Überspringen zu Hauptinhalt
Branchentrends

Die Chancen und Herausforderungen von Fahrzeugdaten

Apr 10, 2024

In unseren unzähligen Gesprächen mit Kunden wird ein Punkt immer wieder deutlich: Die größeren Möglichkeiten von Fahrzeugdaten werden in den kommenden Jahren wegweisend sein. Daten bieten nicht nur einen, sondern eine Vielzahl von Vorteilen, die Diagnosen, Planung, Fahrerdienste, Sicherheit, nachfolgende Einnahmen und noch viel mehr umfassen.

Doch während sich die Branche in Richtung der softwaredefinierten Fahrzeuge (SDVs) bewegt, läuft nicht alles reibungslos. Die Bewältigung der wachsenden Menge und des wachsenden Bedarfs an Daten ist sowohl ein entscheidender Vorteil als auch eine zentrale Herausforderung für OEMs. Gestützt auf Kundengespräche glaube ich, dass es drei Aspekte dieser Herausforderung gibt, die bewältigt werden müssen:

Die Ermöglichung kontinuierlicher Innovation ist entscheidend

Eines der vielversprechenden Potenziale von SDVs ist die Fähigkeit, auf wechselnde Fahrzeuganforderungen zu reagieren, die sich im Laufe der Zeit entwickeln. Bei der Besprechung dieses Themas mit OEMs und Tier-1-Anbietern hat sich gezeigt, dass einige von ihnen glauben, dass allein die Ermöglichung von Over The Air (OTA) Updates ausreicht, um eine solche Entwicklung zu ermöglichen. Aber es ist noch viel komplizierter.

Zunächst einmal ist die Fähigkeit, sich an spätere Anforderungen anzupassen, begrenzt, es sei denn, die Fahrzeuge sind auf einer flexiblen Grundlage aufgebaut, die eine Rekonfiguration der Fahrzeugfunktionen im Laufe der Zeit ermöglicht. Zweitens ist die Aktualisierung der Fahrzeugsoftware schwierig und zeitaufwendig. Sie erfordert die Planung und Ausführung der Softwareentwicklung, eine komplexe Validierung und erst dann das anschließende OTA. Während die Aktualisierung der Fahrzeugsoftware über OTA ein wichtiger Aspekt von SDVs ist, ermöglicht sie nicht die Art von dynamischer Reaktionsfähigkeit, die notwendig ist, um auf entstehende Anforderungen zu reagieren.

Denken Sie zum Beispiel an ein Notbremssystem, das nicht ordnungsgemäß funktioniert. In diesem Jahr haben wir auf der CES 2024 zusammen mit AWS, dem führenden Cloud-Anbieter, gezeigt, wie die adaptive Datenerfassung in Verbindung mit einer umfangreichen Cloud-Datenverarbeitung in Echtzeit dazu beitragen kann, das jeweilige Problem in Stunden oder Tagen zu identifizieren. Nach der Diagnose könnte die ultimative Lösung des Problems über ein OTA-Update erfolgen, allerdings würde das Warten von Wochen oder Monaten auf ein OTA, nur um das Problem zu diagnostizieren, zu einem inakzeptablen Zeitaufwand führen, der wiederum zu Haftungen, Reputationsverlust oder Schäden führen könnte.

In den folgenden Ressourcen können Sie mehr erfahren und sich dieses Demo der Datenerfassung mit AWS-Cloud-Verarbeitung ansehen:

Die Verbesserung der betrieblichen Effizienz erfordert die Verringerung von OEM-Silos

Da Daten immer wichtiger werden, ist erforderlich, sie effizient zu handhaben und die Wiederverwendung innerhalb des OEM und seiner nachgelagerten Anbieter sicherzustellen. Bei vielen Fahrzeugen, die heute auf den Straßen sind und Fahrzeugdaten nutzen, kommt es häufig vor, dass Daten aus verschiedenen Teilsystemen wie ADAS, Karosserie, Antrieb, Batterie usw. auf ihre jeweiligen Eigentümergruppen innerhalb des OEM begrenzt bereitgestellt werden. Oberflächlich betrachtet mag dies als sinnvolle Arbeitsteilung erscheinen, mit der den jeweiligen Gruppen die Daten bereitgestellt werden, die sie benötigen, um ihre Teilsysteme zu analysieren und zu verbessern. Oder doch nicht?

Die Realität sieht so aus: Ein umfassenderes kontextbezogenes Bewusstsein dafür, wie das Fahrzeug gefahren wird, ist wichtig, und die Interdependenzen zwischen den Systemen nehmen zu. Isolierte Daten verursachen letztlich zwei erhebliche Probleme, die gleichermaßen schädlich sind. Erstens verhindert die Erstellung mehrerer kleinerer Datensätze oder einzelner Teilsysteme ganzheitliche Analysen, die für erstklassige Entscheidungen genutzt werden können. Das Verständnis des Fahrerverhaltens und der Fahrzeugleistung außerhalb eines isolierten Teilsystems ermöglicht eine bessere Optimierung und ein stärkeres Ergebnis. Zweitens ist die Erfassung verschiedener Datenströme je Teilsystem mit einer enormen Ineffizienz verbunden. In manchen Fahrzeugen gibt es mehrere parallele Leitungen zur Cloud, was die Kosten und die Komplexität der Datenverarbeitung erhöht.

Statt mehrere getrennte Einzweck-„Data Ponds” von einem Fahrzeug zu erstellen, sollte es unser Ziel sein, einen intelligenten „Data Lake” zu erstellen, den viele Gruppen innerhalb eines OEM als einzige Informationsquelle nutzen können. Mehrere führende OEMs wie Hyundai und BMW nehmen diesen Trend an, doch viele andere wechseln nur langsam zu diesem reichhaltigeren Ansatz.

Sehen Sie sich diese Episoden des Podcasts „The Garage” an, um mehr über diesen Trend zu erfahren:

Die Optimierung von Uploads, Speichern und Verarbeitung in der Cloud ist unerlässlich

Die meisten OEMs erfassen schnell die Bedeutung der Cloud-Verarbeitung für die Lösung einer Vielzahl von Anwendungsfällen. Was jedoch noch nicht allgemein verstanden wird, ist die Frage, wie man dies auf effiziente Weise tun kann. Anfängliche Überlegungen könnten dahingehen, die Cloud als unendliche Rechen- und unbegrenzte Speicherressource zu betrachten, doch auch praktische Kostenerwägungen kommen schnell zur Geltung. Beginnend mit dem LTE-Upload führen große Datenmengen schnell zu einer hohen Rechnung, die unerschwinglich sein kann. Natürlich könnte der Upload nur auf WLAN beschränkt werden, aber da Autos nur zeitweise mit WLAN verbunden sind, schränkt dies die Leistungsfähigkeit der Fahrzeugdaten sehr ein. Tatsache ist, dass einige Daten über Mobilfunknetze hochgeladen werden müssen, um nützlich zu sein, und so haben die meisten Autos eine oder mehrere LTE-Verbindungen zurück zum OEM.

Die Kostenerwägungen gehen in der Cloud weiter. Wie bereits erwähnt, sind die Vorteile der Erstellung eines Data Lake anstelle eines Data Pond wirklich überzeugend. Das Hochladen von Daten, die niemals verwendet werden, verursacht jedoch Kosten für Cloud-Speicher und kann recht teuer werden. Und schließlich stellt sich die Frage der Cloud-Verarbeitungsleistung, die für die Analyse von Daten erforderlich ist. Wenn wir mit einem Haufen unnötiger Daten anfangen, wird eine enorme Menge an Berechnungen erforderlich sein, um nach der Nadel im Heuhaufen zu suchen. Ein weitaus besserer Ansatz ist die strategische Identifizierung von wertvollen Datentypen und Zielsituationen, die eine Datenerfassung rechtfertigen.

Zum Beispiel ist es weitaus nützlicher, hochauflösende Daten nahe der Meldung eines DTC-Fehlercodes (Diagnostic Trouble Code) zu erfassen, um mehr Informationen für die spätere Analyse bereitzustellen, als die ganze Zeit und kontinuierlich zu erfassen, wenn alles planmäßig läuft. In ähnlicher Weise kann es wichtig sein, bei einem Hinweis auf einen möglichen Rückruf mehr Daten als üblich zu erfassen, diese Erfassung jedoch einzustellen, sobald in Bezug auf die Situation ein entsprechendes Verständnis vorhanden ist. Die Fähigkeit, die Nutzung von Erfassung, Cloud-Upload, Speicherung und Verarbeitung dynamisch zu optimieren, ist entscheidend, wenn es darum geht, einen akzeptablen ROI für Daten zu erzielen.

Nähere Betrachtung dieser Themen

Diese Herausforderungen können nicht ignoriert werden. Es sind viele Faktoren im Spiel, die berücksichtigt werden müssen, um die richtige Lösung finden zu können. Erfahren Sie mehr darüber, wie Sonatus Collector OEMs ermöglicht, diese Herausforderungen zu bewältigen, indem sie sofort präzise Fahrzeugdaten mit leichten Erfassungsrichtlinien sammeln, um die betriebliche Effizienz zu verbessern und kontinuierliche Fahrzeuginnovationen zu fördern.

In den kommenden Monaten werden wir uns näher mit diesen Themen beschäftigen, auch aus verschiedenen Blickwinkeln, um potenzielle Lösungen zu beleuchten und aufzuzeigen, wie Branchenführer sie erfolgreich bewältigen. Ich hoffe, dass auch Sie dabei sind, wenn wir uns diese Themen genauer ansehen.

An den Anfang scrollen