Whitepaper: AIDV – die nächste Evolutionsstufe des Software-Defined Vehicle

Lesezeit: 20 min.; Gesamtbewertung: ++++o; Technische Tiefe: Skilled; Zugang: frei: Sprache: engl.

Architektur für agentenbasierte KI im Automobilbereich. (© Qualcomm Technologies)

Das englischsprachige Whitepaper beschreibt Qualcomms Vision des AI-Defined Vehicle (AIDV) als nächste Evolutionsstufe des Software-Defined Vehicle. Während SDVs Funktionen primär per Software aktualisieren, werden beim AIDV Fahrzeugverhalten, Nutzererlebnis und Systementscheidungen maßgeblich durch KI-Modelle, agentische Systeme und datengetriebene Prozesse bestimmt. Qualcomm positioniert die Snapdragon Chassis Agents als zentrales Bindeglied, um diese agentische KI praxisnah im Fahrzeug umzusetzen.

Kern des Ansatzes ist die Kombination aus Generative AI, Agentic AI und Compound AI. Mehrere spezialisierte Modelle (LLM, SLM, VLM, VLA) und autonome Software-Agenten werden orchestriert, um kontextbewusste, zielgerichtete Entscheidungen in Echtzeit zu treffen. Beispiele reichen von personalisierten Interaktionen und intelligenter Routenplanung bis hin zu sicherheitskritischen Szenarien wie Fahrerüberwachung oder automatisierter Notfallintervention. Entscheidend ist dabei die On-Device-Inference mit niedriger Latenz, ergänzt durch Cloud-Agenten für komplexere Analysen und Flottenfunktionen.

Architektonisch setzt der Autor Girish Shirasat, Senior Director Engineering bei Qualcomm Technologies, auf eine hybride Agentenstruktur aus Fahrzeug- und Cloud-Ebene. Zentrale Rolle spielen Model Context Protocol (MCP) Server, die ADAS, Cockpit, Telematik und V2X abstrahieren und klassische SOA-Services für agentische Workflows nutzbar machen. Aufgezeigt wird, wie bestehende automotive Softwareparadigmen nicht ersetzt, sondern über agentische Interfaces erweitert werden. Der Software-Stack wird in AIDV-Infrastruktur und SDV-Basisschicht getrennt, inklusive Hypervisoren, Mixed-Criticality-Compute und MLOps-Pipelines.

Für Entwickler ist das Whitepaper vor allem als Architektur- und Orientierungsdokument wertvoll. Es liefert ein konsistentes Begriffsmodell für agentische KI im Fahrzeug, nachvollziehbare Übergänge zwischen SOA-Services und agentischen Interfaces sowie Einblicke in Qualcomms Middleware- und SDK-Strategie.

Weniger hilfreich ist es für Entwickler, die konkrete Implementierungsdetails erwarten. Code-Beispiele, Performance-Kennzahlen oder Aussagen zu Safety-Zertifizierung und ISO-26262-Abgrenzung fehlen weitgehend. Offene Fragen zu Interoperabilität mit Nicht-Qualcomm-Plattformen, Migrationsaufwand bestehender E/E-Architekturen oder realen Hardwaregrenzen werden nur indirekt adressiert. Zudem werden Herausforderungen wie Debugging agentischer Systeme, deterministisches Verhalten oder regulatorische Aspekte kaum diskutiert.

Für OEMs und Systemarchitekten bietet das 21-seitige Whitepaper eine gute Orientierung, für Softwareentwickler ist es jedoch eher Einstieg und Diskussionsgrundlage als praktischer Leitfaden. (oe)

Link zum Whitepaper (pdf, 21 Seiten)