Refine
Language
- German (3)
Is part of the Bibliography
- no (3)
Keywords
- Autonomes Fahren (3)
- Autonomous driving (3)
- Detection (3)
- Detektion (3)
- Test (3)
- Versuch (3)
- Accident prevention (2)
- Artificial intelligence (2)
- Autonomes Fahrzeug (2)
- Autonomous vehicle (2)
Institute
Ein praxistaugliches und technologieagnostisches Prüfverfahren für KI-gestütztes, autonomes Fahren
(2025)
Autonome Fahrzeuge sind technisch und rechtlich bereit für den Regelbetrieb in Deutschland und zeigen am Beispiel des Robotaxidienstes „Waymo One“ in San Francisco einen defensiven Fahrstil, der sich gut für den Mischverkehr mit herkömmlichen Fahrzeugen eignet. Der sogenannte „Erkennbarkeitsansatz“ dient dabei als Methode zur Bewertung der sicherheitsrelevanten Performanz autonomer Fahrzeuge, indem er deren vorausschauendes Verhalten in realitätsnahen Szenarien überprüft – auch bei KI-basierten Systemen.
Die Entwicklung von KI-Technologien bietet vielfältige Anwendungsmöglichkeiten im Straßen- und Verkehrswesen, insbesondere zur Verbesserung von der Sicherheit, Effizienz und Instandhaltung der Verkehrsstrukturen. Der Artikel stellt grundlegende Konzepte des maschinellen Lernens vor und zeigt deren praktische Umsetzung anhand aktueller Forschungsprojekte der BASt, etwa zur Fahrmodus-Erkennung, Baumerkennung, BIM-Modelle für Brücken, Fahrbahnoberflächenanalyse und Tunnelsicherheit.
Für die Typgenehmigung fehlt bislang eine einheitliche Grundlage, um automatisierte und autonome Fahrzeuge hinsichtlich ihrer Steuerungsleistung zu prüfen. Oft wird dafür über einen Szenarienkatalog mit spezifisch ausgewählten Szenarien diskutiert, jedoch ist auf internationaler Ebene (UNECE, EU) bisher kein Szenarienkatalog im Hinblick auf die Typgenehmigung entstanden, und es gibt derzeit noch keinen Konsens, ob ein solcher Katalog überhaupt erarbeitet werden sollte. Die vorliegende Arbeit liefert in diesem Zusammenhang mit dem sogenannten Erkennbarkeitsansatz für die Typgenehmigung automatisierter und autonomer Fahrzeuge einen Baustein. Der Erkennbarkeitsansatz ist ein pragmatischer Prüfansatz, der die Sicherheit automatisierter und autonomer Fahrzeuge durch eigenes vorausschauendes und fehlertolerantes Fahren gegenüber anderen Verkehrsteilnehmenden im Mischverkehr in den Fokus nimmt. Dabei geht der Prüfansatz über das Prüfen von unmittelbar unfallvermeidendem Verhalten in bereits kritischen Situationen hinaus. Da dieser Prüfansatz sich nicht auf einen festen Szenarienkatalog verlässt, sondern eine flexible Erstellung der Szenarien vorsieht, wird die Möglichkeit zur Optimierung auf gelistete Szenarien zugleich vermieden. Der erste Teil des Erkennbarkeitsansatzes ist die dynamische Szenariengenerierung, in der ODD-basiert Szenarien erstellt werden. Als Grundlage dienen Unfalltypen aus dem Unfalltypenkatalog des GDV, die mittels Kreativitätstechniken mit Indizien angereichert werden, die auf eine sich anbahnende, kritische Situation hindeuten. Im zweiten Teil werden die Szenarien in einem realen Fahrzeugtest mit Hilfe von Prüfwerkzeugen der aktiven Fahrzeugsicherheit (Attrappen, Fahrroboter, Messtechnik) dargestellt. Diese Realisierung erfolgt in einer realen Infrastruktur, um natürliche Einflüsse mit einbeziehen zu können. Eine Umsetzung der Prüfung in der Simulation erscheint vorerst noch nicht als geeignet, da die Simulationsmodelle eventueller Hersteller bisher nicht standardisiert verfügbar und nicht ausreichend validiert sind. Die Ergebnisse dieser Arbeit stellen den Erkennbarkeitsansatz mit allen erforderlichen Schritten zur Erstellung von Szenarien vor und demonstrieren die grundsätzliche Darstellbarkeit der Szenarien in realer Infrastruktur unter Verwendung aktueller Testwerkzeuge. Der Prüfansatz macht damit das defensive Fahren exemplarisch prüfbar und im Rahmen der Typgenehmigung bewertbar.
