Mobile-Menu

Generative KI Dank Open-Source-Modellen zu nachhaltiger Mobilität

Quelle: TUM 1 min Lesedauer

Anbieter zum Thema

TU München
invenio AG
GWJ Technology GmbH
Xometry Europe GmbH

Neue Fahrzeuge zu designen ist teuer und zeitaufwendig. Daher kommt es zwischen den Modell-Generationen in der Regel nur zu kleinen Veränderungen. Forschende der TUM und des MIT wollen das mit einer Open-Source-Bibliothek für Autoaerodynamik ändern: Über 8.000 Modelle ermöglichen es, mithilfe von KI effizientere Designs zu entwerfen.

Die 8.000 Designs des Datensatzes sind in verschiedenen Darstellungen verfügbar.(Bild: Mohamed Elrefaie)
Die 8.000 Designs des Datensatzes sind in verschiedenen Darstellungen verfügbar.
(Bild: Mohamed Elrefaie)

Automobilhersteller investieren oft mehrere Jahre in das Design eines Fahrzeugs. Dabei werden zunächst 3D-Modelle simuliert, bevor die vielversprechendsten Entwürfe im Windkanal getestet werden. Die Details und Spezifikationen dieser Tests, einschließlich der Aerodynamik eines bestimmten Designs, werden in der Regel nicht veröffentlicht. Fortschritte in Bereichen wie Kraftstoffeffizienz oder Reichweite von Elektrofahrzeugen sind daher oft langsam und auf die jeweiligen Unternehmen beschränkt.

Effiziente Designs mithilfe generativer KI

Mit DriverAerNet++ haben Forschende der Technischen Universität München (TUM) und des Massachusetts Institute of Technology (MIT) einen riesigen Open-Source-Datensatz für Autoaerodynamik entwickelt. Über 8.000 Modelle, die die gängigsten Fahrzeugtypen repräsentieren, ermöglichen es, mithilfe von künstlicher Intelligenz (KI) effizientere Designs zu entwerfen. Das Ziel sind kostengünstigere Entwicklungsprozesse, kraftstoffsparende Autos und Fortschritte bei Elektrofahrzeugen.

  • Als Ausgangspunkt für DrivAerNet++ nutzten die Forschenden 3D-Modelle aus dem Jahr 2014, die von Audi und BMW bereitgestellt wurden und unterschiedliche Karosserieformen von Autos repräsentieren.
  • Zusätzlich veränderten sie bei diesen Modellen 26 Parameter wie Länge, Unterbodenmerkmale und Windschutzscheibenneigung systematisch.
  • Das Team führte außerdem komplexe Strömungssimulationen durch, um zu berechnen, wie groß der Luftwiderstand der einzelnen generierten Autodesigns ist.
Unser Datensatz kann als umfangreiche Bibliothek genutzt werden, um mithilfe von KI-Modellen in kurzer Zeit neue Designs zu generieren, die zukünftig zu kraftstoffeffizienteren Autos oder Elektrofahrzeugen mit längerer Reichweite führen sollen.

Angela Dai, Professorin für 3D Artificial Intelligence an der TUM

Die Forschenden verfolgen damit das Ziel, DriverAerNet++ als Trainingsdatensatz für generative KI einzusetzen. So können riesige Datenmengen in Sekunden analysiert und neuartige Designs generiert werden. Zwar existieren solche Tools, doch die dafür erforderlichen Daten waren bisher in der Regel nicht frei zugänglich.

(ID:50278609)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte