{"id":23948,"date":"2021-05-14T15:52:00","date_gmt":"2021-05-14T13:52:00","guid":{"rendered":"https:\/\/autoestrada.ch\/gehirne-fuer-das-autonome-fahren\/"},"modified":"2021-08-25T13:37:23","modified_gmt":"2021-08-25T11:37:23","slug":"gehirne-fuer-das-autonome-fahren","status":"publish","type":"post","link":"https:\/\/autoestrada.ch\/de\/gehirne-fuer-das-autonome-fahren\/","title":{"rendered":"Gehirne f\u00fcr das autonome Fahren"},"content":{"rendered":"<p style=\"margin-bottom: 0cm;\"><span lang=\"en-GB\">Nvidia ist bekannt durch die Herstellung von Grafikkarten f\u00fcr PCs. Doch in den letzten Jahren wurde das Unternehmen ein wichtiger Partner f\u00fcr die Automobilindustrie. Porsche Engineering spricht mit Nvidia \u00fcber deren Erfolgsgeschichte, warum sie im KI-Bereich f\u00fchrend sind und welche Vision sie f\u00fcr die Zukunft haben. <\/span><\/p>\n<p style=\"margin-bottom: 0cm;\"><span lang=\"en-GB\">Autofahrer, die sich vom Navigationssystem leiten lassen, kennen das Problem: Liegen die Fahrspuren eng beieinander, kann das Navi nicht erkennen, auf welcher sich das Fahrzeug befindet. Dafu\u0308r ist GPS nicht pra\u0308zise genug \u2013 es kann die Position nur auf zwei bis zehn Meter genau bestimmen. Deutlich besser ist ein System, das Porsche Engineering derzeit entwickelt: Es nutzt Ku\u0308nstliche Intelligenz (KI), um aus den GPS-Daten eine exaktere Position zu errechnen. \u201eDamit la\u0308sst sich zum Beispiel die Ideallinie auf einer Rennstrecke erkennen\u201c, sagt Dr. Joachim Schaper, Leiter des Bereichs Artificial Intelligence and Big Data bei Porsche Engineering. Die no\u0308tigen Berechnungen ko\u0308nnen im Fahrzeug selbst ablaufen, und zwar in einem kompakten Rechner, der mit Grafikprozessoren (Graphics Processing Units, GPUs) bestu\u0308ckt ist. \u201eDas bringt KI-Funktionalita\u0308t ins Fahrzeug\u201c, so Schaper. <\/span><\/p><div class=\"autoestrada-nel-contenuto autoestrada-entity-placement\" id=\"autoestrada-973680201\" style=\"position: relative;padding: 30px;border: 2px solid red;margin: 25px auto 35px;text-align: center;width: fit-content;\"><div class=\"autoestrada-adlabel\">Anzeige<\/div><div id=\"autoestrada-2517148076\"><!-- START ADVERTISER: from tradedoubler.com -->\r\n<script type=\"text\/javascript\">\r\nvar uri = 'https:\/\/impfr.tradedoubler.com\/imp?type(img)g(25401758)a(2263928)' + new String (Math.random()).substring (2, 11);\r\ndocument.write('<a href=\"https:\/\/clk.tradedoubler.com\/click?p=320153&a=2263928&g=25401758\" target=\"_BLANK\"><img src=\"'+uri+'\" border=0><\\\/a>');\r\n<\/script>\r\n<!-- END ADVERTISER: from tradedoubler.com -->\r\n<\/div><\/div>\n<p style=\"margin-bottom: 0cm;\"><span lang=\"en-GB\">Hergestellt wird die Hardware-Plattform von der Firma Nvidia aus dem kalifornischen Santa Clara. \u201eWer den Namen ho\u0308rt, denkt nicht unbedingt an den Automobilbereich\u201c, so Schaper. Denn die meisten PC-Nutzer verbinden Nvidia vor allem mit Grafikkarten. Oder besser gesagt: besonders schnellen Grafikkarten, wie sie fu\u0308r Computerspiele beno\u0308tigt werden. Dieser Ruf stammt noch aus den fru\u0308hen 2000er-Jahren. Zu dieser Zeit kamen die ersten Games mit aufwendiger 3D-Grafik auf den Markt, und wer Spiele wie \u201eQuake 3\u201c oder \u201eFar Cry\u201c ohne Bildschirmruckeln spielen wollte, brauchte leistungsstarke Hardware.\u00a0Unter Gamern kristallisierte sich schnell ein Favorit heraus: die Grafikkarte GeForce von Nvidia. Sie wurde zum Verkaufsschlager und katapultierte die 1993 gegru\u0308ndete Firma in die Spitzengruppe der Hardware-Hersteller. Zur Jahrtausendwende machten die Amerikaner schon drei Milliarden US-Dollar Umsatz.<\/span><\/p>\n<p style=\"margin-bottom: 0cm;\">KI-Forscher als neue Kundengruppe<\/p>\n<p style=\"margin-bottom: 0cm;\">Anfang der 2010er-Jahre bemerkte Nvidia, dass eine vo\u0308llig neue Kundengruppe auf den Plan trat, die sich nicht fu\u0308r Computerspiele interessierte: KI-Forscher. In der Wissenschaft hatte sich na\u0308mlich herumgesprochen, dass Grafikprozessoren perfekt fu\u0308r aufwendige Berechnungen im Bereich des maschinellen Lernens geeignet sind. Soll zum Beispiel ein KI-Algorithmus trainiert werden, sind GPUs, die Rechenschritte hochgradig parallel abwickeln, klassischen sequenziellen Prozessoren (Central Processing Units, CPUs) deutlich u\u0308berlegen und ko\u0308nnen die Rechenzeiten wesentlich verku\u0308rzen. So entwickelten sich Grafikprozessoren rasch zum Arbeitspferd der KI-Forschung.<\/p>\n<p style=\"margin-bottom: 0cm;\"><span lang=\"en-GB\">Nvidia erkannte die Chance fru\u0308her als die Konkurrenz und brachte 2015 die erste Hardware auf den Markt, die fu\u0308r KI optimiert war. Dabei konzentrierte sich das Unternehmen sofort auf den Automobilsektor: Unter dem Label Nvidia Drive wurde eine erste Rechenplattform fu\u0308r den Einsatz im Pkw vorgestellt. Die sogenannte PX 1 konnte Bilder von zwo\u0308lf angeschlossenen Kameras verarbeiten und gleichzeitig Programme\u00a0zur Kollisionsvermeidung oder Fahreru\u0308berwachung ausfu\u0308hren. Sie hatte die Rechenleistung von u\u0308ber 100 Notebooks. Etliche Hersteller nutzten die Plattform, um die ersten Prototypen autonomer Fahrzeuge auf die Stra\u00dfe zu bringen.<\/span><\/p>\n<p style=\"margin-bottom: 0cm;\">Stetig wachsende Umsa\u0308tze im Automobilsektor<\/p>\n<p style=\"margin-bottom: 0cm;\">Zuna\u0308chst setzte Nvidia auf eine reine Hardware-Strategie und belieferte die OEMs mit Prozessoren. Derzeit hat das Gescha\u0308ft im Automobilsektor zwei Sa\u0308ulen: Grafiksysteme fu\u0308r das Cockpit und Hardware fu\u0308r autonomes beziehungsweise computerunterstu\u0308tztes Fahren. Die Umsa\u0308tze im Automobilsektor wuchsen zwischen 2015 und 2020 stetig, sind aber bis heute im Vergleich zum Gesamtumsatz niedrig. Im letzten Jahr hat Nvidia im Automotive-Bereich 700 Millionen US-Dollar umgesetzt, was gut sechs Prozent des Gesamtumsatzes entspricht; allerdings steigen die Umsa\u0308tze um neun Prozent pro Jahr. Jensen Huang, Gru\u0308nder und CEO von Nvidia, sieht hier gro\u00dfe Marktchancen. \u201eDie Autos von morgen sind rollende KI-Supercomputer. Von den zahlreichen Steuergera\u0308ten werden nur zwei u\u0308brig bleiben: eines fu\u0308r das autonome Fahren und eines fu\u0308r die User Experience\u201c, so der Vorstandschef.<\/p>\n<p style=\"margin-bottom: 0cm;\">Um noch sta\u0308rker in der Automobilwelt Fu\u00df zu fassen, hat Nvidia seine Strategie vera\u0308ndert: Das Unternehmen konzentriert sich nicht mehr nur auf Chips, sondern bietet ein komplettes Paket aus Hard- und Software an. \u201eDer Kunde kann sich seine Lo\u0308sung zusammenstellen und spart sich die Grundentwicklung\u201c, erkla\u0308rt Ralf Herrtwich, Senior Director Automotive Software von Nvidia.\u00a0Ein OEM, der zum Beispiel ein teilautonomes Fahrzeug anbieten will, kann von Nvidia sowohl die Hardware zur Auswertung der Kamerabilder bekommen als auch neuronale Netze, die vortrainiert wurden \u2013 zum Beispiel eines, das selbststa\u0308ndig Verkehrsschilder erkennt. Anders als bei anderen Herstellern ist dieses Baukastensystem offen. \u201eAlle Schnittstellen lassen sich einsehen. Der OEM kann das System so nach seinen Wu\u0308nschen anpassen\u201c, erkla\u0308rt Herrtwich. Theoretisch kann ein Hersteller also vortrainierte neuronale Netze von Nvidia nutzen und diese dann mit Eigenentwicklungen kombinieren.<\/p>\n<p style=\"margin-bottom: 0cm;\">Nvidia-Produkte sind ein System-on-a-Chip<\/p>\n<p style=\"margin-bottom: 0cm;\">Durch diese Strategie der Offenheit will das US-amerikanische Unternehmen mo\u0308glichst viele OEMs als Anwender gewinnen, was letztlich auch die Entwicklung der Produkte vorantreibt. \u201eWir ko\u0308nnen unsere Hardware am besten optimieren, wenn wir wissen, wie sie eingesetzt wird\u201c, erkla\u0308rt Herrtwich und gibt ein Beispiel: Die meisten Nvidia-Produkte sind ein System-on-a-Chip (SoC). Das hei\u00dft, ein Prozessor wird mit anderen elektronischen Komponenten auf einem Halbleiter zusammengefasst. Im Automobilbereich etwa kommen\u00a0Chips mit eingebauten Videoeinga\u0308ngen zum Einsatz, an die externe Kameras angeschlossen werden. Doch wie viele Einga\u0308nge braucht man? Und wie muss die Netzwerkverbindung ausgelegt werden? Solche Fragen lie\u00dfen sich nur im engen Kontakt mit den Anwendern kla\u0308ren, so Herrtwich. KI-Experte Schaper sieht das a\u0308hnlich: \u201eDer Input von anderen OEMs ist wichtig.\u201c Entscheidend sei in der jetzigen Phase, die Entwicklungsprozesse gemeinsam zu beschleunigen.<\/p>\n<p style=\"margin-bottom: 0cm;\">\u00a0<\/p>\n<p style=\"margin-bottom: 0cm;\">Neben Hard- und Software bietet Nvidia eng kooperierenden OEMs auch Zugriff auf die eigene Infrastruktur an. So ko\u0308nnen die Hersteller daran mitarbeiten, neuronale Netze in Nvidia-Rechenzentren, in denen Tausende von GPUs parallel arbeiten, zu trainieren. Ein Selbstfahr-Algorithmus muss schlie\u00dflich erst lernen, einen Fu\u00dfga\u0308nger, einen Baum oder ein anderes Fahrzeug zu erkennen. Dafu\u0308r wird er mit Millionen von Bildern aus dem realen Verkehr gefu\u0308ttert, auf denen ha\u0308ndisch die entsprechenden Objekte markiert wurden. Durch Trial-and-Error lernt der Algorithmus, sie zu identifizieren. Dieser Vorgang macht viel Arbeit (etwa das \u201eLabeln\u201c der Objekte) und beno\u0308tigt hohe Rechnerkapazita\u0308ten. Nvidia u\u0308bernimmt beides. Automobilhersteller ko\u0308nnen so auf eine Ku\u0308nstliche Intelligenz zugreifen, die quasi schon einige Jahre die Schulbank gedru\u0308ckt hat.<\/p>\n<p style=\"margin-bottom: 0cm;\">Drei Fragen an Ralf Herrtwich<\/p>\n<p style=\"margin-bottom: 0cm;\">Wann kommt K\u00fcnstliche Intelligenz (KI) im Auto an?<br \/>Das ist sie schon, zum Beispiel im Cockpit. Viele Hersteller bieten Sprachsteuerung an, die auf KI basiert. Die Leistungsf\u00e4higkeit dieser Systeme hat in den letzten Jahren sp\u00fcrbar zugenommen. Daneben wird vom Fahrzeug zunehmend erwartet, dass es seine Umgebung wahrnimmt und passend reagiert, Stichwort: Assistenzsysteme. Auch hier spielt KI eine wachsende Rolle. Solche Anwendungen im Fahrzeug geh\u00f6ren zu den anspruchsvollsten \u00fcberhaupt. Wir erwarten, dass dieser Bereich die ganze KI nach vorne bringt.<\/p>\n<p style=\"margin-bottom: 0cm;\">Wann kommt das autonome Fahren?<br \/>In \u00f6rtlich begrenzten Gebieten werden Roboter-Fahrzeuge schon eingesetzt, vor allem an Orten, wo das Wetter gut ist. Allerdings sehen wir bis auf Weiteres den Hauptmarkt bei den regul\u00e4ren Fahrzeugen mit Unterst\u00fctzungsfunktionen, also bei den Autonomie-Leveln 1 bis 3. Insgesamt werden die kommenden Jahre von einem Wettstreit solcher Systeme gepr\u00e4gt sein \u2013 also von der Frage, welches Hersteller-System die meisten Situationen meistern kann. Es geht weniger um den Anspruch, wirklich komplett selbststeuernd zu sein.<\/p>\n<p style=\"margin-bottom: 0cm;\">Wie ver\u00e4ndert K\u00fcnstliche Intelligenz das automobile \u00d6kosystem?<br \/>Je wichtiger Software-Funktionen werden, desto st\u00e4rker ver\u00e4ndert sich die Rolle der Tier-1-Zulieferer. Ihre traditionell starke Bindung an die Hersteller wird schw\u00e4cher. In Zukunft k\u00f6nnen wir uns eine Dreieckskonstellation vorstellen: Die OEMs arbeiten mit Technologieunternehmen wie Nvidia bei Prozessoren und Softwaremodulen zusammen, und der Tier 1 baut das Steuerger\u00e4t. Einige OEMs legen heute schon Wert darauf, Softwarefunktionen selbst in der Hand zu behalten.<\/p>\n<p style=\"margin-bottom: 0cm;\">Warum Grafikprozessoren die besseren KI-Rechner sind<\/p>\n<p style=\"margin-bottom: 0cm;\">Grafikprozessoren sind darauf spezialisiert, geometrische Berechnungen durchzuf\u00fchren: einen K\u00f6rper auf dem Bildschirm zu rotieren, ihn zu vergr\u00f6\u00dfern oder zu verkleinern. Die daf\u00fcr n\u00f6tigen Matrix- und Vektorberechnungen beherrschen GPUs (Graphics Processing Units) besonders gut. Das ist ein Vorteil bei der Entwicklung von neuronalen Netzen. Sie \u00e4hneln dem menschlichen Gehirn und bestehen aus mehreren Schichten, in denen Daten verarbeitet und an die n\u00e4chste Schicht weitergereicht werden. Um sie zu trainieren, sind vor allem Matrixmultiplikationen n\u00f6tig \u2013 also genau die Spezialit\u00e4t von GPUs.<\/p>\n<p style=\"margin-bottom: 0cm;\">Dar\u00fcber hinaus besitzen diese Rechnerarchitekturen sehr viel Speicher, um Zwischenergebnisse und Modelle effizient abzulegen. Die dritte St\u00e4rke von GPUs liegt darin, dass sie mehrere Datenbl\u00f6cke gleichzeitig verarbeiten k\u00f6nnen. Die Prozessoren enthalten Tausende sogenannter Shader-Einheiten, von denen jede einzelne recht simpel und langsam ist. In der Masse jedoch k\u00f6nnen diese Rechenwerke parallelisierbare Aufgaben wesentlich schneller abarbeiten als herk\u00f6mmliche Prozessoren (Central Processing Units, CPUs). Beim Training von neuronalen Netzen etwa senken Grafikprozessoren den Zeitaufwand um bis zu 90 Prozent.<\/p>\n<p style=\"margin-bottom: 0cm;\">\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nvidia ist bekannt durch die Herstellung von Grafikkarten f\u00fcr PCs. Doch in den letzten Jahren wurde das Unternehmen ein wichtiger Partner f\u00fcr die Automobilindustrie. Porsche Engineering spricht mit Nvidia \u00fcber deren Erfolgsgeschichte, warum sie im KI-Bereich f\u00fchrend sind und welche Vision sie f\u00fcr die Zukunft haben. Autofahrer, die sich vom Navigationssystem leiten lassen, kennen das [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":22585,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[80],"tags":[],"class_list":["post-23948","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pressemitteilungen-de"],"acf":[],"_links":{"self":[{"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/posts\/23948","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/comments?post=23948"}],"version-history":[{"count":1,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/posts\/23948\/revisions"}],"predecessor-version":[{"id":27269,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/posts\/23948\/revisions\/27269"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/media\/22585"}],"wp:attachment":[{"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/media?parent=23948"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/categories?post=23948"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/autoestrada.ch\/de\/wp-json\/wp\/v2\/tags?post=23948"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}