Autonomes Fahren
Den Computern auf Rädern Herr werden
Die Marktreife von autonomen Fahrzeugen wird immer greifbarer. Zwar mögen sie im Hype Cycle nicht ganz oben stehen, aber viele haben noch nicht verstanden, dass sich bei dieser Transformation nicht etwa das Auto an sich verändert – sondern die zugrundeliegende Technologie.
Fahrzeuge werden quasi zu Computern auf Rädern – eine komplexe Kombination aus Sensoren, Daten-Pipelines, Anwendungen, On-Board-Netzwerken, Benutzeroberflächen und vernetzten Geräten. Intel geht davon aus, dass jedes autonome Auto auf einer achtstündigen Fahrt etwa vier Terabyte Daten generieren und konsumieren wird. Vier Terabyte entspricht in etwa einer Datenmenge von über 1,2 Millionen Fotos oder 70.000 Stunden Musik oder 4.000 Stunden Videos. Diese Datenmenge muss sehr schnell erfasst, analysiert und verarbeitet werden: Bei 100 km/h könnte eine Latenz von einer Sekunde bereits entscheidend sein und den Unterschied zwischen der Erkennung eines Objekts (mit entsprechender Reaktion) oder einem tödlichen Unfall ausmachen.
Dank Edge Computing Daten direkt an der Quelle bearbeiten
Es ist für 5G-Netzwerke keine leichte Aufgabe, dieses Datenvolumen von jedem Fahrzeug in die Cloud und wieder zurück zu übertragen. Insbesondere, wenn man bedenkt, welche Datenmengen in den kommenden Jahren für Millionen selbstfahrender Fahrzeuge generiert und verwaltet werden müssen. Um nahezu in Echtzeit reagieren zu können, muss in unmittelbarer Nähe zu jedem Auto genügend Rechenleistung zur Verfügung stehen. Die jüngsten Entwicklungen im Bereich Edge Computing, ein dezentraler Ausbau der Rechenzentrumsnetze und der Cloud, bringen das Computing näher an die Datenquelle und den Verbraucher. Mithilfe von Edge Computing können Fahrzeuge schnell auf Daten und ohne Latenzzeit, die durch die Übertragung über ein Wide Area Network entsteht, reagieren – unerlässlich in Automobilszenarien. Bei einem autonomen Fahrzeug werden Daten, die lokal bearbeitet werden müssen (zum Beispiel ein kollidierendes Fahrzeug), deswegen direkt an der Quelle verarbeitet.
Die Anforderungen an die Datenverarbeitung werden zudem immer anspruchsvoller, insbesondere wenn beispielsweise mit Machine oder Deep Learning auch Technologien zum Einsatz kommen, mit denen noch bessere und mehr Erkenntnisse aus Daten gezogen werden können. Aber es gibt auch Bereiche, in denen die Latenz weniger problematisch ist, zum Beispiel bei Informationen über Straßen- und Wetterbedingungen. In diesen Fällen lassen sich die Daten in die Cloud verschieben.
Ein dezentrales, hochskalierbares Computersystem
Die Orchestrierung von Computing und Kommunikation zwischen selbstfahrenden Autos und anderen Edge-Elementen muss verbessert werden. Abstraktion und Automatisierung könnten dazu beitragen, diese nächste Welle des dezentralen Computings umzusetzen. Um eine solche Umgebung von Edge über das Rechenzentrum bis hin zur hybriden Cloud zu managen, bedarf es einer Lösung, die verschiedene Bereiche adressiert – darunter das richtige Team, die Bewältigung regulatorischer Herausforderungen und die Risikominimierung bei einer permanenten Datenverknüpfung. Glücklicherweise lässt sich Edge als Erweiterung der hybriden Cloud-Struktur integrieren. So entsteht im Wesentlichen ein dezentrales und hochskalierbares Computersystem.
Blick in die Zukunft
Autonome Fahrzeugtechnologien verändern die Automobilindustrie. Dies wirkt sich gleichermaßen auf Automobilhersteller, Ökosystempartner und Kunden aus. Sie werden mitbestimmen, wie Computer- und Kommunikationssysteme sowohl durch Hardware als auch durch Software entwickelt werden. Und gerade diese Fortschritte im Datenmanagement, kombiniert mit Edge Computing, werden das volle Potenzial von Autos, Wohnungen und Städten der Zukunft ausschöpfen.
Lesen Sie mehr zum Thema
