Living Lab Forschung

Forschung

KI-driven Data Analysis for Immersive Experiences

Sechs Forschungsfelder verbinden reale Messdaten, virtuelle Fahrzeugmodelle, adaptive Simulatoren und die Untersuchung menschlichen Fahrverhaltens.

Von den Telemetriedaten zum angepassten Fahrzeugmodell

Wie nah kommt ein virtuelles Fahrzeug seinem realen Vorbild? Das Living Lab untersucht, wie aufgezeichnete Fahrdaten in die Anpassung von Simulationsmodellen einfließen können. Dabei geht es um das Zusammenspiel von Reifen, Aerodynamik und Fahrdynamik sowie um den Einfluss einzelner Modellparameter.

Vergleichbare Fahrmanöver schaffen die Grundlage, um reale Messungen und simulierte Verläufe einander gegenüberzustellen. Abweichungen machen sichtbar, wo ein Modell weiterentwickelt werden muss. Ziel ist ein digitaler Zwilling des Fahrverhaltens, dessen Eigenschaften anhand nachvollziehbarer Versuche bewertet werden können.

Kooperation und Anwendung

Die Zusammenarbeit mit Fahrzeugentwicklung und Motorsport eröffnet Anwendungsszenarien für den Abgleich von Messdaten und Simulation. Im SAB-Innoteam-Projekt ist die Übertragung realer Telemetrie in Simulatorkonfigurationen ein eigener Arbeitsbereich.

Mögliche Lehranbindung

Vorschlag: Studierende könnten Messreihen synchronisieren, Modellparameter schätzen und das Verhalten realer und virtueller Fahrzeuge vergleichen.

Von den Telemetriedaten zum angepassten Simulator-Motion-Profil

Ein Simulator übersetzt Fahrzustände in begrenzte räumliche Bewegungen. Der Forschungsschwerpunkt untersucht, wie reale Messwerte die Ansteuerung verbessern können: vom Bremsimpuls über die Kurvenfahrt bis zur Rückmeldung von Unebenheiten.

Dabei müssen die Geometrie der Plattform, ihre Bewegungswege und das Zusammenspiel überlagerter Effekte berücksichtigt werden. Bild, Ton und Bewegung sollen zeitlich zusammenpassen. Welche Profile ein Fahrmanöver überzeugend vermitteln, wird am jeweiligen Aufbau untersucht und mit anderen Konfigurationen verglichen.

Kooperation und Anwendung

Im SAB-Innoteam entstanden neue Simulationsprofile, die 2026 zusammen mit weiteren Projektergebnissen öffentlich vorgestellt wurden. Der Austausch mit Technologiepartnern bietet Anknüpfungspunkte für Schnittstellen, Steuerung und die Erprobung unterschiedlicher Rückmeldungen.

Mögliche Lehranbindung

Vorschlag: Studierende könnten Telemetrieschnittstellen entwickeln, Profile vergleichen und die Synchronisation von Bewegungs- und Bildsignalen untersuchen.

Ein digitaler Fingerabdruck zur Fahrererkennung

Lenken, Bremsen und Beschleunigen ergeben charakteristische zeitliche Muster. Das Living Lab untersucht, welche dieser Merkmale über unterschiedliche Fahrzeuge, Situationen und Eingabegeräte hinweg erhalten bleiben. Maschinelle Lernverfahren sollen individuelle Eigenschaften von wechselnden Rahmenbedingungen unterscheiden.

Ein digitaler Fingerabdruck beschreibt dabei ein aus Fahrdaten abgeleitetes Profil. Seine Erkennungsqualität und Übertragbarkeit werden unter definierten Versuchsbedingungen bewertet. Die Arbeiten aus xBloks und die anschließende Validierung in ValiXBloks verbinden diesen Ansatz mit der Authentifizierung im digitalen Rennsport.

Kooperation und Anwendung

Der veröffentlichte IMSRacing-Datensatz hat eine Zusammenarbeit mit der Universität Helsinki ermöglicht. Dort werden Fahrdaten unter anderem aus kognitionswissenschaftlicher Perspektive betrachtet; der gemeinsame Bezugspunkt ist die Analyse menschlichen Verhaltens.

Mögliche Lehranbindung

Vorschlag: Studierende könnten Verhaltensmerkmale extrahieren, Klassifikationsverfahren vergleichen und die Auswirkungen eines Hardwarewechsels auf die Ergebnisse untersuchen.

Adaptive Simulatorplattform mit sechs Freiheitsgraden

Sitzposition, Pedalerie und Fahrzeuggeometrie prägen die Versuchsumgebung. Eine adaptive Simulatorplattform soll diese Größen flexibel berücksichtigen. Sechs Freiheitsgrade kombinieren Verschiebungen in drei Raumrichtungen mit Drehungen um drei Achsen.

Im Mittelpunkt steht das Zusammenspiel von Mechanik, Aktuatorsteuerung und Software. Unterschiedliche Konfigurationen lassen sich so als Versuchsaufbauten vergleichen. Bewegungsumfang, Belastbarkeit und Signalqualität werden für den jeweiligen Technologieträger betrachtet.

Kooperation und Anwendung

Eine im SAB-Innoteam entstandene adaptive Plattform wurde zur Nacht der Wissenschaften 2026 vorgestellt. Die Projektkooperation verbindet die Entwicklung anpassbarer Plattformen mit Fragen ihrer praktischen Anwendung.

Mögliche Lehranbindung

Vorschlag: Studierende könnten Geometriemodelle, Steuerungslogik und Schnittstellen entwickeln und ihre Wirkung an einer konkreten Plattform untersuchen.

Immersionsforschung durch die Nutzung von „Full-Scale-Simulatoren“

Full-Scale-Simulatoren übernehmen den räumlichen Bezug eines realen Fahrzeugs. Cockpitgeometrie, Bedienelemente und Bewegung bilden eine gemeinsame Umgebung, in der das Fahrerlebnis untersucht werden kann. Das Living Lab nutzt dazu unter anderem einen Simulator auf Basis eines KTM-X-Bow-Chassis.

Die Forschungsfrage lautet, welchen Beitrag diese Nähe zum Fahrzeug zum Immersionserleben leisten kann. Vergleiche mit realen Fahrten und geeignete Mess- oder Befragungsverfahren helfen, Unterschiede sichtbar zu machen. Auch das Zusammenspiel von virtueller Umgebung, Tracking und Bewegung bietet Ansatzpunkte für weitere Untersuchungen.

Kooperation und Anwendung

Im KTM-Simulator wurden reale Renndaten zur Anpassung des Fahrgefühls genutzt. Die Verbindung von Fahrzeugpraxis und Simulatorentwicklung schafft gemeinsame Fragestellungen mit Partnern aus Motorsport und Fahrzeugentwicklung.

Mögliche Lehranbindung

Vorschlag: Studierende könnten virtuelle Fahrzeuge und Szenarien modellieren, Messkonzepte entwerfen und reales sowie simuliertes Erleben vergleichen.

Daten nicht nur aufnehmen, sondern verstehen

Daten entfalten ihren Nutzen, wenn ihre Qualität, Herkunft und Bedeutung nachvollziehbar sind. Dieser Schwerpunkt verbindet Erfassung, Synchronisation, Bereinigung und Visualisierung mit automatisierter Analyse. Reale und simulierte Fahrten sollen dadurch für unterschiedliche Fachrichtungen gemeinsam auswertbar werden.

Das im SAB-Innoteam entwickelte Harmonized Telemetry Format führt unterschiedliche Datenrepräsentationen zusammen. Das Analysetool TRACR unterstützt die Darstellung und Untersuchung von Fahrdaten. Auf dieser Grundlage lassen sich beispielsweise Fahrverhalten, Fahrzeugabstimmung oder Trainingsverläufe vergleichend betrachten.

Kooperation und Anwendung

Eine gemeinsame Datenbasis erleichtert den Austausch zwischen Forschung, Lehre und Anwendungspartnern. Der IMSRacing-Datensatz zeigt, wie veröffentlichte Versuchsdaten auch internationale Forschungskooperationen unterstützen können.

Mögliche Lehranbindung

Vorschlag: Studierende könnten eine Verarbeitungskette umsetzen, Datenqualität beurteilen und Auswertungen für eine konkrete Forschungsfrage gestalten.

Forschungs- und Transferprojekte

Von der Fragestellung
zur gemeinsamen Entwicklung.

Projektlaufzeiten und Beschreibungen folgen den veröffentlichten Hochschulquellen. Abgeschlossene Vorhaben bleiben als Teil der Entwicklung des Labors sichtbar.

2024–2026 · Laufend

SAB-Innoteam: ML-Datenanalyse

Das Vorhaben führt drei Arbeitsbereiche zusammen: die Weiterentwicklung einer anpassbaren Simulatorplattform, die KI-gestützte Analyse von Fahrten und die Nutzung von Telemetrie für Simulatorkonfigurationen. Daten aus Simulation, Straßenverkehr und Motorsport liefern unterschiedliche Perspektiven auf Fahrer- und Fahrzeugverhalten.

Zur Nacht der Wissenschaften 2026 wurden Ergebnisse vorgestellt: eine adaptive Plattform, neue Simulationsprofile, ein KTM-X-Bow-Simulator und ein Werkzeug zur Auswertung von Fahrdaten. Damit werden die Verbindungen zwischen Mechanik, Software und Datenanalyse unmittelbar erlebbar.

Projektpartner des SAB-Innoteams
ISA · Anlagenbau, Schulung & Automation · SMC Systems · Bänex Reifen- und Fahrzeug- Handel und Service GmbH · Verkehrssicherheitszentrum am Sachsenring GmbH & Co. KG · event-fahrtrainings.de · AUTO ZENTRUM NORD GmbH & Co. KG

2024–2027 · Laufend

Transferassistenz Living Lab

Forschungsergebnisse aus Motion Simulation und Softwareentwicklung sollen ihren Weg in die industrielle Praxis finden. Die Transferassistenz bereitet Ergebnisse auf, begleitet den Austausch mit Unternehmen und unterstützt die Organisation gemeinsamer Aktivitäten.

Im Mittelpunkt steht der Wissens- und Technologietransfer in Sachsen. Die Zusammenarbeit soll neue Anwendungen und Produkte anregen und den Dialog zwischen wissenschaftlicher Entwicklung und betrieblicher Praxis stärken.

2025–2028 · Laufend

Mobility for Saxony (MofoSa)

Die Nachwuchsforschergruppe untersucht Mobilität im kleinstädtischen und ländlichen Raum. Dafür werden Bedarfe erfasst, Sensorketten entwickelt und Verfahren zur Synchronisation, Zusammenführung und Analyse von Mobilitätsdaten aufgebaut. Der Blick umfasst verschiedene Verkehrsmittel und Nutzungssituationen.

Fahrzeuge und Simulatoren des Living Labs ergänzen die Mess- und Versuchsmöglichkeiten. Die Verbindung realer Fahrten mit reproduzierbaren Untersuchungen unterstützt die Entwicklung und Bewertung von Erhebungs- und Auswerteverfahren.

2025–2026 · Laufend

VIVA-SAX: ValiXBloks

Das System verbindet einen Motion-Simulator mit Fahreridentifikation, Blockchain-Infrastruktur, Hardware-Dongle und Webplattform. Das Validierungsvorhaben untersucht, wie diese Komponenten in realitätsnahen Anwendungsszenarien zusammenarbeiten und wie sich Identitätsprüfung und Manipulationserkennung bewerten lassen.

Angestrebt wird die Validierung auf Technologiereifegrad 5. Ergänzend werden Wirtschaftlichkeit, mögliche Verwertung und Ressourcenverbrauch betrachtet. Die technische Erprobung wird damit um Fragen eines tragfähigen und nachhaltigen Betriebs ergänzt.

2021–2023 · Abgeschlossen

WIR! xBloks

xBloks untersuchte, wie sich spielerspezifische Merkmale mit Hardware- und Softwareprofilen verbinden lassen. Zeitliche Veränderungen solcher Profile können Hinweise auf Unregelmäßigkeiten liefern. Blockchain-Technologien sollten die nachvollziehbare Dokumentation dieser Informationen unterstützen.

Zu den Ergebnissen gehören Grundlagen für Fahreridentifikation und ein zweisitziger Motion-Demonstrator. Der im Projekt aufgezeichnete IMSRacing-Datensatz wird in weiterführender Forschung genutzt; ValiXBloks setzt an der Validierung des entstandenen Gesamtsystems an.

Kontakt und Zusammenarbeit

Gemeinsam eine
Fragestellung entwickeln.

Sie möchten eine Kooperation anstoßen, ein Projekt mit Studierenden entwickeln oder das Labor kennenlernen?

Kontakt aufnehmen

Prof. Dr.-Ing. habil. Matthias VodelHochschule Mittweida
Labor: Haus 6, Raum 6-001
Büro: Haus 8, Raum 8-312
vodel@hs-mittweida.de
+49 3727 58-1010
Kontakt und Standorte