Kurzfassung
Fehlercodes auslesen kann jeder - aber mittels Oszilloskop Fehlerquellen ausfindig zu machen, ist etwas anderes. Künstliche Intelligenz soll helfen, die Kfz-Diagnose noch genauer zu machen und Fehldiagnosen zu vermeiden.
Zur Diagnose von Fehlern in Kraftfahrzeugen (Kfz) ist der Einsatz von Diagnosetestern Standard. Sie werden an die Fahrzeugschnittstelle angeschlossen, um den internen Fehlerspeicher des Fahrzeugs auszulesen, welcher den Fehlercode anzeigt. Moderne Steuergeräte sind oft in der Lage, einen Defekt spezifischer Bauteile eigenständig zu diagnostizieren. Der entsprechende Fehlercode wird dann im Fehlerspeicher hinterlegt. Je nach Fehler wird der Fahrer über Warnlämpchen informiert und bei gravierenden Fehlern werden Bauteile deaktiviert oder in ein Notlaufprogramm überführt.
Diese Methode führt aber dazu, dass teilweise keine Suche nach der wirklichen Ursache des Fehlers stattfindet, sondern nur die vom Diagnosesystem empfohlenen Teile ersetzt werden. Es wird also nur ein symptomatisches Fehlerbild erkannt und das entsprechende Bauteil ersetzt, die eigentliche Fehlerursache bleibt jedoch mitunter unerkannt. Wenn es dumm läuft, bleibt der Fehler bestehen und es wird auf Verdacht ein weiteres Bauteil getauscht, oder der Fehler taucht nach kurzer Zeit wieder auf. Beides ist aus Sicht des Kunden ärgerlich und für die Werkstatt ein Armutszeugnis.
Bessere Diagnosen
Das Ziel des Projekts Autowerkstatt 4.0 ist daher eine differenzierte Diagnostik, basierend auf der Messung von elektrischen Feldgrößen, beispielsweise im Motorraum. Getragen wird das auf drei Jahre angelegte Projekt von einem Konsortium, an dem neben dem Diagnosesystemanbieter Autointern unterschiedliche Plattform und KI-Anbieter wie LMIS, Forschungseinrichtungen (u.a. Hochschule Osnabrück) und Werkstätten beteiligt sind. Den Verlauf der anliegenden Messgrößen mit dem Oszilloskop auszumessen ist aber alles andere als einfach. Der Anwender benötigt Kenntnisse der Mess- und Elektrotechnik. Zudem muss er tief in die Systemarchitektur eintauchen. Das ist eine Sache für Spezialisten. Dieser Prozess ist aufwendig und die Interpretation der Messdaten erfordert viel Erfahrung des Anwenders.
Künstliche Intelligenz hilft
Im Projekt Autowerkstatt 4.0 soll dieser Prozess durch den Einsatz von KI und maschinellen Lernverfahren deutlich vereinfacht werden, um eine gezielte, ressourceneffiziente und kostengünstige Reparatur zu ermöglichen. Die gemessenen Daten sollen über eine Webschnittstelle in die "Cloud" übertragen werden. Dort erfolgt dann automatisiert die Interpretation der Messdaten durch einen Klassifikationsalgorithmus.
Ziel ist es, das System zunächst mit Testwerkstätten zu entwickeln und zu optimieren. Im Ergebnis, so die Hoffnung der Projektbeteiligten, steht ein leicht zu bedienendes System für die einfache Messdatenaufnahme zur Verfügung. Der Anwender soll in Echtzeit einen Diagnosevorschlag erhalten. Durch die cloudbasierte Infrastruktur in Echtzeit kann das System als "Diagnose as a Service" (DaaS) beliebig vielen Werkstätten zur Verfügung gestellt werden. Mit jeder Nutzung vergrößert sich die Datenbasis, wodurch eine kontinuierliche Verbesserung sowie eine dynamische Anpassung an weitere Fahrzeugtypen gewährleistet ist.
- Ausgabe 07/08/2022 S.38 (134.0 KB, PDF)
Fragen an ...
asp: Wie kann KI bei der Diagnose von Fehlern im Kfz helfen?
Jan H. Schoenke: Für eine gute und gezielte Diagnose braucht man Daten über das Kfz und das Hintergrundwissen zur verbauten Technik. Beides bringen wir im Projekt Autowerkstatt 4.0 zusammen, um eine KI zu entwickeln, welche Mitarbeiter bei der gezielten Fehlersuche unterstützt. Die KI behält dabei stets den Überblick darüber, welche Daten und Messungen über ein Kfz schon vorliegen, welche Fehlerursachen sich dadurch ausschließen lassen und wo die Diagnose vertieft werden muss, um dem Fehler auf den Grund zu gehen. Dadurch werden die Werkstätten entlastet und die Mitarbeiter werden darin bestärkt, auch komplexe Fehlerfälle souverän meistern zu können.
asp: Geht es ausschließlich um Diagnose per Oszilloskop?
J. H. Schoenke: Nein, auch wenn die Oszilloskopmessungen natürlich Kern vom Projekt Autowerkstatt 4.0 sind, so nutzen wir für das Thema Diagnose grundsätzlich alle Daten, die uns zur Verfügung stehen. Das schließt zum Beispiel auch Fehlercodes über OBD ein und auch die Beschreibung des Fehlers aus Perspektive des Fahrers oder der Fahrerin. Gerade hier kommen für uns Gaia-X und die Vernetzung von Datenräumen eine zentrale Bedeutung zu, damit alle vorhandenen Datenquellen fair, transparent und souverän für KI-Anwendungen genutzt werden können. Unser Alleinstellungsmerkmal ist und bleibt die Arbeit mit Oszilloskopen, aber für eine wirklich gute, effiziente und wirtschaftliche Diagnose können wir uns nicht nur auf diese Daten beschränken.
asp: Was kann die KI-Diagnose, was mit den bestehenden Diagnosegeräten von den marktbekannten Anbietern nicht ginge?
J. H. Schoenke: Die Diagnose mit den heute verbreiteten Systemen endet auf der Ebene von Fehlercodes. Dann übernehmen die geschulten und erfahrenen Mitarbeiter und grenzen den Fehler mithilfe von Multimetern weiter ein. Das ist ein aufwendiger und komplexer Prozess, der für Werkstätten zum Teil eine große Belastung darstellt, da auch für die Diagnose eines einfachen Kabelbruchs an einem Sensor zwei Tage Diagnosearbeit anfallen können. Folgt man als Mitarbeiter der richtigen Idee, kann die Diagnose schnell erfolgreich abgeschlossen sein. Wird man von den Fehlercodes nicht auf die richtige Fährte gelenkt, dann dauert die Diagnose sehr lang. Die Vision von Autowerkstatt 4.0 ist es, durch die gleichzeitige Erfassung von mehreren Signalen im Kfz über Oszilloskope ein detailliertes Bild über die Prozesse in den betrachteten
Bauteilen zu bekommen und so Inkonsistenzen und Probleme aufzudecken, die wirklich ursächlich für ein bestimmtes Fehlerbild sind. So wollen wir in wenigen geführten Schritten zu einer eindeutigen Diagnose kommen.
