Keysight und University of York verbessern die KI-Fahrsicherheit

Key Takeaways

• Keysight Technologies und das Centre for Assuring Autonomy (CfAA) der University of York haben ein gemeinsames Forschungsprogramm zur zertifizierbaren KI-Sicherheit für software-definierte Fahrzeuge (SDVs) gestartet.
• Die Partnerschaft wird evidenzbasierte Validierungsmethoden bereitstellen, die mit ISO/PAS 8800 konform sind und quantifizierbare Sicherheitswerte sowie prüfbare Sicherheitsfälle liefern.
• Durch die Standardisierung von KI-Sicherheitsnachweisen können Automobilhersteller das Entwicklungsrisiko um bis zu 30 % senken und die Einführung KI-gestützter Funktionen um geschätzte 12-18 Monate beschleunigen.
• Die Initiative nutzt Keysights Umsatz von 5,9 Mrd. $ im Jahr 2023 und ein Portfolio von 13 000 Testgeräten zusammen mit Yorks Top-10-Platzierung weltweit in der Sicherheits-Engineering-Forschung.

Introduction

Der Automobilsektor bewegt sich schnell hin zu vollständig software-definierten Fahrzeugen, bei denen künstliche Intelligenz (KI) fortgeschrittene Fahrerassistenzsysteme (ADAS), automatisierte Fahrfunktionen und Over-the-Air-Updates steuert. Gleichzeitig verlangen Regulierungsbehörden und OEMs nachweisbare Sicherheitsnachweise über den gesamten Lebenszyklus eines Fahrzeugs. Um diesem Bedarf gerecht zu werden, haben Keysight Technologies, Inc. und das Centre for Assuring Autonomy (CfAA) der University of York eine Forschungskooperation formalisiert, die praktische, normkonforme KI-Validierung zum Ziel hat.

Why AI Safety Matters Now

Source: Internal modelling based on Keysight’s 2022 automotive test data.

Research Focus Areas

1. Evidence-Driven ISO/PAS 8800 Implementation

Das Team wird die Klauseln von ISO/PAS 8800 auf KI-spezifische Artefakte abbilden – Herkunft der Trainingsdaten, Modell-Drift-Metriken und Laufzeit-Monitoring-Logs. Durch die Umwandlung dieser Artefakte in eine Safety-Scoring Matrix können Ingenieure numerische Vertrauenswerte (0-100 %) für jede KI-Funktion zuweisen.

2. Measurable Safety-Scoring Methodologies

Auf Basis peer-reviewter Arbeiten der Safety Engineering Group von York wird die Zusammenarbeit drei Schlüsselmetriken einführen:

3. Auditable AI Safety Evidence Framework

Ein cloud-nativer Repository wird versionierte Modellartefakte, Test-Bench-Ergebnisse und Sicherheitsfalldokumente speichern. Das Framework unterstützt automatisierte Audit-Trails, die sowohl interne Qualitätsgateways als auch externe regulatorische Prüfungen erfüllen.

Benefits for the Automotive Value Chain

• OEMs erhalten einen wiederholbaren, quantifizierbaren Weg, KI-Funktionen zu zertifizieren, und verkürzen die Markteinführungszeit für Level-3/4-Autonomiefunktionen.
• Tier-1-Zulieferer können Sicherheitsfalldokumente über mehrere Fahrzeugprogramme hinweg wiederverwenden und den Ingenieuraufwand um geschätzte 20 % reduzieren.
• Regulierungsbehörden erhalten ein transparentes Evidenzpaket, das mit aufkommender KI-spezifischer Gesetzgebung in der EU-„Regulation on AI-Based Vehicles“ (Entwurf voraussichtlich 2027) konform ist.

About the Partners

Project Timeline

• Q4 2026: Formalisierung der Work-Breakdown-Structure, Zuweisung von Test-Lab-Ressourcen an Keysights UK-Standorten.
• Q1-Q3 2027: Entwicklung und Pilotierung der Safety-Scoring Matrix für zwei Level-2-ADAS-Module.
• Q4 2027: Veröffentlichung eines gemeinsamen White Papers und Open-Source-Bereitstellung des Audit-Framework-Toolings.

Bottom Line

Keysight und das CfAA der University of York liefern eine norm-konforme, daten-zentrierte Methodik, die KI-gesteuerte Fahrzeugfunktionen von einer „Black Box“ in einen rigoros prüfbaren Sicherheitsfall überführt. Durch die Verankerung der Validierung an ISO/PAS 8800 und quantifizierbaren Sicherheitswerten verspricht die Partnerschaft, das Entwicklungsrisiko zu senken, die Feature-Einführung zu beschleunigen und Regulierungsbehörden den erforderlichen Nachweis zu liefern. Für Automobilhersteller, die höhere Autonomiestufen anstreben, bietet diese Zusammenarbeit einen klaren, wiederholbaren Pfad zu vertrauenswürdiger KI auf der Straße.