ACC 2026: KI, Chiplets und SDV im Fokus

Software-defined Vehicles sind inzwischen gesetzt. Doch die nächste technische Herausforderung zeichnet sich bereits ab: Fahrzeuge müssen für zunehmend leistungsfähige KI-Funktionen ausgelegt werden, während gleichzeitig Rechenleistung, Energiebedarf, Kosten, Softwarekomplexität und Entwicklungszeiten beherrschbar bleiben müssen. Genau an dieser Schnittstelle setzt die Automotive Computing Conference (ACC) 2026 an.

Am 18. und 19. November treffen sich in München Vertreter von Fahrzeugherstellern, Halbleiterunternehmen, Softwareanbietern und Forschungseinrichtungen. Inhaltlich reicht das Programm von AI-ready E/E-Architekturen und Generativer KI über Virtualisierung und Chiplets bis zu neuen Interconnect-Technologien und Physical AI.

Wie verändert Generative AI die Fahrzeugarchitektur?

Den Auftakt zum ersten Konferenztag macht eine Keynote von Shivam Bahedia, Program Manager Mercedes-Benz AI. Unter dem Titel „AI in Motion: Reinventing the In-Car Experience with Generative AI“ beschäftigt er sich damit, wie sich KI im Fahrzeug vom klassischen Assistenten zu stärker integrierten intelligenten Funktionen entwickelt.

Dabei geht es auch um eine der zentralen Architekturfragen kommender Fahrzeuggenerationen: Welche KI-Funktionen laufen direkt im Fahrzeug und welche in der Cloud? Hinzu kommen die Verarbeitung großer Datenmengen für personalisierte Funktionen sowie die Frage, wie sich KI-Anwendungen für Millionen von Fahrzeugen serienreif skalieren lassen.

Direkt daran schließt Lars Wemme, Senior Vice President ADAS, Chassis & EE Architecture of Automotive Microcontrollers bei Infineon, mit einem Blick auf Physical AI und funktionale Integration an. Im Mittelpunkt stehen skalierbare Softwarearchitekturen und Edge-AI-Fähigkeiten innerhalb künftiger E/E-Architekturen.

Damit greift die ACC eine Entwicklung auf, die weit über zusätzliche KI-Funktionen im Infotainment hinausgeht. Wird KI stärker in Wahrnehmung, Entscheidungsfindung und Fahrzeugfunktionen eingebunden, verändern sich auch Anforderungen an zentrale Rechner, Mikrocontroller, Datenpfade und die Aufteilung von Funktionen im Fahrzeug.

Wie Automotive Computing die nächste Fahrzeuggeneration prägt

Das Software-defined Vehicle bleibt ohne passende Hardware ein Versprechen. Auf dem AEK 2026 wurde deutlich, welche Computing-Grundlagen das Auto der Zukunft prägen: vom SoC über Chiplets bis zu Edge AI.

Welche Rolle spielt KI bereits in der Fahrzeugentwicklung?

Ein zweiter Schwerpunkt ist der Einsatz von KI im Entwicklungsprozess selbst. Florian Haubner von Google Cloud stellt mit „Horizon“ eine Agentic-Innovation-Plattform für die SDV-Entwicklung vor. Elektrobit wiederum beschäftigt sich mit der Frage, wie sich beim Software-defined Vehicle Softwarehoheit, Open Source, Kosten und die Aufgabenverteilung innerhalb der Lieferkette ausbalancieren lassen.

Die Verbindung von KI, Simulation und virtueller Entwicklung zieht sich anschließend durch einen größeren Teil des ersten Konferenztages. Aumovio zeigt etwa, wie Functional Twins das Verhalten einer ECU inklusive PCB-Funktionalitäten virtuell abbilden können. STMicroelectronics geht einen Schritt weiter und demonstriert virtuelle Mikrocontroller und virtuelle eFuses, mit denen sich ECU- und Energieversorgungskonzepte prüfen lassen, bevor die entsprechende Hardware verfügbar ist.

IPG Automotive widmet sich der kontinuierlichen virtuellen Fahrzeugentwicklung über den gesamten Engineering-Lifecycle. Ziel ist es, Simulation und Verifikation enger miteinander zu verzahnen und damit Entwicklungs- und Testaufwand zu reduzieren.

„Das KI-definierte Fahrzeug wird das SDV zum Frühstück verspeisen“

Wenn KI aus der Cloud ins Fahrzeug wandert, müssen Architekturen geringe Latenz, Effizienz und Skalierbarkeit gewährleisten. Harald Kroeger von SiMa.ai erklärt, warum Edge-first-KI die nächste Phase softwaredefinierter Fahrzeuge prägen wird.

Einen internationalen Blick auf KI-basierte Fahrzeugentwicklung bringt Ziyu Shen, Founder und CEO von ECARX, ein. Sein Vortrag beschäftigt sich mit der Frage, wie KI im Entwicklungsprozess wiederum den Einsatz von KI im Fahrzeug beschleunigen kann. Anschließend gibt ein Executive Fireside Chat mit Markus Blum von Volkswagen Einblicke aus OEM-Sicht.

Wie verändern Chiplets das Automotive Computing?

Der zweite Konferenztag verschiebt den Schwerpunkt stärker auf die Hardware. Mit Martin Tietze, Vice President New Technologies Digital Car bei BMW, eröffnet ein prominenter OEM-Vertreter den Themenblock „The Future of Automotive Computing“. Das konkrete Vortragsthema ist in der aktuellen Agenda noch nicht veröffentlicht.

Anschließend rücken Chiplets ins Zentrum. Dr. Bart Placklé, Senior Vice President Automotive Technologies bei imec, geht der Frage nach, wie sich mit Chiplet-Konzepten leistungsfähige Rechner für automatisierte und autonome Fahrzeuge aufbauen lassen. Dabei soll es ausdrücklich auch darum gehen, welche technischen und industriellen Voraussetzungen für solche Systeme heute noch fehlen.

Weitere Beiträge behandeln die praktische Umsetzung. Synopsys beschäftigt sich mit UCIe-Konformität in heterogenen Automotive-Chiplets. Cadence stellt eine konfigurierbare Referenzplattform für skalierbare Compute-SoCs vor, bei der Interoperabilität sowie Safety und Security berücksichtigt werden sollen. Socionext wiederum diskutiert den Weg von Chiplet-Konzepten hin zu zentralen Fahrzeugrechnern. Auch Bosch ist mit dem europäischen CHASSIS-Projekt vertreten.

Damit adressiert die ACC eine entscheidende Frage für künftige High-Performance-Computer im Fahrzeug: Lassen sich Rechenleistung, Spezialbeschleuniger und Schnittstellen künftig modularer kombinieren, anstatt sämtliche Funktionen in immer größere monolithische SoCs zu integrieren?

„Das Herz und die DNA des Fahrzeugs sind Software und HPC“

Chiplet-Architekturen verändern die Automobilindustrie grundlegend. Imec-Vizepräsident Bart Placklé erläutert, warum es modulare Designs, Interoperabilität und eine starke europäische Zusammenarbeit im Automotive High-Performance Computing braucht.

Wann werden optische Verbindungen im Fahrzeug relevant?

Mehr Rechenleistung und stärker zentralisierte Architekturen erhöhen gleichzeitig den Bandbreitenbedarf innerhalb des Fahrzeugs. Entsprechend widmet sich ein eigener Themenblock neuen Interconnect-Technologien.

Dr. Ali Safiei von Black Semiconductor stellt integrierte Graphen-Photonik als möglichen optischen Datenpfad für zonale Backbones und Chiplet-Verbindungen vor. Im Mittelpunkt stehen dabei unter anderem Datenraten, EMV, Leitungskomplexität und die Skalierbarkeit zentraler Compute-Architekturen.

Daneben geht es um drahtlose Verbindungen. Dr. Francesc Fons von Huawei und Jacob Zheng von Eagle Drive Tech zeigen anhand eines 360-Grad-Kamerasystems einen Automotive-Anwendungsfall für die Short-Range-Wireless-Technologie SparkLink beziehungsweise NearLink.

Gerade diese Kombination aus Rechenarchitektur und Datenübertragung macht den Themenblock interessant: Leistungsfähigere zentrale Rechner allein reichen für AI-defined Vehicles kaum aus. Sensoren, Zonencontroller und Compute-Plattformen müssen die stetig wachsenden Datenmengen auch mit niedriger Latenz übertragen können.

„Zuerst profitieren ADAS von Virtualisierung“

SDVs erhöhen den Entwicklungs- und Validierungsaufwand durch komplexe Software-Stacks und enge Systemabhängigkeiten enorm. Gleichzeitig steigt der Zeitdruck. Cedric Armand von Ford erklärt, wie Virtualisierung kürzere Zyklen und frühere Integration ermöglicht.

Was bedeutet Physical AI für das Automobil?

Zum Abschluss erweitert die ACC den Blick auf Physical AI. Dabei geht es um KI-Systeme, die ihre physische Umgebung erfassen und mit ihr interagieren. Für das Fahrzeug betrifft das unter anderem automatisiertes Fahren, Sensorverarbeitung und die Entwicklung elektronischer Hardware.

Arm und covolv.ai beschäftigen sich mit virtuellen ISP-Modellen und End-to-End-Tests für L2++-Fahrfunktionen. Priyanka Mathikshara, CEO und Gründerin von Voltai, betrachtet dagegen AI Agents, die Fahrzeugelektronik entwickeln, validieren und optimieren sollen. Den Abschluss bildet Georg Olma von NXP mit einem Vortrag über die Frage, welche Erkenntnisse aus Physical AI und humanoider Robotik auf die Automobilindustrie übertragbar sind.

Die Automotive Computing Conference verbindet damit zwei Entwicklungen, die bislang häufig getrennt betrachtet werden: KI verändert die Funktionen im Fahrzeug und gleichzeitig die Werkzeuge, mit denen Software, Elektronik und komplette Fahrzeuge entwickelt werden. Welche Architekturen dafür benötigt werden und welche Technologien bereits in Richtung Serieneinsatz gehen, steht im Mittelpunkt der beiden Konferenztage.

CPU, GPU, NPU, TPU, FPGA und ASIC: Unterschiede erklärt

CPU, GPU, NPU, TPU, FPGA und ASIC unterscheiden sich grundlegend darin, wie sie Rechenleistung bereitstellen. Welche Unterschiede es gibt, wo die einzelnen Architekturen ihre Stärken ausspielen und warum moderne Systeme immer häufiger mehrere davon kombinieren.