Page - (000490) - in Autonomes Fahren - Technische, rechtliche und gesellschaftliche Aspekte

Lernen autonome Fahrzeuge?472 22.4 Die Automation, die den lernenden Fahrer ersetzt Für die Automobilindustrie ist Maschinelles Lernen und Künstliche Intelligenz nicht nur bei der Automatisierung der Fahrzeugführung von Interesse, sondern auch in anderen Be- reichen wie dem Design, der Produktion oder dem After-Sales-Management [19]. Diese Bereiche werden jedoch für die Betrachtung ausgeschlossen, genauso wie der Bereich des Infotainments. Im Fokus steht die Fahrzeugautomatisierung, die nach heutigem Verständ- nis aus folgenden Komponenten besteht, um ein Fahrzeug im öffentlichen Straßenverkehr zu bewegen: 1. Perzeption von Umfeld- und Fahrzeugzustandsgrößen, 2. Kognition dieser Größen zu einer Weltrepräsentation, 3. Verhaltensentscheidung basierend auf der Weltrepräsentation und 4. Verhaltensausführung. Diese Komponenten liefern die Eigenschaften, die nach Mitchell (s. Abschn. 22.3) bereits zu einem erfolgreichen Einsatz von Maschinellem Lernen geführt haben. Die zunehmende Perzeption von Umfeld- sowie Fahrzeugzustandsgrößen liefert eine Vielzahl maschinen- lesbarer Informationen. Denn zum einen nimmt die Leistungsfähigkeit der Sensoren und der Signalverarbeitung weiter zu, sodass ein detaillierteres Bild der Welt für die maschinel- le Verarbeitung zur Verfügung steht. Zum anderen steigt die Anzahl an Sensoren und damit ausgestatteter Fahrzeuge auf der Roadmap zur Vollautomatisierung. Daraus folgt, dass die Qualität und Quantität an Trainingsdaten für Maschinelles Lernen zunimmt. Die zweite Eigenschaft gilt besonders für manche Bereiche der Kognition und Verhaltensentschei- dung, denn für die menschlichen Prozesse, die es zu ersetzen gilt (s. Abschn. 22.2), exis- tieren vorwiegend Theorien. Anhand des von der EU geförderten Human Brain Projects und den damit einhergehenden Forschungsarbeiten ist ersichtlich, dass noch eine Vielzahl von ungelösten Fragestellungen existiert und somit das Wissen für effektive Algorithmen fehlt. Die dritte Eigenschaft liefert der Straßenverkehr. Wie schon in Abschn. 22.2 beschrie- ben, erfordert die Welt, in der sich das Fahrzeug bewegt, die Anpassung an sich ändernde Umgebungsbedingungen, weshalb eine Implementation von Maschinellem Lernen in der Automation, die sich diesen Änderungen anpassen kann, naheliegt. Neben diesen drei Motivatoren für den Einsatz des Maschinellen Lernens existieren jedoch auch besondere Herausforderungen, die dem Einsatz entgegenstehen. Das Beson- dere der für autonomes Fahren notwendigen vier Komponenten (Perzeption, Kognition, Verhaltensentscheidung, Verhaltensausführung) gegenüber anderen Anwendungen des Maschinellen Lernens ist der Eingriff in das reale Verhalten des Fahrzeugs, sodass, unab- hängig, an welcher Stelle dieser Kette ein unerwünschtes Verhalten auftritt, sich dieses zu einem Ausfall und einem Unfall weiterentwickeln kann. Um den Einsatz von Verfahren des Maschinellen Lernens in der Fahrzeugautomatisierung zu diskutieren, erfolgt deshalb zu- nächst die Klassifizierung sicherheitsrelevanter Systeme sowie die Zuordnung der Fahr- zeugautomatisierung zu einer dieser Klassen.