KEM Konstruktion: Die Automobilbranche befindet sich mitten im Umbruch. Welche Entwicklungen beobachten Sie vor dem Hintergrund der zunehmenden Elektrifizierung der Mobilität?
Baumann: Ein Trend, den wir auch bei unseren Kunden beobachten, ist der Aufbau zentralisierter Infrastrukturen in Unternehmen, um maschinelle Lern-Algorithmen für autonome Fahrzeuge zu trainieren. Wir sprechen hier über riesige Datenmengen von bis zu 200 Petabyte, die benötigt werden, um Level-3- oder Level-4-Fahrzeuge zu entwickeln. Zur Information: Die verschiedenen Stadien des autonomen Fahrens werden unterteilt in fünf große Bereiche, die sogenannten SAE-Level. Level 0 bedeutet zum Beispiel keinerlei Fahrerassistenzsysteme im Fahrzeug. Level 1 bedeutet, das Fahrzeug hat einen Park Distance Sensor. Level 5 bedeutet, es handelt sich um ein vollautonomes Fahrzeug.
Der zweite Trend sind Datenmanagementsysteme, um die riesigen Datenmengen zu verarbeiten. Sensordaten aus Lidar-, Radar- oder ähnlichen Systemen, enthalten sogenannte Meta-Informationen. Meta-Information bedeutet: „das ist ein Verkehrszeichen“, „das ist ein Fahrzeug“ oder „das Fahrzeug bewegt sich gerade bei regnerischen Bedingungen“ oder „es schneit“. Diese Meta-Informationen werden in Datenmanagementsystemen gespeichert. Hinzu kommt: Die Automobilbranche arbeitet dezentral. Das heißt, bei einem großen Projekt sitzen die Entwickler in den USA, in China, in Deutschland, in Frankreich – überall auf der Welt. Und sie alle müssen Zugang auf ein gemeinsames Datenmanagementsystem bekommen, um zusammenarbeiten zu können und die entsprechenden Informationen im Zugriff zu haben. Ein dritter Trend ist die sogenannte Car-to-Anything-Kommunikation. Dabei geht es zum Beispiel darum, wie Fahrzeuge mit ihrer Umwelt kommunzieren müssen, wie mit der eigenen Cloud oder wie auch untereinander. Dafür werden Sensoren gebraucht – integriert in Verkehrszeichen, in Ampeln oder in der Fahrbahn. Das Fahrzeug muss komplett vernetzt sein und mit allen Infrastrukturen kommunizieren können. Teil dieser Entwicklung ist das sogenannte Realtime Streaming, das es ermöglicht, Daten nahtlos und in Echtzeit aus dem Fahrzeug heraus mit der Umwelt zu teilen. Das benötige ich zum Beispiel, um das hinter mir fahrende Fahrzeug zu benachrichtigen: „Achtung, Glatteis!“
Ein weiterer wichtiger Trend ist die sogenannte Daten-Monetarisierung. In diesem Zusammenhang beobachten wir eine Verschiebung der Profit-Pools im Automobilmarkt. Automobilkonzerne müssen die traditionellen Entwicklungsprozesse verlassen und sich zu Softwareunternehmen transformieren, denn dreißig Prozent des Umsatzes werden künftig durch Software und Applikationen im Fahrzeug erzeugt. Das liegt auch daran, dass die Elektrifizierung die Komplexität des Bauens eines Fahrzeugs enorm reduzieren wird. Daher müssen die Unternehmen sich Gedanken machen, wie sie die anfallenden Daten monetarisieren. Letztendlich werden wir in der Automobilbranche Plattformen sehen wie in der Telekommunikation – Stichwort iPhone und Apple-App-Store. Ein Autobauer stellt künftig sein Fahrzeug und einen App-Store zur Verfügung, und andere Unternehmen können dann Services für dieses Fahrzeug anbieten und der Autohersteller verdient mit daran.
KEM Konstruktion: Vernetzte Mobilität und das autonome Fahren stehen im Fokus der Automobilhersteller. Wie weit ist die Industrie bei der Umsetzung vernetzter, autonomer Fahrzeuge?
Baumann: Momentan bauen Automobilhersteller und auch die großen Zulieferer jeweils ihre eigenen Systeme. Es fehlen einheitliche Standards und Normen. Wenn wir über vernetzte Mobilität reden, ist es wichtig, dass ein Fahrzeug mit der Infrastruktur in seiner Umgebung – etwa einer Stadt – und auch mit anderen Fahrzeugen kommunizieren kann. Darüber haben sich Hersteller und Zulieferer bisher noch keine Gedanken gemacht. Nehmen wir als Beispiel einen Unfall, eine Massenkarambolage auf der Autobahn. Wie kommunizieren autonome Fahrzeuge in diesem Fall mit der Polizei oder der Feuerwehr? Stand heute würde ein Mercedes, ein BMW oder ein Volkswagen jeweils irgendetwas an die Polizei melden.. Letztendlich kann die autonome, vernetzte Mobilität nur funktionieren, wenn sich alle untereinander abstimmen und in diesem Beispiel gesammelt einen Notruf abgeben. In Sachen Standards und Normen steht die Industrie noch am Anfang. Und da vernetzte Fahrzeuge am Ende in Städten wie München oder Stuttgart auf der Straße unterwegs sein werden, benötigt man auch hier die entsprechende Infrastruktur. Für das autonome Fahren benötigt jedes Verkehrszeichen, jede Stopplinie, jede Ampel und jede Fahrspur Sensoren. Und da schließt sich dann gleich die Frage an, wer diese Infrastruktur in den Städten bezahlt. Die Hersteller, die Städte? Wohl kaum, da hier kein Business-Case vorliegt. Am ehesten sehe ich Versicherungen, denn diese hätten durch die entsprechende Infrastruktur ein geringeres Risiko – bei gleichbleibenden Prämien. Das sind alles noch offene Fragen, die zeigen, dass wir hier noch am Anfang stehen.
KEM Konstruktion: Welche Herausforderungen müssen Automobilhersteller, Zulieferer, Mobilitätsanbieter, aber auch deren Technologiepartner wie Dell, im Zusammenhang mit Connected Mobility und dem autonomen Fahren meistern?
Baumann: Eine der größten Herausforderungen ist der Fachkräftemangel nicht nur in Deutschland, sondern auch in den USA oder in China. Es fehlen talentierte Leute, die sich mit maschinellem Lernen und künstlicher Intelligenz auskennen. Das zweite Problem ist das bereits angesprochene Datenmanagement. Wie baue ich eine Infrastruktur auf, um Entwicklern zu ermöglichen, von überall auf der Welt auf diese riesigen Datenmengen zuzugreifen? Eine weitere Frage ist, wie Automobilhersteller ihr traditionelles Geschäft in ein auftstrebendes, neues Geschäftsmodell überführen. Wie gelingt diese Transformation? Daher gründen auch alle großen, traditionell aufgestellten Autobauer Start-Ups. Diese kleinen Einheiten können agil arbeiten, sind flexibel und haben kurze Entscheidungswege. Eine weitere Erkenntnis ist, dass das autonome Fahren als Thema zu groß für eine Firma ist. Es ist zu komplex und zu schwierig, und das haben die Automobilhersteller anfänglich schlicht unterschätzt. Nun suchen viele Firmen Partnerschaften etwa mit Unternehmen wie Dell Technologies, mit Chipherstellern, Silicon-Valley-Unternehmen oder mit Start-Ups aus der Mobility-Szene.
KEM Konstruktion: Experten erwarten, dass bis zum Jahr 2030 etwa 230 Millionen Fahrzeuge – 90 Millionen davon autonom – auf den Straßen unterwegs sein werden. Die dafür benötigten Fahrerassistenzsysteme werden enorme Mengen an Daten erzeugen. Wie lassen sich aus dieser Datenflut die tatsächlich sinnvollen Informationen herausfiltern?
Baumann: Wenn es um die Selektion und die Verarbeitung von Daten geht, lassen sich drei Stufen unterscheiden, deren Anforderungen mit der Komplexität und mit der benötigten Rechenleistung steigen. Die Stufe eins, die erste Vorverarbeitung der Daten, erfolgt bereits im Fahrzeug. Dort werden Algorithmen auf diese Daten angewendet, um nur die sinnvollen Informationen zu übertragen. Allerdings ist die Rechenleistung im Fahrzeug verhältnismäßig gering, so dass die Datenflut nur relativ grob nach sinnvollen Informationen gefiltert wird. Die zweite Stufe erfolgt am Übergabepunkt der Daten vom Fahrzeug in die Infrastruktur. Dort steht eine größere Rechenleistung zur Verfügung und es lassen sich Algorithmen aus der konzerneigenen Entwicklung auf diese Daten anwenden. Auf diese Weise lassen sich schon mehr Informationen herausfiltern. Und in der dritten Stufe werden Informationen im eigenen Rechenzentrum selektiert. Dort hat man genug Leistung zur Verfügung und kann wirklich nur die sinnvollen Daten herausfiltern, um sie zu nutzen. Auch in diesem dreistufigen Prozess ist das Datenmanagement sinnvoll. Welche Daten übertrage ich und wie übertrage ich sie? Was für Daten speichere ich und wo lege ich sie ab? Wie gehe ich mit den Meta-Informationen um, welche davon übertrage ich und wo speichere ich sie? Bei der Beantwortung dieser Fragen unterstützt Dell Technologies seine Kunden, indem wir die Infrastrukturkomponenten liefern, die dann im Rechenzentrum oder in Recheneinheiten im Fahrzeug zum Einsatz kommen, um On-the-Edge-Berechnungen durchzuführen und um die Daten zu managen.
KEM Konstruktion: Bei der Frage, wie sich die riesigen Datenmengen bewältigen lassen, denkt man an Cloud-Lösungen. Müssen Anbieter im Bereich Connected Mobility oder Autonomes Fahren zwingend über eine Cloud-Strategie nachdenken oder sind auch „On-the-Edge“-Modelle denkbar?
Baumann: Es muss eine Kombination aus beidem geben. Und was mir persönlich immer wichtig ist: Wenn man über Cloud-Technologien spricht, muss man ganz klar unterscheiden zwischen einer konzerneigenen Cloud und einer öffentlichen Cloud. Die öffentliche Cloud ist so etwas wie Microsoft Azure, die Google Cloud Platform oder Amazon Web Services. Das heißt, man muss sich darauf konzentrieren, sogenannte hybride Strukturen zu entwickeln – eine nahtlose Verbindung zwischen Edge, der On-Premise-Infrastruktur und der Cloud – um Daten schnell, einfach und effizient analysieren zu können. Unsere Kunden, die Anwender, müssen über eine Cloud-Strategie nachdenken. Daher sprechen wir mit jedem unserer Kunden über Cloud- und Multi-Cloud- sowie hybride Cloud-Strategien. Und darüber, wie ich das Fahrzeug als integralen Bestandteil in diesen Entwicklungsprozess einbauen kann. Das ist der Schlüssel zum Erfolg.
KEM Konstruktion: Welche Rolle spielen Themen wie Künstliche Intelligenz (KI) und Machine Learning, wenn es um die Auswertung der Daten geht, die beim autonomen Fahren anfallen?
Baumann: Lassen Sie mich das Thema erst einmal grundsätzlich angehen. Wenn ich Vorträge zum Thema KI halte, frage ich das Publikum oft: „Geben Sie mir ein Beispiel für eine Künstliche Intelligenz.“ Und dabei stellt sich heraus, dass die meisten Leute gar nicht wissen, was überhaupt eine Künstliche Intelligenz ist.
Eine KI steckt im Grunde in jedem Smartphone. Das ist Siri von Apple, das ist Alexa von Amazon, das ist der Google Assistent. Dabei handelt es sich um Systeme, die sich wie ein Mensch verhalten können, mit denen man kommunizieren kann und die auch Entscheidungen treffen können. Das ist eine Künstliche Intelligenz. Und Machine Learning ist ein Werkzeug, um die KI zu entwickeln. Ein großer Hype-Begriff rund um das Thema Künstliche Intelligenz ist das sogenannte „Deep Learning“. Dabei handelt es sich ebenfalls einfach nur um ein Werkzeug aus einem Werkzeugkasten, das es mir ermöglicht, die Künstliche Intelligenz zu implementieren. Letztendlich reden wir über ein lernendes System.
Egal ob Maschinelles Lernen oder Deep Learning: Alle KI-Algorithmen müssen antrainiert werden. Ich muss der KI sagen: „Das ist ein Portemonnaie und das ist eine Ampel. Und diese Ampel ist rot.“ Ich muss ihr beibringen: „Das ist ein Fußgänger und das ist ein Fahrzeug.“ Das muss ich dem Algorithmus mit vielen Beispielen antrainieren. Nun zum Thema KI und autonomes Fahren. Die Künstliche Intelligenz, Maschinelles Lernen und Deep Learning sind Schlüsselfaktoren für das autonome Fahren. Das heißt, ohne KI-Algorithmen kann ich keine selbstfahrenden Fahrzeuge entwickeln. Denn diese Algorithmen sind in der Lage, mithilfe tausender CPUs und GPUs Muster in den Daten zu finden und Charakteristiken aus diesen Daten zu extrahieren, um nur das Sinnvolle zu lernen. Am Beispiel der Gesichtserkennung kann man das gut veranschaulichen. Das maschinelle Lernsystem lernt, dass ein Gesicht aus zwei Augen, einer Nase, Mund und Ohren besteht, und vielleicht noch, dass es eine ovale Struktur hat. Diese Charakteristiken werden aus diesen Daten extrahiert. Die KI lernt dann in der nächsten Ebene, dass die Augen einen gewissen Abstand zueinander haben und der Abstand zwischen Augen und Mund immer in einer bestimmten Varianz vorkommt. Genau diese Eigenschaften extrahiert ein maschineller Lern-Algorithmus und das ist der Schlüssel für selbstfahrende Fahrzeuge.
Aber diese Teaching-Verfahren sind erst die erste Stufe. Die nächste Phase ist dann ein wirklich selbstlernendes System, dass aufgrund des Erlernten Manipulationen erkennt, etwa von Verkehrsschildern. Und damit kommen wir zum ungelösten Problem in der Wissenschaft der Künstlichen Intelligenz. Wie kann ich ein selbstlernendes System entwickeln? Wie kann ein System, dem man bestimmte Algorithmen beigebracht hat, selbst lernen, wenn es nicht weiß, was richtig oder falsch ist. Das ist extrem schwierig. Letztendlich braucht man aber selbstlernende Systeme im Fahrzeug, was auch ein großes Sicherheitsrisiko darstellt, wenn etwa Hacker Algorithmen manipulieren und das selbstlernende System etwas Falsches lernen lassen.
KEM Konstruktion: Ein weiteres Stichwort vor dem Hintergrund vernetzter, autonomer Fahrzeuge ist 5G. Welche Bedeutung hat dieser Mobilfunkstandard für die Connected Mobility?
Baumann: Also 5G wurde für Applikationen entwickelt, die große Datenmengen und damit eine größere Bandbreite benötigen. Ein Beispiel ist das Streaming von Filmen. Die Upload-Geschwindigkeit ist bei 5G deutlich größer als bei einem 3G- oder 4G-Netzwerk, die Download-Geschwindigkeit ist noch einmal höher. Ein Vorteil von 5G ist die geringe Latenz. Das heißt, man kann Echtzeit-Applikationen entwickeln, so dass ein Fahrzeug zum Beispiel Aquaplaning oder Glatteis auf der Straße in Echtzeit erkennt und meldet. Ich gehe davon aus, dass 5G ebenfalls eine der Schlüsseltechnologien für das autonome Fahrzeug sein wird. Allerdings haben wir hier in Deutschland noch erhebliche Infrastruktur-Probleme, und oft hat man nicht einmal ein 4G-Netz. Zudem stellt sich die Frage, wer die Aufrüstung der Städte oder auch der ländlichen Regionen mit 5G zahlt. Das selbstfahrende Fahrzeug benötigt aber 5G als Schlüsseltechnologie.
KEM Konstruktion: Würde das autonome Fahren nicht auch mit dem derzeit verfügbaren 4G-Mobilfunkstandard funktionieren?
Baumann: Nein, mit 4G würde das nicht funktionieren. Die Latenz, also die Zeitspanne der Übertragung von Signalen vom Fahrzeug in die Infrastruktur, ist zu groß. Das wird nicht funktionieren, zumindest nicht für Echtzeit-Anwendungen. Da brauchen wir 5G.
KEM Konstruktion: Gerade wenn es um autonome Fahrzeuge geht, spielen die rechtlichen Rahmenbedingungen eine große Rolle. Wie groß ist die Diskrepanz zwischen den technischen Möglichkeiten und den gesetzlichen Regelungen?
Baumann: Die Diskrepanz ist sehr groß. Momentan ist so gut wie nichts geregelt und es gibt noch keinerlei rechtliche Rahmenbedingungen oder Standards. Die Gespräche dazu beginnen gerade erst und es steckt alles noch in den Kinderschuhen. Zudem geht es hierbei um komplexe, schwierige Fragestellungen. Ein Beispiel dafür ist das sogenannte Trolley-Problem. Stellen Sie sich vor, Sie sind mit Ihrem selbstfahrenden Fahrzeug in einer 30er-Zone oder in einem verkehrsberuhigten Bereich unterwegs, und es entsteht eine Situation, in der ein Unfall nicht vermeidbar ist. Das autonome System wird nun vor die Entscheidung gestellt: Fahre ich das kleine Kind an, das gerade einem Ball hinterherläuft, oder fahre ich die Großmutter an oder das junge Pärchen mit dem Kinderwagen – oder zerstöre ich mich selbst und verletze damit auch den Fahrer?
Darf man überhaupt einer KI eine solche Entscheidung überlassen, und anhand welcher Kriterien soll sie die Entscheidung fällen? Wie schafft man rechtliche Rahmenbedingungen, um das zu lösen? Und dann die nächste Frage: Wer haftet dafür? Bei den aktuellen Fahrerassistenzsystemen ist dies im Grunde klar geregelt, die Verantwortung liegt allein beim Fahrer. Level-2-Fahrerassistenzsysteme werden in Deutschland nach 15 oder 20 Sekunden ausgeschaltet und der Fahrer wird daran erinnert, dass er aktiv werden muss. Wenn wir bei Level 4 oder Level 5 sind, ist so gut wie nichts geregelt, auch versicherungstechnisch nicht. Es ist rechtlich kompliziert und es wird vermutlich auch in Deutschland extrem schwierig werden, rechtliche Rahmenbedingungen zu schaffen. Und das ethische Problem – Kind, Oma oder Familie – lässt sich ohnehin nicht auflösen.
Details zum Thema Künstliche Intelligenz von Dell Technologies:
hier.pro/LqAQG
Kontakt:
Dell GmbH
Osterfeldstraße 84
85737 Ismaning
Tel. +49 89 93091–0
webmaster_german@dell.com
www.delltechnologies.com
Dr. Florian Baumann, CTO Automotive & AI, Dell TechnologiesBild: David Klein/Konradin Mediengruppe
„Ein Vorteil von 5G ist die geringe Latenz. Das heißt, dass man Echtzeit-Applikationen entwickeln kann. Ein Fahrzeug kann dann zum Beispiel Aquaplaning oder Glatteis auf der Straße in Echtzeit erkennen.“
Dr. Florian Baumann, CTO Automotive & AI, Dell TechnologiesBild: David Klein/Konradin Mediengruppe
„Die verschiedenen Stadien des autonomen Fahrens werden unterteilt in 5 SAE-Level. Level 0 etwa bedeutet keinerlei Fahrerassistenzsysteme. Level 1 bedeutet, das Fahrzeug hat einen Park Distance Sensor. Level 5 bedeutet, es handelt sich um ein vollautonomes Fahrzeug.“
Dr. Florian Baumann, CTO Automotive & AI, Dell TechnologiesBild: David Klein/Konradin Mediengruppe
„Für vernetzte Mobilität ist es wichtig, dass ein Fahrzeug mit der Infrastruktur in seiner Umgebung – etwa einer Stadt – und auch mit anderen Fahrzeugen kommunizieren kann.“
Mehr zum Thema Fahrerassistenz
