Van de automotive industrie wordt verwacht dat het steeds afhankelijker wordt van data, kunstmatige intelligentie (AI) en andere technologieën. De sector heeft ook al geprofiteerd van bepaalde technologieën. Sommige auto’s voelen immers al als rijdende computers aan, terwijl bijvoorbeeld ook professionele motorwedstrijden meer gebruikmaken van data-analyse. De komende jaren worden nog eens extra stappen voorwaarts verwacht. We spraken erover met Christian Ott, Director Solution Engineering Global Automotive bij NetApp.
Wanneer we het hebben over de rol van technologie in de automotive industrie, dan vallen daar meerdere zaken onder. Natuurlijk gaat het om normale auto’s, waarvan men op termijn verwacht dat ze volledig zelfstandig kunnen rijden. Maar technologie kan ook veel betekenen in het ontwerp- en productieproces van de auto’s, door fabrieken slim te maken.
Het kan gerust nog meer dan tien jaar duren tot de automotive-industrie de grote potentie van IT-diensten benut. Er moet immers nog genoeg gebeuren.
Rol van een IT-leverancier
Om de sector verder te helpen zullen verschillende IT-leveranciers op zoveel mogelijk plekken diensten leveren. NetApp is een van deze spelers. Het is gespecialiseerd in storage, data services en kunstmatige intelligentie (AI). Het kan met zijn producten en diensten de juiste data-infrastructuur opzetten. Omdat dit steeds relevanter wordt voor de automotive industrie, heeft NetApp een speciaal team opgezet dat de connectie legt tussen technologie en de industrie.
De technologieën van het bedrijf bieden de mogelijkheid om een data pipeline op te zetten. Simpel gezegd zorg je met deze pipeline ervoor dat data van het ene punt bij het andere komt. Denk hierbij aan informatie uit een auto overbrengen naar een garage. Dit moet gestructureerd en met bepaalde processen verlopen. Op die manier kan de garage, om even bij dit voorbeeld te blijven, ook daadwerkelijk wat met de gegevens doen.
Tip: NetApp zet in op simpelere storage- en datadiensten voor multicloud
Een ander voorbeeld wat NetApp bereikt in de automotive industrie vinden we in professionele motorwedstrijden. Op dit vlak heeft de IT-leverancier een samenwerking met motorfabrikant Ducati. Tientallen sensoren op de motor verzamelen data, waarvoor NetApp dus als het ware de basis infrastructuur biedt. Door deze infrastructuur is het mogelijk om in real-time de gegevens van de sensoren te verwerken. Vervolgens kan de relevante informatie getoond worden aan de coureur en het team erachter, zodat zij beter beslissingen kunnen nemen op basis van de data.
Dergelijke toepassingen tonen aan dat technologie steeds relevanter wordt in de automotive industrie. Uiteindelijk zijn veel verschillende technologieën nodig, om de gehele automotive industrie te ondersteunen en verder te brengen. Sterke GPU’s voor het ondersteunen van beeldanalyse zijn bijvoorbeeld ontzettend belangrijk, maar ook sterke netwerkverbindingen zijn noodzakelijk.
Kunstmatige intelligentie als ondersteuning
Over het algemeen wordt verwacht dat het verder brengen van de automotive sector vooral gaat gebeuren door progressie in kunstmatige intelligentie. Ook Ott ziet dit als een belangrijke technologische ontwikkeling. Alle voertuigen, of het nou gaat om een vrachtwagen of een legervoertuig, lijken immers steeds meer ‘data-driven’ te worden. Ze generen in de toekomst ontzettend veel data en videobeelden. Deze moeten allemaal geanalyseerd worden, om in een splitsecond een besluit te nemen. Het lijkt alleen mogelijk om dit met AI te doen.
Kanttekening hierbij is dat kunstmatige intelligentie een verzamelbegrip is voor meerdere vormen van data-analyse. Machine learning is de vorm die algoritmes inzet om onder meer werkwijzen en methodes te verbeteren. Een veiligheidssysteem in een auto dat machine learning toepast, herkent bijvoorbeeld slecht gedrag van de bestuurder om met aanbevelingen te komen. Daarnaast zijn er vormen als deep learning en predictive analytics. Bij deep learning worden neurale netwerken ingezet om data te verwerken, er van te leren en tot nieuwe inzichten te komen. Hierdoor kunnen verbindingen worden gelegd die professionals met manuele analyse soms niet zien. Predictive analytics combineert vervolgens deep learning met machine learning, om aankomende gebeurtenissen te voorspellen. Het kan proactief besluiten nemen en daarmee menselijk werk overnemen. Een cruciaal element om echte autonome auto’s te realiseren.
Tip: NetApp zet met Project Astra zijn Kubernetes-visie uiteen
Wanneer we deze AI-vormen in het achterhoofd nemen, zijn er momenteel twee AI-toepassingen waar volgens Ott momenteel veel hype rondom is. Dat is logischerwijs autonoom rijden, waarbij veel datapunten en videobeelden verzameld worden. Het is onmogelijk om handmatige al deze informatie te analyseren. Daar is echt kunstmatige intelligentie voor nodig. Ook ziet Ott AI op de werkvloer als een relevante ontwikkeling. Hiermee doelt hij onder meer op het gebruiken van informatie bij het ontwikkelen van een auto. Het betekent bijvoorbeeld een ‘end-to-end verbinding’ van een endpoint van een klant tot aan de werkplaats waar de auto geproduceerd wordt. Deze vorm van data-driven worden werkt vervolgens door in de hele keten, door ook op een dergelijke manier verbonden te raken met alle leveranciers. Door deze connectie kan er meer ingespeeld worden op de wensen van de klant.
Wat is er nodig voor verdere automatisering?
Data heeft dus alles in zich om de drijvende kracht te worden achter de automotive industrie. Toch blijft het lastig te voorspellen wanneer toepassingen als autonoom rijden en slimmere fabrieken echt massa-adoptie kennen. Het is realistisch om te denken dat technologie de komende tijd verder door gaat dringen in de automotive sector, maar dat echt autonoom rijden op grote schaal wellicht nog meer dan tien jaar op zich laat wachten. Er moeten immers meerdere obstakels getackeld worden voor de massa-adoptie, zoals goedkeuring van autoriteiten, het vertrouwen in AI vergroten en de wil van mensen om überhaupt te switchen van zelf autorijden naar autonoom rijden.
NetApp deelde met ons dan ook wat cijfers over hoe automotive er in de toekomst precies uitziet. Het bedrijf spreekt hierbij over het bereiken van ‘level 5 autonomy’, wat volledig zelfstandig rijden betekent. Naar verwachting zal in 2023 bijna zeven op de tien van de verkochte passagiersvoertuigen verbonden zijn met externe datadiensten. Daarnaast zullen zelfrijdende auto’s bij acht uur gebruik naar schatting zo’n 40 TB aan data creëren. Een positieve ontwikkeling die van zelfrijdende auto’s verwacht wordt: op termijn kan het aantal verkeersdoden met 90 procent afnemen. Kunstmatige intelligentie kan er tevens voor zorgen dat de onderhoudskosten jaarlijks met 10 procent worden teruggedrongen.
De potentie van technologie in de automotive sector is wat dat betreft duidelijk. De afgelopen jaren is technologie op verschillende manieren toegepast binnen de industrie. Naar verwachting gaat dat nog meer gebeuren, zodat een aantal nieuwe use cases gerealiseerd worden.