Optimierung der Fahrzeugdiagnose durch eine cloudbasierte Methode zur Identifikation der Datennetze mit künstlicher Intelligenz

Ralf Thomas Lutchen stellt eine neue Methode zur Erstellung von automatisierten Testabläufen in der Fahrzeugentwicklung auf. Dabei setzt der Autor Cloud- und KI-Modelle ein, durch welche die herausfordernde Optimierung der Durchlaufzeit einer Messaufgabe mit 63 % Reduzierung erreicht werden konnte. Zusätzlich zu dieser Optimierung zeigt er auf, wie gleichzeitig die Aktualität der Messaufgabe verbessert wird, bei ebenfalls steigender Vollständigkeit, indem die Komplexität in die Cloud und damit an die KI übertragen wird. Der dafür notwendige Prozess ist die vollständige Identifizierung der Steuergeräte, ihrer Softwarestände sowie aller Datennetze, die am Testequipment angeschlossen sind. Diese Technologie wird erstmals in dieser Studie hergeleitet und ist der Kern der Methode. Die sich daraus ergebenden ökonomischen und ökologischen Vorteile sind im Verhältnis zu den sich zeigenden Kosten und Energiebedarfen signifikant. Der Inhalt - Testablauferstellung in der Fahrzeugentwicklung - Methode zur Identifizierung der Fahrzeug-Netzwerk-Architektur - Prozess zur Identifikation der physikalischen Netzwerkstruktur - Anwendung und praktischer Nachweis Die Zielgruppen - Dozierende und Studierende im Fachgebiet Fahrzeugdiagnose - Ingenieure in der KFZ-Branche Der AutorRalf Thomas Lutchen hat am Institut für Fahrzeugtechnik Stuttgart (IFS) der Universität Stuttgart im Bereich Kraftfahrzeugmechatronik promoviert und ist aktuell Data Scientist für Data Driven Development von MEMS-Sensoren bei einem Automobilzulieferer in Reutlingen.