An der Technischen Universität München (TUM) entsteht gemeinsam mit BMW eine Technik, die Fahrzeuge an unübersichtlichen Kreuzungen „um die Ecke“ sehen lassen soll. Kameras, Radar- und Lasersensoren an Autos, Ampeln und Schilderbrücken werden dafür miteinander vernetzt. Eine künstliche Intelligenz setzt die Messdaten zu einem gemeinsamen digitalen Verkehrsbild zusammen und aktualisiert es alle 100 Millisekunden – also zehnmal pro Sekunde.

Getestet wird das System an einer Kreuzung in Garching-Hochbrück. Auf dem Dach eines BMW-Testfahrzeugs sitzen Sensoren, zusätzliche Geräte an Schilderbrücken liefern weitere Perspektiven. Auf einem Bildschirm im Wagen erscheinen erkannte Verkehrsteilnehmer samt Position. Laut TUM gelingt die Ortung dabei mit einer Genauigkeit von bis zu zehn Zentimetern; außerdem berechnet die KI, wie sich die Personen und Fahrzeuge voraussichtlich bewegen. Ein Kind, ein Radfahrer oder ein Auto, das noch hinter einer Gebäudekante steckt, könnte so früher gemeldet werden.

Ein gemeinsames Bild statt vieler einzelner Sensoren

Die Software hat dabei drei Kernaufgaben. Sie gleicht die Daten verschiedener Sensoren räumlich und zeitlich ab, erkennt unzuverlässige Messungen – etwa von verschmutzten, verdeckten oder falsch eingestellten Sensoren – und sortiert sie aus. Danach prognostiziert sie fortlaufend die Bewegungen der erfassten Verkehrsteilnehmer. Das klingt nüchtern, ist im Straßenverkehr aber der Unterschied zwischen einem ruhigen Warnhinweis und einem Moment, in dem es plötzlich sehr eng wird.

Die Vernetzung soll außerdem die Fahrzeugortung verbessern. Kuo-Yi Chao, Ralph Rasshofer und Alois Knoll kombinierten dafür Daten mehrerer Fahrzeuge mit Informationen von Straßenkameras und Laserscannern. In der Umgebung CARLA simulierten sie vier Verkehrssituationen an einer Kreuzung. Die durchschnittliche Abweichung einer simulierten GPS-Ortung lag je nach Situation bei 7,99 bis 16,97 Metern. Wurden die Messungen erfolgreich abgeglichen, schrumpfte die Abweichung auf 0,9 bis 2,8 Zentimeter.

Diese Zahlen stammen ausschließlich aus Computersimulationen und beziehen sich auf die Fahrzeugortung, nicht auf die Erkennung von Fußgängern oder anderen Hindernissen. Hohe Gebäude können GPS-Signale abschirmen oder reflektieren und dadurch die berechnete Fahrzeugposition verfälschen – gerade auf engen Fahrspuren und an komplizierten Kreuzungen ein Problem für automatisierte Fahrfunktionen.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Das Verfahren nutzt dreidimensionale Umgebungskarten aus mehreren Sensorquellen. Ein Algorithmus vergleicht die Messpunkte des Fahrzeugs mit gemeinsam erfassten Strukturen und korrigiert daraus die Position. Ganz glatt lief das in den Simulationen allerdings nicht: Der Datenabgleich war nicht immer zuverlässig. Deshalb flossen nur Messungen ein, die festgelegte Qualitätskriterien erfüllten.

Baustellen, Großprojekte und Patente

Auch Baustellen könnten von der Idee profitieren. Zusätzliche Kameras an Ampeln oder Straßenmasten könnten veränderte Fahrspuren, Abbiegebereiche und Absperrungen erfassen. Diese Informationen würden in ein gemeinsames Umgebungsmodell einfließen und den Fahrzeugen bereitgestellt. Für die Aktualisierung von Baustellenkarten und einen weiteren Ansatz zur Zusammenführung verteilter Sensordaten haben die Wissenschaftler Patente angemeldet.

Bis zum breiten Einsatz gibt es aber noch Hausaufgaben: Verzögerungen bei der Datenübertragung müssen ebenso gelöst werden wie die Abstimmung der Sensoren. Bei hohem Verkehrsaufkommen wächst die Menge der gleichzeitig zu verarbeitenden Informationen. Die bisher erreichte Ortungsgenauigkeit wurde nur virtuell ermittelt; als Nächstes sind Tests unter realen Verkehrsbedingungen vorgesehen. Ob die Technik Gefahrenwarnungen im tatsächlichen Straßenverkehr tatsächlich verbessert, lässt sich aus den bisherigen Ortungssimulationen noch nicht ableiten.

Der Ansatz passt in eine größere deutsche Forschungs- und Industriebewegung. Die VDA-Leitinitiative bringt führende Unternehmen der deutschen Automobil- und Zulieferindustrie zur kooperativen Technologieentwicklung zusammen. Ihr Ziel: die führende Rolle der deutschen Automobilindustrie beim hochautomatisierten, autonomen und vernetzten Fahren (AVF) zu sichern. Globaler Wettbewerb, finanzstarke Marktteilnehmer und die Digitalisierung der Mobilität verlangen hohe Investitionen und ein schnelleres Innovationstempo.

Als Antwort setzt die Initiative auf vernetzte Großprojekte, mehr Transparenz in der vorwettbewerblichen Grundlagenforschung und einen breiten Kompetenzaufbau bei zentralen AVF-Schlüsseltechnologien in Deutschland. Die Industriepartner erarbeiten gemeinsame Positionen zu Forschungs- und Entwicklungsbedarfen. Im Austausch mit Bundesministerien stärkte die Leitinitiative außerdem die Abstimmung der nationalen Förderpolitik für AVF sowie die technologieübergreifende Zusammenarbeit von Programmen und Projekten.

Seit ihrer Gründung im Herbst 2016 wurden mehrere Großprojekte mit Partnern aus Industrie und Forschung gestartet. Als Koordinierungsstelle identifizieren die Mitglieder zentrale Themen und Handlungsfelder, initiieren große, offen zugängliche Konsortialprojekte und organisieren die Arbeit in Projektfamilien. So sollen Forschungs- und Entwicklungsressourcen effizienter genutzt werden. Wo sich Vorhaben überschneiden, werden Synergien genutzt und Ergebnisse projektübergreifend geteilt; neue Projekte bauen gezielt auf abgeschlossenen Arbeiten auf. Redundanzen und Fehlinvestitionen sollen dadurch vermieden, Anschlussfähigkeit und Verwertbarkeit der Ergebnisse erhöht werden.

Die drei zentralen Projektfamilien heißen KI für Datengenerierung und sichere künstliche Intelligenz, Pegasus für Standards zum Testen und zur Sicherheitsvalidierung hochautomatisierter Fahrfunktionen sowie @City für die Erweiterung der Automatisierung und der Operational Design Domains (ODD), insbesondere im urbanen Verkehr.

Gerade die jüngsten Entwicklungen bei künstlicher Intelligenz verändern die Entwicklung autonomer Fahrfunktionen grundlegend. Eine neue Projektgeneration innerhalb der KI-Familie soll generative KI durch die Zusammenarbeit von Industrie und Wissenschaft für das autonome Fahren nutzbar machen. Die Leitinitiative will damit erneut eine führende Position erreichen. Mit Unterstützung des VDA wurde die Zusammenarbeit in der Industrie ausgebaut und die vorwettbewerbliche Kooperation erweitert – auch, um deutsche Unternehmen dabei zu unterstützen, Standards im AVF zu setzen und die Technologieentwicklung maßgeblich zu gestalten.

Laufende Projekte sind CONTROL, Safe AI Engineering und nxtAIM. Abgeschlossen wurden jbDATA, STADT:up, DEKOR-X, KI Wissen, KI Data Tooling, KI Delta Learning, KI Absicherung, VV Methoden, @City SetLevel und Pegasus. Als Ansprechpartnerin für Forschung und Innovation wird Prof. Dr.-Ing. Claudia Langowsky, Abteilungsleiterin, genannt.

Vernetzt heißt auch: gut abgesichert

Hinter dem Ganzen steht die Car-to-X- beziehungsweise V2X-Technologie. Fahrzeuge, andere Verkehrsteilnehmer und die Infrastruktur kommunizieren miteinander und teilen Informationen über Verkehrslage und Gefahren. Die Ziele sind klar: mehr Verkehrssicherheit, ein besserer Verkehrsfluss sowie weniger Energie- und Kraftstoffverbrauch.

Dafür braucht es viele externe Schnittstellen, Steuergeräte und große Datenmengen. Informationen werden gesammelt, verarbeitet und anderen Verkehrsteilnehmern sowie Infrastrukturkomponenten bereitgestellt. Manipulationen oder technische Ausfälle könnten im schlimmsten Fall Menschenleben gefährden. Kryptografische Verfahren, insbesondere digitale Signaturen, sollen die Kommunikation zwischen Sendern und Empfängern schützen. Die Signaturen müssen sicher gespeichert und verwaltet werden; Fahrzeuge und Verkehrsinfrastruktur brauchen manipulations- und ausfallsichere IT-Systeme.

Im Auto kommen Umgebungsinformationen per Funk und von eigenen Sensoren an, etwa von Kameras und Lidar-Systemen. Die Daten werden ausgewertet, zunehmend mit KI-basierten Systemen, und in Steuerbefehle für Lenkung, Bremse und Gaspedal umgesetzt. Heutige Sicherheits- und Assistenzsysteme unterstützen bereits beim Fahren. Die Kombination aus eigenen Sensoren und den Daten anderer vernetzter Verkehrsteilnehmer bildet die Grundlage für automatisiertes Fahren.

Der Datenaustausch kann zwischen Fahrzeugen sowie zwischen Fahrzeugen und Ampeln oder Schilderbrücken erfolgen. Zum Einsatz kommen unter anderem WLAN nach IEEE 802.11p und der Mobilfunkstandard 5G. Erste Serienfahrzeuge sind bereits mit Car-to-X-Technologie ausgestattet. C-ITS bezeichnet dabei die Vernetzung von Fahrzeugen und Verkehrsinfrastruktur für bestimmte Verkehrsdienste. In kooperativen Systemen werden relevante Daten allen wichtigen Verkehrsteilnehmern bereitgestellt, damit Reaktionen auf besondere Verkehrssituationen frühzeitig koordiniert werden können.

Unter realen Bedingungen erprobt das Projekt C-ROADS Germany unter anderem Warnungen vor Tagesbaustellen und Stauenden sowie die Nutzung von Fahrzeugdaten zur Erkennung der Verkehrslage. Public-Key-Infrastrukturen (PKI