Forschungsthemen
[BA] Integration von Machine Learning Modellen in einer automobilen Testausführungsumgebung
Zur Analyse von komplexen Zusammenhängen in automobilen Systemen können Machine Learning
(ML) Modelle eingesetzt werden. Diese unterstützen bei der Untersuchung und Einschätzung von
großen Datenmengen, wie sie beispielsweise durch die Ausführung automatisierter Tests anfallen. Der
produktive Einsatz von ML Modellen stellt dabei einerseits durch den komplexen Erstellungsprozess
und andererseits durch die notwendige konstante Überwachung der Güte des Modells während des
kompletten Lebenszyklus eine Herausforderung dar. Anforderungen seitens der Tester umfassen
insbesondere einen einfachen Zugang zum Modell sowie eine sichere Abschätzung, wie gut dem
Modell bei der täglichen Arbeit vertraut werden kann.
Ziel der Arbeit ist es, einen möglichen Weg zur Integration von ML Modellen in eine bestehende
Testausführungsumgebung zu untersuchen. Dabei sollen sowohl die Zugänglichkeit seitens der Tester
als auch die Besonderheiten des Einsatzes von ML Modellen im laufenden Betrieb berücksichtigt
werden. Hierzu sollen zunächst die Testausführungsumgebung und die Besonderheiten des
Lebenszyklus von ML Modellen untersucht sowie die daraus resultierenden Anforderungen analysiert
werden. Anschließend soll aufbauend auf diesen Anforderungen ein Integrationskonzept erstellt
werden. Mittels eines Proof-of-Concept soll schließlich gezeigt werden, wie eine solche Integration
erfolgreich umgesetzt werden kann.
Betreuer: Karsten Wendt