Motormanagement im Fokus: Innovationen für den Antrieb

Die Integration von Funktionen des elektrischen Antriebsstrangs in einer Komponente gehört zu den Mega-Trends in der Antriebsentwicklung.
Weltweit werden Lösungen präsentiert und erste Ansätze in Serie gebracht, wobei der asiatische Markt führend ist.
Die Potenziale von hochintegrierten „X-in-1“ Lösungen sind klar: Kosteneinsparungen durch reduzierte Hardware und Nutzung von Synergien in der Software. Dem gegenüber stehen eine höhere Komplexität der Einzelkomponente sowie potenziell hohe Reparaturkosten beim Ausfall einer hochintegrierten Komponente.
IAV zeigt am Beispiel des „Powerbox“ Demonstrators, wie die genannten Potenziale erschlossen und Herausforderungen mit intelligenten Lösungen adressiert werden können. Durch die hohe Integration ergeben sich außerdem neue Möglichkeiten für Funktionen innerhalb des elektrischen Antriebs, welche über den Stand der Technik hinausgehen.

Die direkte Kühlung der Wicklung durch Hohlleiter revolutioniert das thermische Management von Elektromotoren.
Das Potential zu 3-fach höheren Dauerstromdichten ermöglicht kompaktere, leichtere Antriebe mit höherer Effizienz – ein Game Changer für die E-Mobility.
Hyperdrives hat sich die Industrialisierung dieser Technologie auf Basis bestehender automobiler Fertigungsanlagen zum Ziel gesetzt.

Our company relies on advanced and innovative applications of artificial intelligence (AI) to optimize our services in various areas of the automotive industry.
In particular, we use AI to detect faults in electronic control units (ECUs). By using various machine learning methods and advanced algorithms, we identify and classify anomalies and thus offer quality assurance at the highest level.
We utilize a real time detection transformer trained with massive data as deep learning backbone. Our application enables technical experts to quickly assess the model predictions, modify, add or remove findings and analyze complete PCBAs at an utmost high standard. Moreover, we continuously generate valuable meta data by gathering the experts knowledge via lazy learning and improve the odels performance with every single use case.

Die aktuellen Herausforderungen an Motorsteuerungen durch die Gesetzgebung und Transformation der Antriebstechnologie

Modern automotive software development is increasingly complex, requiring millions of lines of code and strict regulatory compliance. Traditional methods struggle with fast validation, cost efficiency, and quality demands. This presentation highlights how AI technologies – Generative AI, intelligent agents, and automated validation – can accelerate development and validation.

A key enabler of AI-driven validation is TestSphere, a modular ecosystem that integrates AI-powered au-tomation into software testing and verification. TestSphere leverages Retrieval-Augmented Generation (RAG) for efficient knowledge management, AI-driven test case generation for scalable validation, and Sherlock Trace, an intelligent solution for analyzing traces from SiL, HiL, and in-vehicle tests. Sherlock Trace applies pattern recognition and anomaly detection to extract meaningful insights from large trace datasets, significantly reducing the time required for debugging and compliance verification. The system seamlessly connects with established toolchains, reducing manual effort while increasing test coverage and accuracy. By incorporating AI-powered copilots for test design and requirement analysis, TestSphere enables up to 10x faster test case generation while maintaining compliance and quality. Additionally, cloud-based virtual validation environments allow developers to execute large-scale Software-in-the-Loop (SiL) tests efficiently, significantly reducing hardware dependencies and validation costs.

This session explores real-world cases where AI-driven validation significantly reduced development time and cost. It highlights best practices for integrating AI into automotive software engineering while ensuring security, scalability, and compliance. The discussion fosters idea exchange on AI’s transformative role in automated software validation and verification.

Die Transition der Automobilindustrie zur Entwicklung von Software-Defined Vehicles (SDV) bietet ein großes Potential für nachhaltige Innovation - insbesondere und einschließlich in der Motorsteuerung. Gleichermaßen stellt sie uns vor große Herausforderungen hinsichtlich Komplexität bei der Verwaltung neuer Technologien.
Dieser Vortrag stellt eine neue Perspektive auf die Nutzung von „goldenen Daten“ für die vorausschauende Wartung und die prädiktive Diagnose vor, um sowohl Probleme in der Motorsteuerung zu erkennen und zu beheben, als auch die Effizienz und Leistung durch neue, mit SDV eingeführte Paradigmen zu verbessern.

Der Vortrag beschreibt ein virtuelles Simulationssetup bestehend aus einem virtuellen Inverter-Steuergerät und dem E-Motor. Dieses Setup erlaubt eine Echtzeitsimulation des Antriebs welches sowohl für entwicklungsbegleitende Tests als auch unterstützend zu HIL und Fahrzeugtests eingesetzt werden kann. 

Leveraging 40 years of technological leadership, IAV developed a unified software architecture for all powertrains.
The approach features a powertrain abstraction interface that separates specific vehicle functions from generic components.
For SDVs, this enables decoupling of software and hardware, efficient reuse of legacy code, reduction of complexity, and straightforward integration of third-party components, increasing energy efficiency and driving comfort.
Our presentation focuses on a centralised torque path of an xHEV, including drive strategy, hybrid operation strategy and shift strategy.

Globale Megatrends wie die Digitalisierung und damit einhergehende disruptive Technologien, insbesondere im Kontext Künstliche Intelligenz, führen zu neuen Anforderungen an des Fahrzeugantriebssystem. Die resultierenden Herausforderungen in der Entwicklung zeigen, dass bisherige Entwicklungsmethoden dem Maß der Vernetzung über das Fahrzeug hinweg sowie der Komplexität nicht mehr gerecht werden. Daher stellt sich die Frage, wie die Entwicklungsmethoden weiterentwickelt werden, um die Chancen zu nutzen, die sich durch die Digitalisierung des Antriebs und der Entwicklungsmethodik ergeben. Die in der Vergangenheit bauteilorientierte Entwicklung wird zu einem Zielbild des Software Defined Vehicle weiterentwickelt. Das bedeutet auch, dass sich die Antriebsentwicklung von einer Antriebsmodulentwicklung zu einer hochvernetzten Antriebssystementwicklung im Kontext einer Gesamtfahrzeugarchitektur transformiert.