Künstliche Intelligenz
Data Science und Machine Learning
Künstliche Intelligenz optimal nutzen
Durch den richtigen Einsatz von Künstlicher Intelligenz (KI) und Data Science lassen sich viele Betriebsprozesse deutlich effizienter gestalten – vor allem im Hinblick auf die Validierung autonomer Fahrfunktionen. Data Science bildet dabei eine wichtige Voraussetzung für die Entwicklung von KI-Systemen. Mit Hilfe von Datenvoranalysen und Workshops identifizieren die Consultants von MicroNova das entsprechende Verbesserungspotential in Ihrem Unternehmen.
Im Bereich der künstlichen Intelligenz, insbesondere der Narrow AI (Artificial Intelligence), bietet MicroNova Leistungen rund um Machine Learning (ML) und legt hier den Fokus vor allem auf das so genannte Deep Learning.
Beim Deep Learning werden Algorithmen genutzt, die es einem System erlauben, sich selbst für die Ausführung bestimmter Aufgaben zu trainieren. Besonders im Bereich der Software-Entwicklung kann KI-gestütztes automatisiertes Testen Prozesse deutlich beschleunigen.
Ob Aufbau der notwendigen IT-Infrastruktur für skalierbare KI-Lösungen oder Optimierung bestehender KI-Initiativen: Wir unterstützen Sie gerne bei Ihren Herausforderungen rund um den Einsatz von KI.
Künstliche Intelligenz im Alltag
Webinar-Aufzeichnung vom 29. September 2020, Dauer: 18 Minuten
Inhalt:
- Überblick über Anwendungsfälle von Künstlicher Intelligenz (z. B. Sprachassistenten, Fraud Detection, Autonomes Fahren)
- Erklärung Starke vs. Schwache KI
- Eine kurze Geschichte der KI
- KI und Safety
KI-Leistungen im Überblick
Data Science: Beratung
Business Understanding
- Identifizierung von Problemen und KPIs
- Synchronisation der KI-Strategie mit den Geschäftszielen
- Transformationsplanung unter Berücksichtigung der bestehenden Prozesse und Infrastruktur
- Erweiterung und Optimierung bestehender KI-Initiativen
Data Cleaning, Data Mining, Data Exploration
- Datensammlung und -aufbereitung
- Labeling via Klassifikation
Predictive Modeling
- Nachbereitung von Ergebnissen aus bestehenden Modellen
- Performance-Analyse von bestehenden Modellen
- Entwicklung und Implementierung der Algorithmen
Feature Engineering
- Definition der für die Lösung benötigten Daten
- Festlegung der relevanten Parameter für eine gegebene Problemstellung
- Entwicklung und Implementierung der Algorithmen
Data Visualization
- Grafiken
- Simulationen
- Visualisierung z. B. mit dem Cluu-Framework
Machine Learning: Reinforcement Learning, Supervised Learning, Unsupervised Learning in Kombination mit Regression
Auswahl geeigneter Technologien und Verfahren
- Analyse der Betriebsprozesse
- Innovationworkshops und Datenvoranalysen
Beratung zur Nutzung, Auswertung und zum Vergleich von Algorithmen
- Welcher Algorithmus passt zu welcher Fragestellung?
- Welche Kennzahlen gibt es für bestimmte Algorithmen?
Schulungen
- Basiseinführung Reinforcement und Supervised Learning
- Vorträge über Reinforcement und Supervised Learning
KI-Technologien
Webinar-Aufzeichnung vom 29. September 2020, Dauer: 19 Minuten
Inhalt:
- Grundbegriffe der KI: Data Analytics, Evolutionäre Algorithmen, Machine Learning und Neuronale Netze
- Anforderungen an Künstliche Intelligenz: Umgang mit großen Datenmengen, Robustheit, Generalisierung
- Darstellung der Funktionsweise und des Trainings eines Künstlichen Neuronalen Netzes
- Erklärung von Supervised Learning, Unsupervised Learning und Reinforcement Learning
In fünf Schritten zum KI-Konzept

Anwendungsfälle für KI im Bereich Automotive
Simulationsmodelle
Der Aufbau eines so genannten Digital Twin beschleunigt die Fahrzeugentwicklung, da Steuergeräte-Software in einer virtuellen Umgebung getestet werden kann – ohne dass ein realer Prototyp erforderlich ist. Daher ist für dieses Vorgehen eine steigende Zahl von Simulationsmodellen notwendig. Insbesondere in Hinblick auf autonome Fahrzeuge können solche Modelle sehr viele verschiedene Szenarien und Faktoren virtuell abdecken.
Neuronale Netze eignen sich dabei vor allem für die Bestandteile des Fahrzeugs, die mit physikalischer Modellierung nur schwer nachgebildet werden können, etwa einzelne Teile eines Motors. MicroNova Consulting unterstützt Unternehmen bei der Datenanalyse, bei der Auswahl von geeigneten KI-Technologien für die Modellierung sowie bei der Integration und Validierung der einzelnen Modellbestandteile.
Test von KI
Die Validierung von KI-Systemen in Fahrzeugen – insbesondere von Fahrerassistenzsystemen und autonomen Fahrzeugfunktionen – erfordert neue Testmethoden, wie z. B. Szenario-basiertes Testing. Die dafür notwendigen Testumgebungen müssen die Steuergeräte-Software einbinden können und außerdem massiv skalierbar sein, um die hohen Testaufwände für autonome Fahrfunktionen in akzeptabler Zeit durchzuführen. MicroNova Consulting hilft Ihnen hier bei der Konzeption, Einführung und Weiterentwicklung von Prozessen, Methoden und Tools für KI-gestützte Systeme für autonomes Fahren. Weitere Einsatzbereiche betreffen funktionale Sicherheit nach ISO 26262 oder den ASAM-Standard OpenSCENARIO.
Error Mining
Eine Herausforderung beim Test von autonomen Fahrzeugen liegt darin, wie die großen Mengen von Testergebnissen sinnvoll und praktikabel ausgewertet werden können. MicroNova Consulting unterstützt hier bei der Konzeption und Umsetzung entsprechender Lösungen.
Sensordatenanalyse
Damit sich ein Fahrzeug autonom im Straßenverkehr bewegen kann, muss es in der Lage sein, sein Umfeld zu erkennen und richtig zu entscheiden, welchen Weg es fahren muss, bzw. welche Reaktion erforderlich ist. MicroNova Consulting unterstützt Unternehmen bei der Konzeption von Lösungen für Objekterkennung, z. B. Ampelerkennung, und bei der Berechnung von Fahrwegen auf Basis von Trajektorien.
Durchführung von KI-Projekten
Webinar-Aufzeichnung vom 29. September 2020, Dauer: 14 Minuten
Inhalt:
- Durchführung eines KI Projekts mithilfe der Prozessmodelle CRISP-DM und CRISP-ML
- Projektstart und Business Understanding
- Datenaufbereitung, Data Understanding und Feature Engineering
- KI-Modellierung und Test
- Visualisierung und Deployment
Nutzen Sie unsere Erfahrung zu Ihrem Vorteil
Die MicroNova-Berater verfügen über langjährige Praxiserfahrung in ihrem jeweiligen Fachgebiet und stehen in direktem Kontakt mit unseren Experten in der Hardware- und Software-Entwicklung sowie im Testing. Profitieren Sie von Wissen und Erfahrung aus über 30 Jahren Automotive Engineering.