Flottentelemetrie und vorausschauende Analysen mit Capgemini’s Trusted Vehicle und AWS IoT FleetWise

von Cher Simon, übersetzt durch Dirk Stahlecker

Einleitung

Während der Covid Pandemie hat sich gezeigt, dass eine hohe Anpassungsfähigkeit der Unternehmen an sich dynamisch ändernde Trends, Voraussetzung für eine schnelle wirtschaftliche Erholung ist. Aus diesem Grund nutzen führende Logistikunternehmen verstärkt vorausschauende Analysen (engl. «predictive analytics»), um schneller Entscheidungen zu fällen. In Logistikunternehmen betrifft dies z.B. Entscheidungen zur Verbesserung der Lieferkette und von internen Betriebsprozessen, Entscheidungen zur Einhaltung gesetzlicher Vorschriften oder um Wartungskosten der Fahrzeugflotte zu senken. Konkrete Anwendungsfälle der Logistik, die fortschrittliche Datenanalysen verwenden werden finden sich in den Bereichen Transportmanagement, Last-Mile Lieferung und im Flottenbetrieb. Gartner prognostiziert, dass bis zum Jahr 2024, 50% der global tätigen Transport- und Logistikunternehmen Investitionen in Echtzeit-Logistikplattformen tätigen werden, um die Transparenz zu erhöhen, die Unternehmensleistung zu messen und um bessere Entscheidungen zu treffen.

Während Fahrzeugdaten immer zugänglicher werden, stehen Unternehmen vor der Herausforderung, die kontinuierlich zunehmende Datenvielfalt und Datenmenge zu bewältigen, die durch die massive Zunahme vernetzter Fahrzeuge verursacht wird. Laut McKinsey werden im Jahr 2030 ca. 95% der weltweit verkauften Neufahrzeuge vernetzt sein, wodurch stündlich Terabytes an Fahrzeugdaten entstehen. Gleichzeitig führt das Sammeln von Daten verschiedener Fahrzeugmodelle, die unterschiedliche proprietäre Datenformate verwenden zu einer Datenfragmentierung, zu verrauschten Daten und zu verzögerten flottenweiten Erkenntnissen und Entscheidungen. Durch softwaredefinierte Fahrzeuge, die die nächste Entwicklungsstufe der Automobilindustrie vorantreiben, werden Daten zu einer kritischen Komponente, um neue Fahrzeugfunktionen bereitzustellen und um rein softwarebasierte Dienste anzubieten. Deshalb ist eine fortschrittliche Fahrzeug- und Flottentelematik entscheidend, um hochwertige Daten zu sammeln, Entscheidungen zu treffen und um dadurch eine erfolgreiche und nachhaltige Geschäftsstrategie in einem dynamischen und volatilen Markt umzusetzen.

AWS unterstützt dies durch AWS IoT FleetWise. AWS IoT FleetWise ist ein vollständig verwalteter Service, der das Sammeln, Transformieren und Übertragen von Fahrzeugdaten in die AWS Cloud vereinfacht. Autohersteller, Flottenbetreiber und Automobilzulieferer greifen durch AWS IoT Fleetwise auf standardisierte und flottenweite Fahrzeugdaten zu, ohne benutzerdefinierte Datenerfassungssysteme entwickeln zu müssen. Durch die intelligenten Datenerfassungsfunktionen in AWS IoT FleetWise erfassen Kunden stets hochwertige Fahrzeugdaten und senden sie in die AWS Cloud um dort Flottenzustandsanalysen durchzuführen, Vorhersagen zu treffen und um Funktionserweiterungen zu entwickeln. Zusätzlich nutzen Kunden die gesammelten Daten zum Training von Machine Learning (ML) Modellen, um dadurch autonome Fahrzeugsysteme und fortschrittliche Fahrerassistenzsysteme (engl. «ADAS») zu verbessern.

Unterstützt durch AWS hat Capgemini seine Trusted Vehicle Lösung für vernetzte Mobilität um AWS-IoT-FleetWise-Funktionen erweitert. Capgemini, hat über 40 Jahre Erfahrung in der Automobilindustrie, ist AWS-Partner der Premier-Stufe und gehört damit zu den erfahrensten AWS-Beratungspartnern. In diesem Beitrag wird dargestellt, wie die Integration zwischen Capgemini’s Trusted Vehicle und AWS IoT FleetWise umgesetzt wurde und wie dadurch eine lückenlose Datentransparenz in Bezug auf den Fahrzeugzustand und das Datenerfassungsmanagement bzw. Kampagnenmanagement erreicht wird.

So funktioniert AWS IoT FleetWise

Durch ein Modellierungs-Framework ermöglicht AWS IoT FleetWise die sichere Erfassung von Fahrzeugdaten und die sichere Weiterleitung in die AWS Cloud. Das folgende Architekturdiagramm (Abbildung 1) zeigt die AWS IoT FleetWise-Servicekomponenten und den Datenfluss.

Abbildung 1: AWS IoT FleetWise Architektur und Datenfluss

Der Arbeitsablauf (engl. «user flow»), um mit AWS IoT FleetWise Daten von Fahrzeugen in die AWS Cloud zu transferieren ist wie folgt:

1. Der Benutzer entwickelt und installiert im Fahrzeug mit Hilfe einer Referenzimplementierung einen AWS IoT FleetWise Edge Agenten. Der Edge-Agent wird benutzt, um eine Fernverbindung zu den Fahrzeugen einer Flotte herzustellen oder um in einer Testumgebung ausserhalb des Fahrzeugs mit simulierten Fahrzeugdaten Tests durchzuführen.
2. Als nächstes erstellen Benutzer in AWS IoT FleetWise einen digitalen Zwilling des Fahrzeugs, indem sie ein Fahrzeugmodell definieren, dass Fahrzeugattribute wie Modelljahr und Motortyp enthält. Durch eine Standardisierung des Fahrzeugdatenformats und durch die Definition von Beziehungen zwischen Signalen in AWS IoT FleetWise wird die grundlegende Fahrzeugdatenstruktur bzw. das Datenerfassungsschema aufgebaut, das für die Datenerfassungskampagnen genutzt wird.
3. Benutzer definieren Datenerfassungskampagnen mit «bedingungsbasiertem» oder «zeitbasiertem» Datenerfassungsschema. Aktive Kampagnen werden durch AWS IoT FleetWise auf die Fahrzeuge übertragen, um damit Fahrzeugdaten von den Sensoren oder den ECUs im definierten Datenschema zu erfassen.
4. Der Edge-Agent wendet zur Qualitätskontrolle der Daten Inspektionsregeln an, und übermittelt die Fahrzeugdaten über AWS IoT Core an die Datenebene von AWS IoT FleetWise. AWS IoT Core ist ein vollständig verwalteten AWS Service, der IoT-Geräte mit der AWS Cloud verbindet. Für weitere Analysen speichert AWS IoT Fleetwise die gesammelten Daten dauerhaft in Amazon Timestream oder Amazon Simple Storage Service (Amazon S3).
5. Benutzer verwenden AWS Analyse Services, um die Daten zu analysieren, relevante Trends und Muster zu erkennen und um damit Entscheidungsgrundlagen zu schaffen. Nutzbare AWS Analyse Services sind z.B. Amazon QuickSight für Business Intelligence, Amazon Managed Grafana für Datenvisualisierung, Amazon Athena für interaktive Abfragen und AWS Glue für die Datenintegration. Benutzer erstellen ebenfalls Modelle für maschinelles Lernen mit Amazon SageMaker.

Erweiterte Flottenanalyse mit Trusted Vehicle von Capgemini

Capgemini’s Trusted Vehicle Lösung basiert auf der AWS Connected Mobility Solution (CMS) und hilft Kunden, das Potenzial von Daten zu nutzen indem Fahrzeugdaten über eine Telemetrie in der AWS Cloud gesammelt und ausgewertet werden. Trusted Vehicle nutzt wiederverwendbare Vorlagen und stellt Werkzeuge zur Verwaltung von Messkampagnen bereit, wodurch Kunden schnell intelligente und personalisierte Funktionen und Lösungen für vernetzte Fahrzeuge entwickeln.

Vorteile von Trusted Vehicle und AWS IoT FleetWise

In der neuen Version ist Capgemini’s Trusted Vehicle mit AWS IoT FleetWise integriert und bietet eine aggregierte Ansicht von Fahrzeug-, Fahrer- und Reisedaten um die «Time-to-Value» des eingesetzten Telematiksystems zu verkürzen. Trusted Vehicle nutzt die erweiterten Kernfunktionen von AWS IoT FleetWise wodurch Autohersteller und Flottenbetreiber in der Lage sind vernetzte Mobilitätslösungen und die digitale Transformation voranzutreiben.

Lassen Sie uns nun darstellen, wie die Integration zwischen Capgemini’s Trusted Vehicle und AWS IoT FleetWise umgesetzt worden ist. Das folgende Diagramm (Abbildung 2) zeigt, wie Kunden eine breite Palette von Fahrzeugfunktionen von Capgemini’s Trusted Vehicle nutzen und wie diese Funktionen in AWS IoT FleetWise integriert sind, um die Erfassung, Transfer und Analyse von Fahrzeugdaten in der AWS Cloud zu beschleunigen.

Abbildung 2: Integration zwischen Capgemini’s Trusted Vehicle und AWS IoT FleetWise

Der Arbeitsablauf zwischen Capgemini’s Trusted Vehicle und AWS IoT FleetWise ist wie folgt:

1. Geschäftsprozess auswählen — Trusted Vehicle stellt eine Bibliothek mit typischen Geschäftsprozessen zur Verfügung. Benutzer wählen aus der Bibliothek einen fahrzeugspezifischen Geschäftsprozess aus und entwickeln durch Verwendung fortschrittliche Analysemethoden neue Fahrzeugfunktionen und Fähigkeiten. Beispiele vorhandener Geschäftsprozesse sind: Fahrzeug-Onboarding, Telematik, Fahrzeugabonnementsdienste, Fahrzeugsicherheit, Dienstleistungen für Elektrofahrzeuge, Flottenzuverlässigkeit, Flottenüberwachung oder ferngesteuertes Fahrzeugmanagement.
2. Geschäftsfunktion wählen — Jeder Geschäftsprozess enthält eine Reihe von Geschäftsfunktionen um die gewünschten Fahrzeugfähigkeiten umzusetzen. Beispielsweise stellt der Telematik-Geschäftsprozess folgende Funktionen zur Verfügung: Aktivierung oder Deaktivierung der Datenerfassung, benutzerdefinierte Anomaliewarnungen, drahtlose Softwareupdates (eng. «Over-the-Air – OTA») und Fehlercode-Diagnose der in den Fahrzeugen verbauten Telematiksteuergeräte (engl. «telematic control unit – TCU») oder der elektronischen Steuergeräte (engl. «electronic control unit – ECU»).
3. Elektrofahrzeugfunktionen konfigurieren — Benutzer konfigurieren Geschäftsfunktionen in der Trusted Vehicle-Konsole oder rufen Fahrzeugfunktionen programmgesteuert über APIs ab. Zum Beispiel ermöglicht die API des Dienstes «Dienstleistungen für Elektrofahrzeuge (engl. «EV Services») dass die Benutzer EV-Konten registrieren und aktualisieren, EV-Sitzungen autorisieren, Übergebühren zahlen und den EV-Flottenstatus abrufen können. Diese Standardfunktionen lassen sich erweitern, um personalisierte Kundenerlebnisse zu schaffen.
4. Vorlage für die Datenerfassungskampagne auswählen — Trusted Vehicle stellt gebrauchsfertige und anpassbare Datenerfassungsvorlagen (engl. «templates) zur Verfügung, um die Daten, die für die verschiedenen Fahrzeugfunktionen benötigen werden, strukturiert zu erfassen. Diese Vorlagen enthalten Standardkonfigurationen und bewährte Methoden (engl. «best practices»), um Probleme zu diagnostizieren und um die Servicequalität ferngesteuert zu verbessern.
5. Parameter der Datenerfassungskampagne aktualisieren — AWS IoT FleetWise-Datenerfassungskampagnen lassen sich mit den von Trusted Vehicle bereitgestellten Vorlagen einfach erstellen. Um Batteriedaten zu sammeln wählen Benutzer z.B. die Kampagnenvorlage «Überwachung von Elektrofahrzeugen» aus. In diese Vorlage können Benutzer einen logischen Ausdruck einfügen, um damit exakt zu konfigurieren, welche Daten der Edge-Agent sammeln soll. Der Ausdruck $variable.`EVBatterySample.Drivetrain.ActualVehicleSpeed`>50.0 weist den Edge Agenten an, Batteriedaten nur zu erfassen, wenn eine Fahrzeuggeschwindigkeit von 50 Kilometer pro Stunde (km/h) überschritten wird. Benutzer wählen zwischen zwei Datenerfassungsverfahren: 1/ «Immer» (engl. «Always») oder 2/ «Beim ersten Trigger» (engl. «On first trigger»). Das gesetzte Standardverfahren ist «Immer». In diesem Modus erfasst der Edge-Agent kontinuierlich Daten auf der Grundlage der definierten Bedingungen. Im Gegensatz dazu startet die Datenerfassung im Modus «Beim ersten Trigger» erst ab dem ersten Auftreten einer definierten Trigger-Bedingung. Benutzer können auch ein Triggerintervall zwischen Datenerfassungsereignissen festlegen.
6. Konfigurierte Datenerfassungskampagne an das Fahrzeug übermitteln — Trusted Vehicle kopiert die Konfigurationsdatei der Datenerfassungskampagne über den Edge-Agenten auf die ferngesteuerten Fahrzeuge. Durch den durchgängigen Datenerfassungsprozess und durch vorkonfigurierte Analysefunktionen und visuelle Benutzeroberflächen vereinfacht Trusted Vehicle die Erfassung, Verarbeitung und Analyse von Fahrzeugdaten.
7. Fahrzeugdaten durch Edge Agenten erfassen — Sobald die Datenerfassungskampagne aktiviert worden ist beginnen Edge-Agenten mit der Erfassung von Fahrzeugdaten. Über die Konsole von Trusted Vehicle überwachen und steuern die Benutzer die Datenerfassung und -verarbeitung. Um Kosten zu optimieren lässt sich die Datenerfassung stoppen und wiederaufnehmen. Die nahezu Echtzeit-Transparenz ermöglicht Autoherstellern und Flottenbetreibern, Fahrzeugprobleme früh zu diagnostizieren, drahtlose Softwareupdates durchzuführen und die Fernverwaltungsdienste der Fahrzeuge über Capgemini’s Trusted Vehicle zu verbessern.
8. Fahrzeugmetriken und Indikatoren analysieren und visualisieren — Sobald Fahrzeugdaten in der AWS Cloud verfügbar sind, können Benutzer interaktive Grafana-Dashboards erstellen, um die Flottentelemetriedaten zu analysieren und zu visualisieren. Abbildung 3 zeigt beispielsweise den zeitlichen Verlauf der von Trusted Vehicle erfassten Geschwindigkeit und der korrespondierenden Batterietemperatur eines Elektrofahrzeugs. Diese Sichtbarkeit des Fahrzeugzustands in nahezu Echtzeit ermöglicht es, schnelle Entscheidungen zu treffen.

Abbildung 3: Datenvisualisierung mit Capgemini’s Trusted Vehicle Flotten Telematik

Fazit

Wir haben beschrieben, wie Capgemini’s Trusted Vehicle in den AWS IoT FleetWise Service integriert ist, um die Einführung eines Flottenmanagementsystems zu vereinfachen und um «Time-to-Value» beim Kunden zu beschleunigen. Kunden sammeln mit AWS IoT FleetWise hochwertige Fahrzeugdaten und erstellen vernetzte Fahrzeuglösungen. Dazu werden verschiedene wiederverwendbare Vorlagen genutzt, die von Capgemini’s Trusted Vehicle bereitgestellt werden. Flottenbetreiber erkennen potenzielle Fahrzeugprobleme in nahezu Echtzeit früh und analysieren die potentiellen Auswirkungen. Durch die gewonnenen Daten und Erkenntnisse lassen sich wichtige Fahrzeug- und auch Flottenentscheidungen entlang des gesamten Fahrzeuglebenszyklus schnell treffen.

Über die Autoren