3.4. KI im Automotive-Bereich – Vokabularflashcards

Kompakte Vokabularkarten zu zentralen Begriffen rund um KI im Automobilbereich, von autonomen Fahren über Fahrerassistenzsysteme bis zu Wartung und Verkehrsmanagement.

Autonome Fahrzeuge

Fahrzeuge, die Umgebungsdaten analysieren, relevante Entscheidungen treffen und das Fahrzeug vollständig selbstständig steuern – ganz ohne menschliches Eingreifen.

Navigation

KI-gestützte Navigation zur präzisen Positionsbestimmung, Kartierung und Routenplanung; umfasst Lokalisierung, Kartenabgleich und Routenwahl.

Lokalisierung

Bestimmung der exakten Fahrzeugposition mithilfe GPS, IMUs, Lidar- und Kameradaten; oft Zentimetergenau, inklusive SLAM-Unterstützung.

SLAM (Simultaneous Localization and Mapping)

Technologie zur gleichzeitigen Lokalisierung und Kartierung unbekannter Umgebungen, um Position und Karte simultan zu bestimmen.

Kartenabgleich

Abgleich von Echtzeitumgebungsdaten mit hochauflösenden HD-Karten; Deep Learning erkennt Straßenmerkmale und ordnet sie der Karte zu.

Routenplanung

Intelligente Algorithmen berechnen den optimalen Weg zum Ziel unter Berücksichtigung von Verkehr, Baustellen und Straßenzuständen.

Hinderniserkennung

Erkennung von Hindernissen in der Umgebung durch Sensorfusion und KI-gestützte Verarbeitung.

Sensorfusion

Kombination von Informationen aus Kamera, Radar, Lidar und Ultraschall, um ein möglichst genaues Umgebungsbild zu erzeugen.

Objekterkennung

Neuronale Netze identifizieren Objekte wie Fahrzeuge, Fußgänger, Fahrräder, Tiere, Schilder usw.

Klassifikation

Einstufung von Objekten bzw. Szenerien in Kategorien (z. B. beweglich vs. unbeweglich).

Semantische Segmentierung

Kontextuelles Verständnis der Szene; Pixelgenaue Zuordnung von Objekten zu Klassen mittels CNNs.

CNN (Convolutional Neural Network)

Neuronales Netz für Bildverarbeitung, Mustererkennung und Szenerausschnitte.

Entscheidungslogik

Algorithmen, die basierend auf Umweltanalyse Handlungen bestimmen (z. B. MPC, Reinforcement Learning).

Model Predictive Control (MPC)

Optimierungsbasierte Regelung, die zukünftige Zustände berücksichtigt, um sichere Manöver zu planen.

Reinforcement Learning

Lernmethode, bei der das System durch Interaktion mit der Umgebung Strategien verbessert und Handlungen optimiert.

Ethische Entscheidungen

Begrenzter Umfang: Sicherheit hat Vorrang; aktuelle Systeme priorisieren Risiken, wenngleich ethische Dilemmas offen bleiben.

ADAS (Fahrerassistenzsysteme)

Fortgeschrittene Fahrerassistenzsysteme, die Komfort und Sicherheit erhöhen, z. B. Spurhaltung, Notbremsung, Tempomat.

Spurhalteassistent (LKA)

Sorgt dafür, dass das Fahrzeug in der Spur bleibt; nutzt Bildverarbeitung (CNNs) zur Erkennung von Fahrbahnmarkierungen und passt Kurvenverlauf vorausschauend an.

Automatische Notbremsung (AEB)

System bremst automatisch ab, wenn eine Kollision droht; basiert auf Sensorfusion, Kollisionsvorhersage und Kontextanalyse.

Adaptiver Tempomat (ACC)

Tempomat, der automatisch Abstand zum Vordermann hält; nutzt Verhaltensprädiktion und Anpassung an Umgebungsbedingungen.

Predictive Maintenance

Vorausschauende Wartung mit KI: Zustandserfassung, Mustererkennung und Prognose von Restnutzungsdauer (RUL) von Bauteilen.

Restnutzungsdauer (RUL)

Geschätzte verbleibende Nutzungsdauer einer Komponente basierend auf KI-Analysen und Nutzungsverhalten.

Edge Computing

Lokale Datenverarbeitung direkt im Fahrzeug, ermöglicht schnelle, latenzarme Entscheidungen ohne ständige Cloud-Verbindung.

Digitale Zwillinge

Virtuelle Abbildung realer Fahrzeugkomponenten, die Live-Daten auswertet, um Zustand und Verhalten zu simulieren.

V2X-Kommunikation

Vehicle-to-Everything: Fahrzeug tauscht Daten mit Ampeln, Infrastruktur und anderen Fahrzeugen aus, um Koordination zu verbessern.