Für die meisten von uns ist Autofahren eine Selbstverständlichkeit: eine Reihe automatischer Entscheidungen. Um die KI für das autonome Fahren zu trainieren, damit sie dieselben Entscheidungen sogar eine Zehntelsekunde schneller treffen und das Fahren möglicherweise sicherer machen kann, sind Petabytes an Daten erforderlich.
Laut der World Health Organization (WHO) (Link befindet sich außerhalb von ibm.com) sterben jährlich etwa 1,35 Millionen Menschen bei Straßenunfällen und weitere 50 Millionen werden verletzt. Um dieses Risiko zu mindern, verlangt die EU nun, dass bis 2030 selbstfahrende Fahrzeuge verfügbar sind. Das Rennen um den besten technologischen Weg zum vollautonomen Fahren hat begonnen.
„Fortgeschrittene Fahrer-Assistenzsysteme reagieren schneller als Fahrer in kritischen Unfallszenarien“, sagt Robert Thiel, Head of Artificial Intelligence, Advanced Driver Assistance Systems (ADAS) bei Continental. „Dies kann erreicht werden, indem man einer KI mit Tonnen von Daten beibringt, sicherer zu fahren als ein Mensch. Ein intelligentes Datenmanagement bedeutet also intelligente Fahrzeuge und gerettete Leben.“
Continental ist ein wichtiger Zulieferer von Automobilteilen für fast alle Automobilhersteller der Welt und führend im Bereich der autonomen Fahrintelligenz. Der Geschäftsbereich ADAS begann vor mehr als 20 Jahren mit der Entwicklung intelligenter Sensoren und datengesteuerter Verkehrssicherheitslösungen und arbeitet seither daran, die Entwicklungsgeschwindigkeit durch Deep Learning und das Training künstlicher neuronaler Netze zu erhöhen. Das Ziel des Vision Zero-Projekts von Continental ist es, durch die Entwicklung von ADAS-Technologien die Zahl der Verkehrstoten nahezu zu eliminieren.
Lebenslange innovationen
Continental verschiebt seit 150 Jahren die Grenzen der Automobilinnovation
Verbesserte Trainingseffizienz
Continental verbesserte die KI-Trainingszeit mithilfe von IBM Spectrum Scale- und NVIDIA DGX-Systemen um 70 %
Verbesserte Funktionen
Continental ist in der Lage, mindestens 14x mehr Deep-Learning-Experimente pro Monat zur gleichen Zeit durchzuführen
Eine der größten Herausforderungen der Automobilindustrie im Zusammenhang mit dem autonomen Fahren besteht darin, Daten auf der ganzen Welt zu verwalten und diese Daten dort zu verwenden, wo sie benötigt werden. Im Rahmen der ADAS Vision Zero-Initiative von Continental wird eine mit Sensoren ausgestattete Testflotte eingesetzt, die täglich 15.000 Kilometer zurücklegt und dabei über 100 TB an Daten generiert und aufzeichnet. Diese Daten werden dann aufgenommen, verarbeitet, ausgewählt, bewertet und kommentiert und für das Training und die Validierung des Systems verwendet.
Um zu erkennen, was in einem bestimmten Szenario passiert, und um Entscheidungen zur sicheren Steuerung des Fahrzeugs treffen zu können, verwendet das Team NVIDIA DGX-Systeme (Link befindet sich außerhalb von ibm.com) für Training und Validierung. Um die Entwicklung der KI zu beschleunigen und die Markteinführungszeit zu verkürzen, benötigt Continental leistungsstarke KI-Verarbeitung und Datenzugriff sowie eine leistungsstarke Speicherlösung, um Hunderttausende von Bildern pro Sekunde mit NVIDIA GPU-Computing zu analysieren.
Die ADAS-Lösungen von Continental können Fahrer bei vielen typischen Fahraufgaben unterstützen und sogar die Kontrolle über das Fahrzeug übernehmen, um einen Unfall zu vermeiden. Doch mit der zunehmenden Automatisierung der Fahrerassistenz- und Fahrzeugsicherheitssysteme wuchs die Komplexität der Software ebenso wie die Zahl der Sicherheitsanforderungen in verschiedenen Regionen. Continental erkannte, dass es an der Zeit war, sowohl seine Technologie als auch seine Teams zu skalieren, um eine global skalierbare KI-Lösung zu entwickeln. Der Bedarf an parallelem Datenzugriff bedeutete auch, dass man sich einer wachsenden Herausforderung im Datenmanagement stellen musste.
Continental benötigte ein leistungsstarkes paralleles Dateisystem, um die Hochgeschwindigkeitsanforderungen von KI zu erfüllen und sensible Daten zu schützen. Gleichzeitig musste ein zentraler Ort für die Datenspeicherung geschaffen und die Rückverfolgbarkeit verbessert werden, der Entwicklern viele Möglichkeiten für eine sichere Verbindung bietet.
Continental wusste, dass es an der Zeit war, die Leistung mit einer skalierbaren Deep-Learning-Infrastruktur und einem Speicher, der mit einem Hochgeschwindigkeitsnetzwerk verbunden ist, zu steigern. Diese Lösung musste schnellen Zufallszugriff, Supportprotokolle wie Server Message Block (SMB) und Amazon Simple Storage Service (S3) sowie verschiedene Zugriffsverwaltungsoptionen bieten.
„GPUs sind heute so schnell, dass Standardspeicher mit der Rechenleistung nicht Schritt halten können“, sagt David Enenkel, Head of IT Operations, ADAS, bei Continental. „Deshalb suchten wir nach etwas Schnellerem, etwas, das uns wirklich die Bandbreite und auch den Direktzugriff bietet, die wir brauchen.“
Continental führte umfassende Tests durch und bewertete, wie gut jede der Top-Speicherlösungen ihre Ziele erreichte. Um die Leistung von IBM ESS zu messen, arbeitete Continental mit dem IBM Business Partner SVA System Vertrieb Alexander GmbH zusammen. Man fand heraus, dass die IBM Spectrum Storage for Data and AI with NVIDIA DGX-Lösung die erforderliche Leistung und verschiedene andere Vorteile bot. Die „parallele“ Hochleistungsarchitektur und die einfach zu skalierende Knotenbereitstellung der Lösung lieferten die erforderliche KI-Infrastruktur mit der Ausfallsicherheit und Skalierbarkeit, die Continental in Zukunft benötigt.
Die Flexibilität und nahtlose Integration von IBM Storage in Kubernetes-Container ermöglichte Continental die Modernisierung seiner Anwendungsentwicklung, ohne dass Infrastrukturanforderungen wie Leistung, Skalierbarkeit oder Einfachheit eingebußt wurden. Die IBM Spectrum Scale-Lösung stellte sicher, dass ihre Infrastruktur das erforderliche Wachstum unterstützt, sei es in der Cloud oder On-Premises. IBM verfügt über weitreichende Erfahrungen in der Automobilindustrie, die auch bei der Entscheidung von Continental eine Rolle spielten.
Mit der neuen Lösung war Continental in der Lage, Deep Learning mit Multi-Node-Training zu optimieren und so die Modellgenauigkeit für ein höheres Maß an Sicherheit zu erhöhen, ohne die Zeit bis zur Produktion zu beeinträchtigen. Continental skalierte auf einen DGX-Cluster, um 14-mal mehr Experimente pro Monat zu bewältigen, mit der Möglichkeit, Millionen von Permutationen von Umgebungsbedingungen – wie Regen, Schnee, Sonnenlicht und Wolken – oder Transienten – wie Autos, die sich während eines Spurwechsels zu nahe beieinander bewegen – zu testen.
Mit den Leistungsverbesserungen, der Flexibilität und der Skalierbarkeit der neuen IBM Datenmanagementlösung zur Unterstützung einer sich entwickelnden KI-Infrastruktur ist Continental auf dem besten Weg, die Zukunft der Mobilität zu verändern.
„In Bezug auf Sicherheitsanforderungen könnten wir keines der heutigen Systeme verkaufen, ohne die Möglichkeit, riesige Datensätze zu validieren – Millionen von Kilometern oder Dutzende von Petabytes –, die regelmäßig verarbeitet, neu simuliert und gesammelt werden und für die eine Art von KPIs generiert wird“, sagt Thiel.
„Dank unserer neuen Infrastruktur können wir jetzt 20, 40 oder 80 GPUs gleichzeitig laufen lassen, um unser Training zu beschleunigen“, sagt Balazs Lorand, PhD, Leiter des AI Competence Centre, ADAS@Budapest, bei Continental. „Wir sind stolz darauf, mehrere Herausforderungen gelöst zu haben“, fährt er fort. Mit dieser neuen Infrastruktur erreicht Continental 14 Mal mehr Deep-Learning-Experimente pro Monat und hat die Trainingszeit von Wochen auf Tage reduziert. Es hat die Effizienz des Entwicklungslebenszyklus drastisch erhöht, da es nun mehr Experimente durchführen und seine Kubernetes-Umgebung nahtlos anschließen kann. Und die Lösung ist flexibel genug, um Wachstum in jede Richtung zu unterstützen – in containerisierten Hybrid-Cloud-Umgebungen, On-Premises und in mehreren Rechenzentren.
Continental hat eine komplett neue Infrastruktur im Frankfurter KI-fähigen Rechenzentrum von Equinix (Link befindet sich außerhalb von ibm.com), einem globalen Anbieter von Colocation-Infrastruktur, aufgebaut. Continental implementierte mit der Unterstützung von SVA die Gesamtintegration der Speicherlösung im Cluster, einschließlich Installation, Bereitstellung, Konfiguration, Inbetriebnahme und Schulung für Betrieb sowie Verwaltung.
Diese neue Lösung umfasst einen Multimode-GPU-Cluster, eine nicht blockierende InfiniBand-Netzwerkinfrastruktur, IBM ESS mit schnellen NVMe-Laufwerken (Non-Volatile Memory Express), NVIDIA DGX-Systeme und NVIDIA V100 Tensor Core-GPUs. Continental nutzt auch die IBM Spectrum Scale Software mit ihrer Kubernetes-Umgebung für die moderne Anwendungsentwicklung.
„Um die Anforderungen einer Fünf-Sterne-Bewertung mit Euro NCAP zu erfüllen, müssen Sie weiterhin intelligentere Produkte entwickeln. Es ist also sehr, sehr wichtig, solche Datenumgebungen einzurichten, und ich bin sehr froh, dass wir das im letzten Jahr getan haben“, sagt Enenkel.
Diese Verbesserungen führen zu einer starken Wettbewerbsposition für Continental und ermöglichen es dem Unternehmen, die Entwicklung neuer, sicherer Lösungen für das autonome Fahren schneller als je zuvor voranzutreiben.
Continental (Link befindet sich außerhalb von ibm.com) entwickelt wegweisende Technologien und Dienstleistungen für eine nachhaltige und vernetzte Mobilität von Menschen und ihren Gütern. Das 1871 gegründete Technologieunternehmen bietet sichere, effiziente, intelligente und erschwingliche Lösungen für Fahrzeuge, Maschinen, Verkehr und Transport.
Der Bereich für autonome Mobilität und Sicherheit entwickelt und produziert integrierte aktive und passive Fahrsicherheitstechnologien sowie Produkte, die die Fahrzeugdynamik unterstützen.
Der IBM Business Partner SVA ist ein führender deutscher Systemintegrator mit 23 Niederlassungen in Deutschland. SVA konzentriert sich auf die Kombination hochwertiger IT-Produkte mit Projektwissen und Flexibilität, um optimale Lösungen in den Bereichen Rechenzentrumsinfrastruktur, Business Continuity, Big Data, IT-Sicherheit und Cloud zu erzielen.
Rechtshinweise
© Copyright IBM Corporation 2021. IBM Corporation, IBM Storage, New Orchard Road, Armonk, NY 10504, USA
Hergestellt in den Vereinigten Staaten von Amerika, Januar 2021.
IBM, das IBM Logo, ibm.com, IBM Elastic Storage und IBM Spectrum sind Marken der International Business Machines Corp. und in vielen Ländern weltweit eingetragen. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Webseite „Copyright- und Markeninformationen“ unter www.ibm.com/de-de/legal/copyright-trademark.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Die genannten Leistungsdaten und Kundenbeispiele dienen ausschließlich zur Veranschaulichung. Tatsächliche Leistungsergebnisse hängen von den jeweiligen Konfigurationen und Betriebsbedingungen ab. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.
Die tatsächlich verfügbare Speicherkapazität kann sowohl für nicht komprimierte als auch für komprimierte Daten angegeben werden und kann variieren und geringer sein als angegeben.