ONELIFE #34 – German

HIGHTECH-SEGELN
großer Datenmengen in Verbindung mit maschinellem
Lernen – im Prinzip handelt es sich dabei um erweiterte
Statistik – lassen sich diese Muster auf systematische und
logische Weise ermitteln.“
„Es geht darum, fehlende Informationen zu ergänzen“,
erklärt Muñoz. „Wir überwachen Echtzeitdaten, um Versagensursachen
zu identifizieren und diese Informationen
dann in den Gesamtzusammenhang einzuordnen.“
Um die Eingabe und Ausgabe der Daten für dieses
Gesamtbild zu maximieren, geht die Analyse weit über das
hinaus, was während einer einzelnen Trainingseinheit auf
dem Boot passiert, wie Muñoz erklärt. „Unser Ansatz umfasst
mehr als nur die traditionelle tägliche Leistungsanalyse“,
sagt er. „Wir verarbeiten deshalb nicht nur die Daten
des jeweiligen Tages, sondern vergleichen sie auch mit
Aufzeichnungen, die wir vor mehreren Monaten gemacht
haben. Dadurch hoffen wir, Trends zu erkennen, die informationsbasierte
Entscheidungsprozesse bei der Entwicklung
des Boots unterstützen können.“
Aber das ist nicht so einfach, wie es sich anhört. „Im
Gegensatz zur Formel 1 lässt sich das Problem beim Segeln
nur schwer definieren“, erklärt Muñoz. „Die Bootsleistung
kann von Tag zu Tag erheblich schwanken, selbst wenn alle
kontrollierbaren Variablen auf dem Boot gleich bleiben.“
Diese Variablen stellen das Team in Portsmouth – und
die Algorithmen, die es verwendet – vor große Herausforderungen,
denn es muss bei seinen Analysen eine Vielzahl
von Szenarien und Einflüssen berücksichtigen; ein Wind,
für den eine Geschwindigkeit von 10 Knoten definiert
wurde, kann tatsächlich zwischen 7 und 13 Knoten variieren;
die Meeresströmung verändert sich ständig; und nicht zuletzt
passiert auf einem America’s Cup-Boot alles sehr
schnell. Wenn man dann noch all die Variablen berücksichtigt,
die von der Mannschaft kontrolliert werden können –
z. B. das Auswechseln der Hydrofoils –, dann wird es ziemlich
kompliziert.
„Wenn man eine Komponente des Boots modifiziert
oder verändert, möchte man verstehen, welche Auswirkungen
diese Veränderung hat, und Störgeräusche möglichst
ausschalten“, erklärt Johnston.
„Die Fülle der Informationen, die von den am Boot
befestigten Sensoren generiert wird, macht einen enormen
Unterschied. Mithilfe der maschinellen Lernverfahren, die
wir entwickelt haben, können wir diese Informationen
filtern, um die Elemente zu ermitteln und zu überwachen,
die sich ständig verändern.“ Indem sie das Bootsdesign
durch kleinste Veränderungen immer weiter verbessern,
DER 35. AMERICA’S CUP
Zeit: 26. Mai bis 27. Juni 2017
Ort: Bermuda
Anzahl der Teams: Sechs
(ein Verteidiger und fünf Herausforderer)
Titelverteidiger: ORACLE TEAM USA
(Skipper: Jimmy Spithill)
Bootsklasse: Die teilnehmenden
Boote unterliegen
bestimmten Designregeln, den
so genannten ‚Klassenregeln‘
des America’s Cup. Alle Teams
müssen sich an diese Regeln
halten und eigene Boote präsen -
tieren, die speziell für den
Wettbewerb entwickelt wurden.
Das Land Rover BAR-
Datenteam hat seinen Sitz in
der britischen Hafenstadt
Portsmouth und wurde ins
Leben gerufen, um für
eine bessere Leistung auf
dem Wasser zu sorgen. Hier
abgebildet sind Jim Johnston
(links), Richard Hopkirk
(unten links) und Mauricio
Muñoz (unten rechts).
„DER KAMPF UM DEN
unterstützt das Team in Portsmouth
ihre in Bermuda trainierenden
Kollegen. Die
AMERICA’S CUP FINDET
Teams tragen ihre Erkenntnisse
zusammen, um ihr gemein-
AN EINER ANDEREN,
EINER FORTSCHRITT- sames Ziel zu erreichen: die
Optimierung des Wettbewerbsboots
Land Rover BAR
LICHEREN FRONT
R1 für den America’s Cup.
STATT: BIG DATA.“
Das relativ junge Team
trifft auf Gegner mit zum Teil
jahrzehntelanger Erfahrung.
Die Portsmouth-Crew profitiert
jedoch von Technologien, die Jaguar Land Rover im
Rahmen des Fahrzeugdesigns und der Fahrzeugforschung
entwickelt hat. Dies beschleunigt die Lernkurve – und damit
auch den Fortschritt.
Johnston weiter: „Da Jaguar Land Rover bereits im
Bereich der selbstlernenden Fahrzeugtechnologie Erfahrungen
mit der Verwaltung und Analyse von Daten gesammelt
hatte, waren wir in der Lage, ein Expertenteam zusammenzustellen,
um Algorithmen zur Nutzung der Daten
zu entwickeln. Hierzu zählen die Bereiche Aerodynamik,
Kontrollsysteme und natürlich das maschinelle Lernen in
Verbindung mit den von uns entwickelten Workstreams.“
„Wir haben ein klar definiertes Ziel vor Augen“, sagt
Hopkirk. „In Bermuda muss alles stimmen. Wir wissen zwar
nicht, wie die anderen Teams ihre Schwerpunkte setzen,
aber die groß angelegte Analyse von Leistungsdaten ist
möglicherweise ein Novum in der Welt des Segelrennsports,
und wir wollen zeigen, wie effektiv sie sein kann.
Wir suchen ständig neue Wege, um diese wichtigen Daten
in die Algorithmen einzuspeisen und so neue Erkenntnisse
zu generieren.“
„Wir wollen gewinnen und den Cup nach Großbritannien
holen“, erklärt Johnston. „Das ist unsere Motivation.“
„Damit ist es jedoch nicht zu Ende“, fügt Hopkirk hinzu.
„Wir werden die Einsichten, die wir während dieses
Wettbewerbs gewinnen, für den nächsten America’s Cup
nutzen können – und darüber hinaus.“
44