AVL und der Lehrstuhl für Fahrzeugtechnik an der Technischen Universität München (TUM) haben gemeinsam eine Berechnungsmethode entwickelt, bei der unterschiedliche Fahrzeugflotten jeweils ein neuronales Netz trainieren. Das dort Erlernte wird dann ein globales Modell weitergegeben, ohne dass auf die Originaldaten der OEMs zugegriffen werden muss. Das KI-Modell steht dann als Basis für die Berechnung der Restlebensdauer der Batterie zur Verfügung. Dank dieses Federated Learning Ansatzes konnte die verbleibende Batterielebensdauer gegenüber dem einzelnen Flottenmodel wesentlich genauer vorhergesagt werden – der Fehlerwert reduzierte sich durchschnittlich um 32 Prozent. (jr)
Branchen-News
Neuer Batterie-Start-up-Inkubator an der TUM
Ziel ist es, den Markteintritt neuer Batterietechnologien aus der Forschung zu beschleunigen und so die Abhängigkeit von Importen zu verringern.
Medienspiegel
Positionspapier: How to make Euro 7 more effective
Das ICCT analysiert die im Euro-7-Vorschlag der Europäischen Kommission enthaltenen regulatorischen Änderungen und fordert Nachbesserungen.
News
Nvidia: Offener Physical AI-Datensatz für das KI-Modell-Training
Die erste Version der standardisierten synthetischen Daten steht Robotikentwicklern jetzt als Open Source zur Verfügung.