Autonome Fahrzeuge beschäftigen unsere Vorstellungskraft schon geraume Zeit – man denke an das Batmobil oder an Herbie, den legendären VW Käfer mit einem eigenen Willen. Während aber Autos mit eigener “Persönlichkeit”, die ebenso frei wählbar ist wie die Wagenfarbe, noch reine Zukunftsmusik sind, wird die Vision des selbstfahrenden Kfz immer realistischer. Volkswagen, Honda, Ford, Mazda und Hyundai sind nur einige der Hersteller, die Projekte für innovatives autonomes Fahren und die damit verbundenen Netzwerkservices umsetzen und stetig weiterentwickeln. Viele dieser Unternehmen, aber auch andere große Hersteller wie GM, Toyota, Daimler und BMW sind davon überzeugt, dass die ersten echten fahrerlosen Autos bereits zwischen Ende dieses Jahres und 2030 auf den Straßen zu sehen sein werden [1].
Während derzeit technologische Innovationen wie die Künstliche Intelligenz (KI), 5G und das Internet der Dinge (IoT) die Teilnehmer am Wettrennen zum vernetzten Fahrzeug auf Hochtouren bringen, scheint es so, als werde ein Thema sträflich vernachlässigt: das Datenmanagement. Dabei hat Intel gerade prognostiziert, dass bei einem einzigen autonomen Automobil während 90 Minuten Fahrzeit [2] rund vier Terabyte (TB) an Daten generiert werden. Daher muss die Frage, wie diese Daten verwaltet werden können, eher früher als später beantwortet sein.
Herausforderungen und Chancen in der Zukunft
In diesem InfoBite werden anhand wesentlicher Anwendungsgebiete und konkreter Beispiele die Chancen und Herausforderungen für die Automobilbranche beleuchtet:
Erfahren Sie mehrInnovative Fahrerassistenzsysteme sind Datensammler
Innovative Fahrerassistenzsysteme (Advanced Driver Assistance Systems; ADAS) sind integrale Bestandteile autonomer Fahrzeuge. Fahrerassistenzsysteme können entweder als passives (z. B. bei Warnungen durch den Spurhalteassistenten) oder aktives System (z. B. bei einer automatischen Notbremsung ohne Zutun des Fahrers) zum Einsatz kommen und stützen sich auf die Informationen aus unterschiedlichen Datenquellen – einschließlich Sensoren, Kameras oder Bilderkennungsalgorithmen.
Unabhängig davon, welche Fortschritte ein Unternehmen bei seiner ADAS-Forschung und ‑Entwicklung bereits gemacht hat, ist der Umgang mit Daten eine zentrale Herausforderung. Denn bei aktuellen Testfahrten werden bis zu 20 TB Daten pro Tag erzeugt, mit fortschrittlicheren Sensorsätzen sogar täglich bis zu 100 TB. Der Zeitaufwand für den Upload dieser Datenmenge auf herkömmliche Art und Weise kann bei einem einzelnen Auto von einer Woche bis zu mehreren Monaten liegen. Zudem erfordern Konzeption und Optimierung der grundlegenden KI-Modelle zur Analyse all dieser Daten äußerst viel Rechenleistung an einem Standort, der den schnellen und sicheren Zugang zu den relevanten Cloud-Anbietern, privaten Rechenzentren, Datenquellen und Informationsbrokern gewährleistet.
Um diese Herausforderungen zu meistern, müssen Unternehmen bei ihren IT-Infrastrukturen zwei wichtige Überlegungen berücksichtigen:
1. Ein umfangreicher Dateneingang macht Verbindungen mit hoher Bandbreite und geringen Latenzen erforderlich: Die größte Herausforderung für Elektrobit (EB), ein globaler Anbieter von Software-Lösungen für die Automobilindustrie, war die sichere Speicherung, Übertragung und Verarbeitung der riesigen, von Testwagen täglich erzeugten Datenmengen. Daher entschied sich das Unternehmen, das Proof of Concept (PoC) einer “digitalen Datengarage” im Equinix Solution Validation Center® (SVC®) im Frankfurter IBX FR4 zu implementieren und den Upload der Daten von 30 Fahrzeugen mit einer Kapazität von rund 19 TB pro Tag auf Microsoft Azure zu testen. Für die Tests wurden verschiedene Verbindungsgeschwindigkeiten und -methoden eingesetzt: das öffentliche Internet (1 Gbit/s), Direktverbindungen (1 bis 10 Gbit/s) und Equinix Fabric™ (10 Gbit/s).
Ohne Berücksichtigung der Datenvalidierung reduzierte sich die für den Upload in die Cloud per Equinix Fabric™ benötigte Zeit gegenüber dem Upload per Internet von 85 Tagen auf 12 Stunden. Dies entspricht einer Steigerung der Upload-Geschwindigkeit um 1.000 Prozent. Zudem ließ sich feststellen, dass die verkürzten Lade- und Verarbeitungszeiten zu einem beschleunigten Entwicklungsprozess führen, da Exabyte (1 Million Terabyte) an Daten bei der Zusammenarbeit der Teams nun besser verwaltet werden, was die Arbeitsabläufe vereinfacht. Durch Equinix Fabric™ als Bindeglied zwischen Datenquellen und Cloud-Ziel an der Digital Edge können immense Datenvolumina über Nacht eingespeist werden. Dies erlaubt es Kunden von EB, die Informationen aus Testfahrten zeitnah zu verarbeiten.
2. Eine erfolgreiche Erstellung von KI-Modellen erfordert große Datenmengen und Hochleistungs-Computing: KI-Modelle sind nur so gut wie die Daten, die zu ihrer Erstellung verwendet werden. Um KI-Modelle schneller entwerfen, testen und verfeinern zu können, benötigen Datenwissenschaftler den Zugang zu einer immensen Zahl an Datensätzen, die aus verschiedenen Quellen wie Sensoren, Kameras und anderen Erfassungspunkten stammen. Diese Datenquellen sind am Rand des Netzwerks platziert, so dass ihre Nähe zu den Berechnungsressourcen unerlässlich ist. Eine KI-Infrastruktur auf Platform Equinix® profitiert vom Besten aus beiden Welten: vom Zugang zu Hochleistungsressourcen für das Computing und von schneller, sicherer und direkter Interconnection zu mehreren Clouds, privaten Rechenzentren und Informationsbrokern. Mit einer Plattform für KI-as-a-Service, die im Rahmen eines Testbetriebs von Equinix, NVIDIA, NetApp und Core Scientific angeboten wird, können Unternehmen ihre ADAS-Entwicklung beschleunigen, und zwar durch …
- … die einfache Nutzung von KI-as-a-Service,
- … leistungsstarke Rechen-, Netzwerk- und Speichertechnologien, die für die Ausführung aller maßgeblichen KI-Software-Frameworks optimiert sind,
- … sichere Hochgeschwindigkeits-Interconnection zu IT-Systemen und Datenquellen über Public Clouds, private Rechenzentren und Standorte am Rande des Netzwerks hinweg.
Innovative Technologien wie IoT, 5G und KI generieren eine Vielzahl neuer Anwendungsfälle, darunter autonome Autos, intelligente Städte oder auch eine virtuelle und erweiterte Realität. Doch da das Wettrennen um die Entwicklung und Tests von Prototypen stetig an Fahrt aufnimmt, können langfristige Auswirkungen auf die unterstützenden IT-Architekturen schnell übersehen werden. Denn vielleicht wird ein selbstfahrendes Auto in fünf Jahren 10- bis 100-mal so viele Daten generieren wie heute.
Um auf die Zukunft vorbereitet zu sein, ist eine verteilte, skalierbare IT-Infrastruktur erforderlich, die in der Lage ist, eine schnelle Datensammlung, -aufnahme und -analyse zu unterstützen. Die globale private Konnektivität zu umfangreichen Ökosystemen aus Serviceanbietern und Unternehmen/Partnern schafft die Voraussetzungen für den schnellen, sicheren Austausch von Daten, Erkenntnissen und KI-Modellen. Und dieser Austausch ist notwendig, um die ADAS-Innovationen in der gesamten Branche zu beschleunigen.
Laden Sie das IDC Infobite herunter, um mehr über die Herausforderungen und Chancen für die Automobilindustrie zu erfahren.
Weitere Informationen zum Thema:
Elektrobit erhöht Datenaufnahme und Upload-Geschwindigkeit mittels Interconnection
Wie Equinix und NVIDIA den Weg für das autonome Fahren ebnen
Auf dem Weg zu einer vernetzten Automobilindustrie
Mit intelligenten Transportmitteln durch die Datenflut
Vernetzte Fahrzeuge: Wenn der Führende nicht immer allein gewinnt
Subscribe to the Equinix Blog