Enabler, Guide und Tempomacher: KI bei ZF

Künstliche Intelligenz ist seit vielen Jahren in der Automobilindustrie und damit bei ZF angekommen – lange, bevor die Sprachmodelle von ChatGPT oder Bildgeneratoren wie Dall-E zum Publikums-Hype wurden. Hochautomatisiertes und assistiertes Fahren setzt KI-Algorithmen voraus. Doch das Potenzial von KI geht darüber hinaus. Richtig eingesetzt ist KI ein wichtiger Enabler und Erfolgsfaktor.

"KI hat eine strategische Bedeutung für ZF, denn sie hilft uns, unsere Produkte und Entwicklungsprozesse neu zu gestalten, zu optimieren und so effiizienter zu entwickeln“, erklärt Torsten Gollewski, Leiter Zentrale Forschung und Entwicklung bei ZF. Dabei geht es um deutlich mehr als um Software für Fahr- oder Assistenzfunktionen. Im gesamten Konzern arbeiten Ingenieure an Lösungen, wie KI auch bei der Entwicklung und Auslegung von ZF-Produkten aus Kupfer und Stahl eine wichtige Rolle spielt. So kann KI helfen, kürzere Entwicklungszyklen möglich zu machen. Auch Logistik-Prozesse kann KI optimieren, beispielsweise den gesamten Wertstrom durch die Produktion – vom Lieferanten, den ZF- Werken, bis zur Auslieferung an die Kunden.

Viele Impulse kommen vom AI Tech Center in Friedrichshafen, das an der Zentralen Forschung und Entwicklung angedockt ist. In vielen Branchen gibt es denselben Trend: Durch den Einsatz generativer KI können hohe Einsparungen in der Entwicklung erzielt werden. Speziell bei der Erstellung von Entwicklungsartefakten wie Anforderungsspezifikationen, Konstruktionszeichnungen, Layouts und Code kann generative KI unterstützen, den Entwicklungsprozess zu beschleunigen und effizienter zu machen. „Deshalb wird künftig der Validierung von KI generierten Ergebnissen durch den Entwickler noch mehr Bedeutung zukommen“, erklärt Dr. Manuel Götz, der das AI Tech Center leitet.

In einem großen, weltweit aktiven Konzern wie ZF lässt sich schon viel Entwicklungszeit ganz in der Anfangsphase eines Projekts gewinnen, wenn Kundenanforderungen systematisch durchleuchtet werden. „Bei Requirements-Analyse und -Management sehen wir viel Potenzial für KI“, erklärt Götz. Dazu gibt es ein internes Pilotprojekt. Es spürt wiederholende oder ähnliche Anforderungen (englisch: „Requirements“) in Kundenanfragen auf. So finden die Ingenieure aus den verschiedenen ZF-Divisionen nicht nur vergleichbare Elemente aus den Lastenheften der nahen Vergangenheit. Das Tool zeigt auch, was bereits daraus gemacht wurde. „Damit stehen den Entwicklern Code, Test-Spezifikationen und weitere Tools zur Verfügung, die für das neue Projekt ebenfalls nutzbar sind – und sei es auch nur, um die Kalkulation schneller und belastbarer zu machen“, sagt Götz. KI organisiert so den Erfahrungsaustausch und ermöglicht Mehrfachnutzen.

Im weiteren Verlauf von Entwicklungsprojekten geht es mit KI-Algorithmen ebenfalls schneller und schlanker voran – etwa beim Testing und bei der Validierung. Hier gibt es schon länger den Trend, aufwändige und zeitintensive Hardware-Testläufe durch Simulationen zu unterstützen oder zu ersetzen. Doch auch die sind aufwändig, denn sie setzen viel Programmierarbeit auf der Basis eines mathematisch-physikalischen Modells voraus. „Günstiger und auch effizienter wird es, wenn wir KI-Algorithmen als nicht-lineare Approximatoren einsetzen, sofern ausreichend Datenmengen vorliegen“, erklärt Dr. Tobias Ehlgen , Head of AI Systems & Control. KI-Agenten könnten auf diese Weise die Validierung von Produktdesigns orchestrieren und die Entwicklungszeit ebenfalls verkürzen.

Der Einfluss von KI findet sich natürlich auch weiterhin in den ZF-Produkten. „Wir kombinieren in unserem Kerngeschäft unsere große Expertise und unsere Erfahrungen mit KI-Ansätzen – und kommen auf diese Weise zu Wettbewerbsvorteilen“, erklärt Götz. Ein Beispiel ist die Steuerungssoftware cubiX. Sie vernetzt und koordiniert die aktiven und semiaktiven Aktuatoren mit einem Regelalgorithmus für sämtliche Längs-, Quer- und Vertikaldynamik-Regelungen im Fahrwerk eines Autos. Für viele dieser AD- und ADAS-Funktionen ist auch eine prädikative Trajektoriensteuerung notwendig, also die Vorhersage, wohin sich genau das Fahrzeug bewegen könnte. Dabei setzen die cubiX-Entwickler auch maschinelle Lernmethoden ein.

Ein anderes höchst interessantes Anwendungsfeld sind virtuelle Sensoren. Die Regelungssoftware vieler ZF-Produkte benötigt Daten über Temperaturen, Drehzahlen, Positionen, um einen effizienten Betrieb zu gewährleisten. Manche dieser Parameter können aber im Realbetrieb nicht gemessen werden. Im hochdynamischen Inneren eines E-Maschinen-Rotors beispielsweise lässt sich schlicht kein physischer Sensor anbringen.

Durch maschinelles Lernen, die Kombination von Hardware-Tests und KI-Auswertung, können ZF-Entwickler diese Informationen auch ermitteln, indem sie aus spezifischen Veränderungen von Umfeldfaktoren errechnet werden – von einer KI. „Wir haben bei ZF ein großes Anwendungsfeld für virtuelle Sensoren, weil unsere Produktwelt noch immer durch Mechanik geprägt ist“, sagt Götz. Der Temperatursensor im Rotor war erst der Anfang. Weitere Projekte sind in der Pipeline, die die komplexe Messung von Drehmoment oder Reibwerten übernehmen oder die Lebensdauer von ganzen Landmaschinengetrieben aus den Nutzungsprofilen errechnen können. Aus den so ermittelten Informationen ließen sich auch weitere Geschäftsmodelle oder Service-Agreements ableiten.

Die Beispiele zeigen: KI ist im ZF-Alltag längst angekommen, den Fokus auf Mehrwert und Wertschöpfung hat der Konzern klar gesetzt. Das AI Tech Center greift dabei auch Impulse aus den Divisionen auf oder geht auf deren konkrete Bedarfe ein. So gibt es Synergien, nicht nur was Tools und Prozesse und konkrete Anwendungen angeht, sondern auch hinsichtlich des Rahmens. Denn auch übergreifende Themen wie Cybersecurity, Intellectual Property und der ethische Umgang mit KI muss konzernweit einheitlich geregelt sein.