Künstliche Intelligenz In Der Automobilindustrie
                     Künstliche Intelligenz In Der 
Automobilindustrie
Die EuroNCAP, der europäische Verband 
für Fahrzeugsicherheit, strebt mit „Vision 
Zero“ das nächste große Ziel an, das bis 
2025 umgesetzt werden soll.
Auf dem Weg zur künstlichen Intelligenz im Auto übernehmen 
intelligente Sensortechnologien Aufgaben, für die bislang der 
Fahrer zuständig gewesen ist. Um gefährdete Verkehrsteilnehmer 
besser zu schützen und zur Überwachung des Fahrers in der 
Fahrgastzelle wird leistungsstarke Rechenhardware benötigt.
Know More: künstliche intelligenz in der automobilindustrie
Gleichzeitig bestehen hohe 
Anforderungen hinsichtlich 
Wärmeableitung, Qualität bei der 
Massenproduktion, Platzbedarf und 
Preis.
Hailo arbeitet bei KI für 
Automotiveanwendungen mit führenden OEMs 
und Tier-1s zusammen, um modernste Deep-
Learning-Funktionen bei Fahrerassistenz- und 
autonomen Fahrsystemen einzuführen.
Dabei erfüllt Hailo die sich ständig 
weiterentwickelnden Sicherheitsstandards und 
Vorschriften. Der Hailo-8 ist ein AEC-Q100 
Grade 2 Automotive KI–Prozessor, der gemäß 
ISO26262 entwickelt wurde, um ASIL-B-
Konformität zu erreichen.
Immer mehr Fahrzeuge sind heutzutage mit 
modernen Fahrerassistenzsystemen ausgestattet. Sich 
immer weiterentwickelnde Normen und Vorschriften 
(wie Vision Zero von Euro NCAP mit der 
Schwerpunktsetzung auf gefährdete 
Verkehrsteilnehmer) verlangen zunehmend die 
Einbeziehung von bildgestützten Systemen wie 
automatische Notlenkung (AES), Spurhalteassistent 
und Heck- bzw.
Fahrerassistenzsysteme, die derzeit weitgehend auf 
eigens dafür entwickelte intelligente Kameras 
angewiesen sind, erfordern hochleistungsfähige Rechner, 
die mit einem begrenzten Energie- und Platzbedarf 
auskommen müssen. Herkömmliche Prozessoren (d.h. 
CPUs und GPUs) sind dafür nur bedingt geeignet.
Der Hailo KI-Prozessor wurde für eine effiziente, 
durchsatzstarke und stromsparende KI-Verarbeitung in 
automobilen Systemen entwickelt. Bei geringem 
Energiebedarf können mehrere neuronale Netze 
gleichzeitig einen oder mehrere hochauflösende 
Videoeingänge in Echtzeit und mit geringer Latenz 
verarbeiten. 
Auf dem Weg zum vollständig autonomen 
Fahren steigen zwar die Anforderungen an 
Fahrerassistenzsysteme, aber auch die dafür 
zur Verfügung stehenden Technologien 
entwickeln sich rasch weiter.