Businesscases der OEMs oder der „Big Tech Player“ hat die technologische Entwicklung in diesem Bereich beschleunigt und fokussiert. Fahrzeuge haben sich dabei zu leistungsfähigen Datenkollektoren entwickelt. Performante Sensorik wie Radar, Kamera oder Lidar wurde in die entsprechenden Fahrzeuge in großer Stückzahl eingebaut. Beispielsweise Mercedes-Benz ermöglicht inzwischen Das Autonome Fahren nach Level 3. Die Schwaben sind weltweit die Ersten, die eine Genehmigung für den Verkauf von solchen Fahrzeugen in Deutschland und in US-Bundesstaaten erhalten haben. Es werden viele Daten erfasst, verarbeitet und anschließend ins Backend übertragen, um die Algorithmen für das autonome Fahren stetig zu verbessern, mit neuen Datensätzen zu trainieren und zu Simulationszwecken zu nutzen. Auch die Elektrofahrzeuge von Tesla sind dafür bekannt, dass deren Kameras und Sensoren eine Unmenge an Umgebungsdaten sammeln und an die Server der Firma übertragen, um den „Full Self-Driving Assistant“ (FSD) zu verbessern.

Eine zentrale Schlüsseltechnologie beim autonomen Fahren ist die Bilderkennung und -verarbeitung im Backend. Diese Technologie ermöglicht es Fahrzeugen, ihre Umgebung präzise wahrzunehmen und zu interpretieren. Dies umfasst die Erkennung von Objekten wie Verkehrsschildern, Ampeln, Fußgängern, anderen Fahrzeugen und vielem mehr. Indem sie diese Informationen analysieren, können autonome Fahrzeuge entsprechende Entscheidungen treffen und sicher navigieren. Die Fähigkeit zur Bilderkennung ist somit von entscheidender Bedeutung für die Sicherheit und Effizienz des autonomen Fahrens. Diese Fähigkeit, Bilder zu verstehen und zu analysieren (während der Fahrt), eröffnet nicht nur neue Möglichkeiten für das autonome Fahren, sondern diese Fähigkeit kann auch in anderen Bereichen genutzt werden. Im Bereich der präzisen Bilderkennung während der Fahrt konnte die Automotive Industrie viele wertvolle praktische Erfahrungswerte sammeln. Wenn die (teure) Hardware schon eingebaut ist und die praktische Erfahrung da ist – warum nur für das autonome Fahren nutzen?

Vom autonomen Fahrzeug zum Datenkollektor: Die Rolle der Bilderkennung

Die Transformation vom autonomen Fahrzeug zum Datenkollektor ist ein spannender Aspekt: Die Bilderkennungstechnologie, die für das autonome Fahren unerlässlich ist, kann auch zusätzlich dazu genutzt werden, Fahrzeuge zu wertvollen Datenkollektoren zu machen. Während ein autonomes Fahrzeug seine Umgebung analysiert, erfasst es kontinuierlich Bilder und sammelt somit z. B. automatisch Daten über die Straßeninfrastruktur und vieles mehr. Anstatt die Daten direkt zu verwerfen, könnten diese Objekte als Information auch gespeichert und übertragen werden. Diese gesammelten Daten können dann im Anschluss für eine Vielzahl von Use Cases und somit auch Business Cases genutzt werden.

Beispielsweise können automatisch Informationen zu Straßenzuständen gesammelt werden (zum Beispiel Schlaglöcher) und damit können Städte und Gemeinden fundierte und bessere Entscheidungen treffen. Der primäre Zweck eines Fahrzeugs besteht darin, Personen oder Güter von einem Ort zum anderen zu transportieren. Daneben könnten Sie aber auch noch Datenprodukte generieren, was dem Schaffen eines weiteren Wertbeitrags neben der eigentlichen Fahrt zur Folge hätte.

• Datenprodukte können bestehende Geschäftsprozesse optimieren. Beispielsweise könnte der Grad der Verschmutzung von Straßen oder Gebäuden erfasst werden. Auf Basis dieser Daten könnten dann Routen für die Straßenreinigung verbessert werden oder Reinigungsunternehmen könnten wertvolle Informationen für ihre Arbeit an Gebäudefassaden erhalten.
• Datenprodukte ermöglichen Geschäftsprozesse, die vorher nicht möglich waren: Z. B. könnte die Anzahl an Wildtieren getrackt werden, die zu „Beinah-Unfällen“ geführt hätte. Diese Daten sind sicherlich für Versicherungsunternehmen interessant und können zu einer besseren Berechnungsgrundlage der Versicherungen in einer Region führen.
• Datenprodukte dienen als Grundlage zum Treffen datenbasierter Entscheidungen: Z. B. könnten die Anzahl an E-Bikes oder von Sneaker Marken getrackt werden, während das Fahrzeug durch die Fußgängerzone fährt und Erkenntnisse bzgl. Marketingaktivitäten abgeleitet werden.
• Datenprodukte fließen als „Bauteil“ in datenbasierte Produkte ein und verbessern sie dadurch: Z. B. können die Verfügbarkeit einer Ladestation prüfen (frei/besetzt) und anschließend mit dem übermittelten Status validieren oder automatisch Vandalismus feststellen.

Durch Daten zu besseren Produkten

Mit den gesammelten Daten kann eine Verbesserung hinsichtlich der Vermarktung der verkauften Produkte gemacht werden. Solche gesammelten Daten können Unternehmen helfen, Marktanalysen durchzuführen und wichtige Einblicke in das Kaufverhalten der Verbraucher zu gewinnen. Durch die Analyse der gesammelten Daten können Unternehmen Trends, Vorlieben und Bedürfnisse der Kunden identifizieren und so ihre Marketingstrategien anpassen sowie ihre Produkte oder Dienstleistungen verbessern. Solche Daten spielen auch eine wichtige Rolle bei der Gestaltung von Marketingkampagnen und Werbestrategien. Durch die Analyse von Konsumdaten können Unternehmen ihre Botschaften, Kanäle und Inhalte optimieren, um eine größere Reichweite und Wirkung zu erzielen.

Welche Fragestellungen rund um Kundenprodukte oder Dienstleistungen könnten exemplarisch beantwortet werden?

Wie steht es um das Thema Datenschutz?

Es ist wichtig anzumerken, dass Unternehmen bei der Verwendung dieser Daten die geltenden Datenschutzgesetze und -richtlinien einhalten müssen, um die Privatsphäre und den Datenschutz der Verbraucherinnen und Verbraucher zu gewährleisten. Insbesondere die Deutschen legen traditionell großen Wert auf Datenschutz und Privatsphäre. Deshalb ist das Analysieren der Datenschutzrichtlinie (GDPR) ein wesentlicher Punkt, der angegangen werden muss. Allerdings sollte man dies nicht direkt als Showstopper sehen, sondern auch folgendes bedenken:

• Die Gesetzgebung unterscheidet sich auf den Märkten (weltweit). Was vielleicht in Europa nicht erlaubt ist, könnte in Südamerika akzeptabel sein.
• Die Gesetzgebung ist in ständigem Wandel. Was heute nicht erlaubt ist, könnte morgen schon gesetzlich zulässig sein.

Insgesamt sind die technischen Lösungen durch die Umwandlung von Bildern als Rohdaten in anonyme Segmentierungsdatenereignisse eine veritable Lösung, um nur die gewünschten Informationen zu erhalten und personenbezogene Daten explizit nicht abzuspeichern. Die Daten werden noch im Fahrzeug zu anonymen Datenpunkten umgewandelt. Zum Beispiel wird die Marke eines Sneakers festgehalten, nicht aber die Person, die die Sneakers trägt. Dies ist der große Unterschied zu Google Street View, bei dem die Bilder online einsehbar sind.

Wie könnte das technisch aussehen, dass Dritte über eine Fahrzeugflotte eines OEMs diese Daten sammeln?

Um eine solche Datensammlung zu ermöglichen, müsste ein OEM oder ein Flottenbetreiber eine Datenplattform bereitstellen. Der Prozess könnte exemplarisch so aussehen:

Gibt es bereits eine solche Lösung?

Nein, eine solche Lösung ist derzeit noch nicht verfügbar und stellt zunächst nur ein Gedankenexperiment dar.

• Aktuell gibt es Datenplattformen der OEMs, die sich speziell auf Daten des Fahrzeugs, die während der Fahrt anfallen, spezialisiert haben. Zum Beispiel lässt sich der Kilometerstand von Versicherern abfragen, um Modelle wie „Pay-as-you Drive“ Versicherungen anzubieten. Eine solche Plattform ist hier zum Beispiel CarData von BMW.
• Aktuell steht das Thema „Autonomes Fahren“ mit der Komplexität im Fokus. Sekundäre Use-Cases wie die Datensammlung sind deswegen noch nicht priorisiert. Aktuell wird die Hardware zur Erkennung der Bilder und zur Übermittlung der Daten für das autonome Fahren genutzt.

Das Anbieten einer solchen Plattform an Dritte wäre eine neue Dimension, dass über die aktuellen Datenplattformen und ihre Use Cases hinausgeht.

Fazit

Autonomes Fahren erfordert fortschrittliche Bilderkennungstechnologie, um die Sicherheit und Effizienz der Fahrzeuge zu gewährleisten. Die gleiche Technologie ermöglicht es jedoch auch, Fahrzeuge zu wertvollen Datensammlern zu machen und die gesammelten Informationen für verschiedene Zwecke zu nutzen. Von der Optimierung des Verkehrsmanagements bis hin zur Unterstützung von Versicherungsunternehmen und der Verbesserung von Verkehrsmodellen eröffnet die Bilderkennung neue Möglichkeiten und Geschäftsfelder. Die Nutzung von Fahrzeugen als Datenkollektoren könnte somit einen positiven Einfluss auf die Mobilität der Zukunft haben und zu einer besseren Verkehrserfahrung für uns alle führen.

Markus Beller als Speaker: Seit über 10 Jahren ist Markus Beller als Senior IT Consultant im Bereich Connected Mobility international im Einsatz. In den verschiedensten Kundenprojekten bei BMW, Porsche oder ZF hat er die zahlreichen Herausforderungen der Branche kennengelernt. Der aktuelle technologische Wandel hin zur E-Mobilität und das Thema autonomes Fahren begeistern Markus Beller in den Kundenprojekten immer wieder aufs Neue.

Hier findest du das Speaker-Profil von Markus

Der Beitrag Vehicle as a sensor: Fahrzeuge als Datenkollektoren der Zukunft – Autonomes Fahren und das enorme Potential der Bilderkennung erschien zuerst auf Business -Software- und IT-Blog - Wir gestalten digitale Wertschöpfung.