aiMOOC

Fahrerassistenz Sensorik und Fahrzeugsoftware – Radar Kamera und Ultraschall vergleichen

QR-Code

Fahrerassistenz Sensorik und Fahrzeugsoftware – Radar Kamera und Ultraschall vergleichen

Einleitung

Zielgruppe: Ausbildung in der Kraftfahrzeugmechatronik Lernformat: 6 kurze Lernstationen, ein durchgehender Werkstattfall, interaktive Übungen und Lernkontrolle Lernziel: Du vergleichst Radar, Kamera und Ultraschall nach Messprinzip, Umwelteinfluss und Verarbeitung durch Fahrzeugsoftware. Du wertest Diagnosedaten aus und begründest eine sichere Fehlereingrenzung.

Leitfrage: Warum kann ein Assistenzsystem bei Gegenlicht eingeschränkt sein, obwohl Radar und Ultraschall unauffällige Messwerte liefern?

Sicherheitsgrenze: Du arbeitest in diesem Kurs mit Bildern, Simulationen und fiktiven Datensätzen. Arbeiten an sicherheitsrelevanten Fahrzeugsystemen, Hochvoltsystemen, Rückhaltesystemen sowie Kalibrierungen, Reparaturen, Funktions- und Fahrfreigaben bleiben entsprechend qualifiziertem Fachpersonal vorbehalten. Maßgeblich sind immer die fahrzeug- und herstellerspezifischen Vorgaben. Dieser Lernkurs erteilt keine Zulassungs-, Reparatur- oder Fahrfreigabe.

Lernstation 1: Drei Sensoren – drei Perspektiven

Lernzeit: 8 Minuten

Sensor	Messprinzip	Typische Information	Beispiele für Grenzen
Radar	Elektromagnetische Wellen und reflektierte Signale	Abstand, Relativgeschwindigkeit, Richtung	Starke Witterung, Abschattung, Beläge, ungeeignete Einbausituation
Kamera	Licht wird in Bildsignale umgewandelt	Fahrbahnmarkierungen, Objekte, Verkehrszeichen	Blendung, Dunkelheit, Verschmutzung, Regen oder Nebel
Ultraschall	Schallimpuls und Echo-Laufzeit	Abstand im Nahbereich	Schräg stehende oder schallabsorbierende Oberflächen, Verunreinigung, Umgebungsbedingungen

Merksatz: Ein Sensor misst nicht „die ganze Verkehrssituation“. Erst die Signalverarbeitung und Sensordatenfusion können Informationen verschiedener Quellen miteinander verknüpfen.

Basisaufgabe: Decke die rechte Hälfte der Tabelle ab. Erkläre einem Lernpartner zu jedem Sensor, was er unmittelbar misst und was nicht.

Begründetes Feedback: „Radar erkennt sicher jedes Verkehrszeichen“ wäre falsch: Radar liefert vor allem Informationen über reflektierende Ziele und deren Bewegung. Für die Deutung visueller Zeichen ist typischerweise die Kamera mit geeigneter Bildverarbeitung zuständig.

Lernstation 2: Radar – Entfernung und Bewegung

Lernzeit: 10 Minuten

Messprinzip: Der Radarsensor sendet elektromagnetische Wellen aus und verarbeitet deren Reflexionen. Beim häufig verwendeten FMCW-Radar werden Frequenzrampen eingesetzt. Daraus können Entfernung und durch zeitliche Auswertung beziehungsweise Dopplerinformation die Relativgeschwindigkeit bestimmt werden.

Bildauftrag: Suche im Diagramm die Frequenzrampe. Erkläre, warum die Auswertung eines reflektierten Signals zusätzliche Informationen benötigt und nicht nur auf „Signal empfangen“ beruhen kann.

Kurzvideo: Texas Instruments, „Automotive Front Radar Using the AWR2243 TI mmWave Sensor“, etwa 1 Minute.

Umweltcheck: Radar ist nicht auf sichtbares Tageslicht angewiesen. Dennoch können etwa starke Niederschläge, Eis, Schnee, Verschmutzung oder Abschattung die Erfassung beeinträchtigen. Die konkreten Grenzen sind systemabhängig.

Anwendungsfrage: Nach starkem Schneefall meldet das System eine eingeschränkte Abstandserfassung. Ist damit ein defekter Radarsensor nachgewiesen?

Feedback: Nein. Eine Beeinträchtigung durch eine bedeckte Sensorzone ist eine mögliche Hypothese. Ohne fahrzeugspezifische Diagnose, Umgebungsinformationen und zulässige Prüfungen lässt sich kein Bauteildefekt belegen.

Lernstation 3: Kamera – aus Pixeln werden Merkmale

Lernzeit: 10 Minuten

Messprinzip: Die Kamera erfasst Licht. Die Bildverarbeitung sucht zum Beispiel Linien, Kanten und Objekte. Software bewertet die Erkennung und kann daraus Informationen für einen Spurhalteassistenten erzeugen.

Bildauftrag: Beschreibe den Unterschied zwischen einem Kamerabild und einer daraus berechneten Fahrspurmarkierung. Warum ist eine erkannte Linie noch keine garantierte richtige Interpretation der gesamten Fahrsituation?

Umweltcheck: Gegenlicht, Regentropfen, Schmutz, Dunkelheit und geringe Kontraste können Bildmerkmale unklar machen.

Wichtig zum Bild: Es zeigt eine durch Regen beeinträchtigte Rückfahrkamera. Es veranschaulicht den optischen Störeinfluss, ist aber kein Messdatensatz einer Frontkamera für Spurassistenz.

Transferfrage: Warum kann eine Softwarefunktion „nicht verfügbar“ melden, obwohl die Kamera weiterhin Bilder liefert?

Feedback: Die Bildaufnahme und die zuverlässige Auswertung sind unterschiedliche Schritte. Wenn Merkmale nicht ausreichend sicher erkennbar sind, kann die Software die Assistenzfunktion einschränken.

Lernstation 4: Ultraschall – das Echo im Nahbereich

Lernzeit: 8 Minuten

Messprinzip: Ein Sensor sendet einen Ultraschallimpuls. Aus der Laufzeit des Echos wird die Distanz berechnet.

$d = \frac{c \cdot t}{2}$

Mini-Rechnung: Bei einer angenommenen Schallgeschwindigkeit von 343 m/s und einer Echo-Laufzeit von 0,006 s ergibt sich eine Distanz von ungefähr 1,03 m. Durch zwei wird geteilt, weil der Schall zum Objekt und zurück läuft.

Bildauftrag: Finde am abgebildeten Stoßfänger den Sensorbereich. Erkläre, warum die Einbauposition und die reflektierende Oberfläche für eine Abstandsmessung wichtig sein können.

Grenzen: Material, Oberflächenform, Einfallswinkel und Umgebungsbedingungen beeinflussen das Echo. Die Schallgeschwindigkeit ist unter anderem temperaturabhängig.

Basisfrage: Weshalb ist Ultraschall für Einparkhilfen typisch, aber kein Ersatz für die kamerabasierte Verkehrszeichenerkennung?

Feedback: Ultraschall liefert Nahbereichsabstände aus akustischen Echos, jedoch keine Bildmerkmale zur Erkennung von Schrift oder Symbolen.

Lernstation 5: Fahrzeugsoftware – messen, prüfen, verknüpfen

Lernzeit: 10 Minuten

Vereinfachtes Systembild:

Radardaten	Kameradaten	Ultraschalldaten
↓
Vorverarbeitung und Bewertung der Datenqualität
↓
Zeitlicher und räumlicher Abgleich / Plausibilisierung / gegebenenfalls Sensordatenfusion
↓
Assistenzfunktion, Warnung oder Einschränkungsstatus

Hinweis: Dies ist ein didaktisches Funktionsschema. Die tatsächliche Softwarearchitektur, Sensorbestückung und Datenfusion unterscheiden sich je nach Hersteller und Fahrzeug.

Bildauftrag: Das Bild zeigt Szenarien einer kooperativen Abstandsregelung. Trenne die dargestellte Assistenzfunktion von den Sensoren, die dafür in einem konkreten Fahrzeug verbaut sein können.

Vertiefungsvideo: Texas Instruments, „Imaging radar using multiple single-chip FMCW transceivers“, etwa 2½ Minuten.

Merksatz: Eine gute Messung ersetzt nicht die Qualitätsbewertung. Auch „kein Fehlercode vorhanden“ bedeutet nicht automatisch „das Gesamtsystem ist fehlerfrei“.

Lernstation 6: Ausbildungsfall – Spurwarnung bei Gegenlicht

Lernzeit: 15 Minuten

Werkstattauftrag als Simulation: Nach dem Austausch einer Frontscheibe berichtet eine Kundin, dass die Spurwarnung bei tief stehender Sonne zeitweise eingeschränkt sei. Du erhältst einen fiktiven, vereinfachten Trainingsdatensatz. Es findet keine reale Fahrzeugprüfung statt.

Annahmen für das Lernmodell: Eine Kamera bewertet die Erkennbarkeit von Spurmarkierungen. Der Qualitätswert reicht hier willkürlich von 0 bis 1; es handelt sich nicht um eine herstellerspezifische Größe oder einen gültigen Grenzwert. Radar und Ultraschall beobachten zu Vergleichszwecken jeweils eigene, festgelegte Referenzobjekte.

Datensatz	Umgebung	Kamera: Spurqualitätswert	Radar: Abstand zu 20,0-m-Referenz	Ultraschall: Abstand zu 0,80-m-Referenz	Status Spurassistent
A	Diffuses Tageslicht	0,92	20,1 m	0,80 m	Verfügbar
B	Tiefes Gegenlicht	0,24	20,2 m	0,81 m	Eingeschränkt
C	Diffuses Tageslicht	0,90	20,1 m	0,80 m	Verfügbar

Zusatzinformation: Im simulierten Fehlerspeicherauszug ist kein Fehlercode hinterlegt. Die Messwerte und Statusmeldungen sind frei erfundene Übungsdaten. Sie ersetzen weder reale Diagnosedaten noch Herstellergrenzen.

Dein Auftrag:

Messwertanalyse: Beschreibe die auffälligste Änderung zwischen A, B und C.
Fehlerhypothese: Formuliere zwei mögliche Erklärungen und gewichte sie anhand der Daten.
Werkstattdokumentation: Schreibe eine fachliche Übergabe an die qualifizierte Fachkraft. Nenne Beobachtung, Unsicherheit und erforderliche Prüfung anhand der Herstellerangaben.

Gestufte Hilfen zum Ausbildungsfall

Hilfe 1 – Orientierung: In welcher Spalte verändert sich der Wert besonders stark, und welche Umweltbedingung tritt gleichzeitig auf?

Hilfe 2 – Vergleichen: In A und C ist der Kamerawert hoch, in B niedrig. Radar und Ultraschall zeigen im Modell nur geringe Änderungen. Aber messen sie überhaupt dieselbe Information wie die Kamera?

Hilfe 3 – Hypothesen trennen: Möglich sind beispielsweise eine optische Beeinträchtigung bei Gegenlicht sowie ein Problem im Zusammenhang mit Sichtfeld, Einbau oder Kalibrierzustand. Welche Daten stützen welche Möglichkeit? Was kannst Du noch nicht entscheiden?

Musterlösung und begründetes Feedback

Aussage	Bewertung und Begründung
„Die Einschränkung hängt im Datensatz mit dem Gegenlicht zusammen.“	Gut begründet: Der Kamerawert fällt nur im Gegenlichtszenario B deutlich ab. Das ist eine Korrelation, noch kein abschließender Fehlernachweis.
„Der Radarsensor ist defekt.“	Nicht belegt: Die gezeigten Radardaten liefern dafür keinen spezifischen Hinweis. Außerdem misst Radar hier ein anderes Referenzobjekt.
„Die Frontkamera ist kaputt.“	Zu weitgehend: Der schwache Wert kann durch Blendung entstehen. Auch Sichtfeld, Einbausituation und weitere Ursachen bleiben ohne qualifizierte Prüfung offen.
„Ohne Fehlercode ist keine weitere Prüfung nötig.“	Falsch: Ein fehlender Fehlercode schließt Einschränkungen oder nicht gespeicherte Ereignisse nicht aus.
„Der Scheibenaustausch erfordert einen Blick in die fahrzeugspezifischen Vorgaben.“	Richtig: Ob und wie Kameraeinbau, Justage, Kalibrierung oder Prüfabläufe zu beurteilen sind, ist hersteller- und fahrzeugabhängig und Aufgabe qualifizierten Fachpersonals.

Geeignete Übergabe: „Im simulierten Vergleich sinkt der Spurqualitätswert bei Gegenlicht von rund 0,9 auf 0,24; zugleich wird die Funktion als eingeschränkt gemeldet. Andere Sensormesswerte bleiben im Modell weitgehend stabil. Gegenlichtbedingte Bildbeeinträchtigung ist eine plausible Hypothese. Nach dem Scheibenaustausch müssen zusätzlich die fahrzeugspezifischen Vorgaben zur Kamera und gegebenenfalls deren Kalibrierung durch qualifiziertes Fachpersonal geprüft werden. Aus den Daten ergibt sich keine Fahrfreigabe.“

Zwei kurze Werkstattfälle zur Vertiefung

Fall	Was ist bekannt?	Begründete Fehlereingrenzung
Fall R: Radarwarnung bei Schnee	Eingeschränkte Abstandserfassung, Schneebelag im Sensorumfeld dokumentiert	Abschattung ist eine plausible Hypothese. Ein Sensordefekt oder eine falsche Ausrichtung ist damit weder bewiesen noch ausgeschlossen. Herstellerdiagnose durch Fachpersonal.
Fall U: Ultraschall meldet ein Hindernis	Meldung an einer schrägen, nassen Oberfläche; kein unabhängiger Referenzwert	Echoeigenschaften und Umwelteinfluss sind zu betrachten. Weder der angezeigte Abstand noch ein Defekt dürfen ohne unabhängige Prüfung als sicher gelten.

Transferfeedback: Gute Diagnostik unterscheidet Symptom, Messwert, Hypothese und gesicherten Befund. Sie dokumentiert offene Fragen, statt vorschnell ein Bauteil zu benennen.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welches Signal nutzt ein Fahrzeugradar? (Elektromagnetische Funkwellen) (!Sichtbares Kameralicht) (!Ultraschall im Stoßfänger) (!Mechanische Tastbewegungen)

Welcher physikalische Effekt liefert beim Radar Informationen über Relativbewegung? (Dopplereffekt) (!Lichtbrechung) (!Wärmeleitung) (!Schallabsorption)

Welcher Sensor liefert typischerweise Bildmerkmale für eine Spurmarkierungserkennung? (Kamera) (!Ultraschallsensor) (!Reifendrucksensor) (!Radardistanzsensor allein)

Welche Bedingung erschwert die kamerabasierte Spurerkennung häufig? (Starkes Gegenlicht) (!Konstante Versorgungsspannung) (!Ein sauberer Bildsensor bei gutem Licht) (!Ein dokumentierter Werkstattauftrag)

Welche Größe wird bei einer Ultraschall-Abstandsmessung für die Distanzberechnung verwendet? (Echo Laufzeit) (!Farbe des Hindernisses) (!Motordrehzahl) (!Reifendurchmesser)

Welche Aussage zur Witterungsabhängigkeit von Radar ist richtig? (Auch Radar kann durch starke Witterung oder Beläge beeinträchtigt werden) (!Radar funktioniert unter allen Bedingungen fehlerfrei) (!Radar benötigt immer Sonnenlicht) (!Radar misst ausschließlich Verkehrszeichen)

Was fällt im Trainingsdatensatz B gegenüber A und C besonders auf? (Der Kamera Qualitätswert ist deutlich niedriger) (!Der Ultraschallwert ist zehnmal so groß) (!Die Radarentfernung beträgt plötzlich null) (!Alle Messwerte sind identisch)

Was bedeutet ein leerer Fehlerspeicher? (Ein Fehler ist dadurch nicht sicher ausgeschlossen) (!Alle Sensoren sind nachweislich korrekt kalibriert) (!Das Fahrzeug hat automatisch Fahrfreigabe) (!Jede Assistenzfunktion arbeitet garantiert richtig)

Wer darf sicherheitsrelevante Kalibrierungen nach den geltenden Vorgaben durchführen? (Entsprechend qualifiziertes Fachpersonal) (!Jede Person nach Bearbeitung dieses Kurses) (!Jede Person mit einem Smartphone) (!Jede Person ohne Herstellervorgaben)

Wozu dient eine softwareseitige Plausibilitätsbewertung von Sensordaten? (Zur Bewertung der Verlässlichkeit und Widerspruchsfreiheit von Informationen) (!Zur Abschaffung aller Sensorgrenzen) (!Zum Ersetzen der Herstellerdiagnose) (!Zur automatischen Reparatur eines Sensors)

Memory

Frequenzrampe	FMCW Radar
Bildmerkmale	Kamerabasierte Spurerkennung
Echozeit	Ultraschallentfernung
Dopplerverschiebung	Relativbewegung
Blendung	Verminderte Bildqualität
Datenfusion	Zusammenführung von Sensorinformationen

Drag and Drop

Ordne die richtigen Begriffe zu.	Passende Funktion oder Eigenschaft
Funkwellen	Radarmessung
Bildkontrast	Kameraauswertung
Schallecho	Ultraschallabstand
Datenabgleich	Sensordatenfusion
Qualitätsstatus	Bewertung der Verfügbarkeit
Herstellervorgaben	Qualifizierte Kalibrierprüfung

Kreuzworträtsel

Doppler	Welcher physikalische Effekt kann bei Radar eine Geschwindigkeitsinformation liefern?
Kamera	Welcher Sensor erfasst Bilddaten für die Spurerkennung?
Radar	Welcher Sensor nutzt elektromagnetische Funkwellen?
Echo	Wie heißt ein zurückgeworfenes Schallsignal?
Fusion	Wie heißt die Zusammenführung mehrerer Sensorinformationen?
Kontrast	Welche Bildeigenschaft kann bei ungünstiger Beleuchtung die Erkennung erschweren?

LearningApps

Lückentext

Ein Radarsensor sendet

aus und wertet reflektierte Signale aus.

Informationen über die Relativgeschwindigkeit kann ein Radarsystem unter anderem aus dem

gewinnen.

Eine Kamera verarbeitet

zur Erkennung von Fahrspurmarkierungen.

Starkes Gegenlicht kann die Erkennung durch

beeinträchtigen.

Ultraschallsensoren bestimmen den Abstand anhand der

eines Schallechos.

Ultraschallsensoren werden häufig beim

eingesetzt.

Die Zusammenführung von Informationen unterschiedlicher Sensoren heißt

.

Ein auffälliger Messwert ist zunächst eine

und noch keine sichere Diagnose.

Ein leerer Fehlerspeicher bedeutet nicht, dass jede Störung

ist.

Für sicherheitsrelevante Kalibrierungen gelten die Vorgaben des

.

Offene Aufgaben

Leicht – Basisaufgaben

Sensorik: Erstelle drei Bildkarten zu Radar, Kamera und Ultraschall. Beschrifte jeweils Messprinzip, typische Messgröße und eine Umweltgrenze.
Fahrerassistenzsystem: Markiere in einem frei lizenzierten Systembild, welche Informationen zur Abstandsmessung, Spurerkennung und Einparkhilfe gehören.
Bildverarbeitung: Gestalte eine kleine Vorher-nachher-Skizze, die zeigt, wie Regen oder Blendung Bildinformationen verschlechtern kann. Kennzeichne sie als vereinfachtes Lernbild.
Kundenkommunikation: Formuliere eine verständliche Antwort auf die Frage: „Warum funktioniert meine Spurwarnung nicht bei jedem Sonnenstand?“

Standard – Anwendungsaufgaben

Messwertanalyse: Übertrage die drei Kamerawerte des Ausbildungsfalls in ein Diagramm. Beschreibe den Unterschied zwischen Beobachtung und Diagnose.
Fahrzeugdiagnose: Erstelle für Fall R eine Tabelle aus Symptom, mindestens zwei Hypothesen, fehlenden Informationen und sicherer Weitergabe an Fachpersonal.
Werkstattdokumentation: Schreibe einen kurzen Übergabevermerk zum Fall mit Scheibenaustausch. Vermeide unbelegte Bauteil- und Fahrfreigabeaussagen.
Erklärvideo: Produziere ein 60-Sekunden-Lernvideo oder ein Storyboard zur Ultraschall-Laufzeitmessung. Verwende nur eigene oder rechtmäßig nutzbare Medien.

Schwer – Transferaufgaben

Sensordatenfusion: Entwirf einen zusätzlichen fiktiven Datensatz, bei dem Radar und Kamera widersprüchliche Hinweise liefern. Begründe, warum Software die Unsicherheit beachten muss.
Fehlerdiagnose: Entwickle einen Entscheidungsbaum für die theoretische Fehlereingrenzung bei eingeschränkter Spurerkennung. Trenne belegte Tatsachen, Hypothesen und Prüfaufträge.
Technikfolgenabschätzung: Untersuche zwei mögliche Folgen einer falsch positiven und einer falsch negativen Objekterkennung. Diskutiere den Nutzen von Qualitätsbewertung und Systemgrenzen.
Open Educational Resources: Gestalte aus eigenen Skizzen und korrekt nachgewiesenen Commons-Medien ein kurzes Lernmodul. Ergänze eine nachprüfbare Rechte- und Quellenliste.

Lernfeedback nach Anforderungsniveau

Niveau	Woran erkennst Du eine tragfähige Lösung?	Begründetes Feedback
Basis	Messprinzip und Messgröße werden nicht verwechselt.	Wer Ultraschall als Bildsensor beschreibt, verwechselt ein Echo-Signal mit einem optischen Bild. Prüfe noch einmal, welches physikalische Signal erfasst wird.
Anwendung	Die Aussage verweist auf konkrete Werte, Umgebungsbedingungen und verbleibende Unsicherheit.	Der niedrige Kamerawert in B begründet die Untersuchung der optischen Bedingungen. Er beweist weder einen Defekt noch einen Kalibrierfehler.
Transfer	Mehrere Ursachen und mögliche Fehlinterpretationen werden betrachtet; Sicherheitsgrenzen bleiben erhalten.	Eine gute Schlussfolgerung enthält auch, welche Information fehlt und wer die zulässige fahrzeugspezifische Prüfung durchführen darf.

Lernkontrolle

Ursache und Wirkung: Ein Radarsystem meldet bei Schneebelag eine Einschränkung. Entwickle zwei konkurrierende Erklärungen und begründe, warum die Warnung keinen konkreten Bauteildefekt beweist.
Dateninterpretation: Vergleiche die Kameraqualitätswerte aus A, B und C. Erkläre, welche Schlussfolgerung belastbar ist und welche zusätzliche Information für eine sichere Diagnose fehlen würde.
Sensorvergleich: Eine Kamera erkennt eine Fahrspur, ein Ultraschallsensor zeigt einen Nahbereichsabstand. Erkläre, warum beide Ergebnisse nicht direkt gegeneinander validiert werden können.
Softwarequalität: Ein Sensor sendet Daten, doch die Assistenzfunktion bleibt eingeschränkt. Beschreibe zwei plausible Ursachen innerhalb der Informationsverarbeitung.
Werkstattprozess: Nach einer Änderung im Bereich der Frontscheibe berichtet ein Kunde von einer Assistenzstörung. Entwerfe eine fachgerechte, dokumentierte Weitergabe an qualifiziertes Personal ohne eigenständige Fahrfreigabe.
Transferleistung: Erfinde einen Fall, in dem ein stabiler Messwert fälschlich als Funktionsnachweis interpretiert wird. Widerlege die Aussage anhand von Messgröße, Referenz, Umwelteinfluss und Herstellervorgaben.

Lernnachweis

Für Deinen Lernnachweis reichst Du eine kurze digitale oder schriftliche Lernmappe ein. Sie enthält:

Sensorvergleich: Eine fachlich korrekte Gegenüberstellung von Radar, Kamera und Ultraschall mit Messprinzip, Messgröße und jeweils mindestens zwei Grenzen.
Diagnosedaten: Die beschriftete Auswertung des fiktiven Datensatzes A bis C einschließlich der Angabe, dass keine Herstellergrenzwerte vorliegen.
Fehlerhypothese: Mindestens zwei nachvollziehbare Hypothesen zum Fall mit Belegen und benannten Unsicherheiten.
Werkstattbericht: Eine sachliche Übergabe mit offenem Prüfbedarf und dem Hinweis auf fahrzeugspezifische Herstellervorgaben.
Transfer: Eine begründete Lösung zu mindestens einer neuen Situation mit veränderten Umweltbedingungen.
Quellenkompetenz: Eine Quellen- und Medienliste mit Urheberangaben, Lizenzen und Unterscheidung zwischen frei lizenzierten Bildern und lediglich eingebetteten Videos.

Bewertungskriterien: Physikalische Richtigkeit, Trennung von Beobachtung und Befund, Qualität der Begründung, nachvollziehbare Dokumentation, korrekte Mediennachweise und konsequente Beachtung der Sicherheitsgrenzen.

Wichtig: Der Lernnachweis ist ein Ausbildungsnachweis über Wissen und Analysefähigkeit. Er ersetzt keine Herstellerqualifikation, Werkstattprüfung, Zulassung oder Freigabe eines Fahrzeugs.

OERs zum Thema

Wikipedia als Überblick:

Weiterführende freie Wissenszugänge: Fahrerassistenzsystem, Radar, FMCW-Radar, Digitalkamera, Ultraschall, Spurhalteassistent, Einparkhilfe, Sensordatenfusion.

Geprüfte Fachquellen:

Bosch Mobility – Umfeldsensorik: Messgrößen und Aufgaben der Sensorarten.
Bosch Mobility – Sensordatenfusion: Zusammenspiel von Sensorinformationen.
Bosch Mobility – Ultrasonic Sensor: Funktionsprinzip und Nahbereichsanwendungen.
ifm – Ultrasonic Technology: Echo-Laufzeit und Abstandsmessung.
Texas Instruments – mmWave Training: Technische Vertiefung zu FMCW-Radar.
NHTSA – Driver Assistance Technologies: Grenzen und verantwortliche Nutzung von Assistenzfunktionen.
I-CAR – ADAS: Fachliche Einordnung sicherheitsrelevanter Prüfung und Kalibrierung.

Bildrechte – Wikimedia Commons:

Im Kurs verwendete Datei	Urheber und geprüfte Lizenz
	Ford Motor Company – CC BY 2.0
	Stahlkocher – CC BY-SA 3.0
	Rainald62 – CC BY-SA 3.0
	Jürgen Seekircher – CC BY-SA 3.0
	SeichanGant – CC BY-SA 4.0
	Vidyakv – CC BY-SA 4.0
	Ser Amantio di Nicolao – CC BY-SA 4.0
	Nozilla – CC BY-SA 3.0
	Basotxerri – CC BY-SA 4.0
	ASDFS – CC BY-SA 4.0
	Nozilla – CC BY-SA 3.0
	Andre lleo – CC BY-SA 4.0

Lizenzhinweis: Maßgeblich sind die jeweils verlinkten Datei- und Lizenzseiten auf Wikimedia Commons. Bei Weiterverwendung musst Du Namensnennung und gegebenenfalls Weitergabe unter gleichen Bedingungen beachten. Die zwei eingebetteten Videos stammen aus dem fachlichen Umfeld von Texas Instruments. YouTube-Videos sind durch das Einbetten nicht automatisch OER oder frei nachnutzbar. Ihre Rechte verbleiben bei den jeweiligen Rechteinhabern. Die Abbildungen und Videos sind Lernmedien, keine verbindlichen Hersteller-Prüfanweisungen.