Ziel des Projektvorhabens ist es, vorhandene Simulationsplattformen zu erweitern, um eine breites Spektrum möglicher Fahrsituationen darzustellen. Im Rahmen des Projekts sollen deshalb mit Hilfe realer Messungen Fehler- und Umfeldmodelle abgeleitet werden, welche die Simulationsumgebung erweitern. Neben der möglichst frühen Berücksichtigung resultierender Effekte, kann damit der Testaufwand durch reale Fahrten signifikant reduziert werden, ohne relevante Szenarien zu vernachlässigen. Das FZI wird die Einflüsse von widrigen Wetterbedingungen und anderen Störeinflüssen auf die Sensorik und insbesondere die nachfolgenden Verarbeitungsschritte untersuchen. Ziel ist es dabei, Modelle zu entwickeln, die eine repräsentative Fehlerinjektion bei unbelastetem Rohmaterial ermöglichen. Dabei werden Sensorinformationen so mit Fehlereinflüssen überlagert, dass eine Vielzahl möglicher externer Einflüsse (Regen, Staub) abgebildet werden können. Weiterhin entsteht am FZI ein Framework, welches eine automatische Erstellung von Testszenarien auf Basis realer Fahrten und Sensormessungen durchführt. Hierzu werden aus den durch Sensoraufzeichnungen ermittelten Informationen maschinell Verhaltensmodelle generiert. Durch Kombination realer Aufzeichnungen und parametrischer Verhaltensmodelle lassen sich in der Simulationsumgebung neue Szenarien aufbauen und im virtuellen Testversuch nachstellen. Mit Hilfe datengetriebener Sensormodelle erfolgt eine Stimulation der Sensorik des automatisierten Systems, sodass Auswirkungen gezielt durch Sensorveränderung ermittelt werden können. Das FZI wird zu den Use Cases Valet Parking, Highway Pilot beitragen, in dem der automatisierte Q5 des FZI um Funktionen erweitert und zur Aufzeichnung realer Fahrdaten zur Verfügung gestellt wird. Weiterhin wird das FZI den UC Automated Farming durch die Entwicklung der dort notwendigen Middleware unterstützen. Der Nutzen der erweiterten Simulationsumgebung wird anhand der bearbeiteten UCs demonstriert.