Eine wichtige Herausforderung für die Akzeptanz des autonomen Fahrens ist es, die Sicherheit der Verkehrsteilnehmenden zu gewährleisten, ohne dabei Einbußen in puncto Geschwindigkeit hinnehmen zu müssen. Ein Team aus Wissenschaftlerinnen und Wissenschaftlern des Fraunhofer-Instituts für Experimentelles Software Engineering IESE, des Fraunhofer-Instituts für Kognitive Systeme IKS und der Universität York hat nun ein dynamisches Risikomanagement als Bestandteil einer Referenzsicherheitsarchitektur entwickelt. Dieses vermittelt dem Fahrzeug ein besseres Verständnis der aktuellen Gefahren der Fahrsituation. Dabei werden die Möglichkeiten von KI genutzt, um etwa Einflussfaktoren wie das Fahrverhalten anderer Verkehrsteilnehmenden zu analysieren und zu berücksichtigen.
Selbstfahrende Autos zu bauen, die den menschlichen Fahrzeuglenkenden in puncto Sicherheit überlegen sind, würde nach heutigem Stand der Technik mit Einbußen bei der Geschwindigkeit einhergehen, was eine weiterhin sinkende Akzeptanz der autonomen Mobilität zur Folge hätte. Dies ergab eine Studie des Insurance Institute for Highway Safety, einer amerikanischen Verkehrssicherheitsorganisation, die regelmäßig Forschungsergebnisse zum autonomen Fahren veröffentlicht.
Im Projekt »LOPAAS« (Layers of Protection Architecture for Autonomous Systems) verfolgen das Fraunhofer IESE, das Fraunhofer IKS und die Universität York das Ziel, es autonomen Fahrzeugen zu ermöglichen, schneller und sicherer zu fahren. Die Ergebnisse des Projekts sollen für den Technologietransfer in die Standardisierung und Normierung einfließen.
Die Projektpartner entwickeln innovative Sicherheitskonzepte für die zwei großen Anwendungsbereiche: zum einen für Robotaxis und Roboshuttles – selbstfahrende Autos für einen oder mehrere Fahrgäste – und zum anderen für in Privat-Pkws integrierte Autobahnpiloten. Die Sicherheitskonzepte werden an konkreten Nutzungsszenarien eines Autobahnpiloten untersucht. Mit dem digitalen »Safety-Ingenieur« bringen die Forschungsteams ein System an Bord, das das automatisierte Fahren für die unterschiedlichen Use Cases bei garantierter Sicherheit effizienter macht. Angepasst an die Verkehrssituation reagiert der digitale Safety-Ingenieur individuell und beeinflusst das Fahrverhalten und das Fahrgefühl der Person am Steuer. Dabei ermöglicht das dynamische Risikomanagement mithilfe von KI ein vorausschauendes Fahren, wobei die erforderlichen Abstände zu anderen Fahrzeugen eingehalten und harte Bremsungen verhindert werden.
»Aktuelle Ansätze gehen von Worst-Case-Szenarien aus, um die optimale Sicherheit zu gewährleisten. Sie basieren u.a. auf Berechnungen physikalischer Gesetzmäßigkeiten, also wie sich Objekte bewegen. Dies führt jedoch zu einer verminderten Geschwindigkeit des Fahrzeugs. Problematisch ist darüber hinaus die korrekte Einschätzung von mehreren Risiken, die zeitgleich auftreten können, beispielsweise ein plötzlich links vom Fahrzeug auftauchender Fußgänger und ein Radfahrer auf der rechten Fahrzeugseite«, sagt Dr. Rasmus Adler, Program Manager »Autonomous Systems« am Fraunhofer IESE und Projektleiter von »LOPAAS«. »Es geht darum, den Fahrzeugen ein Risikoverständnis zu implementieren, das nicht den Worst Case kalkuliert und damit alle Risiken überschätzt.« Dabei nutzt das Forschendenteam kausale bayessche Netze, um die gemeinsame Wahrscheinlichkeitsverteilung aller risikorelevanten Variablen möglichst kompakt zu repräsentieren und damit dem System das Verständnis des dynamischen Kontextes zu ermöglichen. (oe)
Fraunhofer-Institut für Experimentelles Software Engineering IESE
