Stage-oe-small.jpg

SofDCar: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 18: Zeile 18:
 
{{Forschungsgebiet Auswahl
 
{{Forschungsgebiet Auswahl
 
|Forschungsgebiet=Geschäftsprozessmodellierung
 
|Forschungsgebiet=Geschäftsprozessmodellierung
 +
}}
 +
{{Forschungsgebiet Auswahl
 +
|Forschungsgebiet=Process Mining
 
}}
 
}}
 
{{Forschungsgebiet Auswahl
 
{{Forschungsgebiet Auswahl
Zeile 25: Zeile 28:
 
|Forschungsgebiet=Data Science
 
|Forschungsgebiet=Data Science
 
}}
 
}}
 +
{{Forschungsgebiet Auswahl}}

Version vom 2. März 2022, 13:13 Uhr

Logo SofDCar2.png

Software-Defined Car


Kontaktperson: Fabian Rybinski

https://www.sofdcar.de



Projektstatus: aktiv


Beschreibung

Die Projektpartner des SofDCar Konsortiums forschen mit Blick auf zentrale Herausforderungen software-basierter Fahrzeuge. Der Fokus liegt auf der Entwicklung von Software, welche die Fahrzeugfunktionalitäten optimiert und erweitert. Das Fahrzeug der Zukunft wird dabei als Teil einer vernetzten Fahrzeug- und Systemumgebung verstanden, dessen Einbindung mittels "Data Loop" und auf der Basis eines neuartigen "Digital Twin" ermöglicht werden soll. Hierdurch soll die digitale Nachhaltigkeit (bestehender und künftiger Fahrzeuggenerationen) sowie eine effektive Datennutzung und innovative Anwendungsfälle über den gesamten Lebenszyklus des Fahrzeugs hinweg ermöglicht werden (Re-Deployment).


Involvierte Personen
Andreas OberweisClemens SchreiberGunther SchieferFabian Rybinski


Informationen

von: 1 August 2021
bis: 31 Juli 2024
Finanzierung: Bundesministerium für Wirtschaft und Klimaschutz


Partner

Robert Bosch GmbH, Mercedes Benz AG, ZF Friedrichshafen AG, ETAS GmbH, P3 digital services GmbH, T Systems International GmbH, Vector Informatik GmbH, BooleWorks GmbH, FZI Forschungszentrum Informatik, FKFS - Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart, Universität Stuttgart, e-mobil BW GmbH


Forschungsgruppe

Betriebliche Informationssysteme


Forschungsgebiet

SofDCar (Maschinelles Lernen, Geschäftsprozessmodellierung, Geschäftsprozessanalyse, Deep Learning, Künstliche Intelligenz, Data Science, Process Mining)





Publikationen zum Projekt
 - inproceedings
 - book
 - incollection
 - booklet
 - proceedings
 - phdthesis
 - techreport
 - deliverable
 - manual
 - misc
 - unpublished






article
Ferdinand Mütsch
From Model-Based to Data-Driven Simulation: Challenges and Trends in Autonomous Driving
-, 2023
(Details)


↑ top