Potenziale für industrieübergreifendes Flottenlernen: KI-Mobilitätsdatenplattform zur Risikominimierung des automatisierten Fahrens

Ob in Transport, Logistik, im Individualverkehr oder im öffentlichen Nahverkehr – Verkehrsträger erreichen dank Künstlicher Intelligenz immer höhere Automatisierungsgrade. Automatisiertes Fahren kann helfen, die Verkehrssicherheit zu erhöhen, Verkehrsflüsse zu optimieren und Schadstoffemissionen zu reduzieren. Durch immer leistungsfähigere Verfahren der KI und des Maschinellen Lernens wird die Technologie des automatisierten Fahrens zunehmend verbessert, sodass sie in mehr als 99 Prozent der Situationen in Real-Tests funktioniert. Ein Restrisiko für mögliches Fehlverhalten tritt im Zusammenhang mit sogenannten Edge und Corner Cases (Grenz- und Übergangsfälle) auf. Für diese selten auftretenden Sonderfälle sind KI-Systeme unter Umständen nicht ausreichend trainiert und getestet. Das zentrale Ziel des Papiers ist es, die Bedeutung von Corner Cases für die Risikominimierung des autonomen Fahrens zu beschreiben und die Relevanz einer industrieübergreifenden Plattform zum Austausch von Mobilitätsdaten aufzuzeigen.