Auto Design | 8000 Open-Source-Modelle auf KI Basis
Mit einer Open-Source-Datenbank von 8000 Fahrzeugmodellen ebnet die TU München den Weg für ein effizienteres Auto Design. Dank KI-gestützter Analyse können Entwicklungsprozesse vom Autodesign beschleunigt und Kosten gesenkt werden. Die frei zugänglichen Daten bieten Potenzial für nachhaltige Mobilität – von kraftstoffsparenden Fahrzeugen bis zu Innovationen bei Elektroautos.
Bisher oft nur kleinere Anpassungen beim Automobil Design
Das Design neuer Fahrzeuge ist bekanntlich ein kostspieliger und zeitintensiver Prozess. Automobilisten investieren oft mehrere Jahre in ein neues Fahrzeug-Design. Zunächst werden 3D-Modelle simuliert, bevor sie die vielversprechendsten Entwürfe im Windkanal testen. Die Spezifikationen und Details dieser Tests bis hin zur Aerodynamik eines bestimmten Designs, werden in der Regel nicht veröffentlicht. Fortschritte in Bereichen wie Kraftstoffeffizienz oder Reichweite von Elektrofahrzeugen sind daher oft langsam und auf die Automobilhersteller beschränkt.
Deshalb nehmen Hersteller zwischen den Modellgenerationen oft nur kleinere Anpassungen vor. Forschende der Technischen Universität München (TUM) und des Massachusetts Institute of Technology (MIT) haben nun einen entscheidenden Beitrag zur Effizienzsteigerung geleistet: Mit Driveraernet++ steht der bisher größte Open-Source-Datensatz zur Autoaerodynamik bereit.
Über 8000 Modellvarianten, die die wichtigsten Fahrzeugtypen abbilden, bieten die Grundlage für innovative Entwicklungsansätze. Mithilfe von Künstlicher Intelligenz (KI) können Fahrzeugdesigner zukünftig effizientere Entwürfe basierend auf bewährter Erfahrung erstellen. Das Ergebnis sind nicht nur schlankere Entwicklungsprozesse, sondern auch kraftstoffsparende Fahrzeuge und wegweisende Fortschritte im Bereich der Elektromobilität.
Dieses Projekt markiert einen bedeutenden Schritt hin zu einer nachhaltigen und wirtschaftlichen Fahrzeugentwicklung.
Mit Generativer KI zum optimalen Automobildesign
Für die Entwicklung von Drivaernet++ griffen die Forschenden auf 3D-Modelle zurück, die 2014 von Audi und BMW bereitgestellt wurden. Diese Modelle decken verschiedene Karosserie-Varianten ab und wurden gezielt erweitert: Insgesamt 26 Parameter wie Fahrzeuglänge, Unterbodenstruktur oder Windschutzscheiben-Neigung wurden systematisch modifiziert. Zusätzlich wurden komplexe Strömungssimulationen durchgeführt, um den Luftwiderstand der erzeugten Fahrzeugvarianten präzise zu berechnen.
Das Ziel hinter diesem Ansatz ist klar: Mit Drivaernet++ soll ein umfassender Trainingsdatensatz für Generative KI bereitgestellt werden. Dieser ermöglicht es, große Datenmengen in kürzester Zeit zu analysieren und innovative Fahrzeugdesigns zu entwickeln. Solche KI-Tools existieren zwar bereits, doch der freie Zugang zu den notwendigen Daten stellte bisher ein Hindernis dar. Dieses Projekt schafft eine neue Basis für beschleunigte, datengetriebene Innovationen im Fahrzeugbau.
Fortschritte bei der Fahrzeuggestaltung
Angela Dai, Professorin für 3D Artificial Intelligence an der TUM hebt die Bedeutung des neuen Datensatzes hervor: „Unser Datensatz kann als umfangreiche Bibliothek genutzt werden, um mithilfe von KI-Modellen in kurzer Zeit neue Designs zu generieren, die zukünftig zu kraftstoffeffizienteren Autos oder Elektrofahrzeugen mit längerer Reichweite führen sollen.“
Mohamed Elrefaie, Erstautor der Studie, sieht in Drivaernet++ eine entscheidende Grundlage für die Weiterentwicklung der Automobilindustrie: „Dieser Datensatz legt den Grundstein für die nächste Generation von KI-Anwendungen im Autobau, fördert effiziente Designprozesse, senkt Kosten in der Forschung und Entwicklung und treibt Fortschritte in Richtung einer nachhaltigeren Automobilzukunft voran.“
Diese Aussagen verdeutlichen, wie Drivaernet++ nicht nur Effizienz und Innovation, sondern auch den Wandel zu einer umweltfreundlicheren Mobilität unterstützt.
