Überspringen
Autonomes Fahren Konzept
Zurück zur Übersicht

Der aktuelle Stand beim autonomen Fahren

Wann kommen die Roboterautos?

Seit Jahren versprechen Hersteller die baldige Marktreife selbstfahrender Autos. Doch inzwischen macht sich in der Branche Ernüchterung breit und die Zeitpläne verschieben sich nach hinten. Was ist das Problem?

„Nächstes Jahr“, sagt Elon Musk in einem viralen YouTube-Video wieder und immer wieder in Interviews von 2014 bis 2021. Dann, so verspricht der berühmte Tech-Milliardär und CEO des US-Elektroautoherstellers Tesla, werde das selbstfahrende Auto endlich da sein. Aber auch das Jahr 2022 neigt sich dem Ende zu, und wer auf die Straße schaut, sieht immer noch nur Menschen am Steuer. Außer vielleicht in Phoenix im US-Staat Arizona, wo das Google-Schwesterunternehmen Waymo seit einigen Jahren einen Versuchsservice mit fahrerlosen Taxis betreibt – das allerdings in einem begrenzten und genau kartografierten Einsatzgebiet unter sehr kontrollierten Bedingungen: bei fast immer gutem Wetter und mit vielen teuren Sensoren pro Auto.

Auch die General-Motors-Tochter Cruise arbeitet in San Francisco an einem fahrerlosen Taxiservice und macht dabei leider immer wieder Schlagzeilen, wenn stehen gebliebene Roboterautos die Straßen dort blockieren. Und dass sich Ford und Volkswagen nach Milliardeninvestitionen nun aus dem autonomen Mobilitäts-Start-up Argo AI zurückgezogen haben, ist kein gutes Signal für die Technologie. Wann also kommen die selbstfahrenden Roboterautos für alle – vielleicht sogar niemals? Um die Frage zu beantworten, sollten wir uns anschauen, was derzeit im deutschen Autoalltag bereits Realität ist.

Mercedes-Benz hat erstes Level-3-System auf den internationalen Markt gebracht

Moderne Neuwagen vieler Hersteller können heute schon allein ein- und ausparken, auf der Autobahn Spur, Geschwindigkeit und den Abstand zum Vorderfahrzeug halten und sogar allein überholen. Die Fahrzeuge kombinieren dafür etablierte Technologien wie Tempomat, Abstandsregler oder Spurhalteassistent. Dieses sogenannte „teilautomatisierte Fahren“ (Level 2 der SAE-Skala) ist also heute bereits Wirklichkeit. Allerdings sind das nicht die selbstfahrenden Autos, die Musk und andere CEOs aus der Fahrzeugindustrie seit Jahren versprechen. Denn menschliche Fahrer müssen hierbei ständig die Aktionen des Fahrzeugs überwachen, aufmerksam den Verkehr beobachten und bei Problemen sekundenschnell eingreifen können. Auch Teslas etwas irreführend benannter „Autopilot“ ist nur ein Level-2-System, weil der Fahrer immer aufpassen und die Hände am Lenkrad haben muss. Und für Unfälle haftet grundsätzlich der Mensch, und zwar selbst dann, wenn gerade die Automatik am Steuer war.

Alexandros Mitropoulos ist Sprecher für Autonomes Fahren bei Mercedes-Benz
Alexandros Mitropoulos ist Sprecher für Autonomes Fahren bei Mercedes-Benz

Es war daher ein großer Sprung, als Mercedes-Benz im Mai 2022 in Deutschland das weltweit erste international zertifizierte Level-3-System als Sonderausstattung für die S-Klasse und das Premiummodell EQS anbot. Die US-Bundesstaaten Kalifornien und Nevada sollen bald folgen. Denn beim „hochautomatisierten Fahren“ darf der Mensch endlich die Hände vom Lenkrad nehmen und die Kontrolle ohne Aufsicht dem Fahrzeug überlassen. Falls während der erlaubten Anwendungsbereiche ein Unfall durch ein Fehlverhalten des automatischen Fahrsystems passieren sollte, haftet dafür grundsätzlich der Autohersteller. Und so dürfen Mercedes-Fahrer hinter dem Lenkrad nun lesen, im Internet surfen, können sich unterhalten, Filme schauen oder Videogames spielen. „Mit DRIVE PILOT haben wir eine innovative Technologie für unsere Fahrzeuge entwickelt, die dem Kunden ein einmaliges, luxuriöses Fahrerlebnis bietet und ihm das Wichtigste schenkt: Zeit“, sagt Alexandros Mitropoulos, Mercedes-Benz-Sprecher für autonomes Fahren. Zuvor hatte auch schon Honda in der Limousine Legend Hybrid EX ein ähnliches Level-3-System auf den Markt gebracht, allerdings nur in Japan.

Sind die Auto-KIs in eine Sackgasse gefahren?

Kurz gesagt: Einerseits ist das Autofahren viel komplexer als gedacht und andererseits sind die Fortschritte bei der künstlichen Intelligenz (KI) langsamer als erwartet. „Nach einem anfänglichen Hype vor zehn Jahren hat sich in der Branche inzwischen eine gewisse Ernüchterung breitgemacht“, sagt Dr. Christian Müller, Leiter des Kompetenzzentrums für autonomes Fahren am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Es ist Deutschlands führende Forschungsinstitution auf dem Gebiet, und zu den Gesellschaftern gehören unter anderem Technologieunternehmen wie Google und Nvidia sowie Autohersteller wie Daimler, BMW und Volkswagen. Am DFKI forscht Müller an Dingen wie der Vorhersage von Fußgängerverhalten oder wie sich die Wahrnehmung einer Maschine von der eines Menschen unterscheidet.

Dr. Christian Müller leitet das Kompetenzzentrum für  autonomes Fahren am Deutschen Forschungszentrum  für Künstliche Intelligenz (DFKI).
Dr. Christian Müller leitet das Kompetenzzentrum für autonomes Fahren am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI).

Müller sagt, dass sich der KI-Ansatz, den die Industrie mehrheitlich beim autonomen Fahren verfolgt, zunehmend als Sackgasse erweist: das sogenannte Deep Learning. Dabei analysieren Maschinen blitzschnell große Datensätze (zum Beispiel Kamerabilder) mithilfe neuronaler Netze und lernen selbstständig und ohne menschliches Zutun ständig weiter. Was in der Theorie vielversprechend klingt, habe in der Praxis seine Tücken, sagt Müller. „Eine Deep-Learning-KI hat zwar eine unheimliche Leistung bei der Erkennung und Klassifizierung von Objekten, sie kann aber komplett ausfallen, wenn sich der Kontext auch nur minimal ändert.“ Regen, Nebel, Schnee, Dunkelheit, beschädigte Verkehrsschilder, Lichtreflexionen, unerwartetes Verhalten anderer Verkehrsteilnehmer: All diese und viele weitere Faktoren in unzähligen Kombinationsmöglichkeiten führen dazu, dass Roboterautos immer wieder auf neue Situationen treffen können, in denen sie nicht wissen, was zu tun ist. Das steht im Kontrast zum Gehirn eines menschlichen Fahrers, der intuitiv weiß, ob eine grüne Ampel echt oder nur aufgemalt ist und sofort anhält, selbst wenn er vorher noch nie ein über die Straße hopsendes Känguru gesehen hat.

Auch eine durch Milliarden Kilometer trainierte KI macht noch Fehler

Wie schwierig die Perfektionierung einer Deep-Learning-KI ist, zeigt der US-Autohersteller Tesla, einer der Technologieführer auf dem Gebiet. Wie kein anderer Mitbewerber füttert er seine leistungsstarken Supercomputer seit Jahren massenweise mit Kundendaten, um die KI zu trainieren. Relevant sind vor allem die Aufzeichnungen jener Situationen, in denen die menschlichen Fahrer vom „Autopilot“ übernehmen mussten oder es zu Unfällen kam. Seit 2020 haben zudem über 160.000 Tesla-Fahrer in den USA und Kanada das Update für „Full Self-Driving Beta“ bekommen, womit das Auto dank Fußgänger-, Radfahrer- oder Ampelerkennung auch auf Landstraßen und in Städten das Steuer übernehmen kann – allerdings ist auch dies nur ein Level-2-System, bei dem der Fahrer immer aufpassen und eingreifen können muss.

Was ist das Ergebnis nach vielen Milliarden gefahrener „Autopilot“-Kilometer in unterschiedlichsten Landschaften, Verkehrs- und Wetterlagen? Das lässt sich zum Beispiel auf YouTube sehen, wo Tesla-Fahrer ihre Touren im Roboterauto durch Städte wie San Francisco dokumentieren und dabei jede Aktion wie Fahrlehrer bewerten. Immer wieder gibt es Momente, in denen sie blitzschnell das Steuer übernehmen müssen, weil das Auto mitten im Verkehr stehen bleibt oder irgendwo gegenzufahren droht. Und laut der „National Highway Traffic Safety Administration“ führt Tesla in den USA die Unfallstatistik bei den Level-2-Systemen an. Von Juli 2021 bis Mai 2022 kam es demnach zu 273 Verkehrsunfällen im „Autopilot“-Modus, fünf Menschen starben. Das mag gemessen an den hunderttausenden Teslas auf US-Straßen und im Vergleich zu menschlichen Fahrern sogar wenig sein, aber eine der größten Hürden, die das autonome Fahren überwinden muss, lautet nun mal: maximale Sicherheit. In Deutschland jedenfalls wäre es undenkbar, dass Kunden diese Technologie in Innenstädten erproben und Hersteller sie erst nach und nach mit den gesammelten Daten verbessern.

Redundanz soll für mehr Sicherheit sorgen

Mercedes-Benz zum Beispiel hat seinen DRIVE PILOT auch auf eigenen Teststrecken im süddeutschen Immendingen zur Marktreife gebracht und erst nach umfassenden Prüfungen durch die Behörden eine Zulassung für öffentliche Autobahnen erhalten. Um eine höchstmögliche Sicherheit beim automatisierten Fahren zu gewährleisten, setzt der deutsche Autohersteller zudem auf Redundanz. Neben Bremsen, Lenkung und Stromversorgung sind auch die Sensoren und sogar die Algorithmen der KI doppelt ausgelegt, damit sie sich gegenseitig kontrollieren können, erklärt Unternehmenssprecher Mitropoulos. „Dazu gehören Radar, Lidar, eine besondere Stereokamera in der Frontscheibe, eine Monokamera in der Heckscheibe und Mikrofone, insbesondere zum Erkennen von Blaulicht und anderen Sondersignalen von Einsatzfahrzeugen, sowie ein Nässesensor im Radkasten.“

Dies ist ein anderer Ansatz als bei Tesla, wo sie vornehmlich auf die Videoaufnahmen der acht Außenkameras am Fahrzeug setzen. Auf Radar (Umgebungserfassung mit Radiowellen) und Lidar (mit Laserstrahlen) wird hingegen verzichtet. Das soll Kosten sparen und die Rechenpower der Computer auf Video fokussieren. Aber KI-Forscher Müller hält das für falsch. „Gerade in der Dunkelheit, bei Regen oder Nebel leidet die Robustheit von passiven Kameradaten. Aktive Sensoren wie Radar und Lidar können Objekte hingegen weiterhin gut erkennen“, erklärt er.

Echtes autonomes Fahren frühestens in 15 Jahren

Zugleich dämpft Müller die Erwartungen, dass Kunden in naher Zukunft ein Roboterauto kaufen können, das sie wie ein menschlicher Chauffeur in der jetzigen Infrastruktur selbstständig, jederzeit und überall hinfahren oder abholen kann. „Eine derart entwickelte KI, die die nötigen Sicherheitsvorgaben erfüllt, sehe ich frühestens in 15 Jahren“, sagt er. Und das auch nur, wenn die Hersteller bei der Entwicklung eine neue Richtung einschlagen. „Die Grenzen des Deep Learning zeigen auf, dass wir die Maschinen nicht sich selbst überlassen dürfen. Stattdessen brauchen wir vertrauenswürdige KIs (Trustworthy AI), die Dinge nicht allein nur aus Daten lernen, sondern auch mit menschlicher Unterstützung.“

Früher könne ein breiter Einsatz von Level-4-Systemen ohne menschliche Fahrer nur kommen, wenn wir die Anforderungen an die KI durch eine Anpassung unserer Infrastruktur reduzieren. Falls das Roboterauto sich zum Beispiel nicht mehr um Fußgänger oder Radfahrer kümmern müsste, wäre die Aufgabe deutlich einfacher. Möglich wäre dies etwa mit durch Barrieren getrennte Straßenspuren sowie Fußgängerbrücken oder -tunnel, wie es sie in chinesischen Städten gibt. „Wir müssen uns fragen, wie unsere Städte, Dörfer und Straßen aussehen sollen“, fordert Müller, und fügt hinzu: „Das sind gesamtgesellschaftliche Diskussionen, die im Zusammenhang mit dem autonomen Fahren bislang noch zu wenig geführt werden.“

Torsten Gollewski Executive Vice President Autonomous Mobility Systems bei ZF
Torsten Gollewski Executive Vice President Autonomous Mobility Systems bei ZF

„Fahrermangel in Verkehrsbetrieben und Logistikunternehmen, Fahrverbote in Innenstädten und ambitionierte, aber notwendige Klimaziele – das sind große Herausforderungen, mit riesigen Chancen. Wir müssen lernen, Mobilität neu zu denken. Wir bei ZF sind daher davon überzeugt, dass autonome Transportsysteme uns dabei helfen werden, den öffentlichen Nahverkehr neu zu gestalten und die Lieferketten in der Logistikbranche neu zu organisieren. Autonomes Fahren wird daher bereits in absehbarer Zeit den Verkehr sicherer, effizienter und komfortabler machen. Das zeigen wir unter anderem in Rotterdam, wo sechs vollelektrische und autonome ZF-Shuttles der dritten Generation demnächst auf einer separaten Fahrspur bis zu 3.000 Fahrgäste pro Tag befördern.“

Ralph Müller Pressesprecher Technik Toyota Deutschland GmbH
Ralph Müller Pressesprecher Technik Toyota Deutschland GmbH

„Toyota strebt eine Gesellschaft an, in der es Sicherheit, reibungslose Bewegung und Bewegungsfreiheit für alle gibt. Um unser Ziel von null Verkehrstoten zu erreichen, entwickeln wir weiterhin Technologien, um so viele Unfälle wie möglich zu vermeiden. Toyotas Entwicklungsphilosophie ist das Mobility Teammate Concept (MTC), das den Fahrenden optimal in der jeweiligen Fahrsituation unterstützt. Dabei ist wichtig, dass der Fahrende die Kontrolle behält. Unser Fernziel ist dabei die kontinuierliche Weiterentwicklung bis zur Erreichung des autonomen Fahrens.“

Volker Wetekam, Executive Vice President Automated Driving bei Bosch
Volker Wetekam, Executive Vice President Automated Driving bei Bosch

„Weniger Emissionen, vernetzte und autonom fahrende Fahrzeuge – mit einem höheren Grad der Automatisierung können Städte künftig mit modernen Mobilitätsangeboten entlastet und somit attraktiver für deren Bewohner werden: Mehr Grünflächen statt Parkplätze, weniger Lärm, besserer Luftqualität. Gleichzeitig ermöglichen neue Mobilitätskonzepte noch mehr Komfort und Sicherheit. Bosch verfolgt dabei die Vision Zero: Emissionsfreie Mobilität sowie keine Schwerverletzten und Toten im Straßenverkehr. Außerdem setzt autonomes Fahren dort an, wo es an Fahrern mangelt: Um die Regale in den Supermärkten zu füllen und die Industrie mit den nötigen Materialien zu versorgen, kann fahrerloses Fahren helfen. Bosch ist Innovationsführer in diesem Bereich und hat mit Fahrerassistenzsystemen und der dazugehörigen Sensorik früh den Grundstein für alle Stufen der Automatisierung gelegt. Wir arbeiten beharrlich daran, Mobilität für jeden komfortabler, flexibler und sicherer zu machen.“

Tags

  • Future Mobility