Die Analyse von Testdaten spielt im modernen Motorsport eine zentrale Rolle bei der Fahrzeugoptimierung. Im Rahmen dieser Seminararbeit wurde die bestehende Datenanalysesoftware der LogViewer des TUfast Racing Teams um eine automatische Rundenerkennung erweitert. Die Arbeit implementiert zwei komplementäre Methoden zur signalbasierten Rundensegmentierung: eine LapTrigger-basierte Erkennung mittels Infrarotsensoren sowie eine auf GPS-Daten basierte Methode, die auch bei Wettbewerben ohne externe Infrastruktur einsetzbar ist. Beide Signale werden erst durch Filger-Algorithmen angepasst, damit darauffolgend alle Zeitstempel, die einen Rundenstart /-ende signalisieren erkannt werden können. Nachdem alleRunden basierend auf den Zeitstempeln eingeteilt wurden, werden die erkannten Runden werden aus den Gesamtdatensätzen extrahiert, anschließend mit rundenspezifischen Metadaten versehen und persistent gespeichert, damit die Daten auch für zukünftige Zwecke erhalten bleiben. Die entwickelte Lösung ermöglicht erstmals die Einteilung von gesamten Messdaten in einzelne Runden. Durch das Einfügen der Runden in das bestehende System wird ein direkter Vergleich einzelner Runden im LogViewer ermöglicht. Dieser gilt als eine Grundlage zur Datenanalyse und ist somit die Grundlage für weiterführende Analysen, welche auf dieser Arbeit aufbauen können. Durch die hierarchische Darstellung in einer Baumstruktur sowie progressive Ladebalken wurde die Benutzerfreundlichkeit verbessert und der Prozess intuitiv verständlich gestaltet. Die Validierung anhand von Testdaten der Saison 2024/25 bestätigt die Zuverlässigkeit der Rundenerkennung.

Schlüsselwörter: Motorsport-Datenanalyse, Rundenerkennung, GPS-Verarbeitung, MATLAB GUI, Formula Student