Seminar

Die Verfügbarkeit von reichhaltigen Fahrzeugdaten nimmt seit Jahren stark zu – einerseits existieren historische Datensätze aus durchgeführten Messkampagnen und Flottenbeobachtungen, andererseits zeichnen moderne Fahrzeuge im Kundenbetrieb immer mehr Fahrdaten auf.

Gleichzeitig schreitet auch die Entwicklung von effizienten Datenerfassungs-, Datenablage- und Datenverwaltungstechniken rapide voran. Darüber hinaus steht heutzutage auch eine vielfältige Palette an mathematischen Werkzeugen bereit, um vorhandene Datenmengen zu analysieren und daraus weitere Informationen zu extrahieren. Methoden der Datenanalyse und des sogenannten Maschinellen Lernens (ML) beispielsweise eignen sich, um datenbasiert dynamische Vorhersagemodelle abzuleiten oder um in vorhandenen Datenmengen Strukturen, Muster und Korrelationen zu identifizieren. Neben den gerade erwähnten Fahrzeug- bzw. Kundennutzungsdaten nimmt auch Quantität und Qualität der verfügbaren Umgebungsdaten stetig zu. Ein tiefgreifender Nutzen für den gesamten Auslegungs-, Entwicklungs- und Absicherungsprozess entsteht aber oft erst durch eine Kombination der beiden genannten Datentypen: Fahrzeug- bzw. Kundendaten auf der einen Seite und Umgebungsdaten auf der anderen Seite.

Ziel dieses Seminar ist es, grundlegende Methoden, Verfahren und Techniken aus den Bereichen Datenanalyse und Maschinelles Lernen zu vermitteln und anhand ausgewählter Beispiele aufzuzeigen, wie diese den Fahrzeugentwicklungsprozess verbessern können.