Wie die BMW Group KI für positive Anwendungsfälle und zur Verbesserung der Nachhaltigkeit einsetzt | AWS re:Invent

Schauen Sie sich die On-Demand-Sessions vom Low-Code/No-Code Summit an, um zu erfahren, wie Sie erfolgreich innovativ sein und die Effizienz steigern können, indem Sie Citizen Developer verbessern und skalieren. Jetzt ansehen em>.

Künstliche Intelligenz (KI) hilft vielen verschiedenen Branchen und hat einen besonders starken Einfluss auf die Automobilindustrie. Einer der spannendsten Anwendungsfälle sind vollständig autonome Fahrzeuge, aber das ist nicht der einzige Bereich, in dem KI Auswirkungen hat. Beispielsweise arbeiten Microsoft und Mercedes-Benz gemeinsam daran, die Effizienz der Automobilproduktion zu verbessern.

Auf der AWS re:Invent Cloud-Konferenz in dieser Woche beschrieb die BMW Group die Auswirkungen, die KI auf ihre Organisation hatte, und detailliert auftauchende Anwendungsfälle, in denen KI zukünftige Ergebnisse positiv vorantreiben wird.

Während einer Sitzung sagte Marco Görgmaier, GM, Data Transformation and Artificial Intelligence, BMW Group, sein Team habe eine Bibliothek mit Tausenden von Datenbeständen im gesamten Unternehmen aufgebaut, die für Analysen und KI wiederverwendet werden können. Seit 2019, sagte er, konnte sein Team über 800 Anwendungsfälle liefern, die über 1 Milliarde US-Dollar eingebracht haben. Anwendungsfälle umfassen Forschung und Entwicklung, Logistik, Vertrieb, Qualität und Lieferantennetzwerk.

"Die Vision und Mission unseres Teams ist es, die Unternehmenswertschöpfung durch den Einsatz von KI in unserer gesamten Wertschöpfungskette voranzutreiben und auszubauen", sagte Görgmaier. Vorfall

Smart Security Summit

Erfahren Sie am 8. Dezember mehr über die wesentliche Rolle von KI und ML in der Cybersicherheit und branchenspezifische Fallstudien. Melden Sie sich noch heute für Ihren kostenlosen Pass an.

Jetzt registrieren

Ein aufstrebender Bereich, in den BMW jetzt Ressourcen investiert, ist die Verbesserung der Nachhaltigkeit.

Görgmaier sagte, dass 60 % der Weltbevölkerung in Städten und urbanen Gebieten leben und dort auch 70 % der Treibhausgasemissionen entstehen. Was BMW jetzt versucht, ist, Stadtplanern bei der Lösung von Problemen zu helfen, um Emissionen zu reduzieren.

BMW hilft bereits mit maschinellen Lernmodellen, die vorhersagen können, wie Straßenverkehrsvorschriften potenziell dazu beitragen können, sowohl den Verkehr als auch die Kraftstoffemissionen zu reduzieren. ML-Modelle werden auch verwendet, um zu erkennen, wo die Ladeinfrastruktur für Elektrofahrzeuge noch nicht ausreicht. Görgmaier sagte, dass die fehlende Ladeinfrastruktur die Menschen daran hindere, auf ein Elektrofahrzeug umzusteigen, was sich auf die Nachhaltigkeit auswirkt.

Es gibt auch Bemühungen von BMW ML, die Auswirkungen der Verfügbarkeit von Parkplätzen und der Preisgestaltung auf die Fahrgewohnheiten vorherzusagen. Zu diesen Mustern gehören Pendeln und Verkehr, was sich ebenfalls auf die Emissionen auswirkt.

Görgmaier sagte, dass viele der städtischen Nachhaltigkeitsprobleme, die BMW zu lösen versucht, von Geoinformationen profitieren können. Hier beginnt BMW mit der Nutzung der neuen Geodatenfunktionen der Amazon SageMaker ML-Suite von Tools, die erst diese Woche öffentlich vorgestellt wurden.

Einer der Bereiche, in denen BMW Geodaten-ML nutzen möchte, ist die Unterstützung bei der Vorhersage, wann ein Unternehmen mit einer Fahrzeugflotte auf Elektrofahrzeuge umsteigen kann.

"Wir wollten maschinelle Lernmodelle trainieren, um die Korrelationen zwischen Motortyp und Fahrprofilen zu lernen", sagte er. „Die Logik dahinter war, dass, wenn eine solche Korrelation existierte, das Modell lernen könnte, die Affinität bestimmter Fahrer zu einem Elektrofahrzeug basierend auf ihren Profilen vorherzusagen.“

Da BMW auf Flottenebene mit vollständig anonymisierten Daten arbeitete, musste es GPS-Tracks und Geodaten verwenden, um die Korrelationen herzustellen.

"Am Ende des Trainings konnte das Modell die Wahrscheinlichkeit der Umstellung bestimmter Flotten auf Elektrofahrzeuge mit einer Genauigkeit von über 80 % vorhersagen", so Görgmaier.

...