fahrbedingungen erfassen kann, um anschließend all diese Informationen flottenweit zu sammeln. Diese Daten stehen dann in der Cloud zur Verfügung, wo man anspruchsvolle Datenanalysen, Algorithmen und Algorithmen des maschinellen Lernens anwenden kann, um aus diesen Informationen Erkenntnisse zu gewinnen. Und sobald man weiß, was man tun kann, um die Leistung der Komponente zu optimieren, kann man diese Feinabstimmung sehr schnell in jedem beliebigen Fahrzeug vornehmen, auf das man sie anwenden möchte.

SANJAY: Diese Rückkopplungsschleife klingt sehr interessant. Sie haben davon gesprochen, Daten zu erfassen, diese zu analysieren und die Ergebnisse dann im Fahrzeug umzusetzen. Entspricht das in etwa dem, was die Erstausrüster derzeit mit einer OTA-Lösung machen?

YU: Nicht ganz. Zunächst benötigen Sie ein Tool wie den „ Sonatus -Collector“, um bestimmte Komponenten entsprechend den jeweiligen Fahrbedingungen gezielt anzusprechen und die Informationen basierend auf bestimmten Ereignissen zu erfassen. Sobald Sie diese Informationen von einer ganzen Reihe von Fahrzeugen haben, können Sie daraus die Art der Optimierung ableiten, die Sie unter verschiedenen Fahrbedingungen vornehmen können. Und sobald Sie diese Informationen haben, möchten Sie diese in eine sehr schlanke Richtlinie verpacken, wie sie unser „ Sonatus Automator“ unterstützt – um diese Richtlinie auf jedes beliebige Fahrzeug anwenden zu können. Anschließend ist der „ Sonatus Automator“ dann im Grunde in der Lage, die beste Optimierung basierend auf der jeweiligen Fahrsituation, in der Sie sich befinden, anzuwenden.

Fazit

SANJAY: Sie haben gerade eine Methode beschrieben, mit der Daten nicht nur intelligent erfasst werden, sondern die es dem Fahrzeug auch ermöglicht, je nach Fahrsituation bei Bedarf optimierte Einstellparameter anzuwenden. Das klingt nach einer sehr, sehr interessanten Lösung. Wird diese in naher oder erst in ferner Zukunft verfügbar sein?

YU: Ja. Derzeit arbeitet „ Sonatus “ mit zahlreichen Partnern zusammen, um dies in die Praxis umzusetzen. Wir stellen einige konkrete Anwendungsfälle vor. Einer davon betrifft die Motoroptimierung. Ein weiterer betrifft die Beleuchtungsoptimierung auf der CES. Wir arbeiten aber auch mit anderen Partnern zusammen, um immer mehr Anwendungsfälle auf den Markt zu bringen.

SANJAY: Nun, das war ein faszinierendes Gespräch, Yu Fang. Ich möchte mich bei dir dafür bedanken, dass du beim „ Driving Innovation “-Podcast vorbeigeschaut hast.

YU: Vielen Dank, Sanjay, für das Gespräch. Es war mir eine Freude.

SANJAY: Nun, damit sind wir am Ende dieser Folge von „ Driving Innovation “ angelangt. Seid gespannt auf weitere Folgen, in denen wir uns mit anderen Themen rund um den Übergang zu softwaredefinierten Fahrzeugen beschäftigen werden.