Schlagwort: Mobilität

KI steht bei Auswertung von Bildern immer wieder vor Herausforderungen

Was für Menschen auf Bildern logisch und klar erscheint, kann für die Künstliche Intelligenz eine riesige Herausforderung darstellen.

Bildrauschen und Wissenslogik erfordern neue Lösungswege

Grundsätzlich stellen zwei Themenbereiche die Künstliche Intelligenz bei der Bildauswertung vor mehr oder weniger große Probleme. Dies ist einmal die Aleatorik (zufälliges Rauschen an Gegenständen) und das epistemische Modell.

Epistemische Logik ist zum Beispiel, wenn die Künstliche Intelligenz eine Straße und den danebenliegenden Bürgersteig nicht unterscheiden kann, da beide Elemente aus Asphalt sind.

In 3D-Aufnahmen kann man dies vielleicht durch die dritte Dimension lösen. Stehen jedoch immer solche Bildquellen zur Verfügung? Wohl nur in den wenigsten Fällen.

Auch ist die Live-Auswertung beim autonomen Fahren wegen fehlender Rechenleistung und einer gewissen Unschärfe bis heute nicht in der Lage, die 3. Dimension in dieser Feinheit auszuwerten.

Im Allgemeinen kann man dieses Problem in der Lernphase lösen, wenn man dem System weitere Daten zur Verfügung stellt und sich der Algorithmus mit Wahrscheinlichkeiten nähert, dass in unserem Beispiel neben der Fahrbahn ein Bürgersteig befindet.

Wenn es letztlich um die Sicherheit von Mensch, Objekten und Maschinen geht, sind Wahrscheinlichkeiten allein nur ein schlechter Lösungsansatz.
In solch einem heiklen Umfeld sind weitere Sicherheiten einzubauen. Ob es Radarelektronik ist oder in den Bereich von Abstandssensoren geht, muss im Zweifelsfall getestet werden.

Bei der reinen Bilderkennung wie Röntgenaufnahmen oder ähnliches, kann nur durch eine erweiterte Lernphase der Algorithmus im Zaum gehalten werden.

Aleatorik einfacher lösbar

Das zufällige Rauschen in Bildern (Aleatorik) lässt sich in vielen Fällen mit höheren Auflösungen eindämmen. Da ist aber auch zu beachten, dass auch dies wieder andere Fehlerquellen auslösen kann. Mit einer zu hohen Genauigkeit kann man sich auch wieder neue Problemfelder schaffen – abhängig vom vorliegenden Bildmaterial.

Zur Erklärung: In der Aleatorik ist mit Unschärfe nicht das komplette Bild gemeint, sondern die Abgrenzung von Gegenständen zueinander. So kann eine Ampelanlage oder ein Baumstamm von der Software zackig oder stufig wahrgenommen werden. Für einen Menschen kein Problem, jedoch für die Programmlogik ein nicht zu unterschätzender Störfaktor.

Wenn genügend Rechenleistung zur Verfügung steht, ist häufig die eleganteste Lösung die Aleatorik softwaremäßig zu lösen. Mit Hilfe der Künstlichen Intelligenz und einer umfangreichen Lernphase lässt sich das Bildrauschen minimieren.

Instiktive Handlungen nur unter Laborbedingungen

Beide Themenbereiche sind gerade in der Mobilitätsbranche von großer Bedeutung. Starkregen oder gar Schneefall sind für die Bilderkennung im Bereich der Künstlichen Intelligenz bisher kaum lösbare Probleme. Für den Menschen ist es instiktiv klar, dass eine Schneeflocke auf der Scheibe oder auf einem Sensor kein Dilemma darstellt – was wie kann man die Künstliche Intelligenz in einem autonomen Fahrzeug daran hindern, in diesem Fall eine Notbremsung einzuleiten.

Nach meinem heutigen Kenntnisstand werden letztlich nur die Kombination aus mehreren Systemen eine sichere Fortbewegung sicherstellen. Bis die Künstliche Intelligenz soweit ist und menschliche Instinkte im Straßenverkehr zuverlässig deuten kann, werden noch Jahre vergehen.

Wenn Aleatorik und die Probleme der epistemischen Wissenslogik gelöst sind, ist ein riesiger Schritt in Richtung zum komplett autonom fahrenden Regional- und Fernzug getan. Im Gegensatz zum Straßenverkehr sind die Regeln und Fehlerquellen im Schienenverkehr überschaubarer.

Komplexität nicht zu unterschätzen

Mir ist bewusst, dass die Thematik viel komplexer ist. Um Laien in das Thema einzuführen, habe ich mir erlaubt, nur die gröbsten Baustellen zu erwähnen.

Künstliche Intelligenz managt Ladestationen von Elektroautos

Künstliche Intelligenz - Elektroauto
Künstliche Intelligenz – Elektroauto

Öffentliche Ladestationen werden bei längeren Touren die Zapfsäulen der Elektroautos sein. Schon heute unterstützt KI den Fahrer in Teilbereichen.

Moderne Autos – u. a. der Mercedes EQC – unterbreiten dem Fahrer im integrierten Navi eine Route mit Ladestationen in der Nähe seiner Wegstrecke. Eine tolle Sache!

Ist diese Ladestation bei Ankunft dann auch frei? Diese Frage bleibt bisher unbeantwortet und ist Glückssache. Der nächste Schritt muss sein, dass man die Ladestation für seine Ankunft vollautomatisch reservieren kann. Die Ankunftszeit kann vom Navi unter Berücksichtigung der aktuellen Verkehrslage recht genau berechnet werden.

Auch kann unter Berücksichtigung der individuellen Parameter Ladezeiten berechnet werden, so dass für jeden Ladepunkt ein Zeitmanagement erfolgen kann. Lange Stillstände sind durch die Vernetzung vermeidbar.

Dies ist technisch ohne großen Aufwand realisierbar. Ein Hindernis ist bisher, dass geladene Autos oftmals länger als nötig an den Stationen verbleiben.

Fahrern per Textnachricht das Ende des Ladevorgangs anzukündigen ist der erste Schritte. Wer nicht innerhalb einer gewissen Zeit Platz für den nächsten macht, muss mit Zusatzkosten rechnen.

Herstellerunabhängige Verwaltung notwendig

Voraussetzung für Planung, Reservierung und Umsetzung der Vision ist eine zentrale Stelle, welche alle öffentliche Ladestationen herstellerunabhängig verwaltet.

Um dem Fahrer den höchstmöglichen Komfort zu bieten, muss eine Abrechnungsform gefunden werden, welche modern und transparent ist.

Ob die Abrechnung direkt mit dem Fahrer erfolgt oder eine Institution – Autohersteller oder Automobilclub – zwischengeschaltet ist, kann man individuell festlegen.

Ladestationen mit Vernunft bauen

Mir stellen sich die Haare zu Berge, wenn ich höre, welch hohe Anzahl von Ladestationen im öffentlichen Raum (angeblich) notwendig sind, um eine ausreichende Versorgung zu sichern.

Laut einem Artikel im Handelsblatt (15.04.2019) verlangen Experten „bis 2030 insgesamt 600.000 Ladepunkte im öffentlichen Raum, eine Million an den Arbeitsstätten sowie 10.000 Schnellladestationen vorwiegend an Autobahnraststätten“.

14.000 Tankstellen haben wir mit ca. 160.000 Zapfsäulen

14.118 Tankstellen (Stand: 2018) gibt es derzeit in Deutschland – unbestätigten Informationen nach mit insgesamt ca. 140.000 – 160.000 Tanksäulen. Bei über 80 Mio. Fahrzeugen mit Diesel-/Benzinmotoren.

Auch wenn der Ladevorgang bei Elektroautos länger dauert und es bis 2030 7 Mio. angedachte E-Autos geben soll, wird es wirtschaftlich ein Desaster über 600.000 öffentliche Ladepunkte aufzustellen.

Nach realistischeren Schätzungen reichen 350.000 Ladepunkte auf Parkplätzen von Einkaufszentren, Freizeiteinrichtungen sowie die angedachten 10.000 Schnellladepunkte vorwiegend an der Nähe von Autobahnen völlig aus.

Abseits der Ferienzeiten fahren die wenigsten Menschen an einem Stück über die durchschnittliche Reichweite von 400 km eines Elektroautos.

Mobile Ladestationen überbrücken Engpässe

Zu den Ferienzeiten können mobile Schnellladestationen an Autohöfen, Raststätten und entlang der Verkehrsknotenpunkte Engpässe vermeiden. Auch sind mobile Ladestationen auf Messeparkplätzen und anderen Veranstaltungsorten wie Festivals oder Konzerten ein Thema.

Bei einer gesunden Grundversorgung an den Orten des Geschehens (Arbeit, Einkauf, Freizeit) ist es wirtschaftlicher Wahnsinn nicht gerade billige Infrastruktur im Übermaß bereitzustellen.

Künstliche Intelligenz kann bei der Wahl und dem Betrieb geeigneter Standorte gute Dienste leisten.

Auch sehe ich die 1 Mio. geforderten Ladestationen in Unternehmen kritisch.
Viele Arbeitnehmer wohnen im Umkreis von 20 km um den Wohnort und auf der anderen Seite ist der Arbeitsmarkt – auch dank künstlicher Intelligenz – so sehr im Wandel, dass in wenigen Jahren viele Arbeitsplätze in Fabriken wegfallen und immer mehr Heimarbeitsplätze (Homeoffice) entstehen.

Aus heutiger Sicht mag die Zahl stimmen, aber zum Ende dieser Dekade ist eine weit aus niedrigere Anzahl notwendig.

Künstliche Intelligenz kann Landeabbrüche von Flugzeugen reduzieren

Wenn künstliche Intelligenz Ihre Landung sicherer macht, sind Sie dabei?

Fast täglich hört man in den Medien, dass Flugzeuge im Anflug durchstarten müssen und zumeist nach einer Platzrunde („Ehrenrunde“) erneut zur Landung ansetzen.

Dieser Vorgang ist absolut normal und erhöht sogar die Sicherheit. Nichts wäre schlimmer als wenn ein Flugzeug schräg oder zu spät auf der Landebahn aufsetzt. Die Folgen wären katastrophal.

Natürlich kosten Landeabbrüche neben Kerosin und auch viel Zeit – neben Ihrer auch die Zeit des Bodenpersonals. Ganz davon abgesehen, dass die Flugpläne durcheinander kommen.

KI kann Verhaltensmuster erkennen

Es wäre sehr interessant Landeabbrüche mit künstlicher Intelligenz zu erforschen: nicht um den Piloten an den Kragen zu gehen oder eine Airline
wegen schlechter Ausbildung an den Pranger zu stellen, sondern schlicht und ergreifend herauszufinden unter welchen Bedingen, die meisten Abbrüche erfolgen.

Wenn herauskommt, dass bestimmte Wetter- und/oder Windverhältnisse die Zahl der Abbrüche erhöht, so kann man dagegen gezielt vorgehen – die Piloten warnen oder andere Anflugrouten wählen.

Künstliche Intelligenz kann somit dazu beitragen in Zukunft die Landeabbrüche zu reduzieren. Neben oben genannten Faktoren wird auch ganz nebenbei die Umwelt geschont.

Natürlich werden Landungen immer eine Herausforderung für Mensch und Maschine bleiben.
Wenn die KI ergänzend in den Entscheidungsprozess integriert wird, ist nicht nur den Fluggästen geholfen.

Die Akzeptanz der neuen Technik wird durch solch populären Maßnahmen innerhalb kürzester Zeit erhöht.

Künstliche Intelligenz ist Reizthema

Einerseits ist es schön, dass künstliche Intelligenz in aller Munde ist, aber mit unsachgemäßer Berichterstattung wird viel Gutes zerredet. Dies liegt einerseits an unqualifizierten Journalisten und natürlich auch an populistischer Auslegung der Technik.

KI rettet heute schon im Hintergrund viele Menschenleben! Wie schon in einem anderen Artikel erwähnt, ist die starke KI – Roboter mit menschlichem Verhalten – noch meilenweit von der Realität entfernt.

Nur in Hollywood haben Roboter bereits die Menschheit besiegt. Glückwunsch!

Wenn Sie sich bewusst machen, dass sich noch nicht einmal die Biologen einig sind, wie das menschliche Gehirn im Detail funktioniert, so kann man sich beruhigt zurücklehnen. Solange das menschliche Verhalten nicht erklärbar ist, so kann man dies auch keinem Roboter beibringen.

Künstliche Intelligenz schützt vor Autopannen

Gläserne Automobilfabriken sind keine Neuigkeit mehr. Auch die digitalen Lieferketten in der Automobilindustrie sind auf dem Stand der Technik – des derzeit Machbaren.
Hierüber hinaus gibt es bereits mehr oder weniger seriöse Visionen. Noch in dieser Dekade sollen Autos in menschenleeren Fabriken nur von Robotern – verbunden mit künstlicher Intelligenz – hergestellt werden. Ziel ist ganz klar die fehlerfreie und schnellere Montage.

Meine Gedanken drehen sich in diesem Artikel um die technische Einbeziehung individueller Fahrzeugparameter in den täglichen Gebrauch.

Ob Warnhinweis oder Tipps, alles kann in der Praxis auf das Display oder Heap Up eingeblendet werden.

Auch ein Automobil hat nur ein Leben

Es mag sich kindisch anhören, auch einem Auto kann man ein EKG machen. Sogar permanent!
Die Daten werden schon heute im Auto intern erfasst. Anders wie bei einem Menschen, muss keine Schnittstelle mittels Manschette oder Pulsmesser zwischen realer und digitaler Welt geschaffen werden. Die Daten liegen bereits digital vor. Beste Voraussetzungen für den nächsten Schritt.

Anders als beim Menschenleben ist der Tod bei Maschinen vorhersehbarer und somit planbar. Auf der anderen Seite kann das maschinelle Absterben auch verhindert werden.

Dank künstlicher Intelligenz ist dies alles keine neue Erkenntnis! Neu ist der Gedanke, dass die Fahrzeugdaten – anonym oder zuordenbar – mit Hilfe der digitalen Vernetzung im G5-Status live an den Automobilhersteller gesendet werden.

Echtzeitauswertung ist eine Leichtigkeit

In Zeiten von Quantencomputern ist es eine Leichtigkeit in Echtzeit Parameter zu vergleichen und dann warnend einzugreifen, wenn der Computer sieht, dass diese Entwicklung bei einem anderem PKW dieser Baureihe zu einem Motorschaden geführt hat.

Mag sich einfach anhören, aber die Einbeziehung von Außentemperatur und Terrain sind Sachen, die zu einer seriösen Darstellung Berücksichtigung finden müssen.

Hohe Motortemperatur und hoher Öldruck sind auf der Autobahn Warnsignale, bei einem Auto – eventuell sogar mit schwerem Wohnwagen im Schlepptau – auf der Bergstraße jedoch völlig normal.

So ist es unverzichtbar auch die Situation vor dem Eintritt in den aktuellen Zustand in die Lagebeurteilung einzubeziehen.

Wer immer schonend fährt und die Sensoren plötzlich abnormale Fahrzeugwerte übermittelt, gehört anders gewarnt als wenn eine Person täglich sein Auto am Limit bewegt und den Motor bis zum Drehzahlbegrenzer ausfährt.

Warnlampen hat jedes Automobil genug an Bord, diese blinken auch schon heute ohne künstliche Intelligenz in Gefahrensituationen bestens.

Durch die Übermittlung und permanente Situationsbeurteilung werden die Entscheidung in der digitalen Leitstelle jedoch ähnlich gelagerten Daten anderer Auto verglichen.

Künstliche Intelligenz schützt Mensch und Maschine

Wenn die künstliche Intelligenz zu dem Schluss kommt, dass akute Gefahr für Mensch und Maschine besteht, kann dies auf dem Fahrer angezeigt werden bis hin zur Aufforderung den Motor sofort abzustellen.

Zwangsweise Eingriffe von Außen sind tunlichst zu unterlassen, da dem Leitstand die Situation vor Ort unbekannt ist: Auto auf Überholspur, Fahrer gerät bei Zwangsstopp eventuell in Panik, sind nur ein paar wenige Gedanken, die dagegen sprechen.

Viel mehr soll man die Daten nutzen um bei Bedarf dem Fahrer eine passende Werkstatt mit Terminvorschlag zu unterbreiten. Wenn man dann noch das passende Ersatzteil zu dem Termin parat hat, erleichtert künstliche Intelligenz das Leben. Bei solch einem Komfort wird die Technik viel Anerkennung finden.

KI gegen kalte Wintertage vor leeren Autobatterien

Wohl niemand hat etwas dagegen, wenn schon im Vorfeld die sich leerende bzw. alternde Batterien gewechselt wird. Nichts ist schlimmer als wenn an einem kalten Morgen das Auto den Start verweigert.

Um ehrlich zu sein, im ersten Schritt hat es wenig mit künstlicher Intelligenz zu tun. Die Messungen beruhen auf Sensordaten.
Erst die Verarbeitung, der Vergleich und die richtige Deutung dieser digitalen Werte, bringt die künstliche Intelligenz mit ins Spiel.