In ihrem Vortrag „Insight and brainstorming on the dissertation topic“ haben Noah C. Pütz und Jens U. Brandt beschrieben, wie sie ihre Konzepte für die korrekte Sideslip-Winkel-Vorhersage entwerfen. Dabei nutzen sie verschiedene Vorgehensweisen, um die Ungenauigkeit bei der Vorhersage durch physikalische Formeln, mithilfe von KI, zu minimieren.
KI im Motorsport
Der Sideslip-Winkel, definiert als der Winkel zwischen der Ausrichtung eines Reifens und der tatsächlichen Bewegungsrichtung eines Fahrzeugs, spielt eine entscheidende Rolle im Motorsport. Er liefert wichtige Erkenntnisse über Fahrverhalten und Traktionsvermögen, die für die Optimierung von Leistung und Sicherheit auf der Rennstrecke unerlässlich sind. In der hochkompetitiven Welt des Motorsports, wo Fahrzeuge stets am Limit ihrer Performance bewegt werden, kann eine genaue Bestimmung des Sideslip-Winkels einen kritischen Wettbewerbsvorteil bedeuten. Allerdings machen Reglementseinschränkungen und hohen Kosten eine direkte Messung oft nicht möglich. Neuronale Netzwerke bieten hier eine vielversprechende Lösung, da sie trotz der komplexen und nichtlinearen Fahrzeugdynamik zuverlässige Schätzungen des Sideslip-Winkels ermöglichen.
Wie bei vielen KI-Methoden stehen auch bei der Verwendung neuronaler Netzwerke zur Schätzung des Sideslip-Winkels zwei wesentliche Herausforderungen im Raum:
1. Fähigkeit zur Generalisierung
2. Robuste Leistung unter realen Bedingungen
Noah Pütz – Pole Position für die KI
Noah Pütz entwickelt ein KI-Modell mit möglichst hoher Generalisierungsfähigkeit. Sein Ziel ist es, dass das System auch in unbekannten Situationen präzise Vorhersagen treffen kann, indem er ein Modell schafft, das über seine Trainingsdaten hinaus agieren kann.
Jens Brandt – KI auf der Überholspur
Jens Brandt bereitet die KI auf die Realitäten des Rennsports vor, indem er sie von Anfang an mit realen Herausforderungen konfrontiert. Diese Vorbereitung soll sicherstellen, dass die KI auch unter den anspruchsvollsten Bedingungen zuverlässig funktioniert. Brandts Ansatz verknüpft Forschung mit praktischer Anwendung und optimiert die KI für den Einsatz unter echten Rennbedingungen.
Was die Zukunft bringt
Aktuell befassen sich die zwei Doktoranden mit der Optimierung ihrer Trainingsverfahren. In Zukunft wird erwartet, die Domäne des Motorsports durch künstliche Intelligenz zu unterstützen, ohne in die sportliche Komponente einzugreifen.