Virtuelle Sensoren
Ein virtueller Sensor ist ein Regressionsmodell, das eine Messgröße aus vorhandenen Signalen berechnet, statt sie mit eigener Hardware zu messen. Lässt sich die Zielgröße aus bereits erfassten Kanälen rekonstruieren, kann der physische Sensor im Serienprodukt entfallen. Data Sensors trainiert solche Modelle aus Ihren Messdaten und exportiert sie als eigenständigen C-, C++-, Python- oder MATLAB-Code.
Was ist ein virtueller Sensor
Viele Größen, die in einem Fahrzeug oder einer Maschine gemessen werden, hängen systematisch von anderen Größen ab, die bereits erfasst werden. Ein Drehmoment hängt an Drehzahl, Einspritzmenge und Temperatur; ein Druck hängt an Last, Volumenstrom und Betriebspunkt. Besteht ein solcher Zusammenhang, lässt er sich als Regression aus Messdaten bestimmen: Das Modell erhält die vorhandenen Kanäle als Eingänge und gibt die Zielgröße aus.
Ein solches Modell wird als virtueller Sensor bezeichnet (in der Literatur auch Softsensor). Es liefert einen Messwert, ohne dass an dieser Stelle ein Messfühler sitzt.
Wann ein physischer Sensor entfallen kann (und wann nicht)
Der Sensor entfällt im Serienprodukt, nicht in der Entwicklung. Für das Training muss die Zielgröße mit einem physischen Sensor gemessen und aufgezeichnet werden. In der Erprobung wird er also weiterhin benötigt: als Referenz auf dem Prüfstand oder im Versuchsträger, um den Zusammenhang zu bestimmen und die Genauigkeit des Modells zu bewerten. In der Serie tritt das Modell anschließend an seine Stelle.
Ebenso wenig ersetzt ein virtueller Sensor eine Größe, die sich aus den vorhandenen Kanälen grundsätzlich nicht rekonstruieren lässt. Steckt die Information nicht in den Eingangssignalen, kann sie auch kein Modell herleiten. Einen Anhaltspunkt liefert die Bewertung auf einem zurückgehaltenen Validierungsanteil, also auf Daten, auf denen das Modell nicht trainiert wurde. Ein schlechtes Ergebnis dort kann mehrere Ursachen haben: zu wenige Daten, ein nicht abgedeckter Betriebsbereich oder eben Eingangsgrößen, die den Zusammenhang nicht tragen. Welche davon vorliegt, lässt sich durch Erweitern der Datenbasis und der Eingangsauswahl eingrenzen.
Ob ein virtueller Sensor eine Messstelle ersetzen darf, entscheidet die zuständige Fachabteilung auf Grundlage der eigenen Absicherung und der für das Produkt geltenden Normen.
Wo Data Sensors ansetzt
Data Sensors deckt den Weg von der Messdatei bis zum einsatzbereiten Code ab: Messdaten laden (CSV, MAT, MDF/MF4, TXT oder ein dekodierter CAN-Trace), Eingangskanäle und Zielsignal festlegen, Training eines Modells (Random Forest, XGBoost oder neuronales Netz, mit automatisiert bestimmten Hyperparametern) und Export des Ergebnisses als eigenständiger Code.
Jeder trainierte Sensor erscheint als eigenes Signal im Panel für virtuelle Signale, getrennt von den realen Kanälen, und lässt sich dort direkt gegen die geladene Messung betrachten. Das Training läuft vollständig auf Ihrem Rechner: kein Cloud-Upload, kein Konto, keine separate Python-Umgebung.
Weiterlesen
- In drei Schritten zum virtuellen Sensor: der konkrete Ablauf von der Messdatei bis zum exportierten Modell.
- Edge AI und Datensouveränität: warum das Modell auf dem Steuergerät läuft und die Messdaten das Haus nicht verlassen.
- No Code: virtuelle Sensoren ohne Python, Notebooks oder eigene ML-Umgebung.
- Rechenbeispiel zur Ersparnis: was ein eingesparter Sensor bei großer Stückzahl ausmacht.