Fortschrittliche ADAS-Systeme für alle Fahrzeugklassen

Fortschrittliche Fahrerassistenzsysteme (ADAS - Advanced Driver Assistance Systems) zählen zu den wirksamsten Sicherheitstechnologien, die die Automobilindustrie je entwickelt hat. Grundlegende Fahrerassistenzfunktionen sind heute in vielen Fahrzeugen vorgeschrieben, doch einige der leistungsfähigsten Fahrerassistenz- und automatisierten Fahrfunktionen bleiben höheren Fahrzeugklassen vorbehalten.

Die Nachfrage ist nicht der limitierende Faktor. Weltweite Einführungen von Level-2+- und Level-3-Systemen sollen bis 2035 einen Anteil von über 50 % an Neufahrzeugen erreichen. Die Hürde liegt in der Architektur, denn klassische ADAS-Systeme wurden nie dafür konzipiert, sich flexibel nach unten in der Kostenstruktur sowie nach oben in der Komplexität zu skalieren. Die Industrie reagiert darauf mit skalierbareren Architekturen, die anspruchsvolle ADAS-Funktionen über ein breiteres Spektrum an Fahrzeugsegmenten hinweg unterstützen sollen.

Grenzen bei der Skalierbarkeit

Klassische ADAS-Implementierungen basieren häufig auf modularen Architekturen, die Wahrnehmung, Planung und Regelung über vordefinierte Schnittstellen trennen. Das funktioniert bei etablierten Anwendungsfällen gut, doch reale Verkehrssituationen stellen höhere Anforderungen an Systemintegration, Latenz und Performance. Auch eine sensorspezifische Objekterkennung und spätere Zusammenführung der Objekte kann zu zusätzlicher Komplexität führen, wenn mehrere Sensoren Objekte in dicht befahrenen Verkehrsumgebungen gleichzeitig erfassen.

Spezifikationsbasierte Schnittstellen bergen zudem Risiken in beide Richtungen. Systeme, die für jedes denkbare Szenario ausgelegt sind, sind häufig überladen und übermäßig spezifiziert. Andere Systeme übersehen Ausnahmefälle, wie eine ungewöhnliche Kreuzungsgeometrie, und sind daher gerade in den entscheidenden Momenten unzureichend vorbereitet. Beide Ansätze treiben Entwicklungs- und Validierungskosten hoch. Diese Kosten werden in der Regel nur dort akzeptiert, wo die Margen es zulassen. Daher landen fortschrittliche Funktionen häufig nur im Premiumsegment. Die Folge ist eine ungleiche Verteilung von Sicherheit.

Die Industrie im Wandel

Statt sich weiterhin ausschließlich auf fragmentierte, regelbasierte Ansätze zu verlassen, bewegt sich die Industrie hin zu agentenbasierter KI, generativer KI und End-to-End-Architekturen. Hierbei lernt das System als Ganzes und passt sich an, anstatt aus separat entwickelten Komponenten zusammengesetzt zu werden. Das Ziel ist, die Integration, Skalierbarkeit und Systemleistung zu verbessern. Diese Ansätze können die Abhängigkeit von menschlich definierten Schnittstellen verringern und Entwicklern zugleich ermöglichen, ganzheitlicher zu trainieren und zu optimieren.

Dies verändert die Wirtschaftlichkeit von ADAS grundlegend, da eine skalierbare Architektur unterschiedliche Fahrzeugsegmente unterstützen kann, statt für jedes Segment ein eigenes Design zu erfordern.

Die Snapdragon Ride Plattform von Qualcomm Technologies, Inc. veranschaulicht, wie diese Konzepte bereits heute produktiv umgesetzt werden. Die Plattform kombiniert High Performance Computing, KI, datenbasierte Erkenntnisse und Sensortechnologien, um Konfigurationen von einfachen ADAS-Einstiegssystemen bis hin zu anspruchsvollen Multisensor-Lösungen für automatisiertes Fahren zu unterstützen. Snapdragon Ride wird derzeit von mehr als 25 OEMs weltweit eingesetzt. Auf Snapdragon Ride basierende L2+-Lösungen sind in über 60 Ländern validiert. Das neue Snapdragon Ride Pilot System erweitert diesen Ansatz und ermöglicht KI-gestützte ADAS-Funktionen von grundlegenden Sicherheitsfunktionen bis hin zu Autobahn- und innerstädtischen Fahrszenarien. Snapdragon Ride Flex zentralisiert die Architektur, indem Cockpit- und ADAS-Funktionen auf einem Chip laufen. Mit End-to-End-KI (mit vollständiger Integration von Sensorik bis Regelung) und kartenlosen ADAS-Lösungen zeigt sich, in welche Richtung sich die Industrie bewegt: weg von der Abhängigkeit von statischen HD-Karten und langfristigen Kartierungsverträgen, hin zu Systemen, die das Verkehrsumfeld in Echtzeit interpretieren können.

Sicherheitskritische KI skalieren

Da ADAS zunehmend KI-gestützt betrieben wird, steht die Industrie vor einer schwierigeren Frage als die der Leistungsfähigkeit: Wie validiert man ein System, dessen Verhalten erlernt und nicht explizit programmiert ist? Die Sicherheitszertifizierung eines KI-Systems sollte nicht als eine nachträgliche Aufgabe an einem fertigen Produkt behandelt werden. Sie muss die Architektur von der ersten Designentscheidung an prägen, lange bevor die erste Codezeile geschrieben wird.

In der Praxis bedeutet dies, Hardware und Software von Beginn an gleichberechtigt mitzudenken. Normen wie ISO 26262 sind einzuhalten, während eine unabhängige Verifizierung durch akkreditierte Stellen erfolgen sollte – statt sich allein auf Selbstzertifizierung zu verlassen. Qualcomm Technologies arbeitet mit Drittorganisationen wie Mira, TÜV Nord und Exida zusammen, um die Einhaltung funktionaler Sicherheitsanforderungen und Normen der Automobilindustrie zu unterstützen. Das zeigt: Sicherheit und schnelle Innovation schließen sich nicht aus. Voraussetzung ist, dass die Zertifizierung von Anfang an berücksichtigt wird.

Ausblick

Mit neuen Software-Tools können Entwickler heute KI-Modelle effizienter benchmarken, optimieren und ausrollen, wodurch sich die Zeiten vom Konzept zur Marktreife verkürzen. Durch den zunehmenden Reifegrad dieser Infrastruktur wird sich das Tempo für ADAS-Innovationen weiter beschleunigen. Dadurch wird die Kluft zwischen technisch Machbarem und tatsächlich realisierten Serienlösungen kleiner.

Dieser Beitrag wird präsentiert von: