Zullen auto's in de toekomst vliegen? Waarschijnlijk niet, maar ze zullen wel AI embedded systems hebben! De autosector ondergaat grote veranderingen om zich aan te passen aan een nieuw tijdperk van AI-technologie.
De digitalisering en modernisering van deze sector hebben ingenieurs in staat gesteld om innovatieve en verbeterde voertuigen te ontwikkelen die niet alleen de kwaliteit en veiligheid verhogen, maar ook de algehele rijervaring verbeteren. AI embedded systems tillen autofabricage naar een hoger niveau en bieden autofabrikanten een concurrentievoordeel.
Deze overgang is echter ook een drijvende kracht achter de skills gap in embedded-software-ontwikkeling, wat een uitdaging vormt voor bedrijven die ernaar streven koploper van innovatie in de auto-industrie te zijn. Hoe zal AI embedded systems in de auto-industrie beïnvloeden en hoe kunnen bedrijven de juiste professionals met deze gespecialiseerde vaardigheden vinden?
AI-investeringen in de autosector
Autobedrijven verschuiven hun focus van een mechanische aanpak naar een AI- en softwaregedreven strategie, zoals McKinsey onthulde in een survey met 30 Europese executives uit de automo- en productiesector over het toekomstige gebruik van AI in hun bedrijven. De deelnemers vulden een enquête in waarin meer dan 40% aangaf tot €5 miljoen te hebben geïnvesteerd in generatief AI-onderzoek en -ontwikkeling. Voor 10% van de respondenten bedroeg dit bedrag zelfs meer dan €20 miljoen.
Hoewel 70 procent van deze bedrijven generatieve AI-toepassingen in R&D integreert, bevinden de meeste pilotprogramma's zich nog in de beginfase van het R&D-proces. Dit roept de vraag op waarom het zo moeilijk is om AI systematisch in R&D te implementeren.
In een ander rapport van IBM werden meer dan 1.200 leidinggevenden uit de wereldwijde auto-industrie ondervraagd over hun verwachtingen voor de sector in 2035. Zij voorspellen dat 74% van de voertuigen in 2035 software- en AI-gestuurd zal zijn. Als gevolg daarvan zal 51% van hun inkomsten in 2035 afkomstig zijn van digitale en softwaregedreven bronnen, zoals zelfrijdende functies, verbeterde rijervaringen en functionele upgrades. Om deze kans niet te missen, zullen autofabrikanten hun R&D-budgetten naar verwachting verdrievoudigen, van 21% nu tot 58% in 2035.
AI embedded systems
1. Advanced Driver Assistance Systems (ADAS) en Autonomous Vehicles (AV)
AI zal een cruciale rol spelen in ADAS-systemen, dankzij realtime gegevens van camera's, LiDAR, ultrasone sensoren en RADAR. Deze technologieën detecteren voetgangers, gevaren, verkeersborden en objecten en gebruiken die informatie om de veiligheid te verbeteren. Door functies als adaptieve cruisecontrol, rijstrookassistentie, automatisch remmen in noodsituaties en dodehoekdetectie te verbeteren, worden voertuigen veiliger dan ooit.
Deze vooruitgang in ADAS stimuleert ook de ontwikkeling en betrouwbaarheid van AV's. ADAS helpt menselijke fouten te corrigeren, waardoor autobedrijven een stap dichter bij veilige zelfrijdende auto's zijn. Volgens het IBM-rapport denkt 65% van de leidinggevenden dat klanten tegen 2035 autonoom rijden zullen verwachten. Maar slechts 23% van de leidinggevenden denkt dat niveau 4 en 5 haalbaar zullen zijn vanwege technische uitdagingen, regelgeving en maatschappelijke acceptatie.
De vijf niveaus van autonoom rijden zijn
- Niveau 0: geen automatisering
- Niveau 1: rijassistentie (minstens een systeem)
- Niveau 2: gedeeltelijke automatisering (meerdere systemen)
- Niveau 3: Voorwaardelijke automatisering (niet-complexe situaties)
- Niveau 4: Sterke automatisering (ook in complexe situaties)
- Niveau 5: volledige automatisering
2. Voorspellend onderhoud en energie-efficiëntie
AI-algoritmes in embedded systems zullen sensorgegevens van voertuigen analyseren om defecten aan onderdelen te voorspellen voordat ze zich voordoen. Dit verlaagt niet alleen de kosten, maar verbetert ook de betrouwbaarheid en veiligheid van het voertuig.
Hoewel AI-gestuurde software voor auto-onderhoud voordelen bezit, is er een paradox. Hoe meer software een auto heeft, hoe complexer het onderhoud wordt. Daarom moeten embedded systems worden vereenvoudigd en onderhoudbaar worden gemaakt met behulp van geoptimaliseerd gegevensbeheer, gestroomlijnde softwaresystemen en gestandaardiseerde hardwareplatforms.
Naast onderhoud optimaliseren AI-gestuurde embedded systems ook het batterij- en energiebeheer. Vandaag de dag hebben EV's meestal een bereik tussen 100 km en 500 km. AI-embedded systems zullen het energieverbruik in EV's verbeteren door het batterijgebruik te beheren en het opladen efficiënter te maken met behulp van geavanceerde algoritmes. Geïntegreerde AI-systemen kunnen bijvoorbeeld de gezondheid van de batterij monitoren en optimale oplaadpunten voorstellen om de levensduur van de batterij en het rijbereik te maximaliseren.
3. Infotainment
Autofabrikanten die investeren in nieuwe en exclusieve AI-gestuurde functies om de algehele rijervaring te verbeteren, zullen een concurrentievoordeel behalen in de autosector. Infotainment systems bieden entertainment en rijervaring op maat, wat door veel bestuurders zeer wordt gewaardeerd.
Denk aan de integratie van ChatGPT in de IDA voice assistent van Volkswagen om de mogelijkheden voor spraakbesturing te verbeteren of het BMW Operating System X, dat het merk BMW versterkt en hun digitale en technologische afhankelijkheid van derden vermindert.
Een ander kenmerk van AI-gebaseerde embedded systems is verkeersoptimalisatie, die wordt bereikt door real-time gegevens te gebruiken om verkeerspatronen te voorspellen en geoptimaliseerde routes voor te stellen. Machine-learning-algoritmen verbeteren deze functie nog door routes aan te bevelen op basis van de voorkeuren van de bestuurder en de verkeersomstandigheden.
Naast AI-gestuurde voice assistents en verkeersoptimalisatie analyseren machine-learningmodellen patronen en het gedrag van de bestuurder om bestuurdersprofielen te personaliseren. Dit omvat het automatisch aanpassen van stoelposities, entertainmentvoorkeuren en rijmodi voor een meer op maat gemaakte ervaring.
4. Verbeterde cyberveiligheid
Een van de grootste uitdagingen van AI-embedded systems in voertuigen is cyberbeveiliging. Door de enorme hoeveelheid gegevens die wordt verzameld en geanalyseerd, moet alle gevoelige en privé-informatie worden beschermd. IBM stelt:
“A secure-by-design approach, embedding security and privacy throughout the product lifecycle, can help bolster defences.”
Elmar Pritsch van Deloitte Consulting GmbH benadrukt ook:
“In contrast to the zero-fault mentality in traditional product design, software isn’t free of bugs and may never be fully ready. OEMs should reduce complexity and establish an SDV onboard architecture with an SDV-operated backend for instant bug fixes and security patches. The most successful OEMs will leverage this platform to create additional value, offering new features and third-party services throughout the vehicle lifecycle.”
Naast cyberbeveiliging zelf, biedt een robuust beveiligingssysteem autofabrikanten ook een concurrentievoordeel. Volgens het rapport Automotive 2035 van IBM is cyberbeveiliging een van de meest cruciale factoren bij het definiëren van concurrentievoordeel. Door de lange levensduur van voertuigen en de voortdurende evolutie van cyberaanvallen blijft cyberbeveiliging echter een grote uitdaging voor de meeste autofabrikanten.
Enkele belangrijke oplossingen om de beveiliging van voertuigen te verbeteren met AI-embedded systems zijn Vehicle Security Operations Centres (VSOC's), Intrusion Detection Systems (IDS) en secure-by-design. Al deze oplossingen zijn gericht op het effectief voorkomen, bewaken en reageren op beveiligingsincidenten.
5. Productie en kwaliteitscontrole
Embedded systems spelen ook een cruciale rol in de productie- en kwaliteitscontroleprocessen. Met AI-gestuurde embedded systems kunnen autofabrikanten de productie stroomlijnen, verbeteren en versnellen, wat uiteindelijk leidt tot snellere levering, betere oplossingen en minder fouten.
Een voorbeeld hiervan zijn CAD-tools (Computer-Aided Design), die ontwerpprocessen automatiseren en versnellen. Naast het genereren van mogelijke ontwerpen, vergelijken deze tools modellen ook met prestatieparameters. Een ander voorbeeld komt van BMW, dat een GenAI-assistent heeft ontwikkeld om infrastructuuroptimalisatie op AWS te versnellen voor meer dan 450 DevOps-teams.
AI embedded systems in fabrieken automatiseren ook kwaliteitsinspectie, detectie van defecten en optimalisatie van productielijnen. AI embedded systems monitoren real-time gegevens van sensoren en IoT-apparaten, optimaliseren de workflow en identificeren inefficiënties voordat ze de productie beïnvloeden. AI maakt verder voorspellend onderhoud voor fabrieksmachines mogelijk, waardoor stilstand wordt verminderd en productieprocessen ononderbroken kunnen doorgaan.
Een goed voorbeeld komt van Audi, dat AI gebruikt om te controleren of individuele lassen goed zijn uitgevoerd en om scheuren in geperste onderdelen te detecteren, waardoor het kwaliteitscontroleproces wordt verbeterd.
De impact van AI op recruitment
Skills gap
IBM schreef in hun rapport over de auto-industrie in 2035 dat 74% van de executives zegt dat ze een sterk mechanisch-gedreven cultuur hebben, die moeilijk te veranderen is. De uitdaging voor leidinggevenden is dat ze werknemers nodig hebben die beschikken over zowel vaardigheden op het gebied van softwareontwikkeling als traditionele automechaniek. Vanwege deze nichevereisten verwachten ze zulke specialisten niet voor 2034 vinden om hun softwaredoelstellingen te halen.
De vraag naar embedded systems skills is verschoven van een mechanische naar een AI focus, waarbij vaardigheden zoals data-analyse, machine-learning algoritmen en hardware-integratie nodig zijn.
Bovendien hebben professionals vanwege teamwork niet alleen de juiste ervaring en harde vaardigheden nodig, maar ook zachte vaardigheden zoals teammanagement, communicatie en organisatie.
Recruitmentstrategieën
De combinatie van teamworkskills en niche-expertise maakt het voor autofabrikanten bijzonder uitdagend om de juiste embedded systemsprofessionals te vinden om AI embedded systems te integreren. Bedrijven concurreren niet alleen met hun directe concurrenten, maar ook met andere technologiesectoren die embedded systemsspecialisten met AI-kennis nodig hebben.
Natuurlijk zijn er een aantal interne recruitment- en HR-strategieën die autofabrikanten kunnen implementeren, zoals:
- Interne trainingsprogramma's
- Universitaire en traineeprogramma's
- Freelancers inhuren
Een andere optie is om samen te werken met een gespecialiseerde recruitmentorganisatie voor embedded systems. Deze organisaties hebben meestal toegang tot een bredere talentenpool dan de meeste autofabrikanten, waardoor de kans op het vinden van de juiste experts toeneemt.
Recruiters kunnen ook helpen de kosten te verlagen door sneller kandidaten te vinden en het wervingsproces te beheren. De interne recruitmentkosten kunnen dan worden toegewezen aan andere HR-initiatieven of -afdelingen om de kostenefficiëntie te verbeteren.
Hoe kan Amoria Bond autofabrikanten helpen?
Amoria Bond heeft meer dan 15 jaar ervaring in de STEM recruitment sector en heeft een wereldwijde talentenpool opgebouwd van embedded systems professionals en engineers. Met gespecialiseerde teams verspreid over meerdere continenten hebben onze recruiters met succes een groot aantal niche embedded software engineers in de autosector geplaatst.
Onze teams zijn gespecialiseerd in:
- Hardwaredesign
- Software-ontwikkeling
- Systeemontwikkeling
- Verificatie en validatie
- Beveiliging
- Real-time systems
- System testing
Het voordeel van samenwerken met Amoria Bond is niet alleen dat we de beste kandidaten voor uw functie identificeren, maar we bieden ook 360° HR-oplossingen gedurende het hele wervingsproces, zodat u verzekerd bent van een op maat gemaakte en efficiënte oplossing om aan uw recruitmentbehoeften te voldoen.
Wilt u meer weten over hoe onze recruiters u kunnen helpen met personeelstekorten, nichevereisten en de strijd om talent? Neem vandaag nog contact op met mij of mijn team om uw wervingsbehoeften te bespreken!
