Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

CoreWeave AI halbiert Fehler bei der Aerodynamik-Prognose für Aston Martin F1

16. November 2026, 23:53Von der KI Nachrichten RedaktionQuelle: CoreWeave
CoreWeave AI halbiert Fehler bei der Aerodynamik-Prognose für Aston Martin F1
Bild: CoreWeave

CoreWeave und das Aston Martin Aramco Formula One Team haben ein Modell für maschinelles Lernen entwickelt, das den Fehler bei der Prognose der aerodynamischen Leistung auf der Strecke anhand von Windkanaldaten um 50 Prozent reduziert. Das Team nutzt das Modell vor jedem Rennen, um die Auswahl von Komponenten und das Setup zu steuern.

Das Wichtigste in Kürze
  • Das Modell reduziert den Fehler bei der aerodynamischen Prognose auf der Strecke um 50 Prozent.
  • Es wurde von CoreWeave gemeinsam mit dem Vehicle Science Team von Aston Martin Aramco entwickelt.
  • Das Modell nutzt verrauschte Sensordaten, darunter mit 100 Hz gestreamte Telemetrie.
  • Aston Martin Aramco nutzt es vor jedem Rennen der Saison 2026 zur Steuerung des Setups.
  • Das Team behielt die Pipeline zur erneuten Schulung und Erweiterung.

Die Differenz zwischen Windkanal und Strecke als Setup-Vorteil

Windkanaltests ermöglichen Aston Martin Aramco eine kontrollierte Bewertung von Abtrieb und Luftwiderstand durch Komponenten wie Unterböden und Frontflügel. Auf der Strecke kommen jedoch Variablen hinzu, die der Windkanal nicht vollständig abbilden kann. Dazu zählen Bremsvorgänge, Kurvenkräfte, Randsteine, wechselndes Wetter und die Streckentemperatur sowie die Auswirkungen des Fahrens in der verwirbelten Luft eines anderen Autos.

Die Differenz zwischen der Prognose und der tatsächlichen Leistung des Autos wird als Delta bezeichnet. Bislang stellte das Team diesen Unterschied meist während des Trainings am Freitag fest und passte anschließend sein Setup an. Laut CoreWeave prognostiziert das neue Modell das Delta für eine Rennstrecke, bevor das Auto dort fährt. So können die Ingenieure mit einer besser kalibrierten Ausgangsbasis anreisen.

Ein Modell für kleine, verrauschte Ingenieursdatensätze

Die Sensoren des Autos erfassen Windgeschwindigkeit, Fahrzeuggeschwindigkeit, Lenkwinkel, Fahrzeughöhe und weitere Eingaben, die mit der aerodynamischen Leistung zusammenhängen. Obwohl die Live-Telemetrie mit 100 Hz gestreamt wird, ist der nutzbare Datensatz jedes Rennwochenendes klein, da Messwerte aus der Praxis verrauscht sind und heruntergerechnet werden müssen. Bei 24 Rennen pro Saison hat das Team nur eine begrenzte Zahl an Möglichkeiten, Lerndaten zu sammeln.

Das Physical AI Field Engineering Team von CoreWeave arbeitete sechs Wochen lang gemeinsam mit dem Vehicle Science Team von Aston Martin Aramco und lieferte das Modell vor dem Saisonfinale 2025 in Abu Dhabi. Die Ingenieure wählten gemeinsam relevante Signale aus und führten ein Feature Engineering durch. CoreWeave zufolge übertraf ein neuartiger moderner Modellierungsansatz statistische Methoden, klassische Modellierungstechniken und die bisherige Lösung des Teams.

Das Ergebnis wurde mit den aerodynamischen Sensoren des Autos auf der Strecke überprüft. Aston Martin Aramco behielt die Pipeline, die das Vehicle Science Team mit jedem weiteren Rennwochenende und den dabei anfallenden Daten neu trainieren und erweitern kann. Die Experimente wurden in Weights & Biases Models dokumentiert, sodass die verschiedenen Ansätze verglichen und reproduziert werden konnten.

Von der Entdeckung am Freitag zur Vorbereitung vor dem Rennen

In der Saison 2026 hat Aston Martin Aramco das Modell in der Woche vor jedem Rennen genutzt, um das Setup zu steuern. Die Ingenieure können den erwarteten Wert von Komponenten unter realen Bedingungen berücksichtigen, bevor das Auto das Werk verlässt. Das gilt auch dann, wenn eine Strecke eine Konfiguration mit hohem Abtrieb erfordert.

„Der Windkanal wird immer unser Referenzpunkt sein, aber die Leistung wird auf der Strecke entschieden“, sagte Enrico Cardile, Chief Technical Officer des Aston Martin Aramco Formula One Team. „Gemeinsam mit den Ingenieuren von CoreWeave kommen wir jetzt mit einem klareren Bild davon an jeder Rennstrecke an, wie sich das Auto dort verhalten wird. Dadurch dient das Training der Feinabstimmung des Setups, statt es erst zu ermitteln.“

CoreWeave präsentiert das Projekt als Beispiel für den Einsatz physischer KI über die Formel 1 hinaus. Nach Angaben des Unternehmens kann derselbe Ansatz Bereiche unterstützen, in denen Prognosen mit der physischen Realität übereinstimmen müssen. Dazu zählen die Kalibrierung von Simulatoren anhand von Felddaten und die Verringerung der Zahl physischer Tests, die für ein neues Design erforderlich sind. Für Aston Martin Aramco besteht der unmittelbare Vorteil in einer fundierteren Setup-Arbeit, bevor das Training beginnt.

CoreWeaveAston Martin Aramco Formula One TeamAI.R Tunnelphysische KIIndustrie und FertigungForschungsergebnisse

Ähnliche Meldungen

Markt für softwaredefinierte Fahrzeuge erreicht bis 2035 voraussichtlich 310,46 Milliarden US-Dollar
Wirtschaft19. November 2026, 21:45

Markt für softwaredefinierte Fahrzeuge erreicht bis 2035 voraussichtlich 310,46 Milliarden US-Dollar

Der weltweite Markt für softwaredefinierte Fahrzeuge wird laut Market Growth Reports voraussichtlich von 56,94 Milliarden US-Dollar auf 310,46 Milliarden US-Dollar im…

Humatica-Studie: KI-Betriebsmodelle hinken der Einführung in Unternehmen hinterher
Wirtschaft18. November 2026, 23:33

Humatica-Studie: KI-Betriebsmodelle hinken der Einführung in Unternehmen hinterher

Ein neues Humatica-Whitepaper, das gemeinsam mit CoreWeave erstellt wurde, zeigt, dass große Unternehmen zunehmend von KI abhängig sind, während formale Strukturen für…

MIT-Mikroroboter fliegt mit eigener Sensorik und Rechenleistung
Forschung18. November 2026, 20:00

MIT-Mikroroboter fliegt mit eigener Sensorik und Rechenleistung

Forschende am MIT haben einen Mikroroboter mit Schlagflügeln entwickelt, der eigene Sensoren und Rechenhardware trägt. Dadurch kann er komplexen Flugbahnen folgen und…