Deep Learning

Wie ein Wiener KI-Entwickler Fahrzeug und Maschinenpark optimiert

Auf Basis von Deep Learning entwickelt der Wiener Softwarehersteller emotion3D Module für die Fahreranalyse in Fahrzeuginnenräumen. Die Technologie, die den Straßenverkehr sicherer macht, soll jetzt auch der produzierenden Industrie Effizienzzuwächse bescheren.

Von

Interessenten aus der Automobilindustrie ließen nicht lange auf sich warten. 2011 als Spin-off der TU Wien gegründet und auf die Entwicklung von Algorithmen im Bereich Computer Vision und Maschinellem Lernen spezialisiert, setzte der in Wien-Wieden domizilierte Softwareentwickler emotion3D bald erste Projekte im Automotive-Segment um. Und zwar für den Außen- wie Innenbereich gleichermaßen: In einem Projekt mit dem Wieselburger Lichtsystemehersteller ZKW entstanden Algorithmen zur Erfassung der Fahrzeugumwelt durch Kameras, um je nach Situation adaptive Scheinwerfer zu steuern.

Im Innenbereich arbeitete emotion3D zunächst mit einem der weltgrößten Tier-1 Zulieferer zusammen, um Analysesysteme für das Verstehen der Vorgänge im Fahrzeuginnenraum zu entwickeln – heute der Hauptfokus des schnell wachsenden Unternehmens mit aktuell 20 Mitarbeitern. Das Betätigungsfeld ist gut gewählt. Ab Mai 2022 ist in der EU die stufenweise Ausstattung von Fahrzeugassistenzsystemen bei neu eingeführten Fahrzeugen eine Vorgabe. Das betrifft auch Sensorik, die erkennt, ob ein übermüdeter Fahrer am Steuer sitzt. „Dafür haben wir eine ziemlich einzigartige Algorithmusarchitektur erschaffen“, schildert Benedikt Spannocchi, seit 2018 Head Of Business Development bei emotion3D. 

Benedikt, Spannocchi, emotion3D © Marco Christian Krenn

„Wir haben eine ziemlich einzigartige Algorithmusarchitektur erschaffen.“
Benedikt Spannocchi, Head Of Business Development, emotion3D 

White Paper zum Thema

Deep-Learning-Netze 

Deren Besonderheit: Alle Funktionen - Fahrererkennung, Sicherheitsmonitoring, Benutzerlerlebnis - laufen parallel und ohne überbordender Menge an Rechenkapazität. Ob die Analyse der Augenöffnung oder der Kopfpose: Sämtlichen Anwendungen liegen Funktionalitäten von Deep-Learning-Netzen zugrunde, sagt Spannocchi. Dabei sei sicherzustellen, dass das System für alle Menschen - unabhängig von deren Geschlecht oder Körpermerkmalen - gleich gut funktioniert. Die Algorithmen laufen auf winzigen Rechnern direkt im Fahrzeug - wesentlich für das Echtzeitverhalten und Implikationen beim Datenschutz. 

Florian, Seitner, emotion3D © Marco Christian Krenn

emotion3D-Co-Gründer und Geschäftsführer Florian Seitner

Analysemodul gegen Lizenzgebühr

Vertrieben werden von emotion3D dann zumeist maßgeschneiderte Analysemodule, an deren Lizenznutzung die Wiener, die neben der schwedischen Smart Eye die französische Valeo zu ihrem Mitbewerb zählen, verdienen. Man arbeite mit internationalen Tier-1 und Tier-2 Zulieferern der Automobilindustrie zusammen und auch zu OEMs gebe es Kontakte, heißt es im Unternehmen. Potenzial für neue Lösungen im Fahrzeuginnenraum jedenfalls sieht Spannocchi mehr denn je: Airbags könnten zielgerichteter auslösen, wenn mehr über die Person dahinter bekannt ist. Und auch die Gestensteuerung im Auto ist so ein Thema, das die Wiener wohl weiter verfolgen werden.

Auch anderswo soll die Analysesoftware der Wiener Einsatz finden. Eine Richtung: Industrielösungen. Hier soll die Analyse der Menschen "zu einer verbesserten Mensch-Maschine-Interaktion und erhöhten Sicherheit führen", sagt Spannocchi.