Angetrieben von der KI hat sich die Entwicklung der autonomen Mobilität in den letzten Jahren beschleunigt. Sie hat Vorteile, die über den Asphalt hinausgehen.
Anfang der 2010er Jahre fand eines der ersten Experimente mit autonomen Fahrzeugen auf Öffentlichem Grund statt... Ein fahrerloser Shuttle fährt einige hundert Meter auf einer vorgegebenen Strecke rund um das Rolex Learning Center, begleitet von einem Studenten oder einer Studentin, mit einer gedrosselten Geschwindigkeit von einigen Kilometern pro Stunde.
Fünfzehn Jahre später gibt es von China bis Abu Dhabi unzählige Robotertaxis in den Städten. Waymo fährt auf Autobahnen in Kalifornien und Arizona, Elon Musk behauptet, dass seine Tesla-Robotertaxis bis Ende des Jahres in 25 bis 50 % der USA fahren werden, vorbehaltlich der behördlichen Genehmigung, und die Alphabet-Tochter bereitet sich darauf vor, Europa zu erobern, indem sie ihre fahrerlosen Waymo-Fahrzeuge in London einsetzt. Der alte Kontinent, einschliesslich der Schweiz, hat die Autonomie der Stufe 3, bei der die Fahrer das Lenkrad loslassen können, unter bestimmten Bedingungen genehmigt. Mit anderen Worten: Autonome Fahrzeuge stehen vor unserer Haustür, wenn sie nicht schon da sind.
Dennoch ist es schwierig zu sagen, wann das fahrerlose Auto zur Normalität wird. "Um eine Flotte von Robotertaxis in einer neuen Stadt zu installieren, müssen viele Daten gesammelt werden, um das System zu trainieren und zu validieren", erklärt Alexandre Alahi, Professor am Labor für visuelle Intelligenz im Transportwesen (VITA) der EPFL. Er erläutert: "Jede Stadt hat ihre eigene Identität: ihr visuelles Erscheinungsbild, ihre Strassen, ihre Beschilderung am Boden oder auf der Strasse, ihre Fahrweise, das Verhalten anderer Verkehrsteilnehmer, Zweiräder oder Fussgänger, sowohl in statischer als auch in dynamischer Form." Die Forschung konzentriert sich daher auf die Entwicklung von Modellen, die für alle Städte, komplexe Umgebungen und unvorhergesehene oder kritische Situationen geeignet sind.
KI für prädiktive Simulation
"Wir erstellen sogenannte World Models, die in der Lage sind, aus einer bestimmten realen Situation Videobilder zu generieren, die vorhersagen, was als Nächstes passieren wird", erklärt Alexandre Alahi. Mithilfe der generativen KI kann man so kritische Situationen (die noch nie eingetreten sind oder unvorhersehbar sind), für die man keine oder nur wenige reale Daten hat, simulieren und äusserst realistische Situationen erzeugen. Man kann dann den Algorithmus an diesen Simulationen testen, ihn in diesen virtuellen Umgebungen trainieren und das System für autonomes Fahren verbessern."
Autonome Fahrzeuge als Taxis einzusetzen, wird dazu beitragen, das private Fahren und möglicherweise auch den Stadtverkehr zu reduzieren.
Kenan Zhang, Professorin am Laboratory for Human-Driven Mobility Ecosystems (Labor für menschenorientierte Mobilitätsökosysteme)
Im Gegensatz zu grossen Sprachmodellen (LLM), die keine direkten Simulations- oder Vorhersagemöglichkeiten für physische Umgebungen haben, lernen "Weltmodelle" Darstellungen aus sensorischen Daten und prognostizieren Dynamiken wie Bewegung, Kraft und räumliche Beziehungen. Wenn ein Fahrzeug beispielsweise auf eine potenzielle Anomalie vor ihm trifft, generiert das Weltmodell kontinuierlich mehrere Möglichkeiten für den nächsten Moment: bremsen, die Spur wechseln oder andere vorbeugende Massnahmen ergreifen.
In seinem Labor arbeitet Alexandre Alahi auch daran, die Maschine mit unserer sozialen Intelligenz auszustatten. "Wenn ein 18-Jähriger in etwa 20 Stunden Autofahren lernen kann, liegt das daran, dass er ein gewisses Verständnis der Welt hat. Dieses wird für das Fahren sozusagen aktualisiert", erklärt der Professor. Eine KI kann heute nicht in 20 Stunden lernen, in allen Städten Auto zu fahren. Selbst wenn sie besser als der Mensch sein wird, weil sie eine 360-Grad-Sicht hat, schnellere Reflexe oder nie auf ihr Smartphone schauen wird. Unser Ziel ist es daher, die individuelle Intelligenz der Maschine zu entwickeln, um den Menschen zu simulieren. Die Herausforderung besteht darin, sie in allen Situationen zuverlässig zu machen, auch in sehr unwahrscheinlichen Fällen"
Auf dem Weg zu einem autonomen System
Heute hat das autonome Fahren noch einige Fehlzündungen - die oft für Schlagzeilen sorgen und der Konkurrenz in die Hände spielen. Der Forscher ist jedoch überzeugt, dass es eine Lösung für die Zukunft ist. "Selbstfahrende Autos können eine nahezu unfallfreie Welt schaffen. Ich betrachte nicht nur die schweren Fälle, sondern auch einen kleinen Zusammenstoss, der geeignet ist, den Verkehr stundenlang zu blockieren. Das hat enorme Ökologische und soziale Auswirkungen in Form von verlorenen Stunden und Verspätungen, die eine ganze Kette von Kausalitäten auslösen. Darüber hinaus verfügt die Maschine über eine Fülle von Informationen, die wir nicht haben und nicht verarbeiten können, die es ihr ermöglichen, optimale Entscheidungen zu treffen, z. B. in Bezug auf den Energieverbrauch."
Kenan Zhang, Professorin am Labor für menschenorientierte Mobilitätsökosysteme der EPFL, sieht ihrerseits auf der Makroebene die Integration autonomer Fahrzeuge in die Verkehrssysteme. "Autonome Fahrzeuge als Taxis einzusetzen, wird dazu beitragen, das private Fahren zu reduzieren und potenziell den Stadtverkehr zu verringern", glaubt sie. Aber wir brauchen ein sehr effizientes System, das sicherstellt, dass diese Robotertaxis genauso flexibel sind wie Privatfahrzeuge, damit die Menschen bereit sind, sie zu übernehmen." Sie glaubt auch, dass autonome Fahrzeuge eine neue Form der geteilten Mobilität schaffen: "Anstatt ein Auto zu besitzen und es die meiste Zeit geparkt zu lassen, können Sie es an andere Reisende vermieten, wenn Sie es nicht brauchen." Wie viele Jahre wird es noch dauern, bis dies erreicht ist?
VerweiseDieser Artikel erschien in der März-Ausgabe 2026 des Magazins Dimensions, das mit ausführlichen Dossiers, Interviews, Porträts und Nachrichten die herausragenden Leistungen der EPFL hervorhebt. Das Magazin wird auf dem Campus der EPFL kostenlos verteilt.
