Digitalisierung in der Automobilindustrie muss Fahrt aufnehmen. Foto: magility

Studie: Digitalisierung in der Automobilindustrie muss Fahrt aufnehmen

Die Gute Nachricht voraus. Mit großer Einigkeit sieht die Automobilindustrie digitale Technologien als entscheidend für den Verkaufserfolg der Zukunft. 82 Prozent sagen, dass es in den kommenden zehn Jahren immer wichtiger wird, dass das Smartphone mit dem Cockpit kompatibel ist. Ebenfalls bedeutungsvoll werden Fahrassistenzsysteme und Technologien für das autonome Fahren (je 80 Prozent) sein sowie neue smarte Dienste auf der Grundlage von vernetztem Fahren und Car-to-Car-Kommunikation (71 Prozent). „Der Stellenwert des Automobils wird sich in den nächsten Jahren ändern. Smarte Dienste stellen ein großes Potenzial dar und schaffen Mehrwerte für den Kunden“, kommentiert Dr. Michael Müller, Geschäftsführer der Magility GmbH die digitalen Technologien.

Immer mehr Führungskräfte sehen Digitalisierung als Herausforderung

Auffällig ist, dass die Automobilindustrie die Digitalisierung immer mehr als Herausforderung sieht. Derzeit sagen 10 Prozent der Automobilzulieferer und -hersteller, dass sie die Digitalisierung eher als Risiko für das eigene Unternehmen sehen, 88 Prozent sehen sie hingegen als Chance. Vor zwei Jahren hatten gerade einmal drei Prozent der Unternehmen von einem Risiko gesprochen, 97 Prozent von einer Chance. Zugleich gibt jedes zweite Unternehmen an, bei der Digitalisierung eher zu den Nachzüglern zu gehören, 43 Prozent sehen sich als Pioniere.

Studie vom Branchenverband Bitkom

Diese Ergebnisse hat der Branchenverband Bitkom in einer repräsentativen Umfrage unter 177 Vorstandsmitgliedern und Geschäftsführern von Unternehmen aus der Automobilindustrie herausgefunden. Befragt wurden Unternehmen mit 20 oder mehr Mitarbeitern.

Einschätzungen von Unternehmen und Bevölkerung gehen auseinander. Grafik: Bitkom

Einschätzungen von Unternehmen und Bevölkerung gehen auseinander. Grafik: Bitkom

Umweltverträglichkeit rückt in den Fokus

Umwelteigenschaften wie Verbrauch (75 Prozent) und die Art des Antriebs (74 Prozent), zum Beispiel ob ein Elektromotor genutzt wird, werden in Zukunft nach Einschätzung der Befragten an Bedeutung gewinnen. Demgegenüber werden Automarke (23 Prozent) oder Motorleistung (17 Prozent) nur für Wenige wichtiger werden.

In 50 Jahren nur noch autonome Fahrzeuge

Autonome Fahrzeuge werden nach Meinung der Befragten Führungskräfte spätestens in 50 Jahren die Autos, wie wir sie kennen, verdrängt haben. 57 Prozent gehen davon aus, dass spätestens in 50 Jahren ausschließlich autonome Fahrzeuge zugelassen werden, jeder Neunte (11 Prozent) geht sogar davon aus, dass dies bereits in 30 Jahren der Fall sein wird.

„Die wichtigste Frage aktuell ist es, wie wir digitale Services und Geschäftsmodelle entwickeln können, die für den Kunden attraktiv sind und die digitale Entwicklung in den Automobilbranche voran bringen. Daran wird die nächsten Jahre auf Hochtouren gearbeitet. Auch in Kooperation mit anderen Unternehmen und Start-ups, die neue Ideen mitbringen“ hebt Dr. Michael Müller die Wichtigkeit vom smarten Automobil hervor.

Die wichtigsten Fakten im Überblick

  • Digitale Technologien werden künftig über Verkaufserfolge entscheiden
  • 80 Prozent sagen, Autohersteller werden Anbieter von Mobilitätsdiensten
  • Jedes zehnte Unternehmen sieht die Digitalisierung als Risiko
Deep Learning verspricht neue Durchbrüche beim autonomen Fahren. Foto: CC0

State of the Art: Deep Learning und autonomes Fahren

Im Sinne von Moor’s Law hat sich die Digitalisierung in den letzten Jahrzehnten unglaublich beschleunigt. Was zunächst wie eine schier endlose Aufgabe schien war aufgrund der exponentiellen Steigerung von Speicherkapazität und Prozessorleistungen schneller Realität als von Kritikern geahnt. Ein aktuelles Thema bei dem die Prognosen auseinandergehen ist die Künstliche Intelligenz und das Deep Learning. Sind wir bereits im Zeitalter der intelligenten Maschinen angekommen oder sind wir erst auf dem Weg dahin. Wahrscheinlich ist es nur eine Frage des Perspektive. Deshalb lohnt es sich auf Praxisbeispiele zu schauen. Viele Unternehmen versuchen bereits jetzt ihre Daten zu nutzen und daraus Erkenntnisse und Geschäftsmodelle zu kreieren. Ein Start-up aus dem Bereich ist das Berliner KI-Unternehmens Merantix. Zusammen mit großen Unternehmen arbeitet das Unternehmen an großen KI-Projekten. Auch im Bereich Automotive.

 

Drei Gründe für den Durchbruch neuronaler Netzwerke

Als Hauptgründe für den Durchbruch von neuronalen Netzwerken gilt: die Verfügbarkeit großer Mengen an Trainingsdaten, leistungsfähige Computerinfrastruktur und Fortschritte in der Wissenschaft. Außerdem übertrifft Deep Learning nicht mehr nur in klassischen Methoden, sondern mittlerweile auch in der Klassifizierung von Bildern oder der Gesichtserkennung, was Maschinen bislang kaum möglich war. Daraus resultiert Potenzial für disruptive Geschäftsmodellen, die mithilfe von Deep Learning und Machine Intelligence reale Problem beheben.

KI-Pioniere aus Berlin

Merantix ist ein Forschungslabor und Unternehmen im Bereich Künstliche Intelligenz. Das Berliner Unternehmen sucht zusammen mit mittelständischen und großen Unternehmen deren Potenziale, Daten zu nutzen um neue Geschäftsmodelle zu finden. Das Stichwort dabei lautet: Deep Learning. Laut Merantix basiert die Entwicklung der künstlichen Intelligenz in den letzten Jahren auf dem Erfolg des Deep Learnings*.

Diagnose vom Computer – Röntgenbilder

Konkret eruiert das KI-Start-up riesige Datensätze. Große Mengen an Trainingsdaten werden ausgewertet sodass die Maschine lernt auf bestimmte Auffälligkeiten zu achten. Ein konkretes Beispiel stammt aus dem Bereich Health Care. Merantix baut einen Service, unterstützt durch künstliche Intelligenz, der automatisch Röntgenbilder diagnostiziert. Um die Deep Learning Systeme zu trainieren werden Standardmarken aus Sprachprotokollen extrahiert. Im Ergebnis soll die KI-Diagnostik Effizienz und Qualität sicherstellen.

Deep Learning und autonomes Fahren

In Kooperation mit BOSCH arbeitet das Unternehmen an der Evaluierung und Verbesserung von Deep Learning Tools beim autonomen Fahren. Es werden neuronale Netze geschaffen und trainiert, die Objekte wie Ampeln, Verkehrszeichen und andere Fahrzeuge erkennen. Die Trainingsdaten stammen aus Sensordaten (in der Regel Bilder und Videos) von Fahrassistenzsystemen. Das System visualisiert die Charakteristik von geschulten neuronalen Netzwerken basierend auf aktueller Forschung.

Quo vadis: Deep Learning

Konkrete Beispiele aus dem Beriech zeigen, dass mit neuronalen Netzen und verfügbaren Trainingsdaten bereits praktischer Nutzen erzielt werden kann. „Für das autonome Fahren wird Deep Learning und Künstliche Intelligenz unerlässlich sein“, unterstreicht Dr. Michael Müller, Geschäftsführer der magility GmbH die Aktualität des Themas.

 

*Deep Learning bezeichnet eine Klasse von Optimierungsmethoden künstlicher neuronaler Netze, die zahlreiche Zwischenlagen zwischen Eingabeschicht und Ausgabeschicht haben und dadurch eine umfangreiche innere Struktur aufweisen.