Autonome Fahrzeuge bzw. selbstfahrende Autos arbeiten mithilfe künstlicher Intelligenz, die wiederum aus selbstlernenden Algorithmen besteht. Das klingt bis dahin noch relativ unspektakulär. Allerdings entstehen diese Algorithmen nicht alleine in Form von Datenbanken. Sie müssen durch praktische Übung verbessert werden, damit ein autonomes Fahrzeug tatsächlich irgendwann komplett automatisch fahren kann. Die unterschiedlichen Verkehrssituationen müssen praktisch eingeübt werden, sodass die Algorithmen sie bei der nächsten Fahrt auch erkennen, um angemessen darauf reagieren können. Genau hier liegt eines der Hauptprobleme der autonomen Fahrzeuge.
Datenermittlung unterwegs oder Übung macht den Meister
Künstliche Intelligenz als die Grundlage für das autonome Fahren muss hohe Anforderungen erfüllen. Sie muss in der Lage sein, freien Raum ebenso zu erkennen wie verschiedene Objekte, die im Straßenverkehr immer wieder auftauchen und natürlich andere Verkehrsteilnehmer, zum Beispiel Fußgänger, Autos und Radfahrer. Die künstliche Intelligenz muss außerdem in der Lage sein, auf bestimmte Verkehrssituationen entsprechend zu reagieren. Dazu muss das System allerdings erst einmal eine bestimmte Verkehrssituation richtig erkennen können. Das funktioniert nur, wenn möglichst viele Kilometer gefahren und auf diese Weise für die entsprechenden „Erfahrungen“ die Daten empirisch ermittelt werden können. Hier tun sich die meisten Hersteller bisher noch sehr schwer. Lediglich einige Internetkonzerne wie zum Beispiel Google haben ihre Vorteile. Deren Tochterfirmen testen autonom fahrende Autos bereits seit mehreren Jahren auf öffentlichen Straßen. Der dabei entstandene Datenbestand ist äußerst wertvoll und trägt wesentlich dazu bei, die künstliche Intelligenz fit fürs autonome Fahren zu machen.
Autonomes Fahren besteht aus mehreren Teilbereichen
Die künstliche Intelligenz muss beim autonomen Fahren eines Fahrzeuges gleich mehrere Bereiche beherrschen. Zum Teil werden diese Bereiche auch in anderen Technologien wie beispielsweise bei der Bewegungssteuerung von Robotern eingesetzt. Hier sind einige Beispiele für solche benötigten Bereiche:
- Die automatisierte Erkennung von Gesichtern oder Lebewesen ist eine der wichtigsten Fähigkeiten, welche die künstliche Intelligenz beherrschen muss
- Bei der notwendigen Fahrpraxis müssen sehr viele Daten in Echtzeit verarbeitet werden, daher sind sehr hohe Speicherkapazitäten und entsprechende Rechengeschwindigkeiten notwendig
- Außerdem sind leistungsfähige Chiptechnologien notwendig, um eine Datenverarbeitung aus Kameras, Sensoren oder Lasern zu ermöglichen
- Es müssen stets aktuelle Basisdaten vorhanden sein wie zum Beispiel hochauflösende Straßenkarten, die unbedingt aktuell gehalten werden müssen.
Dies sind nur einige Beispiele für die wichtigsten Teilbereiche, aus denen das autonome Fahren besteht. Die Erkennung von Bildern und die Verarbeitung von Daten sowie die Verarbeitung von Daten aus anderen Sensoren des Fahrzeugs ist allerdings nicht alles.
Das Lernen spielt eine wesentliche Rolle beim autonomen Fahren
Beim autonomen Fahren nehmen Kameras Bilder von der Straße oder aus der näheren Umgebung auf, weitere Daten kommen aus verschiedenen Sensoren. Diese Sensoren müssen einerseits in Echtzeit analysiert werden, andererseits müssen sie stets verlässliche Ergebnisse liefern. So muss die KI im Fahrzeug beispielsweise in der Lage sein, jederzeit Fußgänger oder andere Hindernisse auf der Straße zu erkennen, und das möglichst schnell, um ausreichend schnell reagieren zu können. Die im Fahrzeug eingesetzten Computer müssen anhand riesiger Datenmengen lernen, wie ein Mensch oder ein anderes Lebewesen aussieht. Diese Daten stammen in der Regel aus bereits aufgetauchten Verkehrssituationen. Die Intelligenz im Fahrzeug muss in der Lage sein, sich diese Situationen anzueignen und nach Abschluss der Lernphase im Fahrzeug selbstständig anzuwenden. Wichtig dabei ist es allerdings, dass die einzelnen Beispiele nicht nur auswendig gelernt werden, sondern dass die künstliche Intelligenz mithilfe ihrer Algorithmen Muster und Gesetze in den entsprechenden Lerndaten erkennen und auswerten kann. Eine besondere Schwierigkeit dabei besteht darin, dass gewisse Umstände für Veränderungen der Bilddaten sorgen. Menschen können aufgrund anderer Kleidung im Winter ganz anders aussehen als im Sommer. Ähnliches gilt für andere Bilddaten, die im Sommer ganz anders wirken als zu einer anderen Jahreszeit. Das System muss jederzeit in der Lage sein, Objekte in verschiedene Kategorien zu unterteilen wie etwa Fahrbahn, Fahrzeuge oder Fußgänger. Alle diese Objekte müssen voneinander getrennt und jederzeit eindeutig erkannt werden können. Erschwert werden diese notwendigen Datenerfassungen durch äußere Einflüsse wie beispielsweise starken Regen, Schneefall oder Staub und Nebel.
Fazit zum autonomen Fahren mithilfe künstlicher Intelligenz
Künstliche Intelligenz wird die Entwicklung des autonomen Fahrens sehr stark vorantreiben. Allerdings braucht man sehr gute Software und eine enorme Rechenleistung, um alle notwendigen Daten in Echtzeit verarbeiten zu können. Was dem Menschen wie die normalste Sache der Welt vorkommt, ist für Computertechnologien eine enorme Herausforderung. Es ist noch sehr viel an Entwicklungsarbeit notwendig. Allerdings ist die praktische Übung genauso wichtig für automatisch fahrende Autos wie für den Menschen.
