- Anzeige -
Lesedauer: min
Mehr Speicher für mehr Daten

Autonomes Fahren

Mehr Speicher für mehr Daten

Bild: ©carloscastilla/istockphoto.com

Künstliche Intelligenz spielt bei der Zukunft der Mobilität eine große Rolle, da Fahrzeuge immer abhängiger von immer mehr Daten werden. Dies erfordert neue Speicherlösungen, die es ermöglichen, Daten nahtlos zwischen unterschiedlichen Speicherarten zu verschieben.


Der technologische Fortschritt in der Automobilindustrie lässt die Vision vom vernetzten und selbstfahrenden Auto greifbar erscheinen. Zwar wird es noch einige Jahre dauern, bis vollautonome Autos in Masse vom Band laufen, doch bereits jetzt steigt die Anzahl teilautonomer Fahrzeuge auf dem Markt. Sie sind mit On-Board-Technologien ausgestattet, wie etwa fahrerunterstützten Systemen (ADAS), Infotainment-Systemen (IS) oder intelligenten Sensoren, die dem vernetzten Fahrzeug seine mitdenkenden Fähigkeiten und Funktionen verleihen. Die Grundlage dafür bilden Daten, wodurch die Datenmenge immer weiter wächst und ein komplexes Netz aus Plattformen und Algorithmen entsteht. Automobilhersteller müssen aber auch die Speicherung der Datenmengen schultern, die im Zuge der Entwicklung von KI-Technologien anfallen. Hunderte von Petabytes werden bei jedem Entwicklungstest erzeugt und ein großer Teil dieser Daten muss über lange Zeiträume aufbewahrt werden.

Große Datenmengen

Noch sind die Technologien nicht vollständig autonom und funktionieren nur unter bestimmten Rahmenbedingungen. Das kann im Alltag zu Problemen führen: Zum Beispiel wenn die Verkehrsdichte steigt oder Szenarien eintreten, die eine massive Datenübertragung zwischen dem fahrzeugseitigen System und dem zentralen Computersystem erfordern. Aktuell kann die Lösung solcher Probleme zu einer Überlastung mit Daten im stark beanspruchten Netzwerk und zu extremer Rechenkomplexität im Bordsystem führen. Das Marktforschungsunternehmen Gartner prognostiziert, dass das durchschnittliche vernetzte Fahrzeug bis 2020 jährlich über 280 Petabyte an Daten produzieren wird – pro Tag müssten also mindestens 4 Terabyte verarbeitet werden. Sie stammen von der On-Board-Hardware, zu der beispielsweise Kameras gehören, die 20 bis 60MB Datenvolumen pro Sekunde erzeugen oder LIDAR-Systeme, Light Detection and Ranging, für die radarbasierte Messung von Abständen und Geschwindigkeiten mit zehn bis 20 MB pro Sekunde. Sonarradare und GPS bringen es jeweils auf zehn bis 100kB pro Sekunde. Selbstfahrende Fahrzeuge werden durch Data-Intelligence-Lösungen gesteuert. Entscheidend ist dabei, die richtigen Daten zu speichern und in intelligente Systeme, Analyse-Lösungen, Entwicklungsabläufe und andere Anwendungen zu übernehmen.

Unterschiedliche Fahrzeugarten

In den nächsten Jahren werden unterschiedliche Arten von vernetzten Fahrzeugen mit individuellen Anforderungen auf den Markt kommen: Während etwa unternehmenseigene Flottenfahrzeuge über eine eigene Speicherarchitektur für die Verwaltung ihrer Daten verfügen, konzentrieren sich die Hersteller bei Mittelklassefahrzeugen für Verbraucher eher auf Infotainment-Systeme, die eine ganz andere Architektur erfordern. Eine entsprechende Speicherlösung muss in diesem Zusammenhang einen reibungslosen Übergang der Daten aus allen Lebensphasen von der ersten Erfassung im Fahrzeug bis hin zur langfristigen Speicherung ermöglichen. Diese Infrastruktur muss einen aktiven Zugriff und die Suche in allen Daten erlauben, große Langlebigkeit aufweisen und mit Werkzeugen ausgestattet sein, die Compliance-Vorgaben wie beispielsweise die Übereinstimmung mit den Datenschutzgesetzen gewährleisten. Neben einem leistungsstarken Front-End auf Basis von SSD-Speichern (Solid State Drive) oder Festplatten ist ein kostengünstiger und skalierbarer Speicher für große Datenmengen – vorzugsweise Tape oder objektbasierter Speicher – ebenso wichtig. Eine erfolgreichen Storage-Architektur zeichnet sich letztlich dadurch aus, dass den Datennutzern auf einfachem Wege die benötigten Speicher- und Verarbeitungsressourcen für ihre spezifischen Arbeitsabläufe in jeder Phase des Datenzyklus zur Verfügung stehen. Eine Kombination aus leistungsstarker Festplatte und Tape-Archivierung mit einem gemeinsamen Verwaltungspunkt für viel Speicherplatz kann in dieser Situation die Lösung sein.

Seiten: 1 2Auf einer Seite lesen

Autor:
Firma:

News

Weitere Beiträge

Das könnte Sie auch interessieren

Vorausschauende Wartung mit KI

Hinterher ist man bekanntlich immer schlauer. Mit künstlicher Intelligenz (KI) sieht das allerdings anders aus: Durch die Analyse von in Echtzeit erfassten Betriebsparameterwerten wird Wartungsbedarf ermittelt, bevor er anfällt. So können Maßnahmen im Voraus geplant und auf ein Minimum reduziert werden. Mitsubishi Electric nutzt hierfür seine KI-Technologie Maisart 1, die ganz einfach per Melfa-SmartPlus-Zusatzkarte am Melfa-Roboter implementiert werden kann.

mehr lesen

Mit künstlicher Intelligenz dem Verschleiß auf der Spur

Forscher am Karlsruher Institut für Technologie (KIT) haben ein System zur vollautomatischen Überwachung von Kugelgewindetrieben in Werkzeugmaschinen entwickelt. Dabei kommt eine direkt in die Mutter des Kugelgewindetriebs integrierte Kamera zum Einsatz. Eine künstliche Intelligenz (KI) überwacht dabei auf Basis der dabei erzeugten Bilddaten kontinuierlich den Verschleiß.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.