SelfAutoDOC: Self-healing automotive driving platform powered by organic computing; Schwerpunkt Goethe Universität (UGOE)

Abstract

Die zunehmende Komplexität autonomer Fahrzeuge erfordert Elektronikarchitekturen, die auch bei Fehlfunktionen verlässlich arbeiten. Das Verbundprojekt SelfAutoDOC überträgt hierzu Konzepte des Organic Computing – insbesondere Artificial DNA (ADNA) und das Artificial Hormone System (AHS) – in reale Fahrzeughardware. Auf Basis der RazorMotion-Plattform von TTTech entstand eine OC-Middleware, die sicherheitskritische Funktionen wie Lenken oder Bremsen selbstständig auf verfügbare Rechenknoten verteilt, bei Ausfällen reorganisiert und bei Ressourcenengpässen kontrolliert degradiert. Ein künstliches Hormonsystem steuert diese Prozesse in Echtzeit. Ziel ist eine Fahrzeugarchitektur, die sich selbst organisiert, anpasst, heilt und degradiert, anstatt ausschließlich auf klassische Redundanz zu setzen. Im Demonstratoraufbau – bestehend aus RazorMotion-Hardware, TSN-Netzwerk und CARLA-Simulation – wurden alle Meilensteine erreicht: Die Middleware läuft auf echter Automotive-Elektronik, übernimmt Fahraufgaben autonom und reagiert bei Fehlern wie Überhitzung, Netzwerkausfall oder ECU-Drop-out binnen Millisekunden mit Task-Migration oder Graceful Degradation. Adaptive Algorithmen, Temperatur-/Leistungsüberwachung und Voting-Mechanismen senken den Bedarf an Hardware-Redundanz und erhöhen die Robustheit. SelfAutoDOC zeigt erstmals, dass ADNA/AHS-basierte Selbst-X-Eigenschaften (Selbstorganisation, -diagnose, -heilung) in sicherheitskritischen Fahrzeugsystemen praktikabel sind. Die Ergebnisse schaffen eine Basis für zertifizierbare, fail-operational Plattformen und eröffnen Einsatzmöglichkeiten in Batteriemanagement, Sensorfusion und weiteren Domänen. Zudem wurden OC-Bausteine (z. B. ALU, Voting, Regler) mit UPPAAL verifiziert – ein erster Schritt zu einer zertifizierbaren Plattform. Damit eröffnen die validierten ADNA/AHS-Konzepte neue Perspektiven für zukünftige sicherheitskritische Anwendungen.