WHITEPAPER-SERIE AUTONOMES FAHREN #05 Fahrzeugentwicklung ... · Continuous Delivery Pipeline AGILE...

NTT DATA Deutschland GmbH

WHITEPAPER-SERIE AUTONOMES FAHREN

#05 Fahrzeugentwicklung der Zukunft

#05

2 NTT DATA Deutschland GmbH / #05 Fahrzeugentwicklung der Zukunft 3

Inhaltsübersicht

1. Grußwort von Jens-Uwe Holz, Head of Automotive NTT DATA Deutschland . . . . . . . . . . . . . . . . . . . . 5

2. Innovationen zur Entwicklung automatisierter Fahrfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1 Digitalisierung beeinflusst Fahrzeugentwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.2 Neue Fahrzeugkomponenten sorgen für neue Herausforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3. Neuer Entwicklungsprozess für ADAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.1 Ein neues V-Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.2 Agile Produktentwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.3 Model-Based Systems Engineering (MBSE) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 3.4 Datengetriebener Entwicklungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.5 Neue Wege zur Absicherung erforderlich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

4. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165. NTT DATA – neue Technologien für die Fahrzeuge der Zukunft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6. Autoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187. Anhang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

NTT DATA Deutschland GmbH / #05 Fahrzeugentwicklung der Zukunft 54

Liebe Leserinnen und Leser,

die Vorläufer der autonomen, also vollautomatisierten Fahrzeuge rollenbereits heute auf unseren Straßen: teilautomatisierte Connected Cars, dieim Prinzip nichts anderes sind als »Computer auf vier Rädern«. Gewisssind deutsche Automobile weltweit für ihre hochwertige Technik bekannt,jedoch verlagert sich der Fokus von der Hardware immer mehr in Rich-tung Software. Das Gleiche gilt für die Technik: Teil- oder vollautomati-siertes Fahren erfordert neben einer ausgefeilten Sensorik, also hochmo-dernen Kameras, Radar, Laser und GPS-Karten sowie leistungsfähigenFahrerassistenzsystemen (ADAS), vor allem das intelligente Sammeln und Auswerten riesiger Datenmengen.

Damit geht es bei der Entwicklung eines Fahrzeugs immer mehr um die Frage, wie sich enorme Datenmengenspeichern, strukturieren und dann optimal nutzen lassen, und zwar sicher! Mit anderen Worten: Die Entwicklungheutiger teilautomatisierter und später vollautomatisierter Fahrzeuge erfordert eine fundierte IT-Kompetenz. Sowerden IT-Komponenten bald über die Hälfte der gesamten Ausstattung eines Autos ausmachen. Sie werdengenauso zentral für das Fahrzeug sein wie heutzutage zum Beispiel der Antriebsstrang.

Und nicht nur das: Software wird ein wesentliches Differenzierungsmerkmal der Fahrzeuge sein. Nicht mehr dasFahrerlebnis steht im Vordergrund, sondern der Komfort, also die digitale Ausstattung und die Vernetzung derFahrzeuge. Gleichzeitig wächst der Bedarf nach flexiblen Schnittstellen zum Fahrgast. Das hat Auswirkungenauf die Fahrzeugentwicklung, bei der es nicht mehr nur um das Fahrzeug selbst, sondern seine Vernetzung geht– mit der Lebenswelt des Fahrers ebenso wie mit seiner Umwelt während der Fahrt.

Wie die Fahrzeugentwicklung von Morgen aussieht, ja aussehen muss, darauf will dieses Whitepaper Antwortgeben. Denn eines ist klar: Heutige Verfahren der Systementwicklung und der notwendigen Tests können beiWeitem nicht alle Anforderungsfälle abdecken. Erfahren Sie hier also mehr über:

Innovationen zur Entwicklung automatisierter Fahrfunktionen – mit Erweiterungen des sogenannten V-Modells, skalierten agilen Methoden, Model-Based Systems Engineering und einem datengetriebenenEntwicklungsprozess.

Ich wünsche Ihnen eine anregende Lektüre!

Jens-Uwe Holz

1. Grußwort von Jens-Uwe Holz, Head of Automotive NTT DATA Deutschland


2. Innovationen zur Entwicklung automatisierter Fahrfunktionen

2.1 Digitalisierung beeinflusst Fahrzeugentwicklung

Flexibler und schneller auf wachsende Kundenwün-sche reagieren. Die Digitalisierung hat längst auch inder Automobilbranche Einzug gehalten. Sie sorgt jetztbereits dafür, dass Autofahren für die Kunden zu einemvöllig neuen Erlebnis wird. Assistenzsysteme über-nehmen selbstständig verschiedene Fahrfunktionen,über die Informationssysteme können die Fahrer imInternet surfen oder ihre E-Mails beantworten. Stän-dig kommen neue Funktionen dazu. Die Ansprücheder Kunden wachsen, Vernetzung und Funktionsum-fang werden zu einem immer wichtigeren Kaufargu-ment. Bringt ein anderer Hersteller eine Innovation aufden Markt, sind Automobilhersteller heutzutage mehrdenn je gefragt, schnell nachzuziehen, um nicht vonder Konkurrenz abgehängt zu werden. Anders als frü-her treten Innovationen heute jedoch immer häufigerauf, und zwar in kürzeren zeitlichen Abständen. Damitbeeinflusst die Digitalisierung auch die Art und Weise,wie Automobilhersteller ihre Fahrzeuge entwickeln.Prozesse müssen heutzutage um ein Vielfaches flexib-ler sein und zügig angepasst werden können.

Insbesondere die IT-Infrastruktur der Entwicklungsab-teilungen wird vor große Herausforderungen gestellt:Riesige Datenmengen und komplexe Systeme sorgenfür Probleme, die von Fachleuten gelöst werden müs-sen. In diesem Whitepaper werden eine Reihe von Innovationen vorgestellt, die zur Entwicklung und Ab-sicherung automatisierter Fahrfunktionen notwendigsind.

2.2 Neue Fahrzeugkomponenten sorgen für neue Herausforderungen

Sehen und Hören mit Sensoren. Der Weg zum auto-nomen Fahrzeug beginnt mit den zum Teil bereitsheute eingesetzten Fahrerassistenzsystemen (Advan-ced Driver Assistance Systems, kurz ADAS). Sie erfor-dern die Integration zahlreicher neuer Komponenten

in das Fahrzeug – allen voran Sensoren: Die Augenund Ohren eines menschlichen Fahrers werden im autonomen Fahrzeug durch Sensorik ersetzt. Sensorenermöglichen dem Fahrzeug, ein Bild der Umgebungzu generieren. Um auch bei Defekten und ungünstigenUmweltbedingungen wie Regen und Schnee eine Abbildung des Fahrzeugumfelds zu erhalten, ist eineredundante Auslegung der Sensoren erforderlich. Mitder Kombination mehrerer Sensortypen (Lidar, Radar,Kameras, Ultraschall) und der Fusion der erzeugtenSensordaten wird es möglich, das Umfeld sehr zuver-lässig zu erfassen und entsprechend das Fahrverhal-ten des autonomen Fahrzeugs daraus abzuleiten.

Verarbeitung der Sensordaten. Die Verarbeitung derSensordaten umfasst neben der Datenfusion insbe-sondere das Erkennen der Umwelt und die Ableitungentsprechender Fahrentscheidungen. Dazu werdenleistungsfähige Rechner mit Artificial Intelligence (AI)genutzt, das heißt vorab trainierte neuronale Netze(Machine Learning). Die Sensordaten können an einIT-Backend-System übertragen, dort verarbeitet unddann wieder an das Fahrzeug zurückgesendet wer-den. Dies eröffnet neue Möglichkeiten, zum Beispieldie Zusammenführung der generierten Daten mit zu-sätzlichen, zeitgleich gesammelten Daten durch wei-tere Fahrzeuge in der Umgebung.

Fahren nach Echtzeit-Karten. Eine weitere Kompo-nente sind hochpräzise, dynamische Echtzeit-Karten.Sie steuern das Fahrzeug mit einer Genauigkeit im Dezimeter-Bereich und sind unverzichtbar für das autonome Fahren, da sie eine Vorhersage der Steue-rung über die Reichweite der Sensoren hinaus erlau-ben. Ein Beispiel dafür wäre eine Kurve hinter einerKuppe. Echtzeit-Karten finden die bestmöglicheRoute und enthalten aktuelle Daten über Verkehrs-regeln, Straßenschilder, mögliche Hindernisse oderStraßenverhältnisse.

Die zahlreichen neuen Systeme sorgen dafür, dassdie Entwicklung neuer Fahrzeuge aufwendiger undkomplizierter wird.

3. Neuer Entwicklungsprozess für ADAS

Die Entwicklung von komplexen mechatronischenSystemen in der Automobilindustrie basiert normaler-weise auf Methoden aus dem Systems Engineeringund wird als V-Modell dargestellt. Die Entwicklungvernetzter, AI-basierter Systeme erfordert allerdingseinige Änderungen und Erweiterungen im Entwick-lungsprozess:

3.1 Ein neues V-Modell

Klassisches V-Modell. Das klassische V-Modell ge-mäß VDI-Richtlinie 2206 beschreibt im linken Ast dieEntwicklungstätigkeiten von der Produkt-Ebene überdie System-Ebene bis hin zur Komponenten-Ebene.Für die Komponenten-Entwicklung gibt es die Diszipli-nen Mechanik, Elektrik/Elektronik und Software.

Im rechten Ast finden sich die entsprechenden Integrations- und Verifikations-/Validierungstätigkeitenauf diesen drei Ebenen.

Neue Disziplin im V-Modell. Schon die Definition des Produkts ist bei der ADAS-Entwicklung nicht einfach: Hier geht es nicht nur um das einzelne Fahr-zeug, sondern um ganze Fahrzeugflotten sowie die Vernetzung zwischen Fahrzeugen mit dem Con-nected Services Backend. Entsprechend muss dieEntwicklung der digitalen Services in den Entwick-lungsprozess integriert werden. Nur so lässt sich deren Verfügbarkeit und Funktionalität bei der Markt-einführung sicherstellen. Das heißt konkret: Die Entwicklung von Services ist eine neue Disziplin im V-Modell.

V-Modell (Quelle: prostep ivip – Smart Systems Engineering)

Product Level

System Level

Subsystem Level

ComponentLevel

Product Definition

Product Requirements Analysis

Product Signoff Test

Product Integration & Calibration

System Requirements Analysis

System Architecture Design

System Signoff Test

System Integration & Calibration

Mechanical Requirements

Analysis

Electric/Electronic

RequirementsAnalysis &

Design

Mech-anical

Design

Hardware Analysis &

Design

Software Analysis &

Design

Tooling Production MechanicalComponents

Mech-anical

Detailing

Schematics,Layout

DiagramsSoftware

Implementation

Electric / Electronic Integration & Test

SoftwareIntegration

& Test

HardwareIntegration

& Test

MechanicalIntegration

& Test

SoftwareCompo-nent Test Hardware

Compo-nent Test

Mech-anical

Compo-nent Test

ProductionElectric / Electronic Components


3.2 Agile Produktentwicklung

Komplexere Fahrzeugentwicklung. Die zunehmendeIntegration von Connectivity- und Fahrerassistenzsys-temen bis hin zu autonomen Autos sorgt für enormenDruck bei den Automobilherstellern. Einerseits müssendie Entwicklungen schneller verlaufen, andererseitsmüssen die Entwicklungskosten reduziert werden.Hinzu kommt, dass durch die vielen unterschiedlichenSysteme die Fahrzeugentwicklung deutlich komplexerwird.

Aktuell eingesetzte agile EntwicklungsmethodenSCRUM & Co. In der Software-Entwicklung für Busi-ness-Applikationen werden mittlerweile überwiegendagile Methoden wie SCRUM eingesetzt. Die Vorteileim Hinblick auf Flexibilität, Geschwindigkeit und auchMitarbeitermotivation überwiegen mögliche Nachteilewie Kommunikationsaufwand und fehlende Projekt-planung. Insbesondere die schnellen Zyklen von Spe-zifikation, Entwicklung und Test in den Sprints führenzu einem sichtbaren Projektfortschritt und bieten Ge-legenheit, die Planung flexibel anzupassen.

W-Modell. Entsprechende Überlegungen fließen auchin Verbesserungen des V-Modells ein. So gibt es zumBeispiel das W-Modell, in dem die Integration der digitalen Modelle aus den einzelnen Teildisziplinenschon während der Entwicklung erfolgt. Dadurch wer-den späte, teure Änderungen vermieden, die sonst in der Integrationsphase des klassischen V-Modells zu erwarten sind.

Herausforderungen bei agilen MethodenIn der Software-Entwicklung für sicherheitskritischeFahrfunktionen gibt es allerdings weitere Herausforde-rungen im Hinblick auf den Einsatz agiler Methoden,nämlich die Sicherheitsnorm ISO 26262 und die Ska-lierung der agilen Methoden auf Programm-Ebene.

ISO 26262 „Functional Safety“. Dies ist eine Normfür sicherheitskritische E/E-Systeme und Software-Komponenten in der Fahrzeugentwicklung. Sie nutztein Prozessmodell mit Phasen auf Basis des V-Mo-dells, das zunächst im Widerspruch zu agilem Vorge-hen steht. Mit einem Fokus auf die Arbeitsergebnissewie Operational Situations, Hazards, Safety Goals undSafety Requirements sowie auf die Priorisierung die-ser Themen im Backlog lassen sich auch agile Metho-den für sicherheitskritische Themen nutzen.

Skalierung auf Programm-Ebene. Die optimaleGröße von Arbeitsteams wird oft mit „7 +/- 2 Perso-nen“ angegeben. Jedoch werden für das autonomeFahren mit Level 3 bereits mehrere hundert MillionenZeilen Software Code benötigt, für Level 5 über eineMilliarde Zeilen Code. Es werden also Wege zur Ska-lierung agiler Methoden benötigt, mit denen Teamsvon mehreren hundert Personen in einem Programmagil zusammenarbeiten können. Zwei gängige Frame-works sind das Scaled Agile Framework (SAFe) undLarge-Scale Scrum (LeSS). Damit können mehrereagile Teams auf Team-Ebene effizient arbeiten und aufProgramm-Ebene effektiv synchronisiert werden.

Scaled Agile Framework (Scaled Agile, Inc.)

3 gute Gründe für interdisziplinäre Entwicklungslösungen in der Automobilindustrie

1.Bedarf nach kundenorientiertem Design.In digitalen, autonomen Fahrzeugen kommt es nichtmehr auf das Fahrerlebnis an, sondern auf die UserExperience.

2.Geschwindigkeit. Sich schnell verändernde Technologietrends sorgen für eine steigende Kom-plexität. Produkteinführungszeiten müssen kürzer und Entwicklungskosten geringer werden, um imWettbewerb bestehen zu können.

3. Fokus Service. Servicedienstleistungen für dieFahrer/Insassen werden ein elementarer Bestandteilder künftigen Geschäftsmodelle der Automobil-hersteller. Dafür wird eine zuverlässige und innovative IT-Infrastruktur benötigt.

Metrics

Shared Services

CoP

Milestones

Roadmap

Vision

SystemTeam

Lean UX

StrategicThemes

Epic Owners

BusinessOwners

EnterpriseArchitect

DevOps• Culture• Automation• Lean Flow• Measurement• Recovery

Built-In Quality

Lean PortfolioMangement Lean Budgets

Value Streams

KPIs

Backlog

Kan

ban

PORTFOLIO

Enterprise

NFRs

Backlog

Kan

ban

NFRs

WSJF

Epic

Coordination

System Arch/Eng

ProductManagement

ScrumMaster

Agile Teams

DevTeam

ProductOwner

Scrum

Continuous Delivery Pipeline

AGILE RELEASE TRAIN

ContinuousExploration

ContinuousIntegration

ContinuousDeployment

Releaseon Demand

• Plan• Execute• Review• Retro

XP

BacklogKanban

3

NFRs

NFRs

Lean-Agile Leaders

Core Values

Lean-Agile Mindset

SAFe Principles

ImplementationRoadmap SPC

Enabler Epic

RTE

Pro

gram

Incr

eatm

ent

IT Planning

Pro

gram

Incr

eatm

ent

IT Planning

Pro

gram

Incr

eatm

ent

IT Planning

Develop on Cadence

Iterations

System Demos

Story Enabler Story

Architectural Runway

PI Objectives

I&A I&A

Goals

Enabler

EnablerFeature Feature

Feature Feature

Customer

Solution

• SF• FW• HW

PROGRAM

TEAM


3.3 Model-Based Systems Engineering (MBSE)

Fahrzeugentwicklung heute: System von Systemen.Insbesondere die Kombination von immer aufwendi-geren Software-Komponenten mit der Hardware führtin der Fahrzeugentwicklung dazu, dass das Fahrzeugentwicklungstechnisch als ein System von Systemenanzusehen ist – mit unterschiedlichen Lebenszyklen inder Entwicklung der einzelnen Module. Die Integrationvon Fahrerassistenzsystemen bedeutet zum Beispiel,dass in einem Fahrzeug heutzutage mehr als 100elektronische Steuergeräte eingebaut sind, die unzäh-lige elektronische Bauteile steuern und Signale ausle-sen, verbunden durch Kabel von einer Gesamtlängebis zu acht Kilometern. Dazu kommt, dass heutigeFahrzeuge circa 200 Systeme, über 300 Komponentenmit 3.000 Funktionen und 8.000 Abhängigkeiten in einem IT-System verwalten und die Abhängigkeitenwiederum in einer Vielzahl von Workshops mit denStakeholdern erarbeitet werden müssen. Diese starkzunehmende Komplexität in der Automobilindustrie erfordert eine „Right First Time“-Mentalität durch dieIntegration von Systems Engineering (SE) in den Ent-wicklungslebenszyklus.

Mit Systems Engineering und Modellen das ganzeSystem im Blick. Um derart komplexe Produkte ent-wickeln zu können, sind entsprechende, dieser Kom-plexität angepasste Entwicklungsprozesse erforder-lich. Ein Weg, mit der Komplexität erfolgreich umzu-gehen, ist Systems Engineering. Ein wesentliches Prin-zip von SE besteht darin, das Produkt mit seinen mit-einander verbundenen Teilen als ein Gesamtsystem zubetrachten, das dann funktioniert, wenn die Kompo-nenten effektiv zusammenarbeiten. Diese Gesamt-schau eines Systems lässt sich durch Modelle visuali-sieren. Bei dieser Variante des SE spricht man vonModel-Based Systems Engineering (MBSE). Diese SE-Standardmethode hilft, sowohl zu entwickelndeSysteme in ihrer Komplexität zu veranschaulichen alsauch bestehende Systeme zu analysieren und zu verbessern.

Integration von MBSE in bestehende EntwicklungsprozesseNeue Denkweise. Obwohl MBSE in der Industrienichts Neues ist, wird dieses Konzept in der Automobil-branche gerade erst entdeckt. MBSE ist nicht nur eineMethode, um SE-Prozesse wie Erstellung und Konsoli-dierung von fachlichen und technischen Anforderungenoder die Konzeption der Systemarchitektur zu organi-sieren. Darüber hinaus bringt es eine andere Denkweiseüber Systeme und die Wechselbeziehungen der Sub-systeme mit sich.

Bessere Teamarbeit, höhere Transparenz. Der Kern-aspekt von MBSE ist, dass es ein Produkt mit allen da-zugehörigen Teilen, die untereinander verbunden sind,nicht als einzelne Teile, sondern als ganzes Systemsieht. Das Ziel von MBSE ist dabei, die einzelnen Kom-ponenten so effektiv wie möglich zusammenarbeiten zu lassen. Durch die Einführung eines gemeinsamenModells wird die Teamarbeit verbessert und die Trans-parenz der Arbeit erhöht.

Mehr Entwicklungsqualität, weniger Fehler. MBSEverbindet auch die verschiedenen Teile der Systement-wicklung miteinander, nämlich den Benutzer, seine An-forderungen, die Systemarchitektur, den Entwicklungs-prozess, die Integration der vielen Komponenten undSubsysteme, Verifikation und Validierung. Die Anwen-dung von MBSE ermöglicht nicht zuletzt eine zuverläs-sige Rückverfolgbarkeit über alle Phasen des Entwick-lungs-Lebenszyklus. So erhöht MBSE die Entwicklungs-qualität, unterstützt die Entscheidungsfindung aller Projektbeteiligten und reduziert durch frühzeitige Fehler-erkennung spürbar Entwicklungszeit und -kosten.

Integration von MBSE – Anforderungen Die Anwendung von MBSE in der Produktentwicklunghat folgende Anforderungen:

Anpassung der Methode mit Rücksicht auf spezifische Gegebenheiten des Produkts, der Organisation des Unternehmens, der Teams, der Unternehmensphilosophie hinsichtlich der Produktentwicklung (etwa Endkundenorientierung, Produktorientierung, Innovationslastigkeit).

Tool-Plattform mit implementierten Methoden, um die Rückverfolgbarkeit und die durchgängige In-formation aller Projektbeteiligten zur Vereinbarungder Anforderungen zu gewährleisten.

Integrationsstrategie mit Schulungsplänen. Migrationsplan, um den Übergang zu MBSE zu er-leichtern.

Zudem oft nicht einfach: Bestehende Systemarchitek-tur. Erschwert wird die Einführung von MBSE oftmalsdurch eine bestehende Produktdatenstruktur bzw. -architektur mit unübersichtlich vielen Verbindungenund Abhängigkeiten der Einzelteile untereinander undvoneinander ohne klar definierte Schnittstellen. DerAufwand, unter solchen Gegebenheiten MBSE einzu-führen, erhöht sich dadurch beträchtlich.

Herausforderung: Modelle anstelle von Fließtext-Spezifikationen Methoden wie Anforderungs- und Konfigurationsma-nagement können zu umfangreichen Dokumenten füh-ren: Hunderte von Komponenten-Lastenheften, die in System-Lastenheften referenziert werden. Auch mitBest Practices aus dem Requirements Engineeringwird eine Komplexität erreicht, die von Menschen nurschwer beherrschbar ist. Daher geht man zur Nutzungformaler Modelle anstelle von Fließtext-Spezifikationenüber. Die Vorteile liegen in der möglichen Automatisie-rung, zum Beispiel der Validierung von Modellen ge-genüber vorgegebenen Regeln, der automatischenOptimierung von Modellen sowie der Generierung vonausführbarem Code für Steuergeräte.

Analyse und Definition der funktionalen System-architektur. Die Anwendung von MBSE bedeutet, Fließtext-Spezifikationen durch Modelle zu ersetzen. Dies erfordert zum einen die Analyse und Definition der funktionalen Systemarchitektur als Grundlage fürMBSE, also einen Arbeitsschritt, der bei der herkömm-lichen Erstellung von Fließtext-Spezifikationen meistensaußer Acht gelassen wird.

Gefahr unleserlicher Modelle. Zum anderen muss da-rauf geachtet werden, keine unleserlichen Modelle zuerstellen. Denn der Versuch, alle Anforderungen, alleSchnittstellen darzustellen, kann zu einer derart kom-plizierten Veranschaulichung führen, dass diese kaumnoch lesbar ist. Hinzu kommt, dass die Modellierungs-sprache mit eigenen Bezeichnungen operiert, an dieman sich erst gewöhnen muss. Von daher sollten Leitfäden für die neue Begrifflichkeit erstellt und eineBalance zwischen textlicher und Modell-Darstellunggefunden werden.

Zu zeitintensiv? Des Weiteren kostet die Entwicklungvon Modellen viel Zeit und erfordert Modellierungsfähig-keiten von den Beteiligten. Auch sind die Vorteile vonMBSE langfristiger Natur und lassen sich nicht in kurzerZeit realisieren. Doch die meisten Projektbeteiligten stehen unter Zeitdruck und scheuen den Zeitaufwandfür die Einführung neuer Entwicklungsmethoden. Je-doch wird die Fahrzeugentwicklung der Zukunft nichtohne neue Entwicklungsmethoden auskommen. Somitist der Zeiteinsatz für MBSE durchaus lohnenswert. Von daher ist entscheidend, dass das Management die Einführung von MBSE unterstützt und vorantreibt.

Integrations-Schnittstellen. Und schließlich ist derÜbergang von Text zu Modell in der Praxis fließend.Was es dazu braucht, sind vor allem standardisierte Integrationsschnittstellen. Denn das Schreiben vonFließtext-Spezifikationen und die Erstellung von Model-len erfolgt mit verschiedenen Tools.

Herausforderungen für die Projektbeteiligten Change your mind! Die Einführung von MBSE erfordertvon allen Projektbeteiligten ein Umdenken. Gewöhnlichwerden Anforderungen geschrieben, die System-Archi-tektur vernachlässigt und Fehler erst relativ spät beimTesten entdeckt. Damit die Vorteile von MBSE wirksamwerden können, ist es wichtig, zunächst die SE-Metho-dik zu implementieren, das heißt insbesondere einenTop-Down-Ansatz bei der Systemdokumentation unddie Definition einer funktionalen Systemarchitektur.

3.4 Datengetriebener Entwicklungsprozess

Herausforderung virtuelle Tests. Für die Fusion derSensordaten, das Erkennen der Umwelt und andererVerkehrsteilnehmer sowie für die Steuerung des auto-nomen Fahrzeugs wird AI eingesetzt, insbesondereDeep-Learning-Verfahren. Dabei bestimmen dieMenge und Qualität der Trainingsdaten die Qualitätder resultierenden neuronalen Netze. Daten sind indiesem Kontext ähnlich wie Anforderungen zu sehen.Zur Absicherung und Zulassung der ADAS müssenMillionen von Testszenarien und virtuellen Testkilome-tern simuliert werden.

Riesige Datenmengen500 Petabyte über den gesamten Entwicklungs-zyklus. Diese Testverfahren stellen die IT-Infrastrukturvor nie dagewesene Herausforderungen. Nach ge-rade einmal acht Stunden sammelt ein Fahrzeug etwa100 Terabyte Daten. Allein diese Menge vom Fahr-zeug herunterzuladen ist bereits eine große Heraus-forderung. Über den gesamten Entwicklungszyklus eines Fahrzeuges fallen so etwa 500 Petabyte Datenan. Dies ist eine außerordentlich große Datenmenge.Zur Veranschaulichung: Für die Speicherung von einem Petabyte wird die Kapazität eines ganzen Serverschrankes in einem Datenzentrum benötigt. Für die Einführung eines einzelnen Fahrzeuges wirdsomit ein ganzes Serverzentrum mit 500 Server-schränken benötigt.

Virtuelle Tests allein reichen nichtHerausforderung realer Straßenverkehr. Für Auto-mobilhersteller ist es sinnvoll, eine solche Infrastrukturvor Ort aufzubauen, um virtuelle Testszenarien durch-zuführen. Bei virtuellen Tests werden die Fahrzeugedurch eine Simulation des echten Straßenverkehrsgeschickt. Das spart einerseits Kosten und anderer-seits Zeit, da die Simulationen schneller als in Echtzeiterfolgen können. Eine virtuelle Simulation kann jedoch

nicht alle Variablen der realen Welt abbilden, weshalbdie Fahrzeuge ebenfalls im richtigen Straßenverkehrgetestet werden müssen. Hier wird es kompliziert.Sobald die Fahrzeuge sich physisch von den Server-zentren entfernen, muss eine mobile Datenübertra-gung erfolgen. Derzeit werden dafür meist öffentlicheClouds genutzt. Das ist jedoch aufwendig und gleich-zeitig teuer. Die Entfernung kann dabei mehrere tau-send Kilometer betragen. Denn autonome Fahrzeugemüssen auf der ganzen Welt getestet werden, da sichder Straßenverkehr in Asien zum Teil enorm von demin Deutschland oder in Südamerika unterscheidet.


Über den eigenen »Tellerrand« hinaus. Erschwerendhinzu kommt die weitverbreitete Ansicht, SE und MBSEseien nur im Software-Engineering anwendbar. Zwarsind diese Methoden in der Software-Entwicklung ent-standen, aber sie können in allen möglichen Industrien,Branchen und Entwicklungsbereichen eingesetzt wer-den. Denn es handelt sich, wie bereits gesagt, um einenAnsatz für die Entwicklung komplexer Systeme: EinSystem wird mitsamt seiner mechanischen, elektrischen,elektronischen und Software-Teile als ein Ganzes be-trachtet. Nur so ist größtmöglicher Überblick und größt-mögliche Transparenz im Entwicklungsprozess sicher-gestellt. Dies verlangt jedoch von allen Projektbeteilig-ten, ihre auf ihren jeweiligen Aufgabenbereich begrenzteSystemsicht zu erweitern.

MBSE in der Automobilindustrie Die Automobilunternehmen sehen sich mit einer Reihevon Herausforderungen konfrontiert, die für den Einsatzvon MBSE in der Fahrzeugentwicklung sprechen:

Individuelle Kundenwünsche. Das Erfordernis, dieindividuellen Designwünsche der Kunden zu erfüllen,um im Markt bestehen zu können.

Neue Trends. Die sehr schnelle Weiterentwicklungtechnologischer Trends.

Digitalisierung. Die zunehmende Orientierung derProdukte in Richtung IT und digitale Services.

Schnelligkeit. Time to Market wird ein verschärftentscheidender Wettbewerbsfaktor.

Diese Herausforderungen legen es nahe, dass Auto-mobilunternehmen vermehrt MBSE als Entwicklungs-methode in ihre bestehenden Entwicklungsprozesse integrieren, um die weiter zunehmende Produkt-Kom-plexität zu beherrschen und eine Plattform für agile Entwicklung bereitzustellen, die es ermöglicht, beste-hende Systeme um neue Funktionen zu ergänzen, kundenorientierte Entwicklungen zu gewährleisten,Time to Market zu reduzieren und die Integration neuerTechnologien zu erleichtern.

Sie planen, die zunehmende Produkt-Komplexität mit MBSE besser zu bewältigen? Sie fragen sich, wie sich MBSE konkret in Ihre Entwicklungsprozesse integrieren lässt? Wenden Sie sich an die Systems-Engineering-Spezialisten von NTT DATA! Die Grafik zeigt ein Konzeptbeispiel für eine bewährtesystematische Integration von MBSE, das NTT DATA designt hat.

MBSE Architecture

1 Petabyte = 1.000.000.000.000.000 Bytes = 1015 Bytes = Kapazität eines Serverschrankes

250 Milliarden beschriebene DIN A4-Schreibmaschinenseiten (gestapelt etwa 25.000 Kilometer hoch): 1 Petabyte

Speichervolumen eines menschlichen Gehirns: 2,5 Petabyte

Speicherkapazität von 10 Millionen 1GB-USB-Sticks: 10 Petabyte

Gesamtvolumen der transferierten Daten des weltgrößten Telekommunikations-anbieters AT&T am 1. März 2018: 197 Petabyte

Entwicklung eines autonomen Fahrzeuges 500 Petabyte

1 x

2,5 x

10 x

200 x

500 x

Architecture Management

Global Structural View Local System Design & Architecture Global Architecture

FE 1

OSLC

allocate

allocate

allocate

System Function n

K1 K2

FE 2FE 1

FE 3

SF n

F3

F1

F4

F2

SubSF n1

Specification

System function n

global effect chain

FE b

FE 1

FE zFE y

FE 2

FE 3

System function m

System function x

Customer Function 1

Customer Function 2

Systems

System A

System function n

System function m

System function y

System function z

System B

Customer Functions

F= Function | SF= System Function | FE= Functional Element | K= Component


IT-InfrastrukturHybrid-Cloud-Konzept. Die Lösung für dieses Pro-blem bietet ein sogenanntes Hybrid-Cloud-Konzept,bei dem die Kostenvorteile einer Vor-Ort-Infrastrukturmit der Flexibilität einer Cloud kombiniert werden. Die Lösung kann bei Bedarf mit lokalen oder mobilenDatacenter ergänzt werden, um den Entwicklern einenschnellen Zugang zu den Daten zu ermöglichen.

Simulationen mit synthetischen TrainingsdatenViele Vorteile. Neben teuren Messdaten aus Realfahrtenkommen auch synthetisch generierte Trainingsdatenzum Einsatz. Umfangreiche Simulationsumgebungenkönnen Straßen, Umgebung, Wetter, andere Verkehrs-teilnehmer und die eigene Fahrzeugphysik simulieren.Durch Variation dieser Teilmodelle lassen sich nicht nurumfangreiche Trainingsdaten generieren. Es könnenauch die besonders interessanten Grenzfälle untersuchtwerden, die im realen Verkehr nur selten vorkommen.Ein weiterer Vorteil synthetischer Trainingsdaten bestehtdarin, dass der aufwendige Labeling-Prozess entfällt,das heißt die Klassifizierung von Objekten in realenSensordaten als Referenz für das Machine Learning.

IT-Plattform zur Entwicklung und Absicherung automatisierter Fahrfunktionen Überblick ADAS-Entwicklung

3.5 Neue Wege zur Absicherung erforderlich Probleme im Debugging neuronaler Netze. Eine Herausforderung in diesem Umfeld ist nicht nur die IT-Infrastruktur, sondern sind auch konzeptionelle Probleme im Debugging von neuronalen Netzen.Nachdem die Ergebnisse nicht mehr hauptsächlich auf beweisbaren Algorithmen, sondern auf umfang-reichen, heterogenen Daten basieren, müssen neueWege zur Absicherung gefunden werden.

Gemäß ISO 26262 werden derzeit Sicherheitskon-zepte für Technik, Hardware und Software erstellt.Nach der aktuellen Diskussion ist die Entwicklung eines zusätzlichen Sicherheitskonzeptes für MachineLearning erforderlich. Dieses kann nicht mehr auf einfachen Fehler-Ursache-Wirkungsketten beruhen,sondern muss mit Hypothesen und Wahrscheinlich-keiten in neuronalen Netzen arbeiten.

Development Agile Methodology – DEV / OPS

HPC – GPU – Windows – Linux

Object – SSD – HDD

WAN – Virtual LAN – WiFI – Co-Working Network

Tools

Middleware

Computer

Storage

Network

Ingest Labeling/Analytics

MachineLearning Simulation Continuous

IntegrationProduct Development

Machine Learning Big Data Analytics

Model-based Systems Engineering

Requirements

Vehicle Model,Sensors, Actuators …

Functional Engineering

Vehicle Environment Agent Simulation Situation LabelingScenario DataManagement

Raw Data Management

HD-Map DataOpenDrive, OpenCRG Environment

Objects, Buildings …Vehicle Model

Virtual Actuators

ADAS-CORE

Virtual Sensors

Vehicle Physics

Agents (traffic)Vehicles, Pedestrians …

Driver Model

Visualization/VRGaming Engine

EnvironmentConditionsWeather, Light,

Friction …

Automatically Labeled Data

Pre tagged Data

Parameter Data

Functions

Braking, Steering,Accelerating …

Real data acquisitionVehicle fleet

Models

Test Scenario Data Machinelearned

Manual

FromGovernment

Manual

IoT Platform

Simulation for Validation

Edge Cloud


Fahrzeugentwicklung wird komplexerDie Entwicklung automatisierter Fahrfunktionen erfor-dert neue Methoden im Systems Engineering. Vor allem die Verarbeitung von unvorstellbar großen Datenmengen und die Neuentwicklung von digitalen Services führen dazu, dass die Fahrzeugentwicklungdeutlich komplexer wird als bisher.

Neue Entwicklungsprozesse- und -methoden erforderlich Diese neuen Dimensionen von Komplexität werden nur zu bewältigen sein mit Hilfe flexibler Entwick-lungsprozesse- und -methoden, zum Beispiel demhier aufgezeigten Model-Based Systems Engineering

(MBSE). Auch die IT-Infrastruktur muss für die Ver-arbeitung riesiger Datenmengen gerüstet sein, etwadurch ein ausgefeiltes Hybrid-Cloud-Konzept.

Mit NTT DATA in die Zukunft der Fahrzeugentwicklung Kurzum: Die Zukunft der Fahrzeugentwicklung liegt im Bewältigen von Datenmengen im Petabyte-Be-reich (1015!) und einer zunehmenden Komplexität.Setzen Sie hier auf die gebündelte Branchen- und IT-Erfahrung von NTT DATA – Model-Based SystemsEngineering und skalierbare Hybrid-Cloud-Infra-strukturen zählen hier beispielsweise zu unseren»Spezialitäten«.

Kontaktieren Sie uns!

4. Ausblick

Stets „State of the Art“ NTT DATA verfügt nicht nur über langjährige Erfahrungmit vernetzten Fahrzeugen. Wir sind zudem in For-schung und Entwicklung für autonomes Fahren aktiv.Ein Beispiel dafür ist PReVENT, ein von der EU unter-stütztes Projekt mit Fokus auf präventiver Verkehrssi-cherheit. Im Rahmen von PReVENT hat NTT DATA an„Wireless Local Danger Warning“ mitgewirkt. Auf Basisdieser Frühwarnsystem-Technologie können Fahrzeugeüber WLAN kommunizieren und sich gegenseitig vorGefahren warnen – ein wichtiger Mosaikstein für einevoll funktionsfähige Vehicle-to-X-Kommunikation.

5. NTT DATA – neue Technologien für die Fahrzeuge der Zukunft

Mit NTT DATA Geschäftsmodelle, Organisation, Prozesse und IT neu ausrichtenWir bieten integrierte Gesamtlösungen mit einem gutfunktionierenden Zusammenspiel von Prozessen undIT-Applikationen. Denn wir wissen: Die nahtlose Inte-gration der „Embedded“-Fahrzeugwelt mit dem Inter-net of Things und dem Connected Car Backend wirdden entscheidenden Wettbewerbsvorteil ausmachen.Zudem gilt es für unsere Kunden, die Grundlagen fürneue Geschäftsmodelle, zum Beispiel Carsharing, zu schaffen – nicht nur im Hinblick auf die IT, sondernauch auf Sicherheits- und rechtliche Fragen. Auchhier sind wir für die Automotive-Branche Ansprech-partner Nummer eins.

Wenden Sie sich an NTT DATA Wir unterstützen Sie dabei, mit der Entwicklung neuer Fahrzeug- und Mobilitätsmodelle Schritt zu halten, die weltweite Marktführerschaft zu verteidigen und sich differenzierend zu positionieren. Lassen Sie uns dazu ins Gespräch kommen!

Autonomes Fahren – Whitepaper-Serie von NTT DATA Lesen Sie mehr zum autonomen Fahren. In unserer Whitepaper-Serie behandeln wir u. a. die folgenden Themen:

#01 Entwicklung des autonomen Fahrens #02 Rechtliche und gesellschaftliche Voraussetzungen #03 Technische Voraussetzungen #04 Sicherheit

Über NTT DATA

NTT DATA ist ein führender Anbieter von Business- und IT-Lösungen und globaler Innovationspartner seiner Kunden. Der japanische Konzern mit Hauptsitz in Tokio ist in über 50 Ländern weltweit vertreten.

Der Schwerpunkt liegt auf langfristigen Kundenbeziehungen: Dazu kombiniert NTT DATA globale Präsenz mit lokaler Marktkenntnis und bietet erstklassige, professionelle Dienstleistungen von der Beratung und Systementwicklung bis hin zum Outsourcing.

Weitere Informationen finden Sie auf de.nttdata.com


7. Anhang

Impressum

NTT DATA Deutschland GmbH Hans-Döllgast-Straße 2680807 MünchenDeutschlandTelefon +49 89 9936 -0de.nttdata.com

Bilder

Seite 1: Mopic/ShutterstockSeite 2: ESB Professional/ShutterstockSeite 4: Chesky/ShutterstockSeite 16: Mikko Lemola/Shutterstock

6. Autoren

Jens Krüger ist Competence Unit Manager bei NTT DATA Deutschland und Leiter des globalen Center of Excellence für Product Lifecycle Management. Seine Beratungs-schwerpunkte sind PLM-Strategie, PLM-Implementierung und Enterprise Architecture Management. Seine Leidenschaft ist die Gestaltung der Produktentwicklungsprozesse für die aktuellen Herausforderungen der Automobilindustrie.

Gustavo Filip ist Vice President Automotive bei NTT DATA Deutschland. Der gebürtige Argentinier verantwortet das Hybrid-Cloud-Geschäft. Er verfügt über mehr als 20 Jahre Erfahrung in der Automobilindustrie mit den Schwerpunkten Consulting, IT Service und IT.Sein Interesse gilt dem Wandel in der Mobilität, der durch die Vernetzung erst möglich geworden ist.

Dr. Pascal Hofmann ist Lead Consultant im Bereich Automotive & Manufacturing und hat in Production und Quality Engineering mit Schwerpunkt Systems Engineering undOperations Management promoviert. Aktuell unterstützt er einen Automobilkonzern bei der Einführung von Systems Engineering und als Co Product Owner im Defect- und Testmanagement.

Dr. Imad Sanduka ist als Managing Consultant im Team Systems Engineering innerhalb der Abteilung Digital Enterprise bei NTT DATA. Seine Schwerpunkte sind Technical Leadership in Systems-Engineering-Methoden und Prozessgestaltung mit Schwerpunkt Model-Based Systems Engineeing.

Gerrit Hornickel ist als Senior Consultant im Team Digital Engineering innerhalb der Abteilung Digital Enterprise bei NTT DATA tätig. Seine Schwerpunkte sind innovative Entwicklungs- und Fertigungsprozesse sowie die interdisziplinäre Organisations- und Prozessgestaltung im Kontext Smart Factory und Industrie 4.0.

Abdo Chahin arbeitet als Senior Consultant im Team Systems Engineering innerhalb der Abteilung Digital Enterprise bei NTT DATA. Zu seinen Schwerpunkten gehören das Model-Based Systems Engineering und Requirements-Management im Auto-motive-Umfeld.

[email protected]

[email protected]

[email protected]

[email protected]

[email protected]

[email protected]

Danksagung Dr.-Ing. Torsten Gilz, Systems- und Requirements-Engineering, Daimler AG Odine Mansury, Manager Industrie Marketing Automotive & Manufacturing Niklas Bielmeier, Industrie Marketing Automotive & Manufacturing

Cop

yrig

ht ©

201

9 N

TT D

ATA

Deu

tsch

land

Gm

bH NTT DATA Deutschland GmbH

Hans-Döllgast-Straße 2680807 MünchenDeutschlandTelefon +49 89 9936 -0de.nttdata.com

WHITEPAPER-SERIE AUTONOMES FAHREN #05 Fahrzeugentwicklung ... · Continuous Delivery Pipeline AGILE...

Documents

Transcript of WHITEPAPER-SERIE AUTONOMES FAHREN #05 Fahrzeugentwicklung ... · Continuous Delivery Pipeline AGILE...