Das Projekt arTIco ist ein Forschungsprojekt der Förderlinie "Digitalisierung" im Rahmen des Bayerischen Verbundforschungsprogramms (BayVFP) des Freistaates Bayern. Das Akronym arTIco steht für „Artificial Intelligence and Correlations: Methodik zur Korrelation digitaler Zwillinge in der Fahrzeugsicherheit auf Basis künstlicher Intelligenz“. Verbundpartner sind Applus+ IDIADA Fahrzeugtechnik GmbH und das CARISSMA Institute of Safety in Future Mobility (C-ISAFE) der Technischen Hochschule Ingolstadt.
Das zweijährige Projekt ist im Januar 2022 mit dem Ziel gestartet, Methoden zur Validierung digitaler Zwillinge zu erforschen. Die vorgeschlagenen Ansätze bauen auf dem Einsatz von künstlicher Intelligenz auf. Damit soll eine deutlich breitere Bewertung der Modellvalidität als mit den gegenwärtigen Methoden ermöglicht werden.
Das Anwendungsbeispiel von Crashtest-Dummys für die passive Fahrzeugsicherheit soll die Leistungsfähigkeit der Methodik demonstrieren. Der Fokus liegt dabei auf der Bewertung und Weiterentwicklung bisher genutzter Korrelationsfaktoren. Die neuen Ansätze sollen die Etablierten mit Expertenwissen erweitern und objektiver gestalten sowie in der Zukunft als eine Alternative zu heutigen Zertifizierungsprozeduren etabliert werden.
Das Projekt arTIco stellt einen innovativen Ansatz zur objektiven Bewertung der Validierungs- und Zertifizierungsgüte mittels künstlicher Intelligenz dar. Es wird Expertenwissen konserviert und zur Erweiterung des bisherigen Prozesses genutzt. Dadurch wird eine über den aktuellen Stand der Technik hinausgehende Basis für die Bewertung der Fahrzeugsicherheit mittels virtueller Crash-Simulationen gelegt. Die Validierung, aber auch Kalibrierung sowie Zertifizierung virtueller Modelle erfolgt in der Regel anhand einzelner Vergleiche. Beispielsweise wird für die durch einen bestimmten Sensor erfassten Daten ein Korridor vorgegeben in dem die Datenreihe verlaufen muss, damit das Modell als valide gilt. Durch die Verwendung weniger Sensoren und Kriterien wird jedoch nur eingeschränkt die tatsächliche Physik betrachtet. Dies führt zu einer limitierten Verwendbarkeit der virtuellen Modelle und zur Reduktion des Vertrauens in diese. Durch eine breitere Datenbasis innerhalb der Validierung soll die Modellgüte deutlich erhöht werden. Letztlich soll ein erhöhtes Vertrauen in die Modellgüte dazu führen, dass Crashsimulationen die teuren Realtests zunehmend ersetzen können.
