Die Mobilität der Zukunft wird durch neue Technologien bestimmt. Das gilt nicht nur für den Antrieb, der nach über hundert Jahren das Verbrenner-Zeitalter verlässt, sondern auch für die Steuerung: Die Fahrerinnen und Fahrer vernetzter Fahrzeuge werden immer mehr zu Mitreisenden, weil Entscheidungen immer häufiger von Software und künstlicher Intelligenz (KI) getroffen werden. Die Jungunternehmen AAI und Fernride aus unserem Programm Microsoft für Startups bringen diese Entwicklung zum autonomen Fahren mit völlig verschiedenen Konzepten voran.
Wie weit liegt das autonomen Fahren noch in der Zukunft? Wann rollen die futuristischen Fahrzeuge aus den Werbevideos wirklich durch unsere Straßen, ohne dass jemand sich ums Steuern kümmern muss? Den genauen Zeitpunkt kennt niemand, doch er rückt immer näher. Die cleversten Ideen kommen dabei oft von Startups, die neue Denkansätze einbringen. Unser kostenloses, weltweites Programm Microsoft für Startups hilft solchen jungen Unternehmen, ihre Technologien zu entwickeln und das Geschäft auszubauen.
Sie können leistungsstarke Technologien wie Microsoft Azure oder GitHub Enterprise einsetzen und ihre Lösungen auf den kommerziellen Marktplätze von Microsoft anbieten, die Hilfe unserer Vertriebsteams nutzen und ihre Reichweite durch unser globales Partnerökosystem erweitern. Microsoft für Startups pflegt außerdem Partnerschaften mit führenden Accelerators, Inkubatoren, Risikokapital-Gesellschaften und Startup-Organisationen auf der ganzen Welt. Das zahlt sich aus: Die Startups in unserem Programm erzielten bereits Verkaufschancen von über einer Milliarde US-Dollar. Allein im vergangenen Jahr lagen die Geschäftsabschlüsse durchschnittlich im sechsstelligen Bereich. Das hat auch die Startups AAI und Fernride interessiert.
AAI: Virtuelle Fahrschule für Algorithmen von autonomen Autos
Die Automotive Artificial Intelligence GmbH (AAI) entwickelt in Berlin, in der Nähe der der Technischen Universität, ihre eigene Nachbildung der Welt: Ihre Straßen existieren nur im Rechner und dienen als Teststrecken für autonome Autos, die ebenfalls virtuelle Modelle sind. So lässt sich das Fahrverhalten nicht nur sicherer, sondern auch viel umfassender testen und trainieren als auf echten Straßen. Das 2017 gegründete Startup betreibt eine virtuelle Fahrschule, in der KI-Algorithmen für Fahrerassistenzsysteme und automatisiertes Fahren getestet werden. AAI kombiniert dafür virtuelle Verkehrsteilnehmer, die KI-trainiert sind und individuell und unabhängig voneinander agieren, mit einer realistischen 3D-Umgebung für eine hochmoderne Sensorsimulation. Diese ReplicaR genannte Lösung für Funktions- und Sensortests lotet die Grenzen hochautomatisierter und autonomer Fahrzeugsoftware aus. Das geschieht in einer realitätsgetreuen Simulationsumgebung und daher frühzeitig, schnell, sicher und kosteneffizient:
-
-
- In frühen Entwicklungsphasen, wenn noch keine Hardware vorhanden ist
- Mehrere tausend Testkilometer innerhalb einer Stunde
- Unabhängig von Zeit und Ort
- Ohne den Einsatz von echten Menschen
- CO2-neutral
- Zum Testen von mehr Situationen und komplexeren Situationen
- Für das Testen von größeren Bandbreiten an Konfigurationen
-
ReplicaR läuft als Software-as-a-Service (SaaS) in der Cloud von Microsoft und stellt die Straßen von echten Städten und reale Autobahnen für virtuelle Testfahrten bereit. Die Lösung umfasst eine naturalistische Verkehrsfluss-Simulation aus individuell agierenden Verkehrsteilnehmern, die von KI gesteuert werden, sowie eine 3D-Umgebung aus realitätsgetreuen Objekten. Dazu gehören auch dieselben physikalischen Materialeigenschaften wie im echten Leben und alle vorstellbaren Tageszeiten- oder Wetterbedingungen, mit denen autonome Fahrzeuge zurechtkommen müssen. Damit lassen sich alle Fahrbedingungen und Situationen viel umfassender und in viel kürzerer Zeit erproben, als es mit echten Testfahrten im Straßenverkehr möglich wäre.
Man kommt damit schneller zu brauchbaren Ergebnissen und kann den Aufwand für die Tests auf den Straßen extrem reduzieren, hat auch der Automobil-Zulieferer Continental erkannt. „Die Ressourcen für echte Fahrzeugtests sind begrenzt, und virtuelle Tests können den Entwicklern schnelles Feedback liefern“, heißt es in der Pressemitteilung über die Zusammenarbeit mit AAI. Während ein reales Fahrzeug rund 10.000 Kilometer pro Monat bei Tests zurücklegen könne, seien in virtuellen Simulationen ganze 8.000 Kilometer in einer Stunde möglich. „Software-as-a-Service für eine schnellere Entwicklung der Mobilität der Zukunft“, nennt AAI das Angebot auf seiner Website.
AAI Intelligent Traffic: Schieberegler für Aggressivität im Straßenverkehr
Reale Tests sind weiter unverzichtbar, aber virtuelle Probefahrten senken das Risiko, schon bevor es auf die Straße geht. Weil diese Risiken oft von Menschen ausgehen, spielt das virtuelle Fahrerverhaltensmodell AAI Intelligent Traffic eine Schlüsselrolle: Es kann unzählige Szenenvariationen in kürzester Zeit generieren. Seine Besonderheit ist ein Agenten-basiertes Fahrermodell, das individuelle Aktionen der einzelnen Verkehrsteilnehmer um das Testfahrzeug herum simuliert. AAI verwendet die neuesten Methoden für KI und maschinelles Lernen verwendet, damit das Verhaltensmodell korrekt auf andere Verkehrsteilnehmer reagiert.
Die jeweiligen Fahrmanöver werden durch einstellbare Aggressivitätslevels geplant und durchgeführt. Und das Modellverhalten wird mit realen Messdaten vergleichbarer Strecken validiert. Im Vergleich zu anderen Verkehrssimulationen müssen bei AAI Intelligent Traffic nur wenige Einstellungen wie die Mischung an Aggressivitätslevels und Fahrzeugtypen sowie die Verkehrsdichte getroffen werden, bevor der Test starten kann. Die Verkehrsagenten müssen außerdem nicht weiter parametrisiert werden, was einerseits viel Aufwand bei der Simulation erspart und andererseits das System unempfindlich für menschliche Verfälschungen macht: Der Verkehr lässt sich nicht beeinflussen, er läuft naturgetreu und nicht vorhersehbar wie im wahren Leben.
„Anders als übliche Modelle aus Forschung und Industrie ist die Aufgabe unseres Modells nicht nur das Beherrschen der Fahrzeugführung“, betont AAI-Gründer und Geschäftsführer Intakhab Khan. „Es geht vielmehr darum, die abstrakteren Entscheidungen im Verkehr, die Trajektorienplanung hierfür und die anschließende Fahrzeugführung möglichst menschenähnlich und damit naturalistisch abzubilden.“ Dafür stellt das Unternehmen einerseits bewährte Software-Modelle bereit, die klassische Modellierungsansätze verwenden. Andererseits nutzen die Entscheidungsmodule auch moderne Methoden für maschinelles Lernen wie Supervised Learning (überwachtes Lernen) aus Videoaufnahmen von Drohnen oder Reinforcement Learning (bestärkendes Lernen) zum eigenständigen Erlernen einer realistischen Entscheidungsfindung in Situationen, für die noch keine Daten vorliegen.
Aus Fehlern lernen: Messfahrten und Simulationen für schlauere Algorithmen
Besonders wichtig sind die Fehler, die bei den virtuellen Fahrten auftreten: wenn das autonome Fahrzeug ein falsches Verhalten zeigt oder seine Reaktion plötzlich abweicht. Um solche Anomalien aus den riesigen Mengen an Daten herauszufiltern, nutzt AAI sein selbst entwickeltes Framework AAI Scenario Extraction als modulares Plug-in-System. „Darin werden sowohl aufgezeichnete Messfahrten als auch simulative Messdaten in einer Verarbeitungs-Pipeline anhand kundenspezifischer Kriterien bewertet“, erklärt Intakhab Khan. Das Startup setzt dafür auf bekannte Bewertungsmaßstäbe, wie die „Worst-time-to-collision“ (WTTC), und auf einen selbst entwickelten „Fitness value“ – ein kombiniertes gewichtetes Maß, dass die relativen Geschwindigkeiten, Beschleunigungen und Distanzen aller Verkehrsteilnehmer gemeinsam bewertet. Wenn die Messungen kritische Schwellwerte überschreiten, dann werden ihre Messpunkte und die umliegenden Zeitschritte zur Analyse weiterverarbeitet, damit sich das beobachtete Szenario identifizieren und klassifizieren lässt.
AAI Sensor Simulation: Erkennen die Sensoren, was sie erkennen sollen?
Eine besondere Herausforderung ist die riesige Menge an Sensoren in den autonomen Fahrzeugen: Ein voll ausgestattetes Fahrzeug mit automatisierten Fahrfunktionen kann mehr als zwanzig verschiedene Typen enthalten. Und auch die virtuellen Sensoren in der Cloud-Lösung von AAI müssen ihre simulierte Umgebung mit der gleichen Genauigkeit wahrnehmen wie die Sensoren in der realen Welt. „Jeder dieser Sensortypen basiert auf anderen grundlegenden physikalischen Effekten, die es zu verstehen, nachzubilden und zu validieren gilt“, sagt Intakhab Khan.
Daher unterstützt die Simulationsumgebung von AAI neben synthetisch erzeugten Feldvergleichen auch die Installation weiterer Sensortypen, einschließlich hochauflösender Kamera- und Lidar-Simulationen. AAI hat außerdem Forschungs- und Entwicklungskooperationen mit führenden Sensorherstellern geschlossen, damit sie ihr Expertenwissen direkt nutzen können. Sicher ist sicher! Das gilt auch für die Auswahl einer Cloud-Plattform, und deshalb setzt AAI auf Microsoft Azure. „Azure bietet uns einen globalen Zugang für die Datenverwaltung“, erklärt der Geschäftsführer von AAI. „Unsere wichtigen Kunden fühlen sich damit sicher und vertrauen auf unsere Dienste weltweit.“ Um die Unterschiede zwischen der Realität und ihrer Simulation auszuräumen, nutzen seine Teams für Scenario Cloning und Labeling riesige Data Lakes in der Cloud mit Petabytes an Rohdaten aus echten Messfahrten und überführen sie in ihre Nachbildung der Welt. AAI profitiere außerdem von den besonderen Vorteilen, die Microsoft auch kleineren Unternehmen bietet, um den Anforderungen und Erwartungen ihrer Kunden entsprechen zu können.
Fernride: Fahrerlose Lkw schon heute durch KI + Fernsteuerung
Einen ganz anderen Ansatz verfolgt Fernride. Das Münchner Startup hat eine cloudbasierte Plattform entwickelt, die das autonome Fahren vorwegnimmt oder bei technischen Problemen ersetzen kann. Seine Idee: Es lenken keine Algorithmen, sondern und das Fahrzeug fernsteuern. , die eine Vielzahl an Fahrzeugen vom Gabelstapler bis zum Lkw benötigt, aber händeringend nach Personal sucht. Und die Pläne sind sogar noch größer, denn Fernride will in den kommenden Jahren den ganzen Job neu definieren: Wenn Lkw hochautomatisiert oder autonom sind, dann werden die Fahrerinnen und Fahrer zu Flotten-Managern, die bis zu 50 Fahrzeuge bequem aus ihren Büros betreuen können.
Die technischen Grundlagen sind bereits vorhanden, denn prinzipiell lässt sich jedes Fahrzeug fernsteuern, sobald die Anweisungen ans Fahrwerk elektronisch statt mechanisch übertragen werden. Fernride greift dafür auf die „Drive by Wire/Drive by X“-Schnittstelle zu, um Sensordaten wie die Videobilder aus der Fahrumgebung an die Operators zu übertragen und ihre Steuerbefehle an das Fahrzeug zu schicken. „In der Regel verfügen heute entwickelte Prototypen von Logistik-Fahrzeugen, insbesondere Lkw, schon über diese Datenarchitektur und Schnittstellen“, sagt Hendrik Kramer, Mitgründer und CEO des Unternehmens. Neben Kameras und Sensoren für Signale wie Ultraschall oder Radar ist dafür eine ultra-schnelle und sichere Funkübertragung an die TO-Plattform unverzichtbar, wo die Daten mit KI ergänzt und interpretiert werden und die Operators jederzeit eingreifen können.
Für Monitoring und Management: Teleoperationsdaten in Microsoft Azure
Als technisches Rückgrat seines Teleoperator-Centers und für das Teleoperator-Management kommt bei Fernride Microsoft Azure zum Einsatz. „Durch Azure können wir uns in der Entwicklung auf unsere Kernkompetenz fokussieren und müssen uns weniger mit Daten-Infrastruktur-Themen befassen“, erklärt Max Fisser, Mitgründer und COO von Fernride. „Wir nutzen hier zum Beispiel EventHub, Postgres und Kubernetes.“ Das künftige Produkt soll auch den Azure IoT Hub einbinden, weil er bereits Funktionalitäten wie Device Management, Authentifizierung und MQTT-Connectivity (Message Queuing Telemetry Transport) bietet. „Die Monitoring- und Logging-Infrastruktur in Azure ermöglicht uns, diese Funktionalität mit wenig Aufwand umzusetzen“, sagt der Experte. „In der Zukunft planen wir auch AI Services von Azure zu nutzen.“
Auch für die neue Mobilfunk-Generation ist Fernride gut gerüstet: „Wir sind mit unserer Technik jederzeit bereit für 5G’“, betont Intakhab Khan. Logistik-Standorte und Produktionsstätten würden damit zu „Smart Factories“, wo auch die Fahrzeuge ein integraler Bestandteil des vernetzten Maschinenparks und von reibungslosen, hochautomatisierten Transportprozessen sind. Die aktuellen Projekte laufen noch mit dem Vorgängerstandard LTE. Doch 5G wird nicht nur diese Latenz verkürzen und mehr Bandbreite liefern. Es sorgt auch für mehr Redundanz und zusätzliche Sicherheit. Schon seit 2017 hat Fernride umfangreiche Erfahrungen für die Anwendung des 5G-Standards gesammelt. Als Ausgründung von Deutschlands bester Universität basiert die Expertise des Startups auf mehr als zehn Jahren Forschung zur Teleoperation am Lehrstuhl für Fahrzeugtechnologie der TU München.
Fernride bietet seine TO-Technologie für fahrerlose Transportation-as-a-Service (TaaS) zunächst Lkw- und Spezialfahrzeug-Herstellern sowie Kunden im Logisitk-Sektor an, um sie beim Übergang zum vollautonomen Fahren zu unterstützen. „Logistikterminals eignen sich sehr gut zum schnellen Markteintritt, weil dort die Prozesse standardisiert sind und sie eine abgegrenzte, sehr gut kontrollierbare Umgebung mit wenigen Störfaktoren darstellen“, erklärt Hendrik Kramer. Deshalb werden die Tests in Deutschland bisher nur auf Privatgeländen durchgeführt, während die ferngesteuerten Fahrzeuge von Fernride in Estland oder Griechenland schon auf öffentlichen Straßen fahren dürfen. Das sind bisher noch Prototypen, doch schon bald soll es die Teleoperation auch für Serienfahrzeuge geben. „Wir bieten unseren Kunden den sicheren fahrerlosen Transport schon heute an“ sagt der CEO von Fernride. „Mit der schnellen und nahtlosen Integration von hoch-automatisierten Fahrzeugen ermöglichen wir ihnen, sofort valide Erfahrungen und Vorteile auf dem Weg zum autonomen Fahren zu sammeln.“
Erst im Mai hat sich die Rechtslage verbessert: Der Bundesrat stimmte dem Gesetz zum autonomen Fahren zu, mit dem Deutschland die weltweite Nummer eins beim autonomen Fahren werden soll. Diese Entscheidung stimmt auch das Team von Fernride optimistisch. Zwar lasse sich nur schwer abschätzen, wann TO in Deutschland erlaubt wird. „Aber in dem neuen Gesetz wird eine ‚externe technische Aufsicht‘ gefordert, die jederzeit eingreifen kann“, erklärt Hendrik Kramer. „Das kann also auch ein Teleoperator sein, der das Fahrzeug vollständig aus der Ferne steuert und kontrolliert.“ Das deutsche Gesetz zum autonomen Fahren sei ein „Steilpass“ und ein „toller Rahmen“, um die fahrerlose Transportation-as-a-Service weiterzuentwickeln.
Ein Beitrag von Markus Göbel
Communications Manager Data Applications and Infrastructure
