Energieeffizienz mobil: Teil 3/3 Schluss Von Daten zu Taten

Anbieter zum Thema

Schmid Elektronik AG

MES Electronic Connect GmbH & Co. KG

Cadlog Group

Ein Code bietet ein Vokabular und mathematische Sprache zum Verstehen von Dingen und ihren dynamischen Beziehungen.

Der Anfang dieses dritten Teils einer Trilogie begann damit, wie sich das Motorsport-Team Phoenix aus der industriellen Raum-Zeit-Asche erhebt und ins Informationszeitalter schreitet. Im vorliegenden Schluss der Geschichte nutzt das Team den Code einer neuen Dimension und löst damit ganz konkret ein kniffliges Mehrzielproblem auf die datenwissenschaftliche Weise. Willst du, wie Phoenix, dieses Wissen auch? Experimentiere erstens mit diesem Code in der virtuellen Programmiersandbox und lerne gleichzeitig auf spielerische Art, wie es unter der Motorhaube einer AI aussieht. Am Ende erwartet dich zweitens eine konkrete Chance.

Digital transformiert zurück in die Daten der Realität

Es ist Frühling 2022. Die Pandemie und damit auch die virtuelle Liga sind Geschichte. Sie weicht realen Wettbewerben und es geht wieder zurück auf den vertrauten Asphalt und Alltag der Rennstrecke.

Etwas hat sich verändert: Die „Data & Telemetry“ Wettbewerbe werden weitergeführt und ab jetzt bietet Schmid Elektronik den Teams an den Events ein zweiteiliges Bootcamp an. Es kombiniert die bisherigen praktischen Rennerfahrungen mit neuen Learnings aus der virtuellen Liga.

Im ersten Teil des Bootcamps erntet Phoenix die tiefhängenden Früchte datengetriebener Rennen in der Praxis. Ohne komplizierte Modelle. Ohne aufwändige Simulation. Sondern ganz pragmatisch, nämlich von einer Best-Practice-Rennstrategie über Daten hin zu Fahrmustern:

• 1. Strategien entwickeln: Die Philosophie der Minimum Viable Products (MVP) soll Phoenix helfen, iterativ aus den Renndaten zu lernen und sich schrittweise zu verbessern. Dazu sollen bewusst zwei unterschiedliche Fahrstrategien entwickelt werden: eine Energie- und eine Zeiteffiziente.

• 2. Daten erzeugen: Dann geht es auf die Rennstrecke. Dort ist es Aufgabe der Fahrerin, die zwei entwickelten Strategien als Fahrprofil präzise auf die Straße zu bringen und konsistente Daten zu liefern.

• 3. Muster verstehen: Anschließend werden diese Daten, wie im Webinar und in der Sandbox gelernt, quantitativ und qualitativ analysiert, und diejenige Strategie mit dem besten Fahrmuster identifiziert. Phoenix vergleicht dazu Geschwindigkeits- und Beschleunigungsprofile mit dem Energiekonsum und überlagert den Ist-Verbrauch mit den GPS-Daten. Das führt zu einer klaren Aussage über die Qualität und Leistung der gefahrenen Runden und zeigt offensichtliche Verbesserungspotentiale auf der Rennstrecke.

Die Daten und Muster stehen in einer direkten Beziehung zueinander und werden etwa in Reibungskoeffizienten oder Energiegewinne und -verluste übersetzt: „Regen“, „Fahrbahn nass“, „Wind 10 m/s von vorne“, „Asphalt glatt gefahren“, „Fahrzeug im Gefälle“, „enge Kurve in Sicht“.

Was ist für die Fahrerin des Teams Phoenix bedeutend, was steht über allem? Sie will so wenig Treibstoff wie möglich verbrauchen und gleichzeitig den Vorsprung auf die Konkurrenz halten. Außerdem geht Sicherheit vor, denn „Mein Fahrzeug nimmt im Gefälle Fahrt auf“, und „Es wird durch den Wind gebremst“, aber „die Bodenhaftung ist gering“, deshalb: „Vorsicht in der nächsten Kurve: Nicht schneller als 18 km/h fahren!“.

Dieses Verstehen von Mustern und das klare Sichtbarmachen von Bedeutung in Daten wird im zweiten Teil des Bootcamps zu vorhersehbaren, präzisen Ergebnissen führen. Bewegte sich Phoenix bisher in der Raum- und Zeitdimension, steigt das Team jetzt in die höhere Informationsdimension auf. Da transformiert es die Datenflut und komplizierte physikalische Gleichungen in verständliche Bedeutung und relevantes Wissen und fährt so zum Sieg.

Mit Wissensgraphen Dinge und ihre Beziehungen verstehen

Team Phoenix ist nun bereit für den zweiten, anspruchsvollen Teil des Bootcamps. Die Theorie hinter jedem seiner Rennfahrten ist die klassische Fahrdynamik mit dem längs- und querseitigen Führen des Fahrzeuges. Die geltenden Kraftgesetze und Bewegungsgleichungen für Kurven oder Steigungen sind bekannt, führen aber nur zu lokalen Optima. Was wir jedoch wollen, ist eine ganzheitliche Rennstrategie, welche gleich mehrere Ziele berücksichtigt und ein globales Optimum anstrebt:

• 1. Reduzieren des Energieverbrauchs, d.h. energieeffizient fahren und so wenig Treibstoff wie möglich verbrauchen.

• 2. Verringern der Fahrzeit, also schnell und dynamisch sein, damit der Vorsprung auf die Konkurrenz gehalten wird.

• 3. Gewährleisten der Sicherheit, indem das Wetter miteinbezogen wird, oder gefährliche Beschleunigungen und Geschwindigkeiten an kritischen Stellen gezielt vermieden werden.

• 4. Balancieren von potentieller und kinetischer Energie bei Steigungen, z.B. mit Rekuperieren.

• 5. Geschwindigkeitsoptimales Befahren von Kurven ohne Bremseinsatz.

• 6. Nutzen freier Energien wie Wind.

Solche Mehrzielprobleme mit fördernden und hemmenden Einflussfaktoren und garantiertem globalen Optimum sind mit traditionellen Methoden eine Knacknuss. Lösen wir das Problem einmal auf andere Art und Weise, und zwar mit dem Code der Informationsdimension. Wissensgraphen sind wie bereits angedeutet der erste Teil dieses Codes und Graphen als neuronale Netzwerke gleichzeitig die Bausteine jeder AI. Verstehen wir also die Wissensgraphen, verstehen wir die Informationsdimension und damit auch, was unter der Motorhaube jeder AI vor sich geht.

Anstelle von Differentialgleichungen strukturieren wir mit den Knoten eines Wissensgraphen konkrete Fahrzustände und mit seinen Kanten deren Zustandsübergänge und verknüpfen das mit realen Echtzeitdaten, etwa aus der Telemetrie (Bild 3). Daraus gewinnen wir dank Transformation ähnlich einer Suchmaschinen-Abfrage die Bedeutung für das Team Phoenix und seinen Fahrer: Das perfekte Fahrmuster (Bild 4). Näheres zu Graphen findest du im Wissenskasten ganz am Schluss dieser Geschichte.

Erstellen wir zuerst einen solchen Graphen und spielen dann mit ihm in der Sandbox.

Die Wiedergeburt der Physik in der Datenwissenschaft

Von der Start- bis zur Ziellinie sind viele Orte in der Raumdimension und viele Geschwindigkeiten in der Zeitdimension möglich.

Deshalb teilen wir zuerst Raum und Zeit in kleine Schritte auf. Entlang der Fahrroute definieren wir eine fixe Anzahl von Streckenpunkten in Abständen von 100m. An jedem dieser Punkte sind mehrere Geschwindigkeiten in Schritten von 5 km/h möglich. Diese einzelnen Streckenpunkte mit den zugehörigen Geschwindigkeiten sind die Zustände, also die blauen Knoten in Bild 3.

Dann verbinden wir diese Knoten mit roten Kanten und es entsteht ein Wissensgraph. Die Kanten zwischen den Zustandsknoten bedeuten die „Kosten“ des Übergangs von einem Knoten zum nächsten. Diese Kosten sind die gewichteten Summen unserer sechs Ziele und liegen zwischen Null und Eins {0…1}. Dieser Wissensgraph stellt etwa die Bezüge her zwischen:

• dem Wind und den Fahrzeugkräften, oder

• der Geschwindigkeit, dem Fahrbahngradienten und dem Energieverbrauch, oder

• der Geschwindigkeit und der zurückgelegten Strecke.

In der virtuellen Welt der Information führen die Knoten und Kanten des Wissensgraphen alles zusammen und schlagen damit einen Bogen zur Raum- und Zeitdimension in der physischen Welt: Die Knoten- und Kantenstruktur des Graphen in der Informationsdimension sind nämlich direkt vergleichbar mit den Koeffizienten der Systemmatrix eines Differentialgleichungssystems in der Zeitdimension! Das führt Phoenix zur Bedeutung. Das Maß dieser Bedeutung sind die Kosten, welche zwischen den Wechseln verschiedener Fahrzeugzustände entstehen.

Und so haben wir gerade ein kniffliges physikalisches Problem mit dem Code der Informationsdimension einfach, elegant und vollständig formuliert.

Nun der Clou: Ein Graphentransformator wie der „Pfadfinder“ Dijkstra oder A* als zweiter Teil des Codes ist in der Lage, dieses komplexe Beziehungsgeflecht im Handumdrehen nach Bedeutung zu übersetzen, genauso wie die bekannteste Suchmaschine sinnvolle Antworten auf unsere Fragen liefert (Bild 4). Dieser Transformator findet den kostenminimalen Weg durch den Graphen, und so erhält die Fahrerin genau das, was ihr am meisten bedeutet: Zu jeder Zeit und an jedem Ort das passende Geschwindigkeitsprofil, welches alle sechs Ziele in Echtzeit erfüllt. Und das für jeden einzelnen Streckenabschnitt, egal ob es auf- oder abwärts geht, ob sie in der Kurve ist, ob Regen einsetzt, oder ob es windet.

Dank dieser Transformation weiß die Fahrerin jederzeit und überall, was zu tun ist: Entweder Fahrt halten, bremsen, beschleunigen, Ausweichmanöver, überholen, etc. Das erweitert ihre Sinne, mit denen sie die Rennstrecke wahrnimmt und so hat sie jederzeit die Nase vorn.

Wissen als entscheidender Wettbewerbsvorteil

Dank der Informationsdimension gibt die Fahrerin der Energie eine Richtung. Konkret nutzt sie dazu einen stufenlosen Drehschalter, der je nach gewünschtem Fahrmanöver das Fahrzeugverhalten jederzeit anpasst. So entsteht eine fast magische Wirkung mit purem Nutzen:

• Verbrauchsoptimales Fahren: Das grüne Fahrprofil zielt auf minimalen Energieverbrauch hin und wird sich am Geschwindigkeitsminimum orientieren.

• Zeitoptimales Fahren: Das rote Fahrprofil verlangt nach möglichst kurzer Fahrzeit und folgt daher dem Geschwindigkeitsmaximum.

• Kombiniertes Fahren: das blaue Fahrprofil ist eine Mischung aus verbrauchs- und zeitoptimaler Gewichtung und verbindet die Vorteile beider Welten.

Das Fahrprofil lässt sich individuell und stufenlos an die Art des Rennens und den Level und die Erfahrung der Fahrerin anpassen und beliebig erweitern:

• Erstens ist ein Echtzeit-Abgleich mit Telemetriedaten denkbar.

• Zweitens ließen sich meteorologische Aspekte berücksichtigen, etwa temporäres Drosseln der Geschwindigkeit infolge Regen oder Ändern der Windrichtung.

• Und warum drittens nicht die Kurven - der heilige Gral aller Rennen - so richtig am Limit fahren, indem die Geschwindigkeit passend zur Querposition und damit dem Kurvenradius live optimiert wird?

Zentral ist folgender Punkt: Phoenix gewinnt in der Informationsebene aus den Beziehungen zwischen den Daten und der Bedeutung wertvolles Wissen. Damit kann es die physische Rennstrecke in Raum und Zeit gezielt manipulieren und so deutlich höhere Nutzungsgrade erzielen. Gleichzeitig geschieht noch etwas: Je schärfer und je mehr Muster es erkennt und deren Bedeutung es versteht, desto mehr „weiß“ es. Dieses angereicherte Wissen führt es wiederum dem Wissensgraphen zu, indem es seine Kanten verfeinert. Und je mehr datenbasiertes Wissen dieser Graph besitzt, desto höher der Wirkungsgrad des Systems. Ein ständiger Kreislauf, der zu maximalem Nutzen aller Energien führt.

Die heutigen Ergebnisse von Phoenix können sich sehen lassen: 17 Prozent höhere Energieeffizienz, acht Prozent kürzere Rundenzeiten und hundertprozentig unfallfreies Fahren.

Eine nachhaltige Energie- und Mobilitätszukunft – konkret!

Dank dieser Learnings kann Phoenix ab jetzt auch bei komplexen Problemen und komplexen Systemen den Nutzen maximieren und erreicht dabei eine alle Erwartungen übertreffende Effizienzsteigerung. Für das Team sind es magische Momente, so wie Arthur C. Clarke bereits 1968 erkannte: „Any sufficiently advanced technology is indistinguishable from magic!“

Dieser letzte Teil des Dreiteilers rundet die Vision, konkrete Umsetzung und Zukunft des Shell Eco-marathons ab und zeigt darüber hinaus, wie wir als Gesellschaft von diesen Innovationen profitieren können. Wir müssen nicht gleich den Rekord dieser Rennen brechen und 100km mit nur fünf Teelöffeln Kraftstoff bewältigen. Wenn wir es im Alltag mit 2.5 Liter pro 100km nur schon auf einen Hundertstel dieser Leistung schaffen, bewegen wir uns in Richtung einer nachhaltigen Energie- und Mobilitätszukunft. Indem wir auf Effizienz und Verantwortungsbewusstsein setzen, legen wir den Grundstein für eine bessere und umweltfreundlichere Welt.

Das hat die Phoenix-Chance mit deinem Wettbewerbsvorteil zu tun

Abgesehen dieses gesellschaftlichen Nutzens: Wie kannst du nun konkret und persönlich von der Geschichte des Rennteams Phoenix und den Programmiersandboxen profitieren?

Erstens, indem du in dieser Geschichte vielleicht Antworten auf die eingehende Frage erhalten hast und AI von einem anderen Blickwinkel aus betrachten und neu einordnen kannst: AI als eine von vielen Ausprägungen einer neuen Dimension, deren Code dich am Wendepunkt zwischen der Industrie- und der Wissensepoche wirkungsvoll unterstützt.

Dieses Bewusstsein kann dir zweitens neue Freiheitsgrade und Handlungsmöglichkeiten und damit einen direkten Wettbewerbsvorteil bieten. Etwa bei den Fragen, was im nächsten Projekt das Kernproblem ist, welches die gegenläufigen Ziele sind und warum du es anstelle traditioneller Methoden mit den Bausteinen der AI lösen möchtest. Und falls Bausteine der AI tatsächlich Sinn machen, kann dir drittens die Erkenntnis dieser Zusammenhänge helfen:

• 1. Der heute spürbare Umbruch in die Wissensepoche geht Hand in Hand mit einer neuen, höheren Dimension jenseits von Raum und Zeit: Information. Daraus entstanden Herausforderungen wie die Datenflut, Ablenkung und Komplexität.

• 2. Komplexität hängt eng mit technischen, sozialen oder natürlichen Netzwerken zusammen und überfordert wegen der hohen Dynamik unsere Sinne und unseren Geist.

• 3. Netzwerke bestehen aus Dingen und ihren Beziehungen als universelle, natürliche Struktur, wie unsere Welt aufgebaut ist und funktioniert.

• 4. Diese Netzwerke lassen sich mit einem Code aus der höheren Dimension heraus beschreiben und Daten in Erkenntnisse und Wissen transformieren.

• 5. Gleichzeitig funktioniert dieser Code auch bei den Neuronalen Netzen für AI-Anwendungen. Hast du ihn verstanden, verstehst du das Konzept einer AI.

Interessieren dich weitere konkrete, praktische Beispiele, welche dich im geschäftlichen Alltag effizienter machen?

• 1. Nutzen des versteckten und wenig bekannten Wissensgraphen von WIKIPEDIA. Damit lässt sich zügig und übersichtlich ein vielschichtiges Thema auskundschaften.

• 2. Umfangreiche Webartikel einfach und schnell über einen Graphen lesen, der die wichtigsten Themen und Zusammenhänge auf den Punkt bringt.

• 3. Via Sprachmodell mit großen Dokumenten „reden“. Der Vorteil: das Sprachmodell sieht nur den vorliegenden Datensatz (z.B. PDF) und liefert dazu spezifische Antworten.

• 4. Aufbauen und Pflegen deines zweiten Gehirns. Darin kannst du nicht nur deine Gedanken ablegen, ordnen und verknüpfen und so deinen Geist frei machen. Dieses Gehirn hilft dir, unterschiedliche Punkte zu verbinden und blinde Flecken in deinem Denken zu finden.

• 5. Aufbauen und Pflege eines kollektiven Community Gehirns. Hier wird das Wissen eines Teams, einer Firma oder einer Community abgelegt und kann jederzeit abgerufen werden, zum Beispiel von neuen Mitgliedern.

Wollen wir uns dazu einmal visionär oder fachlich austauschen? Kontaktiere mich doch einfach direkt über +41 71 969 35 90, marco.schmid@schmid-elektronik.ch oder Linked-In und wir finden gemeinsam heraus, was bei deinem Projekt Sinn macht.

Energieeffizienz mobil: Teil 1/3

100 Kilometer mit nur fünf Teelöffel Kraftstoff

Energieeffizienz mobil: Teil 2/3

In nur acht Wochen zum IoT-MVP

Energieeffizienz mobil: Teil 3/3 Beginn

Von Daten zu Taten

 (mbf)

* Marco Schmid, CEO von Schmid Elektronik über sich selbst: Der Systemingenieur in mir hat eine Leidenschaft für Embedded-Systems, die grafische Programmiersprache NI LabVIEW, IoT-Dinge, Minimum Viable Products (MVPs), Komplexität, Netzwerke, Wissensgraphen & Sprachmodelle sowie Informations- und Datenwissenschaft. Als Unternehmer genieße ich das Privileg, das Führungsteam eines 45-köpfigen und über 50-jährigen Familienunternehmens mit cooler DNA und pfiffigen Leuten zu coachen. Privat koche ich gerne indisch, chinesisch, Tapas und Sushi. Das ist zwar aufwändig, aber viel günstiger als im Restaurant und fast so gut. Außerdem macht mir Kochen einfach Spaß. Ich mag Reisen in ferne Länder und lerne aus anderen Ansichten. Das Campen im Zelt verbindet mich mit der Natur und ich fühle mich sehr wohl unter freiem Himmel. Auch bin ich ab und zu in einer Berghütte anzutreffen. Da schalte ich das Geschäft und das Digitale ab und genieße die Einfachheit. In Büchern und guten Stories verliere ich mich und vergesse Raum und Zeit. Das Verständnis für gegensätzliche und doch ineinandergreifende Kräfte stammt aus meinen früheren Erfahrungen in asiatischen Kampfkünsten. Heute carve ich im Winter gerne schnelle Skipisten hinunter und mache im Sommer auf Rollerblades die Strassen unsicher.

(ID:50187620)