INNERVATE

Forschungsprojekt im Überblick

Deutschland spielt eine führende Rolle in der Automobilindustrie, und Fahrzeuge müssen zur Gewährleistung der Verkehrssicherheit Tests wie den Elchtest durchlaufen, bei dem Dynamik und Fahrverhalten geprüft werden. Das Projekt INNERVATE hat zum Ziel, den Zulassungsprozess durch den Einsatz von KI-Technologien zu beschleunigen. Dabei wird die Datenerfassung optimiert, und die zertifizierende Person wird durch ein interaktives "über die Schulter"-Lernverfahren unterstützt, um den Prozess effizienter zu gestalten.

Förderungsart

Öffentliche Forschung

Zeitraum

01.06.2024 to 30.06.2026

Projektleitung an der H-BRS

Projektbeschreibung

Deutschland spielt eine führende Rolle in der Automobilindustrie, in der mehrere bekannte Fahrzeughersteller ansässig sind. Um die Verkehrssicherheit zu gewährleisten, müssen Fahrzeuge eine Reihe von Tests durchlaufen, wie den Elchtest, der das fahrdynamische Verhalten prüft. Dabei werden die Dynamik und das Fahrverhalten durch Manöver ermittelt, dokumentiert und von erfahrenen Testfahrern wiederholt, bevor sie von einer zertifizierenden Person freigegeben werden.

Das Projekt INNERVATE zielt darauf ab, den Zulassungsprozess mithilfe von KI-Techniken zu beschleunigen. Einerseits soll die Datenerfassung optimiert, andererseits die zertifizierende Person durch ein interaktives Lernverfahren „über die Schulter“ unterstützt werden.

Der Zertifizierungsprozess besteht aus drei Hauptphasen. In der ersten Phase wird jedes Fahrmanöver nach vordefinierten Kriterien qualitativ hochwertig durchgeführt und mithilfe spezialisierter elektronischer Ausrüstung gesammelt und bewertet. Dies beginnt mit der Installation und Inbetriebnahme der Sensoren sowie der Datenerfassung im Fahrzeug, gefolgt von der Durchführung und Auswertung einzelner Fahrmanöver auf der Teststrecke. Abschließend erfolgt eine umfassende Analyse der gesammelten Messdaten.

In der zweiten Phase, auf die sich die HBRS konzentriert, wird die Qualität der Manöverkontrolle gewährleistet. Hier entwickeln wir eine Lösung zur automatischen Bewertung der Manöverwiedergabe (statistische Annäherung an die Kostenfunktion) und zur Unterstützung der Testfahrer mit Informationen über unvollständig erfasste Teile der Manöver. Ziel ist es, Messreihen auszuwerten, Fehler zu identifizieren und Vorschläge zu geben, um die Vollständigkeit der Daten zu erreichen. Außerdem werden wir sicherstellen, dass auch fragmentierte Daten sinnvoll in die abschließende Bewertung einfließen.

Kooperierende Professorinnen und Professoren

Wissenschaftliche Mitarbeiterinnen und Mitarbeiter

Externe Kooperationspartnerinnen und Kooperationspartner

Hochschule Ruhr West Logo
MeasX Logo

Finanzierung

BMWK Logo