-
Die Erfindung betrifft ein Verfahren zum Bereitstellen einer Instandhaltungsprognose für ein Kraftfahrzeug.
-
Beim Verkauf eines Gebrauchtwagens auf zum Beispiel einem Internetportal müssen alle Schäden, zum Beispiel Dellen am Kotflügel, manuell dokumentiert werden. Solche eigens formulierten Schadensbeschreibungen sind häufig sehr subjektiv. Zum Beispiel die Beschreibung „Lack in gutem Zustand“ gibt außer der subjektiven Einschätzung keine Information darüber, ob nun zum Beispiel kleine Lackschäden vorhanden sind oder nicht. Die gleiche Problematik entsteht in jeder anderen Situation, in der ein Zustand eines Kraftfahrzeugs begutachtet werden soll, zum Beispiel nachdem ein Mieter eines Mietwagens den Mietwagen zurückgegeben hat.
-
Die
DE 10 2015 223 427 A1 beschreibt eine Schadenvisualisierungsvorrichtung zur Visualisierung von Schäden an einem Objekt, insbesondere an einem Fahrzeug, wobei die Schadenvisualisierungsvorrichtung wenigstens eine Bildaufnahmevorrichtung, die zur Aufnahme wenigstens eines Bildes des Objekts ausgebildet ist; wenigstens eine Anzeigevorrichtung, die zur Anzeige des wenigstens einen aufgenommenen Bildes ausgebildet ist; eine Speichervorrichtung, die ausgebildet ist, Daten über Schäden des Objekts zu speichern; und eine Markierungsvorrichtung umfasst, die ausgebildet ist, in der Speichervorrichtung gespeicherte Schäden in dem auf der Anzeigevorrichtung dargestellten Bild zu visualisieren.
-
Aus der
DE 10 2014 224 409 A1 sind eine Vorrichtung sowie ein Verfahren zur Bewertung eines Schadens an einem Bauteil eines Fortbewegungsmittels bekannt.
-
Die
DE 10 2017 212 370 A1 beschreibt eine Vorrichtung zur Identifikation von Schäden in Fahrzeugscheiben, die umfasst: Eine Bildaufnahmevorrichtung, die ausgebildet ist, wenigstens ein Bild einer Scheibe eines Fahrzeugs aufzunehmen; eine Speichervorrichtung, in der die Abmessungen der Scheiben mehrerer Fahrzeuge gespeichert sind; und eine Steuer- und Auswertungsvorrichtung.
-
Auch diese Verfahren sind zeitintensiv, fehleranfällig, weil eine Begutachtung subjektiv ist, und sie bieten keinen Mehrnutzen für zum Beispiel einen nächsten Mieter des Kraftfahrzeugs oder einen Käufer des Kraftfahrzeugs, oder ein Mietwagenunternehmen. Der Benutzer muss das Kraftfahrzeug zuerst in die Werkstatt bringen, bevor er weiß, welcher Umfang für die Instandhaltung nötig ist.
-
Eine der Erfindung zugrundeliegende Aufgabe ist das Unterstützen eines Benutzers bei einer Instandhaltung eines Kraftfahrzeugs.
-
Die gestellte Aufgabe wird durch das erfindungsgemäße Verfahren und die erfindungsgemäßen Vorrichtungen gemäß den nebengeordneten Patentansprüchen gelöst. Vorteilhafte Weiterbildungen sind durch die Unteransprüche gegeben.
-
Die Erfindung basiert auf der Idee, mindestens einen Fahrzeugschaden anhand von einem digitalen Bild oder einer Bilderserie des Kraftfahrzeugs zu erkennen, und den mindestens einen Schaden anhand von Erfahrungswerten zu. Das Bild kann zum Beispiel ein Foto sein oder ein Spektrum, zum Beispiel ein Infrarot-Spektrum, oder mehrere durch machine learning aneinandergehängte Bilder, oder eine 3D-Bildaufnahme, zum Beispiel ein Tiefenbild oder Volumenbild.
-
Hierzu wird eine Deep-Learning-Engine betrieben, die anhand des digitalen Bildes oder der digitalen Bilderserie des Kraftfahrzeugs eine Instandhaltungsprognose ermitteln kann. Hierdurch ist eine sehr genaue und quantitative, also objektive, Dokumentation möglich. Damit geht eine erhebliche Zeitersparnis bei zum Beispiel einem Gebrauchtwagenkauf oder bei der Wartung eines Kraftfahrzeugs einher. Das erfindungsgemäße Verfahren (und die erfindungsgemäßen Vorrichtungen) sind nur gering oder gar nicht fehleranfällig und lassen einen objektiven Vergleich mit anderen Kraftfahrzeugen zu.
-
Das erfindungsgemäße Verfahren zum Bereitstellen einer Instandhaltungsprognose für ein Kraftfahrzeug wird durch eine Prognoseeinrichtung durchgeführt. Unter einer Prognoseeinrichtung wird dabei ein Gerät, eine Gerätekomponente oder ein Geräteverbund verstanden, das/die/der zum Empfangen von Signalen und Daten, deren Auswertung und zur Erzeugung von Signalen ausgestaltet und eingerichtet ist. Außerdem ist die Prognoseeinrichtung zum Betreiben einer Deep-Learning-Engine ausgestaltet und eingerichtet, wobei eine Deep-Learning-Engine ein Gerät ist, welches sogenanntes Deep Learning (tiefgehendes Lernen) auf eine Vielzahl von Daten anwenden kann. Die Prognoseeinrichtung kann zum Beispiel als Steuergerät oder Steuerchip oder Bordcomputer ausgestaltet sein, oder zum Beispiel als Anwenderprogramm („App“).
-
Mit anderen Worten ist eine Deep-Learning-Engine eine hochentwickelte Einrichtung zum Durchführen von tiefgehendem Lernen, also eine Umsetzung von künstlicher Intelligenz. Die Deep-Learning-Engine kann zum Beispiel als künstliches neuronales Netzwerk ausgebildet sein und ist dazu eingerichtet, mittels einer Methode des maschinellen Lernens eine Vielzahl von Trainingsdaten oder Erfahrungswerten (beispielsweise ein Data Set) logisch miteinander zu verknüpfen und wieder neue, übermittelte Daten nach einem vorbestimmten Algorithmus und anhand der bereits gespeicherten Vielzahl von Trainingsdaten oder Erfahrungswerten gemäß der darin enthaltenen Logik, zum Beispiel einer Korrelation, auszuwerten. Hierdurch können auch weitere, neue logische Verknüpfungen durch die Deep-Learning-Engine erstellt werden. Die Erfahrungswerte oder Trainingsdaten können zum Beispiel auf Bildern und Textbeschreibungen von Schäden basieren, die zum Beispiel durch Ingenieure und Mechaniker kommentiert und eingeschätzt wurden.
-
Durch die Prognoseeinrichtung erfolgt ein Bereitstellen eines digitalen Bildes oder einer digitalen Bilderserie eines vorgegebenen Kraftfahrzeugs, wobei das bereitgestellte digitale Bild oder die bereitgestellte digitale Bilderserie zumindest einen Anteil des Kraftfahrzeugs zeigt, vorzugsweise einer Außenwandung des Kraftfahrzeugs. Idealerweise kann das bereitgestellte digitale Bild oder die bereitgestellte digitale Bilderserie eine Gesamtoberfläche beziehungsweise Außenwandung des Kraftfahrzeugs zeigen, also zum Beispiel eine 360-Grad-Aufnahme der Außenseite des Kraftfahrzeugs sein. Das Bereitstellen des digitalen Bildes oder der digitalen Bilderserie kann zum Beispiel durch Empfangen des Bildes aus einer Digitalkamera oder einem mobilen Endgerät erfolgen.
-
Anhand des bereitgestellten Bildes erfolgt durch die Prognoseeinrichtung ein Feststellen mindestens eines optisch ausgeprägten Schadens an einem Bauteil des vorgegebenen Kraftfahrzeugs. Zum Beispiel kann eine Delle am Kotflügel oder an einer Felge festgestellt werden.
-
Durch die Prognoseeinrichtung erfolgt außerdem ein Feststellen desjenigen Bauteils des Kraftfahrzeugs, das den jeweiligen festgestellten Schaden aufweist. Beispielsweise kann über die Bilderkennung die entsprechende Stelle am Kraftfahrzeug zugeordnet werden, wobei zum Beispiel durch die Bilderkennung ein Rad des Kraftfahrzeugs festgestellt und, aufgrund der Relation des erkannten Schadens zu dem Rad, kann zum Beispiel abgeleitet werden, dass sich der Schaden, die beispielhafte Delle, am Kotflügel befindet.
-
Durch die Prognoseeinrichtung erfolgt ein Betreiben der Deep-Learning-Engine, die sich zum Beispiel auf einem Datenserver befinden kann, und/oder die zum Beispiel ein Bestandteil der Prognoseeinrichtung sein kann. Beim Betreiben der Deep-Learning-Engine werden durch diese zu einer Vielzahl von Kraftfahrzeugen Schäden von Bauteilen dieser Kraftfahrzeuge und dazugehörige Reparaturmaßnahmen und deren Reparaturparameter statistisch zusammengefasst. Der jeweilige Reparaturparameter beschreibt jeweils einen quantitativen Aufwand zum Durchführen der jeweiligen Reparaturmaßnahme zum zumindest teilweisen Beheben des Schadens, zum Beispiel eine Reparaturdauer oder Reparaturkosten, oder zum Beispiel eine Komplexität der Reparaturmaßnahme.
-
Diese Trainingsdaten oder Erfahrungswerte können also in der Deep-Learning-Engine zum Beispiel statistisch als künstliches neuronales Netzwerk zusammengefasst sein. Mit einer Vielzahl von Kraftfahrzeugen und entsprechend einer Vielzahl von Schäden ist insbesondere eine Anzahl von größer als 1.000 Kraftfahrzeugen und Schäden, insbesondere größer als 10.000 Kraftfahrzeuge und Schäden, gemeint. Ein derart großer Datensatz kann auch als Big-Data-Datensatz bezeichnet werden. Das erfindungsgemäße Verfahren, das auch als computerimplementiertes Verfahren zum Bereitstellen der Instandhaltungsprognose bezeichnet werden kann, ist auf zumindest einen Big-Data-Datensatz anwendbar.
-
Durch die Prognoseeinrichtung erfolgt ein Verarbeiten einer Gesamtheit an festgestellten Schäden des zu überprüfenden Kraftfahrzeugs mittels der Deep-Learning-Engine und hierdurch ein Ermitteln des jeweiligen mindestens einen Reparaturparameters zu jedem des mindestens einen festgestellten Schadens. Außerdem erfolgen durch die Prognoseeinrichtung ein Verarbeiten einer Gesamtheit an ermittelten Reparaturparametern mittels der Deep-Learning-Engine und hierdurch ein Ermitteln der Instandhaltungsprognose. Die ermittelte Instandhaltungsprognose kann idealerweise den mindestens einen festgestellten Schaden; und/oder den jeweiligen ermittelten mindestens einen Reparaturparameter; und/oder eine Wahrscheinlichkeit, dass der mindestens eine festgestellte Schaden ein Reversibilitätskriterium erfüllt, welches vorgibt, dass der festgestellte Schaden durch eine oder die Reparaturmaßnahme behebbar ist.
-
Schließlich erfolgt durch die Prognoseeinrichtung ein Bereitstellen einer Protokolldatei, die einen die ermittelte Instandhaltungsprognose beschreibenden Text beschreibt. Hierzu kann zum Beispiel in der Prognoseeinrichtung eine Vielzahl von Textbausteinen abgelegt sein, mittels derer ein zusammenhängender Text eines Berichts und/oder Dokumentation bereitgestellt, erzeugt oder generiert werden kann.
-
Es ergeben sich die oben beschriebenen Vorteile. Durch das erfindungsgemäße Verfahren kann zum Beispiel ein Übergabeprotokoll eines Mietwagenverleihers bereitgestellt werden, oder zum Beispiel eine Verkaufsanzeige für ein Internetportal zum Verkauf eines Gebrauchtwagens. Durch die Instandhaltungsprognose können objektive und gute Instandhaltungsprognosen anderer Kraftfahrzeuge besser verstanden und verglichen werden, denn die Instandhaltungsprognose macht eine quantitative, jedoch keine subjektive Aussage. Die Instandhaltungsprognose kann zum Beispiel beschreiben, welche Reparaturmaßnahmen nötig sind, welcher Schaden abgebildet ist, zum Beispiel eine Abschürfung oder eine Kerbe, und die Instandhaltungsprognose kann zum Beispiel eine Entscheidung umfassen, ob zum Beispiel ein Lackschaden poliert werden kann oder lackiert werden muss. Außerdem kann als Reparaturparameter zum Beispiel ein anfallender Kostenaufwand für die Instandhaltung vorgeschlagen werden.
-
Durch die bereits erwähnten Vorteile ergibt sich der weitergehende Vorteil, dass zum Beispiel beim Gebrauchtwagenkauf oder bei der Rückgabe eines Mietwagens keine Begutachtung notwendig ist, das heißt ein potentieller Käufer muss zum Beispiel nicht extra in eine Werkstatt fahren, um den Zustand des Kraftfahrzeugs einschätzen lassen zu müssen.
-
Der mindestens eine ermittelte Reparaturparameter kann vorzugsweise beschreiben: Einen zeitlichen Aufwand zum Beheben des festgestellten Schadens; und/oder einen Kostenaufwand zum Beheben des festgestellten Schadens; und/oder einen Wertverlust des Kraftfahrzeugs durch den festgestellten Schaden und/oder durch die Reparaturmaßnahme; und/oder eine Position des festgestellten Schadens am Kraftfahrzeug. Dies sind Reparaturparameter, die eine besonders detaillierte und quantifizierte Instandhaltungsprognose erlauben.
-
Das Bereitstellen des digitalen Bildes oder der digitalen Bilderserie kann vorzugsweise ein Erfassen einer Außenwandung des Kraftfahrzeugs umfassen, also ein Erfassen einer Außenhaut oder eines Äußeren des Kraftfahrzeugs; und/oder ein Erfassen eines Innenraums des Kraftfahrzeugs. Vorzugsweise kann das Kraftfahrzeug ganzheitlich gescannt werden. Hierzu kann die Prognoseeinrichtung zum Beispiel jeweils eine Sensorik zum optischen Erfassen des Kraftfahrzeugs aufweisen.
-
Das Feststellen des mindestens einen optisch ausgeprägten Schadens an dem Bauteil kann optional ein Feststellen eines Grads einer Ausprägung eines Merkmals des Bauteils durch die Prognoseeinrichtung, zum Beispiel das Ermitteln eines Schattenwurfs auf einer Oberfläche der äußeren Karosserie, umfassen. Außerdem kann die Prognoseeinrichtung dann Prüfen, ob der festgestellte Grad der Ausprägung ein vorgegebenes Schadkriterium erfüllt, wobei das vorgegebene Schadkriterium ein Abweichen des festgestellten Grads von einem vorgegebenen Normbereich beschreibt. Hierbei kann zum Beispiel geprüft werden, ob der gemessene Schattenwurf zum Beispiel ein Schatten des Rückspiegels ist oder nur darauf zurückführbar ist, dass sich an dieser Stelle des Schattenwurfes eine tiefe Delle befindet. Die Prognoseeinrichtung kann bei dieser Ausführungsform des erfindungsgemäßen Verfahrens den mindestens einen optisch ausgeprägten Schaden nur bei Erfüllen des vorgegebenen Schadkriteriums feststellen. Durch eine solche erweiterte Bilderkennung können Schäden noch zuverlässiger festgestellt werden.
-
Um das Instandhaltungsprotokoll noch um solche Schäden zu erweitern, die nicht optisch erkennbar sind, kann, gemäß einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens, durch die Prognoseeinrichtung ein Empfangen eines Kraftfahrzeugzustandssignals erfolgen, wobei das Kraftfahrzeugzustandssignal zum Beispiel aus einem Bordcomputer des Kraftfahrzeugs empfangen werden kann. Das empfangene Kraftfahrzeugzustandssignal beschreibt Kraftfahrzeugdaten zu einem Zustand eines Kraftfahrzeugsystems, insbesondere zu einem aktuellen Zustand eines Kraftfahrzeugsystems, zum Beispiel Motordaten, Beschleunigungsdaten oder Sensordaten. Anhand der Kraftfahrzeugdaten kann durch die Prognoseeinrichtung ein Feststellen mindestens eines weiteren Schadens erfolgen, wobei das Verarbeiten der Gesamtheit an festgestellten Schäden mittels der Deep-Learning-Engine anhand des mindestens einen weiteren festgestellten Schadens erfolgt.
-
Die oben gestellte Aufgabe wird gelöst durch ein Speichermedium mit einem Programmcode, der dazu eingerichtet ist, bei Ausführung durch eine Prozessoreinrichtung eines mobilen Endgeräts eine Ausführungsform des oben beschriebenen Verfahrens durchzuführen. Das Speichermedium kann zum Beispiel als Speicherkarte oder Speicherchip oder anderer Datenspeicher ausgestaltet sein. Unter einer Prozessoreinrichtung wird ein Gerät oder eine Gerätekomponente zur elektronischen Datenverarbeitung verstanden. Die Prozessoreinrichtung kann zum Beispiel mindestens einen Mikrocontroller und/oder mindestens einen Mikroprozessor aufweisen. Es ergeben sich die bereits genannten Vorteile.
-
Die oben gestellte Aufgabe wird gelöst durch ein mobiles, portables Endgerät, zum Beispiel ein Smartphone oder einen Laptop oder einen Tablet-PC, mit einer Ausführungsform des erfindungsgemäßen Speichermediums.
-
Die oben gestellte Aufgabe wird gelöst durch eine Servervorrichtung zum Betreiben im Internet, zum Beispiel einem Datenserver, einem Backend und/oder eine Daten-Cloud, wobei die Servervorrichtung eine Ausführungsform des erfindungsgemäßen Speichermediums aufweist.
-
Die oben gestellte Aufgabe wird gelöst durch eine Prognoseeinrichtung, die dazu eingerichtet ist, die Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prognoseeinrichtung kann vorzugsweise eine Prozessoreinrichtung aufweisen und/oder einen Datenspeicher. Auf dem optionalen Datenspeicher kann vorzugsweise ein Programmcode zum Durchführen des erfindungsgemäßen Verfahrens abgelegt sein. Der Programmcode kann dann dazu ausgelegt sein, bei Ausführung durch die Prozessoreinrichtung die Prognoseeinrichtung dazu zu veranlassen, eine der oben beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens durchzuführen.
-
Die oben gestellte Aufgabe wird gelöst durch ein Kraftfahrzeug, das eine Ausführungsform der erfindungsgemäßen Prognoseeinrichtung aufweist.
-
Zu der Erfindung gehören auch Weiterbildungen des erfindungsgemäßen Speichermediums, des erfindungsgemäßen Endgeräts, der erfindungsgemäßen Prognoseeinrichtung und des erfindungsgemäßen Kraftfahrzeugs, die jeweils Merkmale aufweisen, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Verfahrens beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Speichermediums, des erfindungsgemäßen Endgeräts, der erfindungsgemäßen Prognoseeinrichtung und des erfindungsgemäßen Kraftfahrzeugs hier nicht noch einmal beschrieben.
-
Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus oder Motorrad ausgestaltet.
-
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen.
-
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
- 1 eine schematische Darstellung zu einem Ausführungsbeispiel des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtungen; und
- 2 eine schematische Darstellung zu einem Ausführungsbeispiel des erfindungsgemäßen mobilen, portablen Endgeräts.
-
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
-
In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.
-
Die 1 veranschaulicht das Prinzip des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtungen anhand eines ersten Ausführungsbeispiels.
-
Hierzu zeigt die 1 ein Kraftfahrzeug 10, dessen Benutzer 26 das Kraftfahrzeug 10 zum Beispiel auf einem Internetportal zum Verkauf anbieten möchte. Das Kraftfahrzeug 10 kann zum Beispiel ein Personenkraftwagen sein. An zum Beispiel einem Kotflügel als Bauteil 12 kann das Kraftfahrzeug 10 einen Schaden 14 haben, zum Beispiel eine tiefe Delle.
-
Die 1 zeigt außerdem eine Servervorrichtung 16, die zum Beispiel als Backend oder Daten-Cloud ausgestaltet sein kann. Die Servervorrichtung 16 kann optional ein Speichermedium 18 aufweisen, auf dem ein Programmcode zum Durchführen des hier beschriebenen Verfahrens abgelegt sein kann. Das Speichermedium 18 kann vorzugsweise Bestandteil einer Prognoseeinrichtung 20 sein, die zum Beispiel als Computer oder Steuergerät oder Steuerchip ausgestaltet sein kann. Alternativ kann die Prognoseeinrichtung 20 zum Beispiel im Kraftfahrzeug 10 angeordnet sein oder in einem mobilen Endgerät. Alternativ kann die Prognoseeinrichtung 20 auch geräteübergreifend Bestandteile aufweisen, zum Beispiel eine Komponente in einem mobilen Endgerät und eine weitere Komponente, zum Beispiel die Deep-Learning-Engine 22, in der Servervorrichtung 16.
-
Die Prognoseeinrichtung 20 kann optional eine Prozessoreinrichtung 24 aufweisen, zum Beispiel einen Mikrochip mit mehreren Mikroprozessoren. Im Beispiel der 1 kann die Deep-Learning-Engine 22 zum Beispiel ein Bestandteil der Prognoseeinrichtung 20 sein. Die Deep-Learning-Engine 22 kann optional ein Speichermedium aufweisen (in der 1 nicht gezeigt), in welcher zu einer Vielzahl von Kraftfahrzeugen Schäden und entsprechende Reparaturmaßnahmen und/oder deren Reparaturparameter statistisch zusammengefasst und gespeichert sein können. Solche Trainingsdaten oder Erfahrungswerte können genutzt worden sein, um die Deep-Learning-Engine 22 einzurichten. Die Deep-Learning-Engine 22 kann vorzugsweise als neuronales Netzwerk, also künstliche Intelligenz, ausgestaltet sein, und/oder eine solche umfassen.
-
Die 1 zeigt außerdem einen Benutzer 26, der zum Beispiel mit einem mobilen Endgerät 28 in der Hand um das Kraftfahrzeug 10 herumgeht und zum Beispiel viele Einzelfotos von der Außenseite des Kraftfahrzeugs 10 macht, oder zum Beispiel eine Panoramaaufnahme der gesamten Außenseite, also eine 360-Grad-Aufnahme. Hierzu kann eine Kamera 30 zum Beispiel ein oder mehrere Fotos machen (optionaler Verfahrensschritt S1), oder zum Beispiel einen Videofilm drehen.
-
Zum Bereitstellen des digitalen Bildes oder der digitalen Bilderserie (Verfahrensschritt S2) kann die Prognoseeinrichtung 20 das digitale Bild oder die bereitgestellte digitale Bilderserie zum Beispiel über eine Datenkommunikationsverbindung 32, zum Beispiel eine Internetverbindung oder eine Mobilfunkverbindung, aus dem mobilen Endgerät 28 empfangen. Um die beispielhafte Delle im Kotflügel festzustellen (S3), kann die Prognoseeinrichtung 20 optional einen Helligkeitsunterschied der betroffenen Stelle durch eine benachbarte Stelle des beispielhaften Kotflügels erkennen, zum Beispiel mittels einer Bilderkennungssoftware oder Bildanalysesoftware, und daran zum Beispiel einen Grad der Ausprägung einer Schattierung feststellen (S4). Ist optional ein Schadkriterium vorgegeben, das zum Beispiel vorgibt, dass bei einer Abweichung einer Helligkeit von beispielsweise größer gleich 50 Prozent einer anderen Stelle ein Schaden vorliegt, kann die Prognoseeinrichtung 20 zum Beispiel durch Vergleichen der unterschiedlichen Helligkeitswerte prüfen (S5), ob das Schadkriterium erfüllt ist und im Beispiel der 1 zum Beispiel feststellen, dass es sich dabei tatsächlich um eine Delle handelt.
-
Alternativ oder zusätzlich kann der Schaden festgestellt werden (S3), indem zum Beispiel die Helligkeitswerte von Teilbereichen des Kotflügels mit alten Daten, also zum Beispiel alten digitalen Bildern, verglichen werden.
-
Auf dem beispielhaften bereitgestellten Bild kann zum Beispiel das ganze Kraftfahrzeug 10 zu sehen sein, und die beispielhafte Bildanalysesoftware kann zum Beispiel ein Rad und eine Kraftfahrzeugfront des Kraftfahrzeugs 10 erkennen. Zusätzlich kann die Prognoseeinrichtung 20 auch die Form eines Kotflügels erkennen und daran feststellen (S6), dass der festgestellte Schaden 14 sich an dem vorderen rechten Kotflügel befindet.
-
Beim Betreiben der Deep-Learning-Engine 22 (S7) kann diese anhand der Trainingsdaten die Prognoseeinrichtung 20 unterstützen, die Gesamtheit der festgestellten Schäden 14 zu verarbeiten (S8).
-
Im Beispiel der 1 kann beispielsweise zusätzlich ein Motorschaden mitverarbeitet werden (S8), der zum Beispiel festgestellt werden kann (S3), indem die Prognoseeinrichtung 20 zum Beispiel aus einem Bordcomputer des Kraftfahrzeugs 10, zum Beispiel über eine Mobilfunkverbindung oder eine Bluetooth-Verbindung, ein Kraftfahrzeugzustandssignal empfängt (S9), das zum Beispiel entsprechende Motordaten beschreiben kann, und/oder Sensordaten, zum Beispiel eines Abstandssensors oder eines Crashsensors. Das entsprechende Kraftfahrzeugzustandssignal kann alternativ zum Beispiel über eine drahtgebundene Datenkommunikationsverbindung 32 empfangen werden (S9), zum Beispiel über einen Datenbus des Kraftfahrzeugs 10, zum Beispiel ein CAN-Bus, falls die Prognoseeinrichtung 20 zum Beispiel über ein Kabel mit dem beispielhaften Bordcomputer verbunden ist.
-
Auf Basis des maschinellen Lernens mit den Trainingsdaten oder Erfahrungswerten kann die Prognoseeinrichtung 20 als Reparaturparameter zu dem Motorschaden zum Beispiel Reparaturkosten von 800 Euro ermitteln (S10), sowie einen Aufwand von einem dreitägigen Werkstattbesuch, wobei zum Beispiel die Zeit für die Bestellung eines Bauteils berücksichtigt sein kann. Zu dem Schaden 14 am Kotflügel kann beispielsweise prädiziert werden, dass dieser Schaden nicht ausgebeult werden kann, sondern ein neuer Kotflügel bestellt und eingebaut werden muss. Als Reparaturmaßnahme kann dazu also das Verstellen und Ersetzen eines Kotflügels festgestellt werden, und es kann ermittelt werden (S10), dass diese Reparatur zum Beispiel 600 Euro kosten wird und, als weiterer Reparaturparameter, dass das Kraftfahrzeug 10 wegen des Schadens 14 einen Wertverlust von beispielsweise 500 Euro hat.
-
Zum Ermitteln der Instandhaltungsprognose (S12) können die ermittelten Reparaturparameter mittels der Deep-Learning-Engine 22 verarbeitet werden (S11), wobei die ermittelte Instandhaltungsprognose eine detaillierte Auflistung der Schäden 14, der entsprechenden Reparaturmaßnahmen und der entsprechenden Reparaturparameter enthalten kann, sowie eine Einschätzung, welcher Aufwand zur Instandhaltung nötig ist und was das für den Wert des Kraftfahrzeugs 10 bedeutet.
-
Zum Bereitstellen einer Protokolldatei, zum Beispiel eines Textes für die Internetplattform oder für eine Datenbank des Mietwagenverleihs (S13), kann mit einem aus dem Stand der Technik bekannten Algorithmus zur Generierung eines Textes zum Beispiel ein Bericht über die Schadenssituation bereitgestellt werden. Das Generieren von Texten mittels zum Beispiel vorgegebener Textbausteine ist eine aus dem Stand der Technik bekannte Technik.
-
Die 2 zeigt ein Beispiel eines mobilen Endgeräts 28, zum Beispiel eines Smartphones, mit einem Speichermedium 18, auf dem vorzugsweise ein Programm zum Durchführen des in der 1 beschriebenen Verfahrens mit den Verfahrensschritten S2 bis S13 abgelegt sein kann.
-
Insgesamt zeigen die Beispiele, wie durch die Erfindung ein sogenannter „Advanced Car CV“, also ein fortgeschrittener „Lebenslauf“ des Kraftfahrzeugs 10, bereitgestellt werden kann, und/oder eine „Picture-to-Text-Software“, also ein Programm oder Anwenderprogramm („App“) zur Umsetzung des Bilds des Schadens 14 in einen Text.
-
Dadurch kann zum Beispiel ein Gebrauchtwagenverkauf digitalisiert werden. Gemäß einem weiteren Ausführungsbeispiel kann zum Beispiel ein Anwenderprogramm („App“) mit verschiedenen Features, also Merkmalen oder Funktionen, bereitgestellt werden.
-
Hierbei können vorzugsweise insbesondere Bilder, vorzugsweise Fotos, vom Kraftfahrzeug 10 gemacht und zum Beispiel via Machine Learning ein Schaden 14 oder Schäden 14 erkannt/festgestellt werden (S3). Der Schaden oder die Schäden 14 können hierbei vorzugsweise in verschiedene Klassifikationen erkannt/festgestellt werden (S3), zum Beispiel eine Delle, ein Steinschlag et cetera, und/oder es kann ein Ort erkannt werden, also diejenige Stelle, an der der Schaden 14 ist, vorzugsweise das Bauteil 12 des vorgegebenen Kraftfahrzeugs 10 (S6). Die beispielhafte Picture-to-Text-Software und/oder die Prognoseeinrichtung 20 können diesen Schaden 14 oder diese Schäden 14 und optional den Ort (also das Bauteil 12) erkennen (S3, S6) und hierzu vorzugsweise automatisch einen Text zum Schaden 14 schreiben und/oder eine automatische Aufzählung der Schäden 14 generieren (S13). Ein Einsatzort kann auch ein anderer Verwendungsfall sein, zum Beispiel eine Schadensaufnahme bei Leasing Companies oder ein Autoverleih.
-
Es ergeben sich die oben beschriebenen Vorteile.
-
In einem weiteren Ausführungsbeispiel einer technischen Umsetzung können der Schaden 14 oder die Schäden 14, vorzugsweise inklusive dem Ort, also des entsprechenden Bauteils 12, sowie optional eine Klassifikation via Machine Learning erkannt werden (S3, S6, S8, S10, S11). In zum Beispiel einer Master-file können sämtliche Schadensarten und Schadensorte klassifiziert sein. Ein optionaler Machine-Learning-Algorithmus kann zu einem Ergebnis kommen (S12). Die beispielhafte Software und/oder die Prognoseeinrichtung 20 können sich zum Beispiel aus vorgefertigten Textbausteinen, Schadensarten und Schadensorten einen Text und/oder eine Auflistung zusammenstellen (S13).
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102015223427 A1 [0003]
- DE 102014224409 A1 [0004]
- DE 102017212370 A1 [0005]
