F1 in AWS
Erkunden Sie mithilfe von Machine Learning, künstlicher Intelligenz und Cloud-Technologien neue, einzigartige und innovative Möglichkeiten für Fans, die Formel 1 zu genießen.
Verwendung von AWS AI zur Beschleunigung der Problemlösung am Renntag
Zusammen entwickelten F1 und AWS mithilfe von Amazon Bedrock eine Lösung zur Ursachenanalyse (RCA). Dieses System mit mehreren Agenten nutzt umfangreiche Sprachmodelle und Abruftools, um Protokolle zu analysieren, Ergebnisse zusammenzufassen, Vorfälle zu korrelieren und Lösungen zu empfehlen. Das System überwacht und löst Probleme nicht nur bis zu 86 Prozent schneller, sondern es sagt auch Probleme voraus und verhindert sie, bevor sie entstehen.
Wie treibt AWS die Formel 1® an?
✔ Den Sport transformieren: AWS ermöglicht es der Formel 1, Daten zu sammeln, zu analysieren und zu nutzen, um Entscheidungen zu treffen. Mit 300 Sensoren an jedem F1-Rennauto, die über 1,1 Mio. Datenpunkte pro Sekunde von den Autos an die Box senden, ist die Formel 1 ein wirklich datengesteuerter Sport.
✔ Fans aufklären und begeistern: Durch F1 Insights, unterstützt von AWS, erhalten Fans ein tieferes Verständnis für eine der komplexesten Sportarten. Mit KI-gestützten Bildschirmgrafiken wie Boxenstopp-Strategie, Verlorene Zeit und Streckendominanz erhalten Fans sofort Kontext, der normalerweise Ingenieuren und Analysten vorbehalten ist.
✔ Zuverlässigkeit für kritische Systeme: AWS unterstützt KI-Systeme, um sicherzustellen, dass wichtige Systeme am Renntag verfügbar bleiben, wenn sie am dringendsten benötigt werden. Die Implementierung agentenbasierter KI-Systeme befreit Ingenieure von stundenlangen manuellen Untersuchungen und verlagert sich auf hochwertige Arbeiten.
Unterstützung von Daten-Storytelling in Echtzeit
Track Pulse, die jüngste Zusammenarbeit von F1 mit AWS, nutzt Machine Learning und generative KI, um dem F1-Übertragungsteam dabei zu helfen, sich jederzeit ein klareres, umfassenderes Bild von der Action auf der Strecke zu machen, einschließlich Live-Fahrerduellen, Meisterschaftsvorhersagen, Spitzengeschwindigkeiten und mehr. Das Team kann diese Live-Updates nutzen, um zu bestimmen, welche Elemente für die Zuschauer hervorgehoben werden sollen, und um vorherzusagen, was gleich passieren wird, um bei sich entwickelnden Storys direkt dabei zu sein.
Innovation der generativen KI vorantreiben: Lektionen von führenden Sportlern
Entdecken Sie, wie führende Marken wie die Formel 1, die NFL und die PGA TOUR generative KI in AWS nutzen, um die Kundenzufriedenheit, die Produktivität der Mitarbeiter und die Prozessoptimierung zu verbessern. Nutzen Sie diese realen Anwendungsfälle, um Ihren Weg in die generative KI voranzutreiben.
Formel 1®: Unterstützt von AWS
Daten zum Rennen
Jedes F1-Fahrzeug verfügt über 300 Sensoren, die 1,1 Millionen Telemetriedatenpunkte pro Sekunde generieren, welche von den Autos in die Boxen übertragen werden. Diese Echtzeitdaten werden mit über 70 Jahren historischer Renndaten, die auf Amazon S3 gespeichert sind, kombiniert, um reichhaltige Erkenntnisse zu gewinnen, die das Fan-Erlebnis informieren, weiterbilden und bereichern und mehr Erkenntnisse in die Wahl der Rennstrategie bringen, die zu siegreichen Leistungen auf der Strecke führt.
Konkurrenzanalyse
Mittels Datenanalyse kann F1 die Leistung bestimmter Autos, Teams und Fahrer für alle relevanten Parameter vergleichen und eine Rangfolge erstellen, um den Fans visuelle Einblicke zu liefern.
Fahrzeugleistung
Die F1 befasst sich genau mit Aerodynamik, Reifenleistung, Fahrantrieb, Fahrzeugdynamik und Fahrzeugoptimierung, um Erkenntnisse zu liefern, anhand derer Fans die Gesamtleistung des Autos interpretieren können. Die Fahrzeugleistung ist der wichtigste KPI für ein F1-Team. Sie gibt den Fans einen einzigartigen Blick hinter die Kulissen der Formel 1 und veranschaulicht, wie die Teams bei der Fahrzeugentwicklung vor und während der Saison gegeneinander abschneiden.
Schnellster Fahrer
Diese Erkenntnis nutzt AWS-Machine-Learning-Technologie, um eine objektive, datengestützte Klassifizierung aller F1-Fahrer von 1983 bis zum heutigen Tag zu zeigen. Dafür wird der F1-Autounterschied aus der Gleichung entfernt, um die wichtige Frage zu klären, wer der schnellste Fahrer ist. Datenwissenschaftler der F1 und des Amazon Machine Learning (ML) Solutions Lab haben zum ersten Mal in der Geschichte eine Ära-übergreifende, objektive, komplexe, datengestützte Klassifizierung der Fahrergeschwindigkeit erstellt.
Rennstrategie
Durch die Verwendung von Timing-Daten kann die Formel 1 visuelle Erkenntnisse erstellen, die es Fans ermöglichen, auf objektive Weise individuelle Team- und Fahrerleistungen, -strategien und -taktiken zu analysieren, die sich auf das Rennergebnis auswirken. Alternative Strategie ist beispielsweise eine Grafik, die Teams und ihren Fans zeigt, wie sich Rennen entwickelt hätten, wenn sie andere strategische Entscheidungen getroffen hätten.
Aktuelle Neuigkeiten von F1 in AWS
Einbinden der Fans
F1 Insights unterstützt von AWS transformiert das Fan-Erlebnis vor, während und nach jedem Rennen. Die F1 nutzt bestimmte Datenpunkte für jede Erkenntnis, wodurch Fans nachvollziehen können, warum Fahrer gewisse Sekundenentscheidungen treffen und wie Teams Rennstrategien, die sich auf das Rennergebnis auswählen, in Echtzeit entwickeln und umsetzen. Hier sind ein paar Beispiele dafür, wie alles zusammenkommt.
Rennstrategie
Durch die Verwendung von Timing-Daten kann die Formel 1 visuelle Erkenntnisse erstellen, die es Fans ermöglichen, auf objektive Weise individuelle Team- und Fahrerleistungen, -strategien und -taktiken zu analysieren, die sich auf das Rennergebnis auswirken.
Battle Forecast wird Rennstreckenverlauf und prognostizierte Fahrergeschwindigkeit verwenden, um vorherzusagen, wie viele Runden es dauert, bis das verfolgende Auto in Reichweite des vor ihm liegenden Autos ist.
Die Grafik „Pit Strategy Battle“ bietet Fans einen zusätzlichen Einblick dazu, wie in Echtzeit beurteilt werden kann, wie erfolgreich die Strategie jedes Fahrers ist. Fans können leichte Strategieveränderungen verfolgen und die Auswirkung auf das Endergebnis nachvollziehen.
Geschätzte Boxenstoppfenster basierend auf Reifenzusammensetzung, Rundenzeiten und Verteilung der Autos. Die Zuschauer können nachverfolgen, wie ein Rennen verändert werden kann, basierend auf Renndynamik, einschließlich Rennstrategien anderer Teams, Safety Cars und gelben Flaggen.
Es werden historische Daten verwendet, um die Rennstrategie während der Einführungsrunde zu berechnen, wobei vorhergesagte Reifen- und Rennstrategien verglichen werden. Durch diese Erkenntnis können Zuschauer sehen, wann es für einen Fahrer strategisch am besten ist, den nächsten Boxenstopp einzulegen.
Ein erfolgreicher „Undercut“ kann für Sie das Rennen machen oder Sie eine wichtige Position einnehmen lassen. Er ist zweifellos einer der angespanntesten Momente, die das technische Team während des Rennens erleben muss. Diese Grafik wird den Fans die Welt des F1-Strategen näher bringen, in der diese Entscheidungen in Sekundenbruchteilen wichtige Meisterschaftspunkte bringen oder verlieren lassen können.
Konkurrenzanalyse
Mittels Datenanalyse kann F1 die Leistung bestimmter Autos, Teams und Fahrer für alle relevanten Parameter vergleichen und eine Rangfolge erstellen, um den Fans visuelle Einblicke zu liefern.
Diese Erkenntnis zeigt, wie Teams ihre Autos entwickeln, wie schnell sie dabei sind und wie im Laufe der Saison das Ergebnis auf der Rennstrecke aussieht. Das Rennen um die Entwicklung, sowohl während der Saison als auch zwischen den Saisons, ist der wichtigste KPI für ein F1-Team, und hiermit wird ein einzigartiger Einblick in das Innenleben der Formel 1 und wie Teams in diesem Bereich gegeneinander antreten geboten.
Close to the Wall bietet Fans und Fernsehsendern einen einzigartigen Blick darauf, wie nah ein F1-Auto in einigen der aufregendsten Kurven der Meisterschaft der Mauer kommt. Die Formel 1 berechnet den Abstand zur Wand des nächstgelegenen Teils eines F1-Autos (normalerweise der Reifen) mithilfe spezieller Kameras und einer Fusion von Algorithmen für tiefes neuronales Netzwerk und Computer Vision. Dies geschieht in einem vierstufigen Prozess, der die Erfassung von Bildern, die Erkennung der Fahrzeugbewegung, die Schätzung der Flugbahn und die Ausgabe des Algorithmus umfasst.
Diesee Erkenntnis isoliert die Leistung eines einzelnen Autos und ermöglicht es Fans, dessen Leistung mit der anderer Fahrzeuge zu vergleichen. Es werden Bausteine verglichen, die für die Fahrzeugleistung wichtig sind, insbesondere Kurvenverhalten, Verhalten auf geraden Strecken und Fahrzeugbalance oder -handling.
Driver Performance zeigt, welche Fahrer ihr Auto im Vergleich zu ihren Teamkollegen und Konkurrenten an die absolute Leistungsgrenze bringen. Berechnet man die Kräfte, die von den Reifen eines Autos während einer Runde erzeugt werden und vergleicht sie mit der maximalen Leistungsfähigkeit des Autos, zeigt dies, wie viel von der potenziellen Leistung des Autos vom Fahrer extrahiert wird. Drei Parameter werden gezeigt, um drei Schlüsselbereiche der Fahrerleistung hervorzuheben, die einen großen Einfluss auf das ultimative Ziel haben – die Rundenzeit: Beschleunigung, Bremsen, Kurven.
Diese Erkenntnis schlüsselt die Fahrerleistung basierend auf den wichtigsten Fahrfähigkeiten auf, indem zahlreiche Daten zu Auswirkung auf das Auto, die Reifen, Verkehr, Kraftstoff, u. a. analysiert werden, um eine bewertete Ausgabe der Leistung jedes Fahrers im Laufe der Saison in Bezug auf sieben Hauptmetriken – Qualifikationsrennen, Rennstarts, Rennrunde 1, Renngeschwindigkeit, Reifenmanagement, Boxenstoppfähigkeit des Fahrers und Überholen – zu erhalten. Diese Metriken werden mit einer Skala von 0–10 normalisiert, um eine „Score“-ähnliche Metrik zu liefern, und bieten Zuschauern, Fans und Teams gleichermaßen eine Erkenntnis dazu, wo die Stärken und Schwächen eines bestimmten Fahrers liegen und wie er im Vergleich zu anderen Fahrern abschneidet.
Die an diesem Wochenende vorgestellte neue Grafik „Leistung der Boxengasse“, die neueste in der F1-Insights-Serie unterstützt AWS, bietet Fans und Fernsehsendern die Möglichkeit, den gesamten Boxenstopp zu analysieren und die Zeit zu verstehen, die von dem Moment an verloren geht, in dem der Fahrer in die Boxengasse einfährt und am anderen Ende wieder herauskommt.
Wagenleistung
Die F1 befasst sich genau mit Aerodynamik, Reifenleistung, Fahrantrieb, Fahrzeugdynamik und Fahrzeugoptimierung, um Erkenntnisse zu liefern, anhand derer Fans die Gesamtleistung des Autos interpretieren können.
Braking Performance zeigt, wie der Bremsstil eines Fahrers während eines Kurvenmanövers einen Vorteil beim Verlassen der Kurve bieten kann. Es vergleicht die Bremsstile und die Leistung der Fahrer, indem es misst, wie nah sie sich dem Scheitelpunkt einer Kurve nähern, bevor sie bremsen, und es zeigt, wie das Auto und der Fahrer bei der Kurvenfahrt zusammenarbeiten, wie beispielsweise die Höchstgeschwindigkeit bei der Annäherung, die Geschwindigkeitsabnahme durch das Bremsen, die eingesetzte Bremskraft und die immensen G-Kräfte, denen die Fahrer während der Kurvenfahrt ausgesetzt sind.
Das ist der wichtigste Performancebereich für ein F1-Auto und liefert eine großartige Erkenntnis darüber, wie gute Autos im Vergleich zu großartigen Autos abschneiden. Die Kurve wird in vier Hauptabschnitte unterteilt (Bremsen, Einbiegen, Kurvenmitte und Ausfahrt) und die Performance in den Hauptabschnitten einer Kurve wird mittels Autotelemetriedaten analysiert und verglichen.
Die Analyse von Kurven, die vom optimalen Brems- und Beschleunigungspunkt in einer bestimmten (und entscheidenden) Kurve abhängt. Das ist der Bereich, in dem der Fahrer am meisten herausholen kann. Diese Erkenntnis gibt Zuschauern eine detaillierte Übersicht über die Verluste und Gewinne bei Rundenzeiten sowie einen Vergleich zwischen Autos.
Wir nutzen Autodaten, insbesondere Autogeschwindigkeit, longitudinale und laterale Beschleunigungen und Gyro, um Schräglaufwinkel zu schätzen und daraus für jedes Auto Fahrzeugbalance-Modelle abzuleiten. Dadurch erhalten wir eine Ausgabe für Reifenverschleißenergie. (Hinweis: Reifenverschleißenergie ist kein physischer Reifenverschleiß, sondern die Energieübertragung der Reifenkontaktfläche, die über die Straße gleitet.) Das Output gibt uns eine Reifenleistung für jede Kurve, was angibt, wie stark der Reifen in Bezug auf seine Leistungsdauer beansprucht wird.
Die Rundenvergleichsgrafik kontextualisiert das Leistungsniveau eines F1-Autos für Fans und Fernsehsender, indem sie seine Rundenzeiten mit denen des Safety Cars und eines „normalen“ Straßenautos vergleicht. Zweck und Ergebnis dieser Grafik ist es, anhand eines Datenmodells zu demonstrieren, wie überlegen die F1-Technologie im Vergleich zu Technologien und Leistungen ist, mit denen der Betrachter besser vertraut ist.
Jetzt ansehen
Die voraussichtliche K.o.-Zeit gibt Fans und Kommentatoren eine Erkenntnis in die Zeit, die jeder Fahrer anstrebt, um in das nächste Qualifying zu kommen. Diese Grafik wird in der Endphase jeder Sitzung verwendet und bietet den Fans ein spannendes Ziel, an dem sie die Zeiten der einzelnen Fahrer auf ihren fliegenden Runden ablesen können – was die Fans letztendlich näher an die Dramatik des Endergebnisses bringt.