Motivation
In der Automobilentwicklung werden virtuelle Crashtests zur Beurteilung der Fahrzeugsicherheit intensiv eingesetzt. Dadurch können sowohl materielle als auch personelle Ressourcen eingespart werden. Trotzdem bleibt neben der eigentlichen Wirkanalyse die Dokumentation der durchgeführten Änderungen im Fahrzeug ein zeitintensiver und repetitiver Teil der Arbeit. Zwar existiert Software zur Versionsverwaltung der virtuellen Simulationsmodelle, doch es fehlt eine Unterstützung für die Handhabung, Analyse und Weiterverwendung frei sprachlicher, ingenieurstechnischer Texte.
Ziele und Vorgehen
Für simulationsbasierte Entwicklungsprozesse soll in „SAFECAR-ML“ eine automatisierte Informationsaufbereitung und das Textverstehen von domänenspezifischen Inhalten mit neuartigen Methoden der Künstlichen Intelligenz (KI) realisiert werden. Ein wesentliches Ziel ist die automatische Generierung menschenlesbarer Beschreibungen durchgeführter Änderungen zur Dokumentation und zum Verständnis. Des Weiteren soll eine Klassifizierung der Änderungen hinsichtlich ihrer Intention untersucht werden, was eine automatisierte Überprüfung oder in Zukunft sogar Vorschläge ermöglichen kann. Dazu werden Methoden des Maschinellen Lernens (ML) und multimodale Modelle für die kombinierte Verwendung frei textlicher Beschreibungen und künstlich generierter Daten eingesetzt.
Innovationen und Perspektiven
„SAFECAR-ML“ liefert auf Basis von ML-Methoden und der Generativen KI eine neuartige Erleichterung der Änderungsdokumentation sowie eine Vereinheitlichung der benutzten Beschreibungen. Dies bildet die Grundlage für automatisierte Voranalysen von Änderungen oder sogar Handlungsvorschläge. Dadurch wird der Entwicklungsprozess von Fahrzeugen einfacher, sicherer, schneller und kostengünstiger. Die entwickelten Verfahren können mittelfristig auf andere Domänen übertragen werden, die ebenfalls mit simulierten Tests in der Produktentwicklung arbeiten.