Thales DigitalCrew: KI‑Klassifizierung revolutioniert gepanzerte Fahrzeuge
Die digitale Lösung DigitalCrew von Thales verspricht, die Kampfkraft moderner gepanzerter Fahrzeuge durch den Einsatz von KI -gestützter Bildklassifizierung signifikant zu erhöhen. Dabei wird die zentrale Herausforderung adressiert, dass die langen Beschaffungszyklen von Militärplattformen (15 Jahre +) nicht mit dem rasanten Tempo der GPU-Entwicklung (2-4 Jahre) Schritt halten. Durch ein Hardware-as-a-Service -Modell sollen regelmäßige GPU-Updates ermöglicht werden, sodass bestehende Flotten von den Vorteilen künstlicher Intelligenz profitieren können.
Herausforderung: Diskrepanz zwischen Beschaffungs- und GPU-Zyklen
Langfristige Plattformlebenszyklen vs. schnelle GPU-Entwicklung
Militärische Fahrzeuge werden über Jahrzehnte hinweg eingesetzt. Während die mechanischen und optischen Komponenten einer Lebensdauer von 15 Jahren oder mehr entsprechen, folgt die Rechenleistung einem völlig anderen Rhythmus. Führende Hersteller wie NVIDIA und AMD veröffentlichen neue GPU-Generationen alle 2-4 Jahre, wobei der Support für ältere Architekturen in ähnlichen Abständen endet.
Diese Diskrepanz führt dazu, dass die in den Fahrzeugen verbaute Verarbeitungshardware schnell an ihre Grenzen stößt, obwohl Sensoren und Kameras technisch einwandfrei funktionieren.
Technische Grenzen der aktuellen Hardware
Auf bestehenden Plattformen, die mit GPUs aus den frühen 2010er-Jahren ausgestattet sind, erreicht die KI-Klassifizierung lediglich 5-6 Bilder pro Sekunde (fps). Für eine flüssige, für den Menschen nutzbare Echtzeit-Entscheidungsfindung werden jedoch 30-60 fps benötigt. Die niedrige Bildrate erzeugt ruckelige Darstellungen, die für die Besatzung unbrauchbar sind und nur für maschinelle Datenübertragung geeignet bleiben.
- Aktuelle GPU-Leistung: 5-6 fps
- Benötigte Leistung für Echtzeit-KI: 30-60 fps
- Gefährdete Einsatzszenarien: Bedrohungspriorisierung, passive Entfernungsmessung, Anomalieerkennung
Lösungskonzept – Hardware-as-a-Service für regelmäßige GPU-Updates
Stewart, Leiter der Digitalstrategie bei Thales, betont: „Wir müssen erkennen, dass GPU-Hardware geplante Austauschzyklen von drei bis fünf Jahren erfordert, unabhängig vom Lebenszyklus der Plattform.“ Durch ein Hardware-as-a-Service-Modell können die Rechenressourcen in definierten Intervallen erneuert, gewartet und standardisiert bereitgestellt werden.
- Agilität: Alle 3-5 Jahre wird die GPU ausgetauscht, sodass die Rechenleistung stets mit den neuesten KI-Algorithmen Schritt hält.
- Portabilität: Standardisierte Schnittstellen ermöglichen die einmalige Entwicklung von DigitalCrew-Bausteinen und deren Einsatz auf beliebigen Plattformen.
- Kostenkontrolle: Planbare Budgets für regelmäßige Hardware-Erneuerungen reduzieren unvorhergesehene Ausgaben für komplette Fahrzeugmodernisierungen.
- Sofortiger Nutzen: KI-Funktionen können in bestehenden Flotten aktiviert werden, ohne dass neue Fahrzeuge angeschafft werden müssen.
Praxisbeispiel: TrueHunter Sighting System auf dem Boxer-Kampffahrzeug
Die Integration von DigitalCrew ist bereits in Thales-Systemen wie dem TrueHunter Sighting System (ehemals PAAG) umgesetzt. Dieses System wird auf dem deutschen Boxer -Kampffahrzeug getestet und demonstriert, wie KI-Klassifizierung auf Legacy-Hardware-Upgrades realisiert werden kann.
Während traditionelle mathematische Algorithmen für Erkennung, Verfolgung und Bildfusion bereits zuverlässig laufen, fehlt es an ausreichender Rechenleistung für die KI-gestützte Klassifizierung. Der Test verdeutlicht, dass ein reines Sensor-Upgrade ohne GPU-Modernisierung die taktischen Vorteile nicht freischalten kann.
Anzeige*
Risiken und Abhängigkeiten bei regelmäßigen GPU-Updates
Regelmäßige Updates bringen nicht nur Vorteile, sondern auch neue Herausforderungen mit sich:
- Zertifizierung und Sicherheit: Jede neue GPU muss militärische Zertifizierungsprozesse durchlaufen, um Cyber-Angriffe und Fehlfunktionen zu vermeiden.
- Lieferkettenabhängigkeit: Die Abhängigkeit von kommerziellen Herstellern wie NVIDIA erhöht das Risiko von Lieferengpässen, insbesondere bei geopolitischen Spannungen.
- Budgetplanung: Langfristige Verteidigungsbudgets müssen flexibel gestaltet werden, um die zusätzlichen Kosten für regelmäßige Hardware-Erneuerungen zu integrieren.
- Kompatibilität: Standardisierte Schnittstellen sind erforderlich, um die Integration neuer GPUs in bestehende Fahrzeugarchitekturen zu gewährleisten.
Zukunft der KI-gestützten Kampfkraft
Der nächste große Leistungssprung für gepanzerte Fahrzeuge wird nicht durch neue Panzerungen oder Antriebe, sondern durch die Aufrüstung der internen Grafikprozessoren erzielt. Armeen, die die Verarbeitungshardware als Verbrauchsmaterial verstehen und proaktiv regelmäßige GPU-Updates planen, sichern sich langfristig taktische Überlegenheit.
Wie Stewart abschließend formuliert: „Es geht nicht darum, zwischen neuen Plattformen und neuen Prozessoren zu wählen – es geht darum, zu erkennen, dass sie in unterschiedlichen Zeiträumen agieren.“
Fazit
Thales DigitalCrew demonstriert, dass KI-Klassifizierung das Potenzial hat, die Entscheidungsfindung von Besatzungen erheblich zu entlasten und die taktische Effektivität gepanzerter Fahrzeuge zu steigern. Die zentrale Hürde – veraltete Verarbeitungshardware – lässt sich durch ein konsequentes Hardware-as-a-Service-Modell überwinden. Durch regelmäßige GPU-Updates, standardisierte Schnittstellen und die Nutzung bereits vorhandener Sensoren können Streitkräfte neue KI-Fähigkeiten aktivieren, ohne komplette Fahrzeugflotten zu ersetzen. Gleichzeitig müssen Risiken wie Zertifizierung, Cyber-Sicherheit und Lieferkettenabhängigkeit sorgfältig gemanagt werden. Wer diese Balance findet, wird die nächste Generation von KI-gestützten Kampffahrzeugen erfolgreich einsetzen können.