Discover the new mydSPACE services: License Management, the new dSPACE Help, and dSPACE Chatbot for User Documentation. Find more information and support on our dedicated support page. Learn more & get support

Die Validierung erfordert neue Teststrategien

Im ersten Teil dieses Blogartikels wurde erläutert, inwiefern die Validierung von ADAS-/AD-Funktionen neue Herausforderungen für Fahrzeughersteller und Zulieferer mit sich bringt. Der Anteil an Software nimmt zu, KI gewinnt an Bedeutung, eine wachsende Zahl heterogener Sensoren wird immer enger integriert, und E/E-Architekturen spielen eine immer zentralere Rolle. Infolgedessen steigt auch der Aufwand, der erforderlich ist, um sicherheitskritische Funktionen zuverlässig und kosteneffizient zu validieren.

Im zweiten Teil dieses Blogartikels geht es darum, wie diese Aufgaben in der Praxis mit dSPACE Tools bewältigt werden können. Entscheidend ist eine deutliche Verlagerung der Testmethodik hin zur virtuellen Validierung, auch bekannt als Shift-Left-Testing. Ein weiterer wichtiger Aspekt ist die digitale Homologation. In einer ganzheitlichen ADAS/AD-Teststrategie dient HIL als Plattform, die die Lücke zwischen der virtuellen Entwicklung und den Tests am realen Fahrzeug schließt. HIL schafft reproduzierbare Bedingungen für die robuste Validierung sicherheitskritischer Funktionen, die auf realen Steuergeräten und Hochleistungsrechnern eingesetzt werden.
 

Was ein ADAS/AD-HIL leisten muss

Wie bei herkömmlichen Bereichen der Automobiltechnik muss ein ADAS-/AD-System die Testumgebung realistisch wahrnehmen. Daher darf das zu testende System (SUT) keine Abweichungen zwischen den Laborbedingungen und dem tatsächlichen Fahrzeugbetrieb feststellen. Entscheidend ist hierbei die Struktur des ADAS/AD-Software-Stacks. Modulare Architekturen stellen andere Anforderungen an das HIL-System als monolithische End-to-End-KI-Stacks (Abbildung 1).
Bei modularen Stacks lassen sich einzelne Funktionen – wie Perzeption oder Planung – separat validieren. In End-to-End-KI-Stacks sind Perzeption, Entscheidungsfindung und Steuerung viel enger miteinander verflochten. Die Testumgebung muss konsistente Sensordaten liefern und zudem ein Closed-Loop-System ermöglichen. Genau hier unterscheiden sich Data Replay und Closed-Loop-HIL am deutlichsten voneinander. 
 

Abbildung 1: Modulare und durchgängige Architekturen stellen unterschiedliche Anforderungen an die Validierung von ADAS/AD.

Data Replay nahe an der Realität der aufgezeichneten Fahrt

Modulare ADAS-/AD-Stacks dominieren derzeit den Bereich der Autonomie bis Level 2. In diesem Zusammenhang konzentrieren sich erste Tests häufig auf die Leistungsfähigkeit der Perzeption, d. h. auf die Objekterkennung und die Fusion von Sensordaten. Diese Funktionen lassen sich weitgehend unabhängig von nachgelagerten Modulen validieren. Da KI-basierte Perzeptionsmodelle überwiegend anhand von Daten aus der realen Welt trainiert werden, reagieren sie empfindlich auf Schwankungen bei den Sensordaten wie Rauschen, Lichtverhältnisse, Oberflächen wie Asphalt oder Vegetation sowie Hintergründe.
Damit das SUT die HIL-Umgebung akzeptiert, müssen dem System echte Sensordaten zugeführt werden, die so unverfälscht wie möglich sind. Dazu gehören sowohl Rohdaten von Kameras als auch Radar-, Lidar- und Ultraschalldaten. Diese Daten werden in der Regel bei Testfahrten und anderen Kampagnen erfasst, sind mit einem Zeitstempel versehen und müssen bei der Wiedergabe mit exakter zeitlicher Übereinstimmung reproduziert werden. Nur dann kann die Sensorfusion jederzeit ein einheitliches Bild der Umgebung erzeugen. 
 

Abbildung 2: Data Replay übermittelt aufgezeichnete Sensor- und Busdaten zeitgenau an das zu testende System (SUT).    

Warum die Zeitsynchronisation entscheidend für die Qualität ist

Die dSPACE Data-Replay-Lösung (Abbildung 2) schließt die Lücke zwischen realen Tests und virtuellen Tests in einer HIL-Umgebung besonders effektiv. Eine sorgfältig aufeinander abgestimmte Kombination aus Software, Echtzeitkomponenten, Environment Sensor Interface Units (ESI-Units) und SCALEXIO-Hardware gewährleistet eine präzise Zeitsynchronisation und eine sehr geringe Latenz. Der Sensoreingang kann über eine interne Echtzeituhr oder einen externen Zeitgeber mit Hilfe des Precision Time Protocol (PTP) synchronisiert werden.
Die Qualität der Wiedergabe hängt jedoch stark von den Eingabedaten ab. Datenlogger im Fahrzeug können zu Abweichungen oder Schwankungen führen. Nichtdeterministische Kommunikationsprotokolle wie SOME/IP erschweren zudem eine exakte 1:1-Wiedergabe, insbesondere bei einem HIL-Komponententest, bei dem andere Steuergeräte nicht als reale Kommunikationspartner zur Verfügung stehen. dSPACE gleicht solche Effekte durch Zeitkorrekturen und maßgeschneiderte Simulationsmodelle für servicebasierte Protokolle aus. Dadurch wird sichergestellt, dass die Wiedergabe deterministisch, genau und präzise bleibt.
 

Holen Sie mehr aus Ihren aufgezeichneten Daten heraus

Die Erfassung von realen Fahrdaten im Feld ist kostspielig und zeitaufwendig. Deshalb sollten die Daten während des gesamten Entwicklungsprojekts so lange wie möglich nutzbar bleiben. dSPACE unterstützt dies durch Datenkonvertierung und gezielte Bearbeitung während der Wiedergabe. Dadurch lassen sich bestehende Datensätze an Software-Updates und architektonische Änderungen sowie neue Sicherheitsanforderungen anpassen, ohne dass jede Situation im Fahrzeug neu aufgezeichnet werden muss.

Data Replay eignet sich besonders gut für realistische Tests von Perzeptionsfunktionen und modularen ADAS-/AD-Stacks. Es sorgt für reproduzierbare Bedingungen, überbrückt die Kluft zwischen Realität und Simulation und macht wertvolle Felddaten im Labor verfügbar. Dieser Ansatz stößt jedoch an seine Grenzen, sobald das SUT aktiv in die Szene eingreifen muss.
  

Closed-Loop-HIL: Wenn das System mit der Umwelt interagiert

Data Replay unterliegt Einschränkungen beim Testen von Komponenten des nachgelagerten Stacks wie Vorhersage, Planung und Steuerung. Bei der Open-Loop-Wiedergabe kann das SUT die Umgebung nicht beeinflussen. Wenn ein End-to-End (E2E)-Modell eine Fahrentscheidung trifft, die geringfügig von der Entscheidung des Fahrers in der Originalaufzeichnung abweicht, erwartet es eine neue Perspektive. Die aufgezeichneten Sensordaten spiegeln diese neue Perspektive jedoch nicht wider. Infolgedessen weichen das Modell und die Szene voneinander ab, was zu einer Verschiebung der Verteilung bei den nachgelagerten Modellteilen führt. Hinzu kommt das Risiko einer kausalen Verwechslung. E2E-Modelle lernen statistische Zusammenhänge und können dabei unerwünschte Abkürzungen nehmen. Ein Modell könnte beispielsweise Bremsvorgänge mit Bremslichtern in Verbindung bringen, anstatt die Hindernisse korrekt zu erkennen. Ohne Rückkopplung aus einer reaktiven Umgebung sind solche Effekte in einem System ohne Rückkopplung nur teilweise erkennbar. Eine umfassende Validierung erfordert daher ein Regelungssystem mit geschlossenem Regelkreis. Ein weiterer kritischer Punkt, bei dem die alleinige Verwendung von Data Replay nicht ausreicht, sind sogenannte Long-Tail-Szenarien. Dazu kommt die Einschränkung bei der alleinigen Verwendung von Data Replay, dass sich Long-Tail-Szenarien damit nicht validieren lassen. Diese seltenen Sonderfälle wie ungewöhnliche Verkehrsverhalten oder seltene Umgebungsbedingungen sind für die Validierung von ADAS/AD von entscheidender Bedeutung. Während sich Data Replay auf bereits beobachtete Ereignisse beschränkt, ermöglicht die Closed-Loop-Simulation die systematische Erstellung und Auswertung von Szenarien, die in den erfassten Daten möglicherweise nie vorkommen.

Grundlegende Anforderungen für Closed-Loop-HIL

  • Realistische und physikalisch plausible Sensorsimulation
  • Echtzeitfähige Simulation und Erzeugung von Sensordaten für einen stabilen Regelbetrieb
  • Präzise zeitliche Korrelation von Sensordaten
  • Absolute Synchronisation zwischen allen HIL-Komponenten und dem SUT

Abbildung 3: In einem Closed-Loop-System interagieren das Fahrzeugmodell, die Umgebung, die Sensorsimulation, die Schnittstellen und das SUT in Echtzeit miteinander.

Wie dSPACE den Regelkreis schließt

In der ADAS/AD-HIL-Lösung von dSPACE (Abbildung 3) sind die einzelnen Komponenten präzise aufeinander abgestimmt. Die Automotive Simulation Models (ASM) von dSPACE liefern die Simulation der Fahrzeugdynamik und der Umgebungsbedingungen als Ground Truth und dienen als einzige wahre Quelle. Die Modelle werden in Echtzeit auf der SCALEXIO-Plattform ausgeführt. AURELION nutzt diese Informationen, ergänzt sie um Materialeigenschaften und hochauflösende 3D-Szenen und generiert mit Hilfe physikbasierter Sensormodelle auf GPUs realistische Daten für Kamera-, Radar-, Lidar- und Ultraschallsensoren.
Um sicherzustellen, dass die Simulation und die Generierung von Sensordaten schnell genug bleiben, werden AURELION, die Hochleistungs-GPUs und die PC-Plattform entsprechend den individuellen Projektanforderungen optimal parametrisiert. An dessen Ausgang stehen Kamerabilder, Radarechos und Lidar-Punktwolken zur Verfügung, die vom Sensor-Simulation-PC generiert wurden. Diese werden dann – genau wie beim Data Replay – über ESI-Units und SCALEXIO effizient an das SUT übertragen. Das Ziel besteht darin, die Abweichung zwischen Simulation und Realität zu minimieren und gleichzeitig einen stabilen Echtzeitbetrieb im geschlossenen Regelkreis aufrechtzuerhalten. Ein entscheidender Faktor hierfür ist die Synchronisation, die im Closed-Loop-Modus eine größere Herausforderung darstellt als im Replay-Modus. Es gibt keine aufgezeichneten Zeitstempel, auf die sich der Datenfeed stützen kann. Stattdessen werden alle Systemkomponenten auf eine gemeinsame Zeitbasis abgestimmt. ASM überträgt in festgelegten Zeitabständen Simulationsdaten an AURELION. AURELION generiert die entsprechenden Daten für alle Sensoren parallel und speichert sie, bis sie synchron in das SUT eingespeist werden können. Darüber hinaus kann das SUT über einen mit einer ESI-Unit verbundenen Steuerkanal Anpassungen der Zykluszeiten anfordern. Dementsprechend kann die Simulation angepasst werden, und alle HIL-Komponenten werden auf den aktualisierten Zeitablauf neu synchronisiert. 

Die dSPACE HIL-Lösung erfüllt die strengen Anforderungen an ADAS-/AD-Tests im geschlossenen Regelkreis. Dies ermöglicht eine zuverlässige Validierung von KI-Stacks für das automatisierte Fahren auf der Zielhardware, unabhängig davon, ob die zugrunde liegende Architektur modular oder End-to-End aufgebaut ist.
 

 

Fehlereinspeisung für robuste ADAS-/AD-Tests

HIL-Tests sind besonders wertvoll, wenn Fehler gezielt und reproduzierbar eingespielt werden können. dSPACE bietet umfassende Funktionen zur Fehlereinspeisung, darunter: 

  • Störungen im Elektro- und Kommunikationsbereich 
  • Störungen auf Sensorebene
  • Deterministisches oder zufälliges Pixel- und Zeilenrauschen
  • Frame-Ausfälle, Frame-Risse, Timing-Fehler und Jitter
  • Fehler in eingebetteten Daten und statistischen Daten, z. B. Frame-Zähler, Histogramme und CRC
  • Frame-Cropping, Unterabtastung und Letterboxing
  • Typische Fehler an Drähten und Koaxialkabeln, z. B. Unterbrechungen, Kurzschlüsse und Zustände, bei denen der Anschluss auf GND/VBAT festgelegt ist
  • Kommunikationsfehler in Fahrzeugnetzwerken und Bussen

Abbildung 4: Durch die Simulation von Fehlereingängen lässt sich das Verhalten von Sensoren und Schnittstellen unter kontrollierten Bedingungen testen.

Schlüsselfertige, modulare und effiziente Projektimplementierung

Ein umfassendes ADAS/AD-HIL-System kann Komponenten verschiedener Hersteller integrieren. Das modulare Design von dSPACE und die offenen Schnittstellen unterstützen diesen Ansatz in vollem Umfang. In der Praxis führt dies jedoch häufig zu einem erhöhten Koordinationsbedarf. Eine große Anzahl von Projektpartnern oder ein häufiger Wechsel der Lieferanten kann die Entwicklungszeiten verlängern und die Projektrisiken erhöhen.
Um diesen Herausforderungen zu begegnen, bietet dSPACE komplette, schlüsselfertige Systeme für ADAS/AD-HIL und das Data Replay an. In diesem Fall fungiert dSPACE als zentraler Ansprechpartner und gewährleistet ein reibungsloses Zusammenspiel zwischen Hardware, Software, Sensoren und Schnittstellen. Dies verringert die technische Komplexität, verkürzt die Inbetriebnahmezeiten und vereinfacht die Klärung offener Fragen mit den Partnern.
Ein weiterer Vorteil ist die Flexibilität der Plattform. Gemeinsam genutzte Hardware und standardisierte Software erleichtern den Wechsel zwischen Data Replay und ADAS/AD-HIL. Je nach den Anforderungen des Projekts kann das System für beide Anwendungsfälle ausgelegt oder später angepasst werden. Dadurch wird sichergestellt, dass die Investition auch dann weiterhin nutzbar bleibt, wenn sich die Teststrategie, die Softwarearchitektur oder der Schwerpunkt der Validierung ändern. 
Übrigens überschneiden sich Kundenanforderungen oft. In vielen Fällen können wir dadurch auf ADAS-/AD-HIL-Systeme zurückgreifen, die bereits weitgehend fertiggestellt und mit standardisierten Komponenten ausgestattet sind. Auf der Grundlage dieser vorgefertigten Plattformen müssen lediglich die kundenspezifischen Elemente implementiert werden, was die Bereitstellung der Lösung und die Inbetriebnahme erheblich beschleunigen kann.
 

Abbildung 5: Schlüsselfertige ADAS/AD-HIL-Systeme vereinen Hardware, Software, Partnerintegration und weltweiten Support.

Nächster Schritt: KI, DevOps und Standards

Die Funktionen für autonomes Fahren entwickeln sich weiter in Richtung durchgängiger ADAS-/AD-Stacks. Aufgrund ihres natürlicheren, treiberähnlichen Verhaltens gelten diese Stacks als wichtiger Weg in die Zukunft. Gleichzeitig wächst der Bedarf an erklärbarer künstlicher Intelligenz (Explainable Artificial Intelligence, XAI). XAI kann den „Black-Box“-Charakter der heutigen End-to-End-KI verringern, Modellentscheidungen transparenter machen und die Validierung sicherheitskritischer Funktionen unterstützen. dSPACE erkennt die wachsende Bedeutung der Closed-Loop-HIL-Simulation für die Validierung von End-to-End-KI und XAI an. Um dem entgegenzuwirken, verringert dSPACE die Kluft zwischen Simulation und Realität weiter und verbessert die Glaubwürdigkeit der Simulationsmodelle.
Dazu gehören Ansätze wie die neuronale Rekonstruktion, bei der aufgezeichnete Protokolldaten mit Hilfe von Neural-Radiance-Field (NeRF)-Modellen oder dem anspruchsvollen Gaussian-Splatting-Algorithmus – beides KI-basierte Verfahren – in eine bearbeitbare, dreidimensionale Welt umgewandelt werden. Weicht ein E2E-Modell während der Simulation von der aufgezeichneten Fahrspur ab, können fotorealistische Echtzeit-Kameraperspektiven erzeugt werden. Die Simulation entspricht somit besser der Logik des zu testenden Systems.
Gleichzeitig integriert sich dSPACE über CI/CD-Prozesse in DevOps-Pipelines und unterstützt Branchenstandards wie OpenDRIVE und OpenSCENARIO.
Automatisierte Tests spielen eine zentrale Rolle in CI/CD-Workflows. Mit dem Python-basierten Test Automation SDK bietet dSPACE den einheitlichen Zugriff auf VEOS und SCALEXIO. Neben herkömmlichen Testwerkzeugen wie Pytest und Robot Framework lassen sich auch von großen Sprachmodellen (Large Language Model, LLM) generierte Tests sowie zukünftige agentenbasierte KI-Systeme integrieren. Diese sollen den gesamten Testlebenszyklus unterstützen, von der Anforderungsanalyse über die Testgenerierung bis hin zur Testausführung und -auswertung.
 

Abbildung 6: Trends wie neuronale Rekonstruktion, Simulationsglaubwürdigkeit, TA-SDK, CI/CT und OpenX-Standards steigern die Effizienz der Validierung. 

Fazit: Der richtige Testansatz für jede Entwicklungsphase

Data Replay und Closed-Loop-HIL verfolgen unterschiedliche Ziele, ergänzen sich jedoch perfekt. Durch Data Replay lassen sich reale Felddaten reproduzieren, wodurch sich diese Methode besonders gut für Tests im Bereich der Perzeption und der Sensordatenfusion eignet. HIL im geschlossenen Regelkreis baut auf diesem Ansatz auf, indem es Interaktion, Echtzeitsensorsimulation und dynamisches Systemverhalten einbezieht. Dadurch lassen sich selbst komplexe Planungs-, Steuerungs- und durchgängige KI-Funktionen validieren.
Bei Entwicklungsprojekten kommt es vor allem auf die richtige Kombination an. Je früher und konsequenter Tests virtuell durchgeführt werden, desto effektiver lassen sich Risiken mindern, die Testabdeckung erhöhen und die Kosten kontrollieren. dSPACE unterstützt diesen Ansatz mit skalierbaren Lösungen, die reale Steuergeräte, HPCs, Simulationen, Sensordaten und Automatisierung in eine einheitliche Validierungsstrategie integrieren.
 

Über den Autor

Gregor Hordys

Gregor Hordys

Business Field Manager HIL Testing, dSPACE

Immer auf dem neuesten Stand mit unserem Newsletter-Service.

Mit unserem Newsletter-Service informieren wir Sie über aktuelle Anwendungsbeispiele, neue Lösungen und Produkte sowie über Schulungen und Veranstaltungen. Hier geht's zur Anmeldung.

Formularaufruf freigeben

An dieser Stelle ist ein Eingabeformular von Click Dimensions eingebunden. Dieses ermöglicht es uns Ihr Newsletter-Abonnement zu verarbeiten. Aktuell ist das Formular ausgeblendet aufgrund Ihrer Privatsphäre-Einstellung für unsere Website.

Externes Eingabeformular

Mit dem Aktivieren des Eingabeformulars erklären Sie sich damit einverstanden, dass personenbezogene Daten an Click Dimensions innerhalb der EU, in den USA, Kanada oder Australien übermittelt werden. Mehr dazu in unserer Datenschutzbestimmung.