Carsharing-Anbieter geben ihre Fahrzeuge in fremde H\u00e4nde. Was die Kunden mit den Fahrzeugen machen, k\u00f6nnen die Verleiher oft nicht nachvollziehen. Fahren sie vorsichtig oder haben sie einen Bleifu\u00df? Sind sie offroad unterwegs, obwohl das laut Vertrag verboten ist? Hat ein Fahrer aus Versehen die Batterie komplett entladen, sodass beim n\u00e4chsten Kunden das Fahrzeug nicht mehr anspringt? Bisher sind solche Analysen aus der Ferne entweder sehr zeitaufwendig, nur durch Mitwirken des Kunden durchf\u00fchrbar oder schlicht nicht m\u00f6glich. Eine Forschergruppe der Uni Siegen kooperiert mit dem Weltmarktf\u00fchrer f\u00fcr Carsharing-Systeme INVERS aus Netphen, um in Zukunft herstellerunabh\u00e4ngig solche Analysen, St\u00f6r- und Unfallmeldungen m\u00f6glich zu machen. Das spart nicht nur Zeit und Geld, sondern k\u00f6nnte vor allem dazu f\u00fchren, dass durch verbesserte Verf\u00fcgbarkeit und besseren Service Kunden Carsharing st\u00e4rker akzeptieren. Das Projekt LEICAR (Lernbasierte multimodale Interpretation von Sensordaten zur Ereigniserkennung in Carsharing-Flotten) l\u00e4uft seit April 2016 f\u00fcr drei Jahre. Das Bundesministerium f\u00fcr Bildung und Forschung f\u00f6rdert das Gesamtprojekt mit insgesamt 572.000 Euro.<\/p>\n
Wenn ein Fahrzeug f\u00e4hrt, senden je nach Ausstattung bis zu 60 Steuerger\u00e4te Daten \u00fcber ein internes Netzwerk, zum Beispiel den Kilometer- oder den Tankf\u00fcllstand. Das Problem: Jeder Hersteller hat seine eigene Darstellungsform f\u00fcr diese Daten, die unter Umst\u00e4nden bei jedem Fahrzeugmodell unterschiedlich ist. Zeichnet man die Kommunikation im Netzwerk auf, sieht man nur Seiten voller wirrer Zahlen. Experten der Firma INVERS m\u00fcssen zurzeit die Darstellungsform der Daten aufwendig analysieren, und das f\u00fcr jedes Modell. \u201eDas kostet nicht nur Zeit, sondern erfordert derzeit auch immer einen Spezialisten mit viel Erfahrung vor Ort bei dem jeweiligen Fahrzeug, um die Verl\u00e4sslichkeit sicherzustellen\u201c, erkl\u00e4rt Alexander Kordes, wissenschaftlicher Mitarbeiter im Forschungsteam. Bisher gibt es kein Analyse-Instrument, das sich herstellerunabh\u00e4ngig und ohne gro\u00dfen Aufwand auf jedes Fahrzeug anwenden l\u00e4sst. Das kann zum Beispiel dazu f\u00fchren, dass ein Kunde eines Carsharing Anbieters ein Fahrzeug bucht, von dem nicht bekannt war, dass es defekt ist, und nun so unzufrieden ist, dass er den Anbieter in Zukunft nicht mehr nutzen m\u00f6chte.<\/p>\n
INVERS entwickelt gemeinsam mit Forscher*innen der Uni Siegen einen Bordkoffer, den sie Carsharing-Betreibern auf der ganzen Welt zur Verf\u00fcgung stellen wollen. Der Koffer besteht zun\u00e4chst aus einem Tablet, GPS-Ortung und zwei Kameras. \u00dcber den Diagnosestecker, den auch Werkst\u00e4tten benutzen, schlie\u00dft ein Techniker oder Mechaniker das Fahrzeug an das Tablet an. Danach erscheinen auf dem Tablet Anweisungen in Form von Sequenzen: \u201e\u00d6ffnen Sie die T\u00fcr\u201c, \u201eBet\u00e4tigen Sie das Gaspedal\u201c. F\u00fcr jede Aktion misst die Software die Fahrzeugdaten, filmt, was passiert, und ortet das Fahrzeug. Diese Daten werden zu INVERS \u00fcbertragen und automatisch analysiert. Das Ergebnis wird in die Carsharing-Hardware, in Form eines fest verbauten und von INVERS entwickelten Bordcomputers der entsprechenden Modelle gesendet. Das jeweilige Fahrzeugmodell soll auf den INVERS Bordcomputer angelernt werden. F\u00fcr jedes Fahrzeugmodell m\u00fcssen die Unternehmen diese Analyse nur einmal durchf\u00fchren. \u201eDas dauert statt eines ganzen Tages wie bisher nur noch ein paar Stunden\u201c, sagt Uwe Latsch, Technischer Gesch\u00e4ftsf\u00fchrer von INVERS und Koordinator des Forschungsprojekts. So k\u00f6nnen die Betreiber in kurzer Zeit alle Fahrzeugmodelle ihrer Flotte analysieren. Der INVERS- Bordcomputer kommt bereits in 20 L\u00e4ndern in mehr als 50.000 zum Carsharing ausger\u00fcsteten Fahrzeugen zum Einsatz. In einem weiteren Schritt soll der Bordcomputer bemerken, ob Werte und Muster von der Norm abweichen. So k\u00f6nnen sp\u00e4ter automatisch St\u00f6rungen an den Betreiber gemeldet werden. Damit k\u00f6nnen die Betreiber sicherstellen, dass sie den Kunden nur gut funktionierende Fahrzeuge zur Verf\u00fcgung stellen und die Kunden zufrieden mit dem Service sind. \u201eDie Kunden profitieren von der Software. Die Fahrzeuge werden besser gewartet, St\u00f6rungen k\u00f6nnen so im besten Fall vermieden werden\u201c, sagt Uwe Latsch.<\/p>\n
Damit der Bordkoffer zuverl\u00e4ssig funktioniert, bringt das Forschungsteam sich momentan auf den Wissensstand der Fahrzeughersteller. Sie vergleichen Kurven und Muster, um die Kommunikation der Sensoren zwischen den Steuerger\u00e4ten automatisiert anlernen und analysieren zu k\u00f6nnen. Diese Erkenntnisse nutzt sp\u00e4ter die Software. Die Wissenschaftler*innen gehen aber einen Schritt weiter. Sie wollen vor allem die Daten nutzen, die im Fahrzeug f\u00fcr einen ganz anderen Zweck verwendet werden. Mit Hilfe der Sensoren f\u00fcr die einzelnen Radumlaufgeschwindigkeiten kann zum Beispiel erkannt werden, auf welchem Untergrund ein Fahrzeug f\u00e4hrt. Dadurch soll die Software sp\u00e4ter merken, ob ein Fahrer verbotenerweise auf unbefestigten Wegen unterwegs ist.<\/p>\n
In der Forschungsphase benutzen die Wissenschaftler*innen eigene oder angemietete Testfahrzeuge. Wenn der Bordcomputer sp\u00e4ter ein Fahrzeug analysiert, w\u00e4hrend ein Kunde es benutzt, muss der Datenschutz beachtet werden. \u201eUns ist ganz wichtig, dass die erhobenen Daten gesichert sind und nicht an Dritte weitergegeben werden. Nur w\u00e4hrend der Anlernphase durch einen Techniker werden alle erhobenen Daten an INVERS versendet\u201c, erkl\u00e4rt Kordes. Wird danach zum Beispiel das Fahrverhalten eines Kunden automatisiert ermittelt, werden die Daten ausschlie\u00dflich innerhalb des Bordcomputers verarbeitet, die nach der Fahrt einen Scoringwert (zum Beispiel eine Zahl zwischen eins und zehn) an den Carsharing-Anbieter versendet, und das nur mit Zustimmung des Fahrers. Die Betreiber k\u00f6nnen so zum Beispiel den Fahrstil der Kunden analysieren und vorsichtige Fahrer mit Rabatten belohnen. Anhand der Fahrzeugdaten k\u00f6nnten Carsharing-Betreiber auch auf das Stresslevel des Fahrers schlie\u00dfen. Das k\u00f6nnte Anreiz geben, sich auf der Stra\u00dfe r\u00fccksichtsvoller zu verhalten, was im Endeffekt Unf\u00e4lle vermeiden kann. Im Moment ist das Zukunftsmusik, aber mithilfe der Forscher*innen vielleicht bald m\u00f6glich.<\/p>\n