Zusammenfassung
Der nachfolgende Beitrag setzt sich mit dem Einfluss von Künstlicher Intelligenz (KI) auf das Wesen einer Prüforganisation, hier konkret TÜV Rheinland, im Bereich Mobilität auseinander. TÜV Rheinland sieht in Künstlicher Intelligenz enormes Potenzial für die Tätigkeiten seiner Geschäftsbereiche. Im Bereich Mobilität betrifft dies insbesondere folgende Kerngeschäfte: Periodische Hauptuntersuchung von Kraftfahrzeugen, die neutrale Fahrzeug-Begutachtung im Schadenfall sowie die Erstzulassung von Neufahrzeugen. KI revolutioniert dabei nicht nur Prüf- und Begutachtungsprozesse, die mit Hilfe von Machine Learning Technologien beispielsweise in der Analyse von Schadenbildern effektiver strukturiert werden können. KI kann auch Teil des Prüfgegenstands – des Fahrzeugs – an sich werden. Wenn KI zur Steuerung hoch automatisierter Fahrzeuge eingesetzt wird, muss sie den Nachweis funktionaler Sicherheit erbringen. Wie die Prüfung von KI funktionieren kann und wie KI neue Lösungen in der Schadenbegutachtung ermöglicht, zeigt dieser Beitrag anhand entsprechender Fallbeispiele.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Braband, J., & Schäbe, H. (2020). On safety assessment of artificial intelligence. Dependability, 20, 25–34.
Bundesverband Deutscher Leasing-Unternehmen e.V. (BDL). (Hrsg.). (2020). Marktbericht 2019. https://jahresbericht.leasingverband.de/leasing-markt-und-umfeld/marktbericht-2019. Zugegriffen am 04.02.2021.
International Electronical Commission. (Hrsg.). (2010). IEC 61508. Functional safety of electrical/electronic/programmable electronic safety-related systems.
Kammel, S. (2005). Deflektrometrische Untersuchung spiegelnd reflektrierender Freiformflächen. Karlsruhe: Universitätsverlag Karlsruhe: Universitätsverlag Karlsruhe.
Kraftfahrtbundesamt (KBA). (Hrsg.). (2020). Statistik zur Neuzulassung von Fahrzeugen. https://www.kba.de/DE/Statistik/Fahrzeuge/Neuzulassungen/MonatlicheNeuzulassungen/fz_n_MonatlicheNeuzulassungen_archiv/2020/202012_GImonatlich/202012_nzbarometer/202012_n_barometer.html?nn=2592390. Zugegriffen am 27.01.2021.
Schäbe, H. (2019). Autonomous driving – How to apply safety principles. Dependability, 19, 21–33.
TÜV Rheinland. (2020). Die Innovation in der Fahrzeugbewertung: Der adomea scanner. https://www.tuv.com/germany/de/adomea-miko.html. Zugegriffen am 04.02.2021.
Underwriter Laboratories. (Hrsg.). (2019). UL 4600. Standard for Safety for the Evaluation of Autonomous Products, draft UL 4600.
Verband der TÜV e.V. (VdTÜV). (2020a). Mobility Studie 2020. Berlin.
Verband der TÜV e.V. (VdTÜV). (2020b). Sicherheit und Künstliche Intelligenz. Erwartungen, Hoffnungen, Emotionen. Berlin.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schubert, M. (2021). Veränderungen von Begutachtung und Prüfung im Mobilitätswesen durch Künstliche Intelligenz. In: Lichtenthaler, U. (eds) Künstliche Intelligenz erfolgreich umsetzen. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34670-6_14
Download citation
DOI: https://doi.org/10.1007/978-3-658-34670-6_14
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-34669-0
Online ISBN: 978-3-658-34670-6
eBook Packages: Business and Economics (German Language)