-
Die Erfindung betrifft ein Verfahren zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs. Die Erfindung betrifft ferner ein computerlesbares Medium zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs, ein System zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs, sowie ein Fahrzeug umfassend das System zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs.
-
In Fahrzeugen sind digitale Assistenten bekannt, die Befehle eines Nutzers des Fahrzeugs ausführen können. Dazu kann der Nutzer des Fahrzeugs den digitalen Assistenten aktivieren und anschließend einen Befehl zum Ausführen einer Funktion oder eine Frage an den digitalen Assistenten stellen. Der digitale Assistent kann die entsprechende Funktion ausführen und eine Antwort an den Nutzer des Fahrzeugs bereitstellen. Ein proaktives Bereitstellen von Nachrichten durch den digitalen Assistenten des Fahrzeugs ist häufig nicht vorgesehen und möglich, um einen Fahrer des Fahrzeugs nicht von einer Fahraufgabe abzulenken und/oder einen Nutzer des Fahrzeugs unnötig zu stören oder zu unterbrechen.
-
Es ist daher eine Aufgabe der Erfindung, eine proaktive Empfehlungsnachricht eines digitalen Assistenten des Fahrzeugs effizient an einen Nutzer des Fahrzeugs bereitzustellen. Insbesondere eine Aufgabe der Erfindung, eine proaktive Empfehlungsnachricht eines digitalen Assistenten präziser an einen Fahrer des Fahrzeugs bereitzustellen, ohne den Fahrer des Fahrzeugs abzulenken.
-
Gelöst wird diese Aufgabe durch die Merkmale der unabhängigen Ansprüche. Vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.
-
Gemäß einem ersten Aspekt zeichnet sich die Erfindung aus durch ein Verfahren zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs. Das Verfahren kann ein computerimplementiertes Verfahren und/oder ein steuergeräteimplementiertes Verfahren sein. Die proaktive Empfehlungsnachricht kann eine proaktive Dialognachricht des digitalen Assistenten des Fahrzeugs sein, wobei die proaktive Dialognachricht eine Empfehlung passend zu einem Nutzungsszenario des Fahrzeugs an einen Fahrer des Fahrzeugs umfassen kann. Der digitale Assistent des Fahrzeugs kann ein cloudbasierter, digitaler Assistent sein. Der digitale Assistent kann über verschiedene Bedienmodalitäten, beispielsweise sprachbasiert, berührungsbasiert, und/oder gestenbasiert, gesteuert werden. Das Fahrzeug kann ein Kraftfahrzeug oder ein Motorrad sein.
-
Das Verfahren umfasst ein Empfangen einer Bedieninteraktion des Fahrers des Fahrzeugs mit einer Softwareanwendung des Fahrzeugs, einen Identifikator des Fahrers des Fahrzeugs, und eine Vielzahl von Kontextinformationen des Fahrzeugs zu einem Zeitpunkt der Bedieninteraktion des Nutzers des Fahrzeugs mit der Softwareanwendung des Fahrzeugs durch einen fahrzeugexternen Server. Das Verfahren umfasst weiter ein Ermitteln einer Bedienhäufigkeit des Fahrers mit der Softwareanwendung des Fahrzeugs unter Verwendung der empfangenen Bedieninteraktion des Fahrers des Fahrzeugs mit der Softwareanwendung des Fahrzeugs durch den fahrzeugexternen Server und ein Bestimmen eines Nutzungsszenarios des Fahrzeugs aus einer vorgegebenen Menge an Nutzungsszenarien in Abhängigkeit der Bedienhäufigkeit des Nutzers des Fahrzeugs mit der Softwareanwendung und der Vielzahl von Kontextinformationen des Fahrzeugs durch den fahrzeugexternen Server. Weiter umfasst das Verfahren ein Bereitstellen der proaktiven Empfehlungsnachricht des digitalen Assistenten in Abhängigkeit des bestimmen Nutzungsszenarios des Fahrzeugs durch den fahrzeugexternen Server an den Fahrer des Fahrzeugs mittels des digitalen Assistenten des Fahrzeugs.
-
Vorteilhafterweise kann das Verfahren eine proaktive Empfehlungsnachricht passend zu einem bestimmten Nutzungsszenario effizient und automatisiert bereitstellen. Der digitale Assistent des Fahrzeugs kann somit in Abhängigkeit des Nutzungsszenarios des Fahrzeugs dem Fahrer eine Empfehlung bereitstellen, die situativ genauer ist. Der Fahrer des Fahrzeugs wird durch das Verfahren weniger von der Fahraufgabe abgelegt. Des Weiteren passt sich das Fahrzeug an das Nutzungsszenario an, in dem passende proaktive Empfehlungsnachricht durch den digitalen Assistenten bereitgestellt werden. Ein manuelles Konfigurieren und/oder ein explizites Aufrufen von Softwareanwendungen und/oder Funktionen von Softwareanwendungen des Fahrzeugs kann somit reduziert werden. Der Fahrer kann darüber hinaus unbekannte Funktionen und unbekannte Softwareanwendungen des Fahrzeugs in dem jeweiligen Nutzungsszenario lernen und damit eine Bedienung der Funktionen und/oder Softwarewandungen des Fahrzeugs situativ korrekt erlernen.
-
Gemäß einer vorteilhaften Ausgestaltung kann das Verfahren weiter ein Bestimmen einer Lebenszyklusinformation in Abhängigkeit des Identifikators des Fahrers des Fahrzeugs und eines Identifikators des Fahrzeugs durch den fahrzeugexternen Server umfassen, wobei die Lebenszyklusinformation vorzugsweise repräsentativ für eine Häufigkeit und/oder eine Dauer einer Nutzung des Fahrzeugs durch den Fahrer des Fahrzeugs ist, und wobei das Nutzungsszenario des Fahrzeugs aus der vorgegebenen Menge an Nutzungsszenarien in Abhängigkeit der Bedienhäufigkeit des Nutzers des Fahrzeugs mit der Softwareanwendung, der Vielzahl von Kontextinformationen des Fahrzeugs durch den fahrzeugexternen Server, und der Lebenszyklusinformation bestimmt wird. Beispielsweise kann die Lebenszyklusinformation eine Anzahl der Fahrten mit dem Fahrzeug durch den Fahrer des Fahrzeugs umfassen. Beispielsweise kann die Lebenszyklusinformationen eine Zeitinformation umfassen, die repräsentativ für eine Zeitdauer ist, die der Fahrer des Fahrzeugs das Fahrzeug als Fahrzeughalter besitzt und/oder fährt. In anderen Worten kann die Lebenszyklusinformationen repräsentativ für einen Makrosituation sein, die eine Beziehung des Fahrers mit dem Fahrzeug beschreibt. Hiermit kann das Nutzungsszenario personalisiert in Abhängigkeit der Lebenszyklusinformation zwischen dem Fahrer und dem Fahrzeug effizient bestimmt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann das Verfahren eine Kontextinformation der Vielzahl von Kontextinformationen repräsentativ für eine Situation in einem Innenraum des Fahrzeugs sein, und kann die Kontextinformation repräsentativ für die Situation in dem Innenraum des Fahrzeugs vorzugsweise eine Belegung von Sitzplätzen des Fahrzeugs, eine Information zu einem emotionalen Zustand des Fahrers des Fahrzeugs, und/oder eine Zeit- und/oder Entfernungsinformation bis zu einem Fahrtziel umfassen. Hiermit kann das Nutzungsszenario des Fahrzeugs und damit die proaktive Empfehlungsnachricht des digitalen Assistenten des Fahrzeugs effizienter bestimmt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann eine Kontextinformation aus der Vielzahl von Kontextinformationen repräsentativ für einen Zustand des Fahrzeugs sein, und kann die Kontextinformation repräsentativ für den Zustand des Fahrzeugs vorzugsweise einen Ladezustand, einen Tankzustand, eine Fahrzustand, und/oder eine Parkzustand des Fahrzeugs umfassen. Hiermit kann das Nutzungsszenario des Fahrzeugs und damit die proaktive Empfehlungsnachricht des digitalen Assistenten des Fahrzeugs effizienter bestimmt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann eine Kontextinformation aus der Vielzahl von Kontextinformationen repräsentativ für eine Wetterinformation in einem nahen Umfeld des Fahrzeugs sein. Hiermit kann das Nutzungsszenario des Fahrzeugs und damit die proaktive Empfehlungsnachricht des digitalen Assistenten des Fahrzeugs effizienter bestimmt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann ein Nutzungsszenario aus der vorgegebenen Vielzahl von Nutzungsszenarien eine oder mehrere Empfehlungen zu einer oder mehreren Softwareanwendungen des Fahrzeugs umfassen. Hiermit können effizient mehrere Empfehlungen zu einem Nutzungsszenario genauer an den Fahrer des Fahrzeugs bereitgestellt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann eine Empfehlung zu einer Softwareanwendung des Fahrzeugs eines Nutzungsszenarios aus der vorgegebenen Vielzahl von Nutzungsszenarien repräsentativ für Bedienhäufigkeiten von Softwarewandendungen durch Nutzer, insbesondere Fahrer, einer Flotte von Fahrzeugen eines Fahrzeughersteller sein. Hiermit kann effizient eine Empfehlung zu einem Nutzungsszenario bestimmt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann das bestimmte Nutzungsszenario des Fahrzeugs mit einem Konfidenzintervall verknüpft sein, wobei das Konfidenzintervall angibt, wie sicher das Nutzungsszenario in Abhängigkeit der Bedienhäufigkeit des Nutzers des Fahrzeugs mit der Softwareanwendung und der Vielzahl von Kontextinformationen des Fahrzeugs bestimmt wurde, und kann die proaktive Empfehlungsnachricht des digitalen Assistenten nur an den Fahrer des Fahrzeugs bereitgestellt werden, falls eine untere Grenze des Konfidenzintervalls des bestimmten Nutzungsszenarios einen minimale Konfidenzschwellwert überschreitet. Hiermit die proaktive Empfehlungsnachricht mit einer höheren Genauigkeit an den Fahrer des Fahrzeugs bereitgestellt werden.
-
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann die proaktive Empfehlungsnachricht eine oder die mehrere Empfehlungen zu einer oder mehreren Softwareanwendungen des bestimmten Nutzungsszenarios umfassen, und/oder kann die proaktive Empfehlungsnachricht das bestimmte Nutzungsszenario und das Konfidenzintervall des bestimmen Nutzungsszenarios umfassen. Hiermit können Erläuterungen an den Nutzer effizient bereitgestellt, warum die Empfehlungen proaktiv dem Fahrer des Fahrzeugs bereitgestellt werden. Fahrer kann somit einfacher einen Grund der Empfehlungsnachricht erfassen. Eine Ablenkung des Fahrers von einer Fahraufgabe kann effizient verringert werden.
-
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein computerlesbares Medium zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs, wobei das computerlesbare Medium Instruktionen umfasst, die, wenn ausgeführt auf einem Rechner, das oben beschriebene Verfahren ausführen.
-
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein System zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs, wobei das System dazu ausgebildet ist, das oben beschriebene Verfahren auszuführen.
-
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Fahrzeug umfassend das oben beschriebene System zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs.
-
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, der Figur und der Figurenbeschreibung. Alle vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in der Figur allein gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder aber in Alleinstellung verwendbar.
-
Im Folgenden wird anhand der beigefügten Zeichnung ein bevorzugtes Ausführungsbeispiel der Erfindung beschrieben. Daraus ergeben sich weitere Details, bevorzugte Ausgestaltungen und Weiterbildungen der Erfindung. Im Einzelnen zeigt schematisch
1 ein beispielhaftes Verfahren zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs.
-
Im Detail zeigt 1 ein beispielhaftes Verfahren 100 zum Bereitstellen einer proaktiven Empfehlungsnachricht eines digitalen Assistenten eines Fahrzeugs an einen Fahrer des Fahrzeugs. Die proaktive Empfehlungsnachricht kann eine Empfehlungsnachricht sein, die proaktive durch den digitalen Assistenten des Fahrzeugs an den Fahrer des Fahrzeugs oder einen anderen Nutzer des Fahrzeugs bereitgestellt wird. Die proaktive Empfehlungsnachricht kann ein oder mehrere Empfehlungen umfassen. Vorzugsweise ist die proaktive Empfehlungsnachricht eine Nachricht, die visuell auf einem Anzeigegerät des Fahrzeugs durch den digitalen Assistenten des Fahrzeugs bereitgestellt wird. Zusätzlich oder alternativ kann die proaktive Empfehlungsnachricht eine Sprachnachricht des digitalen Assistenten des Fahrzeugs an den Fahrer oder einen anderen Nutzer des Fahrzeugs sein.
-
Der digitale Assistent des Fahrzeugs kann ein cloudbasierter, digitalen Assistent des Fahrzeugs sein. Der cloudbasierte, digitale Assistent kann eine Dialogsteuerungsanwendung umfassen, die auf einem cloudbasierten Server ausgeführt wird. Weiter kann der cloudbasierte, digitale Assistent ein oder mehrere Ausgabegeräte, beispielsweise ein oder mehrere Anzeigegeräte und/oder ein oder mehrere Lautsprecher, des Fahrzeugs nutzen, um die proaktive Empfehlungsnachricht, die vorzugsweise von der Dialogsteuerungsanwendung des digitalen Assistenten erzeugt wird, an den Fahrer des Fahrzeugs bereitzustellen.
-
Das Verfahren kann eine Bedieninteraktion des Fahrers des Fahrzeugs mit einer Softwareanwendung des Fahrzeugs, einen Identifikator des Fahrers des Fahrzeugs, und/oder eine Vielzahl von Kontextinformationen des Fahrzeugs zu einem Zeitpunkt der Bedieninteraktion des Nutzers des Fahrzeugs mit der Softwareanwendung des Fahrzeugs durch einen fahrzeugexternen Server empfangen 102. Zusätzlich kann das Verfahren einen Identifikator des Fahrzeugs, beispielsweise eine Fahrzeugidentifikationsnummer, empfangen. Die Softwareanwendung des Fahrzeugs kann eine App des Fahrzeugs sein. Beispielsweise kann die Softwareanwendung eine Navigationsapp, eine Audio-Streaming-App, eine Telefonie-App, eine Instant-Messaging-App, oder eine andere App, die auf dem Infotainmentsystem des Fahrzeugs ausgeführt werden kann, sein. Die Vielzahl von Kontextinformationen können repräsentativ für eine Fahrsituation, eine Umfeldsituation, und/oder einen Fahrzeugzustand sein, in der sich das Fahrzeug zum Zeitpunkt der Bedieninteraktion befindet. Beispielsweise kann eine Kontextinformation aus der Vielzahl von Kontextinformationen repräsentativ für einen Ladezustand, einen Tankzustand, eine Fahrzustand, und/oder eine Parkzustand des Fahrzeugs sein. Der Fahrzustand kann beispielsweise anzeigen, dass der Fahrer sich gerade auf seiner täglichen Pendelstrecke in die Arbeit, auf einer Strecke zu einer regelmäßigen Freizeitbeschäftigung, auf einer Ausflugsfahrt, oder auf einer Urlaubsfahrt befindet. Beispielsweise kann eine Kontextinformation der Vielzahl von Kontextinformationen repräsentativ für eine Situation in einem Innenraum des Fahrzeugs ist. Die Kontextinformation repräsentativ für die Situation in dem Innenraum des Fahrzeugs kann eine Belegung von Sitzplätzen des Fahrzeugs, eine Information zu einem emotionalen Zustand des Fahrers des Fahrzeugs, und/oder eine Zeit- und/oder Entfernungsinformation bis zu einem Fahrtziel umfassen. Weiter kann eine Kontextinformation aus der Vielzahl von Kontextinformationen repräsentativ für eine Wetterinformation in einem nahen Umfeld des Fahrzeugs sein.
-
Das Verfahren 100 kann weiter eine Bedienhäufigkeit des Fahrers mit der Softwareanwendung des Fahrzeugs unter Verwendung der empfangenen Bedieninteraktion des Fahrers des Fahrzeugs mit der Softwareanwendung des Fahrzeugs durch den fahrzeugexternen Server ermitteln 104. Das Verfahren kann eine Bedienhäufigkeit für jede Softwareanwendung des Fahrzeugs und für jeden Fahrer des Fahrzeugs ermitteln. Der Fahrer des Fahrzeugs kann beispielsweise mit dem empfangenen Identifikator des Fahrers des Fahrzeugs identifiziert werden.
-
Das Verfahren 100 kann ein Nutzungsszenario des Fahrzeugs aus einer vorgegebenen Menge von Nutzungsszenarien in Abhängigkeit der Bedienhäufigkeit des Nutzers des Fahrzeugs mit der Softwareanwendung und der Vielzahl von Kontextinformationen des Fahrzeugs durch den fahrzeugexternen Server bestimmen 106. Die vorgegebene Menge von Nutzungsszenarien kann typische, bekannte Nutzungsszenarien von Fahrzeugen umfassen. Beispiele von Nutzungsszenarien aus der vorgegebenen Menge von Nutzungsszenarien von Fahrzeugen können sein: Fahren auf einer Pendelstrecke, Fahren in den Urlaub, Fahren zu einer Freizeitaktivität, Fahren zum Einkaufen, Fahren zu einem dienstlichen Termin, Fahren zu einem privaten Termin, Laden, Laden bei Sonnenschein, Laden bei Regen, Parken, Parken auf einem öffentlichen Parkplatz, und/oder Parken auf einem privaten Parkplatz. Die vorgegebene Menge von Nutzungsszenarien kann vorgegebenen maximale Anzahl von häufigsten Nutzungsszenarien von Fahrzeugen umfassen. Beispielsweise kann die vorgegebene Menge von Nutzungsszenarien die häufigsten 10, 20, 30, 40, 50, 60, ... Nutzungsszenarien von Fahrzeugen umfassen. Jedes Nutzungsszenario aus der vorgegebenen Menge von Nutzungsszenarien kann eine Menge von Softwareanwendungen des Fahrzeugs, insbesondere Apps des Fahrzeugs, umfassen, die in dem Nutzungsszenario am häufigsten verwendet werden. Die Menge von Softwareanwendungen eines Nutzungsszenarios kann unter Verwendung der Bedienhäufigkeiten der Softwareanwendungen aller Fahrer oder einer Teilmenge von Fahrer einer Fahrzeugflotte ermittelt werden. Vorzugsweise wird die Menge von Softwareanwendungen eines Nutzungsszenarios unter Verwendung der Bedienhäufigkeiten der Softwareanwendungen aller Fahrer einer Fahrzeugflotte ermittelt. In Abhängigkeit der Bedienhäufigkeiten der Softwareanwendungen von allen Fahrern oder eine Teilmenge von Fahrern einer Fahrzeugflotte kann eine Reihenfolge von Softwareanwendungen für ein Nutzungsszenario ermittelt werden. Beispielweise kann ein Softwareanwendung mit der höchsten Bedienhäufigkeit an einer ersten Position in der Menge der Softwareanwendungen des Nutzungsszenarios stehen und eine Softwareanwendung mit der zweithöchsten Bedienhäufigkeit an einer zweiten Position in der Menge der Softwareanwendungen des Nutzungsszenarios stehen. Die Menge der Softwareanwendungen kann die n-höchsten Bedienhäufigkeit von Softwareanwendungen umfassen. Beispielsweise kann die Menge der Softwareanwendungen drei Softwareanwendungen mit den jeweils höchsten Bedienhäufigkeiten in dem Nutzungsszenario umfassen.
-
Ist eine Softwareanwendung in der Menge der Softwarewendungen eines Nutzungsszenarios, kann der digitale Assistent des Fahrzeugs eine Empfehlung zu dieser Softwareanwendung zu der proaktiven Empfehlungsnachricht hinzufügen. Beispielsweise kann die Empfehlung einen Dialog zur Nutzung der Softwareanwendung in dem Nutzungsszenario umfassen. Der digitale Assistent kann Empfehlungen zu allen Softwareanwendungen oder einer Teilmenge von Softwareanwendungen aus der Menge der Softwareanwendungen des Nutzungsszenarios zu der proaktiven Empfehlungsnachricht hinzu. Beispielsweise kann der digitale Assistent in Abhängigkeit einer Kontextinformation, beispielsweise einer Wetterinformation, eine Empfehlung zu einer Softwareanwendung aus der Menge von Softwareanwendungen des Nutzerszenarios zu der proaktiven Empfehlungsnachricht hinzufügen.
-
Das Verfahren kann eine Lebenszyklusinformation in Abhängigkeit des Identifikators des Fahrers des Fahrzeugs und eines Identifikators des Fahrzeugs durch den fahrzeugexternen Server. Die Lebenszyklusinformation kann repräsentativ für eine Beziehung zwischen dem Fahrer und dem Fahrzeug sein. Beispielsweise kann die Lebenszyklusinformation repräsentativ für eine Häufigkeit und/oder eine Dauer einer Nutzung des Fahrzeugs durch den Fahrer des Fahrzeugs sein. Benutzt der Fahrer des Fahrzeugs zum ersten Mal oder fährt der Fahrer das Fahrzeug die ersten Male, beispielsweise die ersten 10 Fahrten mit dem Fahrzeug, kann diese Information dazu verwendet werden, um das Nutzungsszenario zu bestimmen. Im Detail kann das Nutzungsszenario des Fahrzeugs aus der vorgegebenen Menge an Nutzungsszenarien in Abhängigkeit der Bedienhäufigkeit des Nutzers des Fahrzeugs mit der Softwareanwendung, der Vielzahl von Kontextinformationen des Fahrzeugs durch den fahrzeugexternen Server, und der Lebenszyklusinformation bestimmt werden.
-
Das Verfahren 100 kann die proaktive Empfehlungsnachricht des digitalen Assistenten in Abhängigkeit des bestimmen Nutzungsszenarios des Fahrzeugs durch den fahrzeugexternen Server an den Fahrer des Fahrzeugs mittels des digitalen Assistenten des Fahrzeugs bereitstellen 108. Die proaktive Empfehlungsnachricht kann das Nutzungsszenario und eine oder mehrere Empfehlungen zu dem Nutzungsszenario umfassen. Umfasst das Bestimmen des Nutzungsszenario eine Schätzung des Nutzungsszenario in Abhängigkeit der Kontextinformationen, kann die proaktive Empfehlungsnachricht zusätzlich eine Wahrscheinlichkeit umfassen, mit der das Nutzungsszenario bestimmt wurde.
-
Vorteilhafterweise kann das Verfahren eine Situation eines Fahrzeugs durch Kontextinformationen des Fahrzeugs effizient einschätzen. Der digitale Assistent kann somit einen an die Situation des Fahrzeugs angepasste, proaktive Empfehlungsnachricht an den Fahrer des Fahrzeugs bereitstellen. Dadurch kann eine Ablenkung des Fahrers vom Fahrgeschehen effizient reduziert und/oder vermieden werden. Abhängig von dem Nutzungsszenario kann der Fahrer des Fahrzeugs passende, proaktive Empfehlungen zu Softwareanwendungen des Fahrzeugs erhalten. Der fahrzeugexterne Server erhält nur Kontextinformationen zu einer aktuellen Situation des Fahrzeugs. Daten von Sensoren müssen nicht an den fahrzeugexternen Server übertragen werden, um ein Nutzungsszenario des Fahrzeugs und Empfehlungen für das Nutzungsszenario zu bestimmen. Empfehlungen zu Softwareanwendungen bezüglich eines Nutzungsszenario können somit präziser dem Fahrer des Fahrzeugs durch den digitalen Assistenten des Fahrzeugs bereitgestellt werden.
-
Bezugszeichenliste
-
- 100
- Verfahren
- 102
- Empfangen einer Bedieninteraktion
- 104
- Ermitteln einer Bedienhäufigkeit
- 106
- Bestimmen eines Nutzungsszenarios
- 108
- Bereitstellen einer proaktiven Empfehlungsnachricht
