Autonomes Fahren

Autonome oder selbstfahrende Autos werden immer wieder als wegweisende Technologie für unsere Zukunft gehandelt. Doch was genau bedeutet »autonom« und was wird notwendig sein, um autonomes Fahren sicher und effizient zu machen?

5 Stufen zum autonomen Fahren

Schon jetzt sind die meisten neuwertigen Autos in gewissen Bereichen automatisiert. Das Spektrum beginnt mit standardmäßigen Fahrerassistenzsystemen (FAS), in Zukunft sollen aber auch komplett autonome Fahrzeuge auf den Straßen unterwegs sein.

Zur Klassifizierung wird meist die Einteilung der Society of Automotive Engineers in fünf Autonomiestufen verwendet:

  • Level 1 Fahrassistenz: Hierzu zählen bereits Autos mit herkömmlichen Tempomaten.
  • Level 2 Teilautomation: In vom Hersteller definierten Situationen kann das Fahrzeug selbstständig die Spur halten oder bremsen. Auch Einpark-Assistenten zählen zu Level 2 Funktionen.
  • Level 3 hohe Automation: Hochautomatisierte Fahrzeuge können selbstständig überholen, bremsen und beschleunigen, je nach Anforderungen der Verkehrssituation. Der Fahrer darf in dieser Zeit sogar Zeitung lesen, muss allerdings in der Lage sein, die Fahrertätigkeit wiederaufzunehmen, wenn ihm das System ein Signal dazu gibt.
  • Level 4 volle Automation: Fahrzeuge dieser Stufe übernehmen alle Fahraufgaben selbstständig. Sie können auch auf die Autobahn auffahren, blinken und überholen. Hier kann der Fahrer sogar während der Fahrt schlafen.
  • Level 5 autonom: Bei autonomen Fahrzeugen hat der Passagier keine Fahraufgabe und auch keine Möglichkeit mehr, in die Fahrsituation einzugreifen. Das Fahrzeug bewältigt auch sehr komplexe Fahrsituationen wie das Überqueren einer Kreuzung autonom. Diese Fahrzeuge können auch ohne Passagiere fahren.
© iStock.com/Just_Super

Aktueller Stand: Wie viel Autonomie darf bereits auf unsere Straßen?

Bisher sind in Deutschland nur teilautomatisierte Assistenten der Stufe 2 zugelassen. Die Hürde zwischen Level 2 und 3 ist groß. Zum einen stellen sich neue rechtliche Fragen bei Fehlverhalten der automatisierten Systeme. Zum anderen muss das System das Fahrumfeld ab Stufe 3 selbstständig überwachen und auf alle Veränderungen reagieren können. Damit diese Bedingung zuverlässig erfüllt wird, ist noch viel Forschung notwendig.

Chancen und Risiken: Autonome Fahrzeuge lassen sich vielseitig einsetzen

Die Einsatzgebiete automatisierter oder autonomer Fahrzeuge sind vielfältig. Im Personenverkehr sind zwei Szenarien denkbar:

  • shared autonomy durch automatisierte oder autonome Taxis und Busse und
  • owned autonomy in Form von privat genutzten autonomen Autos.

Neben dem Personenverkehr wird das autonome Fahren auch viele weitere Wirtschaftszweige prägen. In der Landwirtschaft können autonome Fahrzeuge und Maschinen den Personalbedarf senken und die Effizienz steigern.

In der Industrie können autonome Trucks beispielsweise bei Frachthäfen oder in Minen gefährliche oder monotone Aufgaben übernehmen. Autonome Lastwagen können in Konvoys auf Autobahnen Waren effizienter und ohne Fahrer von A nach B transportieren.

Neben den erwähnten rechtlichen Fragen ist ein besonders entscheidender Punkt die Verlässlichkeit der Systeme. Im Straßenverkehr geht es um Menschenleben. Nur wenn autonome Fahrzeuge fehlerfrei funktionieren, können die großen Potentiale des autonomen Fahrens genutzt werden.

Technische Voraussetzungen für das autonome Fahren

Für die Funktion autonomer oder automatisierter Fahrzeuge ab Stufe 3 müssen viele technische Voraussetzungen gleichzeitig erfüllt sein. Die drei wichtigsten sind:

Maschinelle Wahrnehmung

Kameras und Sensoren wie Radar und Lidar scannen die Umgebung in Echtzeit. Gespeicherte digitale Karten und (D)GPS-Ortungssysteme bieten weitere Informationen zur Umgebung des Fahrzeugs. Bei kooperativen Verkehrssystemen können Fahrzeuge auch untereinander kommunizieren und somit das geplante Fahrverhalten der anderen Fahrzeuge in die eigene Wahrnehmung miteinbeziehen. Die so gesammelten Daten werden zusammengeführt und durch Künstliche Intelligenz (KI) ausgewertet. Daraus entsteht die Perzeption, also die maschinelle Wahrnehmung der Fahrzeugumgebung.

Situationsverstehen

Im nächsten Schritt wird auf Basis der Perzeption ein 3D-Modell der Umgebung erstellt. Damit errechnet das System die bevorstehende Situation und trifft Vorhersagen. Diese einzelnen Schritte, die ebenfalls mit KI realisiert werden können, laufen künftig einzeln und voneinander unabhängig ab. So kann das Ergebnis zwischendurch immer wieder geprüft werden.

Bahnführung

Das autonome Fahrzeug plant schließlich die nächsten Handlungen und führt diese selbstständig aus. Es bleibt in der idealen Spur und aktiviert andere Fahrzeugfunktionen, beispielsweise den Blinker oder die Bremse.

Sichere Kognitive Systeme für das autonome Fahren

Die größte Herausforderung für das autonome Fahren ist es, Informationen in Echtzeit zu generieren, zu verarbeiten und darauf zu reagieren.

In Testsituationen funktionieren autonome Fahrzeuge aktuell schon sehr gut, denn die Bedingungen bei Tests sind stark eingegrenzt und damit leicht zu beherrschen. Eine Hürde ist aber, autonome Fahrzeuge so zu konzipieren, dass sie auch unter schwierigen Voraussetzungen wie im normalen Straßenverkehr verlässlich fahren.

Wenn das System beispielsweise durch schlechte Wetterbedingungen oder ausgefallene Sensoren nicht in der Lage ist, ein präzises Modell der Fahrsituation zu erzeugen, darf das Fahrzeug nicht aufgrund dieses fehlerhaften Modells handeln. Das System muss sich selbst beobachten, den eigenen Zustand sowie die eigene Verlässlichkeit bewerten – und trotz Einschränkungen weiterfahren.

Dafür bietet das Fraunhofer-Institut für Kognitive Systeme IKS Lösungen, mit denen das autonome Fahrzeug trotz schlechter Bedingungen oder Fehler verlässlich funktioniert und niemanden gefährdet. Ziel ist eine umfassend abgesicherte intelligente Softwarearchitektur im Auto, ein sogenanntes resilientes Kognitives System.

© iStock.com/Tamas Gabor

Fraunhofer IKS sichert Künstliche Intelligenz (KI) ab

Autonomes Fahren basiert zu großen Teilen auf Künstlicher Intelligenz (KI), Machine Learning und neuronalen Netzen. Da bei diesen Technologien kein Mensch die maschinelle Wahrnehmung und die daraus folgenden Entscheidungen validieren kann, ist es notwendig, andere Wege zu finden, die Richtigkeit der maschinellen Perzeption zu überprüfen. Das Fraunhofer-Institut für Kognitive Systeme IKS forscht an Methoden, um die Perzeption abzusichern.

Ein Ansatz ist hier die strukturierte Safety-Analyse. Hierfür wird ein logisches Modell der Systemarchitektur erstellt, das Signalflüsse und deren Qualität darstellt. Auch Performanz und Einschränkungen der Sensoren werden in der Systemarchitektur beschrieben. Anschließend wird bewertet, wie kritisch diese identifizierten Schwachstellen sind und welches Risiko von ihnen ausgeht. Bei der Safety-Analyse wird dann untersucht, welche kritischen Situationen zu sicherheitsrelevanten Fehlern führen.

Ein anderer Ansatz ist die intelligente Cross-Validierung vorhandener interner und externer Sensordaten. Dabei werden die Daten eines Sensors mit den Daten andersartiger Sensoren verglichen, die jeweils unterschiedliche Schwachstellen haben. So können die gemessenen Daten der unterschiedlichen Sensoren, beispielsweise Frontkamera und LIDAR-System, sich gegenseitig plausibilisieren.

Sicherheit durch adaptive Softwarearchitekturen

© iStock.com/gustavofrazao

Zur Absicherung des autonomen Fahrens forscht das Fraunhofer-Institut für Kognitive Systeme IKS außerdem an adaptiven Softwarearchitekturen. Das System passt sich selbstständig an veränderte Umgebungsbedingungen an und ermöglicht so einen vorausschauenden Umgang mit Störfaktoren.

Außerdem sind in selbst-adaptiven Softwarearchitekturen die softwarebasierten Funktionsmerkmale flexibel konstruiert. So können Funktionen verschoben oder weiterhin uneingeschränkt betrieben werden, auch wenn es in anderen Teilen des Systems Probleme gibt. Diese Art der Softwarearchitektur nennt sich Fail-Operational-Architektur.

Sollte durch Adaption nicht die volle Funktionsfähigkeit erhalten bleiben, kann durch die sogenannte Graceful Degradation schrittweise die Funktion herabgesetzt werden. Dabei bleibt die Sicherheit und Stabilität voll erhalten. Bei einem autonomen Fahrzeug wird so gewährleistet, dass die sicherheitskritischen Funktionen wie die Spurführung weiterhin einwandfrei funktionieren, auch wenn beispielsweise eine Kamera ausgefallen ist.

In Echtzeit vernetzte Verkehrsmodelle für mehr Sicherheit, Effizienz und Ressourcenschonung

Ein weiterer Aspekt, um das autonome Fahren sicher zu gestalten, ist die sogenannte Car2X-Kommunikation, für die Fahrzeuge und Infrastruktur mit Sensoren ausgestattet werden. Ziel ist ein kooperatives Ökosystem für den Straßenverkehr, in dem Infrastruktur- und Positionsdaten über Edge- und Cloud-Computing geteilt werden können. Damit erhöhen kooperatives Fahren und Car2X-Kommunikation die Effizienz, Sicherheit und Nachhaltigkeit des Verkehrssystems. Der Fokus des Fraunhofer-Institut für Kognitive Systeme IKS liegt insbesondere auf der Safety der Systeme. Diese lässt sich durch Infrastrukturdaten einfach und effektiv erhöhen, da Infrastruktursensoren an kritischen Verkehrspunkten einen besseren Überblick als einzelne Verkehrsteilnehmer haben. Technisch bedeutet das allerdings, dass die Infrastruktur als weitere, gegebenenfalls unsichere Sensorquelle in der E2E-Architektur berücksichtigt werden muss.