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)
Ähnliche Artikel

Technologie-Radar
TUM erhält eigenes Testfeld für vernetzte Mobilitätssysteme
Auf dem Testfeld sollen komplexe Verkehrsszenarien unter Laborbedingungen untersucht und das Zusammenwirken autonomer Verkehrssysteme sowie deren Betrieb erforscht werden. […]

Exklusiv
Bayerische Forscher fordern Bündelung der Anstrengungen beim autonomen Fahren
Ohne Zusammenarbeit der verschiedenen Stakeholder wird autonomes Fahren noch länger auf sich warten lassen. Bayerische Forscher fordern daher die Intensivierung der Zusammenarbeit der Stakeholder. […]

English Content
TUM: New technology for the solid-state battery
The start-up Qkera has developed new electrolyte components for solid-state batteries. With a high energy density, great stability and low production costs, the spin-off from the Technical University of Munich (TUM) aims to help this battery technology achieve a breakthrough. […]