Nissan will mithilfe künstlicher Intelligenz (KI) die Fahrzeugentwicklung weiter beschleunigen, um neue Modelle schneller zu den Kundinnen und Kunden zu bringen. Die auf diesem Gebiet bereits bestehende strategische Partnerschaft mit dem KI-Entwickler Monolith ist dafür jetzt um drei Jahre verlängert worden. Ziel der beiden Partner ist es, den Prozess der Fahrzeugentwicklung weiter zu transformieren und den Einsatz physischer Tests zu verringern.
Die Partnerschaft leistet dem Hersteller zufolge einen wichtigen Beitrag zum globalen Unternehmensplan Re:Nissan, der einen Fokus auf die schnellere Markteinführung neuer Produkte legt. Neben der Verkürzung der Entwicklungszeiten sollen gemeinsam mit Partnern auch die Bereiche Innovation und betriebliche Effizienz vorangetrieben werden.
Erstmals hat Nissan die KI-Technologie von Monolith im Rahmen der Entwicklung des neuen vollelektrischen Nissan Leaf zur Validierung von Fahrzeugtests eingesetzt. Künftig soll die Technologie auch bei weiteren neuen Nissan Modellen für Europa zum Einsatz kommen.
Die KI-Technologie von Monolith nutzt Testdaten von Fahrzeugen aus mehr als neunzig Jahren Forschung und Entwicklung und wird von den Ingenieuren des Nissan Technical Centre Europe im britischen Cranfield verwendet, um die Ergebnisse physischer Tests genau vorherzusagen. Dies senkt die Abhängigkeit von physischen Prototypen, optimiert den Entwicklungsprozess und ermöglicht es den Ingenieuren, sich auf die praktische Problemlösung und Entscheidungsfindung zu konzentrieren.
Die Entscheidung, die Partnerschaft auszuweiten, folgt auf die erfolgreiche Zusammenarbeit zwischen Nissan und Monolith bei der Verwendung von KI für die Tests von Schraubverbindungen im Fahrzeugchassis. Die KI-Technologie empfahl den optimalen Drehmomentbereich für das Anziehen von Schrauben und priorisierte zuverlässig zusätzliche Tests, die von Ingenieuren durchgeführt werden sollten.
Dies führte zu einer insgesamt siebzehnprozentigen Verringerung der physischen Tests im Vergleich zum herkömmlichen, nicht KI-gestützten Verfahren. Würde derselbe Ansatz auf die Entwicklung der gesamten europäischen Fahrzeugpalette von Nissan angewendet, könnte die Testzeit um die Hälfte reduziert werden.
„KI wird in Zukunft eine immer zentralere Rolle spielen“
„Durch die Integration der fortschrittlichen KI-Software von Monolith und der Daten aus jahrzehntelanger Fahrzeugentwicklung können wir die Fahrzeugleistung mit bemerkenswerter Präzision simulieren und validieren“, sagt Emma Deutsch, Director of Customer Orientated Engineering and Test Operations, Nissan Technical Centre Europe. „Die Machine-Learning-Modelle wurden mit einer Kombination aus historischen Testdaten und digitalen Simulationen trainiert und ermöglichen es uns, die Abhängigkeit von physischen Prototypen zu reduzieren und so die Entwicklungszeit und den Ressourcenverbrauch erheblich zu senken. Dieser Ansatz beschleunigt nicht nur die Markteinführung neuer Modelle, sondern unterstützt auch unser Engagement für Innovation und Nachhaltigkeit. KI wird in Zukunft eine immer zentralere Rolle dabei spielen, wie wir die nächste Generation von Fahrzeugen entwerfen, testen und schneller zu unseren Kundinnen und Kunden bringen.“
Die Plattform von Monolith ermöglicht es Ingenieuren, historische Testdaten und Simulationen zu nutzen, um Ergebnisse vorherzusagen, die Abhängigkeit von physischen Prototypen zu verringern und die Produktqualität zu verbessern. Tools wie der Next Test Recommender und der Anomaly Detector zeigen das Engagement von Monolith, Entwicklungszyklen zu halbieren und gleichzeitig die Qualität und Leistung der Fahrzeuge und Technologien aufrechtzuerhalten.
„Wir geben Ingenieuren KI-Tools an die Hand, die eine intelligentere und schnellere Produktentwicklung ermöglichen“, ergänzt Dr. Richard Ahlfeld, CEO und Gründer von Monolith. „Unsere bisherige Zusammenarbeit mit Nissan zeigt, wie maschinelles Lernen Effizienz und Innovation in der Automobiltechnik vorantreiben kann. Wir freuen uns sehr, diesen Weg gemeinsam fortzusetzen.“
Quelle: Nissan – Pressemitteilung vom 10.11.2025
Wird geladen...