Waymo veröffentlicht 10 Erkenntnisse aus dem Bereich der künstlichen Intelligenz, gewonnen aus 200 Millionen Meilen autonomer Fahrten
Waymo veröffentlichte 10 technische Grundsätze, die aus mehr als 200 Millionen Meilen vollautonomer Fahrten abgeleitet wurden – und zwar in derselben Woche, in der das Unternehmen München als seinen ersten Markt in der Europäischen Union bestätigte. Das Unternehmen stellte diese Veröffentlichung als Beweis für seine technische Glaubwürdigkeit gegenüber den Regulierungsbehörden dar, die die Ausweitung des Betriebs fahrerloser Fahrzeuge bewerten.
Die unbequeme Erkenntnis hinter Waymos 200 Millionen Meilen im autonomen Betrieb
Jedes Unternehmen im Bereich autonomer Fahrzeuge muss sich irgendwann einer unangenehmen Frage seitens eines Käufers oder einer Aufsichtsbehörde stellen: Wenn das System so leistungsfähig ist, wie die Vorführung vermuten lässt, warum dauert es dann immer noch Jahre statt Monate, um von einer Stadt zur nächsten zu expandieren? Waymo nutzte einen am Mittwoch veröffentlichten Blogbeitrag, um diese Frage direkter zu beantworten, als es in seinen öffentlichen Mitteilungen üblicherweise der Fall ist. Dabei veröffentlichte das Unternehmen zehn konkrete technische Grundsätze, die aus mehr als 200 Millionen vollständig autonomen Meilen abgeleitet wurden – dem größten Datensatz aus dem realen Betrieb, den derzeit ein Unternehmen dieser Branche vorweisen kann. Die Antwort, die sich durch alle zehn Grundsätze zieht, ist dieselbe, die Käufer selten hören möchten: Das Schwierige bestand nie darin, in einer Demo zu beweisen, dass ein Auto selbstständig fahren kann, sondern darin, die mehrschichtigen Verifizierungs- und Kontrollsysteme aufzubauen, die einem Unternehmen das nötige Vertrauen geben, den Sicherheitsfahrer dauerhaft abzuschaffen.
Waymo, die auf autonomes Fahren spezialisierte Tochtergesellschaft von Alphabet, betreibt einen vollständig fahrerlosen Robotaxi-Dienst in mehreren US-Ballungsräumen und gab diese Woche bekannt, dass München als erster Markt in der Europäischen Union erschlossen wird – ein Detail, das dem Zeitpunkt eines methodikorientierten Beitrags strategisches Gewicht verleiht, das über reine Vordenkerrolle hinausgeht. Ein Unternehmen, das in einen neuen regulatorischen Rechtsraum expandiert, hat einen offensichtlichen Anreiz, öffentlich und mit gewissen technischen Details nachzuweisen, dass seine Expansionsentscheidungen auf einem wiederholbaren, überprüfbaren Prozess beruhen und nicht auf dem Vertrauen, das sich aus der Betriebsbilanz einer einzelnen Stadt ergibt. Vor dem Hintergrund dieser Expansion dienen die zehn Lehren weniger als allgemeine Erläuterung für die breite Öffentlichkeit, sondern vielmehr als Dokument zur Untermauerung der technischen Glaubwürdigkeit, das sich an Aufsichtsbehörden, Versicherer und Unternehmenspartner richtet, die beurteilen, ob Waymos Sicherheitsnachweis auch außerhalb der US-Märkte Bestand haben wird, in denen das Unternehmen seine ersten Erfolge vorweisen konnte.
Sensorredundanz ist eine Konstruktionsphilosophie, kein einzelner Posten in der Stückliste
Die erste und in der Öffentlichkeit bekannteste von Waymos
Einer der Grundsätze lautet, dass Kameras allein nicht ausreichen und dass Lidar, Radar und Kameras gemeinsam die Redundanz und die sich ergänzenden Erfassungsmöglichkeiten bieten, die ein sicherheitskritisches System erfordert. Diese Behauptung ist nicht neu – Waymo vertritt sie bereits seit Jahren gegenüber Wettbewerbern, die ausschließlich auf Kameras setzen –, doch die Darstellung des Unternehmens in dieser Woche verknüpft sie expliziter mit der Abdeckung von Ausfallmodi als mit der reinen Erfassungsgenauigkeit: Jeder Sensortyp weist unter unterschiedlichen Bedingungen eine unterschiedliche Leistungsminderung auf: Kameras bei schlechten Lichtverhältnissen oder Blendung, Radar in dichten Hindernisstrukturen, Lidar bei starkem Niederschlag; ein System, das alle drei Sensoren zusammenführt, weist hingegen keinen einzelnen Schwachpunkt in Bezug auf Umgebungsbedingungen auf, der das gesamte Wahrnehmungsbild auf einmal unbemerkt beeinträchtigen könnte. Für einen Käufer, der ein autonomes System bewertet – sei es eine Roboter-Taxi-Plattform oder ein industrielles AMR, das sicherheitsrelevante Entscheidungen trifft –, lautet die praktische Erkenntnis: Behauptungen zur Sensorredundanz sollten auf der Ebene der Ausfallmodi hinterfragt werden, wobei konkret abgefragt werden muss, welche Bedingungen welchen Sensortyp beeinträchtigen, anstatt sie als generisches „Mehrfachsensoren“-Häkchen zu akzeptieren.Das zweite Prinzip – dass hochauflösende Karten nach wie vor einen bedeutenden Mehrwert als das bieten, was Waymo als „mentale Gedächtnis“-Ebene bezeichnet – widerspricht einer konkurrierenden Darstellung der Branche, wonach durch End-to-End-Lernen erlerntes Fahren detaillierte Vorkarten letztendlich überflüssig machen werde. Waymo vertritt die Auffassung, dass Karten gerade unter den Bedingungen helfen, unter denen die Echtzeit-Wahrnehmung am wenigsten zuverlässig ist – bei schlechter Sicht, ungewöhnlicher Kreuzungsgeometrie oder Baustellen mit verwirrenden temporären Markierungen –, und dabei als vorab festgelegte Erwartungsgrundlage dienen, an der das Echtzeit-Erfassungssystem gemessen werden kann, anstatt als starres Skript, dem das Fahrzeug blind folgt. Dies ist eine deutlich andere Designphilosophie als ein reiner End-to-End-Ansatz, und sie erklärt zum Teil, warum Waymos Expansion von Stadt zu Stadt in der Vergangenheit langsamer verlief, als es ein kartenloser Ansatz zulassen würde: Der Aufbau und die Pflege dieser kartografierten Vorabdaten für jedes neue Einsatzgebiet stellen an sich bereits eine erhebliche, fortlaufende technische Investition dar, deren Umfang mit
geografische Reichweite und stellt keine einmalige Ausgabe dar.Konsolidierung statt Modularität und die Disziplin, dem Modell nicht blind zu vertrauen
Waymos drittes Prinzip – wonach weniger, aber größere, konsolidierte Basismodelle bei großem Maßstab eine modulare Sammlung enger spezialisierter Modelle übertreffen – widerspricht dem intuitiven technischen Instinkt, dass die Aufteilung eines schwierigen Problems in kleinere, unabhängig überprüfbare Teile sicherer und einfacher zu debuggen sein sollte. Waymos Argument lautet, dass die Konsolidierung domänenübergreifenden Kontext erfasst, den eine modulare Pipeline an jeder Übergabegrenze verliert: Ein Wahrnehmungsmodul und ein Planungsmodul, die separat entwickelt und validiert wurden, können zwar isoliert jeweils gute Leistungen erbringen, führen jedoch in Kombination zu einem unsicheren Verhalten, das keine der beiden eigenen Testsuiten erkennen würde, da der Fehler erst in der Interaktion zwischen ihnen zutage tritt.
Diese Konsolidierung macht das vierte Prinzip – wonach Black-Box-Systeme nicht akzeptabel sind und jede Fahrentscheidung eine unabhängige Validierungsebene erfordert – erheblich schwieriger umzusetzen, als dies in einer vollständig modularen Architektur der Fall wäre; und Waymos Bereitschaft, diesen zusätzlichen technischen Aufwand in Kauf zu nehmen, ist eines der aufschlussreichsten Details in dem Beitrag. Das Unternehmen beschreibt eine Überwachungsebene, die die Ergebnisse des konsolidierten Modells unabhängig von dem Modell, das sie generiert hat, anhand physikalischer und verkehrsrechtlicher Vorgaben überprüft – eine Sicherheitsarchitektur, die sich wesentlich von derjenigen unterscheidet, bei der man sich lediglich auf die Ergebnisse eines gut validierten Modells verlässt, und die zudem kostspieliger ist. Für jedes Beschaffungsteam, das ein KI-gesteuertes physisches System – sei es im Bereich der Robotik oder in anderen Bereichen – bewertet, ist das Vorhandensein oder Fehlen einer unabhängigen Validierungsebene, die keine gemeinsamen Fehlermodi mit dem primären Entscheidungsmodell aufweist, ein aussagekräftigeres Sicherheitsunterscheidungsmerkmal als die Ausgereiftheit des Primärmodells selbst; denn ein einzelnes, noch so gut trainiertes Modell stellt ohne eine solche Ebene immer noch einen Single Point of Failure dar.
Simulation, Kritik und die Disziplin der institutionellen
SkepsisDas fünfte und sechste Prinzip – die Closed-Loop-Simulation, bei der der simulierte Verkehr auf die Handlungen des Fahrzeugs selbst reagiert, sowie ein automatisiertes „KI-Kritiker“-System, das kontinuierlich Millionen von Meilen an Fahrdaten analysiert, um unerwünschte Muster aufzudecken, bevor diese zu einem Vorfall führen, beschreiben einen Ansatz zur Sicherheitsvalidierung, bei dem die von der Flotte selbst gesammelten Erfahrungen als kontinuierlicher Input für die Überprüfung dienen und nicht als statischer Trainingsdatensatz, auf den das Unternehmen in regelmäßigen Abständen zurückgreift. Dieser Unterschied ist aus betrieblicher Sicht von Bedeutung, da ein System, das nur in festgelegten Nachtrainingsintervallen aus Daten lernt, monatelang ein latentes Fehlermuster in sich tragen kann, bevor es in den Gesamtstatistiken bemerkt wird, während die kontinuierliche automatisierte Überprüfung darauf ausgelegt ist, dasselbe Muster innerhalb eines wesentlich kürzeren Zeitraums aufzudecken. Waymo kombiniert diese kontinuierliche Überprüfung mit einer Closed-Loop-Simulation, bei der die simulierte Umgebung realistisch auf das Fahrzeug reagiert, anstatt festgelegte, voraufgezeichnete Szenarien wiederholt. Dies ermöglicht es dem Unternehmen, Hypothesen über seltene Fehlermodi einem Stresstest zu unterziehen, ohne darauf warten zu müssen, dass genügend Meilen in der realen Welt zurückgelegt werden, um eine statistisch aussagekräftige Stichprobe eines Ereignisses zu sammeln, das möglicherweise nur einmal pro mehreren Millionen gefahrener Meilen auftritt.
Das siebte Prinzip – wonach Bild-Sprache-Modelle in Kombination mit Sensorfusion, die das Unternehmen intern als „Fast-and-Slow“-Architektur bezeichnet, zusätzliche Schlussfolgerungsfähigkeiten bieten – ist das konzeptionell ehrgeizigste der zehn Prinzipien und steht in direktem Zusammenhang mit dem branchenweiten Bestreben, auf Fundamentmodellen basierende Fahrsysteme zu entwickeln. Der „Fast-and-Slow“-Ansatz lehnt sich bewusst an die kognitive Dual-Prozess-Theorie an: Eine schnelle, reflexartige Ebene bewältigt routinemäßige Fahrentscheidungen mit der Geschwindigkeit, die eine Echtzeitsteuerung erfordert, während eine langsamere, eher überlegende Ebene – ähnlich der Art und Weise, wie ein Sprachmodell ein mehrdeutiges Szenario verarbeitet – bei wirklich neuartigen Situationen zum Einsatz kommt, die ein rein reaktives System nur schwer sicher bewältigen könnte. Diese Architektur ist
Waymos Versuch, die Vorteile der Generalisierung zu nutzen, die große Modelle in anderen Bereichen gezeigt haben, ohne dabei auf die deterministische Reaktion mit geringer Latenz zu verzichten, die ein fahrendes Fahrzeug für die routinemäßige Steuerung benötigt – ein Gleichgewicht, über das in der gesamten Branche für autonome Fahrzeuge nach wie vor intensiv diskutiert wird und das Waymo nicht als endgültig gelöst betrachtet.Regulierung als tatsächlicher Engpass, nicht die Technologie
Im achten und neunten Grundsatz wird Waymos Beitrag am deutlichsten zu einer Botschaft an Regulierungsbehörden und Unternehmenspartner und weniger an ein allgemeines technisches Publikum. Waymo beschreibt ein formales, quantitatives Governance-Rahmenwerk, das vor jeder Entscheidung über eine Expansion, vor dem Wegfall eines Sicherheitsfahrers, vor dem Eintritt in eine neue Stadt oder vor der Erweiterung eines Betriebsbereichs bewertet, ob das System ausreichende Betriebsreife bewiesen hat, sowie ein kontinuierliches „Daten-Flywheel“, das die Erfassung, Kennzeichnung, das Umtrainieren und die Validierung als ständigen Betriebsprozess und nicht als periodisches Projekt durchläuft. Zusammen beschreiben diese beiden Grundsätze eine Organisation, die ihr Expansions Tempo an einem Governance-Gate ausrichtet und nicht allein am Vertrauen der Ingenieure – was eine besser zu vertretende Position darstellt, wenn es darum geht, in einen neuen regulatorischen Rechtsraum wie die Europäische Union vorzudringen, als es ein rein technisches Sicherheitsargument für sich allein wäre, da Regulierungsbehörden, die eine neuartige Technologie bewerten, im Allgemeinen eher von einem nachgewiesenen, wiederholbaren Entscheidungsprozess als von einer bloßen Leistungsstatistik, für deren Überprüfung sie nur über begrenzte unabhängige Mittel verfügen.
Der zehnte und letzte Grundsatz – dass es keinen Ersatz für echte Autonomie gibt und dass verbesserte Fahrerassistenzsysteme keinen gültigen Ersatz für echte Reife der Stufe 4 darstellen – ist Waymos pointierteste und wettbewerbsmäßig brisanteste Behauptung, eine implizite Widerlegung gegenüber Konkurrenten, die durch zunehmend leistungsfähigere Fahrerassistenzprodukte schrittweise auf volle Autonomie hinarbeiten. Waymos Argument lautet, dass ein System, das auf der Annahme basiert, dass ein menschlicher Fahrer weiterhin als
Ein Fallback-System entwickelt andere technische Vorgehensweisen und birgt andere latente Annahmen in seiner Sicherheitsarchitektur als ein System, das von Anfang an gänzlich ohne menschliches Fallback konzipiert wurde; zudem verschwinden diese Unterschiede nicht einfach, sobald die Leistungsdaten eines Fahrerassistenzsystems denen eines wirklich autonomen Systems ähneln. Ob dieses Argument stichhaltig ist, dürfte von Konkurrenten, die den inkrementellen Weg verfolgen, angefochten werden; es handelt sich jedoch um eine schlüssige, überprüfbare Position und nicht um eine Marketingbehauptung. Außerdem liefert es Käufern, die konkurrierende Anbieter autonomer Fahrsysteme bewerten, eine konkrete architektonische Frage, die es zu stellen lohnt: Wurde dieses System von Anfang an ohne menschliche Ausweichlösung konzipiert, oder wurde die volle Autonomie erst später einem System hinzugefügt, das ursprünglich auf einer solchen Ausweichlösung basierte?Das Signal, das es nach München mitzunehmen gilt
Waymos Entscheidung, technische Details dieser Tiefe in derselben Woche zu veröffentlichen, in der das Unternehmen den Eintritt in einen neuen europäischen Markt bestätigte, ist kein Zufall. Eine Betriebsbilanz von 200 Millionen Meilen ist der stärkste verfügbare Beweis des Unternehmens dafür, dass sein auf zehn Prinzipien basierendes Rahmenwerk ein System hervorbringt, dem Regulierungsbehörden und die Öffentlichkeit ohne menschliche Ausweichlösung vertrauen können, und dieses Rahmenwerk explizit darzulegen, anstatt es als implizite Behauptung hinter einer Sicherheitsstatistik stehen zu lassen, ist eine bewusste Wette darauf, dass technische Transparenz einen neuen behördlichen Genehmigungsprozess schneller vorantreiben wird als eine Black-Box-Sicherheitsbilanz allein. Stellen Sie sich die Version dieser Geschichte vor, die nicht geschrieben wird: Ein Waymo-Fahrzeug, das in der Abenddämmerung eine nasse Münchner Kreuzung befährt, eine Straßenbahn, die seinen Weg kreuzt, ein Radfahrer, der von einem Radweg einfährt, den das Kartierungsteam nie vollständig modelliert hat, und die unabhängige Validierungsebene, die das aufgreift, was das Primärmodell übersehen hat, bevor es zu einer Schlagzeile statt zu einer Fußnote im Sicherheitsbericht des nächsten Jahres wird. Dieser unscheinbare, unsichtbare Eingriff – und nicht etwa ein weiterer Meilenstein in Form von zurückgelegten Meilen – ist es, was alle zehn Grundsätze tatsächlich gewährleisten sollen.
Haftungsausschluss: Dieser Artikel dient ausschließlich allgemeinen Informationszwecken und stellt keine
Anlage-, Rechts- oder Beschaffungsberatung. Leser sollten die Angaben anhand von Primärquellen überprüfen, bevor sie geschäftliche Entscheidungen treffen.











