Cloud Computing, das bereits für nahezu jeden Aspekt der Geschäftsinfrastruktur außerordentlich nützlich ist, ist auch zu einem wesentlichen Bestandteil der Entwicklung und Bereitstellung von softwaredefinierten Fahrzeugen geworden. Amazon Web Services (AWS), einer der führenden Anbieter von öffentlichen Clouds, hat eine führende Rolle bei der Bereitstellung von Cloud-Services übernommen, die auf die Anforderungen der Automobilbranche zugeschnitten sind, darunter auch fortschrittliche Fahrerassistenzsysteme (ADAS), autonomes Fahren, Flottenmanagement, KI/ML und Fahrzeugdatenverwaltung. Sie bieten Dienste an, zu denen Computing, Datenmanagement, Fahrzeug-Prototyping und viele mehr gehören.
Auch die Cloud ist für uns wichtig: Sonatus liefert Cloud-Software, die diese Möglichkeiten im Rahmen unserer Produkte nutzt. Dieser Blog erklärt, warum die Cloud für die Automobilbranche so wichtig ist, und vor allem einige der Wege, auf denen AWS führend ist.
Cloud-Datenverwaltung
Die von Fahrzeugen generierte Datenmenge steigt sprunghaft, was deren Erfassung, Speicherung, Upload und Verwaltung immer weiter erschwert. Während es seit einiger Zeit begrenzte Fahrzeugtelematik- und Sensordaten gibt, häufen sich die Datensignale rapide, wobei immer mehr Fahrzeugsysteme digital und vernetzt werden. Hinzu kommt, dass die Verbreitung von reichhaltigen Datenquellen wie Videokameras, Radar und LiDAR zunimmt, wobei fortschrittlichere Funktionen geboten und deutlich mehr Daten generiert werden. Führende OEMs der Automobilbranche profitieren von diesen Daten und erstellen integrierte „Data Lakes”, um eine einzige Informationsquelle zu bilden, die auf unterschiedliche Weise unternehmensweit abgefragt werden kann, um Informationen hinzuzufügen und die Beständigkeit in der Entscheidungsfindung zu gewährleisten.
Das Sammeln von Fahrzeugdaten ist mit einer Vielzahl von Vorteilen verbunden. Hier ist nur ein kleiner Bruchteil der unzähligen interessanten Anwendungsfälle von Fahrzeugdaten, die von der Cloud profitieren können:
- Sicherheitsüberwachung
- Fehlerdiagnose
- Kontinuierliche Bauteiloptimierung
- Effizienzoptimierung
- Fahrzeugnutzungsanalyse
- Zukünftige Fahrzeugplanung
Die Förderung der Möglichkeit, wertvolle, sorgfältig ausgewählte Daten von Fahrzeugen zu sammeln, ist entscheidend. Sonatus Collector ist heute in Produktion und erstellt nützliche Datenbanken für unsere OEM-Kunden, die es ihnen ermöglichen, reale Probleme zu lösen und einen zusätzlichen Kundennutzen zu schaffen.
Cloud Computing
Einer der grundlegendsten Vorteile von Cloud Computing ist die Möglichkeit, die Rechenfähigkeiten basierend auf der variablen Nachfrage flexibel zu erweitern, was dazu führte, dass AWS diesen Service „EC2” nannte (für „Elastic Compute Cloud”). Basierend auf den Anforderungen des Unternehmens können Compute-Instanzen aktiviert und schnell – bei Bedarf fast sofort – in Betrieb genommen werden, ohne Kapital oder Betriebskosten zu verbrauchen, wenn sie nicht genutzt werden. Es handelt sich um ein unglaublich leistungsstarkes Werkzeug für Unternehmen und hat die Art und Weise verändert, wie Unternehmen Computing nutzen.
Ein zweiter, gleichwertiger Vorteil ist die unglaubliche Vielfalt verschiedener Arten von Compute-Instanzen, die eine breite Palette an Rechen-, Datenspeicher-, Arbeitsspeicher- sowie speziellen Verarbeitungsfunktionen bieten. Angesichts der zunehmenden Umstellung auf ARM-basiertes Computing in Fahrzeugen bietet AWS Cloud-Instanzen auf der Grundlage des ARM-basierten Graviton-Prozessors von AWS an, was eine „Umweltparität“ zwischen Fahrzeugen und der Cloud ermöglicht. Andere Instanzen sind auf Schulung und Inferenz für maschinelles Lernen spezialisiert, worauf ich in diesem Blog später noch eingehen werde.
Die Produkte von Sonatus auf unserer Sonatus Vehicle Platform enthalten eine fahrzeuginterne Software und die zugehörige Cloud-Software, die auf den umfassenden Möglichkeiten des Cloud-Computing basiert und diese nutzt, einschließlich Kubernetes und containerisierter Workloads, basierend auf Amazon EC2 und Amazons Elastic Kubernetes Service (EKS).
Virtuelles Fahrzeug-Prototyping
Eine weitere wichtige Anwendung der Cloud ist Rapid Prototyping. Die Entwicklung von Software für Fahrzeuge ist angesichts der fest verankerten Umgebung mit mehreren Verriegelungssystemen eine Herausforderung. Zudem ist der Druck in Bezug auf die Markteinführungszeit weit verbreitet. Es bringt also viele Vorteile mit sich, die Software parallel zur Hardware entwickeln zu können. Dies wird manchmal als „Shift-Left” bezeichnet, da die Softwareentwicklung zu einem früheren Zeitpunkt im Zyklus erfolgen kann.
Die Bereitstellung von Cloud-Instanzen mit kompatiblen Architekturen für Fahrzeuge kann die Entwicklereffizienz wesentlich erhöhen und die Markteinführungszeit verkürzen, indem die Entwicklung in der Cloud und die spätere Bereitstellung in Fahrzeugen ermöglicht wird. Dieser Entwicklungsstil kann auch die Zusammenarbeit zwischen Teams in mehreren Regionen fördern, die möglicherweise unterschiedliche regionale Anforderungen zu erfüllen haben. Tatsächlich wird auf diese Weise sogar virtuelles Prototyping und Softwareentwicklung ermöglicht, während die Hardware noch entwickelt wird.
Die leistungsfähigsten Teams nutzen diesen Ansatz, um die Hardware vor ihrer Fertigstellung zu debuggen, was nachweislich die Markteinführungszeit erheblich reduziert und die Hardware-Iterationszyklen zur Fehlerbehebung verkürzt. Dieser Prototyping-Ansatz bietet auch zusätzlich Vorteile, da OEMs ihre Fahrzeugarchitekturen zunehmend von dedizierten Steuergeräten, die eine einzelne, festgelegte Funktion ausführen, auf konsolidierte Architekturen mit mehreren Kernen nebeneinander verlagern, verwaltet über Hypervisoren und Virtualisierung. Dieser Entwicklungsstil ist skalierbarer, leichter zu verifizieren und entspricht dem Know-how der Cloud für das Prototyping und später für den Produktionseinsatz in Fahrzeugen.
Bei Sonatus nutzen wir AWS für das Prototyping unserer eigenen Arbeit, um die Anzahl der Testfälle zu erhöhen, die wir ausführen können, ohne gezwungen zu sein, physische Hardware zu replizieren oder sie wiederholt ein- und auszuschalten, um einen Test neu zu starten.
KI/Maschinelles Lernen und Datenanalyse
Sobald wir einen überzeugenden Datensatz zusammentragen und ihn mit skalierbarem, flexiblem Computing kombinieren, haben wir die Möglichkeit, unvorstellbare Datenanalysen durchzuführen, die zuvor nie möglich gewesen wären. Hinzu kommt, dass die rasante Erweiterung der Fähigkeiten des maschinellen Lernens (ML) und sogar noch leistungsfähigere Aufgaben für die Datennutzung möglich sind. ML-Algorithmen werden kontinuierlich weiterentwickelt und verbessert, wobei Cloud-Computing-Ansätze ein schnelles Training der Modelle in der Cloud ermöglichen. Während die Branche daran arbeitet, ML-basierte Modelle für ADAS und autonomes Fahren zu entwickeln, kann das Cloud-Modell schrittweise in Fahrzeugen bereitgestellt werden, mit dem entsprechenden Feedback, um sicherzustellen, dass die neuen Modelle keine Regression verursachen.
Eine weitere Stärke von ML ist die Fähigkeit, Muster und Anomalien zu erkennen, die mit herkömmlichen Ansätzen schwer zu codieren wären. Durch die Untersuchung von Daten von einer großen Anzahl von Fahrzeugen können Muster entstehen, die auf frühe Warnsignale hinweisen können. Zum Beispiel kann eine intelligente Datenerfassung in Verbindung mit ML genutzt werden, um Anomalien proaktiv zu erkennen und sie für Korrekturmaßnahmen zu kennzeichnen, bevor sie zu gefährlichen Rückrufaktionen führen. Die OEM-Kunden von Sonatus nutzen Sonatus Collector bereits, um Probleme zu antizipieren und besser auf den Servicebedarf ihrer Kunden zu reagieren.
ADAS und autonomes Fahren
Das Aufkommen von ADAS und seinem Verwandten mit noch größeren Fähigkeiten – autonomes Fahren – erfordert eine erhebliche Modellierung und Abstimmung, und die Cloud ist für diese Fortschritte entscheidend. Die Komplexität dieser Aufgaben kann nicht überbewertet werden, insbesondere die höheren Autonomiegrade, und nur durch Cloud Computing und schrittweise Modellverbesserungen sind die schnellen Verbesserungen dieser Fähigkeiten möglich.
Zunächst können OEMs Daten von realen Fahrzeugen oder Datenerfassungsfahrzeugen erfassen und akkumulieren, um eine Datenbank aufzubauen, die für reale Fahraufgaben repräsentativ ist, mit dem Ziel, die Erkennungs- und Aktionsmodelle zu fördern. Doch die Vorteile dieses Ansatzes hören hier nicht auf: zumeist ist normales Fahren „langweilig“, wobei pro Fahrt nur wenige schwierige Szenarien auftreten. In einer simulierten Umgebung können wir Ausnahmefälle mit beschleunigter Geschwindigkeit künstlich durchgehen und viel schnellere Trainingsfortschritte erzielen, als dies bei einem Training, das auf Fahrzeugen im praktischen Einsatz basiert, möglich wäre. Sonatus Vehicle Platform kann genutzt werden, um umfangreiche Daten zu erfassen, die wiederum bei der wichtigen Analyse helfen, die für die kontinuierliche Verbesserung des ADAS und des autonomen Fahrens notwendig ist. So erhalten die Techniker, die diese wichtige Arbeit leisten, ein neues und leistungsstarkes Werkzeug.
Wenn Sie dieses Thema interessant fanden, können Sie noch viel mehr darüber erfahren: Ich hatte kürzlich ein langes, zweiteiliges Gespräch mit Stefano Marzani, dem Worldwide Tech Leader für softwaredefinierte Fahrzeuge bei AWS, für unseren Podcast „The Garage”. In diesem umfassenden Gespräch (Links zu Teil 1 und Teil 2) behandeln wir alle oben genannten Themen sehr detailliert. Wenn Sie mehr über dieses Thema erfahren und von einer der führenden Stimmen der Branche im Bereich SDV hören möchten, sollten Sie diese beiden Episoden nicht verpassen. Den vollständigen Podcast von „The Garage” finden Sie auf YouTube oder auf Spotify oder Apple Podcasts. Melden Sie sich an, um über zukünftige Episoden informiert zu werden!