Datenverarbeitung selbstfahrender Fahrzeuge im Edge-Storage

Anbieter zum Thema

Cloudian B.V.

OKW Odenwälder Kunststoffwerke Gehäusesysteme GmbH

MES Electronic Connect GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

Das Konzept autonom fahrender Automobile beruht auf der Erfassung und Verarbeitung großer Datenmengen, die im Fahrzeug selbst von Videokameras und Sensoren geliefert werden. Benötigt werden dazu entsprechende Speicherlösungen für diesen Edge-Bereich.

Bereits Mitte der ’90er-Jahre schien ein praktikables Konzept des selbstfahrenden Autos zum Greifen nahe zu sein, als sich im Rahmen des Eureka-Prometheus-Projekts erstmals ein fahrerloses Fahrzeug auf den Weg von München nach Kopenhagen und zurück machte. Seitdem haben mehrere große Automarken wie BMW, Daimler und Ford – zusammen mit Marken wie Lyft und Uber – unterschiedlichste Konzepte für autonome Fahrzeuge entwickelt und getestet. Dennoch sind sie im täglichen Straßenverkehr noch immer eine Seltenheit.

Eine der größten Herausforderungen bei der Entwicklung autonomer Fahrzeuge ist die Verarbeitung und Verwaltung der enormen Datenmengen, die dabei anfallen. Autonome Fahrzeuge sind im Wesentlichen rollende Computer, die ständig Video- und Sensordaten erfassen, um Passagiere, Fußgänger und andere Verkehrsteilnehmer zu schützen.

Aus diesen verschiedenen vom Fahrzeug erfassten Daten wird ein Umgebungsbild erstellt. Um Entscheidungen darüber treffen zu können, wo und wie das Auto fährt, sammeln unterschiedlichste Sensoren und Kameras Daten in Form von Bild, Abstands- oder auch Geschwindigkeitsmessungen, erfasst beispielsweise durch Lidar-Laser (Light Detection and Ranging). Diese werden dann zu einer visuellen Darstellung des aktuellen Geschehens zusammengesetzt und verarbeitet. Basierend auf diesen Bildern, trifft das Fahrzeug die Fahrentscheidungen, die dann durch Radar, Telemetrie von Sensoren und GPS-Daten ergänzt werden. Das sorgt für riesige Informationsmengen.

Das Analystenhaus 451 Research geht davon aus, dass Fahrzeuge von Privatverbrauchern zwischen 12 und 15 Terabyte an Daten pro Tag erzeugen. Andere Experten gehen von bis zu 20 TB aus, und das für nur ein Auto. Bei einem Unternehmen, das eine Flotte von autonomen Fahrzeugen betreibt, könnten diese Daten schnell mehrere hundert Terabyte pro Tag ausmachen.

Wie also können all diese Daten effizient und kostengünstig gespeichert und verarbeitet werden?

Schlaglöcher auf der Datenautobahn

Die gesammelten Daten bergen ein unheimliches Potenzial, daran besteht kein Zweifel. Sie werden es ermöglichen, Fahrzeuge sicherer und verbraucherfreundlicher zu machen – was für eine breite Akzeptanz unerlässlich ist. Die schiere Menge der Daten, um die es dabei geht, stellt jedoch eine große Herausforderung dar.

Selbst 5G kann die von einem einzelnen Fahrzeug benötigte Bandbreite nicht bewältigen, was die Übertragung der Daten zur Verarbeitung in die Cloud äußerst unpraktisch macht. Die Branche musste feststellen, dass das Mobilfunknetz mit Datenmengen dieser Größenordnung nicht umgehen kann.

Ebenso wichtig ist das Thema Geschwindigkeit, denn sie betrifft sowohl die Verarbeitung als auch die Speicherung der Daten. Aus sicherheitstechnischer Sicht muss ein großer Teil der Daten in Echtzeit verarbeitet werden, damit die Fahrzeuge Gefahren erkennen und entsprechend reagieren können. Doch bei autonomen Fahrzeugen, die zu stark auf die Cloud angewiesen sind, ist mit Latenzproblemen zu rechnen, die zu schwerwiegenden Zwischenfällen führen könnten. Dieses Risiko steigt erheblich, wenn sich mehrere Fahrzeuge im selben Gebiet befinden. Bei der Menge der anfallenden Daten ist es schlicht und einfach nicht machbar, alle in die Cloud zu übertragen.

Damit das volle Potenzial der autonomen Fahrzeuge ausgeschöpft werden kann, muss eine entsprechende zugrundeliegende technische Infrastruktur geschaffen werden. Diese muss in der Lage sein, die Masse der entstehenden Daten zu unterstützen und gleichzeitig das Risiko von Latenzproblemen auszuschalten. Hier kann die Speicherung von Daten im Edge-Bereich – das heißt im Fahrzeug selbst – den entscheidenden Unterschied ausmachen.

i-edge = Edge AI, Embedded KI und Industrial Edge

Potenziale nutzen: Datenspeicherung und -verarbeitung im Edge-Bereich

Die Größenordnung der Datenmengen, die mit autonomen Fahrzeugen verbunden ist, stellt eine enorme Chance für Edge-Storage dar. Das Konzept der „Data Gravity“ besagt, dass es einfacher und kostengünstiger ist, Berechnungen und Anwendungen dorthin zu verlagern, wo sich die Daten befinden, als die Daten zu verschieben. Dementsprechend ist es erforderlich, dass ein Teil der Daten in dem Edge-Bereich gespeichert wird, in dessen Nähe die Berechnung stattfindet. Diese Daten können dann gefiltert werden, um festzustellen, welche Informationen nützlich sind, welche sofortige Maßnahmen erforderlich machen, welche zur Verarbeitung an ein Rechenzentrum oder die Cloud geschickt werden sollten und welche Daten verworfen werden können.

Dieser Filterprozess ermöglicht es einfach und schnell, die Datenmenge, die es zu übertragen gilt, zu reduzieren. Informationen, die in den Normbereich fallen, werden zusammengefasst, während jene, die von der Norm abweichen, gesammelt und verarbeitet werden.

Die Systeme müssen entsprechend ausbalanciert sein, um sicherzustellen, dass die wichtigsten Informationen an der richtigen Stelle gespeichert werden. Dies wiederum ermöglicht es, aus den betreffenden Daten den größten Mehrwert zu ziehen.

Eine effiziente und aussagekräftige Datenverarbeitung wird die Entwicklung von autonomen Fahrzeugen beschleunigen. Die Speicherung spezifischer Datensätze am Edge ermöglicht eine schnellere Auswertung, deren Ergebnisse dann an ein Rechenzentrum oder die Cloud gesendet werden. So schafft man gleichzeitig eine leistungsfähigere Infrastruktur, welche die Hersteller für sich nutzen können.

Technische Entwicklung: Datenautobahnen mit Schleifen

Vor diesem Hintergrund arbeitet Cloudian derzeit an der Weiterentwicklung seiner Speicherlösung für den Edge-Bereich. Ziel ist die Entwicklung einer lokalen Version, die zum Beispiel direkt in einem selbstfahrenden Auto läuft. Sie soll eine bessere Speicherung und Verarbeitung der Sensordaten in Echtzeit ermöglichen. Dies kann man als „inneren Ring“ bezeichnen, auf dem die Datenverarbeitung direkt lokal erfolgt. Außerdem werden die Daten an den externen „äußeren Ring“ weitergeben.

Dieser ist unter anderem für die Speicherung sämtlicher generierter Daten zuständig und umfasst den Hub, in dem auch die großen Data-Lakes auf Objektspeichern liegen. Hier können beispielsweise Machine-Learning-Modelle ausführlicher trainiert werden.

Die daraus generierten Metadaten können dann in den Edge-Bereich übertragen werden. Sie sind im Wesentlichen eine kompilierte Version Ihres Modells, was eine schnelle Verwendung dieser ermöglicht. Dies ist nur einer der zukünftigen Anwendungsfälle im Bereich autonomer Fahrzeuge, in dem Cloudian die Weiterentwicklung von Analytics-Funktionen für Objektspeicher weiter vorantreibt.

Bislang hat sich die Speicherung und Verwaltung dieser riesigen Datenmengen als eine der größten Herausforderungen erwiesen, welche die Entwicklung autonomer Fahrzeuge behindern. In den kommenden Jahren werden Edge-Storage-Lösungen eine immer wichtigere Rolle spielen, wenn es darum geht, ein effizientes Datenmanagement zu ermöglichen und das volle Potenzial autonomer Fahrzeuge freizusetzen.

*Der Autor: Sascha Uhl, Object Storage Technologist bei Cloudian

Wie verändert die neue Cloud-Edge-Ära die Industrie?

MCU, MPU oder FPGA: Was ist das Beste für KI an der Edge?

Dieser Beitrag erschien zuerst auf unserem Partnerportal Storage-Insider.de.

(ID:46821841)