Simulation KI in der Fahrzeugentwicklung

Ein Gastbeitrag von James Parsons

Anbieter zum Thema

Um die Produktentwicklungszeit zu verkürzen, setzen Ingenieure bei BMW auf die Plattform Monolith. Diese nutzt vorhandene Daten in Kombination mit maschinellem Lernen, um selbstlernende Modelle zu erstellen, die schnell für neue Erkenntnisse in Bezug auf Konstruktionsparameter und Fahrzeugleistung sorgen.

Die Monolith-Plattform nutzt vorhandene Daten aus der Produktentwicklung und physikalischen Tests und kombiniert sie dank mit maschinellem Lernen zu selbstlernenden Modellen, die früh im Entwicklungs- und Konstruktionsprozess Aussagen über das Verhalten möglich machen.
Die Monolith-Plattform nutzt vorhandene Daten aus der Produktentwicklung und physikalischen Tests und kombiniert sie dank mit maschinellem Lernen zu selbstlernenden Modellen, die früh im Entwicklungs- und Konstruktionsprozess Aussagen über das Verhalten möglich machen.
(Bild: Monolith )

Künstliche Intelligenz hat großes Potenzial, viele Prozesse zu optimieren, auch im Produktentstehungsprozess. Entwicklungskapazitäten steigern, Herstellkosten verringern, Entwicklungszeit verringern, Innovationspotenzial erhöhen – richtig eingesetzt können Methoden der Künstlichen Intelligenz in den Prozessen der Produktentstehung zahlreiche Potenziale heben; Beispiele sind KI-gestützte Analysen, algorithmusbasiertes Engineering oder auch Finetuning von Simulationen.

Ein Anbieter von KI-Lösungen für die Produktentstehung ist das britische Start-up Monolith. Die gleichnamige KI-Plattform wird, so das Unternehmen, von weltweit führenden Teams in der Automobil-, Luft- und Raumfahrt- und Industrietechnik eingesetzt. Auch die BMW-Gruppe arbeitet mit der Software, um die Entwicklung ihrer Fahrzeuge zu beschleunigen. So setzt das Crashtest-Team schon seit 2019 auf Monolith. Es nutzt das Potenzial Künstlicher Intelligenz, um die auf das Schienbein eines Beifahrers wirkenden Kräfte bei einem Unfall zu erforschen.

KI sagt bereits früh das Verhalten voraus

Aktuell verwendet das Team Tausende von Simulationen sowie physische Tests, um die Leistung zu erfassen. Selbst bei ausgefeilter Modellierung erfordern die Ergebnisse aufgrund der komplexen physikalischen Zusammenhänge, die der Crash-Dynamik zugrunde liegen, aber umfangreiches technisches Know-how, um sie auf das Verhalten in der realen Welt zu kalibrieren. Darüber hinaus können Crashtests mit realistischen Prototypen erst in späteren Entwicklungsphasen durchgeführt werden, wenn das Design ausgereift genug ist, um physische Prototypen herzustellen. Auf der Suche nach einer effizienteren Lösung hat die BMW-Gruppe mit Monolith zusammengearbeitet, um herauszufinden, ob KI das Crashverhalten vorhersagen kann, und zwar wesentlich früher im Fahrzeugentwicklungsprozess.

Selbstlernende Modelle reduzieren Test-Aufwand

Mithilfe der Software erstellten die BMW-Ingenieure selbstlernende Modelle, die auf der Fülle der schon vorhandenen Unfalldaten basierten. So konnten sie die auf das Schienbein wirkende Kraft für eine Reihe verschiedener Unfalltypen genau vorhersagen, vollkommen ohne echte Tests. Dieser Ansatz bedeutet nun, dass Ingenieure die Crash-Performance bereits in einem früheren Stadium des Konstruktionsprozesses optimieren und die Abhängigkeit von zeit- und kostenintensiven Tests verringern können, während gleichzeitig historische Daten noch wertvoller werden. Denn die Genauigkeit der selbstlernenden Modelle wird sich den Angaben zufolge weiter verbessern, wenn mehr Daten zur Verfügung stehen und die Plattform weiter in den technischen Arbeitsablauf integriert wird.

„Wenn die Physik eines komplexen Fahrzeugsystems nicht durch CAE-Simulationen gelöst werden kann, können KI und selbstlernende Modelle diese Lücke füllen, um die Fahrzeugleistung sofort zu verstehen und vorherzusagen. Dies bietet Ingenieuren ein großartiges neues Werkzeug, um weniger zu testen und mehr aus ihren Daten zu lernen, indem sie die Anzahl der erforderlichen Simulationen und physikalischen Tests reduzieren und gleichzeitig die vorhandenen Daten wertvoller machen“, sagte Dr. Richard Ahlfeld, CEO und Gründer von Monolith.

Und ergänzt: „Was vielleicht noch spannender ist als das Versprechen, den Fahrzeugentwicklungsprozess zu beschleunigen, ist die Möglichkeit für Ingenieure, mehr Konstruktionsparameter zu erforschen und neue Beziehungen zwischen Betriebsbedingungen zu finden, ohne dass sie Unterstützung im Bereich von Data Science benötigen. Plötzlich wird die Kombination aus Ingenieurwissen und maschinellem Lernen zu einem Wettbewerbsvorteil und gibt unseren Kunden die Möglichkeit, Produkte von Weltklasse effizienter zu entwickeln.“

Einsatz wird ausgeweitet

Die BMW-Gruppe weitet den Einsatz von Monolith auf weitere technische Funktionen in der gesamten Forschung und Entwicklung aus, die große Datenmengen generieren - von Crashtests über Aerodynamik und Motorsport bis hin zu fortschrittlichen Fahrerassistenzsystemen (ADAS). Monolith ist in der Lage, schnell zu skalieren, angetrieben durch die vielen weltweit renommierten Ingenieurteams, die Monolith einsetzen, dem Monolith Expertenteam, einem Netzwerk von Industriepartnern und einem umfangreichen Portfolio an intellektuellem Eigentum (IP).

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

 n

(ID:48482807)