Gesponsert

Datenspeicher Datenmanagement in der Entwicklung autonomer Fahrfunktionen

Die Entwicklung autonom fahrender Fahrzeuge ist herausfordernd, enorme Datenmengen müssen erfasst, transportiert und gespeichert werden. Bestehende Netzwerke reichen dafür oft nicht aus. Eine Option sind physische, mobile Speicher.

(Bild: Seagate)

Deutschland und Großbritannien haben im vergangenen Jahr eine Gesetzgebung in die Wege geleitet, um teilweise autonom agierende Fahrzeuge auf die Straßen zu bringen. Bis Fahrzeugnutzer von autonomen Fahrzeugen auf Level 4 oder 5 auf allen öffentlichen Straßen profitieren können, ist es allerdings noch ein weiter Weg.

Neben zahlreichen regulatorischen Fragen ist die technische Entwicklung nicht so weit fortgeschritten, wie vorausgesagt. Eine der größten Herausforderungen bei der Entwicklung von autonomen Fahrzeugen sind die Datenerfassung und das Datenmanagement. Beim autonomen Fahren spielt vor allem die Software eine entscheidende Rolle. Die künstliche Intelligenz (KI) eines autonomen Fahrzeugs muss Situationen in kürzester Zeit erkennen können und die richtige Entscheidung treffen. Um die KI bestmöglich für unterschiedliche Verkehrssituationen zu „trainieren“ sind große Datenmengen notwendig, und ein gutes Datenmanagement.

Datenmanagement: Physisch oder virtuell?

Ein Beispiel: Jedes Testfahrzeug dessen Komponenten des autonomen Fahrens für die spätere Serienfertigung vorgesehen sind, ist mit dutzenden Sensoren und Kameras ausgestattet. Sie alle generieren Daten in diversen Formaten. Um einen Mehrwert aus diesen Daten zu ziehen, müssen sie verarbeitet und zur Analyse über Netzwerke an die entsprechenden Stellen der Entwicklungs- und Testeinrichtungen transportiert werden. Aber: Nicht immer lassen sich diese enormen Datenmassen bewältigen.

Wie der "Mass Data on the Go"-Report von Seagate zeigt, produziert ein durchschnittliches Level 3 Testfahrzeug rund 150 TB Daten pro Tag – das entspricht in etwa 38.400 zweistündigen HD-Filmen oder 30 Millionen Songs. Eine Flotte von 10 bis 20 Forschungsfahrzeugen sammelt 1,5 PB Daten. Deren Übertragung über ein 5G-Netz in die Forschungslabore würde mehr als 150 Tage dauern. Eine echte Hürde für die Entwicklung serienreifer Technologien für autonomes Fahren.

Physischer Datentransfer für schnelle Verfügbarkeit

Eine Option: Physische Datenspeicher und -transfertechniken wie Seagates "Lyve Mobile"-Portfolio. Damit können Automobilhersteller das Bandbreiten-Problem umgehen. Konkret bedeutet das: Alle Kamera- und Sensor-Daten werden auf einem Laufwerk im Kofferraum des Forschungsfahrzeugs gespeichert. Nach der Testfahrt wird das transportable Laufwerk dorthin gebracht, wo die Daten für eine weiterführende Analyse als nächstes gebraucht werden: etwa auf dem unternehmenseigenen Private Cloud-Server oder bei einem Storage-as-a-Service Cloud-Provider.

Obwohl es kontraproduktiv klingen mag: Der physische Transport der Daten ist oft wesentlich schneller als der Versuch, die Datenmengen über existierende Netze zu senden. Auch hinsichtlich der Datensicherheit sind physische Datentransportlösungen eine sehr gute Alternative. Sie bieten dank „Data-at-Rest“-Verschlüsselung einen hohen Sicherheitsstandard auf Hardwareebene. Das ist zudem effizienter und energiesparender, als die Daten softwareseitig für den Transport über ein Netzwerk zu verschlüsseln.

Bildergalerie

Autonomes Fahren: Wohin entwickelt sich Deutschland?

Auch wenn autonomes Fahren nicht so schnell auf den Straßen angekommen ist wie von einigen Tech-Giganten prognostiziert: Es gibt positive Signale. Trotz einer gewissen Skepsis unter Autofahrern in Deutschland können schon heute auf bestimmten Strecken autonome Fahrzeuge der Stufe 2+ fahren. Bis zum Jahr 2050 kann der Anteil von Neufahrzeugen, bei denen sich der Fahrer auf allen Autobahnen komplett von der Fahraufgabe abwenden kann, von knapp zweieinhalb Prozent auf bis zu 70 Prozent steigen.

Ab 2030 ist zudem allmählich mit Fahrzeugen mit Citypilot zu rechnen, also Fahrzeugen, die auf der Autobahn und in der Stadt allein fahren können. Laut dieser Prognosen sind Autos, die sich völlig eigenständig von Haustür zu Haustür bewegen, allerdings erst ab 2040 zu erwarten.

Neben den großen Automobilherstellern tragen auch die zahlreichen Start-ups wie Sigra Technologies, Recogni, Cognibit und Toposens, aber auch E.GO Moove und Vay dazu bei, das autonome Fahren in Deutschland zu entwickeln. Sie engagieren sich unter anderem bei neuronalen Netzwerken, bildverarbeitenden KI-Plattformen, Simulationssoftware und Ultraschall als Alternative zu LiDAR; aber auch in konkreten Testfahrzeugen und Sharing-Modellen.

Wann vollautonomes Fahren zur Realität auf deutschen Straßen wird, hängt von vielen Faktoren ab. Das Datenmanagement ist dabei vor allem in der Entwicklung eines der zentralen und oft unterschätzten Themen. Ohne sinnvolle Datenerfassungs-, -speicher und -transportmöglichkeiten bleibt der wahre Wert der Daten buchstäblich auf der Straße liegen.

Autor: Marco Reiling, Director Product Lifecyle Management, Transportation & ADAS bei Seagate

(ID:48165835)