Autonomes Fahren
Unter unserer Rubrik KI-Use Cases stellen wir konkrete KI-Anwendungen – vorallem für den Mittelstand – vor. Sie sollen zur Überlegung anregen, ob und wie KI auch für das eigene Business sinnvoll sein könnte.
Heute sprechen wir über echtes autonomes Fahren. Nicht zu verwechseln mit dem heute schon in manch Pkw eingesetzten teilautomatisiertem Fahren.
Was ist autonomes Fahren?
Aus technischem Verständnis heraus gibt es fünf definierte Level, nach denen autonomes Fahren allerdings erst mit Level 5 erfüllt ist:
Welche 5 Level gibt es?
Level 1: Assistiertes Fahren
Die Fahrerin beherrscht ständig ihr Fahrzeug, muss den Verkehr konstant im Blick haben und haftet für Verkehrsverstöße und Schäden
Einzelne Assistenzsysteme unterstützen bei bestimmten Fahraufgaben
Assistiertes Fahren ist bereits Realität: Tempomaten halten die gewählte Geschwindigkeit, bremsen oder beschleunigen je nach Entfernung zum vorausfahrenden Fahrzeug, um den Sicherheitsabstand einzuhalten. Wir kennen aber natürlich z. B. auch die automatischen Spurhalteassistenten, die uns in der Spur halten.
Level 2: Teilautomatisiertes Fahren
Die Fahrerin beherrscht ständig ihr Fahrzeug, muss den Verkehr durchgehend im Blick haben und haftet für Verkehrsverstöße und Schäden
Unter definierten Bedingungen hält das Fahrzeug die Spur, bremst und beschleunigt
Beim teilautomatisierten Fahren kann der Pkw oder Lkw manche Aufgaben zeitweilig selbst ohne menschlichen Eingriff ausführen. Ein Level-2-Fahrzeug kann auf der Autobahn gleichzeitig die Spur halten, bremsen und beschleunigen; auch der Überholassistent ist eine Level-2-Funktion oder das automatische Einparken, ohne zum Lenkrad greifen zu müssen.
In Level-2-Fahrzeugen kann die Fahrerin die Hände kurz vom Steuer nehmen, wenn das Gefährt im teilautomatisierten Modus unterwegs ist. Sie muss allerdings weiter die Assistenzsysteme überwachen und Fehlfunktionen korrigieren – denn für einen Unfall wäre sie verantwortlich, auch wenn das Auto keine Fehlfunktion gemeldet hat.
Level 3: Hochautomatisiertes Fahren
Die Fahrerin darf sich vorübergehend von Fahraufgabe und Verkehr abwenden
In von der Herstellerin vorgegebenen Anwendungsfällen fährt das Fahrzeug selbstständig
Die Fahrerin muss auf Anforderung des Systems kurzfristig übernehmen
Passagiere haften während einer vollautomatisierter Fahrt nicht für Verkehrsverstöße oder Schäden
Für begrenzte Zeitfenster und unter geeigneten, von der Herstellerin vorgegebenen Bedingungen können hochautomatisierte Level-3-Fahrzeuge bestimmte Fahraufgaben selbstständig ohne menschlichen Eingriff bewältigen.
Zunächst werden Level-3-Fahrzeuge auf privatem Gelände und wohl auf Autobahnen zugelassen, weil sie ohne Gegenverkehr, durchgängig als digitale Karten erfasst und die Fahrbahnmarkierungen in der Regel in Ordnung sind. Sobald die Fahrerin ihr Gefährt in den hochautomatisierten Modus versetzt, darf sie ihre Aufmerksamkeit vom Straßenverkehr abwenden und lesen oder sich Personen auf dem Rücksitz zuwenden. Wenn das System ein Problem erkennt und sich per Signal meldet, muss sie umgehend das Steuer übernehmen.
Level 4: Vollautomatisiertes Fahren
Die Fahrerin kann in räumlich begrenzten Arealen die Führung komplett abgeben, z. B. schlafen, ihr Smartphone verwenden oder lesen
In diesen Arealen (z. B. Autobahn, Parkhaus) bewältigt das Fahrzeug Fahrten vollkommen selbstständig. Es darf dort auch ohne Insassen fahren
Das System erkennt seine Grenzen so rechtzeitig, dass es regelkonform einen sicheren Zustand erreichen kann
Passagiere haften während vollautomatisierter Fahrt nicht für Verkehrsverstöße oder Schäden
Im Level 4 führen die technischen Systeme alle Fahraufgaben selbsttätig durch, das Fahrzeug kann auch längere Strecken ohne Eingriff zurücklegen. Es kann etwa auf die Autobahn auffahren, sich bei hoher Geschwindigkeit in den Verkehr einordnen, der Spur folgen, blinken, überholen, bei Bedarf bremsen, beschleunigen und die Autobahn schließlich wieder verlassen.
Am Ende der vollautomatisierten Fahrt müssen die Insassen das Steuer wieder übernehmen. Sind sie dazu nicht in der Lage oder wollen es nicht, muss das Fahrzeug einen sicheren Zustand erreichen und beispielsweise einen Parkplatz ansteuern.
Level 5: Autonomes Fahren
Es gibt nur noch Passagiere ohne Fahraufgabe
Fahrten ohne Insassen, z. B. Lastentransport, sind möglich
Die Technik im Fahrzeug bewältigt ALLE Verkehrssituationen
Das Fahrzeug wird komplett vom System geführt und erledigt alle erforderlichen Aufgaben selbsttätig – selbst komplexe Situationen – Queren einer Kreuzung, Durchfahren eines Kreisverkehrs oder richtiges Verhalten am Zebrastreifen.
Bedenken zum autonomen Fahren
… lauten ungefähr “… Wer ist verantwortlich, ob die KI in meinem Fahrzeug entscheidet, beim Unfall die Oma oder das Kind zu überfahren? …” und nährt so primär die Angst des Kontrollverlustes: Da kann ich ja nicht mehr rettend ins Lenkrad greifen, wir lassen besser die Finger vom autonomen Fahren.
Doch erstens kommen Level-5-Fahrzeuge bei jedem Objekt vor ihnen sofort zum Stehen.
Zweitens wären wir mit genau dem gleichen Dilemma konfrontiert.
Drittens gehen wir gern davon aus, selbst natürlich keine Fehler zu machen.
Und viertens: 90 % der Unfallursachen sind menschliches Versagen. Wenn also immer mehr Level-5-Autos immer weniger Unfälle verursachen – wo ist dann das Problem.
Autonomes Fahren und der ÖPNV
Zu den Mankos des ÖPNV gehört, zu festen Fahrzeiten die ferne Bushaltestelle erreichen, eventuell mehrmals umsteigen und von der Endhaltestelle dann noch zum eigentlichen Ziel laufen zu müssen.
In dünn besiedelten Gebieten verschärft sich das: Mo.–Fr. fährt morgens und nachmittags ein Bus. Tagsüber, abends, nachts und am Wochenende kommt man also ohne eigenes Gefährt oder ohne freundlich gesonnenen Besitzende eines solchen Nirgendwo hin. Und im Bus sitzen oft nur zwei, drei Mitfahrende. Offensichtlich liegen die Nachfrage – Leute ohne Auto wollen von A nach B – und das Angebot – der ÖPNV – weit auseinander.
Autonomes Ridepooling
Für den öffentlichen Personennahverkehr (ÖPNV) kann dieses Konzept der Gamechanger werden. Ridepooling befördert Leute auf Anfrage flexibel von Tür zu Tür wie ein Taxi. Fragen mehrere Personen für ähnliche Richtungen an, können sie unterwegs zu- und aussteigen, und das Fahrzeug wird gemeinschaftlich genutzt (= pooling) wie ein Bus. Die Fahrtroute ergibt sich also aus der groben gemeinsamen Fahrtrichtung der aktuellen Passagiere. Ridepooling mit Fahrpersonal betreibt beispielsweise Moia in Hamburg und Hannover.
Sein größtes Potenzial entfaltet Ridepooling, besonders bei der Skalierung, als Flotte autonomer Level-5-Fahrzeuge. Entscheidend sind primär zwei Faktoren: erstens die entfallenen – beim ÖPNV mit Abstand höchsten – Kosten des Fahrpersonals, zweitens Künstliche Intelligenz (KI).
Diese KI ist, neben der KI des einzelnen Fahrzeugs, vorwiegend die KI-gestützte Logistik der ganzen Flotte, die alle Standorte und Ziele der Mitfahrenden sowie Position, Fahrtrichtung und Auslastung von jedem Fahrzeug kennt.
Auch wenn also jede Minute hunderte neue Mitfahrende mit hunderten neuen Standorten und hunderten neuen Zielen und im nächsten Jahr dreimal so viele zusteigen, aktualisiert die KI dabei gelassen in Echtzeit alle Routen… So, dass jedes Fahrzeug immer möglichst viele Passagiere einsammelt und gleichzeitig jede Person in möglichst kurzer Zeit an ihr Ziel bringt.
Für dünn besiedelte Gebiete erscheint autonomes Ridepooling als vielversprechendste Lösung hinsichtlich Qualität und Verfügbarkeit: Auch wenn ich mich Sonntagfrüh von teilweise komfortablen Limousinen in die entlegenste Gegend bis vor die Tür kutschieren lassen will, ist das für autonom fahrende Autos im Ridepooling kein Problem. An ihre Grenzen kommt die Flotte eher bei mehr Anfragen, als sie freie Sitzplätze oder Fahrzeuge hat. Durch die optimierte Auslastung könnte sich auf den Straßen die heutige Anzahl privater Pkw um bis zu 90 % reduzieren.
Ridepooling ist ein datengetriebenes Geschäftsmodell, das jeden Tag Daten über Bedarf und Nutzung seiner Mitfahrenden sammelt, um damit beispielsweise die Logistik für die nächsten Tage per KI zu prognostizieren.
Per App kann man statt nur einer Tour auch für das ganze Jahr von Mo – Fr die Fahrt von und zur Arbeit reservieren – einfacher für die Planung und wertvolle Daten für die Bedarfe der Nutzenden. Der klassische ÖPNV weiß so gut wie nichts über seine Passagiere und ihre Bedarfe und muss dafür – suboptimal – Leute interviewen.
Die Player ÖPNV vs. Autoindustrie vs. Digitalunternehmen
Bei der Entwicklung neuer Mobilitätskonzepte stehen verschiedene Player im Interessenkonflikt.
Die automatisierte Einparkhilfe oder die Fahrassistenz im Stau mögen Autofahrende als Qualität erleben – die Akzeptanz der Kund:innen für neue Mobilitätskonzepte, E-Autos oder autonomes Fahren sind die einen Player. Und für die Jahre, in denen ich stolze Besitzerin eines Pkw bin, scheide ich als ÖPNV-Kundin meist aus, von emotionalen Gründen wie „ich liebe Autofahren“ mal abgesehen.
Für die Autoindustrie sind 100 Privatpersonen, die 100 Pkw und 50 Zweitwagen kaufen könnten, interessant. Ridepooling dagegen, bei dem diese 100 Personen mit 20 autonomen Fahrzeugen auskommen, das also privaten Pkw-Verkehr reduziert oder gar erübrigt, stellt es eher eine Bedrohung dar.
Ihr Geschäftsmodell ist nicht Mobilität, sondern der Verkauf möglichst vieler Pkw. Darum investieren Autobauer in Level 1–3 wie Einparkhilfe oder Fahrassistentin, weil das den Wert ihres Produktes Auto erhöht und weniger in Level-5-Autos, bei denen auch fraglich ist, ob ihre Klientel das überhaupt als Qualität ansieht. Die Hersteller hinken bereits beim Elektroauto hinterher, und da geht es nur um einen neuen Antrieb. Wenn sie die Revolution zum autonomen Fahren auch verpassen, dann kommen unsere Autos bald aus den USA oder China.
Ridepooling und Digitalunternehmen wie Waymo oder Uber dagegen verkaufen Mobilität. Beide haben einen Wettbewerbsvorteil, wenn teures Fahrpersonal entfällt, und daher investieren sie gern und viel in die Entwicklung von Level-5-Fahrzeugen.
Denn ihr Erlösmodell ist das von Taxiunternehmen: Ihre Robotaxis müssen profitabel unterwegs sein und sind nur da, wo viele Leute den ganzen Tag hindurch von A nach B wollen. Entsprechend beschränken sie sich auf Großstädte.
Ihre Robotaxis fahren z. B. bereits auf den Straßen San Franciscos (signifikant anderes Herangehen als hierzulande!), damit ihre KI jeden Tag Daten aus realistischen Verkehrsbedingungen sammeln kann. Das ist auch hier die ökonomische Stärke von einer und derselben KI, die alle Fehler und Learnings aller Robotaxis macht und damit alle Robotaxis immer zuverlässiger und sicherer steuert.
Ein Autofahrer oder eine Autofahrerin kennen nur ihre eigenen Fehler, und das, was sie daraus lernen, ist nicht selbstverständlich.
Wir können uns für die Zukunft vorstellen, dass sich unter anderem die an einem Überholmanöver beteiligten Fahrzeuge ihre Abstände und Steuervorgänge miteinander abgleichen.
Der klassische ÖPNV hingegen ist einzig dafür organisiert, den logistischen Status Quo aufrechtzuerhalten, maximal kommt mal eine neue Buslinie hinzu – aber nicht, um Neues auszuprobieren. Der ÖPNV bietet zwar Mobilität an, dies ist aber hier in dem Sinne kein Geschäftsmodell (dass er wirtschaftlich arbeiten soll, ist klar), sondern dient der Daseinsvorsorge, damit auch Menschen mit wenig Einkommen und ohne Auto von A nach B kommen können, um am Leben teilzuhaben.
Er ist also per se ein Verlustgeschäft und wird darum von der Gemeinschaft subventioniert. So stellen öffentliche Ausschreibungen für den ÖPNV entsprechend hauptsächlich auf die Kosten ab, statt Innovationen zu belohnen. Sollte eines Tages der gesamte klassische ÖPNV in Deutschland von Ridepooling bestritten werden (und private Pkw nur noch ein Hobby sein), wird er sich vielleicht sogar selbst finanzieren können.
Fazit zum autonomen Fahren beim ÖPNV
Weil aus genannten Gründen nur privatwirtschaftliche Unternehmungen in die Entwicklung von autonomem Fahren investieren, stellt sich die Frage, wie der ÖPNV davon profitiert oder dazu kommt. Es bleibt vorrangig – wie bei seiner Bereitstellung selbst – die Aufgabe von uns als Gemeinschaft, wenn wir einen funktionierenden, bezahlbaren und klimafreundlichen ÖPNV wollen.
Autonomes Fahren bei Straßengüterverkehr und Logistikwirtschaft
Level 4 kommt
Hier treibt der wirtschaftliche Druck auf diese Branchen – wachsender Mangel an Fahrenden und sinkende Gewinnspannen – die Entwicklung autonom fahrender Lkw voran. Bei Lkw soll der direkte Sprung von Level 2 zu Level 4 bis 2025 geschafft und dann Level 5 nur noch ein Katzensprung sein. Level 3 wäre ein teurer und unnötiger Zwischenschritt, weil weiterhin Fahrende an Bord sein müssen.
Der erhoffte Effekt hinsichtlich Mangel an Fahrpersonal, deren Lohnkosten und vorgeschriebenen Ruhe- und Pausenzeiten, in denen der Lkw stehen muss, ist naheliegend: Level-5-Lkw können 24/7 ohne Pause fahren und müssen nur zum Batterieladen halten. Eine Frage wäre, ob Pausen- und Ruhezeiten von Fahrenden an Bord eines selbsttätig fahrenden Level-4-Lkw gesetzlich erlaubt sind und in welchem Verhältnis dieses Einsparpotenzial zum technischen Aufwand und dessen Kosten steht.
Beispiele für autonomes Fahren bei Logistik und Straßengüterverkehr
Komplexere Konzepte des automatisierten und vernetzten Fahrens (AVF) wurden in Projekten wie ATLaS - Automatisiertes und vernetztes Fahren in der Logistik oder ALFRIED - Automatisiertes und vernetztes Fahren in der Logistik am Testfeld Friedrichshafen erforscht.
Weitere Usecases wie vom Startup Fernride sind Rangierprozesse auf dem Firmengelände, Umsetzfahrten für Eisenbahnwaggons oder Konvois:
Dabei fahren miteinander kommunizierende Lkw eng hintereinander her und optimieren den Verkehrsfluss – sogenanntes Platooning. Der Platz auf der Straße wird besser genutzt, die im Windschatten fahrenden Lkw verbrauchen weniger Treibstoff und stoßen weniger Schadstoffe aus.
Bremst der vorderste Lkw, können die Nachfolgenden in derselben Sekunde automatisiert in derselben Stärke bremsen und wieder beschleunigen. Kein Lkw bremst mehr als nötig und muss im Anschluss durch verstärktes Beschleunigen entsprechend mehr Kraftstoff verbrauchen. Staugefahr und Kraftstoffverbrauch werden reduziert und der Verkehrsfluss erhöht.
Auch hinsichtlich Verkehrssicherheit – Stichwort Abbiegeassistent – ist Interesse da, weil eine KI zuverlässiger erkennt, ob sich eine Radfahrerin dem Lkw nähert.
Bei Hub-to-Hub, einem Usecase aus den USA, sollen manuell gelenkte Lkw Güter auf der „ersten Meile“ an Transfer-Hubs liefern, die sich in der Nähe von Highways befinden. Dort übernehmen Level 4-Lkw den Anhänger samt Fracht und transportieren ihn selbstständig über lange Strecken zum nächsten Hub. Ist der Ziel-Hub erreicht, wird die „letzte Meile“ wieder von manuell gelenkten Lkw übernommen. Die USA mit ihren langen Highways, steigendem Bedarf an Gütertransport, großen Lkw-Flotten und zukunftsorientierten Regulierungsbehörden bieten ein ideales Anwendungsfeld. Damit entsteht ein Usecase, den gesamten Fernverkehr oder die Hauptläufe in Systemverkehren von Lager zu Lager mit autonomen Lkw zu absolvieren. Der Schwerpunkt für Fahrpersonal verlagerte sich damit auf den Nahverkehr in Innenstädten und Ballungsräumen.
Fazit zum autonomen Fahren bei Lkw vs. Bahn
Die erhoffte Kostenreduktion durch vernetzte autonom fahrende Lkw Flotten wird vermutlich mehr Transporte auf der Straße bringen. Da fahrerlose Transporte auf der Autobahn deutlich günstiger und flexibler sind als Transporte mit der Bahn, könnten sich bis zu zwei Drittel des Güterverkehrs von der Schiene auf die Straße verlagern. Hier ist Politik hinsichtlich Rahmenbedingungen und Finanzierung der Bahn und diese hinsichtlich ihrer Modernisierung gefragt.
Bonus: Paketlogistik ohne autonomes Fahren, aber clever
Wir sind Fans von KI, doch manchmal reichen auch einfach neue Ansätze und helfen so bereits einen großen Schritt weiter.
Der Fokus sollte die Lösung eines Problems (Outcome) sein und nicht die Entwicklung einer bestimmten Technologie (Output). Mehr über Output vs. Outcome hier.
Ein tolles Beispiel dafür ist die analoge (von der App für die Nutzenden abgesehen), nicht KI-basierte, aber dafür ökonomische und nachhaltige Logistiklösung Kiezbote:
Problem:
Armadas von Transportern vieler Lieferdienste verstopfen die Straßen, weil sie alle Haushalte einzeln beliefern und fahren leer zurück. Und wer nicht zu Hause ist, darf seine Lieferung dann in einem Shop zu dessen Öffnungszeiten abholen.
Lösung:
Alle Transporter aller Lieferdienste für einen bestimmten Kiez liefern ihre kompletten Ladungen an nur einem Ladengeschäft ab. Von dort bringen Fahrradkuriere die Pakete zu den umliegenden Haushalten zu deren gewünschten Zeiten. Und befördern auf der Rücktour deren Pakete und Retouren zum Ladengeschäft, wo die Transporter damit gut beladen wieder zurückfahren.
