Datenanalyse für die Mobilität von morgen

Neben elektrischer Antriebsenergie gibt es für moderne Fahrzeuge einen zweiten wichtigen Treibstoff für das Fahrerlebnis der Zukunft: Daten. Denn immer mehr digitale Funktionen machen das Auto bald zu einem Smartphone auf vier Rädern – mit vielen neuen Services für die Verbraucher und Geschäftsmöglichkeiten für die Hersteller. Unmengen von Daten müssen gemessen, modelliert und analysiert werden. Auch die Erfassung und Speicherung der Daten ist ein wichtiger Faktor, um die Mobilität der Zukunft auf den Weg zu bringen.

Mit der Digitalisierung nehmen die Datenmengen rund um die Mobilität seit Jahren zu – Tendenz weiter steigend. Engineering-Dienstleister der Automobilindustrie nutzen Big-Data-Methoden für die Flottenanalyse. Um Rückschlüsse zur Umfeldwahrnehmung zu ziehen, werden beispielsweise über Sensoren, Lidar-, Radar- oder Kamerasysteme Informationen gesammelt und in kürzester Zeit ausgewertet. Dabei kommt es auf spezifisches Daten-Know-how und die Fähigkeit an, Kundenwünsche in Wissen zu übersetzen, sowie auf schnelle, präzise und sichere Technologien für die Verarbeitung der Daten.

Datenmanagement: Heterogene Daten für Analysen vorbereiten

Immer mehr Sensoren, Prozessoren und andere digitale Technologien werden mittlerweile in Fahrzeugen verbaut. Unmengen an Daten aus verschiedensten Quellen müssen verarbeitet und gesteuert werden. Um das zu erreichen, braucht es eine verlässliche IT-Infrastruktur. Die Schlüssel dazu sind große performante Speichersysteme, leistungsfähige und skalierbare Analysesysteme sowie ein effizientes und sicheres Datenmanagement.

Doch wie verläuft der Prozess im Einzelnen? Schon bevor eine Datenaufzeichnung stattfinden kann, gibt es viele Vorarbeiten zu erledigen: Zunächst müssen die Untersuchungsziele und Aufzeichnungskonzepte sowie eine Versuchsplanung entsprechend den Nutzungsszenarien erarbeitet werden. Erprobungsfahrzeuge müssen auf- bzw. umgebaut und die Messtechnik mit entsprechender Konfiguration integriert werden.

Eine besondere Herausforderung hierbei: Die Daten, die gesammelt werden, stammen aus verschiedenen Datenquellen wie Kameras, Streckenverläufe oder Fahrerprofile und haben daher meist unterschiedliche Formate. Diese heterogenen Daten müssen aber verknüpft und gemeinsam analysiert werden, denn erst durch die Kombination der zahlreichen Signale ist es möglich, komplexe Fehlerfälle oder Zustände zu erkennen. So können beispielsweise die Ursachen von Motorstartabbrüchen identifiziert oder die Komfortfunktionen automatisiert an den Fahrer angepasst werden.

Datenanalyse: Kundenwünsche in Erkenntnisse übersetzen

Für die Analyse werden die Daten über die entsprechende IT-Architektur an ein Messdatenmanagementsystem übertragen. Das webbasierte Messdatenmanagementsystem von IAV beispielsweise ermöglicht hier eine sichere und strukturierte Verwaltung von Fahrzeugen, Messgeräten und den daraus gewonnenen Messdaten: Die Fahrzeugentwickler können die enormen Datenmengen anhand verschiedener Kriterien durchsuchen und schnell auf die benötigten Datensätze zugreifen. Die Messdaten werden für einen beliebigen Zeitraum vorgehalten, sodass ganze Fahrzeugflotten über mehrere Jahre hinweg untersucht werden können.

Die Analysen auf Basis der Messdaten erfolgen entsprechend den Kundenanforderungen oder nach frei definierbaren Kriterien. Sie liefern den Kunden einen automatisierten Ergebnisbericht, aus dem entsprechende Handlungsempfehlungen abgeleitet werden können. Auch können sich die Kunden die intelligenten Entscheidungshilfen für ihre operativen und strategischen Vorhaben auf einem interaktiven Dashboard abrufen.

Die Expertise der Dateningenieure von IAV liegt vor allem darin, die Kundenwünsche in Messergebnisse zu übersetzen. Gemeinsam mit dem Kunden erarbeiten sie, welche Frage genau beantwortet werden soll, welche Messungen dafür notwendig und welche Daten gegeneinander zu berechnen sind, um den entsprechenden Nachweis zu liefern. Auf dieser Basis entwickelt IAV dann Algorithmen, die in der Lage sind, genaue Antworten auf die Fragen zu liefern.

Leistungsstarke Speicher erleichtern Analysearbeit

Um diese Leistungen zuverlässig und effizient erbringen zu können, muss hinter den Analysen ein zuverlässiges und leistungsstarkes Backend stehen. Die Anforderungen an die Infrastruktur in Sachen Rechen-, Netzwerk- und Speicherleistung sind dabei hoch. IAV baut hier auf IBM Cloud Object Storage sowie IBM Spectrum Scale. Diese Wahl bringt uns wertvolle Vorteile bei der Arbeit mit den Daten:

  • Sicherheit: Der Speicher kann die Daten on the fly verschlüsseln; damit werden die Sicherheits- und Compliance-Anforderungen der Kunden erfüllt.
  • Präzision: Innerhalb der verschlüsselten Daten kann eine bestimmte Speicherposition exakt angesteuert und bearbeitet werden, ohne dass das gesamte Datenpaket angefasst werden muss. Nebenbei spart das Budget, weil nicht zusätzlich in RAM und CPU investiert werden muss.
  • Prozess: Diese exakte Ansteuerbarkeit der gespeicherten Daten spart viel Zeit, in der komplette Datenpakete kopiert, entpackt, der gewünschte Bereich extrahiert und das Paket wieder zugeschnürt werden müsste.
  • Effizienz: Das Löschen von Daten auf dem Speichersystem entspricht dem Verfahren auf einer Festplatte; sie werden beim Löschen von der Liste gestrichen und sind damit nicht mehr sichtbar.
  • Schnelligkeit: IBM Object Storage bietet schnelle Speichervorgänge auch bei großen Datenmengen. Er ist der Porsche unter den schweren Speichern.

Wachsende Datenmenge erfordert hybride Lösungen

Auch die Automotive-Branche setzt für ihre vielseitigen Anforderungen verstärkt auf Cloud-Lösungen. Gerade bei Lastspitzen ermöglicht sie ein flexibles Skalieren der Ressourcen. Die Frage, die sich dabei immer stärker herauskristallisiert ist, wie eine performante Infrastruktur aussieht, in der die Cloud und On-Prem als Hybridmodell funktionieren. Denn eines ist klar: Je mehr wir auf vollständig autonome Mobilitätslösungen zusteuern, desto größer wird das Datenvolumen, das die Speicher bewältigen müssen. Um präzise, schnelle und sichere Ergebnisse liefern zu können, brauchen Datenexperten, wie IAV, Systeme und Netzwerke, die den wachsenden Leistungsbedarf abbilden können. Egal ob in der Cloud, On-Prem oder als Hybrid.