Fortschrittliche Fahrerassistenzsysteme, kurz ADAS, sind ein Zusammenspiel verschiedener Technologien. Ganz entscheidend sind aber hyperkonvergente, hoch skalierbare hybride Infrastrukturen für den sicheren und schnellen Datenaustausch.
Mitte 2021 hat Deutschland als erstes Land die gesetzliche Grundlage für autonomes Fahren im Regelbetrieb geschaffen. Damit hat die Entwicklung von Fahrerassistenzsystemen oder Advanced Driver Assistance Systems (ADAS) trotz coronabedingter Halbleiter-Lieferengpässe wieder an Fahrt aufgenommen. Das eingangs genannte Gesetz gibt zudem grünes Licht für Robotaxis, wie sie der große deutsche Automobilzulieferer Continental 2019 vorgestellt hat und die laut McKinsey 2026 weiterhin verfügbar sein werden. Zuvor hatte das Marktforschungsunternehmen vorausgesagt, dass der ADAS-Weltmarkt 2021 bereits auf ein Volumen von 35 Milliarden Dollar anwachsen wird.
Ein Fall für Big Data und KI
Apropos anwachsen: Schon bei der Entwicklung und dem Testen von automatisierten bis voll autonomen Fahren (Level 2 bis Level 5) können die von den Bordkameras, Sensoren, Radar- und Lidarsystemen (3D-Laserscannern) erfassten Daten sowie die über verschiedene Wettersituationen sehr schnell in den Petabyte-Bereich gehen. Diese riesigen Datenmengen gehören zu den größten Herausforderungen für IT-Verantwortliche der Automotive-Branche. Sie müssen die Daten bestmöglich transferierbar, analysierbar und für die Steuerung der Fahrzeuge wieder nutzbar machen.
An Big Data und Advanced Analytics führt bei den riesigen Mengen an vielen unstrukturierten Daten kein Weg vorbei. Darüber hinaus ist eine Reihe von weiteren fortschrittlichen Technologien erforderlich. Dazu gehören IoT-Anbindung der Edge Data von den Fahrzeugen, künstliche Intelligenz und Machine Learning und Hochleistungsgrafikkarten (GPUs), um die KI- oder AI-Trainings zu beschleunigen. Hinzu kommen die Simulation über Digital Twins und HIL-Testumgebungen (Hardware in the Loop) für die ständige Verbesserung der Algorithmen.
Mit herkömmlichen Mitteln kaum zu bändigende Datenflut
Schon beim teilautomatisierten Fahren (Level 2) können pro Tag und Fahrzeug bis zu 20 Terabyte (TB) an Daten anfallen. Bei dem im deutschen Gesetz vorgesehenen vollautomatisiertem Fahren gemäß Level 4 sind es bereits bis zu 100 TB an Daten pro Fahrzeug und Tag. Bei einer Testflotte mit zehn Fahrzeugen würden pro Woche mit fünf Arbeitstagen schon 5.000 TB oder 5 PB an Daten zusammenkommen. Das Problem bei diesen Datenmengen ist, dass sie sich nicht einfach so in die Cloud hochladen lassen, zumindest nicht mit den erforderlichen niedrigen Latenzen.
Bei zehn Autos mit jeweils 10 TB wäre eine normale 1 Gbps-Verbindung im öffentlichen Netz ganze 18 Tage mit dem Upload beschäftig, bei einer 10GbE-Verbindung immer noch 24 Stunden, rechnet Klaas Mertens, Global Solutions Architect bei Equinix Deutschland, in einem Video zusammen mit Magna Electronics Europa vor. Bei sehr großen Datenmengen sei der physische Transport auf einer Festplatte oder einem USB-Stick interessanterweise immer noch der schnellste. Daher hat Equinix das Konzept der „Digital Data Garage“ entwickelt, das vorsieht, dass die Automotive-Daten auch per Kurier in eines der über 200 IBX-Datacenter (International Business Exchange) weltweit gelangen. Die großen Hyperscaler machen es bei den wirklich Big Data nicht anders und bringen diese teilweise auch per Kurierdienst in die Cloud.
Hybride, verteilte Infrastruktur statt einer großen Cloud
Eine einzige große Cloud ist aber wenig geeignet, um den mit jedem Level wachsenden ADAS-Anforderungen zu genügen. Equinix bietet mit seinem großen Netz lokal verteilter IBX-Rechenzentren nicht nur die nötige Nähe zu den Daten, sondern auch eine hyperkonvergente, hybride Infrastruktur, um die Daten sowohl in der Cloud als auch on-premises in privaten Datacentern analysieren und verarbeiten zu können. Die Cloud bietet sich einmal für die weitere Berechnung von Daten an, spielt aber auch eine wichtige Rolle für die DSGVO-konforme Langzeitspeicherung und das Destaster Recovery. Containerisierte Hybrid-Cloud-Umgebungen schaffen die nötige Flexibilität und globale Skalierbarkeit. Daten von Kunden und Partnern werden über cloud-basierte Containerlösungen außerdem leichter direkt in die ADAS-Systeme oder deren Entwicklung eingebunden.
Equinix, IBM und NVIDIA für Continental ADAS vereint
Voraussetzung für die Verarbeitung der Rohdaten und die Entwicklung der KI- und ML-Algorithmen ist ein High Performance Computing Cluster unter Einbindung sehr leistungsfähiger Logik-Chips oder Grafikkarten wie die von NVIDIA. Eine solche KI-Hardware kommt auch im Vision Projekt ADAS von Continental zum Einsatz. Das Unternehmen hat dazu eine Testflotte mit Sensoren ausgestattet, die täglich mehr als 15.000 Kilometer zurücklegt und bis zu 100 TB an Daten pro Fahrzeug und Tag aufzeichnet. Um unterschiedliche Situationen zu erkennen und zu entscheiden, wie das Auto jeweils reagieren soll, setzt das System auf den NVIDIA DXG Server für Deep Learning und das Training künstlicher neuronaler Netze.
Da hierbei Hundertausende von Bildern pro Sekunde in die GPUs eingelesen und gespeichert gespeichert werden müssen, ging Continental Partnerschaften mit IBM & Equinix ein. Das IBX-Rechenzentrum von Equinix kann hierbei als Hort für die neue Speicherinfrastruktur punkten, da sich dort bereits ein stark wachsendes Automotive-Ökosystem etabliert hat. Zu der neuen Lösung gehören ferner ein Multimode-CPU-Cluster, eine Non-Blocking InfiniBand-Netzwerkinfrastruktur, IBM ESS mit schnellen NVMe-Laufwerken und NVIDIA V100 Tensor Core GPUs. Hinzu kommt IBM Spectrum Scale mit einer Kubernetes-Container-Umgebung für die Anwendungsentwicklung. Die Lösung hat zusammen mit dem DGX Server die KI-Trainingszeit auf der Platform Equinix um 70 Prozent verkürzt, wie Balázs Lóránd, Head of AI Competence Centre von Continental in Budapest betont.
Platform Equinix ist die weltweit größte Rechenzentrumsplattform und ein Netz von mehr als 220 IBX-Datacentern, um Kunden und ihre Partner zusammenzubringen. Das Partner-Ökosystem von Equinix als größter Provider von RZ- und Colocation-Infrastruktur umfasst mehr als 1.800 Netzwerke und 2.900 Anbieter von Cloud- und IT-Services. Das und die Nähe der für das ADAS benötigten Daten und Dienste hat auch Continental überzeugt, beim Zukunftsthema autonomes Fahren auf Equinix als Partner zu setzen.
Für die heutigen und zukünftigen Performance Ansprüche im autonomen Fahren gewappnet –
Jetzt alles zu Continentals Daten-Infrastruktur lesen.
Quelle Titelbild: Adobe Stock / Gorodenkoff