dSPACE stärkt KI-Kompetenz durch Erwerb von understand.ai
Durch das führende Karlsruher Start-up bietet dSPACE seinen Kunden ab sofort ein erweitertes Produktportfolio im Bereich autonomes Fahren
dSPACE, führender Anbieter von Lösungen für die Entwicklung von vernetzten, autonomen und elektrisch angetriebenen Fahrzeugen, erwirbt das Start-up understand.ai. Unter dem Dach der dSPACE Gruppe wird understand.ai in die Kernaufgaben „Einsatz von künstlicher Intelligenz (KI)“ und „cloudbasierte Werkzeuge“ investieren, seine bestehenden Produkte als integrierten Bestandteil des dSPACE Lösungsangebotes weiterentwickeln und das globale Vertriebsnetz von dSPACE für die Vermarktung seiner Produkte und Dienstleistungen nutzen.
„understand.ai ist Technologieführer im Bereich KI mit Fokus auf die automatisierte Datenanalyse, Datenannotation und Extraktion von Simulationsszenarien für autonome Fahrzeuge. Mit diesen Schlüsseltechnologien ergänzen wir das dSPACE Portfolio strategisch und bieten unseren Kunden eine einzigartige, integrierte Entwicklungs- und Testlösung für autonomes Fahren“, sagt Martin Goetzeler, CEO von dSPACE.
„Wir sehen in dSPACE den optimalen Wachstumspartner für den nächsten Schritt der Entwicklung von understand.ai. Das Testen stellt bei der Entwicklung des autonomen Fahrens den Flaschenhals dar, und dSPACE wird uns als führender Entwicklungspartner der Automobilindustrie mit seiner Kompetenz und seinem Netzwerk ein starkes Momentum ermöglichen“, erklärt Marc Mengler, Mitgründer und CEO von understand.ai.
„Marc Mengler und ich freuen uns darauf, durch dSPACE die Kundenbetreuung vor Ort zu verbessern, unser internationales Wachstum zu beschleunigen und so unsere weltweite Führungsposition bei Lösungen zur Bereitstellung von Trainings- und Validierungsdaten weiter auszubauen“, ergänzt Philip Kessler, Mitgründer und CTO von understand.ai.
Bei der Entwicklung und Einführung von autonom fahrenden Fahrzeugen kommt es entscheidend darauf an, die Umgebung des Autos „fehlerlos“ und realitätsgetreu wahrzunehmen. Andere Verkehrsteilnehmer, Verkehrszeichen, Fahrspuren, die statische Randbebauung und Freiräume müssen zuverlässig erkannt werden. Dafür kommen im Auto selbstlernende („Machine Learning“) Algorithmen, insbesondere Deep Neural Networks (DNNs), zum Einsatz, die auf künstlicher Intelligenz basieren. Diese Algorithmen müssen effizient angelernt und validiert werden. Hierzu sind enorme Mengen aufgenommener (Kamera-, Lidar- und Radar-)Sensordaten zu analysieren, zu annotieren und auch zu anonymisieren.
Menge, Qualität und Diversität dieser Trainings- und Validierungsdaten bestimmen die Güte der daraus resultierenden DNNs. Der Annotationsprozess, auch Labeling genannt, ist dabei für die Klassifizierung der Objekte als Referenz für das Machine Learning erforderlich. Heute wird dieser Prozess überwiegend zeitaufwendig und nicht immer auf bestem Qualitätsniveau manuell abgewickelt.
understand.ai verfügt über proprietäres Expertenwissen, das eine weitestgehende Automatisierung dieses Prozesses ermöglicht. Das Unternehmen bereitet ebenfalls mit Hilfe selbstlernender Algorithmen qualitativ hochwertige Trainings- und Validierungsdaten auf. Die zugrunde liegende Schlüsseltechnologie basiert auch auf künstlicher Intelligenz und sorgt für eine effiziente Datenanalyse und präzise Datenannotation, die eine hohe Qualität der Trainingsdaten für KI-basierte Fahralgorithmen sicherstellt. understand.ai entwickelt dafür KI- und webbasierte Werkzeuge. Das zugrunde liegende Know-how wird darüber hinaus bei der Extraktion von Simulationsszenarien aus Sensordaten verwendet.
Quelle: dSPACE
