2017: Die wichtigsten Trends im Bereich Automotive
Für 2017 gibt die Software AG drei Prognosen für die Automotive-Branche ab. „Automobilhersteller und Zulieferer werden nächstes Jahr ernsthaft in die Zukunft einsteigen“, sagt Werner Rieche, Geschäftsführer Software AG Deutschland. „Nach Konzeptionen und Pilotprojekten wird die intelligente Produktion in der Halle endlich Realität. 2017 zeichnen sich drei klare Trends ab, mit denen Automobilhersteller sich besser am Markt positionieren können.“
Trend 1: Intelligente Produktion
Durch Predictive Maintenance und Predictive Quality Management werden Automobilhersteller einen großen Schritt nach vorne machen, hin zur intelligenten Produktion. Die Auswertung fertigungsübergreifender Maschinendaten in Kombination mit Machine Learning und Streaming Analytics sorgt für eine höhere Ausbringungsqualität und weniger Nacharbeitung. Dies gelingt durch Rechenmodelle, die aus den historischen Daten der Maschinen lernen und Vorhersagen treffen können, wann mit Fehlern zu rechnen ist. 2017 ist das Jahr, in dem Automobilhersteller und Zulieferer ihre Pilotprojekte in die Werkshalle bringen: zum einen werden nun ganze Produktionszellen angeschlossen und vernetzt, zum anderen können die trainierten Vorhersagemodelle nun mit deutlich größeren Datenmengen in Echtzeit arbeiten, was wiederum zu einer Verbesserung der Modelle führen wird. Die Herausforderung dabei wird der zentrale Transfer und die Verarbeitung von Daten-Streams. Auch die Planung der IT-Transformation wird 2017 Hersteller und Zulieferer beschäftigen, denn wir sehen Mechanismen aus der klassischen IT wie das Enterprise Architecture Management, die nun auch in der Produktions-IT und in den Produkten selbst immer wichtiger werden.
Trend 2: Assistenzsysteme und KI
Der Grad der Automatisierung im Auto wächst gemächlich. Warum haben wir noch keine selbstfahrenden Autos? Das Problem liegt nicht in der Datensammlung sondern in der Verarbeitung dieser Datenmengen. Hier werden wir 2017 zwei Fortschritte sehen. Zum einen wird die Datenverarbeitung architektonisch besser werden ? Stichwort Edge Computing. Zum zentralen Training der Verarbeitungsmodelle kommt die lokale Verarbeitung der Daten im Fahrzeug. Auch externe Daten, die das Fahrzeug von außen erhält, werden vermehrt in die Verarbeitung einfließen, etwa Wettervorhersagen oder Straßendaten von Sensoren im Belag. Zum anderen werden wir einen Sprung nach vorne in der KI beobachten können. Machine Learning verdankt seine Entwicklung in den letzten Jahren dem Umstand, dass GPUs massiv an Leistung zugelegt haben. Diese GPUs werden stets weiterentwickelt und nach Problemen mit seiner KI hat nun Tesla angekündigt, mit Nvidia zusammenzuarbeiten. Dies könnte für 2017 große Fortschritte bedeuten.
