Sonatus AI Techniker-Konfigurator

00:00 Überblick

Willkommen zu einer weiteren Folge von „ Driving Innovation “, dem Podcast, der sich der Erforschung innovativer Lösungen und Technologien widmet, die die Automobilindustrie in eine neue Ära softwaregestützter Innovationen führen.

Heute beschäftigen wir uns damit, wie künstliche Intelligenz, unterstützt durch die richtige SDV-Infrastruktur, Automobilherstellern die Möglichkeit gibt, nahtlose und angenehme Erlebnisse für Fahrzeugbesitzer zu schaffen.

Zu Gast in diesem Gespräch ist Steve Stoddard, Produktmanager für den „ AI “-Techniker-Konfigurator von Sonatus.

Steve wird uns verdeutlichen, wie diese innovative Lösung leistungsstarke „ AI “ und Echtzeit-Fahrzeugdaten nutzt, um den Fahrzeugbesitz und die Wartung zu vereinfachen.

Außerdem werden wir uns mit den grundlegenden SDV-Technologien befassen, die diese fortschrittlichen Anwendungen erst möglich machen.

Dann fangen wir mal an.

01:00 Komplexität moderner Fahrzeugtechnik

Willkommen bei „ Driving Innovation “, Steve. Danke, Sanjay. Ich freue mich, hier zu sein. Schön, dass du dabei bist. Heutzutage stecken Fahrzeuge voller Technologie.

Außerdem werden sie immer komplexer. Welche Herausforderungen stellt diese Komplexität für die Menschen dar?

Ja. Das ist eine tolle Frage. Ich denke, für Fahrer ist eines der häufigsten Probleme ein Missverständnis der Kontrollleuchten im Fahrzeug – die Symbole, die auf dem Armaturenbrett erscheinen. Das veranlasst viele Erstausrüster dazu, diese digitalen Bedienungsanleitungen zu erstellen, um das Verständnis dieser Dinge zu erleichtern, aber dabei wird irgendwie übersehen, was diese Symbole wirklich bedeuten und wie man tatsächlich darauf reagieren sollte. Ich denke, für Servicetechniker führt die Digitalisierung oft dazu, dass man ganze Bauteile austauschen muss, und es entsteht mehr Verwirrung angesichts der Vielzahl an Fehlercodes (DTCs) und Signalkodes sowie deren Bedeutung. Und bei den Fahrzeugherstellern kommt es häufig zu Problemen, da sie über die gesamte Flotte hinweg keinen Einblick darin gewinnen können, was tatsächlich vor sich geht und welche Art von Problemen auftreten, um Rückrufe vermeiden zu können.

Nun, wir sind hier, um über den „ AI -Techniker-Builder“ der Sonata zu sprechen. Ich gehe also davon aus, dass Sie mir sagen werden, dass viele dieser Probleme durch etwas wie einen „ AI -Techniker“ gelöst werden können. Helfen Sie uns also bitte zu verstehen, was der „ AI -Techniker“ ist, und erklären Sie uns auch, was der „Builder“-Teil dieser Lösung beinhaltet.

Ja, auf jeden Fall. Wir haben unter anderem festgestellt, dass viele dieser unterschiedlichen Nutzer solcher Tools keinen guten Einblick in Echtzeitinformationen darüber haben, was gerade mit ihrem Fahrzeug passiert. Wie du weißt, gibt es heute zahlreiche Fortschritte im Bereich „ AI “.

Und ich denke, wenn man ein Problem mit seinem Fahrzeug hat, kann man Google fragen oder ChatGPT befragen, aber das Problem ist, dass man Antworten erhält, die sich auf das Internet stützen und darauf, was diese Systeme glauben, was mit dem Fahrzeug los ist. Was wirklich fehlt, ist diese Fahrzeuganbindung, die Datenverbindung und der Zugriff auf die zugrunde liegenden Informationen, um die Frage beantworten zu können. Wir haben daher festgestellt, dass die zugrunde liegende Technologie, die erforderlich ist, um diese AI Techniker zu unterstützen, wirklich auf softwaredefinierten Fahrzeugen beruht. Die Fähigkeit, Daten zu erfassen – beispielsweise mit dem Produkt von Sonatus, dem „Collector“ AI – sowie die Möglichkeit, Maßnahmen im Fahrzeug zu ergreifen, tragen entscheidend dazu bei, diese Funktion weiterzuentwickeln und für ein Fahrzeug verfügbar zu machen.

03:09 Vorstellung von „ Sonatus “ – Techniker bei „AI “

Bevor wir über einige der zugrunde liegenden Technologien sprechen: Du hast SDV erwähnt. Natürlich spielt „ AI “ dabei eine Rolle. Konzentrieren wir uns darauf, was der „ AI “-Techniker für die verschiedenen Nutzergruppen leisten kann, die möglicherweise damit zu tun haben. Ich meine damit die Fahrzeugbesitzer, die Servicetechniker und sogar die OEM-Ingenieure. Ja, auf jeden Fall.

Das sind also drei sehr gute Anwendungsfälle, also die Zielgruppe für diese Art von Produkt.

Für Nutzer, Fahrzeugfahrer und Fahrzeugbesitzer besteht eine der Aufgaben, bei denen ein Techniker von AI helfen kann, darin, Vorgänge in ihrem Fahrzeug zu verstehen, die nicht auf den ersten Blick erkennbar oder leicht nachvollziehbar sind. Man kann sich also ein Szenario vorstellen, in dem ein Problem mit dem Motor vorliegt, die „Check Engine“-Leuchte jedoch nicht aufleuchtet. Die Techniker von AI können dabei helfen, Klarheit darüber zu gewinnen, was tatsächlich vor sich geht, und dem Besitzer Empfehlungen geben, ob er das Fahrzeug zur Wartung vorfahren lassen sollte oder nicht. Und wenn sie das tun, können sie dem Servicetechniker auch im Voraus Daten zur Verfügung stellen, sodass dieser leichter diagnostizieren kann, was mit dem Fahrzeug los ist, und das richtige Ersatzteil bereits vorrätig hat, wenn Sie Ihr Fahrzeug vorbeibringen – anstatt dass Sie erst drei Wochen später wiederkommen müssen, wenn das Ersatzteil endlich eingetroffen ist, und Ihr Fahrzeug über einen langen Zeitraum nicht nutzen können.

Und für OEMs bietet dies die Möglichkeit, diese Daten zu erfassen – von der Flottenebene bis hin zu den Service-Standorten –, um aufkommende Probleme zu erkennen und möglicherweise besser zu verstehen, was mit ihrer Flotte geschieht, sodass sie Verbesserungen für die nächste Fahrzeuggeneration vornehmen oder Rückrufe vermeiden können, die andernfalls auftreten könnten, wenn sich das Problem ausbreitet.

Ich kann mir gut vorstellen, dass dies für mich als Fahrzeughalter einen Anreiz darstellen würde, die vom Hersteller autorisierten Werkstätten aufzusuchen, da diese über die Informationen verfügen, die der Techniker von „ AI “ erfasst. Welche allgemeinen Vorteile würde eine solche Lösung nicht nur für den Nutzer, sondern auch für die Hersteller mit sich bringen?

Ja. Auf jeden Fall. Da hast du den Nagel auf den Kopf getroffen, ganz klar. Mit solchen Einblicken lässt sich das Serviceerlebnis in einer hauseigenen Werkstatt deutlich optimieren und effizienter gestalten.

So kann ihr Servicebetrieb effizienter gestaltet werden. Aber ich denke auch, dass dies für den Hersteller zu einer hohen Zufriedenheit führt – sowohl beim Kunden mit diesem Prozess als auch mit dem gesamten Erlebnis als Fahrzeugbesitzer. Das führt wiederum zu mehr Kundenbindung und zu der Überzeugung: „Hey, ich werde diesen Leuten auch in Zukunft treu bleiben, weil ich mit diesem Fahrzeug so gute Erfahrungen mache. Mein nächstes Auto werde ich wieder bei derselben Firma kaufen.“

Richtig. Richtig.

05:31 Erstellen von „ AI “-Technikern mit Builder

Wir haben nun über den „ AI “-Techniker selbst gesprochen. Und um das klarzustellen: „ Sonatus “ entwickelt die „ AI “-Techniker nicht selbst. Hier kommt der Hersteller ins Spiel. Helfen Sie uns doch bitte, diesen Aspekt etwas besser zu verstehen.

Ja, auf jeden Fall. Wie ich bereits erwähnt habe, beschäftigen sich viele OEMs derzeit mit Anwendungen wie digitalen Bedienungsanleitungen oder virtuellen Assistenten im Fahrzeug. Dabei stellen wir unter anderem fest, dass diese Lösungen für jedes Fahrzeug individuell angepasst werden müssen, da jedes Fahrzeug spezifisches Fachwissen erfordert – sei es bei einem Modellwechsel, bei einer anderen Ausstattungsvariante oder Ähnlichem.

Um das skalierbar zu machen, braucht man also wirklich eine Plattform, auf der ein OEM diesen Prozess immer wieder wiederholen kann. Und im Idealfall muss er kein Experte für „ AI “ oder gar für das Fahrzeug selbst sein, um den Techniker zusammenzustellen, der über die Fähigkeit verfügt, diese Informationen zu kennen. Aus diesem Grund haben wir bei Sonatus eine Builder-Plattform entwickelt, die es verschiedenen Anwendern beim OEM ermöglicht, diese unterschiedlichen Techniker tatsächlich zu erstellen – je nachdem, wie sie diese für ihre Kunden oder intern innerhalb ihres eigenen Unternehmens, für Ingenieure oder sogar auf Kundendienst-Ebene nutzen möchten.

Das heißt, sie können im Grunde genommen Techniker ausbilden, die ganz speziell auf ihre Fahrzeugmodelle, ihre Ausstattungsvarianten und möglicherweise sogar auf den jeweiligen Besitzer zugeschnitten sind?

Auf jeden Fall. Ein Punkt, den sie bereitstellen werden, sind die Unterlagen zum Fahrzeug selbst. Dazu gehören beispielsweise die Bedienungsanleitung oder – für den internen Gebrauch – Dinge wie Reparaturhandbücher, Schaltpläne und so weiter für Servicetechniker.

Als OEM-Ingenieur verfügen Sie als Anwender in der Regel über ein FMEA-Dokument oder andere Fehlerbaumstrukturen und Ähnliches. Das stellt gewissermaßen das technische Wissen über das Fahrzeug dar. Dann möchten Sie die tatsächlichen Echtzeitdaten aus dem Fahrzeug damit verknüpfen, und an dieser Stelle beginnen Sie, Dinge wie die tatsächlichen Fahrzeugdaten – die sich auf die Fahrzeug-Identifikationsnummer (VIN) und den jeweiligen Besitzer beziehen – sowie Wartungsunterlagen und die Fertigungshistorie miteinander zu verknüpfen. All das ist möglich.

Das hängt wirklich von den verschiedenen Datenquellen ab, die ein OEM tatsächlich anbinden möchte. Und das hängt wiederum davon ab, welche Anwendungsfälle vorliegen und für welche konkreten Nutzer diese spezielle Technikerlösung entwickelt werden soll.

Das ist also fast so, als hätte man seinen ganz persönlichen „ AI “-Techniker. Ich finde das toll.

07:36 SDV-Technologien ermöglichen und AI

Wir kommen also langsam dazu, wie das Ganze eigentlich funktioniert. Natürlich spielt AI dabei eine Rolle, aber man kann AI nicht einfach so auf ein Fahrzeug aufsetzen. Oder? Es muss offensichtlich einige Vorbedingungen oder Voraussetzungen geben, die den tatsächlichen Einsatz solcher Anwendungen erst ermöglichen. Helfen Sie uns bitte zu verstehen, um welche grundlegenden Technologien es sich dabei handelt.

Ja. Auf jeden Fall. Ein Punkt, der unserer Meinung nach entscheidend ist, ist die Möglichkeit, die Daten direkt vom Fahrzeug selbst abzurufen. Also Produkte, die im Fahrzeug im Fahrzeugnetzwerk eingebunden sind, die mit den verschiedenen Steuergeräten kommunizieren und Zugriff auf alle Fahrzeuginformationen haben – nicht nur auf bestimmte Fehlercodes (DTCs) oder bestimmte Bereiche des Netzwerks.

Das ist also zum einen eine Basistechnologie rund um die Software im Fahrzeug, um diese Daten in Echtzeit zu erfassen und über die verschiedenen Knoten hinweg darauf zugreifen zu können. Ein zweiter Aspekt ist die tatsächliche Rückführung dieser Daten in die Cloud, was eher einem Datenerfassungsprodukt entspricht – so etwas wie der „ Sonatus -Collector“ ( AI), der die Daten anhand sehr schlanker Richtlinien in die Cloud zurückleitet. Sobald man über diese grundlegenden Komponenten verfügt, kann man tatsächlich damit beginnen, umfassendere Funktionen zu entwickeln und beispielsweise spezifische „ AI “-Modelle einzubinden, die auf Basis dieser Fahrzeugdaten ausgeführt werden können.

Das heißt also, es geht um sehr spezifische Aufgaben oder Fachwissen, sodass man sich nicht nur auf den „ AI “-Techniker selbst verlässt, sondern auf verschiedene Agenten zurückgreifen kann, die Zugriff auf diese unterschiedlichen Tools haben und daraus Informationen über das Fahrzeug ableiten können.

09:06 Implementierung eines agentenbasierten Modells

Derzeit wird viel über ein agentisches Modell diskutiert, bei dem man nicht nur die Daten analysiert und daraus Schlussfolgerungen zieht, sondern gewissermaßen auch den Kreis schließt. Gibt es irgendetwas im „ AI -Technician-Builder“ oder in der gesamten Infrastruktur, das sich für ein agentisches Modell eignet?

Auf jeden Fall. All diese verschiedenen Datenquellen, über die wir gerade gesprochen haben, möchte man in der Regel in eigenständige Agenten integrieren. Es handelt sich also gewissermaßen um „ AI “-spezifische Module, die eine ganz bestimmte Aufgabe wirklich sehr gut beherrschen. Zum Beispiel die Auswertung der Daten aus der Bedienungsanleitung oder die Erstellung von Datenbanken, um die vom Fahrzeug kommenden Signale zu verstehen.

Es muss also nicht nur auf die Daten zugreifen können, sondern diese auch interpretieren können und wissen: „Hey, diese Signale bedeuten – besonders zu diesem Zeitpunkt – genau das.“ Und indem es sich auf diese Daten stützt und sie mit dem Wissen aus der Konstruktionsdokumentation kombiniert, kann es dann erkennen: „Oh, wenn ich solche Dinge sehe, handelt es sich um diese Art von Problem, und genau das muss ich dem Nutzer empfehlen.“ Diese verschiedenen Agenten verbinden sich also im Allgemeinen mit diesen unterschiedlichen Datenquellen, und dadurch kann man diese verschiedenen Tools nutzen.

Eine davon ist beispielsweise die Anbindung an einen „ Sonatus “-Kollektor ( AI ), bei dem Sie neue Richtlinien zur Datenerfassung auf der Grundlage der Einschätzung eines „ AI “-Technikers implementieren können. So könnten die vom Fahrzeug kommenden Daten auf der Grundlage der Benutzeranfrage ausgewertet und eine neue Datenrichtlinie initiiert, auf das Fahrzeug übertragen und mit der Erfassung von Daten begonnen werden, die andernfalls gar nicht verfügbar wären.

Es scheint, als würde der Techniker von „ AI “ fast in Echtzeit darüber nachdenken, was die nächsten Schritte sind und welche zusätzlichen Informationen ich benötige, um die richtige diagnostische Entscheidung zu treffen.

10:42 AI Betroffene Modelle

Lassen Sie uns ein wenig über einige der spezifischen Technologien von „ AI “ sprechen.

Sind das Ihre herkömmlichen ML-Modelle vom Typ „ AI “? Welche Art von Modellen verwenden Sie dafür?

Ja, auf jeden Fall. In der Regel nutzen wir LLMs genauso wie viele andere Anwendungen, die man heutzutage sieht. Letztendlich basieren sie auf den grundlegenden LLMs, aber wir bevorzugen Open-Source-Lösungen, die wir dann feinabstimmen und so zu hauseigenen Modellen weiterentwickeln. Ein Grund dafür ist, dass sie dann im spezifischen Automobilbereich bessere Leistungen erbringen können. Ein zweiter Grund ist, dass viele OEMs ihre eigenen Modelle hosten möchten und sicher sein wollen, dass ihre Daten geschützt sind – sowohl aus Sicht der Endnutzer in Bezug auf personenbezogene Daten als auch hinsichtlich der firmeneigenen Daten, die ein OEM möglicherweise als Wissensquellen für den „ AI “-Techniker bereitstellt. Wir bauen also auf diesen maßgeschneiderten LLMs auf und integrieren dann Techniken rund um die „Retrieval-Augmented Generation“ sowie das „Agentic Framework“. Insgesamt bringen wir das Know-how im Bereich der System-Prompting ein, damit all diese Komponenten nahtlos zusammenarbeiten.

Verstanden.

11:43 Zusammenfassung und Abschluss

Um es also zusammenzufassen: Sie haben den „ AI “-Teil der Lösung, aber Sie haben auch die zugrunde liegende Infrastruktur, die dazu gehört. Und Sie haben davon gesprochen, ein besser zugängliches Netzwerk zu haben, also gemeinsame Datenaustauschmechanismen, über die die Daten in die Modelle eingespeist werden können. Ich könnte mir vorstellen, dass hier auch Dinge wie servicebasierte oder serviceorientierte Architekturen ins Spiel kommen. Das ist also gewissermaßen der SDV-Teil des Gesamtkonzepts.

Ja. Die EE-Architektur im Fahrzeug spielt definitiv eine wichtige Rolle. Und da man Zugriff auf all diese verschiedenen Datenquellen hat, kann man Dinge wie – nun ja – allgemeine Telemetriedaten, aber auch DTCs, Protokolldateien und all diese Dinge einbeziehen, sogar die Netzwerkverkehrsdaten, die nützlich sein können, insbesondere wenn man an Cybersicherheit und ähnliche Anwendungsbereiche denkt. Es ist also wirklich wichtig: Je moderner die Architektur ist, desto leistungsfähiger können diese AI Techniker definitiv sein.

Ausgezeichnet. All dies wird in dem aktuellen Lösungsüberblick beschrieben, den wir gerade veröffentlicht haben: dem Lösungsüberblick zum „ AI Technician Builder“. Vielen Dank, Steve. Das war sehr aufschlussreich, und wir freuen uns darauf, dich in einer weiteren Folge von „ driving innovation “ begrüßen zu dürfen.

Super. Danke, Sanjay. Das hat richtig Spaß gemacht. Der „ AI “-Techniker-Konfigurator von Sonatusist ein hervorragendes Beispiel dafür, wie SDV-Technologien und Fahrzeug AI en OEMs dabei helfen können, das Fahrerlebnis grundlegend zu verändern, indem sie den Aufwand und Stress bei der Wartung und Reparatur von Fahrzeugen reduzieren und gleichzeitig die Markentreue stärken sowie den Kundenwert über die gesamte Lebensdauer steigern.

Laden Sie die Lösungsübersicht zu „ AI : Technician Builder“ unter sonatus .com herunter, um weitere Informationen zu erhalten, und vereinbaren Sie eine Demo, um die Lösung in Aktion zu erleben.

Vielen Dank, dass Sie diese Folge von „ Driving Innovation “ mit uns verfolgt haben. Wir freuen uns darauf, Sie in einer weiteren Folge wiederzusehen.