Nutzung von Automotive Big Data zur Entwicklung zweier neuer Anwendungen. In KI in der Industrie: Fallbeispiele aus #BAS19 (pp. 10-19)

Ein Fahrzeug ist ein Computer auf vier Rädern. In einem modernen Fahrzeug analysieren zahlreiche Steuergeräte eine enorme Menge an Daten, welche von der verbauten Sensorik während der Fahrzeugnutzung generiert wird, um die Funktion des Fahrzeugs und der darin verbauten Systeme zu gewährleisten. Schon die von einem einzigen Fahrzeug generierten Daten sind für die Entwicklung datengetriebener Anwendungen und Dienste hochgradig spannend. Das wahre Potenzial der Fahrzeugdaten erschließt sich allerdings erst dann, wenn viele Fahrzeuge aus Flotten oder gar alle sich im Straßenverkehr befindlichen Fahrzeuge überhaupt ihren Big-DataDatenschatz zur Verfügung stellen und eine Kombination von Fahrzeugdaten mit Daten aus anderen Domänen angestrebt wird. Der vorliegende Beitrag zeigt die Nutzung der von Sensoren generierten Daten in zwei konkreten Anwendungen auf: die Detektion des Fahrverhaltens einzelner Fahrer zum Aufzeigen des Fahrrisikos sowie die Detektion von Schlaglöchern in einem urbanen Straßennetz über mehrere Fahrer und Fahrzeuge hinweg. Der Beitrag beschreibt die dazu erforderlichen Schritte von der Definition der Anwendungen, dem Abgreifen der Daten des Fahrzeugs, der Datenvorverarbeitung, der eigentlichen Datenanalyse und der Generierung von Ergebnissen zur Entscheidungsunterstützung für Fahrer und Infrastrukturverantwortliche. Zu diesem Zweck wurde eine Big-Data-Analytics-Plattform eingesetzt, welche in dem von der Europäischen Kommission geförderten Projekt EVOLVE entstanden ist und zahlreiche für Data Scientists relevante Open-Source-Tools wie beispielsweise Spark, Kafka, Flink, Elastic, oder Jupyter in einem System vereint. Die beiden im Beitrag beschriebenen Anwendungen wurden als Demonstratoren auf dieser Big-Data-Analytics-Plattform realisiert.