Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie


Bachelorarbeit, 2018

46 Seiten, Note: 1,3

Anonym


Leseprobe


Inhaltsverzeichnis

I. Abbildungsverzeichnis

II. Tabellenverzeichnis

III. Abkürzungsverzeichnis

1 Einleitung

2 Grundlagen
2.1 Definition und Einordnung
2.2 Entwicklung und aktueller Stand der Technik

3 Analyse der Treiber und Hemmnisse
3.1 Technische Treiber und Hemmnisse
3.2 Gesellschaftliche Treiber und Hemmnisse
3.3 Politisch-rechtliche Treiber und Hemmnisse
3.4 Wirtschaftliche Treiber und Hemmnisse
3.5 Beurteilung

4 Mögliche Auswirkungen der Technologie
4.1 Auswirkungen auf den öffentlichen Verkehr und die Stadt
4.2 Auswirkungen auf die Wirtschaft

5 Fazit

Literaturverzeichnis

Abstract

Die Einführung des Automobils löste eine technische Revolution aus und schuf eine noch nie dagewesene Form der Mobilität.1 Heute steht die Automobilbranche ihrer nächsten Revolution gegenüber. Technologische Entwicklungen wie der Spurhalteassistent oder der Notbremsassistent deuten bereits an, dass die Einführung eines autonom fahrenden Fahrzeugs nur noch eine Frage der Zeit ist. Jahrzehntelange kostentreibende Forschungen brachten hierzu umfassendes Wissen und ermöglichen es, dass heute weltweit Prototypen auf Straßen fahren. Global arbeiten Automobilhersteller, aber auch branchenfremde Unternehmen wie Google oder Apple, mit Hochdruck an dieser Technologie.

Ziel dieser Untersuchung ist es, anhand verschiedener Untersuchungsfelder einen Einblick in die Thematik des autonomen Fahrens zu gewinnen. Folgende Forschungsfragen stehen dabei im Zentrum: Wie sehen die Evolution und der aktuelle Stand dieser Technologie aus? Welche Treiber und Hemmnisse gibt es? Welche Auswirkungen kann das autonome Fahren auf den öffentlichen Verkehr und die Wirtschaft haben?

Zur Beantwortung dieser Forschungsfragen wird anhand einer systematischen Literaturrecherche die Evolution des autonomen Fahrens aufgearbeitet. Darauf folgt die Analyse technischer, gesellschaftlicher, politisch-rechtlicher und wirtschaftlicher Treiber wie auch Hemmnisse mit einer anschließenden Darstellung zu möglichen Auswirkungen auf den öffentlichen Verkehr und die Wirtschaft. Die Ergebnisse zeigen dabei, dass enorme Investitionen und wiederholte Erfolge in der Forschung die Entwicklung des autonomen Fahrens vorantreiben. Auch Potentiale wie wachsende Sicherheit, Komfort und Flexibilität werden deutlich. Die Veränderung bestehender Geschäftsmodelle und die Schaffung neuer Geschäftsmodelle bieten aussichtsreiche Einnahmequellen für Unternehmen und können Einfluss auf die Stadtstruktur der Zukunft haben. Andererseits stellen ethische und politisch-rechtliche Fragestellungen, deren Lösungen nicht zeitnah beantwortet werden können, eine große Herausforderung dar.

I. Abbildungsverzeichnis

Abbildung 1: Langfristige Entwicklung der Verkehrstoten in Deutschland

Abbildung 2: Top-10-Unternehmen für Patentanmeldungen im Bereich des autonomen Fahrens seit 2010

II. Tabellenverzeichnis

Tabelle 1: Definition der Automatisierung

Tabelle 2: Sicherheitspotential von Fahrerassistenzsystemen in Personenkraftwagen

Tabelle 3: Vergleich des Umsatzes und EBITs der weltweit größten Automobilhersteller im H1-2016 und H1-2017

III. Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Das Auto, das wichtigste Verkehrsmittel des 20. und 21. Jahrhunderts, hat das Leben der Menschen revolutioniert und eine Massenmotorisierung ausgelöst. Dennoch ist die Durchschnittsgeschwindigkeit von Fahrzeugen in manchen Städten wie z. B. London vergleichbar mit der von Pferdekutschen im 17. Jahrhundert.2 Der Wunsch nach einem autonom fahrenden Fahrzeug wurde schon früh geweckt. Bereits 1958 schrieb Frank Rowsome Jr. vom Popular Science Magazine, dass langsam, aber sicher die Roboter die Aufgaben des Autofahrers übernehmen werden.3 Doch erst heute gewinnt das autonome Fahren an Aufmerksamkeit. Viele Hersteller wie BMW oder Mercedes werben bereits mit der Vision, in naher Zukunft autonome Fahrzeuge anbieten zu können.4 Systeme wie der Spurhalte- oder der Notbremsassistent geben heutigen Autofahrern bereits einen Eindruck davon, wie die Technik sukzessive die Kontrolle des Fahrzeugs übernimmt. Durch die Digitalisierung und die Veränderungen der gesellschaftlichen wie auch regulatorischen Rahmenbedingungen stehen aktuelle Geschäftsmodelle der Automobilhersteller und -zulieferer vor grundlegenden Veränderungen. Diese birgt große Herausforderungen für Unternehmen, die nicht durch die Weiterentwicklung bisheriger Technologien und Geschäftsmodelle bewerkstelligt werden können.5

Mit rund 820 000 Beschäftigten und einem Umsatz von 422,8 Milliarden Euro im Jahr 2017 ist die Automobilindustrie eine der wichtigsten Industriezweige in Deutschland.6 Der lange Zeit von Fahrzeugherstellern und Zulieferern dominierte Markt rückt zunehmend auch in den Fokus von Technologie- und Telekommunikationsunternehmen. Sowohl Anbieter aus der Automobilbranche als auch branchenfremde Wettbewerber arbeiten an der Entwicklung von Fahrassistenzsystemen, Software-Lösungen und anderen Technologien für ein sicheres und vernetztes, autonom fahrendes Fahrzeug.

In Anbetracht dieser Innovationen ergeben sich folgende Forschungsfragen:

- Wie sehen die Evolution und der aktuelle Stand dieser Technologie aus?
- Welche Treiber und Hemmnisse gibt es?
- Welche Auswirkungen kann das autonome Fahren auf den öffentlichen Verkehr und die Wirtschaft haben?

Zur Beantwortung dieser Forschungsfragen wird in dieser Arbeit eine qualitative Literaturrecherche als Methodik verwendet. Literatur wurde unter Verwendung von Disco, dem Suchportal für Literatur an der Westfälischen Wilhelms-Universität Münster, Google Scholar, Springer Link und Google gefunden. Unter den einbezogenen Schriften befanden sich Quellen, die ebenfalls zur qualitativen Recherche hinzugezogen wurden. Die gefundene Literatur wurde nach der Zitationshäufigkeit, der Aktualität und der Qualität der Quelle oder des Verlags selektiert. Die Qualifikation der Autorin oder des Autors wurde bei der Auswahl der Recherche ebenfalls berücksichtigt. Die Betrachtung des Inhaltsverzeichnisses und des Abstracts gab außerdem Aufschluss darüber, ob die jeweilige Quelle für diese Arbeit thematisch relevant war.

Im Anschluss an die Einleitung werden im zweiten Kapitel die für die Arbeit relevanten Grundlagen beschrieben. Diese bestehen aus der Definition und der dazugehörigen Einordnung der Thematik und der Evolution des autonomen Fahrens. Anschließend erfolgt auf Basis umfangreicher Literaturrecherche die Ermittlung der Treiber und Hemmnisse des autonomen Fahrens. Diese werden aus technischer, gesellschaftlicher, politisch-rechtlicher und wirtschaftlicher Sicht untersucht sowie anschließend beurteilt. Darauf aufbauend werden im vierten Kapitel die möglichen Auswirkungen des autonomen Fahrens aufgezeigt. Dieser Ausblick stellt die Veränderungen des öffentlichen Verkehrs und der Stadtstruktur sowie der Wirtschaft dar. Aufgrund des Umfangs konzentriert sich die Ausarbeitung hauptsächlich auf Personenkraftwagen.

2 Grundlagen

2.1 Definition und Einordnung

Das automatisierte Fahren ist ein evolutionärer Prozess, der von der Kombination und Summierung unterschiedlicher Einzelfunktionen geprägt ist. Letztere sind beispielsweise Bremsregelsysteme wie das Antiblockiersystem (ABS), das elektronische Stabilitätsprogramm (ESP) und der Notbremsassistent, die auch als Teilfunktionen des automatisierten Fahrens gesehen werden können. Diese Funktionen helfen bei automatisierten kontrollierten Ausweich- und Bremsmanövern. Auch der Begriff der Vernetzung spielt in dieser Betrachtung eine wichtige Rolle. Sowohl die Vernetzung von Fahrzeugen mit dem Internet und anderen Fahrzeugen als auch die Vernetzung von Funktionen sind wesentliche Gesichtspunkte bei der Entwicklung autonomer Fahrzeuge. Ein angezeigter Stau im Navigationssystem kann durch die Verbindung der Komponenten und Funktionen auch zu einer automatisierten Reduzierung des Tempos bis hin zur Notbremsung führen.7

Betrachtet man die aktuellen öffentlichen Debatten über das autonomen Fahren, wird ersichtlich, dass kein einheitliches Begriffsverständnis existiert.8 Um eine einheitliche Terminologie auf nationaler und internationaler Ebene zu schaffen, wurden in den letzten Jahren Begriffsdefinitionen von verschiedenen Instituten veröffentlicht. Diese beschreiben die stufenweise Verschiebung der Aufgabenteilung zwischen Mensch und Maschine.9 Die beiden meistzitierten Definitionen stammen von der SAE International (SAE Int. – ehemals Society of Automotive Engineers) und dem Verband der Automobilindustrie (VDA). SAE Int. veröffentlichte im Jahr 2014 den Standard J3016: ‚Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems‘ mit einer Klassifizierung von sechs Stufen. Dieser liefert verschiedene Kriterien sowie eine Beschreibung, anhand der eine Einordnung vorgenommen werden kann. Er vereinfacht somit die Kommunikation und die technische wie auch politische Zusammenarbeit.10 Die von einem Expertengremium der deutschen Automobilindustrie festgelegten sechs Stufen des VDA wiederum orientieren sich an den Ergebnissen der Arbeitsgruppe ‚Rechtsfolgen zunehmender Fahrzeugautomatisierung‘ der Bundesanstalt für Straßenwesen (BASt).11 Die beiden Begriffsdefinitionen ähneln sich in ihren Dimensionen, unterscheiden sich jedoch in den Fachbezeichnungen. Um in dieser Arbeit ein einheitliches Verständnis zu gewährleisten, wird, wie nachfolgend zu finden, die Nomenklatur der VDA verwendet.

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Erstellung, in Anlehnung an Verband der Automobilindustrie e.V. (2015) und SAE International (2014)

Tabelle 1: Definition der Automatisierung

Level 0 bezeichnet die Stufe, in der keine Automatisierung vorliegt. Der Fahrer übernimmt alle dynamischen Fahrfunktionen wie die Längsführung (= Geschwindigkeit halten, Beschleunigen und Bremsen) und die Querführung (= Lenken). Unterstützt werden kann er nur durch warnende Systeme. Letztere informieren den Fahrer über mögliche Gefahren. Der Fahrer wird jedoch nicht durch eingreifende Systeme unterstützt.12 Im ersten Level übernehmen einzelne Fahrerassistenzsysteme jeweils die Ausführung der Längs- oder der Querführung. Die gleichzeitige Ausführung beider Fahrfunktionen ist in dieser Stufe allerdings nicht möglich.13 Assistenten wie der Tempomat oder der automatische Abstandsregeltempomat (engl. Adaptive Cruise Control – ACC) halten die zuvor gewählte Geschwindigkeit bzw. bremsen oder beschleunigen den Wagen je nach Entfernung zum vorausfahrenden Auto oder Lkw. Zur Unterstützung des Fahrers übernehmen Assistenten wie der automatische Spurassistent (LKAS) die Querführung.14

Level 2 bezeichnet die Teilautomatisierung. Hier kann das System in bestimmten Anwendungsfällen zeitweilig sowohl die Längs- als auch die Querführung übernehmen. Dies wird durch die Kombination von verschiedenen Einzelsystemen wie dem ACC, dem Notbrems- und dem Spurhalteassistenten möglich. Das automatische Einparken, bei dem das Auto selbstständig die Querführung übernimmt, und der Überholassistent gehören ebenfalls zur Teilautomatisierung.15 Im Gegensatz zu den ersten beiden Stufen der Automatisierung erfolgt im dritten Level die Beobachtung des Umfelds erstmalig vollständig durch das System, wobei der Fahrer nur als Beobachter dient. Alle dynamischen Fahraufgaben werden hierbei vom Fahrzeug übernommen; der Fahrer ist nicht mehr aktiv am Fahrprozess beteiligt. Allerdings muss der Fahrer auf Anforderung des Systems jederzeit in der Lage sein, eingreifen zu können. Dieses Level wird als hochautomatisiert bezeichnet.16

Ab Level 4 kann der Fahrer die gesamte Steuerung des Fahrzeugs an das System abgeben. Er kann während der Fahrt schlafen oder sich anderweitig beschäftigen. Das System ist in der Lage, selbstständig bestimmte Strecken zurückzulegen und hierbei alle Situationen zu bewältigen. Es erkennt seine Grenzen rechtzeitig, sodass es das Fahrzeug jederzeit in einen sicheren Zustand bringen kann.17 Als fahrerloses Fahren wird das fünfte Level bezeichnet. Das System kann das Fahrzeug nun uneingeschränkt in allen Geschwindigkeitsbereichen, auf allen Straßen und unter allen Umweltbedingungen vollständig allein steuern.18 Erst auf diesem Level liegt ein völlig autonomes Fahrzeug vor, das keinen Autofahrer mehr benötigt.19

2.2 Entwicklung und aktueller Stand der Technik

Mit der Massenmotorisierung in den 1920er Jahren in den USA wurde die stetig steigende Zahl der tödlichen Verkehrsunfälle zu einem immer größeren gesellschaftlichen Problem.20 Mehr als 200 000 Menschen kamen allein in den 1920er Jahren bei Verkehrsunfällen ums Leben. In Städten mit mehr als 25 000 Einwohnern waren im Jahr 1925 mehr als zwei Drittel der Todesopfer Fußgänger. Diese Rate war in größeren Städten noch höher. Autofahrer wurden oftmals als Mörder angesehen und für die Verkehrsunfälle verantwortlich gemacht.21 Aus Angst vor Unfällen und mit der Forderung nach sicheren Fahrzeugen folgte der Wunsch nach einem autonom fahrenden Fahrzeug schon im frühen 20. Jahrhundert.22

Auf der Weltausstellung 1939 in New York veröffentlichte der US-amerikanische Produktdesigner Bel Geddes die Ausstellung Futurama. Sie präsentierte die mögliche Zukunft der Menschen in 20 Jahren. Im Jahr 1960 würden die Fehler der Menschen durch intelligente Autos und Straßen korrigiert werden. Er plädierte dafür, dass der menschliche Faktor im Fahren eliminiert werden solle. Die Vision von Autos und Autobahnen der Zukunft faszinierte die Menschen; mehr als fünf Millionen Menschen sahen die Ausstellung in New York. Die Faszination war so groß, dass oft 5000–15 000 Besucher und mehr bei Wind und Wetter in einer Schlange warteten, um einen 16-minütigen Blick auf die ‚Welt von Morgen‘ zu werfen.23

Mit der Patentierung des ‚Speed control device for resisting operation of the accelerator‘ am 22. August 1950 durch Ralph R. Teetor war der erste Grundstein für das autonome Fahren gelegt. Das Patent beschreibt den ersten Tempomaten seiner Art.24 Aufbauend auf die technologischen Errungenschaften Teetors stellte Chrysler 1958 den sogenannten Autopiloten vor. Letzterer zeitigte den ersten kommerziell genutzten Fahrassistenten und machte Chrysler und die eigenständige Konzernmarke Imperial damit zu den weltweit ersten Anbietern von Serienfahrzeugen mit einem Tempomaten.25 Basierend auf den Leveln der Automatisierung war somit das erste Level-1-Fahrzeug auf dem Markt erhältlich. Seit dem Jahr 1962 bietet Mercedes-Benz als erster europäischer Hersteller einen Tempomaten unter dem Namen ‚Geschwindigkeitsregelanlage‘ an.26

Bereits im Jahr 1958 nutzte General Motors eine zuvor entwickelte Technologie, die ein Fahrzeug manövrieren konnte. Im Fahrzeug verbaute Sensoren erkannten ein in der Straße verlegtes Kabel und konnten diesem folgen. Ein Chevrolet konnte durch die Verwendung dieser Technologie im Testcenter von General Motors eine Strecke von einer Meile selbstständig zurücklegen.27

Auch in Deutschland arbeiteten Unternehmen an der Mobilität der Zukunft. Mit dem Problem, wie Reifen wissenschaftlich exakt unter programmierten Bedingungen getestet werden können, beschäftigte sich auch der deutsche Automobilzulieferer Continental mit einem elektronisch gesteuerten fahrerlosen Auto. Das Unternehmen arbeitete dabei mit Siemens und dem US‑amerikanischen Elektronikkonzern Westinghouse sowie Forschern der Technischen Universitäten München und Darmstadt zusammen. Wie auch bei General Motors nutzte das fahrerlose Continental-Testfahrzeug Sensoren, mit denen die Elektronik im Auto den Leitdraht im Boden der Straße erkannte und das Fahrzeug automatisch durch Lenkbewegungen die Spur hielt. Das erste elektronisch gesteuerte Testfahrzeug fuhr am 11. September 1968 auf dem Continental-Testgelände. Durch den Verzicht auf menschliche Einflussfaktoren konnte die Präzision der Messergebnisse erheblich gesteigert werden. Schlagzeilen wie ‚Die Zukunft hat schon begonnen‘ oder ‚Mit dem Geisterfahrer durch die Steilkurve‘ ließen sich hierzu in mehr als 400 Zeitungen und Zeitschriften sowie Radio- und Fernsehsendern finden.28 Dies zeigt, wie groß schon damals das Interesse der Menschen am automatisierten Fahren war.

Auch Bosch war bereits früh in die Entwicklung autonom fahrender Fahrzeuge involviert. In den 1970er Jahren gelang es dem Unternehmen erstmals, fahrerlose Busse über eine Teststrecke fahren zu lassen. Die Steuerung erfolgte auch hier durch in die Fahrbahn eingelassene Linienleiter und Sensoren unter dem Fahrzeug, was jedoch eine Nutzung auf herkömmlichen Straßen unmöglich machte.29

Ende der 1970er Jahre stellte das Team um Sadayuki Tsugawa vom Mechanical Engineering Laboratory in Japan erstmals ein Fahrzeug mit künstlicher Intelligenz vor. Es konnte vollständig autonom und ohne Fahrer fahren. Zur Steuerung nutzte es eine Straßenmustererkennungseinheit, die aus zwei Kameras und einer Verarbeitungseinheit bestand. Diese identifizierte Hindernisse vor dem Fahrzeug und gab die gesammelten Daten an ein Mikrocomputersystem als Problemlösungseinheit weiter. Dieses ermittelte sodann anhand der Daten eine optimale Steuerung des Fahrzeugs. Das Fahrzeug war in der Lage, in verschiedenen Umgebungen mit einer Geschwindigkeit von bis zu 30 km/h zu fahren.30

Doch nicht nur Autos waren von den Entwicklungen betroffen. Im Jahr 1983 etwa wurde die erste selbstfahrende U-Bahn im französischen Lille eingesetzt und war damit die weltweit erste ihrer Art.31

Aufbauend auf den Entwicklungen der 1970er Jahre forschten Ernst Dickmanns und sein Team an der Universität der Bundeswehr München in den 1980er Jahren an einem autonomen Fahrzeugsystem. Ein umgebauter Mercedes-Benz Kleintransporter mit dem Projektnamen ‚Versuchsfahrzeug für autonome Mobilität und Rechnersehen‘ (VaMoRs) feierte 1986 sein Debüt auf einer privaten Straße. Ein Jahr später erreichte VaMoRs eine Geschwindigkeit von 96 km/h im autonomen Betrieb auf einem noch nicht befahrenen Autobahnabschnitt. Dies war eine Größenordnung, die weltweit noch nie zuvor von einem konkurrierenden Straßenfahrzeug erreicht worden war.32

Am 1. Oktober 1986 startete das europäische Forschungsprojekt ‚Prometheus‘ (Programme for European Traffic with Highest Efficiency and Unprecedented Safety) – eine Kooperation mehrerer europäischer Autohersteller, Elektronik- und Zuliefererfirmen, Universitäten und Institute. Das Forschungsprojekt ging verschiedenen Fragestellungen nach. Über einen Zeitraum von acht Jahren beschäftigten sich die Teilnehmer vorrangig mit Fragen dazu, wie auch in Zukunft das Auto die höchste Mobilität erreichen, die Sicherheit trotz steigender Anzahl von Fahrzeugen erhöht werden und Unfälle vermieden werden könnten. Das Projekt beschäftigte sich außerdem mit der Verbesserung der Wirtschaftlichkeit, der Harmonisierung des Verkehrsflusses ohne den Einsatz neuer Straßen und mit einer damit einhergehenden Schonung der Umwelt im Einklang mit diesen Zielen.33

Als spätere Evolutionsstufe des VaMoRs entwickelte Mercedes-Benz im Rahmen des Prometheus-Projektes das ‚Vita-Fahrzeug‘. Vita steht für ‚Vision Information Technology Application‘ und ist ein Autopilot, der das Bremsen, Beschleunigen und Lenken beherrscht. Er stellte in den 1990er Jahren das höchste Niveau eines intelligenten Autos dar. Ein umgebautes Fahrzeug der S-Klasse konnte durch eine automatische Bildverarbeitung die Fahrzeugführung übernehmen. Das primäre Ziel des Vita-Fahrzeuges besteht darin, mögliche Kollisionen zu erkennen und diese durch ein geeignetes Eingreifen des Computers zu vermeiden. Im Oktober 1994 kam der erste Erfolg: Das Forschungsfahrzeug legte auf einer dreispurigen Autobahn mit Geschwindigkeiten von bis zu 130 km/h mehr als 1000 Kilometer zurück und führte sowohl Spurwechsel als auch das autonome Überholen erfolgreich durch.34

Im Jahr 2003 kündigte die Defense Advanced Research Projects Agency (DARPA), eine Behörde des US-amerikanischen Verteidigungsministeriums, die sogenannte Grand Challenge an – ein Projekt, durch das die Entwicklung autonom fahrender Fahrzeuge vorangetrieben werden sollte. Mehr als 106 Teams bewarben sich, um am 13. März 2004 an der ersten Grand Challenge anzutreten. Jedoch schaffte es keines der Teams, die Fahrt über 140 Meilen durch die Mojave-Wüste bis Primm innerhalb von zehn Stunden erfolgreich zu absolvieren. Obwohl das erfolgreichste Fahrzeug lediglich 5 % der Strecke (7 Meilen) schaffte, wurde das Rennen als großer Erfolg bewertet. Innerhalb kürzester Zeit fanden Innovatoren neue Lösungen für schwierige technische Probleme und erzielten bemerkenswerte Fortschritte in den Bereichen Sensorik, Algorithmen und autonome Systeme für die Integration von Bodenfahrzeugen. Auf die darauffolgende zweite Grand Challenge im Jahr 2015 bewarben sich 197 Teams. Der Wettbewerb verlangte von den autonomen Autos, durch enge Straßen sowie schmale und lange Pässe zu fahren. Auch lange Tunnel, Bahnübergänge, Kreuzungen und das Fahren entlang von Schluchtwänden gehörten zum Wettbewerb. Das Fahrzeug musste in der Lage sein, über mehrere Stunden völlig autonom zu agieren. Es gelang fünf Teams, den Kurs zu beenden. Vier von ihnen benötigten weniger als zehn Stunden. Das Fahrzeug der Universität Stanford gewann mit einer Zeit von 6 Stunden und 53 Minuten bei einer Durchschnittsgeschwindigkeit von über 30 km/h.35 Im Jahr 2007 folgte dann die DARPA Urban Challenge. Teilnehmende Teams mussten hierfür ein Fahrzeug entwickeln, das in der Lage sein sollte, in einer Stadt mit fließendem Verkehr zu fahren und komplexe Fahrmanöver unter Einhaltung von Verkehrsregeln zu bewältigen. Es gelang sechs von elf Fahrzeugen, die Strecke erfolgreich zu absolvieren.36

Viele Technologieunternehmen befassen sich inzwischen mit der Entwicklung eines autonomen Fahrzeugs. Google engagierte für die Entwicklung dieser Technologie mehrere der erfolgreichsten Ingenieure der DARPA Challenges. Im Jahr 2010 gab Google bekannt, dass sie bereits seit einigen Jahren an der Technologie für ein autonomes Fahrzeug forschten. Ihre selbstfahrenden Fahrzeuge waren zu diesem Zeitpunkt bereits über 140 000 Meilen gefahren.37 Ein weiterer ernstzunehmender Wettbewerber ist Uber. Laut Bloomberg testete der US-Konzern bereits ab 2016 autonome Fahrzeuge im amerikanischen Pittsburgh und kooperiert mit Volvo.38 Apple ist ebenfalls in die Entwicklung involviert. Im Jahr 2017 bestätigte Tim Cook, CEO von Apple, dass Apple seit Jahren an einem autonomen System für Fahrzeuge arbeitet.39

Die ersten Erfolge der Entwicklungen sind schon heute am Markt angekommen. So ist das assistierte Fahren schon häufig im Einsatz.40 Ein Anteil von 38 % aller neu zugelassenen PKW besitzt ein automatisches Notbremssystem, das den Fahrer vor Kollisionen warnt und im Notfall das Fahrzeug zum Stillstand bringen kann. Bei mehr als einem Viertel der Neuwagen ist dieses Fahrassistenzsystem bereits serienmäßig verbaut.41 Fahrzeuge wie die Luxuslimousinen Tesla Model S und die Mercedes-Benz-S-Klasse sind bereits seit 2015 mit Funktionen ausgestattet, die in bestimmten Situationen über einen gewissen Zeitraum sowohl die Längsführung als auch die Querführung übernehmen können.42 Im Jahr 2016 wurden 9 % aller in Deutschland zugelassenen Neuwagen mit einem Stauassistenten ausgestattet, der die Längs- und Querfunktionen übernimmt.43 Als erstes Serienfahrzeug der Welt brachte Audi mit dem neuen A8-Modell eine technische Revolution auf dem Markt. Der Staupilot ermöglicht das hochautomatisierte Fahren in vorgeschriebenen Verkehrssituationen bis zu einer Geschwindigkeit von 60 km/h.44 Die aktuelle Gesetzgebung verbietet jedoch vorerst den Einsatz des Staupiloten.45

Nicht nur auf der Straße sind derartige Veränderungen sichtbar, die durch die Forschung und Entwicklung von autonomen Fahrsystemen hervorgerufen wurden. Weltweit fahren heute in 40 Städten mehr als 70 U-Bahnlinien vollautomatisiert.46 In Europa sind vollautomatisierte U-Bahnen in 15 Städten im Einsatz. Laut einer Erhebung der ‚Allianz pro Schiene‘ wurden im Jahr 2015 mehr als eine Milliarde Menschen mit vollautomatisierten U-Bahnen im europäischen Nahverkehr befördert. Nürnberg leistete im Jahr 2008 Pionierarbeit und eröffnete die erste vollautomatisierte U-Bahn in Deutschland.47 Auch außerhalb des Stadtverkehrs nimmt die Technologie Einfluss. So fährt bereits seit 2018 ein autonomer Güterzug durch das australische Outback.48

3 Analyse der Treiber und Hemmnisse

Der Zeitpunkt, an dem autonome Autos zum Alltag gehören werden, rückt immer näher. Viele Fahrerassistenzsysteme wurden in den letzten Jahren bis zur Serienreife entwickelt. Die Aussicht auf mehr Sicherheit und Effizienz im Straßenverkehr sowie eine erweiterte Mobilität treiben die Forschung des autonomen Fahrens voran. Doch das automatisierte Fahren birgt nicht nur positives Potential – es gibt bestimmte Hürden, die es zu überwinden gilt. Anhand verschiedener Faktoren werden im folgenden Abschnitt die Treiber und Hemmnisse des autonomen Fahrens erläutert.

3.1 Technische Treiber und Hemmnisse

Die Entwicklung der Prozessoren und der Rechenleistung treibt das autonome Fahren voran. Der komplexe Prozess des autonomen Fahrens benötigt enorme und stetig steigende Rechenleistungen.49 Selbstfahrende Autos produzieren beträchtliche Datenmengen, die gespeichert, verarbeitet und analysiert werden müssen. Die Analyse der Datensätze erfolgt durch eine künstliche Intelligenz. Die Erkenntnisse aus entsprechenden Analysen lassen betreffende Fahrzeugsysteme ständig hinzulernen. Doug Davis, Leiter der Automated Driving Group bei Intel, erklärt, dass der wichtigste Faktor beim autonomen Fahren die Daten sind.50 Doch die Erfassung der Daten gestaltet sich als schwierig und kostenintensiv. Elmar Frickenstein betont als Bereichsleiter für autonomes Fahren bei BMW, dass die Berechnung der Strecke in Simulationen die Lösung des Problems sei. Um genügend Testkilometer zu absolvieren, rechne BMW deshalb 95 % der Strecken in Simulationen durch. Laut Frickenstein wird dasjenige Unternehmen das autonome Fahren beherrschen, das die Simulation beherrscht.51 Auch Waymo, Googles Schwesterunternehmen, bedient sich dieses Konzeptes und hat bereits zehn Millionen Kilometer in der realen Welt sowie acht Milliarden Kilometer in der Simulation gefahren.52 Doch nicht nur die Erfassung der Daten ist aufwendig. Auch die Datenverarbeitung stellt die Unternehmen vor Probleme. Um die Daten zu verarbeiten, wird eine enorme Rechenleistung benötigt. Letztere entwickelte sich in den letzten Jahrzehnten in hohem Tempo. Im Jahr 2001 benötigte der weltweit schnellste Supercomputer noch 150 Quadratmeter Fläche und verbrauchte 500 000 Watt. Fünfzehn Jahre später hatte ein Computer mit derselben Leistung die Größe eines menschlichen Fingernagels und verbrauchte im selben Operationszeitraum lediglich 10 Watt.53

Die Entwicklung der Rechenleistung wird bereits seit mehr als 50 Jahren vom ‚Mooreschen Gesetz‘ gestützt. Es wurde 1965 von Gordon E. Moore formuliert, einem Mitbegründer von Intel. Es sagt voraus, dass sich die Transistorzahl von Computerchips alle zwölf Monate verdoppelt, wobei Moore selbst diese Prognose später auf alle 24 Monate korrigierte. Durch kontinuierliche Optimierung und Verkleinerung der Chipstruktur war es bislang stets möglich, dieses Gesetz einzuhalten und ein exponentielles Wachstum der Rechenleistung zu ermöglichen.54 Intel-Manager Mark Bohr erwartet auch in den nächsten Jahren die Fortführung der Entwicklung der Chiptechnologie nach dem Mooreschen Gesetz.55 So entwickeln sich etwa die Grafik-Prozessoren in hohem Tempo weiter. Die aktuellen Grafik-Chips von NVIDIA, Entwickler von Grafikprozessoren und Chipsätzen, übersteigen die Prognose des Mooreschen Gesetzes um mehr als das Zweifache. Bei der Betrachtung von Algorithmen für künstliche Intelligenzen, die aus der Analyse umfassender Datenbestände lernen, lassen sich derweil noch deutlich größere Verbesserungen feststellen. Ein Algorithmus eines neuronalen Netzwerkes, ein informationsverarbeitendes System, dass für das maschinelle Lernen und für künstliche Intelligenz eingesetzt werden kann, brauchte im Jahr 2013 für die Analyse von 15 Millionen Bildern sechs Tage. Laut Jensen Huang, CEO von NVIDIA, benötigen neu entwickelte Grafik-Chips heute für dieselbe Aufgabe lediglich 18 Minuten.56 Zudem ermöglicht ein von Audi vorgestelltes zentrales Fahrerassistenzsystem (zFAS) die Berechnung eines vollständigen Modells der Fahrzeugumgebung.57 Die errechneten Daten fließen dabei über das Mobilfunknetz zu einem IT-Backend und werden durch Algorithmen und künstliche Intelligenz aufbereitet. Nach dieser Aufbereitung werden die Daten wieder an das Fahrzeug gesendet. Dadurch wird die Leistungsfähigkeit kontinuierlich verbessert, um selbst komplexe Situationen immer besser bewerkstelligen zu können. Dies ermöglicht es dem Fahrzeug, während der Fahrt und in jeder neuen Situation ständig dazuzulernen.58

Der Vorteil einer künstlichen Intelligenz liegt darin, dass nicht jede Reaktion des Fahrzeugs regelbasiert programmiert sein muss. Das Fahrzeug ist somit in der Lage, Entscheidungen in Echtzeit zu treffen und so eigenständig auf kritische Situationen zu reagieren. Die Herausforderungen des autonomen Fahrens wären mit einem starren regelbasierten System hingegen kaum zu meistern, da dies eine enorme Komplexität der Programmierung erfordern würde. Die Verbesserung des Funknetzes und der Vernetzung der Fahrzeuge führt ebenfalls zu einer Beschleunigung der Entwicklung. Vernetzte Fahrzeuge profitieren von einer beträchtlichen Rechenleistung im Backend. Einzelne Fahrzeuge dienen als Sensoren einer übergreifenden Intelligenz. Voraussetzung ist jedoch, dass im jeweiligen Land ein 5G-Funknetz, das u. a. höhere Datenraten im Vergleich zum heutigen LTE-Mobilfunknetz ermöglicht, zur Verfügung steht.59 Brian Krzanich erwartet als CEO von Intel, dass im Jahr 2020 eine durchschnittliche Person täglich ca. 1,5 Gigabyte an Daten durch die Benutzung von Computern, Smartphones und anderen mobilen Geräten generieren wird. Jedes autonome Fahrzeug werde jedoch pro Tag annähernd 4 Terabyte an Daten generieren, was der Datenerzeugung von fast 3000 Personen entspräche. Bei einer geschätzten Anzahl von einer Million Fahrzeugen wäre diese Datenerzeugung vergleichbar mit jener von fast drei Milliarden Menschen.60 Dies zeigt, wie wichtig die Schaffung eines stabilen Übertragungsnetzes ist. Laut einer Studie der Wirtschaftsberatung Deloitte haben unter anderem die USA, Japan und Südkorea seit 2015 bedeutende Fortschritte in dem 5G-Netzausbau gemacht. Keines dieser Länder betreibt dies jedoch im selben Ausmaß wie China. Letzteres führt derzeit im Rennen um den 5G-Netzausbau; das Land gab für diesen Netzausbau seit dem Jahr 2015 über 24 Milliarden US-Dollar mehr aus als die USA. In diesem Zeitraum wurden in China mehr als zehnmal so viele 5G-fähige Mobilfunkmasten gebaut wie in den USA.61 Aber auch Deutschland plant, vermehrt den Netzausbau voranzutreiben. So will die Telekom mit jährlichen Rekordinvestitionen in Höhe von 5,5 Milliarden Euro in den Ausbau investieren.62

[...]


1 Vgl. Hüttenrauch; Baum (2008), S. 6 ff.

2 Vgl. Finke (2017), S. 1 f.

3 Vgl. Rowsome Jr. (1958), S. 105.

4 Vgl. Grünweg (2018), S. 1 ff.; vgl. Daimler (2018), S. 1 ff.

5 Vgl. Ernst&Young (2018), S. 1.

6 Vgl. Verband der Automobilindustrie e.V. (2018), S. 1 ff.

7 Vgl. Kuhlgatz (2018), S. 5.

8 Vgl. Maurer et al. (2015), S. 2.

9 Vgl. Fraunhofer-Institut für Arbeitswirtschaft und Organisation (2015), S. 5.

10 Vgl. SAE International (2014), S. 1 f.

11 Vgl. Verband der Automobilindustrie e.V. (2014), S. 166 f.

12 Vgl. Verband der Automobilindustrie e.V. (2015), S. 14 f.

13 Vgl. SAE International (2014), S. 1 f.

14 Vgl. ADAC (2018), S. 2.

15 Vgl. ADAC (2018), S. 2 f.

16 Vgl. Verband der Automobilindustrie e.V. (2015), S. 14 f.

17 Vgl. ADAC (2018), S. 4.

18 Vgl. Verband der Automobilindustrie e.V. (2015), S. 14.

19 Vgl. ADAC (2018), S. 5.

20 Vgl. Kröger (2015), S. 43.

21 Vgl. Norton (2008), S. 21 ff.

22 Vgl. Kröger (2015), S. 44 ff.

23 Vgl. Geddes (1940), S. 3 ff.

24 Vgl. Teetor (1950), S. 1 ff.

25 Vgl. Chrysler (2018), S. 1 ff.

26 Vgl. Bubb et al. (2015), S. 9.

27 Vgl. Mann (1958), S. 75 ff.

28 Vgl. Continental (2018b), S. 1 f.

29 Vgl. Kuhlgatz (2018), S. 4.

30 Vgl. Tsugawa et al. (1979), S. 893 ff.

31 Vgl. Continental (2018a), S. 2.

32 Vgl. Dickmanns (2017), S. 25 ff.

33 Vgl. Daimler (2016), S. 1.

34 Vgl. Daimler (2016), S. 2.

35 Vgl. Seetharaman; Lakhotia; Blasch (2006), S. 28 f.; vgl. Defense Advanced Research Projects Agency (2014), S. 1 ff.

36 Vgl. Defense Advanced Research Projects Agency (2014), S. 2.

37 Vgl. Thrun (2010), S. 1 f.

38 Vgl. Chafkin (2016), S. 1 ff.

39 Vgl. Wired (2017), S. 1 ff.

40 Vgl. ADAC (2018), S. 2.

41 Vgl. Bosch (2018), S. 1.

42 Vgl. Wildermann (2015), S. 1 f.; vgl. Pander (2013), S. 3.

43 Vgl. Bosch (2018), S. 2.

44 Vgl. Audi (2017), S. 1.

45 Vgl. Lennartz (2017), S. 2 f.

46 Vgl. Barrow (2018), S. 1.

47 Vgl. Allianz pro Schiene e.V. (2016), S. 1.

48 Vgl. Oed; Kirchbeck (2018), S. 1 f.

49 Vgl. Bosch (2015), S. 1.

50 Vgl. Postinett (2017), S. 2.

51 Vgl. Becker (2018), S. 2 f.

52 Vgl. Weddeling (2018), S. 4.

53 Vgl. Becker (2016), S. 1.

54 Vgl. Billerbeck (2015), S. 23.

55 Vgl. Bohr (2017), S. 38.

56 Vgl. Kahle (2018), S. 1; vgl. BigData-Insider (2018), S. 1 ff.

57 Vgl. Becker (2016), S. 2.

58 Vgl. Vogt (2015), S. 1 f.

59 Vgl. Becker (2016), S. 4.

60 Vgl. Krzanich (2016), S. 1 f.

61 Vgl. Littmann et al. (2018), S. 1 ff.

62 Vgl. Handelsblatt (2018a), S. 1.

Ende der Leseprobe aus 46 Seiten

Details

Titel
Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie
Hochschule
Westfälische Wilhelms-Universität Münster
Note
1,3
Jahr
2018
Seiten
46
Katalognummer
V462081
ISBN (eBook)
9783668998711
ISBN (Buch)
9783668998728
Sprache
Deutsch
Schlagworte
Autonomes Fahren, Einfluss einer disruptiven Technologie, Evolution von autonomen Fahrzeuge, Autonom, Roboterautos, Autonome Fahrzeuge, Einfluss von autonomen Fahrzeugen, Autonome Autos
Arbeit zitieren
Anonym, 2018, Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie, München, GRIN Verlag, https://www.grin.com/document/462081

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden