Starsky Robotics: Woran ein Startup für autonome Lkw gescheitert ist
Es hätte alles so toll werden können. Noch vor wenigen Jahren herrschte der Eindruck vor , dass schon 2020 völlig autonome Autos weltweit auf den Straßen unterwegs sein könnten. Davon ist die Technik immer noch weit entfernt. Der Chef und Gründer des Startups Starsky Robotics, Stefan Seltz-Axmacher, hat die Gründe dafür in einem ausführlichen Blogbeitrag auf Medium.com (öffnet im neuen Fenster) erläutert. Sein Startup für selbstfahrende Lkw ist pleite, obwohl es schon vielversprechende Erfolge erzielt hat.
Vorauszuschicken ist dabei: Das Scheitern eines bis dato erfolgreichen Startups sagt nichts darüber aus, ob die dahinterstehende Technik nicht doch erfolgreich sein kann. Selbst die Google-Schwesterfirma Waymo gab kürzlich den Einstieg externer Investoren bekannt . Rund 1.500 Entwickler sollen Waymo eine Milliarde US-Dollar jährlich kosten. Vergleichsweise bescheiden erscheint da die Finanzierungsrunde von 20 Millionen US-Dollar, an der Starsky Robotics im vergangenen November scheiterte. Offenbar fehlte den Risikokapitalgebern das Vertrauen, dass ein kleines Startup mit etwas mehr als 30 Mitarbeitern tatsächlich das autonome Fahren entwickeln könne.
Auch Daimler setzt auf autonome Lkw
Dabei kann sich Starsky Robotics rühmen, im Jahr 2018 den ersten Lkw mit Straßenzulassung vollautonom auf eine Teststrecke geschickt zu haben. 2019 folgte laut Seltz-Axmacher die erste unbemannte Testfahrt auf einer öffentlichen Straße. Allerdings setzte Starsky dabei auf eine Fernüberwachung der Lkw durch einen menschlichen Operateur am Bildschirm(öffnet im neuen Fenster) , vor allem bei komplexeren Verkehrssituationen.
Dabei scheint sich Starsky mit autonomen Lkw für ein praktikables Geschäftsmodell entschieden zu haben. Auch der Daimler-Konzern setzt beim autonomen Fahren zunächst auf Lkw . "Im Hinblick auf vollständig autonome Fahrzeuge haben wir die Prioritäten geändert und geben nun Lkw den Vorrang gegenüber Pkw" , sagte Daimler-Chef Ole Kallenius im März 2020. Bei Lkw sei das Geschäftsmodell am attraktivsten.
Dieses Konzept ging im Falle von Starsky Robotics allerdings nicht auf. Dabei dürften die Anforderungen an das autonome Fahren bei monotonen Lkw-Touren auf der Autobahn deutlich geringer sein als im dichten Stadtverkehr mit Fußgängern und Radfahrern. Die Speditionsunternehmen könnten wiederum Personalkosten sparen, wenn sie die Lkw autonom beispielsweise von Verteilungszentrum zu Verteilungszentrum schicken könnten. So weit die Theorie.
Maschinelles Lernen als Hype
Seltz-Axmacher zufolge gibt es eine Reihe von Problemen beim autonomen Fahren, die auch zum eigenen Scheitern beigetragen hätten. Dazu zählten die professorenhafte Geschwindigkeit, mit der die meisten Teams arbeiteten, das Fehlen konkreter Etappenziele beim Einsatz der Technik sowie "das offene Geheimnis, dass es kein Geschäftsmodell für autonome Taxis gibt" . Das größte Problem sei jedoch, dass das überwachte maschinelle Lernen dem aktuellen Hype nicht gerecht werde. "Es ist nicht wirklich eine künstliche Intelligenz, die etwas mit C-3PO zu tun hat, sondern ein ausgefeiltes Werkzeug zur Mustererkennung" , sagte der Starsky-Gründer in Anspielung auf den humanoiden Roboter aus Star Wars(öffnet im neuen Fenster) .
Ähnlich skeptisch zu dem Thema hatte sich kürzlich der Kaiserlauterer Informatikprofessor Peter Liggesmeyer geäußert: "Wenn KI-Systeme als 'neuronale statistische Datenanalysen' bezeichnet würden, was der Realität wesentlich näher käme, dann würde sich wahrscheinlich keiner Gedanken darüber machen." Ein Teil des Hypes um die KI liege in dem Begriff selbst begründet, sagte er im Interview mit Golem.de .
Doch warum sind die Fortschritte beim maschinellen Lernen nicht so groß, wie das vor fünf Jahren noch vielfach erwartet wurde?
Mooresches Gesetz gilt nicht
Laut Seltz-Axmacher ging man 2015 noch davon aus, dass sich die Fortschritte beim Maschinellen Lernen am sogenannten Mooreschen Gesetz orientierten. Mit exponentiell steigender Rechenkapazität wären die Systeme in der Lage, die komplexen Anforderungen des autonomen Fahrens zu bewältigen. "Fünf Jahre später versprechen Entwickler autonomer Autos keine künstliche allgemeine Intelligenz mehr mit der nächsten Programmversion. Stattdessen ist man sich einig, dass wir mindestens zehn Jahre von selbstfahrenden Autos entfernt sind" , sagt der Starsky-Begründer.
Woher rührt diese Skepsis? Schließlich lässt Waymo doch schon Passagiere mit Testautos durch die Umgebung von Phoenix im US-Bundesstaat Arizona chauffieren, in denen kein Sicherheitsfahrer mehr an Bord ist . Für Seltz-Axmacher liegt die Hauptschwierigkeit für die KI darin, ungewöhnliche Situationen zu beherrschen. Je besser das vorhandene Modell, desto schwieriger sei es, belastbare Datensätze für neue Grenzfälle zu finden. Und je besser das Modell sei, desto genauer müssten die Daten sein, um es zu verbessern.
"Anstatt exponentielle Verbesserungen bei der Qualität der KI-Leistung zu sehen (nach dem Mooreschen Gesetz), sehen wir eine exponentielle Steigerung bei den Kosten, um die KI-Systeme zu verbessern" , lautet sein Resümee. Die Fortschritte beim Maschinellen Lernen glichen hingegen eher einer S-Kurve.
Drei Szenarien
Diese S-Kurve sei ein Grund dafür, dass kleine Teams wie bei Comma.ai zum Teil mit großen Teams wie bei Tesla mithalten könnten. Problematisch könne dieser asymptotische Kurvenverlauf jedoch werden, wenn der zu erreichende Grenzwert noch zu weit vom aktuellen Stand entfernt sei. Der Grenzwert ist in diesem Fall die menschliche Fähigkeit zum Autofahren, die auch von den KI-Systemen erreicht werden soll.
Der Starsky-Chef unterscheidet dabei drei Szenarien: Im ersten Fall sind die KI-Systeme schon so gut, dass sie die menschlichen Fähigkeiten bereits erreichen (L1). Dann wären nur noch Verbesserungen bei der Sicherheit erforderlich, um die Technik einzusetzen. "Ich glaube nicht, dass ich irgendjemanden kenne, der dies ernsthaft annimmt, aber es ist eine Möglichkeit." Im zweiten Fall sind die Entwicklerteams nur noch "1 bis 25 Milliarden Dollar" von dieser Linie entfernt (L2). Darauf setzten derzeit die Investoren, wenn sie davon ausgingen, dass nur große Firmen das Problem lösen könnten.
Scheues Risikokapital
Im dritten Fall ist der Abstand noch deutlich größer. Das sei gemeint, wenn behauptet werde, selbstfahrende Autos seien noch etwa zehn Jahre entfernt. In diesem Fall (L3) sei praktisch kein Startup in der Lage, jemals eine solche Technik zu liefern.
Das Scheitern von Starsky Robotics hat laut Seltz-Axmacher auch mit den besonderen Bedingungen des Risikokapitalmarktes zu tun. Die Begeisterung für autonomes Fahren scheint demnach abgeklungen zu sein. Darüber hinaus hätten die Investoren zum einen nicht als Flottenbetreiber auftreten wollen, zum anderen nicht die Investitionen von Starsky in das Thema Sicherheit honoriert.
Doch das war nicht alleine ausschlaggebend.
Höhere Gewinnmargen erhofft
Ebenso wichtig wie die Möglichkeit zur Fernlenkung der Lkw ist für Seltz-Axmacher der Betrieb der eigenen Lkw-Flotte. Denn dann könne das Unternehmen selbst entscheiden, wo und unter welchen Bedingungen die Lkw fahren könnten. Die Speditionsunternehmen seien zudem technisch nicht sehr fortschrittlich und kaum in der Lage, den Betrieb selbstfahrender Lkw zu übernehmen. Selbst wenn Starsky die autonomen Systeme und die Sicherheit perfektioniert hätte, hätte es Jahre gedauert, um mit dem Verkauf der Technik Gewinn machen zu können.
Beim eigenen Betrieb der Lkw seien die Margen für die Investoren jedoch längst nicht so groß. Diese würden lieber hohe Margen bei wenig Umsatz als niedrigere Margen mit deutlich mehr Umsatz verbuchen.
Sicherheit nicht sexy
Zu guter Letzt moniert der gescheiterte Entwickler, dass das Thema Sicherheit in der Öffentlichkeit als nicht besonders interessant wahrgenommen wird. "Sicherheitstechnik besteht darin, das eigene Produkt intensiv zu dokumentieren, um die Ausfallbedingungen und die Schwere der Fehler zu kennen. Dann muss man die Häufigkeit dieser Bedingungen messen, um einschätzen zu können, mit welcher Wahrscheinlichkeit das Produkt Menschen verletzen könnte gegenüber der Zahl der Verletzten, die als akzeptabel eingestuft wird" , schreibt Seltz-Axmacher. Dieser Prozess sei so schwierig, dass das Starsky mehrere Jahre damit verbracht habe.
Der Erfolg dieser "unsichtbaren" Arbeit sei Investoren schwer zu vermitteln. Attraktiver seien hingegen Entscheidungsverfahren (decision maker) wie das automatische Überholen oder das Fahren auf innerörtlichen Straßen. Dabei spiele es keine Rolle, dass es noch sehr viel Arbeit bedeuten könne, diese Funktionen tatsächlich zuverlässig zu machen.
Die Nische war nicht klein genug
Das Scheitern von Starsky bedeutet jedoch nicht, dass kleine Firmen beim autonomen Fahren nicht gegen die großen Konzerne ankommen können. So hat das Berliner Startup Enway mit selbstfahrenden Kehrmaschinen eine Nische entdeckt, die für einen Konzern wie Google, Daimler oder Volkswagen nicht interessant sein dürfte. Der Starsky-Konkurrent Otto, 2016 vom früheren Google-Entwickler Anthony Levandowski gegründet , wurde hingegen von Uber aufgekauft. Hier spielte es wohl eher eine Rolle, Know-how von Googles Autoprojekt über eine Art Scheinfirma zu Uber zu transferieren .
Mit ihrem erworbenen Wissen dürften auch die Starsky-Mitarbeiter auf dem Arbeitsmarkt sicher gefragt sein. Vielleicht können sie damit doch noch dazu beitragen, dass in den nächsten zehn Jahren tatsächlich selbstfahrende Lkw auf der Straßen unterwegs sind.