de.wedoany.com-Bericht: Motive Technologies ist der Ansicht, dass die nächste Herausforderung in der Fuhrparkbranche nicht mehr darin besteht, Daten zu sammeln, sondern auf der Grundlage dieser Daten zu handeln. Da die Datenmengen aus Telematiksystemen, Kameras und Sensoren kontinuierlich wachsen, schätzt Chief Technology Officer Amish Babu, dass über 90 % der Engineering-Arbeiten bei Motive Künstliche Intelligenz (KI) betreffen. Er weist darauf hin, dass Fuhrparks „datenreich, aber zeitarm" werden.
Babu sagte in einem Interview auf der Motive Vision Conference in Nashville, dass das Unternehmen KI nicht als eigenständiges Produkt betrachte, sondern sie in nahezu alle Bereiche der Plattform integriere. Die Strategie drehe sich um zwei Themen – Integration und Automatisierung. Mitgründer und CEO Shoaib Makani erläuterte in seiner Keynote die beiden „Leitsterne" des Unternehmens: Integration bedeute, Datensilos aufzubrechen und eine einheitliche Betriebsansicht zu schaffen, die Fahrzeuge, Fahrer, Ausrüstung und Ausgaben umfasst; Automatisierung ziele darauf ab, den manuellen Arbeitsaufwand und die Reaktionszeit nach der Erkennung von Problemen zu reduzieren. Makani sagte, viele wichtige Entscheidungen in Arbeitsabläufen hingen immer noch davon ab, dass Manager zunächst Probleme erkennen und dann Maßnahmen ergreifen, wobei die Reaktion oft durch die „Grenzen der menschlichen Aufmerksamkeit" eingeschränkt sei. In diesem Jahr habe das Unternehmen die Strategie von der Software auf die Hardware ausgeweitet und die Plattformen AI Dashcam Plus und AI Omnicam Plus eingeführt.
Produktdirektor Robert Higdon ergänzte, dass Kunden zunehmend bestehende Arbeitsabläufe vereinfachen möchten, anstatt weitere Dashboards oder eigenständige Produkte hinzuzufügen. Diese Denkweise habe viele der auf der Vision Conference vorgestellten Produkte beeinflusst – von der Integration von Telematik und Kameras in ein einziges Gerät bis hin zur Vernetzung von Daten aus den Bereichen Sicherheit, Wartung, Compliance und Fahrermanagement durch KI-gesteuerte Tools. Ziel sei es, die Anzahl der eigenständigen Systeme zu reduzieren, mit denen Manager umgehen müssen.
Der Bedarf an Kontext ist ein weiterer Grund für die massiven KI-Investitionen von Motive. Babu ist der Ansicht, dass der Fuhrparkbetrieb einzigartige Herausforderungen mit sich bringt, da viele Entscheidungen in Echtzeit getroffen werden müssen. Er erläuterte die Gründe, die Motive dazu bewogen haben, in Edge Computing zu investieren, sodass KI-Modelle direkt auf den Geräten im Fahrzeug ausgeführt werden können, anstatt vollständig auf Cloud-Verarbeitung angewiesen zu sein. Die neueste Hardware-Plattform des Unternehmens – der Qualcomm DragonWing-Prozessor – kann gleichzeitig 20 bis 30 KI-Modelle ausführen, um Verhaltensweisen wie Handynutzung, Müdigkeit, Gurtpflicht, Spurverlassen, Abstand zum vorausfahrenden Fahrzeug und Kollisionsrisiko in Echtzeit zu überwachen. Der gleichzeitige Betrieb mehrerer Modelle ermöglicht es dem System, mehrere Risiken gleichzeitig zu erkennen und dem Fahrer sofortiges Feedback zu geben.
Derselbe Ansatz unterstützt auch prädiktive Sicherheitstechnologien, wie das für AI Dashcam Plus veröffentlichte Kollisionsvermeidungssystem. Die Plattform nutzt das Stereosehen zweier nach vorne gerichteter Kameras, um die Tiefe ähnlich wie das menschliche Auge zu schätzen. Das System erkennt nicht nur die Position von Objekten, sondern versucht auch vorherzusagen, in welche Richtung sie sich als Nächstes bewegen könnten. Während der Konferenz stellte Motive den KI-Assistenten Atlas vor, der Sicherheits-, Kraftstoff-, Compliance- und Wartungsdaten analysieren, Empfehlungen generieren, administrative Arbeitsabläufe automatisieren, Betriebsaufgaben koordinieren und Fahrer per Sprachbefehl unterstützen kann. Atlas wird bald über das Model Context Protocol (MCP) in externe generative KI-Systeme wie ChatGPT, Claude, Gemini und Microsoft Copilot integriert werden.
Angesprochen auf Bedenken hinsichtlich Halluzinationen, Berechtigungen und Datengrenzen bei generativer KI, sagte Babu, dass das Unternehmen Datensicherheit und -genauigkeit als grundlegende Anforderungen betrachte. Kundendaten und personenbezogene Informationen würden nur mit Genehmigung des Kunden verwendet und über eine spezielle Sicherheits-Infrastruktur verwaltet. Für sicherheitsrelevante KI-Systeme, die im Fahrzeug laufen, sagte Babu, dass Halluzinationen und Ungenauigkeiten nicht toleriert würden. Die Erkennungsgenauigkeit der Technologie liege bei 95–99 %, und durch zusätzliche manuelle Annotationsdienste könne bei der Darstellung der Daten für den Fuhrpark nahezu 100 % Genauigkeit erreicht werden. Wenn KI von der Erkennung von Betriebsereignissen zur Generierung von Berichten über dialogorientierte Schnittstellen wie Atlas übergehe, seien die Herausforderungen etwas anders, aber menschliches Urteilsvermögen spiele weiterhin eine wichtige Rolle. Babu ist der Ansicht, dass herkömmliche manuelle Prozesse bereits anfällig für menschliche Fehler seien, während das Unternehmen hohe Standards an die KI-Genauigkeit stelle.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
