Die Anzahl der Sensoren ist beachtlich! Um Situationen im Straßenverkehr richtig erfassen zu können, benötigt ein Fahrzeug Nahbereichsradar, LIDAR-Scanner, zahlreiche Kameras sowie gut ein Dutzend Laserscanner. Dabei fällt eine Datenmenge von einigen Gigabyte an – pro Kilometer, wohlgemerkt! Diese Daten müssen blitzschnell auf bestimmte Muster geprüft werden. Im Automotive-Bereich hat Elma Electronic hierfür die Grafikpower und Künstliche Intelligenz (KI) von Nvidia verfügbar gemacht.
Denn Grafikpower bleibt das wichtigste Stichwort, wenn die KI anhand der Sensordaten per “Deep Learning” in der Mustererkennung trainiert werden. Die Ingenieure von Elma haben hierzu mit Partnern ein CompactPCI-Serial-System entwickelt, bei dem zwei Jetson AGX Xavier AI-Module von Nvidia die Kernkomponente bilden. Diese Rechenleistung wird eingesetzt, um für typische Situationen wirksame Bearbeitungsstrategien zu entwickeln. So kann die KI beispielsweise Schlaglöcher erkennen und das Fahrwerk auf das bevorstehende Ereignis abstimmen. Im Idealfall wird der folgende Stoß im Innenraum kaum noch spürbar sein.
Für uns ist dabei die Organisation der Datenmengen der Schlüssel: Wir haben enorme Mengen an Sensor- und Telemetriedaten, sodass wir den Fokus auf einen hohen seriellen Datendurchsatz gelegt haben. Dazu wurden die Slots über acht PCIe-Lanes der vierten Generation sowie über Gigabit Ethernet miteinander vernetzt. Damit können wir gleich mehrere CPU-Boards nutzten, die zusammen mit den beiden Xavier-Boards eine enorme Rechenpower entwickeln.” Für den Abtransport der Wärme sorgt ein raffiniertes Konzept mit Wasserkühlung. Zugleich weist Saltuklar aber auf eine wichtige Grundbedingung hin: „Daten müssen an der richtigen Stelle verarbeitet werden.
Parallelen zum Megatrend “Industrial Internet of Things” sind dabei nicht zufällig. Hier wie da drehen sich die Diskussionen vor allem um Software und Sensoren. Vergesse man hier wie da aber die Hardware, gefährde dies den Projekterfolg. deshalb bilden wir hohe Rechenleistung auf einem kleinen Bauraum ab, um möglichst nahe an die Sensoren heranzukommen. Damit können wir die Datenmengen mit einem kontinuierlichen Datenstrom abgreifen und direkt weiterverarbeiten. Zur zentralen Recheneinheit werden nur solche Daten durchgereicht, die unverzichtbar sind. Das sind die Fäden, die unter dem Schlagwort "Autonomes Fahren" zusammenlaufen.
CompactPCI Serial selbst steht indes für eine robuste und kostengünstige Technologie. Damit rückt KI in Reichweite vieler anderer Anwendungen und endet nicht bei Sensoren für optische/räumliche Informationen. Im Automotive-Bereich dominieren diese zwar, bereits in der Landwirtschaft verschwimmen aber die Grenzen von Automotive und Industrieautomation. Ein Anwendungsszenario analysiert hierbei im Ernteprozess die Beschaffenheit der Feldfrüchte. Weisen Kartoffeln beispielsweise erntebedingte Schäden auf, steuert die KI gegen und fährt das Werkzeug tiefer ins Erdreich ein. Das Ergebnis merkt der Erzeuger direkt beim erzielten Preis.
In unbemannten Drohnen kann die KI für den Katastrophenschutz trainiert werden, um Notsituationen aus der Luft zu erkennen und Alarm auszulösen. Fehlalarme werden deutlich reduziert. Hardware bleibt also weiterhin ein wichtiger Baustein, dem bei allen Gedankenspielen um Sensoren und Software viel Aufmerksamkeit gewidmet werden sollte.
