Abschlussarbeit

Beschreibung:

Autonom fahrende Fahrzeuge sollen den Straßenverkehr sicherer machen und verschiedenen benachteiligten Gruppen individuelle Mobilität ermöglichen. Dabei wird Machine Learning (ML) als eine der Kerntechnologien angesehen, um diese zu realisieren. ML unterscheidet sich jedoch stark von klassischer Softwareund Systementwicklung, weswegen mit dem Automotive Software Process Improvement and Capability Determination (ASPICE) Standard in der Version 4.0 neue spezielle Referenzprozesse für die Entwicklung von ML-Komponenten und das Datenmanagement eingeführt wurden, deren Anwendbarkeit mit dieser Masterarbeit verifiziert wurde. Dazu wurde mittels ML eine Verkehrszeichenerkennung entwickelt und die Referenzprozesse dabei praktisch umgesetzt. Weiter wurde gezeigt, wie die Anwendung der standardisierten Referenzprozesse eine mögliche Sicherheitsargumentation gemäß dem Stand der Forschung in vielen Aspekten unterstützen kann. Damit wurde bestätigt, dass die Erreichung eines Prozessfähigkeitslevels von mindestens eins als einer der Nachweise zur Argumentation der Sicherheit einer auf ML basierenden Funktionalität, in zum Beispiel einem autonom fahrenden Fahrzeug, angesehen werden kann. Auch wenn die Umsetzung der Referenzprozesse somit eine Sicherheitsargumentation signifikant unterstützen kann, ist dies jedoch keineswegs als alleiniger Nachweis für die Sicherheitsargumentation ausreichend, welche in hohem Maße von den definierten Anforderungen an das System abhängt und auch ethische Bedenken adressieren sollte.