SofDCar: Unterschied zwischen den Versionen
Bs4370 (Diskussion | Beiträge) |
Bs4370 (Diskussion | Beiträge) |
||
Zeile 11: | Zeile 11: | ||
|Finanziert von=Bundesministerium für Wirtschaft und Klimaschutz | |Finanziert von=Bundesministerium für Wirtschaft und Klimaschutz | ||
|Projektstatus=aktiv | |Projektstatus=aktiv | ||
− | |Logo=Dark Gradient_S.png | + | |Logo=Dark+Gradient_S.png |
|Person=Andreas Oberweis, Clemens Schreiber, Gunther Schiefer, Fabian Rybinski, J. Marius Zöllner | |Person=Andreas Oberweis, Clemens Schreiber, Gunther Schiefer, Fabian Rybinski, J. Marius Zöllner | ||
|Forschungsgruppe=Betriebliche Informationssysteme, Angewandte Technisch-Kognitive Systeme | |Forschungsgruppe=Betriebliche Informationssysteme, Angewandte Technisch-Kognitive Systeme |
Version vom 13. Oktober 2022, 12:04 Uhr
Software-Defined Car |
|
|
Die Projektpartner des SofDCar Konsortiums forschen mit Blick auf zentrale Herausforderungen software-basierter Fahrzeuge. Der Fokus liegt auf der Entwicklung von Software, welche die Fahrzeugfunktionalitäten optimiert und erweitert. Das Fahrzeug der Zukunft wird dabei als Teil einer vernetzten Fahrzeug- und Systemumgebung verstanden, dessen Einbindung mittels "Data Loop" und auf der Basis eines neuartigen "Digital Twin" ermöglicht werden soll. Hierdurch soll die digitale Nachhaltigkeit (bestehender und künftiger Fahrzeuggenerationen) sowie eine effektive Datennutzung und innovative Anwendungsfälle über den gesamten Lebenszyklus des Fahrzeugs hinweg ermöglicht werden (Re-Deployment).
von: 1 August 2021
bis: 31 Juli 2024
Finanzierung: Bundesministerium für Wirtschaft und Klimaschutz
Robert Bosch GmbH, Mercedes Benz AG, ZF Friedrichshafen AG, ETAS GmbH, P3 digital services GmbH, T Systems International GmbH, Vector Informatik GmbH, BooleWorks GmbH, FZI Forschungszentrum Informatik, FKFS - Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart, Universität Stuttgart, e-mobil BW GmbH
Betriebliche Informationssysteme, Angewandte Technisch-Kognitive Systeme
SofDCar (Maschinelles Lernen, Geschäftsprozessmodellierung, Geschäftsprozessanalyse, Deep Learning, Künstliche Intelligenz, Data Science, Process Mining)
article
Ferdinand Mütsch
From Model-Based to Data-Driven Simulation: Challenges and Trends in Autonomous Driving
-, 2023
(Details)
↑ top