Künstliche Intelligenz bei der Fahrzeugentwicklung
13 November, 2025
Kann mit Hilfe künstlicher Intelligenz die Fahrzeugentwicklung beschleunigt werden?
Der Automobilhersteller Nissan will mit Hilfe künstlicher Intelligenz (KI) die Fahrzeugentwicklung beschleunigen, um schneller neue Modelle auf den Markt zu bringen und den Einsatz physischer Test zu reduzieren. Die auf diesem Gebiet bereits bestehende strategische Partnerschaft mit dem KI-Entwickler Monolith ist jetzt um drei Jahre verlängert worden. Auch die betriebliche Effizienz und die Innovationsstärke sollen davon profitieren.
Erstmals hat Autohersteller Nissan die KI-Technologie von KI-Entwickler Monolith bei der Entwicklung des neuen Leaf zur Validierung von Fahrzeugtests eingesetzt. Genutzt werden Testdaten von Fahrzeugen aus mehr als 90 Jahren Forschung und Entwicklung. Sie werden von den Ingenieuren des Nissan Technical Centre Europe im britischen Cranfield verwendet, um die Ergebnisse physischer Tests vorherzusagen. Dies reduziert 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 Zusammenarbeit auszuweiten, folgt auf die erfolgreiche Zusammenarbeit zwischen Hersteller Nissan und KI-Entwickler Monolith bei der Verwendung von künstliche Intelligenz 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 Verringerung realer Tests im Vergleich zum herkömmlichen, nicht KI-gestützten Verfahren um ca. 17 Prozent. Würde derselbe Ansatz auf die Entwicklung der gesamten europäischen Fahrzeugpalette von Autohersteller Nissan angewendet, könnte die Testzeit um die Hälfte reduziert werden.
Man könne 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.“ ampnet/aum
Lesen Sie auch:
Nissan Auto-Neuheiten bis 2027
Nissan Vertragshändler-Suche
Nissan Cube Testbericht
Gebrauchte Nissan-Nutzfahrzeuge
Erstmals hat Autohersteller Nissan die KI-Technologie von KI-Entwickler Monolith bei der Entwicklung des neuen Leaf zur Validierung von Fahrzeugtests eingesetzt. Genutzt werden Testdaten von Fahrzeugen aus mehr als 90 Jahren Forschung und Entwicklung. Sie werden von den Ingenieuren des Nissan Technical Centre Europe im britischen Cranfield verwendet, um die Ergebnisse physischer Tests vorherzusagen. Dies reduziert 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 Zusammenarbeit auszuweiten, folgt auf die erfolgreiche Zusammenarbeit zwischen Hersteller Nissan und KI-Entwickler Monolith bei der Verwendung von künstliche Intelligenz 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 Verringerung realer Tests im Vergleich zum herkömmlichen, nicht KI-gestützten Verfahren um ca. 17 Prozent. Würde derselbe Ansatz auf die Entwicklung der gesamten europäischen Fahrzeugpalette von Autohersteller Nissan angewendet, könnte die Testzeit um die Hälfte reduziert werden.
Man könne 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.“ ampnet/aum
Lesen Sie auch:
Nissan Auto-Neuheiten bis 2027
Nissan Vertragshändler-Suche
Nissan Cube Testbericht
Gebrauchte Nissan-Nutzfahrzeuge
zurück zu den News News Archiv
Bitte beachten Sie, dass die Meldung den Stand der Dinge zum Zeitpunkt ihrer Veröffentlichung wiedergibt.