Das Projekt untersucht den Einsatz fortschrittlicher KI zur Verbesserung der Disposition und Routenoptimierung, indem es die Grenzen konventioneller Einzelpunktprognosen durch Unsicherheitsquantifizierung (UQ) überwindet. Diese Integration soll die Transparenz und Zuverlässigkeit der Modelle erhöhen und Zusammenhänge zwischen Routenplanung, Fahrverhalten und umweltbewusstem Fahrzeugeinsatz aufdecken. Verschiedene UQ-Methoden, einschließlich ad-hoc-Techniken und Conformal Predictions, werden erforscht. Zudem werden erklärbare KI-Methoden (XAI) implementiert, um Entscheidern und Planern Modellvorhersagen verständlich zu machen und unerwünschte Konsequenzen, wie defekte Akkus oder Verzögerungen, zu vermeiden. Der holistische Ansatz kombiniert lokale und globale post-hoc Erklärungstechniken, um ein umfassendes Verständnis KI-getriebener Entscheidungen zu fördern und so verantwortungsvollere Entscheidungen in der Routenoptimierung und Disposition zu ermöglichen, wodurch die Lebensdauer von E-Fahrzeug-Akkus maximiert wird.
Partners
GreenGate AG
