Agent-X

Automatisierbare Bordnetzarchitektur durch KI und Multi-Agenten-Systeme

Agent-X

Das Projekt Agent-X adressiert die strukturelle Optimierung von Fahrzeug-Bordnetzen – ein zentrales Thema der automobilen Elektrik und Elektronik. Die Projektpartner DRÄXLMAIER und fortiss entwickeln KI-basierte Methoden für eine ganzheitliche Bordnetzgestaltung. Ziel ist es, den Entwicklungsprozess deutlich zu beschleunigen und gleichzeitig die Ergebnisqualität zu erhöhen. Dabei sollen konkurrierende Anforderungen systematisch aufgelöst und die Grundlage für eine automatisierbare Leitungssatzfertigung geschaffen werden. Ein weiterer Schwerpunkt liegt auf der effektiven Zusammenarbeit zwischen Entwickler und KI. Agent-X setzt damit international Maßstäbe für den industriellen Einsatz von Künstlicher Intelligenz.

Projektbeschreibung

Eine zentrale Herausforderung in der Automobilproduktion ist die Leitungssatzfertigung. Trotz technologischen Fortschritts ist sie nach wie vor stark manuell geprägt, mit einem Handarbeitsanteil von rund 85 % beim Haupt-Leitungssatz. Automatisierte Verfahren scheitern bisher an der fehlenden Ordnung und Struktur der Bordnetze.

Leitungssätze bestehen aus zahlreichen Leitungen, die über Pin-Zuordnungen mit Steckern verbunden sind, jedoch ohne übergeordnetes Ordnungsprinzip. Diese komplexe Verflechtung erschwert die Fertigung und verhindert hohe Maschinendurchsätze.

Das Projekt Agent-X entwickelt deshalb Methoden zur virtuellen Abbildung von Bordnetzarchitekturen. Ziel ist eine ganzheitliche Optimierung des gesamten elektrischen und elektronischen Systems – einschließlich Steuergeräten, Stecker-Interfaces, Stromverteilern und Leitungssatz.

Nur ein ganzheitlicher Ansatz ermöglicht eine effiziente Struktur, die die Produktivität der Bordnetzfertigung steigert. Die erwarteten Ergebnisse umfassen eine Verkürzung des Entwicklungsprozesses, die wirtschaftliche Automatisierbarkeit der Leitungssatzfertigung, Kostenreduktionen bei Stromverteilern und Steuergeräten durch eine optimale Ressourcenallokation sowie eine skalierbare Elektrik-/Elektronik-Architektur für individualisierbare Fahrzeuge.

Forschungsbeitrag

Im Rahmen dieses Projekts bringt fortiss seine umfassende Expertise in mathematischer Modellierung, KI-basierten Optimierungsverfahren, Multi-Agenten-Systemen, Graph-Neural-Networks (GNN) und Large Language Models (LLMs) ein.

Besonderes Augenmerk liegt auf Reinforcement Learning (bestärkendem Lernen), um die zahlreichen und teilweise konkurrierenden Anforderungen in der Bordnetzentwicklung zu berücksichtigen. Graph-Neural-Network-Ansätze dienen der Bewertung und Qualitätssicherung der erzeugten Netzstrukturen. Ergänzend kommen Large Language Models zum Einsatz, um textuell vorliegende Anforderungen automatisiert in mathematische Randbedingungen zu überführen.

Projektdauer

01.01.2026 - 31.12.2028

Kontakt

Projektpartner

click to return to top of page