Die Vision vom Zeitunglesen während der Fahrt oder von angeregten Gesprächen auf der Rückbank ist keine unrealistische Zukunftsmusik mehr. Um den Traum vom autonomen Fahren wahr zu machen, ist aber noch viel Forschungsarbeit zu leisten. Denn dafür müssen die Fahrzeuge die sogenannte Autonomiestufe 5 erreichen – also eine Vollautomatisierung, bei der kein Fahrer oder Lenkrad mehr notwendig sind. Schon auf den Straßen sind heute Pkw mit der Autonomiestufe 1 (z. B. mit Abstandstempomat als Fahrerassistenz) und mit der Autonomiestufe 2 (Teilautomatisierung wie automatisches Einparken, Spurhalten oder Stauassistent).

Für das vollständig autonome Fahren muss das Fahrzeug zu einem Hochleistungsrechner werden: Die Daten zur Umfelderkennung, die von Radar-, Laser-, Ultraschallgeräten und Kameras geliefert werden, müssen in Millisekunden verarbeitet und bewertet werden. An solchen Themenstellungen arbeiten auch Hochschulen, Institute und Unternehmen in Mittelfranken.

Das autonome Fahren setzt nicht nur die Digitalisierung des Fahrzeugs, sondern auch der Verkehrsinfrastruktur voraus: Neben Straßenkarten mit zentimetergenauen Details sind vor allem digitale Verkehrsinformationen gefragt. Auf den Straßen der Zukunft kommunizieren nämlich nicht nur die Autos miteinander (V2V; Vehicle to Vehicle), sondern auch Fahrzeuge mit der Infrastruktur (V2I; Vehicle to Infrastructure) und umgekehrt (I2V).

Das Bundesverkehrsministerium hat auf der Autobahn A9 vor den Toren Nürnbergs ein „Digitales Testfeld Autobahn“ eingerichtet. Hier erprobt zum Beispiel die Siemens AG eine neu entwickelte Radartechnologie, die direkt mit den Fahrzeugen kommuniziert. Im „KoRA9“-Projektverlauf werden sukzessive der Verkehrsfluss erfasst, ein Stauende oder Falschfahrer detektiert sowie ein Pkw auf dem Standstreifen erkannt.

Ein weiteres A9-Projekt trägt den Namen „Providentia“ und testet kurz vor München, inwieweit Videodaten einen Vorausblick auf die Strecke auch bei widrigen Umweltverhältnissen ermöglichen. Hier wird auf eine Software des Erlanger Projektpartners Elektrobit zurückgegriffen. Das Besondere hierbei: Die Videodaten von der Autobahn gehen zunächst an einen digitalen Zwilling, der nur virtuell besteht. Der digitale Zwilling stellt maschinenlesbare Daten bereit, die dann an ein Auto gesendet werden. So soll das autonome Fahrzeug in Echtzeit beispielsweise darüber informiert werden, auf welchen der fünf Autobahnspuren die wenigsten Verkehrsstörungen bestehen.

Zur Forschung rund um das autonome Fahren leistet auch die Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) wichtige Beiträge. Ein Flaggschiff hierbei ist das Interdisziplinäre Zentrum Eingebettete Systeme (ESI). Dort werden auch für den Bereich Automotive Grundlagen erforscht und Anwendungen entwickelt. Beispielsweise geht es um Fahrerassistenzsysteme, die auf Sensortechnologien beruhen und Zustand sowie Umfeld eines Fahrzeugs erfassen. Ein weiterer Schwerpunkt ist die Zusammenführung unterschiedlicher Sensorverfahren, um Schwächen der einzelnen Technologien zu kompensieren.

Im ESI sind die drei Lehrstühle für Informatik 3 (Rechnerarchitekturen), Informatik 12 (Hardware-Software-Co-Design) sowie für Hochfrequenztechnik gebündelt. Außerdem wird gemeinsam mit dem Fraunhofer-Institut für Integrierte Schaltungen IIS das ESI-Anwendungszentrum betrieben. Es führt die entsprechenden Forschungsaktivitäten in der Metropolregion Nürnberg zusammen und fungiert somit als einzigartige Schnittstelle zwischen Industrie und Forschung, so ESI-Geschäftsführer Dr.-Ing. Torsten Klie.

Insgesamt beschäftigen sich an der FAU neun Lehrstühle mit Aspekten rund um das autonome Fahren. Der Lehrstuhl für Technische Elektronik untersucht elektronische Hardware und Algorithmen für die Signalverarbeitung und für die Kalibration etwa von Radarsystemen und Laserscannern, die beim automatisierten Fahren eingesetzt werden. Der Lehrstuhl für Informationstechnik mit dem Schwerpunkt Kommunikationselektronik entwickelt Verfahren und Systeme zur Informationsübertragung. Im eigenen „RoboLab“ werden Algorithmen für das autonome Fahren in Laborumgebung erarbeitet und getestet. Zu den Forschungsgebieten gehören auch die simultane Positionsbestimmung, die Kartenerstellung sowie das Tracking dynamischer Objekte. Der Lehrstuhl für Informatik 7 (Rechnernetze und Kommunikationssysteme) beschäftigt sich u. a. mit der Kommunikation zwischen Fahrzeugen einerseits und anderen Verkehrsteilnehmern und Objekten andererseits. Außerdem werden innovative Zukunftsszenarien simuliert und modelliert oder die Privatsphäre in Fahrzeugnetzen untersucht.

Der Lehrstuhl Informatik 3 erforscht Algorithmen, die Signale schnell und effizient verarbeiten und gleichzeitig dafür nur minimale Energie benötigen. Außerdem ging es in einem bereits ausgelaufenen Projekt u. a. um Simulationsumgebungen für sogenannte virtuelle Testfahrten. Aufgrund der vielen erforderlichen Tests können die zugehörigen Testfahrten nicht nur real auf der Straße durchgeführt werden. Der Lehrstuhl für Informatik 5 (Mustererkennung) führt Projekte zur Interpretation von Sensordaten durch. Hier werden zum Beispiel sogenannte Schwarmdaten, also viele Daten vieler autonomer Autos, mit verschiedenen Zielsetzungen analysiert.

Rechtliche Aspekte

Außerdem werden an der FAU auch zwei Themengebiete erforscht, die beim autonomen Fahren meist nicht unmittelbar im Fokus stehen, aber dennoch große Bedeutung haben: Der Lehrstuhl für Bürgerliches Recht, Recht des Geistigen Eigentums und Technikrecht geht rund um autonome Systeme den rechtlichen Aspekten der Digitalisierung inklusive Haftungsfragen nach. Auf die ethischen Fragen in diesem Zusammenhang konzentriert sich Prof. Dr. Peter Dabrock vom Lehrstuhl für Systematische Theologie II (Ethik). Er ist zugleich Mitglied im vom Bundeswissenschaftsministerium initiierten Projekt „Plattform Lernende Systeme“ und Vorsitzender des Deutschen Ethikrats.

An der Technischen Hochschule Nürnberg Georg Simon Ohm beschäftigt sich Prof. Dr. Ramin Tavakoli Kolagari an der Fakultät Informatik im Kern damit, die Entwicklung von Software weiter zu verbessern, damit sie angesichts riesiger Datenmengen in der Praxis „schnelle und zuverlässige Entscheidungen“ treffen kann. Mit Projekten und Promotionen werden neue Ansätze und Strukturen erprobt, um das maschinelle Lernen zu verbessern. Die erfolgreichsten Vertreter des maschinellen Lernens sind neuronale Netze, die analog zur Struktur des menschlichen Gehirns entworfen wurden. Beim Training für das maschinelle Lernen geht es darum, die Werte einzuüben, die für eine Weitergabe wichtig sind. Am Ende muss ein Fußgänger, egal ob klein oder groß, mit absoluter Sicherheit erkannt werden.

Tavakoli gehört auch zu den bayernweit 20 Professoren, die die Digitalisierung im Freistaat über das Zentrum Digitalisierung Bayern ZD.B vorantreiben sollen. Er ist in diesem Netzwerk für Software-Entwicklung für sichere und autonome Fahrzeugsysteme zuständig. Mit zwei Promotionsarbeiten geht er der Frage nach, wie sich maschinelles Lernen und Datensicherheit im Automotive-Bereich verbinden lassen. Diese Arbeiten hätten eine „Pionierrolle“, die für die Erklärbarkeit des maschinellen Lernens und für die Produkthaftung von Relevanz sein werden. Für I2V-Daten bis hin zum Infotainment unterschiedlicher Anbieter müssen immer mehr „Türen“ in der Automotive-Software geöffnet werden. Der unbefugte Zugriff Dritter, also der Missbrauch möglicherweise unzureichend abgesicherter „Türen“, gilt als eine zentrale Herausforderung beim autonomen Fahren.

Die Nürnberger Spezialisten für Lokalisierung des Erlanger Fraunhofer-Instituts für Integrierte Schaltungen IIS haben bereits erfolgreich das Halten an der Stopplinie demonstriert: Für das Innovationsprojekt mit dem Kfz-Zulieferer Bertrandt wurde das vorhandene Fahrerassistenzsystem erweitert, um je nach Geschwindigkeit 100 Meter vor der Haltelinie den Bremsvorgang einzuleiten und dann zentimetergenau vor der Stopplinie zum Halten zu kommen. Hierfür wurden vorhandene Technologien im Auto wie GPS-Empfänger und der digitale Radiostandard DAB intelligent vernetzt, eine zusätzliche Hardware wurde nicht benötigt. Die Anwendung soll nun weiter verbessert und einmal deutschlandweit einsatzfähig sein, berichtet IIS-Lokalisierungsexperte Matthias Overbeck. Durch präzise Ortsinformationen wird auch die Qualität von Schwarmdaten, die von erheblicher Bedeutung für vernetztes Fahren sind, optimiert. Beispielsweise können Fahrzeuge über ihre Detektoren Straßenschäden erfassen und die Daten an eine Cloud senden, damit nachfolgende Fahrzeuge automatisch die Dämpferregelung anpassen. Das IIS ist auch am EU-Projekt „Propart“ beteiligt, das sich mit dem automatisierten Einfädeln von Lkw auf Autobahnen beschäftigt.