Mittwoch, 31. Juli 2024

Automatische Ausspielung von Deep Learning Funktionen über Over-the-Air Updates

Thema und Ziel der Arbeit

In zukünftigen Mobilitätssystemen werden automatisierte Fahrzeuge sowohl untereinander als auch mit der Infrastruktur und Clouddiensten kommunizieren. Die Erweiterung der Systemgrenzen ermöglicht dabei neue Konzepte zur kontinuierlichen Verbesserung von Funktionen im laufenden Betrieb. Besonders KI-Module benötigen Funktionsupdates, um sich an neue Umgebungsbedingungen anzupassen. MLOps beschreibt dabei einen iterativen Prozess, der automatisch Daten sammelt, neue Modelle in der Cloud trainiert, diese evaluiert und letztlich automatisiert an die Fahrzeugflotte ausspielt.

Im Rahmen dieser Arbeit werden Konzepte und Methoden erarbeitet um KI-Module automatisiert über Over-the-Air (OTA) Updates an die Fahrzeuge auszuspielen. Dafür soll der Prozess zunächst kategorisiert und Anforderungen identifiziert werden. Nachfolgend erfolgt eine prototypische Implementierung des dynamischen Updateprozesses innerhalb einer bestehenden Fahrzeug-Cloud Softwarearchitektur. Abschließend kann eine systematische Bewertung der Methodik hinsichtlich des Einsatzes in Verkehrssystemen mit skalierbaren Fahrzeugflotten durchgeführt werden.

Arbeitspunkte

• Literaturrecherche zu Updatefähigen KI-Softwaresystemen
• Erarbeitung eines Konzepts für OTA-Updates von KI-Modulen
• Beispielhafte Implementation und Erprobung für ika Fahrzeugflotte
• Veröffentlichung der Ergebnisse bei internationalen Konferenzen

Anforderungen

• Zuverlässigkeit, Engagement und Freude am selbständigen Arbeiten
• Strukturiertes methodisches Arbeiten
• Erfahrung mit Python oder C++

Hinweis: Bitte kurzen Lebenslauf und eine Notenübersicht anhängen.