Verbundprojekt: SofDCar - Software Defined Car, softwaregetrieben von Embedded Systems bis in die Cloud für Entwicklung und Betrieb (digitale Nachhaltigkeit)

Abstract

Die Automobilwirtschaft steht vor der Herausforderung, einen Übergang zu Software-definierten Fahrzeugen der Zukunft zu meistern, da herkömmliche Fahrzeugarchitekturen noch stark von hardwarebasierten und fest codierten Teilsystemen dominiert werden. Somit sind viele Fahrzeuge nur eingeschränkt updatefähig, was bedeutet, dass Funktionserweiterungen oder sicherheitsrelevante Anpassungen oft nur durch Werkstattbesuche oder den Austausch von Steuergeräten möglich sind. Die Forschungs- und Entwicklungsarbeiten des KIT verfolgten das Ziel, die Entwicklung des Software-Defined Cars (SofDCar) voranzutreiben, wobei der Fokus auf der Flexibilität und Sicherheit moderner Fahrzeugarchitekturen lag. Zentrale Ziele waren die digitale Abbildung des Variantenreichtums von Fahrzeugarchitekturen, die Nutzung von Felddaten zur Wissensgewinnung über die Durchführbarkeit von over-the-air (OTA) Updates, sowie die Stärkung der Angriffssicherheit von Fahrzeugsoftware. Ein weiteres wesentliches Ziel war es, hochautomatisiertes Fahren mit maschinellen Lerntechnologien zu fördern, insbesondere in Bezug auf die Risikoeinschätzung autonomer Fahrzeuge. Darüber hinaus sollte das Projekt durch den Einsatz von Process Mining zu zentralen softwaregestützten Anwendungsfällen beitragen. Zur Erreichung dieser Ziele brachte das KIT wissenschaftlich fundierte und innovative Schlüsselkompetenzen im Bereich softwareintensiver Mobilitätssysteme in das Projekt ein. Diese Kompetenzen wurden durch eine enge Zusammenarbeit mehrerer hoch spezialisierter Institute des KIT zur Verfügung gestellt. Zudem stellte das vor Ort ansässige Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) entsprechende Infrastrukturen bereit, die als Reallabor für die Erprobung innovativer Mobilitätslösungen dienten. Diese methodische Herangehensweise ermöglichte eine enge Verzahnung von Wissenschaft und Industrie, um die Wettbewerbsfähigkeit der deutschen Automobilindustrie zu sichern. Die Ergebnisse des KIT umfassen die Konzeption eines digitalen Abbilds von Fahrzeugvarianten und unterstützen die flexible Rekonfiguration zwischen Varianten. Hierbei wurden insbesondere sicherheitskritische OTA-Updates im laufenden Betrieb betrachtet, deren Durchführbarkeit durch Wissensgewinnung aus Felddaten sichergestellt wird. Zusätzlich wurden Lösungen zur Angriffssicherheit insbesondere in komplexen Fahrzeug-Lieferketten entwickelt. Die Arbeiten zum hochautomatisierten Fahren ermöglichten die Entwicklung von Technologien zu Risikoeinschätzung und Risikobewusstsein in autonomen Fahrzeugen. Abschließend konnte eine umfangreiche Demonstration dieser Entwicklungen anhand eines realexistierenden autonomen Versuchsträgers im TAF BW erfolgen. Die Erfolgsaussichten dieser Ergebnisse sind eng mit der Innovationskraft der Industriepartner verknüpft, wobei das KIT seine Expertise einbringt, um die Innovationsprozesse zu beschleunigen und Wettbewerbsvorteile durch Nachhaltigkeit und Kostenreduktion von softwaredefinierten Fahrzeugen zu ermöglichen. Datei-Upload durch TIB The automotive industry faces the challenge of mastering the transition to software-defined cars of the future, as conventional vehicle architectures are still heavily dominated by hardware-based and hard-coded subsystems. Therefore, many cars can only be updated to a limited extent, which means that functional enhancements or safety-relevant adaptations are often only possible by putting cars in for a service, or by replacing control units. The contributions of KIT pursued the goal of advancing the development of a software-defined car (SofDCar), focusing on the flexibility and safety of modern vehicle architectures. Central objectives were digital twins of multi-variant architectures, the use of field data to gain knowledge about the feasibility of over-the-air (OTA) updates, and the security of car software. Another key objective was to promote highly automated driving with machine learning technologies, particularly regarding the risk assessment of autonomous cars. In addition, the project aimed to support central software-based use cases with process mining. To achieve these goals, KIT contributed to the project with innovative and scientifically sound key competencies in the field of software-intensive mobility systems. These competencies were provided through close cooperation between several highly specialized KIT institutes. In addition, the local Test Area Autonomous Driving Baden-Württemberg (TAF BW) provided the respective infrastructure that served as a real-world laboratory for testing innovative mobility solutions. This methodical approach enabled close relationships between science and industry in order to ensure the competitiveness of the German automotive industry. The results of KIT include concepts for digital twins of car variants and support flexible reconfiguration between variants. In particular, safety-critical OTA updates during operation were considered, whereas their feasibility was ensured through knowledge gained from field data. Solutions were developed for security, particularly in complex car supply chains. The work on highly automated driving enabled the development of technologies for risk assessment and risk awareness in autonomous cars. Finally, a comprehensive demonstration of these developments was carried out using a real-life autonomous test vehicle in TAF BW. The chances for success of these results are closely linked to the innovative strength of the industrial partners, with KIT contributing its expertise to accelerate the innovation processes and enable competitive advantages through sustainability and cost reduction of software-defined vehicles.