E/E-Entwicklung für intelligente Sensorik im Bordnetz; im Rahmen des Verbundvorhabens: Integrale agile E/E-Entwicklung für fusionierte und standardisierte Energie- und Datenbordnetze; BMBF-Verbundprojekt: MANNHEIM-KI4BoardNet

Abstract

Im Verbundprojekt KI4BoardNet entwickelte das Fraunhofer IDMT Hardware und KI-Algorithmen für intelligente akustische Sensorik in Fahrzeugbordnetzen. Ein mehrkanaliges Außenmikrofonmodul (EMM) mit drei MEMS-Mikrofonen wurde konzipiert, gefertigt und akustisch charakterisiert. Die Anbindung an zonale Bordnetzarchitekturen erfolgte über A²B sowie 10Base-T1S Ethernet mit IEEE 1722 (AVTP). Auf Basis realer und synthetischer Trainingsdaten wurden Convolutional Recurrent Neural Networks (CRNN) zur Erkennung von Einsatzfahrzeugsirenen und Fahrradklingeln trainiert. Der Sirenenerkenner erreichte im Feldtest einen F1-Score von 97,5 % bei 100 % Spezifität, der Klingelerkenner einen eventbasierten F1-Score von 0,986 bei einer Inferenzzeit <200 ms. Die Algorithmen wurden auf einem prototypischen Steuergerät sowie im rollenden Demonstrator (VW ID.Buzz) erfolgreich validiert. Zudem entstand eine Open-Source-KI-Workbench für effiziente, nachvollziehbare KI-Entwurfsprozesse. Die Ergebnisse erreichen TRL 4–5 und stärken das Geschäftsfeld "The Hearing Car". In the KI4BoardNet joint project, Fraunhofer IDMT developed hardware and AI algorithms for intelligent acoustic sensing in automotive onboard networks. A multi-channel exterior microphone module (EMM) with three MEMS microphones was designed, fabricated, and acoustically characterized. Integration into zonal onboard network architectures was realized via A²B and 10Base-T1S Ethernet with IEEE 1722 (AVTP). Using real and synthetic training data, convolutional recurrent neural networks (CRNN) were trained for emergency vehicle siren and bicycle bell detection. The siren detector achieved an F1-score of 97.5 % at 100 % specificity in field tests, while the bell detector reached an event-based F1-score of 0.986 with inference times <200 ms. The algorithms were successfully validated on a prototype ECU and in a rolling demonstrator (VW ID.Buzz). Additionally, an open-source AI workbench was developed for efficient, traceable AI design processes. The results reach TRL 4–5 and strengthen the business field "The Hearing Car".