Suchen

Grundlagen des Autonomen Fahrens – Teil 1

| Autor/ Redakteur: Mark Patrick / Benjamin Kirchbeck

In dieser sechsteiligen Reihe werden zentrale Aspekte des Autonomen Fahrens näher beleuchtet – unter anderem die Autonomiegrade, entscheidende Neuerungen in der Sensortechnik und Kommunikationsinfrastruktur, die Frage nach der gesellschaftlichen Akzeptanz und schließlich nach den ethischen Implikationen der Technologie. Teil 1: Die Automobilbranche im Wandel.

Firmen zum Thema

(Bild: Mouser)

Überall kämpfen Automobilhersteller um die Vorherrschaft in autonomer Fahrzeugtechnologie. Klar ist aber auch, dass es noch ein weiter Weg von heutigen Fahrerassistenzsystemen bis hin zu hochkomplexen Fahrplattformen ist, die auf stark befahrenen Kreuzungen navigieren können, wo Maschine und Mensch aufeinandertreffen. Neben rein technologischen Herausforderungen hat Autonomes Fahren zudem einen gesellschaftlichen Diskurs angestoßen, der noch in vollem Gange ist.

Beim Autonomen Fahren geht es somit nicht nur um die Evolution von Fahrzeugen. Ein großer Vorteil eines automatisierten Verkehrswesens wäre, dass die Zahl der Verkehrstoten massiv reduziert werden könnte (diese liegt auf EU-Straßen derzeit bei über 25.000 pro Jahr). Prinzipiell können selbstfahrende Fahrzeuge eine große Bandbreite an Sensor- und Messtechnik nutzen, um Risiken schneller und zuverlässiger zu erkennen als der Mensch. Darüber hinaus können sie miteinander kommunizieren, um Missverständnisse zwischen menschlichen Fahrern zu vermeiden, die zu Unfällen führen.

Doch zunächst einmal müssen die Systeme lernen, wie sich menschliche Verkehrsteilnehmer tatsächlich verhalten. Der Lernerfolg moderner Machine-Learning-Technologien wie Deep Neural Networks (DNNs) hängt dabei stark von der Menge der verfügbaren Daten ab. Folglich müssen autonome Fahrzeugsysteme in der Lage sein, Daten aus vielen unterschiedlichen Quellen abzurufen.

Dabei sollte erwähnt werden, dass maschinelles Lernen nicht nur autonomen Fahrzeugen selbst zugute kommt, sondern auch in cloudbasierten Begleitsystemen zum Einsatz kommen kann. Fahrzeuge sind nämlich nicht nur Informationsempfänger, sondern übermitteln auch einen unablässigen Strom an Daten an die genannten Systeme, um den bereits vorhandenen Wissensbestand weiter auszubauen. Die Möglichkeit, die von einem Fahrzeug gemachten Erfahrungen der gesamten Flotte des Herstellers verfügbar zu machen, wird in einer Schwarmintelligenz resultieren, die ständig dazulernt und via Software-Updates jetzigen und zukünftigen Autos bereitgestellt werden kann. Tesla sammelt etwa seit der Gründung des Unternehmens Daten seiner Fahrzeuge, um seine Analysetechnologien weiterzuentwickeln.

Daraus ergeben sich auch moralische Erwägungen: Welche Regelungen sollen für die Erhebung und anschließende Nutzung von Daten gelten, damit die Privatsphäre einer Person nicht verletzt wird? Wer ist befugt, Fahrzeugdaten zu erheben, zu analysieren, zu speichern und weiterzugeben? Um welche Datenkategorie darf es sich handeln? Sollte es eine Abstraktionsschicht geben, damit mögliche Trends untersucht werden können, ohne dass diese auf die Identität einzelner Personen schließen lassen? All diese Fragen bedürfen einer gesetzlichen Regelung.

Effektive Nutzung erfasster Daten

Eine Herausforderung bei der Konstruktion autonomer Fahrzeuge besteht darin, dass eine normale Autofahrt eher ereignislos ist. Unfälle passieren angesichts der enormen Anzahl an Stunden, die Fahrzeuge auf Straßen unterwegs sind, verhältnismäßig selten. Nichtsdestotrotz müssen die Systeme in der Lage sein, derartige Ausnahmesituationen zu erkennen und schnell darauf zu reagieren. Es wäre wenig praktikabel und natürlich auch unmoralisch, Unfälle im Straßenverkehr herbeizuführen, um aus ihnen zu lernen. Hier kommt das simulationsbasierte Training ins Spiel. So erschaffen beispielsweise Forscher der Universität des Saarlandes komplexe Simulationsumgebungen zum Aufbau von Systemen, die sich auf künstliche Intelligenz (KI) stützen. Diese entwerfen ungewöhnliche und problematische Verkehrsszenarien, mit denen die Software der autonomen Fahrzeuge umgehen muss.

Selbst bei umfangreichen Datenbanken lässt sich bei simulationsgesteuerten Fahrzeugtests nicht immer abschließend sagen, wie realistisch das jeweilige Szenario ist. So könnten etwa unvorhergesehene Sensorausfälle ein reales System dazu verleiten anzunehmen, dass ihm kein Hindernis im Weg steht, während die Simulation mit zuverlässigeren Sensordaten eine völlig andere Reaktion zeigt. Autonome Fahrzeuge müssen aus Fehlern lernen – und zwar nicht nur aus ihren eigenen Fehlern, sondern auch aus denen anderer Straßenteilnehmer. Aus diesem Grund werden die Fahrzeuge ihre Erfahrungen aufzeichnen und, solange sie sich in Reichweite einer Funkstation befinden, auf Server in der Cloud hochladen, wo die KI-Module ständig trainiert werden.

Potenziell könnte auf Fahrzeuge jede Nacht ein neues, minimal sichereres Modell für den nächsten Tag aufgespielt werden. Die routinemäßige Aufzeichnung täglicher Fahrten hat jedoch auch Auswirkungen auf den Datenschutz. Aus den oben genannten Gründen müssten die erfassten Inhalte möglicherweise anonymisiert werden, um die Identifizierung von Fahrzeuginsassen zu verhindern. Dieses Erfordernis könnte noch wichtiger werden, wenn Fahrzeughersteller ihre eigenen, streng geheimen Entwicklungsansätze nicht länger unter Verschluss halten und für eine engere Zusammenarbeit offenlegen.

Wenn alle hingegen weiterhin isoliert voneinander agieren, muss jede Partei eigene Szenarien entwickeln und hoffen, dass auch tatsächlich diejenigen mit der größten Relevanz ausgewählt wurden. Wenn jedoch ein Konsens erreicht wird, dass sich die allgemeine Sicherheit mit umfassenderen Daten verbessern wird, könnten Regierungen und Unternehmen eine engere Zusammenarbeit ins Auge fassen und gemeinsame Trainingskonzepte entwickeln.

Wie Training das Systemverhalten verändert, könnte von mehr abhängen als dem, was die Sensoren den KI-Systemen der Fahrzeuge mitteilen. Übergeordnete Entscheidungen kommen ins Spiel, und das Fundament, auf dem diese Entscheidungen getroffen werden sollen, wird sicherlich noch Anlass zu Kontroversen geben (wessen Leben soll beispielsweise in einer akuten Gefahrensituation bevorzugt gerettet werden?). Bei der Definition allgemeingültiger Regeln begibt man sich auf philosophisches Glatteis – doch das ist ein Thema, das wir in einem späteren Artikel dieser Reihe noch näher betrachten werden.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46213977)