Unser Forschungsprojekt soll ein System entwickeln, das Bilder und andere Fahrzeuginformationen verarbeitet und daraus den Zustand des Fahrzeugs in Echtzeit ableitet.

Dieses ganzheitliche KI-basierte System stellt Fahrzeugflotten als digitale Zwillinge dar und ermöglicht es Flottenbetreibern, den Zustand nahezu in Echtzeit ohne den Einsatz spezieller Hardware transparent zu bestimmen. Fahrzeugschäden werden mithilfe von Computer Vision identifiziert und kategorisiert. Unter anderem werden neuartige Convolutional Neural Network (CNN) -Modelle zur Objekterkennung erforscht und entwickelt. Verschiedene Anwendungsfälle werden berücksichtigt und ermöglicht:

- Vorher/Nachher-Vergleich und absolute Statusbestimmung

- Routineuntersuchung

- Meldung konkreter Schäden

Das Hauptforschungsziel ist eine wenig rechenintensive Lösung für KI-Modelle, sodass diese ohne Einbußen bei der Präzision direkt auf Smartphones betrieben werden können und so hohe Belastungen in der Cloud und daraus resultierende Latenzen vermieden werden.

Darauf aufbauend sollte eine automatisierte Verarbeitung für Kunden und Versicherungsunternehmen durch maschinelles Lernen möglich sein. Das Produkt wird durch vorausschauende Wartung ergänzt. In den von den Fahrzeugen gesammelten Betriebsinformationen nutzt die KI auch bisher unbekannte Zusammenhänge, um flexible Wartungsintervalle zu ermöglichen — auch entsprechend den Benutzeranforderungen wie Bündelung der Aktivitäten im Vergleich zur Flottenverfügbarkeit.

‍