Autonomes Fahren: Physische KI rückt näher

In den letzten Jahren stand vor allem die generative KI im Rampenlicht – also die Interaktion zwischen Mensch und Maschine. Eine weitere Komponente der KI-Anwendungen ist die physische KI, die sich Beobachtungen und Interaktionen zunutze macht, um Probleme in der physischen Welt mit Informationen zu lösen, die beispielsweise durch Sensoren, Kameras, Radar und Laserscanning (LiDAR) erfasst werden.

Autonomes Fahren ist ein Paradebeispiel für die Reifung von KI und das Aufkommen physischer KI. In den letzten 12 Monaten erlebten wir einen Wendepunkt bei den technischen Fortschritten und dem Einsatz von Technologien. Waymo, die Alphabet-Sparte für autonomes Fahren, hat inzwischen 10 Millionen Fahrten erreicht, was einer Verdopplung allein in den letzten fünf Monaten entspricht – mit über 250.000 bezahlten autonomen Taxifahrten pro Woche¹. Zugleich will Elon Musk im Juni in Austin vollautonome Tesla-Fahrzeuge vom Typ Model Y auf die Straße bringen². Waymo und Tesla verfolgen zwei unterschiedliche Ansätze für die Entwicklung des autonomen Fahrens, die jedoch beide endlich exponentielle Fortschritte machen.

Autonomes Fahren: das Potenzial

Die massiven Investitionen in autonomes Fahren spiegeln die Größe der wirtschaftlichen Chancen wider: 75-80 Millionen verkaufte Fahrzeuge pro Jahr und ein globaler Automobilmarkt im Wert von etwa 3 Billionen US-Dollar im Jahr 2024³. Darüber hinaus bietet autonomes Fahren die Möglichkeit für direkte Umbrüche und Disruption in verschiedenen Sektoren wie Lieferdienste, Logistik, Autofinanzierungen oder -versicherungen. Für den Verbraucher bietet autonomes Fahren zudem das Potenzial für eine bessere Nutzung der Zeit und eine höhere Lebenserwartung.

Die wichtigsten Gründe, warum Innovationen im Bereich autonomes Fahren höchste Priorität eingeräumt wird:

• Demografischer Bedarf

Der jüngste Bericht des Weltdachverbands der Straßentransportwirtschaft (IRU) zeigt, dass der weltweite Lkw-Fahrermangel mit der fortschreitenden Überalterung des Fahrpersonals steigt. Der Anteil der Lkw-Fahrer, die älter als 55 Jahre sind, liegt bei fast 32 %⁴, und angesichts des knapper werdenden Angebots an Fachpersonal ist es eine wirtschaftliche Notwendigkeit, eine Lösung für diese demografische Zeitbombe zu finden.

• Sicherheit

Rund 90 % aller Unfälle sind auf menschliches Versagen zurückzuführen⁵. Statistiken von Waymo zeigen, dass Robotaxis zu einer Reduzierung von mehr als 80 % der Unfälle führen können, bei denen der Airbag ausgelöst wird und Personen verletzt werden.⁶

• Produktivität, Komfort und Effizienz

Autonome Fahrzeuge können auch dazu beitragen, Staus zu reduzieren, indem sie den Verkehrsfluss optimieren, die Mobilität für Menschen, die nicht selbst fahren können, verbessern, die Energieeffizienz durch geringeren Kraftstoffverbrauch steigern und dazu beitragen, die Reisezeit produktiver zu gestalten (z. B. durch arbeiten, lesen oder entspannen).

Autonomes Fahren: Fortschrittscheck

Trotz schneller Fortschritte werden der Weg und das Tempo bis zur uneingeschränkten Nutzung und zur Rentabilität von vier wesentlichen Faktoren bestimmt:

1. Sicherheit

Wie das Beispiel der Cruise-Robotaxis von GM zeigt, stellt das Thema Sicherheit eine Herausforderung dar. Das ehemals führende Unternehmen beendete seinen kommerziellen Robotaxi-Betrieb nach einem Unfall, bei dem sich herausstellte, dass GM die Aufsichtsbehörden getäuscht hatte. Verantwortungsvolle KI-Entwicklung nach den Grundsätzen der Transparenz, der Sicherheit und der Fehlerkorrektur wird auch in Zukunft von größter Bedeutung sein, wenn es darum geht, Vertrauen in autonome Fahrzeuge (AV) zu schaffen.

2. Regulierung

Der Fortschritt hängt von der regionalen AV-Regulierung ab, die sich parallel zur verantwortungsvollen KI schnell weiterentwickelt. Mehr als 50 Länder haben bis Ende 2024 AV-Gesetze eingeführt oder ausgearbeitet. Wir gehen davon aus, dass das Tempo der Einführung regional unterschiedlich sein wird – ebenso wie die Hauptprofiteure der massiven Investitionen, wobei es einige wenige globale Gewinner und ein paar regionale Champions geben dürfte.

Die größte Kommerzialisierung von Fahrzeugen findet in den USA statt, gestützt auf eine weitreichende staatliche Regulierung, ein günstiges Klima für Tests und Entwicklung sowie Investitionen aus dem Silicon Valley. Neben den USA ist China weltweit führend. Bis 2030 werden voraussichtlich 500.000 Robotaxis in mehr als 10 Städten im Einsatz sein. Derweil hat sich die EU das Jahr 2025 als Ziel für einen einheitlichen Rechtsrahmen für AVs gesetzt, während das britische AV-Gesetz die Einführung ab 2026 vorsieht.

3. Erschwinglichkeit

Die Senkung der Kosten für autonome Fahrzeuge und die erforderliche Software ist der Schlüssel für eine breitere Akzeptanz. Uber hat einen einzigartigen Zugang, um die Erschwinglichkeit von Robotertaxis zu bewerten, und das Unternehmen hofft, bedeutende Zielmärkte zu erschließen (Skalierung der Akzeptanz), sobald die Kosten so weit sinken, dass sie unter den Kosten für Fahrten mit einem Menschen am Steuer liegen. Schätzungen von Uber zufolge kosten Fahrten, bei denen Menschen am Steuer sitzen, in den USA etwa 2 US-Dollar pro Meile. Da kleineren AV-Anbietern möglicherweise Kapital fehlt und sie mit hohen Kosten für Forschung und Entwicklung und den Kosten für den Aufbau einer Nutzerbasis belastet sind, ermöglichen Partnerschaften mit Unternehmen wie Tesla und Alphabet (Waymo) die Nutzung bestehender Kundenstämme und Apps (z. B. X und Google Maps). Partnerschaften mit Fahrdiensten wie Uber und Lyft können den Zugang zu Kunden ebenfalls beschleunigen.

4. Skalierbarkeit

Es gibt zwei unterschiedliche Ansätze für die Entwicklung autonomer Software – mit unterschiedlichen Auswirkungen auf Erschwinglichkeit und Skalierbarkeit:

• Compound AI Systems (CAIS) – der traditionellste regelbasierte, recheneffiziente und transformierte Stack-Ansatz mit hoher Sensorleistung und Geofencing. Der Ansatz vermeidet die Nutzung teurer Rechenzentren und benötigt weniger Daten für das Training, da die Trainingsdaten im Vergleich zu End-to-End-Netzwerken überwacht werden. CAIS wird derzeit von allen kommerziellen Robotaxis (Waymo, Cruise, Apollo Go) verwendet. Die aktuelle Führungsposition von Waymo wurde mit der Markteinführung der Jaguar I-PACE Fahrzeuge mit Waymo Driver-Technologie entwickelt. Waymo Driver arbeitet mit vier Dimensionen: LiDAR, Kamera, Radar und Berechnung. LiDAR zeichnet ein 3D-Bild der umliegenden Fahrzeuge, während die Kameras eine 360-Grad-Ansicht sowohl bei Tageslicht als auch bei schlechten Lichtverhältnissen liefern, sodass sich die Fahrzeuge auch in komplexeren Umgebungen zurechtkommen. Die Stärke dieses Ansatzes liegt in der Fähigkeit, jede Dimension zu optimieren, zu debuggen und zu korrigieren.
• End-to-End-Neuralnetzwerke – ein Ansatz, der sich zu einer AV 2.0-Version entwickelt, die von Tesla und Wayve vorangetrieben wird. Anstelle des modularen Ansatzes basierend auf Wahrnehmung, Kartierung, Vorhersage und Planung setzt dieses System auf bestärkendes Lernen und den Fokus auf ein einziges neuronales Netzwerk, das theoretisch eine schnellere Anpassung an neue Umgebungen und Fahrstrategien ermöglichen sollte. Die KI-Entwicklung hat die Lerngeschwindigkeit von Software wie Tesla FSD (Full Self-Driving) verbessert. In Bezug auf die tatsächlich zurückgelegten Kilometer ohne menschlichen Fahrer bleibt der Ansatz jedoch unerprobt.

Orientierung im Hype-Zyklus 

Es ist wichtig zu wissen, dass es aktuell keine „reinen“ AV-Börsenunternehmen gibt. Wir glauben, dass Mehrgewinn und Wertschöpfung jenem Unternehmen zufallen werden, das die Hauptplattform stellt oder die Software kontrolliert, was zu Skalen- und Netzwerkeffekten führt.

Wir gehen davon aus, dass sich der Hype um AV in den nächsten drei Jahren beschleunigen wird. Die Markteinführung und die Akzeptanz durch die Verbraucher werden zunehmen und die Fahrgäste werden sich auf die sichersten und am besten getesteten Systeme konzentrieren. Unsere Erfahrung lehrt uns, dass der erste auf dem Markt nicht immer gleichbedeutend mit dem Besten oder dem Gewinner ist. Es gibt zwar Spitzenreiter, aber es sind noch viele Kilometer zu fahren und zu testen sowie zahlreiche neue Partnerschaften einzugehen, bevor ein endgültiger Gewinner feststeht. Wie bei allen sich schnell entwickelnden Technologien wird es Hype-Zyklen geben, die es zu meistern gilt.

Die wichtigsten Akteure im Bereich autonomes Fahren

Neben den großen Halbleiterunternehmen gibt es aufgrund ihrer Softwareanforderungen eine breitere und sich verändernde Ebene der Infrastruktur. Halbleiterunternehmen wie Lattice und Monolithic Power Systems arbeiten mit AV-Herstellern zusammen, der DRAM-Hersteller Micron ist überproportional stark im Automobilbereich engagiert, während Steckverbinderhersteller wie TE Connectivity und CATL (Contemporary Amperex Technology) von den Inhalten und der Skalierung der Technologie profitieren könnten.

Waymo, Tesla, Uber und NVIDIA haben das Tempo und den Umfang der AV-Entwicklung aufgrund ihrer technologischen Fähigkeiten sowie ihres Zugangs zu Kapital und Kunden weiter vorangetrieben:

• Waymo (Alphabet)

Waymo testet seit 2015 in Kalifornien mit den strengsten staatlichen Regulierungsanforderungen. Seine selbstfahrende Technologie Waymo Driver (Level 4, hohe Autonomie) führt 250.000 Fahrten pro Woche in vier US-Städten durch, demnächst auch in Atlanta, Miami und Washington, und hat kürzlich mit Tests in Tokio begonnen. Als Tochterunternehmen von Alphabet kann Waymo das Kapital, die KI-Modelle, die Cloud-Infrastruktur, Google Maps und die Waze-Apps von Alphabet nutzen, um die Modelle zu trainieren.

Das Tempo, mit dem Waymo jetzt Meilen sammelt, widerlegt frühere Befürchtungen, dass das Unternehmen zu langsam ist, um seine Dienste auszubauen. Waymo plant, seine Flotte bis 2026 um 2.000 weitere Robotaxis auf insgesamt 3.500 zu erweitern. Waymo Driver ist der Fahrer, der „niemals betrunken, müde oder abgelenkt ist“. Die Nutzung ist neuartig, aber auch die hohe Auslastung der Dienste – Waymos Dienst in Austin war Berichten zufolge stärker ausgelastet als 99 % der menschlichen Fahrer in Austin – lässt darauf schließen, dass das Vertrauen der Öffentlichkeit ebenfalls schnell wächst. Über Robotaxis hinaus hat Waymo auch eine strategische Partnerschaft mit Toyota angekündigt, um die Entwicklung des autonomen Fahrens zu beschleunigen, was zu einer größeren Nutzung von Waymo Driver in Privatfahrzeugen (PoVs) führen könnte.

• Uber

Über weite Strecken des Jahres 2024 stand Uber durch die Sorge unter Druck, dass Robotaxis seinen Wettbewerbsvorteil schmälern könnten. Doch diese Entwicklung ändert sich: Uber unterhält bereits eine Partnerschaft mit Waymo in drei US-Städten und hat verschiedene AV-Partnerschaften für den Einsatz in den USA, Europa und dem Nahen Osten angekündigt. Außer im Mobilitätsbereich arbeitet Uber mit AV-Partnern wie Aurora in den Bereichen Lieferdienste und Lkw-Transporte; im Mai wurden in Texas kommerzielle, halbautonome Lkw eingeführt. Die Größe der Uber-Plattform macht autonomes Fahren in Bereichen erschwinglich, die an eine Nutzung gebunden ist. Uber hat das Potenzial, das Angebot von kleineren AV-Anbietern zu übernehmen, denen es an Kundennetzwerken und Kapitalressourcen fehlt, um ihre eigene Nachfrage zu generieren. Langfristig besteht jedoch weiterhin die Sorge, dass Uber durch einen größeren AV-Player, der eine eigene Plattform zur Nachfragegenerierung entwickelt, vom Markt verdrängt werden könnte.

• Tesla

Als AV 2.0-Player verfügt Tesla aufgrund seines generalisierten Ansatzes und der Menge an Daten, die aus der Anzahl der mit seiner FSD-Software (Full Self-Driving) gefahrenen Meilen gesammelt werden, über einige Skalierungsvorteile. Der Autopilot von Tesla zeigte deutliche Verbesserungen gegenüber durchschnittlichen menschlichen Fahrern. Allerdings wird die FSD-Software als Autonomiestufe 2 eingestuft und erfordert eine aktive Überwachung durch den Fahrer.

Der Schritt hin zu unbeaufsichtigten Robotertaxis im texanischen Austin und in Kalifornien im Jahr 2025 wird nach Elon Musks eigenen Worten immer noch „superschwer“ sein. Tesla hat vorläufig den Juni dieses Jahres als Termin für die Markteinführung eines vollautonomen Fahrzeugs im kleinen Maßstab festgelegt. Bis Ende 2024 hatte Tesla mehr als 2,7 Milliarden US-Dollar allein für KI-Chips ausgegeben, bevor es mit den Straßentests begann. Diese Größenordnung und diese Investitionen könnten natürlich in Zukunft als Wettbewerbsvorteil dienen, im Moment verstärken sie jedoch die höheren kurzfristigen Kosten pro Meile gegenüber menschlichen Fahrern.

Tesla verfügt zweifellos sowohl in den USA als auch in China über Daten- und Fertigungsvorteile. Das bedeutet, dass das Unternehmen gut aufgestellt ist, um von seiner vertikalen Integration und seinen Aktivitäten in beiden Ländern zu profitieren. Der Tesla-Ansatz ist eine allgemeinere Lösung, bei der KI und KI-Beschleuniger zum Einsatz kommen, die von Tesla für autonomes Fahren entwickelt wurden, statt teurer Sensoren und hochpräziser Karten von Wohngegenden.

KI hat die Verbesserungen bei FSD exponentiell beschleunigt, da weniger menschliche Eingriffe erforderlich sind, aber es ist eine reine Kameralösung. Diese nutzt ein Netzwerk von Kameras, um die Umgebung wahrzunehmen und Fahrentscheidungen zu treffen. Dies sollte den Ansatz zwar erschwinglicher und skalierbar machen, aber die reine Bildverarbeitungssoftware, auf die sich Tesla verlässt (Photon-to-Control), könnte Probleme bei der Sicherheitsvalidierung bereiten. Dies liegt daran, dass dadurch die Zwischenschritte bei der Verarbeitung der von der Kamera empfangenen Rohdaten im Wesentlichen minimiert werden. Obwohl also derzeit Fortschritte zu erkennen sind, könnte Tesla noch relativ weit von der Kommerzialisierung einer AV-Plattform entfernt sein, insbesondere angesichts des Mangels an vollständig autonom gefahrenen Meilen (Level 4).

• NVIDIA (3-Computer-Lösung)

KI-Modelle werden in NVIDIA DGX trainiert, um komplexe Fahrszenarien zu bewältigen, während NVIDIA Omniverse verschiedene physikalische Umgebungen simuliert, um AV-Systeme zu testen und zu validieren. Das dritte Element, NVIDIA AGX, bietet eine Rechenplattform im Fahrzeug selbst, die hochentwickelte Rechenleistung liefert, um automatisierten und autonomen Fahrzeugen die Verarbeitung von Kameraradar- und LiDAR-Daten für Sicherheitsentscheidungen in Echtzeit zu ermöglichen. Ähnlich wie Waymo geht NVIDIA branchenweite Partnerschaften ein (mit Toyota, Mercedes Benz, Rivian, Volvo und BYD, Uber und Amazon). NVIDIAs physische KI-Lösungen und die Erstellung synthetischer Daten sind der Schlüssel zur Ermöglichung autonomen Fahrens und von Modellen der nächsten Generation, die auf simulierten Daten statt auf tatsächlich gefahrenen Kilometern basieren. Dies war in der Vergangenheit mit Blick auf Kosten, Zeit- und Größe ein entscheidendes Hindernis für den Fortschritt.

Fazit

Autonomes Fahren zählt zu den bedeutendsten und folgenreichsten Entwicklungen physischer KI. Die Technik wird nicht nur die Verkehrssysteme, sondern auch die Art und Weise, wie wir leben, revolutionieren und spannende Anlagechancen eröffnen.

Während sich der AV-Markt schnell weiterentwickelt, erwarten wir, dass die breitere Einführung des autonomen Fahrens in eigenen Fahrzeugen langsamer vonstattengeht. Dies wird jedoch durch das Tempo der allgemeinen KI-Innovationen beschleunigt. Wir stehen an einem entscheidenden Wendepunkt hinsichtlich der regulatorischen Entwicklung und der Frage, welcher Technologieansatz sich durchsetzen wird.

Wir sind nach wie vor der Meinung, dass es für Anleger wichtig ist, in jene Unternehmen zu investieren, die Innovationen vorantreiben, und nicht in jene, die von ihnen verdrängt werden. Die Konzentration auf den Wettbewerbsvorteil statt auf die Optionalität, aber auch die Nutzung von Erfahrung, können Anlegern helfen, die Chancen dieser aufregenden Technologie, die sich in einem frühen Hype-Zyklus befindet, besser zu nutzen.

Waymo ist eine Marke von Waymo LLC. Das Bild des Waymo-Fahrzeugs wurde mit Genehmigung bereitgestellt und verwendet.