© maxkrasnov, 123RF
Vielerorts wird am selbstfahrenden Auto geforscht, das mehr Sicherheit und zugleich vor allem im Güterverkehr geringere Transportkosten verspricht. Noch aber sind nicht alle Probleme gelöst.
Linux-Magazin: Es gibt über eine halbe Million Berufskraftfahrer im
Straßengüterverkehr in Deutschland. Dazu kommen über 3000 Busunternehmen mit knapp 100 000 Fahrern und 53 500 Taxis, von denen jedes auch mehrere Fahrer haben kann. Außerdem gibt es Zehntausende Verkehrspolizisten und
Verkehrsjuristen, die arbeitslos wären, wenn es Unfälle nur noch als technisches
Versagen gäbe. Wer bräuchte noch Tankwarte, wenn jedes Auto selbstständig seine Ladestation ansteuern würde? Wohin mit den rund 45 000 Fahrlehrern in Deutschland, wenn man ohnehin nicht mehr selber führe? Was würde aus den Raststätten an der Autobahn, wenn man während der Fahrt entspannen könnte? Was geschieht mit Versicherungen, wenn kein Fahrzeuginsasse mehr Schukd an einem Unfall haben kann? Ist das selbstfahrende Auto ein gigantischer Jobvernichter?
Daniel Göhring: Diese Frage hat sehr viele Facetten. Die Fähigkeiten automatisierter Fahrzeuge werden kategorisiert in verschiedene Level von 1 bis 5. In den Leveln 1 bis 4 ist weiterhin ein Sicherheitsfahrer notwendig, um gegebenenfalls eingreifen zu können. Solche Fahrzeuge können nur in bestimmten Umgebungen – etwa auf Autobahnen – ohne Fahrer-eingriff fahren, müssen jedoch durch einen Menschen überwacht werden. In anderen Umgebungen wie zum Beispiel in wesentlich unübersichtlicheren Städten haben autonome Fahrzeuge bisher noch größere Probleme. Nur bei Level-5-Fahrzeugen gibt es wahrscheinlich kein Lenkrad mehr, hier bräuchte man also tatsächlich auch keinen Fahrer mehr im Fahrzeug.
Andererseits werden neue Berufe entstehen, etwa um Fahrzeuge aus einer Zentrale zu steuern, in Situationen, in denen es Probleme gibt, oder um die Fahrzeugflotten zu warten, zu überwachen und zu managen. Zudem werden selbstfahrende Fahrzeuge nicht über Nacht alle anderen Fahrzeuge ersetzen, es wird eher eine Übergangsphase geben mit Mischverkehr. Verkehrspolizisten und Juristen werden hier nach wie vor benötigt.
Die Frage, ob man noch Tankwarte braucht, ist erstmal unabhängig vom Antrieb. Es kann autonome Fahrzeuge geben, die elektrisch betrieben werden oder mit fossilen Brennstoffen fahren. Für die Bezahlung des Kraftstoffs oder des Stroms bräuchte man in Zeiten elektronischer Bezahlvorgänge auch momentan schon keine Kassierer mehr. So benötigen schon jetzt viele Tankstellen etwa in Schweden keine menschlichen Bediensteten mehr. Man bezahlt dort schon heute an vielen Orten ausschließlich mit Karte.
Unbestreitbar ist, dass der technologische Fortschritt viele Berufe in Zukunft überflüssig machen wird, ähnlich wie andere Erfindungen, beispielsweise der Computer. In der Vergangenheit entstanden dafür jedoch auch immer neue Berufe. Wie viele Berufe in welchem Zeitraum wegfallen werden und ob eine gleiche Menge an neuen Berufen entstehen wird, ist derzeit nur schwer abschätzbar.
Linux-Magazin: Bei einem tödlichen Unfall mit einem Tesla Modell S im vergangenen Jahr soll der Autopilot die helle Plane eines LKW für Himmel gehalten haben. Ein Mensch hätte vermutlich intuitiv erfasst, dass an der Stelle des LKW unmöglich Himmel sein konnte und hätte gebremst. Er hätte keine ausformulierte Regel dafür gebraucht.
Können die explizit programmierten Regeln eines selbstfahrenden Autos das implizite Erfahrungswissen eines menschlichen Fahrers ersetzen? Oder müssen – zugespitzt gefragt – noch 20 Fahrer sterben, bis der Algorithmus gelernt hat, dass der Himmel in Hundert Metern Entfernung niemals partiell den Boden berührt?
Daniel Göhring: Das Problem waren hier nicht die expliziten Regeln, sondern genau das Gegenteil, nämlich das maschinelle Lernverfahren. Diese Verfahren müssen eine sehr große Vielzahl von Parametern lernen, bei neuronalen Netzen oftmals viele Hundert Millionen so genannter Gewichte. Diese Netze erzeugen dann am Ende leider auch nicht nur ein paar einfache Regeln. Stattdessen ist gar nicht klar, was genau jeder Parameter am Ende repräsentiert.
Daher spricht man hier von subsymbolischen Ansätzen. Anders gesagt, was genau so ein Netz am Ende tatsächlich gelernt hat, das ist nur empirisch ermittelbar. Dafür testet man solche Netze mit einer großen Menge an Daten und schaut, ob der Algorithmus in der Folge die gewünschten Ergebnisse liefert.
Die Schwierigkeit liegt hierbei darin, möglichst vielfältige Trainings- und Testdaten zu erzeugen (Abbildung 1). In dem Beispiel der Fahrzeugerkennung bedeutet dies, dass man jede Fahrzeugart von allen Seiten und unter allen möglichen Beleuchtungs- und Witterungsbedingungen trainiert – also von all diesen Varianten Trainings- und Testbilder zur Verfügung hat. Dies kann bedeuten, dass man viele Millionen Trainings- und Testbilder benötigt, und selbst dann ist immer noch nicht klar, ob bestimmte Szenarien nicht vergessen wurden.
Abbildung 1: Ein selbstfahrender BMW trainiert das hochautomatisierte Fahren auf der Autobahn, hier den Autobahnwechsel an Autobahnkreuzen. Quelle: BMW
Auch für die menschliche Mustererkennung gibt es übrigens Grenzfälle, man denke nur an optische Täuschungen. Die entscheidende Frage ist daher, ob es gelingen kann, Systeme zu entwickeln, die weniger Fehler machen als die menschliche Wahrnehmung (Abbildung 2).
Abbildung 2: Auch bei Modellen von Mercedes-Benz kann der Fahrer schon die Hände vom Lenkrad nehmen, hier ein S-Class S 500 Intelligent Drive. Quelle: Mercedes Benz
Linux-Magazin: Selbstfahrende Fahrzeuge müssen unter Umständen Entscheidungen treffen,die Konsequenzen für Leib und Leben haben. Dabei kann es zu einem moralischen Dilemma kommen, dem sich der menschliche Fahrer nicht stellt, weil er seine Entscheidung nicht im Vorhinein trifft, sondern und in der kritischen Situation reflexhaft und unbewusst handelt. Werden wir nun aber für die Autopiloten-Software solche Dilemmata auflösen müssen und gezwungen sein den Wert des Leben von Fall zu Fall zu beziffern: Viele gegen Einzelne, Alt gegen Jung?
Daniel Göhring: Derzeit ist es nicht möglich, solche Unterscheidungen von junge vs. alte Person zu fällen. Es gibt jedoch schon heute Überlegungen, wie man hier verfahren sollte. Ein möglicher Ansatz ist, immer nur so gut, wie es geht, zu bremsen und keine wilden Ausweichmanöver durchzuführen.
Ein anderer Aspekt ist, dass das Bundesverfassungsgericht bereits 2006 im Rahmen einer Entscheidung zur Luftsicherheit entschieden hat, dass Menschenleben unter keinen Umständen gegeneinander abgewogen werden dürfen. Sicherlich werden verschiedene Länder hier unterschiedlich verfahren, die Frage ist in jedem Fall nicht einfach lösbar.
Linux-Magazin: Hätte ein Fahrzeug mit zahlreichen Assistenzsystemen, das aber den Fahrer nicht aus seiner Verantwortung entlässt, in der Praxis vielleicht mehr Chancen als ein vollkommen autonomes Fahrzeug, das eventuell mit unlösbaren ethischen Fragen konfrontiert wäre?
Daniel Göhring: Ich sehe es genau andersherum. Ein Fahrzeug, das man die gesamte Zeit überwachen muss, ist anstrengender, als wenn man selbst fährt. Dies merkt man daran, dass auch ein Tempomat oft stärker ermüdet, als wenn man selbst fährt. Menschen sind einfach nicht gut darin, ein System über Stunden zu überwachen. Daher denke ich, ein autonomes Fahrzeug ist nur in Stufe 5 sinnvoll oder wenn dem Menschen genug Reaktionszeit zum Eingriff gegeben werden kann.
Linux-Magazin: Momentan wächst die Computerkriminalität von Jahr zu Jahr. Garantiert würden auch selbstfahrende Autos in den Fokus der Kriminellen geraten. Wie kann der Hersteller Software und Kommunikation zuverlässig schützen?
Daniel Göhring: Wie in vielen Bereichen gibt es auch in der Automobilbranche einen Innovationsdruck, das heißt, man möchte schnell mit vielen neuen Funktionen für die nächste Modellreihe aufwarten können. Zuverlässiger Schutz von Software und Kommunikation bedeutet einerseits höheren Testaufwand, andererseits auch teurere Systemarchitekturen mit einer Trennung von sicherheitskritischen Bereichen und weniger kritischen Bereichen. Die Flugzeugindustrie zeigt hier, wie einzelne Aspekte aussehen können. In jedem Fall ist die Sicherheit der Software eines Fahrzeugs vor Hackangriffen noch eine große Herausforderung – insbesondere weil die Software der Fahrzeuge immer komplexer und vernetzter wird.
Linux-Magazin: Die Fahrzeuge der Zukunft sollen untereinander und auch mit Verkehrsleitsystemen Daten austauschen können. Dafür braucht es Standards. Wie weit sind die Bemühungen um eine Standardisierung auf diesem Gebiet gediehen? Kann die Open-Source-Idee helfen, Standards zu schaffen und zu etablieren? Wie sind in diesem Licht die Bemühungen großer IT-Konzerne zu sehen, sich Technologien für selbstfahrende Autos patentieren zu lassen?
Daniel Göhring: Es gibt hier schon Produkte auf dem Markt, die den Datenaustausch zwischen Fahrzeugen und Infrastruktur ermöglichen. Eine Frage ist, welche Daten kommuniziert werden können und ob es Interessen der Hersteller gibt, bestimmte Daten zurückzuhalten, um technisches Know-how zu schützen. Es wächst aber die Erkenntnis, dass offene Standards und Open Source hier einen guten Beitrag leisten können. Die Schaffung der Autosar-Entwicklungspartnerschaft zeigt, dass Fahrzeughersteller der Idee, gemeinsame und offene Standards zu schaffen, durchaus nicht abgeneigt sind.
Linux-Magazin: Statt das komplette Auto zu computerisieren, könnte man es auch von einem Roboter steuern lassen, der den Fahrer ersetzt. Damit würde aus jedem gewöhnlichen Auto ein selbstfahrendes. Forscher der isaraelischen Ben-Gurion University of the Negev verfolgen diesen Ansatz. Was halten Sie davon?
Daniel Göhring: Aus Forschungssicht ist der Ansatz sicherlich interessant. Die Frage ist am Ende, ob es günstiger ist, für ein Fahrzeug einen solchen Roboter zu kaufen, oder ob ein Computer mit geeigneter Sensorik günstiger ist, um ein Fahrzeug zu steuern. Die Frage wird sein, ob die damit zur Verfügung stehenden Daten ausreichen. Ich muss jedoch gestehen, dass ich das Projekt nicht im Detail kenne.
Es gibt in jedem Fall viele Start-ups, die kleine Kästen mit Kameras oder anderen Sensoren entwickeln, die möglichst einfach in ein Fahrzeug zu verbauen sein sollen, um dem Fahrzeug Autonomiefunktionen zur Verfügung zu stellen. Ich denke, damit wird man einfache Funktionen wie Spurhalte-Assistenten realisieren können. Für komplexe Verhaltensweisen, angefangen bei einer präzisen Fahrzeugregelung mit geringen Reaktionszeiten, um ein Beispiel zu nennen, ist eine tiefere Integration in die Fahrzeugelektronik notwendig.
Linux-Magazin: Ein Sportwagen oder ein SUV sind per se unvernünftig – weil übermotorisiert, zu teuer, zu hoher Verbrauch — aber trotzdem in bestimmten Kreisen beliebt. Es gibt außerdem eine Tunerszene, in deren Vorstellung sich die Eigenschaften des Fahrzeugs auf den Fahrer übertragen und PS-Zahlen und Hochglanz für persönliche Macht und Attraktivität stehen.Verliert das Auto der Zukunft, das später vielleicht nur noch vollautomatisch und also auch nur noch vernünftig fahren kann, seine Rolle als Fetisch und als ein Mittel der Selbstdarstellung?
Daniel Göhring: Leute, die es sich leisten können, fahren schon heute lieber mit Chauffeur. Trotzdem sind die gefahrenen Fahrzeuge oft große Limousinen mit hohem Spritverbrauch. Ich kann mir schon vorstellen, dass einige Fahrzeuge ohne Lenkrad für viele Leute durchaus den Reiz verlieren könnten.
Ich persönlich fahre gern Motorräder. Ein autonomes Motorrad hätte für mich weniger Reiz, das ist jedoch ein anderes Forschungsthema.
Prof. Dr. Daniel Göhring arbeitet am Institut für Informatik im Dahlem Center for Machine Learning and Robotics. In seiner Forschung konzentriert er sich auf die Wahrnehmung von Robotern, die Objektverfolgung, die Selbstlokalisierung und Planung. Neben der Verhaltensplanung für einzelne Roboter interessiert er sich auch für Methoden der planerischen Kooperation. Das Problemlösen mit begrenzten Sensordaten und limitierter Rechenleistung sieht er als besondere Herausforderung. Seine Beschäftigung mit der Robotik begann beim Robocup 2002 und setzte sich in seiner Zeit als Doktorand an der Humboldt-Universtität Berlin fort. Als Postdoc forschte er zwei Jahre am amerikanischen International Computer Science Institute in Berkeley, Kalifornien. Dabei wandte er Methoden des maschinellen Lernens auf der Grundlage visueller Daten auf eine Plattform für Haushaltsroboter an. Seit 2010 arbeitet er an einem der ersten Projkete für selbstfahrende Autos, wo er hocheffiziente Weltmodelle und Ansätze für Wegeplanung in dynamischen Verkehrssituaionen untersucht.
