Entfesseln Sie das Potenzial des In-Vehicle- AI s mit Sonatus – dem Leiter des Bereichs „AI “

0:00 Einleitung: Start von „ Sonatus “ –AI , Direktor

Willkommen zu einer weiteren Folge von „ Driving Innovation “ – dem Podcast, der sich mit Produkten und Lösungen befasst, die die Automobilindustrie in Richtung „ AI “-fähiger, softwaredefinierter Fahrzeuge vorantreiben.

Heute haben wir eine Sonderfolge für euch. Wir werden über unser neuestes Produkt sprechen: „ Sonatus “ vonAI Director. Es gab bereits zahlreiche Diskussionen rund um „ AI “ und die Automobilindustrie.

Nun gibt es viele Innovationen rund um AI

haben sich auf cloudbasierte Lösungen konzentriert. Denken Sie an Ihre Chatbots oder Sprachassistenten – und doch gibt es noch viel mehr Potenzial für „ AI “ direkt im Fahrzeug, um Fahrzeuge für Endkunden wesentlich intelligenter, anpassungsfähiger und unterhaltsamer zu machen.

Und genau das ist ja auch der Zweck von Edge- AI n im Fahrzeug. Und genau diese Herausforderung geht der Direktor von AI an. Also lassen Sie uns

Los geht’s.

Heute ist Steve Stoddard bei mir zu Gast, Produktmanager für „ AI “-Produkte hier bei Sonatus.

Steve wird auf die Einführung des „ AI Director“ eingehen und erläutern, welche Ziele damit verfolgt werden und was das Programm konkret leistet.

Steve, willkommen zurück beim Podcast.

Vielen Dank,

1:25 Was ist „ AI “? Regisseur

Sanjay. Ich freue mich, hier zu sein.

Ich habe das Gefühl, ich müsste dir für deinen dritten Auftritt in Folge irgendwie ein T-Shirt oder eine Tasse schenken. Es ist so schön, dich hier zu haben. Vielen Dank. Kommen wir also gleich zur Sache. Was ist „ AI Director“ und warum bringen wir dieses Produkt gerade jetzt auf den Markt?

Klar. „ AI Director“ ist eine Plattform für OEMs, mit der sie „ AI “-Modelle entwickeln, bereitstellen, ausführen und verwalten können. Und es gibt drei Hauptgründe, warum „ AI “ bereits jetzt für den Einsatz in Fahrzeugen bereit ist. Der erste ist, dass sowohl Endkunden als auch die OEMs selbst eine stärkere Individualisierung, mehr Personalisierung und Funktionen in ihren Fahrzeugen fordern, die stark vom „ AI “ geprägt sind – denn das begleitet uns heute überall hin.

Ein zweiter Grund ist, dass mit der zunehmenden Verbreitung softwaredefinierter Fahrzeuge und Daten diese wirklich überall zu finden sind, und die Datenkosten werden wirklich exorbitant hoch, wenn alles in die Cloud zurückgeleitet wird, um dort „ AI “-Modelle auszuführen.

Hinzu kommt die Datensicherheit. Alles, was das Fahrzeug verlässt, stellt eine potenzielle Bedrohung und ein potenzielles Sicherheitsrisiko dar. Die Ausführung v AI -Modellen im Fahrzeug selbst ist daher – sofern möglich – die sicherere Vorgehensweise. Und der dritte Grund ist letztlich, dass sich heute alle Technologien so weit zusammenfügen, dass dies tatsächlich möglich wird, während es vor wenigen Jahren noch nicht wirklich existierte und in der heutigen Form noch nicht realisierbar war.

Ja. Es gibt also noch viel mehr Potenzial für „ AI “-gestützte Intelligenz im Fahrzeug. Ich kann mir gut vorstellen, dass es ähnlich läuft wie bei anderen Geräten und Vorrichtungen um uns herum, die immer intelligenter werden und sich immer besser an unsere persönlichen Bedürfnisse anpassen. Das Auto oder das Fahrzeug kann das Gleiche leisten.

Könnten Sie mir – bzw. uns – bitte ein wenig näher erläutern, was „ AI Director“ leistet, was beispielsweise andere Lösungen auf dem Markt derzeit nicht bieten? Gerne.

3:13 Bewältigte Herausforderungen

Eines der Probleme, das wir sehen, ist, dass es zwar viele verschiedene Tools zum Erstellen, Entwickeln und Bereitstellen von Modellen unter AI gibt, diese jedoch an die Geschichte der Entwicklung von AI und des Internets im Allgemeinen gebunden sind. Daher konzentrieren sich viele cloudbasierte Anwendungen auf die Erstellung von Modellen, die in Rechenzentren bereitgestellt werden sollen, in denen praktisch unbegrenzte Rechenleistung zur Verfügung steht, um diese Modelle während der Inferenzphase tatsächlich ausführen zu können. Ein weiteres Problem besteht darin, dass die Daten, die zur Erstellung dieser Modelle benötigt werden, derzeit im Fahrzeug gespeichert sind. Das verbessert sich natürlich, da heute immer mehr Daten in die Cloud zurückfließen, aber dies ist eine der Herausforderungen, die wir bei unseren Kunden beobachten, wenn es darum geht, ihre Modelle tatsächlich bereitzustellen.

Und der dritte wichtige Aspekt ist die Tatsache, dass diese Modelle in Fahrzeugen zum Einsatz kommen werden. Es handelt sich also um nicht standardisierte Hardware. Jedes Fahrzeug ist ein wenig anders. Die unterschiedlichen

Die Steuergeräte im Fahrzeug verfügen über unterschiedliche Funktionen und haben Zugriff auf unterschiedliche Datenquellen.

Daher ist es tatsächlich notwendig, diese Modelle so zu optimieren, dass sie im Fahrzeug laufen, und sie zum richtigen Zeitpunkt mit den richtigen Daten aus den verschiedenen Steuergeräten zu versorgen.

Klar. Was Sie also beschreiben, ist im Wesentlichen eine Art Werkzeugkette zur Verwaltung des gesamten Lebenszyklus – von der Entwicklung über das Training und die Entwicklungsoptimierung bis hin zum tatsächlichen Einbau ins Fahrzeug, damit es dort seine „Magie“ entfalten kann. Sprechen wir doch einmal über diese „Magie“. Welche Anwendungsfälle stellen wir uns vor, die Automobilhersteller mit dem im Fahrzeug integrierten „ AI “ realisieren wollen?

Ja. Auf jeden Fall.

4:41 Beispiele für Anwendungsfälle

Es gibt also viele verschiedene Anwendungsfälle, die wirklich von „ AI “ profitieren können. Einer davon ist ganz einfach die allgemeine Personalisierung. Dazu gehören alle möglichen Funktionen, mit denen man die Funktionsweise des Fahrzeugs an den jeweiligen Nutzer anpassen möchte.

Ein weiteres Beispiel sind virtuelle Sensoren. Natürlich spielen heute die Kosten eine entscheidende Rolle. Und bei softwaredefinierten Fahrzeugen ist es möglich, Sensoren im Fahrzeug einzusetzen

praktisch über diese AI -Modelle und so auch einen Teil der Hardwarekosten einsparen.

Ein weiterer Bereich, in dem wir in der Regel große Vorteile feststellen, ist die Cybersicherheit von Fahrzeugen. Wie ich bereits erwähnt habe, entfallen einige der Herausforderungen, die mit der Übertragung von Daten aus dem Fahrzeug in die Cloud verbunden sind, um diese Modelle auszuführen – all das ist nicht mehr nötig, sobald man in der Lage ist, diese Modelle direkt im Fahrzeug auszuführen und sie auf diese Weise wesentlich besser zu schützen.

BMS-Modelle, also Batteriemanagementsysteme, sind ein weiterer Bereich, da Fahrzeuge zunehmend elektrifiziert werden. Für Erstausrüster stellt dies heute in der Regel eine Herausforderung dar, insbesondere da sie gerade den Übergang von Fahrzeugen mit Verbrennungsmotor zu Elektrofahrzeugen vollziehen. Dabei handelt es sich jedoch in der Regel auch um deutlich stärker softwaregesteuerte Fahrzeuge, und es werden weitaus mehr Daten benötigt, um diese Batteriesysteme ordnungsgemäß zu verwalten und sicherzustellen, dass sie effizient arbeiten und mit optimalen Werten geladen werden. All dies sind also reife Anwendungsmöglichkeiten für „ AI “-Modelle zum Betrieb eines Fahrzeugs.

5:53 Optimierung für die Fahrzeughardware

Klar. Wir wissen ja, dass wir offensichtlich schon viel über die immense Menge an Rechenressourcen gehört haben, die für den Betrieb v AI s erforderlich ist. Und obwohl Fahrzeuge aus elektronischer Sicht immer leistungsfähiger und vielseitiger werden, gibt es im Fahrzeug selbst noch keine High-End-GPUs und NPUs. Wie hat der Direktor von „ AI “ diese Herausforderungen gemeistert – oder wie wird der Direktor von „ AI “ sie bewältigen –, damit es tatsächlich praktikabel wird, „ AI “-Modelle, wie Sie sie beschrieben haben, in Fahrzeugen der aktuellen Generation einzusetzen?

Ja, auf jeden Fall. Das ist eine sehr gute Frage. Die traditionelle „ AI “-Branche und die Automobilindustrie haben sich natürlich auf ADAS oder autonomes Fahren konzentriert.

Und dies ist ein Bereich, der bereits sehr gut erschlossen ist. Er ist sehr gut erforscht. Aber diese anderen Bereiche weisen, wie ich bereits erwähnt habe, nicht denselben Entwicklungsstand auf. Eine der Beobachtungen, die wir bei „ AI Director“ und vielen unserer Modellpartner machen, ist, dass es eine Vielzahl unterschiedlicher Modelltypen gibt, die entwickelt werden und die man in die Fahrzeuge integrieren möchte.

Das kann also

Die Bandbreite reicht von sehr einfachen, physikbasierten Modellen – vielleicht im Stil einer linearen Regression – bis hin zu neuronalen Netzen oder sogar LLM-basierten Modellen. Je nach Art des Modells sowie der im Fahrzeug verbauten Hardware ist es also möglich, diese Modelle für die jeweilige Hardware zu optimieren und sie zur richtigen Zeit am richtigen Ort einzusetzen, damit die richtigen Daten in diese Modelle einfließen können und sie den gewünschten Nutzen erzielen.

7:24 Startpartner

Sie haben einige Anwendungsfälle angesprochen und, wenn ich mich recht erinnere, auch einige Anbieter genannt. Ich weiß, dass wir bereits von Anfang an mit mehreren von ihnen zusammenarbeiten, und ich bin mir sicher, dass noch weitere hinzukommen werden. Könnten Sie vielleicht ein wenig über einige der Partner erzählen, mit denen wir bei dieser Markteinführung zusammenarbeiten?

Ja. Es ist also ein sehr wichtiges Ökosystem, um alle Beteiligten und alle notwendigen Schritte dieses Prozesses zusammenzubringen.

Wir haben tatsächlich mit AWS im Cloud-Bereich zusammengearbeitet, insbesondere bei der Implementierung,

in unsere Modellentwicklungsabläufe zu integrieren. Natürlich gibt es heute viele hervorragende Tools, mit denen man bereinigte Daten trainieren, Modelle trainieren und diese dann für die endgültige Integration in unser System vorbereiten kann, um sie in den Fahrzeugen einzusetzen. AWS SageMaker Studio ist dafür ein hervorragendes Tool, mit dem wir bereits intensiv gearbeitet haben.

Was den Bereich Silizium und die Hardware betrifft, pflegen wir eine sehr gute Beziehung zu NXP und arbeiten eng mit dem Unternehmen zusammen, um die Optimierung voranzutreiben – insbesondere, um die Optimierung dieser Modelle für den Einsatz in NXP-Hardware zu vereinfachen.

8:25 Uhr Modellverkäufer

Was die Modelle betrifft, arbeiten wir mit einer Reihe von Anbietern zusammen. Einer der Anwendungsfälle ist die Scheinwerfer-Leuchtweitenregulierung. Außerhalb der EU wird es ab 2027 eine neue Vorschrift für die Scheinwerfer-Leuchtweitenregulierung geben. Ein Unternehmen namens Compredict hat einen virtuellen Sensor entwickelt, der diese Funktion ermöglicht, ohne dass dafür zusätzliche Hardware erforderlich ist. Das ist also eine wirklich coole Anwendung, an der wir gearbeitet haben.

Ein weiteres Unternehmen ist im Bereich des Batteriemanagements (BMS) tätig, nämlich QNovo.

Sie beschäftigen sich mit dem Batteriemanagement zur Überwachung des Fahrzeugzustands, der Erkennung des Zustands der Fahrzeugzellen, deren Leistungsfähigkeit sowie der Vorhersage von Ausfällen und ähnlichen Aspekten. Das ist also ein neues Modell, an dem sie gearbeitet haben und das wir ebenfalls eingeführt haben. Außerdem sind wir eine Partnerschaft mit VicOne eingegangen, einem weiteren Anbieter im Bereich Cybersicherheit. Sie verfügen über ein sehr innovatives, neues LLM-basiertes Modell, an dessen Integration in unsere Hardware wir ebenfalls arbeiten. Ein weiteres Modell, das wir vorstellen, ist ein Modell zur Erkennung von Motoranomalien, das wir hier bei Sonatus intern entwickelt haben. Auch hierbei kommen zahlreiche Optimierungstools sowohl von AWS als auch von NXP zum Einsatz.

NXP. Okay. Also eine gute Mischung aus Partnern, eine gute Vielfalt an verschiedenen Modellanbietern und so weiter. Das zeigt wirklich die Vielfalt der Modelltypen, die AI -Direktor verwalten und handhaben kann. Ich halte es für ein wichtiges Unterfangen, die „ AI “-Modelle näher an den Edge und näher an den Nutzer heranzubringen. Und wir freuen uns auf weitere Gespräche rund um den „ AI Director“ und einige seiner abgeleiteten Lösungen in den kommenden Folgen. Nochmals vielen Dank, dass Sie vorbeigekommen sind und uns als dreimaliger Gast so großzügig Ihre Zeit gewidmet haben.

Und danke. Ja. Und herzlichen Glückwunsch zum Start. Vielen Dank, Sanjay. Das weiß ich zu schätzen.

10:10 Zusammenfassung: Wo Sie weitere Informationen finden

Damit sind wir am Ende dieser Folge von „ Driving Innovation “ angelangt. Wenn Sie mehr über „ AI Director“ erfahren und weitere Details zu den Themen erhalten möchten, die wir heute hier besprochen haben, besuchen Sie die Produktseite unter sonatus.com und sehen Sie sich auch die ausführlichere Lösungsbeschreibung an, die Sie dort herunterladen können. Nochmals vielen Dank, dass Sie bei dieser Folge von „ Driving Innovation “ dabei waren, und wir freuen uns darauf, Sie in Zukunft wiederzusehen.