Das Gespräch führte Heike Stüvel
Das autonome Fahren gilt für viele Experten als die Zukunft der Mobilität. Wie weit sind wir noch von eigenständig agierenden Fahrzeugen entfernt, Herr Professor Dudenhöffer?
Wir sind noch ein gutes Stück von einer komplett autonomen Fahrzeugflotte entfernt. Es gibt erste Systeme mit autonomen Fahrfunktionen – das sogenannte Level 3 –, wie sie etwa BMW, Mercedes-Benz und Tesla in bestimmten Situationen und nur auf Autobahnen anbieten. Doch eine flächendeckende Einführung von Level-5-Autonomie – also Fahrzeugen, die vollkommen ohne menschliches Eingreifen fahren – ist technisch, regulatorisch und infrastrukturell noch nicht absehbar. Es wird wohl noch mindestens ein bis zwei Jahrzehnte dauern, bis vollautonome Fahrzeuge im Alltag etabliert sein werden.
Welche Hürden sind noch zu überwinden?
Autonome Systeme müssen mit vielen Verkehrssituationen sicher zurechtkommen können. Ein entscheidender Faktor dafür ist eine hohe Fehlertoleranz. Sie ermöglicht es der Technik, Fehler zu erkennen und darauf zu reagieren, ohne dass es gefährlich wird. Das erfordert fortschrittliche Algorithmen und umfassende Tests in realen Verkehrsszenarien. Doch das Erkennen und Verarbeiten von Verkehrszeichen, den aktuellen Wetterbedingungen sowie unerwarteten Situationen wie Unfällen oder Baustellen ist noch nicht ausgereift genug. Zudem müssen Hochpräzisionskarten und Kommunikationssysteme weiterentwickelt werden, um eine sichere und zuverlässige Navigation zu gewährleisten. Eine weitere Hürde ist die verfügbare Rechenkapazität: Autonome Fahrzeuge müssen in Echtzeit große Datenmengen verarbeiten, was leistungsstarke Computerchips und effiziente Algorithmen erfordert.
Welche Fortschritte gibt es, um autonome Autos sicherer und zuverlässiger zu machen?
In den letzten Jahren gab es große Fortschritte bei Lidar-, Radar- und Kamerasystemen, die die Umwelt detaillierter erfassen können. Gleichzeitig entwickeln Unternehmen wie Nvidia, Waymo und Mobileye leistungsfähigere KI-Modelle, die Verkehrssituationen besser vorhersehen und interpretieren können. Deep-Learning-Ansätze verbessern vor allem die Objekterkennung und Entscheidungsfindung autonomer Fahrzeuge.
Wie gut können heutige Systeme komplexe Verkehrssituationen erkennen und meistern?
