Fahrerlos von A nach B

15.02.2019

Auf der New Mobility World wird die Zukunft der Mobilität Gegenwart. Die großen Ideen, Prototypen und Projekte der ersten Edition 2014 sind heute vielerorts Realität.

Eine Einführung in die Automatisierung der Mobilität

Ridepooling und Ridesharing, vernetzte und intelligente Infrastruktur, erste Versuche in Sachen autonome Fahrdienste und Busse. Sie alle rollen heute bereits über die Straßen vieler Städte – und sind morgen vielleicht schon obsolet. Heute revolutionär, morgen konventionell. Die Mobilität bleibt nicht stehen, sie ist ein ständiger Innovationstreiber.

Die New Mobility World vereint die Trends, Entwicklungen und Projekte der Mobilität von morgen unter einem Dach. Experten, Entscheider und Visionäre präsentieren und diskutieren über Künstliche Intelligenz, Lösungen für den Klimawandel und Luftqualität, Smart Cities oder auch Infotainment-Systeme und User Interfaces. Und so fokussiert sich die diesjährige NMW in Frankfurt auf die Themen Automation, Connectivity, Clean and Sustainable Mobility, Urban Mobility sowie Mobility-as-a-Service (MaaS).

Im Rahmen der nächsten Wochen widmen wir uns diesen Fokusthemen und bieten einen Einstieg in die Themen und Diskussionen der NMW. Diese Woche beginnend mit der Automatisierung der Mobilität: Fahrerlos von A nach B.

Fahrerassistenzsysteme und autonomes Fahren

Die Autobahn. Ein Auto düst über die rechte Spur; vor dem Auto erscheint ein LKW am Horizont. Das schnellere Auto kommt diesem immer näher, wechselt die Spur, zieht am LKW vorbei, schert vor dem Truck wieder ein. Das Besondere: Das Auto unternimmt dieses Manöver selbstständig; der Fahrer döst. Der Traum vom autonomen Fahren hat sich bereits vor Jahrzehnten in die Köpfe der Menschen gebrannt. Mittlerweile ist das popkulturelle Phänomen der Science-Fiction-Vision und einiger Visionäre in Teilen Realität.

Doch autonomes Fahren bedeutet nicht gleich autonomes Fahren. Tatsächlich unterscheidet man in fünf Kategorien:

Die verschiedenen Level des autonomen Fahren.
Die verschiedenen Level des autonomen Fahren. Quelle: Cleantechnica

Der große Fokus der Entwickler und Hersteller liegt derzeit auf dem autonomen Fahren auf dem hybriden Level-4. Dieses kommt dem derzeitigen Stand der Technik eher entgegen. Der Grund: Die Fehlertoleranz für vollautonome Fahrzeuge im realen Straßenverkehr ist sehr gering. Äußere Einflüsse, Wetter, komplexe Situationen wie Notdienste mit Blaulicht – sie enthalten derzeit noch zu viele verschiedene Variablen und stellen komplexe Anforderungen an die Systeme. Während die Level-4 Autonomie bereits im Straßenverkehr erprobt wird, ist Level-5 noch ein Fall für abgeschlossene Ökosysteme (Teststrecken, Universitätscampusse, etc.), in welchen die Testbedingungen und äußere Einflüsse kontrolliert werden können. Diese Problematik wird auch in einer MIT-Studie aus dem Jahr 2018 aufgegriffen und ausgeführt.

Patente im Bereich autonomes Fahren.
Patente im Bereich autonomes Fahren. Quelle: Statista

Das rasante Entwicklungstempo für Fahrzeuge mit Level-4 Autonomie ist zu großen Teilen in zwei verschiedenen Entwicklungen begründet:

1: Machine Learning Algorithmen und Computer Vision: Der technische Fortschritt in diesem Bereich resultiert in einer künstlichen Intelligenz, welche innerhalb kürzester Zeit auf verschiedene Änderungen der Variablen im realen Leben reagieren kann. Die Fahrzeuge können Probleme und Hindernisse richtig identifizieren, lösen und aus ihnen lernen.

2: Der Aufstieg des Ridehailing: Doch nur die Technologie alleine könnte dem autonomen Fahren nicht zum Durchbruch verhelfen. Erst in Kombination mit dem Aufstieg des Ridehailing war die Technologie bereit für den Markt. Warum? Kosteneffizienz. Derzeit sind die benötigten Komponenten für autonome Fahrzeuge – sowohl Soft- als auch Hardware – teuer. Durch das immer populärere Ridesharing brauchen die Anbieter nur wenige Fahrzeuge für viele Nutzer produzieren. Die Effizienz der Anschaffungskosten steigt auf diese Weise signifikant. Nicht ohne Grund plant Waymo ihre erste autonome Fahrzeugflotte als Ridesharing-Dienst. Weitere Ridehailing-Anbieter wie Uber oder Lyft gehören zu den führenden Entwicklern autonomer Autos.

Sensortechnologie, -Fusion und Big Data

Voraussetzung für die Automatisierung von Autos, Trucks und Co ist die eingebaute Sensortechnologie und die entstehenden Daten. Die Sensoren sind die Augen und Ohren des Fahrzeugs, die Daten die Neuronen, welche als Information von der Software verarbeitet werden. Autonome Fahrzeuge oder Assistenzsysteme müssen stetig ihre Umgebungen wahrnehmen, Probleme prognostizieren und auf Hindernisse reagieren. Mittlerweile befinden sich in jedem Mittelklassefahrzeug durchschnittlich über 100 Sensoren. Ab 2021 lässt die Europäische Union zusätzlich nur noch Fahrzeuge mit Automatic-Braking-Systemen, Lane-Keeping-Systemen, Intelligent-Speed-Adaptation, Driver-Distraction-Monitoring und Event-Data-Recording zu.

Durch derartige Entwicklungen steigt das Marktvolumen stetig. Alleine der Markt für LiDAR-Sensoren – fundamental für das autonome Fahren – soll laut IHS Markit von $230 Millionen (2016) auf $2,5 Milliarden (2016) steigen. Zahlreiche Unternehmen arbeiten bereits an günstigeren und fortschrittlichen Lösungen der LiDAR-Technologie. So auch Blickfeld, Gewinner des NMW Labs 2018.

Künstliche Intelligenz

Doch nicht nur die Sensorik ist für automatisierte Mobilität fundamental. Es benötigt zusätzlich eine Form der künstlichen Intelligenz. Denn mit der Digitalisierung wird das Auto vom Transportmittel zu einem rollenden Computer. Dieser muss innerhalb von Nanosekunden Informationen aufnehmen, verarbeiten, verstehen und anwenden. In dieser Form ist das nur durch eine künstliche Intelligenz möglich.

Machine Learning kombiniert mit Deep Learning ergeben diese Form der künstlichen Intelligenz. Machine Learning beschreibt Algorithmen, die sich basierend auf den gegebenen Daten anpassen und aus ihnen lernen; Deep Learning, digitale neuronale Netze, welche Szenarien simulieren und menschliche Entscheidungen interpretieren. Sie machen es autonomen Fahrzeugen, intelligenter Infrastruktur oder Assistenzsystemen möglich, Situationen aufzufassen, auf diese zu reagieren und aus ihnen lernen zu können.

Digitalisierung und Straßensicherheit

Die Digitalisierung der Mobilität sowie moderne Sensorik, Software, autonome Fahrzeuge und Fahrassistenzsysteme haben große Implikationen für die Straßensicherheit. Mit wachsendem Wohlstand in ehemaligen und derzeitigen „Schwellenländern” wächst auch dort der Bedarf nach Mobilität. Die Folgen: Das weltweite Verkehrsaufkommen wächst beständig – und so leider auch die Verkehrstoten. Den Vereinten Nationen zufolge erhöht sich die Anzahl der Verkehrstoten zwischen 2010 und 2020 um nahezu die Hälfte auf 1,9 Millionen. Gleichzeitig sanken die Verkehrstoten in den Industrienationen in den vergangenen 30 Jahren rapide. Ein Grund: Digitale Fahrassistenzsysteme werden umfangreicher, beliebter und Standard in Neuwagen.

Attraktivität der verschiedenen Fahrerassistenzsysteme. Quelle: DVR

Attraktivität der verschiedenen Fahrerassistenzsysteme.
Attraktivität der verschiedenen Fahrerassistenzsysteme. Quelle: DVR

Trotzdem liegen laut dem Bayerischen Staatsministerium für Umwelt und Verbraucherschutz bei 90% der Unfälle menschliche Fehler zu Grunde. Eine Zahl die in den Augen australischer Forscher mit der zunehmenden Anwendung fahrerloser Fahrzeugtechnologien weiter sinken wird.

Call for Papers für die New Mobility World gestartet

Zwischen dem 11. und dem 15. September findet im Rahmen der IAA das inhaltliche Herzstück der NMW statt: Die IAA Conference. Auf fünf Bühnen diskutieren dort die Entscheider, Experten und Visionäre der Mobilitätswelt. Der Call for Papers ist bereits gestartet. Noch bis zum 11. März 2019 können sich Interessierte als Redner bewerben.

Bildquelle: Waymo