Seite - 181 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 181 ren: Erstens soll die Leistungsfähigkeit des Menschen erweitert werden, da automa- tisierte Fahrzeuge die Mobilität für alle (Minderjährige, Senioren und Menschen mit Behinderungen) erhöhen oder überhaupt erst ermöglichen. Die zweite Vision ist eine deutliche Reduzierung der Verkehrsunfälle. Dies ist ein zentrales Argument für die Einführung des automatisierten Fahrens, da mehr als 90  Prozent der jährlich 1,25 Millionen Verkehrstoten weltweit auf menschliches Versagen zurückzuführen sind (Smith 2013). Dies, so die Hoffnung, ließe sich in einem vollautomatisierten und voll- ständig vernetzten Verkehrssystem vermeiden. Auf eine Optimierung der Verkehrs- flüsse zielt eine dritte Vision, es geht um die Entlastung des urbanen Verkehrs. Dies könne z.  B. durch eine größere Attraktivität von (neuen) Alternativen zum privaten und personenbezogenen Fahrzeug erreicht werden. Die drei Vorstellungen, Mobilität durch KI zu verbessern, visualisiert Abbildung 9.2. Nutzerakzeptanz als Erfolgsfaktor für das automatisierte Fahren Der Durchbruch neuer Technologien hat neben seinen technischen oft auch soziale Aspekte. Bis das automatisierte Fahren eine alltägliche und selbstverständliche Ange- legenheit für uns alle sein wird, müssen die Entwickler noch einige Hürden auf jeder dieser Ebenen überwinden. Zum Beispiel können die notwendigen Lernphasen für die unterschiedlichen KI-Anwendungen, insbesondere wenn es um Sicherheit geht, nicht einfach im realen Verkehr stattfinden (siehe Einleitung zu Kapitel Technologie „Entwicklungswege zur KI“). Gleichwohl wird der KI-Algorithmus erst durch Lernvor- gänge kontinuierlich besser und robuster. Sind hierfür ausreichend Vergleichsdaten in entsprechender Güte vorhanden, kann anhand dieser Datenbasis eine Phase der Anwendungsalgorithmen einsetzen, in der sie „angelernt“ werden, z.  B. kritische Situationen im Straßenverkehr zu erkennen und darauf zu reagieren. Oder sie lernen, mittels Spracherkennung intuitiv mit dem Fahrer zu interagieren, die Gefühlslage des Fahrers bzw. der Passagiere einzuschätzen, um aktiv darauf einzugehen. Wenn auch eine KI-Anwendung im Laufe der Zeit immer zuverlässiger wird, ist in frühen Stadien mit einer hohen Fehlerquote zu rechnen. In den sicherheitsrelevanten Anwendungen der Mobilität ist dies jedoch inakzeptabel. Für das automatisierte Fah- ren können falsche Ergebnisse etwa beim Erkennen der Umgebung potenziell lebens- bedrohlich sein und dürfen weder vom Hersteller noch vom Nutzer hingenommen werden. Und das automatisierte Fahren wirft weitere Fragen auf, die derzeit ungeklärt sind, insbesondere ethischer Natur. Was soll geschehen, wenn das autonome Fahrzeug einen unausweichlichen Unfall detektiert und urteilen muss, ob Personen-, Tier-, oder Sachschäden vorzuziehen sind (Ethik-Kommission 2017)? Eine Implementierung derartiger Entscheidungen in einen Algorithmus möchte wohl kein Autohersteller und erst recht keine Ingenieurin und kein Ingenieur verantworten. Auch fehlt derzeit