MASTERSTUDIENGANG AUTONOMES FAHREN (M.ENG.) BERUFSBEGLEITEND

1. Future Mobility

1.1 Einführung in die Längs- und Querdynamik von Fahrzeugen

1.2 Zusammenspiel von Fahrzeug und Umfeld - Grundlagen der Verkehrsmodellierung & Mobilitätskonzepte

1.3 Assistenzsysteme zur Beherrschung der Verkehrskomplexität

1.4 Rechtliche Rahmenbedingungen bei Automatisierungs- und Autonomisierungsfunktionen

1.5 Zukünftige Mobilitätskonzepte – Ausblick in Konzepte und Geschäftsmodelle

2. Grundlagen Regelungstechnik / Simulationsmethoden

2.1 Überblick über den Entwurf und die Modellierung technischer Systeme

2.2 Beschreibung des dynamischen Verhaltens kontinuierlicher Systeme durch Blockdiagramme und deren Analyse im Zeit- und Frequenzbereich

2.3 Eigenschaften von Regel- und Steueralgorithmen, Stabilitätsanalyse, wichtige Entwurfsverfahren für PID-artige Regler (Nyquist-Verfahren, Pol-/Nullstellenkompensation)

2.4 Zustandsdarstellung linearer Systeme. Steuer- und Beobachtbarkeit

2.5 Einführung in den Entwurf von Zustandsreglern und den Luenberger Beobachter

2.6 Nichtlineare Regelungen: Methoden der Linearisierung, Stabilität

2.7 Entwurfs- und Simulationswerkzeug MATLAB/Simulink

1. Mathematische Grundlagen

1.1 Grundlagen der Wahrscheinlichkeitsrechnung (bedingte Wahrscheinlichkeiten, Bayes’scher WK-Begriff, Erwartungswert, Varianz, Kovarianz, Korrelation)

1.2 Zufallsprozesse/Zeitreihen, insbesondere Markov-Ketten

1.3 Erstes Kennenlernen von einfachen Filtern, insbesondere Kalman-Filter und Ausblick auf Erweiterungen

1.4 Mathematische Methoden der Regelungstechnik: Fourier-/Laplace-Transformationen, Sprung-/Impulsantwort

2. Programmiertechnische Grundlagen

2.1 Programmiertools und -umgebungen

2.2 Datentypen für Zahlen, Strings, Listen, Mengen

2.3 Objektorientierte Programmierung mit Klassen

2.4 Funktional Programmieren mit Lambda-Ausdrücken und map/filter/reduce

2.5 Numerische Berechnungen

2.6 Daten aufbereiten und Grafiken erstellen

1. Sensoren
2. System on Chip
3. Embedded Systems
4. Cyber Physical Systems
5. Modellierung

1. Sharing & Mobility as a Service
2. Fleets – Serving Mobility Needs
3. Public Transit
4. Urban logistics
5. Digital Business- and Cooperation models
6. Legal Aspects
7. Designing Mobility Services
8. New Mobility & the city

1. Bahnkurvendefinition und Bahnfolgeregelung

1.1 Laborprojekt Mini-Auto-Drive

• Systemübersicht
• Softwarearchitektur

1.2 Robot Operating System (ROS)

• Funktionsmerkmale
• Installation
• Softwareentwicklung

1.3 Signale und Systeme

• Modellierung und Simulation dynamischer Systeme mit ROS, C++ oder MATLAB/Simulink

1.4 Fahrdynamikmodellierung und –simulation

• Längsdynamik- und Einspurmodelle
• Simulation in ROS, C++ oder MATLAB/Simulink

1.5 Geschwindigkeitsregelung

• frequenzkennlinienbasierter Reglerentwurf
• Entwicklung in ROS, C++ oder MATLAB/Simulink

1.6 Bahnkurvendefinition

• Frenetsche Formeln
• Kreisbögen, Geraden, Klothoiden
• kubische Splines
• Programmierung in ROS, C++ oder MATLAB/Simulink

1.7 Bahnfolgeregelung

• Führungssignalgenerierung
• Nichtlinearer Zustandsregler
• Nichtlineare Vorsteuerung
• Programmierung in ROS, C++ oder MATLAB/Simulink

2. Situationsanalyse und Navigation

2.1 Situationsanalyse

• Einordnung
• Verhaltenserkennung (Bayes, BNs, DL) und -prädiktion (kartenbasiert, ggf. Übersicht Fußgängerprädiktion)
• Bsp Erkennung Abbiegen

2.2 Navigation

• Einordnung
• Manövermanagement mit State Charts (Einführung Moore/Mealy, Bsp ACC, Harel Statecharts, Bsp KV)
• Grundlagen der Pfad- und Trajektorienplanung (Konfigurations- und Aktionsraum, Kollisionsprüfung, Zwangsbedingungen)
• Verfahren der Pfad- und Trajektorienplanung:

• • • Roadmap-basierte Planungsverfahren (Voronoi Diagramme)
    • Diskrete Suchverfahren (A*)
    • Beispiel Parken, Dubins
    • Monte-Carlo-Verfahren (RRT)
    • Potentialfelder
    • Verfahren der Optimal Steuerung

1. Einführung in die Digitale Ethik:

1.1 Definition

1.2 Aufgaben

1.3 Ziele

1.4 Anwendungsfelder

1.5 Ebenen (Mikro-, Meso- und Makroebene)

1.6 Ethische Ansätze und Argumentationen (Schwerpunkt auf narrativer Ethik)

1.7 Bedeutung digitaler Ethik in Organisationen und in Forschungsprojekten

1.8 Werteforschung und Wertekonflikte

2. Narrative Ethik: Das autonome Fahren im gesellschaftlichen und kulturwissenschaftlichen Kontext

2.1 Narrative Strategien und Werte in Geschichten über das automatisierte/autonome Fahren

2.2 Beleuchtung der 100-jährigen Geschichte selbststeuernder Fahrzeuge in medialen Zukunftsentwürfen: Besprechung von Fallbeispielen und Veränderungen im Zeitverlauf

2.3 Filmchronologische Diskursanalyse: Die KI außer Kontrolle vs. die KI als Freund Welche Chancen und Risiken sehen die Menschen, wenn sie sich mit intelligenten Maschinen konfrontiert sehen? Welche Imaginationen sind bislang in das kulturelle Wissen geflossen und haben die Erwartungen der Menschen geprägt? Welche Gestaltungselemente lassen sich aus den Kommunikaten ableiten?

3. Sensibilisierung für ethische Fragestellungen im autonomen Fahrzeug:

3.1 Das Autofahren zur Befriedigung individueller und sozialer Bedürfnisse

3.2 Gefährdete Privatsphäre

3.3 Das moralische Dilemma

3.4 Datensicherheit

3.5 Autonomie

3.6 Verantwortung und Schuld

3.7 Vertrauen

3.8 Kommunikation zwischen Mensch und Maschine

3.9 Fähigkeitserwerb des Fahrers

3.10 Privacy by Design & Gestaltungsfragen

3.11 Soziale Gerechtigkeit

4. Rechtliche Grundlagen

4.1 Das Straßenverkehrsgesetz vom 30.06.2017 (Überblick)

4.2 Exkurs: Rechtliche Methodenlehre (trad.)

4.3 Allgemein verkehrsrechtliche Vorschriften (§§ 1 ff. StVO, Gebot der Rücksichtnahme, Geschwindigkeit, sonstige Pflichten)

4.4 Zulassungsrechtliche Fragen (Fahrzeugzulassungsverordnung, § 1a StVG, Definition: Begriff d. Fahrzeugführers, Wiener Übereinkommen)

4.5 Verkehrsrechtliche Haftungsnormen (Fahrer- und Halterhaftung, §§ 7, 18 StVG)

4.6 Materiellrechtliche Anspruchsgrundlagen, allg. Schadensrecht (§ 823 BGB etc.)

4.7 Produzenten- und Produkthaftungsrecht (insbes. § 823 I u. II BGB, ProdHaftG etc.)

4.8 Haftungsüberleitung und Regress (insbes. §§ 113 ff. VVG)

4.9 „Roboterhaftung“

5. Die datenrechtliche Komponente

5.1 63a StVG (Überblick)

5.2 Die Grundvorgaben der DS-GVO (Art. 4 ff.: Begriffe, Grundsätze, Rechtmäßigkeit)

5.3 Die informierte Einwilligung als Rechtsprinzip? (Art. 6 Abs. 1, Art. 7 ff.)

5.4 Bedingungen (Form, Widerruf, Freiwilligkeit)

5.5 „Ausnahmen“ bzw. weitere Rechtmäßigkeitsgründe (Art. 6 Abs. 1 lit. b ff.)

5.6 Informationspflichten (Art. 12 ff.)

5.7 Betroffenenrechte (Auskunft, Berichtigung, Löschung, Einschränkung d. Verarbeitung, Datenübertragbarkeit, Art. 15 ff.)

5.8 Widerspruchsrecht/Beschränkungen (Art. 21 ff.)

5.9 Verantwortung für die Verarbeitung (Art. 24 ff.)

5.10 Datenschutz durch Technikgestaltung (Privacy by Design, Art. 25 Abs. 1)

5.11 Datenschutz durch Voreinstellungen (Privacy by Default, Art. 25 Abs. 2)

5.12 Die Regelungen der §§ 63a/b StVG im Einzelnen

5.13 Kritische Analyse unter Heranziehung daten- und grundrechtlicher Erwägungen

6. Recht und Ethik

6.1 Verantwortung und Verantwortlichkeit (des Systementwicklers/Herstellers)

6.2 Unternehmensbezogene Relevanz von Rechtskonformität (Marketing etc.)

6.3 Be- und Nachweisbarkeit von Rechtskonformität (Vertrauensproblematik)

1. Sensordatenfusion zeitvarianter und zeitinvarianter Größen

1.1 Datenfusion zeitinvarianter Größen

1.2 Zustandsraumbeschreibung zeitvarianter Größen

1.3 Klassisches und adaptives Kalman-Filter (ROSE-Filter)

1.4 Nichtlineare-Filter (Spezielle Gauß-Filter, Partikelfilter)

1.5 Erweitertes Kalman-Filter

2. SLAM: (Simultaneous) Localization and Mapping

2.1 Motivation Lokalisierung und Mapping für automatisiertes Fahren

2.2 Taxonomien

2.3 Problemstellung Feature based SLAM

2.4 SLAM und Kalman-Filter (z. B. EKF SLAM)

2.5 SLAM und Partikelfilter (z. B. FastSLAM)

2.6 Grid Mapping

1. Bearbeitung einer individuell festgelegten Aufgabenstellung aus dem thematischen Umfeld der Studieninhalte des Masterstudiengangs Autonomes Fahren. Die Ausarbeitung erfolgt zu Hause oder im Arbeitsumfeld.

Ggf. bieten wir als Alternative folgende Auswahlmöglichkeit an:

2. Bearbeitung einer Aufgabenstellung im Rahmen einer Blockveranstaltung (z.B. Projektwoche) oder im Rahmen einer Auslandsstudienwoche. Die genauen Themen und Aufgabenstellungen werden zusammen mit unseren Kooperationspartnern (z.B. Partnerhochschulen) während der Vorbereitungsphase abgestimmt.

1. Prof. Dr.-Ing. Nicolaj Stache:

1.1 Grundlagen des maschinellen Lernens, Überblick über klassische Verfahren, Begrifflichkeiten

1.2 Einführung in das Tooling für die Praxisphasen: Python, Jupyter Notebook, Python-Bibliotheken, Tensor-Flow

1.3 Praxisphase: klassische Verfahren des maschinellen Lernens

2. Prof. Dr. Oliver Wasenmüller:

2.1 Lineare Klassifikation

2.2 Optimierung

2.3 Neuronale Netzwerke

2.4 Rückpropagation

3. Prof. Dr.-Ing. Nicolaj Stache:

3.1 Vertiefung in das Tooling für die Praxisphasen: Numpy

3.2 Einführung in neuronale Netze, Inferenz, Training

3.3 Praxisphase: Neuronales Netz mit Numpy

3.4 Tiefe neuronale Netze

3.5 Praxisphase: Einführung in Tensorflow & Digit Recognition

3.6 Convolutional Neural Networks

3.7 Praxisphase: Verkehrszeichenklassifikation über Deep Learning

4. Prof. Dr. Oliver Wasenmüller:

4.1 Deep Learning Hardware & Software

4.2 Traning: Aktivierungsfunktionen, Datenvorverarbeitung, Gewichtsinitialisierung, Regularisierung, Lernrate, Batch Training, Hyperparamerer Optimierung

5. Prof. Dr.-Ing. Nicolaj Stache:

5.1 Bekannte Netzwerk-Architekturen

5.2 Praxisphase: Transfer-Learning

5.3 Fortgeschrittene Anwendungen (GAN, RNN)

5.4 Visualierungstechniken

5.5 Projektarbeitsbeschreibungen, lokale Tooling-Installation

6. Prof. Dr. Oliver Wasenmüller:

6.1 Detektion

6.2 Segmentierung

6.3 Praxisphase: Detektion und Segmentierung

6.4 Reinforcement Learning

Die Teilnehmenden erlernen die Terminologie zur qualitativen und quantitativen Beschreibung von Sicherheits- und Zuverlässigkeitszielen. Unter besonderer Berücksichtigung von Fahrzeugfunktionen werden schließlich Methoden der Verifikation und Validierung behandelt.

1. Entwicklungsmethoden

1.1 Kritische Systeme

• • Rechtliche Grundlagen
  • Eigenschaften kritischer, technischer und soziotechnischer Systeme
  • Fehler und Fehlermodelle

1.2 Vorgehensmodelle bei der Entwicklung softwarebasierter Systeme

• • Prozessschritte des V-Modells
  • Vergleich des V-Modells mit agilen Vorgehensmodellen
  • Vergleich des V-Modells mit dem Unified Process

1.3 Verifikation und Validierung

• • Statische und dynamische Methoden
  • Methoden zur Simulation vernetzter Systeme
  • Test
  • Organisation und Werkzeuge
  • Testdurchführung und Testende-Kriterien

2. Funktionale Sicherheit

Die Teilnehmenden können die Anforderungen, die die einschlägige Norm (ISO 26262) an einen Entwicklungsprozess stellt, bewerten. Die Entwicklungsschritte der risikobasierten Spezifikation werden vermittelt und in vereinfachter Form geübt. Die Teilnehmenden erlernen Methoden zur Gefahrenanalyse, Risikoanalyse, Risikozerlegung und der Risikoreduktion.

2.1 Funktionale Sicherheit in der Automobilindustrie

• • Grundlagen der funktionalen Sicherheit und IEC 61508
  • Funktionale Sicherheit in der Fahrzeugtechnik, ISO 26262 (inkl. Abgrenzungen)
  • Gefahrenanalyse und Risikobewertung
  • Risikobasierte Spezifikation von Sicherheitszielen und -anforderungen
  • Risikozerlegung / Dekomposition (Fault Tree Analysis)
  • Risikoreduktion
  • Architekturen für sichere und zuverlässige Systeme

2.2 Umfelderfassende Systeme

• • Besonderheiten und Abgrenzung
  • Risikobewertung am Beispiel Automatische Notbremse
  • Statistisches Verfahren zur Validation des Sicherheitsziels
  • Ausblick: „SOTIF“

1. Fahrzeugkonzepte im Wandel der Zeit
2. Grundlagen – Bedarf und Lösungen
3. Entwicklungsprozesse
4. Anforderungsdefinition aus unterschiedlichen Perspektiven
5. Fahrzeugkonzeption
6. Human-Machine-Interfaces
7. Konzeptbewertung
8. Entwurf und Ausarbeitung

1. Grundsätze der sicheren Software-Entwicklung, Vorgehensmodelle und Prozesse, einschlägige Normen und Standards
2. Sicherheitsanforderungen
3. Sicheres Design und Bedrohungsmodellierung, Architekturanalysen, Security Design Patterns
4. Sicherheitstests, Penetrationstests, Tools zum Testen
5. Sichere Einrichtung und sicherer Betrieb
6. Security Response: Umgang mit Schwachstellen, die durch andere entdeckt werden

Individuell aus dem thematischen Umfeld der Studieninhalte des Masterstudiengang Autonomes Fahren.

Das Thema der Masterarbeit kann individuell aus dem thematischen Umfeld der Studieninhalte des Masterstudiengangs Autonomes Fahren gewählt werden.