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 wird die Technologie des automatisierten Fahrens zwar zunehmend verbessert, es bleiben aber Restrisiken für fehlerhaftes Systemverhalten. Expertinnen und Experten der Arbeitsgruppe Mobilität und intelligente Verkehrssysteme der Plattform Lernende Systeme zeigen im Whitepaper, wie eine gemeinschaftliche KI-Mobilitätsdatenplattform für industrieübergreifendes Flottenlernen diese Risiken beim automatisierten Fahren minimieren kann. Die Technologie des automatisierten Fahrens funktioniert in Real-Tests zunehmend besser, Restrisiken für mögliches Fehlverhalten treten aber beispielsweise im Zusammenhang mit sogenannten Corner Cases (Grenz- und Übergangsfälle) auf. Für diese selten auftretenden Sonderfälle sind KI-Systeme unter Umständen nicht ausreichend trainiert und getestet. Durch das sogenannte Flottenlernen können Fahrzeughersteller ihre Fahrzeuge optimieren, indem sie mit den Nutzungsdaten zu Corner Cases auf einer industrieübergreifenden Plattform trainieren. Eine gemeinschaftliche KI-Mobilitätsdatenplattform für industrieübergreifendes Flottenlernen kann durch das Sammeln von Daten zu identifizierten Corner Cases als Basis für das Trainieren von KI-Systemen im gesamten Mobilitätssektor dienen und die Sicherheit der Systeme insgesamt erhöhen. Als zentrale Gelingensbedingung für die KI-Mobilitätsdatenplattform gelten hierzu etwa Standards für die Modellierung und Austauschformate von Daten.