Vivek Bhan und Aish Dubey, Renesas

„Performance allein reicht heute nicht mehr aus“

Das Software-defined Vehicle verändert die Fahrzeugarchitektur grundlegend: Rechenleistung wird zentraler, Software prägt den Fahrzeugwert über Jahre hinweg und die Halbleiterplattform muss mitwachsen. Vivek Bhan und Aish Dubey von Renesas erklären, wie sich Automotive Compute dafür neu aufstellen muss.

8 min
Zwei Männer in dunkler Kleidung stehen vor einem modernen Gebäude.
Arbeiten bei Renesas gemeinsam an Rechenarchitekturen für die SDV-Ära: Vivek Bhan (links), Senior Vice President und General Manager High Performance Computing, und Aish Dubey (rechts), Vice President und Head of SoC Division High Performance Computing.

Herr Bhan, Herr Dubey, die Automobilindustrie steckt mitten in einem grundlegenden Architekturwandel. Wenn wir fünf bis zehn Jahre vorausblicken: Was ändert sich am stärksten daran, wie Rechenleistung im Fahrzeug organisiert wird?

Vivek Bhan: Fahrzeuge wandeln sich von fest definierten Einzwecksystemen zu Plattformen, die sich kontinuierlich weiterentwickeln. Damit wird sich die Fahrzeugarchitektur weniger an einzelnen Funktionen orientieren und stärker als verteiltes System verstanden werden, in dem heterogene Rechenressourcen, unterschiedliche Speicherkonfigurationen und das Power-Management unter einem gemeinsamen Sicherheitsrahmen zusammenspielen. Performance allein reicht heute nicht mehr aus. Ein wachsender Teil des Fahrzeugwerts entsteht durch Software, die sich auch lange nach der Auslieferung weiterentwickelt. Die Hardware muss diese Entwicklung über mehr als ein Jahrzehnt tragen können.

Aish Dubey: Ich würde Viveks Architekturperspektive um die Sicht des Nutzers ergänzen. Was wir in zehn Jahren von einem Auto erwarten, wird sich deutlich von dem unterscheiden, was wir heute kennen. Viele dieser Erlebnisse werden KI-getrieben sein – ob das nun sichereres Fahren bedeutet, dass das Auto die Kinder zur Schule bringt oder alltägliche Erledigungen übernimmt. Wenn KI aber in nahezu jede Workload einzieht, können wir Rechenleistung nicht einfach beliebig vergrößern. Gerade mit der Elektrifizierung und ihren Grenzen beim Energieverbrauch funktioniert das nicht. Für Compute-Anbieter lautet die entscheidende Frage deshalb: Wie viel nutzbare Rechenleistung können wir pro Watt bereitstellen?

Damit steigt auch der Halbleiteranteil pro Fahrzeug. Ist KI-Compute der Haupttreiber – oder steckt dahinter vor allem der Umbau der Fahrzeugarchitektur?

Vivek Bhan: Beides, aber der strukturelle Wandel kommt zuerst. Mit neuen E/E-Architekturen wird Compute stärker zentralisiert, ADAS entwickelt sich von Level 2 in Richtung Level 4, Over-the-Air-Updates bringen umfangreichere In-Cabin-Funktionen, und hinzu kommen mehr KI-Funktionen - in ADAS ebenso wie generative KI. Dafür braucht die Rechenplattform deutlich mehr Kapazität und Leistungsfähigkeit. KI-Compute ist ein sichtbarer Treiber für mehr zentrale Rechenleistung. Im größeren Bild sind es jedoch die zentralisierten Software-Defined-Vehicle-Architekturen und die Elektrifizierung, die den Halbleiteranteil im Fahrzeug steigen lassen.

Die OEMs verfolgen auf diesem Weg sehr unterschiedliche Ansätze. Wird sich am Ende eine gemeinsame Architektur durchsetzen?

Aish Dubey, Renesas
„Wir können nicht mehr die gesamte benötigte Rechenleistung auf einem einzigen Die unterbringen. Deshalb bin ich überzeugt: Die Zukunft gehört Chiplets.“ Aish Dubey, Renesas

Vivek Bhan: In absehbarer Zeit erwarten wir keine Konvergenz auf eine einzige Architektur. Einige OEMs werden hybride Ansätze aus zentralem und zonalem Computing beibehalten, andere stärker zonal oder stärker zentralisieren. Das hängt von den jeweiligen Plattformen, der bisherigen Architektur und den Möglichkeiten zur Wiederverwendung ab – und davon, wie schnell sich der Übergang zuverlässig umsetzen lässt. Für Halbleiteranbieter heißt das: Die Roadmap muss von Echtzeitsteuerung per MCU für latenzkritische Anwendungen bis zu sehr leistungsfähigen SoCs für KI-intensive Workloads reichen. Gleichzeitig braucht es eine offene Architektur statt eines geschlossenen Stacks. Bei Renesas erweitern wir deshalb unsere skalierbare Chiplet-Architektur über unterschiedliche Leistungs- und Kostenklassen hinweg. So können OEMs verschiedene Fahrzeugklassen bedienen, ohne die Software für jedes Segment neu entwickeln zu müssen. Diese Wiederverwendung ist entscheidend, damit sich hybride Architekturen schnell skalieren lassen.

Die skalierbare Roadmap ist die eine Seite. Auf dem SoC selbst werden Neural-, Grafik- und General-Purpose-Compute zunehmend zusammengeführt. Was gewinnt man durch diese Integration und wo wächst dadurch die Komplexität?

Aish Dubey: Genau hier wird heterogenes Computing besonders interessant, weil Integration unmittelbar Effizienz bringt. Je mehr Chips, desto höher der Energiebedarf. Daten zwischen Chips zu bewegen, kann 100-mal, teilweise sogar 1.000-mal mehr Energie kosten, als die Verarbeitung auf dem Chip zu belassen. Deshalb werden GPU-Workloads, KI, Safety-Compute und General-Purpose-Processing – etwa auf großen Arm-Kernen – stärker integriert. Der Preis ist eine deutlich anspruchsvollere Validierung. Früher waren die Workloads verteilt: Ein Team konnte Linux oder QNX validieren, ein anderes Displays und GPUs, ein weiteres die Sensorintegration und ein weiteres die KI. Im Wesentlichen ging es anschließend um die Schnittstellen. Heute teilen sich all diese Workloads einen Chip, einen Bus und ein gemeinsames Speichersystem und müssen zugleich Safety- und Echtzeitanforderungen erfüllen. Damit wird die Systemvalidierung nicht nur komplexer, sondern auch kritischer.

Vivek Bhan, Renesas
„Fahrzeuge wandeln sich von fest definierten Einzwecksystemen zu Plattformen, die sich kontinuierlich weiterentwickeln.“ Vivek Bhan, Renesas

Wenn diese Workloads dieselben Ressourcen teilen, muss der SoC Echtzeitfähigkeit, funktionale Sicherheit, Security und Energieeffizienz gleichzeitig garantieren. Bleibt da Raum für Kompromisse?

Aish Dubey: Sie fragen mich im Grunde, ob ich lieber atmen oder essen möchte (lacht). Funktionale Sicherheit und Security sind Grundvoraussetzungen. Nehmen wir ein einfaches Beispiel: Wenn die Nutzerinteraktion zunehmend über sprachbasierte KI läuft, möchte man dem Auto vielleicht sagen, es solle ein Fenster öffnen oder eine Tür entriegeln. Das klingt nach Komfort, eröffnet aber unmittelbar Safety- und Security-Risiken, weil niemand dieselbe KI-Schnittstelle nutzen können darf, um sich als berechtigter Nutzer auszugeben. Mit jeder zusätzlichen KI-Funktion wachsen Angriffs- und Fehlerflächen. Wir können der Industrie nicht sagen: Hier ist hocheffiziente KI, dafür müssen Sie Sicherheitslücken akzeptieren. Safety und Security müssen deshalb integraler Bestandteil des Designs bleiben.

Alles zur Automotive Computing Conference Germany

Werbegrafik mit blauem Auto, Netzwerk-Linien und Text zur Automotive Computing Conference 2026 in München.

Die Automotive Computing Conference geht den technischen Grundlagen moderner Fahrzeugrechner auf den Grund. Im Fokus stehen High-Performance-Computing im Fahrzeug, moderne E/E-Architekturen, Chiplets, Sicherheitskonzepte, funktionale Sicherheit, Cloud-Anbindung und die wachsende Komplexität softwaredefinierter Fahrzeuge.

Am 18. und 19. November 2026 diskutieren internationale Expertinnen und Experten in München, wie sich klassische Fahrzeugarchitekturen zu leistungsfähigen Computing-Plattformen weiterentwickeln lassen. Keynotes, Panels und Q&A-Sessions zeigen, welche Hardware- und Softwaretrends das Automotive Computing prägen, wie OEMs und Zulieferer mit steigenden Anforderungen umgehen und welche Rolle moderne Halbleiterarchitekturen für künftige SDVs spielen.

Weitere Infos zur Automotive Computing Conference gibt es hier oder auf dem LinkedIn-Kanal.

Gleichzeitig wachsen die Compute-Anforderungen weiter. Kleinere Prozessknoten und größere monolithische Dies lassen sich aber nicht beliebig fortschreiben. Was kommt danach?

Aish Dubey: Vom Ende des Mooreschen Gesetzes hören wir seit Langem, und trotzdem findet die Industrie immer wieder neue Wege nach vorn. Bei der Taktfrequenz haben wir allerdings vor rund einem Jahrzehnt ein Plateau erreicht. Selbst mit Prozesstechnologien wie 3 nm, 2 nm oder 18A liegen die Taktraten von Automotive-CPUs und -GPUs nicht um Größenordnungen über denen von vor zehn Jahren. Ein großer Teil der Innovation ist deshalb seither darin geflossen, Multicore-Systeme effizient nutzbar zu machen – von Cache-Kohärenz und gemeinsamem Speicher bis zur gesamten Systemarchitektur. Jetzt stoßen wir auch bei der Fläche an Grenzen: Wir können nicht mehr die gesamte benötigte Rechenleistung auf einem einzigen Die unterbringen. Deshalb bin ich überzeugt: Die Zukunft gehört Chiplets. Sie schaffen zugleich die Flexibilität, die Vivek angesprochen hat, weil unterschiedliche Kunden und sogar unterschiedliche Fahrzeugklassen unterschiedliche Kombinationen von Rechenressourcen brauchen.

Mit Chiplets lässt sich Compute besser verteilen. KI verschärft aber einen anderen Engpass: die Datenbewegung. Steuert Automotive auf dieselbe Memory Wall zu wie das Rechenzentrum?

Aish Dubey: Ja, aber in anderer Form. Rechenzentren stoßen unter anderem deshalb an die Memory Wall, weil Transformer-Workloads, insbesondere LLMs, hohe Anforderungen an Speicher und Datenbewegung stellen und zugleich sehr viele Nutzer darauf zugreifen können. Selbst ein nur teilweise ausgelastetes Server-Rack kann noch viel Energie verbrauchen. Im Fahrzeug ist der Anwendungsfall klarer umrissen: Wir kennen die Umgebung, die Sensorik und das Interaktionsmodell und können mit einer gewissen Reserve dafür auslegen. Die Memory Wall verschwindet also nicht, aber wir können die Architektur gezielt auf das erwartete Nutzungsszenario abstimmen. Entscheidend ist dann: Welche Daten, Workloads und Netze lassen sich komprimieren, ohne relevante Intelligenz zu verlieren? Und wie viel Datenaustausch können wir innerhalb des Packages halten, statt ihn über das Board zu schicken?

Bei all der Integration geht es also nicht darum, alles zu vereinheitlichen. Das zeigt auch die MCU-Landschaft: Proprietäre Kerne, Arm und inzwischen RISC-V existieren nebeneinander. Wie wird sich dieser Mix entwickeln?

Vivek Bhan: Wir erwarten Koexistenz, nicht Verdrängung. Proprietäre Kerne wie in unserer RH850-Familie bleiben dort stark, wo Kunden ihre jahrzehntelangen Softwareinvestitionen weiter nutzen wollen und hochdeterministisches Echtzeitverhalten brauchen. Arm wächst wegen seines großen Ökosystems, seiner Skalierbarkeit und Software-Portabilität und eröffnet Multi-Sourcing-Optionen, wenn mehrere Anbieter Arm-Kerne einsetzen. Auch RISC-V gewinnt nach und nach an Bedeutung, besonders dort, wo Kunden Anpassbarkeit und möglicherweise langfristige Kostenkontrolle suchen. Wir bereiten unsere Roadmap auf diese Entwicklung vor. Am Ende entscheidet nicht der Befehlssatz allein. Ebenso wichtig sind Softwareökosystem, Reifegrad der Tools, Echtzeit- und Safety-Anforderungen, das Power-Budget, die Kosten und die Geschwindigkeit, mit der ein OEM die Lösung übernehmen kann.

Mit dieser Vielfalt wächst allerdings auch das Lock-in-Risiko. OEMs wollen Software und Differenzierung in der eigenen Hand behalten. Was muss „offen“ bei einer sicherheitskritischen Automotive-Plattform konkret heißen?

Vivek Bhan: Ein Referenzdesign einfach als „offen“ zu bezeichnen, reicht nicht. Offenheit heißt in der Praxis, Hardware, Software und Tools so bereitzustellen, dass OEMs darauf aufbauen, sie über Plattformen und Programme hinweg wiederverwenden und unabhängig validieren können. Sie sollten weder an einen geschlossenen Stack noch an eine proprietäre Siliziumplattform gebunden sein, die sich nicht ausreichend einsehen oder für die eigene Differenzierung anpassen lässt. Dazu gehört der Zugang zu spezialisierten ADAS-Softwarepartnern auf dem Weg zu Level 3 und Level 4 ebenso wie die Freiheit, eigene Software für Perception, Planning oder Mapping einzubringen. Gerade in sicherheitskritischen Systemen ist diese Transparenz entscheidend: OEMs müssen verstehen, was integriert wird und wie sich Zuverlässigkeit, Sicherheit und Performance validieren lassen.

Save the date: 31. AUTOMOBIL-ELEKTRONIK Kongress

Am 22. und 23. Juni 2027 findet zum 31. Mal der Internationale AUTOMOBIL-ELEKTRONIK Kongress (AEK) statt. Dieser Netzwerkkongress ist bereits seit vielen Jahren der Treffpunkt für die Top-Entscheider der Elektro-/Elektronik-Branche und bringt die Automotive-Verantwortlichen und die relevanten High-Level-Manager der Tech-Industrie zusammen, um gemeinsam das ganzheitliche Kundenerlebnis zu ermöglichen, das für die Fahrzeuge der Zukunft benötigt wird. Trotz dieser stark zunehmenden Internationalisierung wird der AUTOMOBIL-ELEKTRONIK Kongress von den Teilnehmern immer noch als eine Art 'automobiles Familientreffen' bezeichnet.

Sichern Sie sich Ihr(e) Konferenzticket(s) für den 31. Automobil-Elektronik Kongress (AEK) im Jahr 2026! Folgen Sie außerdem dem LinkedIn-Kanal des AEK und #AEK_live. 

Im Channel zum Automobil-Elektronik Kongress finden Sie Rück- und Vorberichterstattungen sowie relevanten Themen rund um die Veranstaltung.

Am 22. und 23. Juni 2027 findet zum 31. Mal der Internationale AUTOMOBIL-ELEKTRONIK Kongress (AEK) statt. Dieser Netzwerkkongress ist bereits seit vielen Jahren der Treffpunkt für die Top-Entscheider der Elektro-/Elektronik-Branche und bringt die Automotive-Verantwortlichen und die relevanten High-Level-Manager der Tech-Industrie zusammen, um gemeinsam das ganzheitliche Kundenerlebnis zu ermöglichen, das für die Fahrzeuge der Zukunft benötigt wird. Trotz dieser stark zunehmenden Internationalisierung wird der AUTOMOBIL-ELEKTRONIK Kongress von den Teilnehmern immer noch als eine Art "automobiles Familientreffen" bezeichnet.

Sichern Sie sich Ihr(e) Konferenzticket(s) für den 31. Automobil-Elektronik Kongress (AEK) im Jahr 2027! Folgen Sie außerdem dem LinkedIn-Kanal des AEK und #AEK_live. 

Im Channel zum Automobil-Elektronik Kongress finden Sie Rück- und Vorberichterstattungen sowie relevanten Themen rund um die Veranstaltung.

Bisher ging es vor allem um Compute im Software-Defined Vehicle. Parallel verändert sich aber auch der elektrische Antriebsstrang – mit höherer Integration und feinerer Regelung. Wo treffen sich diese Entwicklungen?

Vivek Bhan: Bei den Anforderungen nähern sie sich stark an. Beide brauchen eine stärkere Integration von Rechenleistung, schnellere Regelkreise, kürzere Reaktionszeiten und Rechensysteme, die sich über den Lebenszyklus des Fahrzeugs weiterentwickeln können. Wenn Batteriemanagement, Inverter, DC/DC-Systeme und Onboard-Lader in weniger, dafür leistungsfähigeren Plattformen zusammenrücken, steigt auch dort der Bedarf an Compute und Flexibilität durch Software – ähnlich wie beim zentralen Computing. In unseren EV-Plattformen der nächsten Generation integrieren wir beispielsweise schnellere Kerne, ADCs mit hoher Bandbreite und KI/ML-Funktionen für EV- und zonale Architekturen. So lassen sich Antriebsstränge im Laufe der Zeit aktualisieren und optimieren, ähnlich wie andere Funktionen im Software-Defined Vehicle.

Die Beziehung zwischen Chipherstellern und OEMs wird enger. Wir entwickeln uns vom reinen Komponentenverkauf hin zu Systemlösungen.

Vivek Bhan, Renesas

Damit kommt die Zeitachse ins Spiel: Ein Fahrzeug muss womöglich 15 Jahre stabil und zertifizierbar bleiben, während sich KI-Modelle alle paar Monate ändern können. Wie bringt man diese beiden Zyklen zusammen?

Aish Dubey: Zunächst ist das eine Softwarefrage – und eine Frage sauberer SDV-Prozesse, die Zertifizierbarkeit und Stabilität überhaupt erst ermöglichen. Beim Reifegrad sehen wir unter den OEMs deutliche Unterschiede, wenn es darum geht, größere Software-Updates zuverlässig auszurollen. Die Elektrifizierung zeigt, warum das wichtig ist: Verbessert ein neuer Batteriemanagement-Algorithmus die Effizienz beispielsweise um 5 Prozent, möchte man ihn ausrollen können, weil das echten Kundennutzen und Differenzierung schafft. Dasselbe gilt für ADAS. Neue Modelle müssen aber sicher und mit hoher Verlässlichkeit beim Kunden ankommen, sonst schwindet das Vertrauen in Software-Updates und damit in autonome Funktionen. Außerdem ist ein SDV-Update nie nur ein KI-Modell. Die gesamte Toolchain ist beteiligt: vom Low-Level-Betriebssystem und der Validierung auf dem Silizium bis hin zu Anwendungen wie Spurhaltung oder End-to-End-Driving. Halbleiteranbieter, Tier-1- und Tier-2-Zulieferer, OEMs, Anbieter der Update-Infrastruktur und Cloud-Anbieter müssen deshalb technisch klar festlegen, wie Stabilität und Zertifizierung gewahrt werden. Darauf gründet letztlich das Vertrauen der Kunden.

Das verändert auch die Rollenverteilung. Wenn der OEM Differenzierung, Fahrzeugsoftware und Nutzererlebnis kontrollieren will, Halbleiteranbieter aber immer mehr Systemkomplexität übernehmen: Wo verläuft künftig die Grenze?

Vivek Bhan: Die Beziehung zwischen Chipherstellern und OEMs wird enger. Wir entwickeln uns vom reinen Komponentenverkauf hin zu Systemlösungen: Core-Software zusammen mit der Hardware, Tools zur Unterstützung von KI-Netzwerken und schließlich auch Bausteine auf Applikationsebene, die zum Silizium passen. Unser Ziel ist, Integrationsrisiken zu senken und die zugrunde liegende Systemkomplexität zu beherrschen, ohne dem OEM die Differenzierung abzunehmen. Dazu zählen Compute-Performance, die Unterstützung von KI-Netzwerken, Safety-Elemente von ASIL B bis ASIL D, Echtzeitfähigkeit bei latenzkritischen Funktionen, das Power-Budget, leistungsfähige zonale Architekturen und die Werkzeuge, um Software, Hardware, Netzwerke und Funktionen schneller zu integrieren. So kann sich der OEM auf Fahrzeug, Software und Nutzererlebnis konzentrieren, während wir den Weg in die Serie verkürzen.

Für uns bleibt Physical AI ein zentrales Feld für Fortschritt, Wachstum und Investitionen.

Aish Dubey, Renesas

Zum Schluss der Blick über das Auto hinaus: Automotive vereint strenge Anforderungen an Sicherheit, Kosten, Energieeffizienz, Echtzeitfähigkeit und Langlebigkeit. Macht es das Fahrzeug damit zu einem Erprobungsfeld für Physical AI insgesamt?

Vivek Bhan: Absolut. Physical-AI-Anwendungen, einschließlich Robotik, können von dem profitieren, was die Automobilindustrie bereits über Jahrzehnte gelöst hat: funktionale Sicherheit, Kosten- und Leistungsziele, Latenz, Echtzeitfähigkeit, Zuverlässigkeit und Langlebigkeit. Genau diese Anforderungen werden auch für Physical AI und Robotik relevant. Bewährte Automotive-Architekturen können deshalb einen wichtigen Beitrag zu dieser nächsten Entwicklungsstufe leisten.

Aish Dubey: Da bin ich zu 200 Prozent bei Vivek. Und ich würde es noch zugespitzter formulieren: Der schwerste heute in großem Maßstab eingesetzte Roboter ist das Auto. Es muss seine Umgebung verstehen, sich sicher bewegen und seinen Nutzern das Leben erleichtern. Damit bringt das Auto schon heute viele der Workloads, Anwendungsszenarien und Systemkomplexitäten zusammen, die Physical AI lösen muss. Genau deshalb investieren wir in diesen Bereich und sehen große Schnittmengen – teilweise sogar bei denselben Kunden. Für uns bleibt Physical AI ein zentrales Feld für Fortschritt, Wachstum und Investitionen.