Bei der Entwicklung klassischer Verbrennungsmotoren löst die KI beispielsweise das Problem der Prognose des Gasgehalts im Motoröl. Da hohe Gasanteile zur Ölverschäumung und damit zu reduzierter Schmierfähigkeit führen, muss das Ölsystem auf einen möglichst geringen Gasgehalt ausgelegt werden. Messungen sind bei laufendem Motor im Fahrzeug allerdings kaum durchführbar. Ein neues KI-Verfahren von Porsche liefert nun verlässliche Prognosen über den Gasgehalt im Motoröl. «Dabei konnten wir die erforderliche Rechenkapazität für den KI-Algorithmus so geringhalten, dass wir ihn problemlos in den Motorentwicklungsprozess integrieren können», sagt Entwicklungsingenieurin Hong Truc Jung, die bei Porsche für die KI-Tools im Antrieb verantwortlich ist. «Bei den Standardprüfstandtests läuft er permanent mit und liefert uns dabei die gewünschten Daten.» Das erste Aggregat, bei dem Porsche das neue KI-Verfahren angewendet hat, war der Sechszylinder-Boxermotor für den Cayman GT4.
Batteriezustandsanalyse bei E-Fahrzeugen
Eine KI-Anwendung der Porsche-Technologietochter Porsche Engineering ist die Bestimmung des Alterungsverhaltens der Lithium-Ionen-Batterie, die Fahrer von E-Fahrzeugen schon heute für Prognosen über die Batteriereichweite während der Fahrt nutzen. Dabei schliesst der KI-Algorithmus durch den Innenwiderstand der Batterie auf ihre Alterung. Er berücksichtigt unter anderem Einflüsse wie die Temperatur und den Ladezustand sowie Ergebnisse von Langzeit- und Flottentests. Im Fahrzeug passt sich die KI an das Nutzerprofil des Fahrers an, sodass die Vorhersage immer präziser wird.
Entwicklungszeit reduzieren
Eine besonders flexible Entwicklungsmethodik mit hohem Potenzial für unterschiedlichste Anwendungsfälle hat Porsche Engineering auf Basis der KI-Methode Deep Reinforcement Learning entwickelt. «Unsere Methodik PERL, kurz für Porsche Engineering Reinforcement Learning, geht über die spezifische Lösung einzelner Aufgaben hinaus, denn sie versteht systemische Zusammenhänge und lernt strategisch zu entscheiden», erklärt Matthias Bach, Leiter Fachdisziplin Motor Applikation und Mechanik bei Porsche Engineering. Da die neuronalen Netze des KI-Algorithmus mehrere auch miteinander gekoppelte Parameter gleichzeitig variieren und die resultierenden Auswirkungen prognostizieren können, ist PERL prädestiniert für komplexe Motor-Applikationsaufgaben und viele andere Entwicklungsbereiche des Fahrzeugs. «Mit PERL können wir die Entwicklungszeit reduzieren und dabei bessere Applikationsergebnisse erzielen, als mit konventionellen Methoden», ergänzt Bach. Derzeit befindet sich die Methode im Praxistest der Antriebsentwicklung und soll mittelfristig auch in anderen Bereichen wie Gesamtfahrzeug, Fahrwerk und Elektrik/Elektronik bei Porsche Engineering eingesetzt werden.