Validierung neuer Fahrerassistenzsysteme
Die sogenannte Szenarienerkennung ermöglicht bei der Validierung neuer Fahrerassistenzsysteme eine zielorientierte Datenspeicherung und gewährleistet die schnelle Verfügbarkeit von Aufnahmen. Sie identifiziert bereits beim Einfahren der Testdaten wahrscheinliche Szenarien und generiert daraus verlässliche Algorithmen. Ein weiterer Vorteil liegt im effizienten Einsatz von Speicherplatz. Erkannte Szenarien werden zunächst als Meta-Informationen in einer separaten Datenbank hinterlegt und können gegebenenfalls in ein cloudbasiertes Datenmanagementsystem hochgeladen werden.
Die Antwort heißt „Deep Learning”
Gerade bei neuen Systemen können unerwartete Verhaltensweisen auftreten, die vom Standardverhalten abweichen und eine besondere Beachtung erfordern. Künstliche Intelligenz hilft dabei, wenn es darum geht, die Umweltwahrnehmung und -interpretation von Sensoren zu verbessern. Da die quasi unendliche Anzahl möglicher Verkehrssituationen – wie z. B. Regen oder Wildwechsel – eine eindeutige Szenarienbeschreibung fast unmöglich macht, stößt die klassische Software bei Entwicklungen für das Automatisierte Fahren schnell an ihre Grenzen.
Wie aber kann eine KI-basierte Software die vielen Bilder und Daten richtig interpretieren? Die Antwort lautet: „Deep Learning”, also spezifische Algorithmen für die Objekterkennung. Der Computer lernt quasi selbst die entsprechenden Vorgehensweisen, indem er sie aus einer großen Menge an Beispieldaten adaptiert. Die hierfür eingesetzten neuronalen Netze ähneln den Nervenzellenvernetzungen im menschlichen Gehirn und ermöglichen, auch komplexe Situationen abzubilden und selbst auf neue Situationen reagieren zu können.
Teil hochautomatisierter Systeme
Bei all den Vorteilen, die sich über Deep Learning und den Einsatz von KI auf dem Weg zum autonomen Fahren ergeben – bleibt der Mensch da nicht auf der Strecke? „Ganz und gar nicht!”, ist sich Josef Behammer sicher. Vielmehr gelte es, den Dialog zwischen Mensch und Maschine zukünftig zu optimieren. Man könne auch von Teamarbeit sprechen, bei der KI in erster Linie Routineaufgaben übernimmt oder als Assistent dient. Denn bei Geschwindigkeit, Berechnungen oder parallelen Tätigkeiten siegt die Künstliche Intelligenz. Wenn es dagegen um Kreativität, Intuition oder Problemlösung geht, ist der Mensch besser. „Circa 80 Prozent der Gründe, warum Beinahe-Unfälle nicht zu Unfällen werden, sind auf menschliches Handeln zurückzuführen – das ist ein Beweis dafür, dass Autofahren noch auf lange Sicht ein Zusammenspiel von Mensch und Maschine bedeutet. Mit der Weiterentwicklung der Technologien wird die Maschine aber immer mehr Funktionen übernehmen und sich der Mensch weiter zurücknehmen können”, wirft Klaus Zaeper, der bei b-plus Software für Algorithmen und Machine Learning entwickelt, einen Blick in die Zukunft.
