Das Auto der Zukunft als vollständig eigenständig fahrender „Computer auf Rädern“ ohne Pedale und Lenkrad ist immer noch Zukunftsmusik. Künstliche Intelligenz spielt beim autonomen Fahren die entscheidende Rolle. Für die Automobilindustrie bietet sich Künstliche Intelligenz heute aber schon in vielen anderen Bereichen an – zum Beispiel in der Logistik und bei der Produktion aber auch für die Kundenbindung.
Der Autoverkehr ist ein außerordentlich komplexes System. Der Fahrer eines Autos registriert innerhalb kurzer Zeitabschnitte Tausende von Eindrücken. Diese Eindrücke werden zentral im Gehirn verarbeitet. Die Aufgabe Künstlicher Intelligenz ist es, diese Sinnesdaten maschinell zu erfassen und richtig einzuordnen. Die Qualität Künstlicher Intelligenz hängt ganz wesentlich von der Menge und der Zuverlässigkeit der Trainingsdaten ab. Ein Beispiel: Je mehr Menschen daran beteiligt sind, auf Fotos die Silhouetten von Menschen herauszufinden, umso eher wird ein Algorithmus in die Lage versetzt, genaue Voraussagen in der wirklichen Verkehrssituation zu liefern.
Tipp: Die Crowd liefert zuverlässige Trainingsdaten für Systeme, bei denen Künstliche Intelligenz zum Einsatz kommt. Hierfür bietet clickworker passgenaue Lösungen an.
Gerade Künstliche Intelligenz basiert auf regelmäßigem Input – das ist der Lernstoff für die Maschinen. Künstliche Intelligenz lässt sich zum Beispiel durch die Simulation gefährlicher Verkehrssituationen schulen. Menschliche Reaktionen und deren Folgen bilden somit die Datengrundlage für maschinelles Lernen. Die Software analysiert sämtliche relevanten Informationen und wählt die besten Reaktionen aus. Artificial Intelligence hat dabei den entscheidenden Vorteil, uneingeschränkt von Emotionen die jeweils effektivste Handlung auszuwählen.
Künstliche Intelligenz erkennt die Profile von Fahrer und Insassen. Je genauer die Identifizierung gelingt, umso besser stellt sich das Fahrzeug auf die Nutzer ein. Durch maschinelles Lernen bestimmter Verhaltensmuster wird das Fahren bequemer, effektiver und sicherer. Vereinfachte Fahrzeugnutzung setzt natürlich auch eine optimale Sensorik voraus, die verschiedene Informationen erfasst:
Um den sprachlichen Austausch zwischen Mensch und Fahrzeug zu optimieren, setzt künstliche Intelligenz vor allem auf Natural Language Processing (NLP). Ein Beispiel:
Tipp: Natürliche Sprache als Grundlage für KI? Die internationale Crowd von clickworker liefert kostengünstig große Mengen von Audio-Daten in zahlreichen Sprachen.
Roboter und Maschinen, die in der Produktion von Automobilen eingesetzt werden, lernen selbsttätig nach dem Prinzip von Trial and Error, welche Arbeitsweisen besonders effektiv sind. So wird beispielsweise der maschinelle Griff in die Kiste der zu verarbeitenden Teile immer raffinierter und damit zeitsparender gestaltet. Die Software optimiert immer mehr Prozessabläufe in der Autoproduktion. Das in der Fertigung eingesetzte neuronale Netz basiert dabei auf flexiblen Verbindungen. Unabhängig von fest verschachtelten Bauteilen organisieren sich solche Systeme selbst. Die Maschine lernt aus Fehlern, indem sie das Netz von Verknüpfungen immer weiter optimiert.
Schon bei der Herstellung greifen die Autohersteller heute auf Artificial Intelligence zurück, die zum Beispiel eine weitgehend vernetzte Produktion ermöglicht, an der auch die Zulieferer für die Autoindustrie beteiligt sind.
Künstliche Intelligenz interpretiert eigenständig Probleme und entwickelt dafür passende Lösungen. Auf KI basierende Algorithmen arbeiten nicht nach einem starren Schema, sondern verifizieren Ergebnisse aufgrund einer ständig wachsenden Datenbasis und verbessern sich damit. Dieses Prinzip (Deep Learning) versetzt Maschinen in die Lage, immer genauere Vorhersagen zu treffen. Zum Beispiel in der Logistik: Aufgrund einer riesigen Menge von verfügbaren Daten, die Einfluss auf die Lieferung von Teilen für die Produktion von Automobilen haben, ermitteln Computer selbstständig die besten Transportwege. In den Zeiten von just-in-time-Lieferungen sind diese Fähigkeiten Gold wert.
Das Prinzip von Deep Learning zeigt: Künstliche Intelligenz muss trainiert werden. Die Datengrundlage für Systeme, die sich ständig weiter fortentwickeln und sukzessive immer detailliertere Modelle entwickeln, wird heute vor allem von der Crowd geliefert – weltweit vernetzte Menschen, die sich auf Plattformen mit Mikrojobs ihr Geld verdienen.
Künstliche Intelligenz bietet sich auch als Vehikel für Kundenbindung an. Nach innen gerichtete Systeme im Fahrzeug zeigen frühzeitig an, in welchen Bereichen Wartungen notwendig sind. Gleichzeitig informiert das System darüber, an welchen Stationen der jeweils benötigte Service oder das notwendige Ersatzteil sofort verfügbar sind. Als Datenbasis bietet sich natürlich die Cloud an, die dadurch in jedem vernetzten Fahrzeug zu einer Art Kopilot mit einer überragenden Wissensbasis wird. Gleichzeitig lernt die Software aus dem individuellen Fahrverhalten des jeweiligen Fahrers, Prognosen zu erstellen und auf Optimierungspotenziale hinzuweisen.
Elektromobilität, Künstliche Intelligenz, Digitalisierung, Cloud Intelligence, Big Data, Deep Learning – die Mobilität der Zukunft wird ganz anders aussehen als heute. Die Cloud und die globale Vernetzung werden die Menge der verfügbaren Daten und die Möglichkeiten zu deren Analyse weiter verstärken. Im Zeitalter des hyper-vernetzten Fahrens, das vielleicht gar nicht so weit in der Zukunft liegt, wird sich unser Verhältnis zum Auto als Fortbewegungsmittel grundlegend ändern. Und Künstliche Intelligenz / KI in der Autoindustrie kommt in immer mehr Bereichen zum Einsatz – von der Planung bis zum selbsttätigen Fahren.
Dieser Artikel wurde am 12.February 2019 von Jan Knupper geschrieben.