Autonomes Fahren

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

Künstliche Intelligenz verspricht viel. Was sie tatsächlich halten kann, beleuchten wir an unserem Safe Intelligence Day – Mobility am Fraunhofer IKS in München. Das Fraunhofer IKS arbeitet an vernetzten Kognitiven Systemen und denkt dabei Sicherheit und Intelligenz zusammen. Unsere Lösungen schöpfen das Potenzial neuer Technologien voll aus und müssen gleichzeitig nachweislich sicher und zuverlässig sein.

Im Rahmen des Safe Intelligence Day - Mobility gewähren wir geladenen Gästen am 6. Februar 2025 einen exklusiven Einblick in unsere aktuellen Forschungsthemen und -leistungen.  

Sie erfahren Ansätze, wie Sie in der Entwurfs- und Betriebsphase die Sicherheit von KI-Systemen erhöhen können und wie LLMs Sie beim Systems Software Engineering unterstützen können.

Vorträge und Demo-Präsentationen zu:

• Assurance Framework für KI-Systeme mit hohem Risiko
• Kontinuierliches Safety-Engineering für KI-fähige Systeme (ML-DevOps)
• LLM-Copilot zur Unterstützung von Systems Software & Safety Engineering

Am 6. Februar ab 19 Uhr treten wir auch als Host für das Meetup Autonomous Driving auf. Programminformationen und die Anmeldung finden Sie kurzfristig beim Meetup-Organisator: Autonomous Driving | Meetup

Lange waren in Deutschland nur teilautomatisierte Fahrassistenten der Stufe 2 zugelassen. Doch dies hat sich in den letzten Jahren geändert. Schon seit 2017 gibt es mit der Änderung des Straßenverkehrsgesetzes (StVG) die Möglichkeit, Fahrzeuge mit Level-3-Fahrfunktionen zuzulassen, vorausgesetzt die Funktion wird ausschließlich laut Herstellerbestimmungen eingesetzt. Seit 2022 ist nun die erste hochautomatisierte Fahrfunktion eines deutschen Automobilherstellers zugelassen worden. Das System darf allerdings nur unter bestimmten Voraussetzungen aktiviert werden, beispielsweise ausschließlich auf Autobahnen und nur bei Tageslicht.

Auch für das autonome Fahren auf Level 4 und 5 sind die ersten rechtlichen Grundlagen vorhanden. Bis auf weiteres ist das autonome Fahren ohne physisch anwesenden Fahrer oder Fahrerin allerdings nur in festgelegten und genehmigten Betriebsbereichen erlaubt. Dies trifft beispielsweise auf Shuttlebusse auf Firmen- oder Messegeländen zu.

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.

Damit das autonome Fahren keine Gefahr darstellt, ist die größte Herausforderung, 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.

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.

Jetzt Kontakt aufnehmen

Für die Sicherheit 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 Nachhaltigkeit im autonomen Fahren

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.

Jetzt Kontakt aufnehmen