Künstliche Intelligenz im selbstfahrenden Auto

Autonomes Fahren ist keine Zukunftsmusik mehr. Die Entwicklung selbstfahrender Autos baut auf die Analyse vieler Daten, Computer Vision und maschinelles Lernen.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht 2 Kommentare lesen
Künstliche Intelligenz im selbstfahrenden Auto
Lesezeit: 20 Min.
Von
  • Dr. Florian Neukart
Inhaltsverzeichnis

Viele Anwendungen aus Bereichen wie Data Science und maschinellem Lernen werden bereits heute eingesetzt: etwa die Spracherkennung in Fahrzeugen oder eine automatische Verkehrsschildererkennung. Auch Spur- und Abstandshalteassistenten im Fahrzeug basieren auf diesen Techniken. Insgesamt wird dadurch das autonome Fahren immer mehr zur Realität.

Wer auch in Zukunft in der Automobilindustrie wettbewerbsfähig bleiben will, muss bei der Schaffung vernetzter, autonomer und künstlich intelligenter Systeme Schritt halten. Diese Systeme lernen kontinuierlich aus Daten und können optimale Entscheidungen treffen. Ihre Entwicklung geht im Eiltempo voran. Schlüsseltechniken der neuen Systeme sind Data Mining, maschinelles Lernen und Computer Vision.

Data Mining und datenbasierte Analysen werden in der Automobilindustrie künftig immer mehr an Bedeutung gewinnen. Dabei gibt es verschiedene Methoden für die Nutzung von Datenanalysen. Den Rahmen des Data-Mining-Prozesses bilden vier Ebenen: Optimizing, Predictive, Diagnostic und Descriptive Analytics. Die einzelnen Schichten bauen aufeinander auf und stehen jeweils für eine Technik, die zur Umsetzung nötig ist. An erster Stelle steht die Frage: "Was sollte ich tun?" Optimizing Analytics liefert auf der Grundlage einer datenbasierten Analyse eine Entscheidungsunterstützung. Ist der Mensch nicht mehr involviert, erfolgt die Optimierung automatisiert.