The Potential of Data-Driven Engineering Models: An Analysis Across Domains in the Automotive Development Process

Die moderne Automobilentwicklung entwickelt sich, über die künstliche Intelligenz für hochautomatisiertes Fahren haus, hin zu einer vernetzten Vielfalt von datengesteuerten Entwicklungsprozessen. Die weit verbreitete analytische Systemmodellierung kommt mit der zunehmenden Systemkomplexität an Grenzen und verlangt nach Ansätzen für datengesteuerte Systemmodelle. Wir betrachten diese als Schlüssel für eine weitere Verbesserung der Genauigkeit und der Entwicklungseffizienz. In der Literatur sowie in der Industrie sind die Relevanz und die Methoden entlang des Fahrzeugentwicklungszyklus jedoch bisher noch nicht umfassend diskutiert worden. ... mehrWir betonen somit die Bedeutung von datengesteuerten Systemmodellen in ihren unterschiedlichen Arten und Anwendungen entlang des Entwicklungsprozesses - von der Vorentwicklung bis zum Flottenbetrieb. Datengetriebene Modelle haben sich in der Literatur als schnelle, hochgenaue und adaptive Approximatoren erwiesen und dies im Gegensatz zu physikalisch basierten analytischen Ansätzen in verschiedenen Bereichen. Folglich zeigen wir die Notwendigkeit und die Vorteile der Einführung solcher Modelle auf, indem wir die derzeit in der Industrie verwendeten Methoden analysieren. Wir leiten Gemeinsamkeiten in den Ansätzen und Anwendungen über verschiedene Anwendungsbereiche hinweg ab, um anschließend detaillierte Fallstudien entlang des Entwicklungszyklus zu zeigen. Wir heben wesentliche Datenerfassungskonzepte hervor und schlagen vielversprechende Ansätze für vier verschiedene technische Anwendungsfälle vor, wobei wir gleichzeitig auf Einschränkungen und Fallstricke bei der Anwendung hinweisen. Abschließend präsentieren wir unsere Sichtweise auf weitere Herausforderungen und Möglichkeiten in der Entwicklung der Automobilindustrie im Hinblick auf datengesteuerte Systemmodelle für technische Anwendungsfälle.

Modern automotive development evolves beyond artificial intelligence for highly automated driving, and toward an interconnected manifold of data-driven development processes. Widely used analytical system modelling struggles with rising system complexity, invoking approaches through data-driven system models. We consider these as key enablers for further improvements in accuracy and development efficiency. However, literature and industry have yet to thoroughly discuss the relevance and methods along the vehicle development cycle. We emphasize the importance of data-driven system models in their distinct types and applications along the developing process, from pre-development to fleet operation. ... mehrData-driven models have proven in other works to be fast approximators, of high accuracy and adaptive, in contrast to physics-based analytical approaches across domains. In consequence, we show the necessities and benefits of adopting such models by analyzing the current methods used in industry. We derive commonalities in approaches and applications across domains to subsequently provide detailed case studies along the development cycle. Here, we highlight essential data acquisition concepts and suggest promising approaches for four different engineering use-cases, while pointing out limitations and pitfalls in application. Conclusively, we present our perspective on further challenges and opportunities in the evolution of the automotive industry in terms of data-driven system models for technical use-cases.