Autonomes Fahren: So kämpfen Tesla, Uber und Co um Vertrauen und Sicherheit
Inhalt
Auf der GTC 2026 wird beim Thema autonomes Fahren schnell klar: Die großen Visionen sind formuliert, jetzt geht es um Details, Daten und Risiken. In einer Paneldiskussion mit Vertretern von Nvidia, Tesla, Waabi, Motional, Uber und der kalifornischen Verkehrsbehörde DMV dreht sich alles um eine Frage: Wie lässt sich Sicherheit wirklich nachweisen?
Moderator Ali Kani, Automotive-Chef bei Nvidia, bringt die Herausforderung gleich zu Beginn auf den Punkt. Anders als bei KI-Textgeneratoren gehe es hier nicht um harmlose Fehler. "Wir wollen hier nie einen Fehler machen" , sagt er – schließlich gehe es um menschliche Sicherheit.
Zwischen den technischen Details wird ein größerer Trend sichtbar: Autonomes Fahren entwickelt sich zu einem der wichtigsten praktischen Einsatzfelder moderner KI.
Ashok Elluswamy, für die KI-Software bei Tesla zuständig, beschreibt offen, dass viele Methoden aus großen Modellen direkt übernommen werden. Training, Nachtraining und kontinuierliches Lernen ähneln stark den Verfahren aus Sprachmodellen.
Das Ziel formuliert er ungewöhnlich klar: Fahrzeuge seien der erste Schritt hin zu einer allgemeinen KI für die physische Welt. Es gehe nicht mehr nur um Fahrfunktionen, sondern um Systeme, die komplexe reale Situationen verstehen und darauf reagieren – mit all den Unsicherheiten der echten Welt.
Unterschiedliche Ansätze, gleiches Ziel
Die technischen Strategien bleiben dabei gegensätzlich. Elluswamy beschreibt Teslas Ansatz als radikal vereinfacht: Kameras statt Sensorfusion, ein durchgehendes neuronales Netz vom Eingang bis zur Fahrzeugsteuerung. "Wir haben das gesamte System end-to-end gemacht" , erklärt er.
Das auf autonomes Fahren für den Güterverkehr spezialisierte Unternehmen Waabi verfolgt eine Art Gegenentwurf. CEO Raquel Urtasun setzt auf Kamera, Lidar und Radar, um unterschiedliche Fehlerquellen abzufangen. "Diese Modalitäten haben sehr unterschiedliche Fehlerarten" , sagt sie.
Die Firma Motional (Level-4-Robotaxis) wiederum kombiniert mehrere Sensoren mit sogenannten Large Driving Models. CEO Laura Major betont vor allem die schwierigen Fälle: "Wir konzentrieren uns auf die wirklich harten Situationen."
Das könnte sein, wenn ein Fußgänger plötzlich zwischen parkenden Autos auf die Straße tritt, ein anderes Fahrzeug unerwartet einschert oder eine unübersichtliche Baustelle mit provisorischer Beschilderung und ungewöhnlichen Verkehrsführungen bewältigt werden muss.
- Anzeige Hier geht es zu Autonomes Fahren und die Zukunft der Mobilität bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.