Flottenmanagement revolutionieren: KI & IoT-Integration für intelligentere Operationen

Die Anwendung künstlicher Intelligenz auf das Internet der Dinge (IoT) treibt rasche Innovation in Branchen vom Gesundheitswesen über die Fertigung bis zum Transport voran.

Während sich IoT auf die Entwicklung ferngesteuerter Sensorsysteme zur Datenerfassung konzentriert, verbindet das Artificial Intelligence of Things (AIoT) diese Systeme, um kollektive Intelligenz zu schaffen, die letztlich jeden Knoten im System intelligenter macht. Durch die Kombination intelligenter Kognition, Edge Computing und autonomer Fähigkeiten ermöglicht es die automatisierte Verarbeitung menschlich inspirierter Entscheidungsfindung bei niedrigen Kosten, hoher Skalierbarkeit und hoher Genauigkeit.

Die Technologie bildet bereits das Rückgrat vieler heutiger kommerzieller Transportsysteme, besonders in der Flottensicherheit.

AIoT: Datenflut intelligent managen

AIoT ist speziell nützlich für Sektoren, die massive Datenmengen erzeugen, die nicht effizient von Menschen verarbeitet werden können. In der Transportbranche wächst das Volumen der von Fahrzeugen generierten Daten täglich, da Flotten ihren Technologie-Fußabdruck erweitern und die neuesten Advanced Driver Assistance Systems (ADAS) übernehmen.

Während die Kombination von Video- und Fahrzeugdaten entscheidend für die Erkennung und Minderung von Sicherheitsrisiken ist, fehlen den meisten Plattformen die Speicher- oder Rechenkapazitäten, um all diese Daten in der Cloud zu verarbeiten, analysieren und interpretieren. Zudem erzeugen Geräte, die üblicherweise in Nutzfahrzeugen installiert sind, hochauflösende Daten, was die Cloud-Übertragung wirtschaftlich unrentabel macht.

Als Reaktion darauf kombiniert AIoT-Technologie die Machine-Learning-Fähigkeiten von In- und On-Vehicle-Geräten mit der Rechenleistung von Cloud-Verarbeitungsumgebungen. Dieser integrierte Ansatz ermöglicht es den installierten Geräten, fortgeschrittene Erkenntnisse abzuleiten, die verloren gingen, wenn die Daten vor der Übertragung in die Cloud zusammengefasst oder reduziert werden müssten.

Bidirektionale Intelligenz: Crowdsourced Learning

AIoT-Systeme sind einzigartig bidirektional: Sie bringen Daten von Hunderten von On-Board-Geräten zusammen, um Trends zu identifizieren, die wiederum beeinflussen, wie dieselben Geräte in Zukunft Entscheidungen treffen werden.

On-Board-Geräte treffen ständig KI-gesteuerte Entscheidungen basierend auf Machine-Learning-Algorithmen und Sensoren an verschiedenen Punkten des Fahrzeugs. In einem AIoT-System wird die Begründung hinter jeder Entscheidung in eine Cloud-Verarbeitungsumgebung hochgeladen, die dann Daten und Erkenntnisse von einer großen Gruppe von Geräten analysieren kann, um gemeinsame Trends zu bestimmen. Diese Informationen werden dann als Update des Machine-Learning-Algorithmus an das Gerät zurückgesendet. Je mehr Knoten an dieser Schleife gesammelter „crowdsourced“ Intelligenz teilnehmen, desto intelligenter und besser wird jeder Knoten performen.

Als Bonus können AIoT-Systeme Informationen teilen, die außerhalb von Fahrzeugsensoren gesammelt wurden – wie Wettervorhersagen, Verkehrsbedingungen und gefährliche Vorfälle entlang der Straße. Auf Fahrverhaltensdaten aufgeschichtet, lehren diese Erkenntnisse die Geräte, Echtzeitentscheidungen über alles zu treffen – von der schnellsten Route bis zur angemessensten Geschwindigkeit für Wetterbedingungen.

Praxisbeispiele: Sicherheit im Fokus

Sicherheitssysteme für den kommerziellen LKW-Verkehr nutzen die Vorteile von AIoT bereits seit einiger Zeit, lange bevor der Begriff überhaupt geprägt wurde. Zum Beispiel wird AIoT häufig eingesetzt, um Fahrern zeitnahes Selbst-Coaching anzubieten. In-Cab ADAS-Sensoren können Fahrer in Echtzeit vor Sicherheitsrisiken warnen, sodass sie Korrekturmaßnahmen ergreifen können, bevor eine Kollision eintritt.

Kürzlich wurde AIoT sogar eingesetzt, um Flottenmanager auf „sitting ducks“ aufmerksam zu machen – Nutzfahrzeuge, die in gefährlichen Korridoren parken. In diesen Fällen bewerten die Machine-Learning-Systeme eine komplexe Ereignissequenz, die die Sicherheitsrisiken eines an einem bestimmten Standort geparkten Fahrzeugs widerspiegelt.

Trigger-Management ist der Schlüssel zur Transportsicherheit: Die richtige Benachrichtigung zum richtigen Zeitpunkt bewahrt Flotten vor kostspieligen Kollisionen und – was am wichtigsten ist – rettet Leben. Wenn eine Sicherheitsplattform Daten von jedem Fahrzeug in der Flotte zieht und diese mit tatsächlichen Sicherheitsergebnissen in der Cloud korreliert, stellt AIoT sicher, dass On-Board-Geräte in der Lage sind, Fahrer mit den richtigen Hinweisen effektiv zu benachrichtigen. Die Fähigkeit, Fahrer im richtigen Moment zu warnen, erfordert Edge Processing, Low-Latency-Benachrichtigungen und mögliche Abhilfemaßnahmen. Im Gegensatz zu Geräten, die am Edge arbeiten, indem sie einen kontinuierlichen Strom verschiedener Ereignisse an die Cloud senden, lehrt AIoT diese Geräte, die riskantesten Verhaltensweisen zu identifizieren, zu priorisieren und darauf zu reagieren.

Zukunftsvision: Sicherere Straßen für alle

Im kommerziellen Transportsektor hat AIoT-Technologie das Potenzial, einige der heute bedeutendsten Fahrrisiken anzugehen: Ablenkung, überhöhte Geschwindigkeit bei Wetterbedingungen und Parken in historisch gefährlichen Straßenkorridoren.

An jedem beliebigen Tag kennen wir bereits die gefährlichsten Straßen des Landes. Stellen Sie sich die Wirkung vor, diese Informationen mit Routingsystemen zu verknüpfen, um allen Fahrern zu helfen, die sichersten, effizientesten Routen für ihre Fahrzeuge oder ihr Fahrkönnen zu wählen. Wenn diese Technologie crowdsourced wird, könnte sie sogar kommunale, staatliche und bundesstaatliche Behörden dabei unterstützen, auf riskante Straßenelemente wie Schlaglöcher zu reagieren und neue Sicherheitsstrategien beim Design von Straßen und Autobahnen einzusetzen.

David Wagstaff ist Vice President of Analytics bei SmartDrive Systems, einem Anbieter von videobasierter Sicherheit und Transportintelligenz.