Insbesondere im Automobilsektor spielt die datengetriebene Entwicklung eine entscheidende Rolle bei der Entwicklung von Funktionen für Fahrerassistenzsysteme (ADAS) und autonomes Fahren. Diese Funktionen basieren auf Modellen des maschinellen Lernens, die komplexe Situationen rund um das Fahrzeug analysieren. Um diese Modelle zu entwickeln und zu konfigurieren, sind große Mengen an Beispieldaten von Sensoren aus der realen Welt erforderlich.
Die enorme Datenmenge erfordert eine aufwendige Vorbereitung, die einen Großteil der Zeit und Ressourcen in der Entwicklungsphase beansprucht. Angesichts dieser Verschiebung in der Ressourcenzuweisung im Entwicklungsprozess ist es erforderlich, den Fokus der Entwicklungsoptimierung anzupassen. Wenn mehr Aufwand und Budget für die Datenbereitstellung als für die eigentliche Programmcodierung aufgewendet werden, sollte die Datenbereitstellung zum Schwerpunkt der Kostenoptimierung werden. Ein kontinuierlicher Datenfluss in der Datenpipeline ohne Engpässe an den Schnittstellen ist ein entscheidender Aspekt für eine hocheffiziente Entwicklung. Die datengetriebene Entwicklung von dSPACE setzt genau an diesem Punkt an. Dazu gehört die Datenerfassung auf der Straße, die Datenaufnahme mit hoher Bandbreite in einem Datenzentrum, die Analyse der Daten auf relevante Verkehrssituationen und die Kennzeichnung für das KI-Training und für die Generierung von Ground Truth in Data-Replay-Tests. Durch die Berücksichtigung der Daten als zentrales Element des Entwicklungsprozesses können Effizienzsteigerungen erzielt und Entwicklungsziele schneller erreicht werden. Für einen reibungslosen Datenfluss bietet dSPACE Lösungen für die datengetriebenee Entwicklung wie Data Logging, Datenannotation, Sensordatenmanagement, Szenariogenerierung und Datenwiedergabe als durchgängiges Werkzeug-Ecosystem zusammen mit Partnern an. (oe)
