Mit PERL (Porsche Engineering Reinforcement Learning) verlagert Porsche Engineering einen Großteil der Steuergerätebedatung auf eine KI. Das reduziert den Bedarf an Prüfstandsversuchen und Testfahrten. Die Ergebnisse erster Kundenprojekte belegen laut dem Unternehmen das große Potenzial der neuen Methodik.
Die Software, die zur Kalibrierung und Bedatung der Steuergeräte eingesetzt wird, basiert auf dem Deep Reinforcement Learning. Die Grundidee: Statt einzelne Parameter zu optimieren, erarbeitet sich die KI eine Strategie, die zu einem bestmöglichen Applikationsergebnis für eine ganze Funktion führt. Vorteile sind die hohe Prozesseffizienz der Methodik, da sie selbstlernend ist, und die universelle Anwendbarkeit auf viele Entwicklungsbereiche des Fahrzeugs.
PERL wurde schon für die Abstimmung der Regelung einer Gemischaufbereitung eines neuen Ottomotors und einer Schwingungsdämpfungsreglung im Antriebsstrang eines E-Fahrzeugs eingesetzt.
Derzeit lässt sich der Effizienzgewinn von PERL bei einer Nutzung für die Serienentwicklung noch nicht beziffern. Fest steht für Porsche allerdings schon jetzt, dass KI-gestützte Applikationsmethoden wie PERL den Gesamtentwicklungsprozess signifikant beschleunigen können. (jr)
