Masterarbeit aus dem Jahr 2021 im Fachbereich Informatik - Angewandte Informatik, Note: 1,6, Hochschule der Medien Stuttgart, Sprache: Deutsch, Abstract: Ziel der Masterarbeit ist die Ausarbeitung von technischen Anforderungen an eine Hardware, die fr solche Deep-Learning-Algorithmen bentigt wird. Abgeschlossen wird die Arbeit mit einer Zusammenfassung, einem Fazit und einem Ausblick. Im theoretischen Teil der Arbeit wird der Stand der Forschung, die aktuellen Herausforderungen bei der Entwicklung autonomer Fahrzeuge sowie die technischen Hintergrnde einer dafr notwendigen Hardware beschrieben. Der praktische Teil besteht aus dem Training und der Implementierung eines Systems zur Erkennung von Geschwindigkeitsbegrenzungen fr den Open Source Simulator CAR Learning to Act (CARLA). Vor dem Hintergrund der Digitalisierung stellt der Einsatz von Knstlicher Intelligenz einen zentralen Erfolgsfaktor in nahezu jeder Branche dar. Maschinelles Lernen ist hierbei ein Teilaspekt, wobei fr das Training eines solchen KI-Modells gro e Datenmengen bentigt werden. Diese Datenmengen mssen entsprechend aufbereitet und verwaltet werden, um sie zu analysieren und fr KI-Algorithmen verwendbar zu machen. Die Entwicklung autonomer Fahrzeuge wird insbesondere durch den Einsatz solcher KI-Modelle vorangetrieben, wobei die Hardware dabei eine zentrale Rolle spielt. Um einen Beitrag zu dieser Forschung zu leisten, wurde in dieser Masterarbeit in einem realistischen Fahrsimulator ein System integriert, das in der Lage ist, die Geschwindigkeitsverkehrszeichen der Stra e zu erkennen und bei einer Geschwindigkeitsberschreitung den Fahrer darauf aufmerksam zu machen. Der in dieser Arbeit verwendete Simulator ist der CAR Learning to Act (CARLA), ein Open-Source-Simulator fr autonome Fahrzeuge. Um Verkehrszeichen zu erkennen, wurde ein Algorithmus zur Objekterkennung verwendet: der You Only Look Once (Yolo)-Algorithmus. Dieser Algorithmus sieht whrend der Trainings- und Testphase das