Die Zukunft des autonomen Fahrens: Warum ein neuer KI-Ansatz nötig ist

Die Zukunft des autonomen Fahrens: Warum ein neuer KI-Ansatz nötig ist

In den letzten zehn Jahren wurden über 100 Milliarden Dollar in die Entwicklung autonomer Fahrtechnologien investiert – von Halbleitern über Sensoren bis hin zu Software und Datenverarbeitung. Trotz dieser enormen Summen ist die Branche noch weit von einer skalierbaren, sicheren Umsetzung entfernt. Rückschläge wie das vorübergehende Aus für Cruise in Kalifornien zeigen die Grenzen der aktuellen Ansätze auf.

Bei einer Präsentation im Rahmen des Sharing the Roadmap Executive Exchange machte Manuel Yoon, damals VP Strategy bei Autobrains, deutlich: Die herkömmlichen KI-Modelle für autonomes Fahren sind zu teuer, zu ineffizient und zu schwerfällig. Autobrains, ein israelisches KI-Startup mit Investoren wie Continental und BMW Ventures, verfolgt daher einen anderen Weg – mit einer selbstlernenden KI, die die menschliche Wahrnehmung nachahmt.

Die Milliardenschwere Sackgasse

Yoon legte dar, warum das derzeitige KI-Paradigma für fortgeschrittene Fahrerassistenzsysteme (ADAS) und autonomes Fahren an seine Grenzen stößt:

• Die meisten Systeme basieren auf überwachten Deep-Learning-Netzen, die riesige Mengen an gelabelten Trainingsdaten benötigen.
• Diese Daten werden von Tausenden von Arbeitskräften in Niedriglohnländern manuell annotiert – ein teurer, langsamer und fehleranfälliger Prozess.
• Jede Veränderung an Hardware oder Sensorik erfordert ein erneutes, kostspieliges Training der neuronalen Netze.

Selbst Tesla, als Vorreiter der KI-gestützten Mobilität, kämpft mit diesen Herausforderungen. Der Wechsel von 1,2-Megapixel-Kameras auf 5-Megapixel-Modelle verzögerte die Softwareintegration um sechs bis neun Monate. Diese Abhängigkeit von festgelegten Datenstrukturen führt zu steigender Komplexität und sinkender Flexibilität.

Der Paradigmenwechsel: Selbstlernende KI

Autobrains setzt auf ein völlig anderes Prinzip: eine KI, die nicht auf vorab definierte Kategorien angewiesen ist, sondern sich selbstständig an neue Umgebungen anpasst. Das Konzept basiert auf sogenannten Signaturen:

• Signaturen sind binäre, hyperdimensionale Repräsentationen der Umgebung, die direkt aus Rohdaten extrahiert werden.
• Die KI lernt adaptiv, indem sie diese Signaturen selbstständig zu sinnvollen Konzepten gruppiert – ähnlich wie das menschliche Gehirn Objekte und Situationen wahrnimmt.

Dieser Ansatz reduziert den Bedarf an großen Rechenzentren, macht das System sensorunabhängig und senkt die Kosten erheblich. Inspiration stammt aus der Neurowissenschaft – insbesondere der Theorie der effizienten Kodierung von Horace Barlow, die beschreibt, wie das Gehirn Informationen mit minimalem Energieaufwand verarbeitet.

Modularität als Schlüssel: KI-Agenten für spezifische Aufgaben

Ein weiteres Kernproblem der Branche ist der Spagat zwischen Wahrnehmung und Entscheidungsfindung in autonomen Systemen. Heute konkurrieren zwei Ansätze:

• End-to-End-KI-Modelle, die alle Fahrentscheidungen in einer einzigen KI vereinen. Dies ist jedoch rechenintensiv und schwer skalierbar.
• Separate Wahrnehmungs- und Entscheidungsmodelle, die zwar flexibler sind, aber nicht optimal aufeinander abgestimmt sind.

Autobrains setzt hier auf modulare KI-Agenten:

• Eine zentrale „Perception-Router“-Einheit wählt für jede Situation den relevantesten KI-Agenten aus.
• Beispiel: Läuft ein Kind auf die Straße, wird ein speziell darauf optimierter KI-Agent aktiviert.
• Jedes Modul spezialisiert sich auf eine einzelne Aufgabe, wodurch das Gesamtsystem weniger oft neu trainiert werden muss.

Dieses Konzept erlaubt eine skalierbare, adaptive Lösung, die sich von einfachen ADAS-Funktionen bis hin zu vollautonomen Systemen (Level 4) weiterentwickeln kann.

Wirtschaftliche Realität: ADAS als kommerzieller Erfolgsfaktor

Während viele Unternehmen Milliarden in die Entwicklung von Level-4-Autonomie stecken, verfolgt Autobrains einen pragmatischeren Ansatz: Zuerst ADAS, dann Autonomie.

Warum? Weil ADAS bereits heute wirtschaftlich rentabel ist. Das selbstlernende KI-System von Autobrains bietet dabei einen klaren Vorteil: Es ist robust gegenüber unbekannten Situationen und funktioniert auch bei schwierigen Bedingungen zuverlässig. Dadurch sinken die Kosten für den breiten Markteinsatz erheblich.

Langfristig ermöglicht dieser Ansatz eine nahtlose Skalierung hin zu höheren Automatisierungsstufen – ohne die typischen Fallstricke traditioneller KI-Systeme.

Ein Wendepunkt für autonomes Fahren?

Yoon stellte der Branche eine entscheidende Frage: Müssen wir wirklich weitere 100 Milliarden Dollar für immer größere neuronale Netze, riesige Datenmengen und starre KI-Systeme ausgeben? Oder gibt es einen intelligenteren Weg?

Autobrains setzt auf eine effizientere, flexiblere und sicherere Lösung – mit weniger Datenaufwand, geringeren Kosten und höherer Skalierbarkeit. Während sich der Markt mit wachsendem regulatorischen Druck und Budgetkürzungen konfrontiert sieht, könnte dieser Ansatz genau zur richtigen Zeit kommen.

Wichtige Erkenntnisse für CIOs und Entscheider:

• Effizienz zählt: Selbstlernende KI reduziert die Abhängigkeit von großen Datensätzen und senkt die Infrastrukturkosten.
• Flexibilität ist entscheidend: Sensorunabhängige, signaturbasierte Systeme ermöglichen eine widerstandsfähigere Skalierung.
• Modulare KI ist die Zukunft: Spezialisierte KI-Agenten erlauben eine menschlichere und anpassungsfähigere Entscheidungsfindung.
• Kurzfristige Marktchancen nutzen: Der Fokus auf ADAS ermöglicht schnellen kommerziellen Erfolg und ebnet langfristig den Weg zur Autonomie.

Autobrains zeigt, dass der Traum vom autonomen Fahren nicht zwangsläufig eine Frage von immer größerem Datenaufwand und extremen Hardware-Anforderungen sein muss. Mit dem richtigen Ansatz könnten wir schon bald eine intelligentere, sicherere und wirtschaftlich nachhaltigere Zukunft der Mobilität erleben.

The Software Excellence Network

Das Software Excellence Network ist eine Gemeinschaft von CIOs, CTOs und leitenden Technologieführern, die sich der Förderung von Spitzenleistungen in der Softwareentwicklung und dem strategischen IT-Management verschrieben haben. Durch exklusive Veranstaltungen, Thought Leadership und kollegiale Zusammenarbeit bietet das Netzwerk umsetzbare Einblicke in die Optimierung der Softwareproduktivität, den Umgang mit neuen Technologien und die Förderung des Geschäftserfolgs in einer sich schnell entwickelnden digitalen Landschaft. Sind Sie daran interessiert, sich unserer Mission anzuschließen? Erfahren Sie mehr!

Ein Hinweis für unsere Leser

Dieser Artikel bietet einen Überblick über die wichtigsten Ideen, die Manuel Yoon in seinem Vortrag vorgestellt hat. Wir haben zwar die wichtigsten Konzepte und Innovationen, die er vorstellte, zusammengefasst, aber den vollen Umfang seiner Erkenntnisse und Beispiele erfahren Sie am besten, wenn Sie sich die gesamte Veranstaltung ansehen. Um tiefer einzutauchen und direkt vom Redner zu hören, laden wir Sie ein, sich die vollständige Präsentation anzusehen. Wenn Sie Fragen haben oder weitere Informationen wünschen, können Sie sich gerne an uns wenden.