HybridAIR - Hybrider Ansatz für intelligente Recommender für Testbed DevOps

Projekt: Forschungsprojekt

Projektdetails

Beschreibung

Ausgangslage und Vision: Die Automobilindustrie steht seit langem an der Spitze des Fortschritts in der Automatisierung. Parallel führen jüngste Fortschritte in Datenwissenschaft und Digitalisierung zu intelligenten Systemen, die Daten aus einer heterogenen Systemlandschaft zu einer Innovationsquelle transformieren. Eine datengetriebene Fahrzeugentwicklung wird dabei durch komplexe cyber-physische Systeme (CPSoS), sog. Prüfstände (engl.: “testbeds”), unterstützt. Neue Antriebssysteme zwingen die Automobilindustrie jedoch, deren Effizienz noch weiter zu steigern. Dabei geht es zudem auch um den effizienten Einsatz von (Umwelt-)Ressourcen. HybridAIR versucht die Effizienz von Prüfständen durch die Einführung intelligenter Systeme in Form von selbstadaptiven, erklärbaren Empfehlungssystemen für verschiedene Akteure im Umfeld der Fahrzeugprüfstände erheblich zu steigern. Zu lösendes Problem: Wie können wir wachsende Datenvolumina und den Datenaustausch innerhalb einer heterogenen Systemlandschaft (H2H, H2M, M2M) bewältigen? Wie können wir die damit verbundenen Herausforderungen gewinnbringend lösen, um aus vielen Datenquellen eine Wissensquelle zu schaffen, die nicht nur die Komplexität mindert, sondern auch die Effizienz erhöht? Wie können wir erklärbare, benutzerspezifische, hochwertige und kontextbezogene Entscheidungshilfen für Entwickler und Betreiber (DevOps) von Prüfständen bereitstellen? Wie lässt sich eine generische, wiederverwendbare Infrastruktur aufbauen, um verschiedene Zielgruppen zu erreichen, deren jeweiliges Wissen damit gewinnbringend verstärkt wird?
StatusLaufend
Tatsächlicher Beginn/ -es Ende1/10/2330/09/26

Fingerprint

Erkunden Sie die Forschungsthemen, die von diesem Projekt angesprochen werden. Diese Bezeichnungen werden den ihnen zugrunde liegenden Bewilligungen/Fördermitteln entsprechend generiert. Zusammen bilden sie einen einzigartigen Fingerprint.