Elektroniknet Logo

Autonomes Fahren

»Wir stehen kurz vor dem Durchbruch«

Automatisieres Fahren ist nicht so einfach, wie ursprünglich gedacht
© scharfsinn86 | shutterstock

Vor ein paar Jahren noch sah es so aus, als ob autonomes Fahren innerhalb kürzester Zeit für jedermann verfügbar sein wird. Der Hoffnung ist Ernüchterung gefolgt. Pierre Olivier, CTO von LeddarTech, zeigt sich im Gespräch mit Markt&Technik überzeugt, dass jetzt die Zeit reif ist.

Markt&Technik: Automatisiertes Fahren ist bei Weitem nicht so einfach wie ursprünglich gedacht. Vielfach wird darüber diskutiert, ob Level 3 überflüssig ist und der nächste Schritt direkt von Level 2 auf Level 4 stattfinden wird.

Pierre Olivier: Die Diskussion ist alt, bereits vor Jahren gab es eine Diskussion darüber, ob Level 3 ausfällt. Heute wird von Level 2+ etc. geredet, für mich ist das aber nichts anderes als Level 3 ohne Safety-Funktionen. Das ändert aber nichts an der Tatsache, dass die Leute Autopilot-Funktionen wollen, die es den Fahrzeugen ermöglichen, selbständig zu fahren, ohne zwar ohne dass man als Fahrer noch gezwungen ist, aufzupassen. Das nennen manche heute Level 2+, aber das ist für mich genau das, was Level 3 ausmacht.

Eine Autopilot-Funktion hätte wahrscheinlich jeder gerne, aber Level 3 heißt auch, dass der Fahrer innerhalb einer bestimmten Zeit die Kontrolle des Fahrzeugs wieder übernehmen muss, und das scheint ein technisches Problem zu sein, das bislang noch nicht gelöst wurde.

Ich würde nicht sagen, dass es nicht funktioniert. Meiner Meinung nach wurde nur im Laufe der Zeit festgestellt, dass autonomes Fahren nicht so einfach umzusetzen ist, wie man anfänglich gedacht hat.

Relevante Anbieter

Pierre Olivier, LeddarTech
Pierre Olivier, LeddarTec: »Zunächst wurden Erwartungen geschürt, dass autonomes Fahren einfach umzusetzen sei. Mittlerweile wurde zum Teil erkannt, dass autonomtes Fahren eines der komplexesten Probleme darstellt, die zu lösen sind.
© LeddarTech

2015 wurde beispielsweise von Elon Musk erklärt, dass autonome Fahrzeuge, und ich spreche hier von vollständig autonomen Fahrzeugen, innerhalb von drei Jahren auf der Straße sein werden. Forbes prognostizierte, dass 2020 10 Mio. selbstfahrende Autos unterwegs sind, und Waymo's CEO hat sogar Ende 2017 noch erklärt: „Autos, die vollständig autonom fahren, gibt es bereits.“ Und das sind nur ein paar Statements. Die Realität ist aber eine ganz andere. Tesla hat beispielweise seine Erwartungen mehrmals korrigiert, wobei das Unternehmen heute abermals der Überzeugung ist, dass sie bald soweit sind. Aber selbst Tesla erklärt heute, dass es sich beim autonomen Fahren um ein sehr komplexes Problem handelt. Ich würde sogar sagen, dass es sich um eines der schwierigsten Probleme handelt, die wir jemals lösen wollten, denn im Prinzip geht es darum, das menschliche Gehirn zu kopieren.

Liegen die Probleme mehr in der Software, in der Hardware, oder ist es ein Problem der Trainingsdaten für die KI?

Ich denke, alle drei Punkte spielen eine Rolle. Tesla hat beispielsweise - aus welchen Gründen auch immer - Radar aus seinen Autos verbannt, und alle Erfahrungen damit zeigen, dass die Leistung deutlich schlechter wurde; Videos von Nutzern sind wirklich beängstigend. Dieses Beispiel bestätigt aus meiner Sicht einen Punkt: Für autonomes Fahren sind die besten Sensortechnologien notwendig, denn nur die Kombination ermöglicht es, das Auto wirklich abzusichern. Dazu kommt noch ein anderer Punkt: Es gibt Untersuchungen, um herauszufinden, warum Unfälle von Fahrzeugen mit Krankenwagen, Feuerwehrwagen usw. passiert sind, und zwar bei aktiviertem Autopilot.

Dabei stellt sich für mich die Frage: Wurde die KI dieser Fahrzeuge mit mangelhaften Daten trainiert? Denn wenn der Trainingsdatensatz nicht ausreichend ist, dann kann ein System entsprechende Fahrzeuge nicht erkennen. Ein echter 3D-Sensor würde auf jeden Fall erkennen, ob ein Hindernis vorhanden ist, sodass das Fahrzeug auf alle Fälle anhalten würde, unabhängig davon, ob es weiß, um welches Hindernis es sich handelt.

Dieses Beispiel zeigt abermals, dass die Hardware wirklich wichtig ist. Das bedeutet nicht, dass KI und Deep Learning nicht ebenfalls wichtig sind, ganz im Gegenteil. KI und Deep Learning sind die bestverfügbaren Tools, um die hohe Anzahl von Umgebungsbedingungen abzudecken. Würde man diese verschiedenen Bedingungen einzeln programmieren müssen, würde das niemals funktionieren. Es sind also die beste Hardware, die beste Software und die besten Trainingsdaten notwendig, um dieses komplexes Problem zu lösen.

Und es sind verantwortungsvolle OEMs und Tier-Ones notwendig. OEMs haben die höchste Verantwortung, denn wenn sie es zulassen, dass ein Fahrer ein Sicherheitssystem einfach umgehen kann, dann ist das sehr leichtsinnig. Man kann sich nicht darauf verlassen, dass der Endanwender immer verantwortlich handelt.

Wieso sollte ein Endnutzer unverantwortlich handeln? Er dürfte doch der erste sein, der an einem sicheren Fahrzeug interessiert ist.

Die Fahrer sind nicht geschult; ein Autopilot ist ein sehr komplexes System. Ein Flugzeugpilot nutzt Autopilotsysteme, aber er wird umfassend darin geschult. Sie wissen genau, wann sie sich darauf verlassen können und wann nicht. Im Auto schaltet der Fahrer den Autopilot an und probiert dann einfach aus, wie er funktioniert. Das ist ein völlig anderer Ansatz.

Zurück zu den Trainingsdaten: Unternehmen wie Tesla oder Waymo dürften mittlerweile unendlich viele Trainingsdaten zur Verfügung stehen. Müssten diese Unternehmen in ihren Entwicklungen nicht schon weiter sein?

Wenn heute jemand Führerschein macht, braucht er rund 50 Stunden, um ihn zu bekommen. Zu diesem Zeitpunkt kann er einigermaßen vernünftig im Straßenverkehr fahren und stellt keine Gefahr mehr dar. Um aber ein wirklich guter und sicherer Fahrer zu werden, sind mindestens 100.000 gefahrene Kilometer notwendig. Daten, die immer wieder und wieder in derselben Umgebung erhoben werden, reichen nicht einmal ansatzweise.

Es geht nicht um die Quantität der Daten, sondern um deren Diversität. Waymo konzentriert sich mehr auf die Quantität der Daten. Schaut man sich aber Videos von Fahrzeugen an, dann zeigt sich, dass die Systeme ständig Fehler machen, wenn sie sich in Situationen befinden, die sie nicht erkennen.

Es sind viele Unternehmen im Bereich Automated Driving engagiert, dennoch fehlt bislang der Erfolg. Sie sind vom Erfolg überzeugt: Was ist aus Ihrer Sicht notwendig, dass die Geschichte eine Erfolgs-Story wird?

Da fallen mir viele Dinge ein. Aber an erster Stelle steht für mich der Beitrag der Infrastruktur, sprich: V2X. Heute gilt Super Cruise von General Motors als das sicherste System. Es funktioniert aber nur auf Straßen, die kartiert sind. Ist das akzeptabel, dass ein Auto nur in einer Straße fahren kann, die kartiert wurde? Wenn genügend Autobahnen kartiert sind, mag das ein guter Kompromiss sein, das heißt hier würde V2X wirklich helfen. Aber wenn es um ein System geht, das unter allen Bedingungen funktioniert, kommt man schnell an die Grenzen, und zwar an die Grenzen der Rechenkapazitäten. Der limitierende Faktor ist weniger die Sensorik, sondern vielmehr die Computing Hardware. Selbst wenn ich gute Trainingsdaten zur Verfügung habe, ist die Computing Hardware der limitierende Faktor.


  1. »Wir stehen kurz vor dem Durchbruch«
  2. Es wird eng beim Fortschritt autonomen Fahrens basierend auf schierer Rechenleistung

Das könnte Sie auch interessieren

Verwandte Artikel

LeddarTech Inc.