„Das chinesische SDV-Modell setzt auf KI-Entwicklung in-house“

SDVs, Foundation Models und Embodied AI entwickeln sich von Forschungsthemen zu strategischen Prioritäten der Automobilindustrie. Auf dem 30. AUTOMOBIL-ELEKTRONIK Kongress erläuterte Dr. Liu Qiang, Vice President von Li Auto und General Manager des Li Auto Germany R&D Center, wie das chinesische Unternehmen diesen Wandel angeht. In seinem Vortrag „From Smart Vehicles to Embodied AI: Building the ‘Silicon-Based Life’ Architecture of the Future“ beschrieb er, wie KI zunehmend Fahrzeugarchitektur, Softwareentwicklung und Produktdefinition prägt.

Im folgenden Interview spricht er über die größten Herausforderungen bei der Skalierung von Software-defined Vehicles, die Rolle von Foundation Models und die Frage, warum Embodied AI zum nächsten großen Entwicklungsschritt automobiler Intelligenz werden könnte.

Herr Qiang, mit Blick auf die nächsten drei bis fünf Jahre: Was wird der größte Engpass dabei sein, SDV- und KI-Strategien in skalierbare, industrialisierte Fahrzeugplattformen zu überführen?

Der größte Engpass ist die Diskrepanz zwischen der Entwicklung von Rechenleistung und den Iterationszyklen von Algorithmen. Hardwarezyklen in der Automobilindustrie dauern typischerweise zwei bis drei Jahre, während sich KI-Modelle innerhalb von Wochen oder Monaten weiterentwickeln. Dadurch entsteht eine grundlegende Herausforderung: Weder das volle Potenzial der Algorithmen noch die verfügbare Rechenleistung werden vollständig ausgeschöpft.

In traditionellen, entkoppelten Entwicklungsansätzen begrenzen starre Hardwarearchitekturen die rasante Weiterentwicklung von Algorithmen, während kostspielige Rechenressourcen ohne gezielte Optimierung unzureichend genutzt werden. Diese Lose-Lose-Situation reduziert die Gesamteffizienz des Systems erheblich.

Aus Sicht von Li Auto hat sich Hardware-Software-Co-Design von einem Nice-to-have zu einer Notwendigkeit entwickelt. Um SDVs und KI zu industrialisieren, müssen traditionelle organisatorische Silos aufgebrochen werden. Nur durch eine enge Abstimmung und gemeinsame Optimierung auf fundamentaler Ebene lassen sich Leistungsengpässe beseitigen, die Hardwareauslastung maximieren und das volle Potenzial von KI erschließen.

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 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.

Warum Wertschöpfung im SDV auf vier Ebenen entsteht

Welche heute getroffene Entscheidung wird am stärksten bestimmen, wo künftig Wertschöpfung im automobilen Ökosystem entsteht?

Die Entscheidungen, die die zukünftige Wertschöpfung prägen werden, konzentrieren sich auf vier Technologieebenen. 

Auf der Anwendungsebene fokussiert sich Software auf intelligente Cockpit-Erlebnisse und autonomes Fahren. Hier interagieren Nutzer direkt mit dem Fahrzeug, und hier entstehen differenzierende Kundenerlebnisse. Unser Ansatz basiert auf Cabin Agents und AD Agents.

Auf der Modellebene fungieren Foundation Models als zentrale Intelligenz des Fahrzeugs und definieren die Obergrenze seiner Fähigkeiten. Sie schaffen einen datengetriebenen Wettbewerbsvorteil für Wahrnehmung und Entscheidungsfindung. Unser Ansatz kombiniert ein selbst entwickeltes General Foundation Model mit einem selbst entwickelten VLA-Modell für autonomes Fahren.

Auf der Systemebene bilden Rechenplattform und Betriebssysteme die zentrale Drehscheibe zwischen Software und Hardware. Diese Ebene bestimmt die Gesamteffizienz des Systems sowie die Tiefe des Hardware-Software-Co-Designs. Unser Ansatz basiert auf unserer selbst entwickelten SoC-Familie und Halo OS.

Auf der physischen Ebene schafft die Hardware die Grundlage für die Ausführung fortschrittlicher KI-Funktionen. Unser Ansatz umfasst ein vollständig Drive-by-Wire-fähiges Fahrwerk, ein vollständig aktives 800-Volt-Fahrwerkssystem sowie Sensorik für sämtliche Fahrszenarien.

Warum SDV-Architekturen neue Hardware- und Softwareansätze brauchen

Wo stoßen heutige Ansätze für SDVs und E/E-Architekturen der nächsten Generation in realen Programmen noch an Grenzen?

Der Einsatz von SDVs und E/E-Architekturen in realen Fahrzeugprogrammen steht vor Herausforderungen in drei Bereichen: Hardware, Software und Sicherheit.

Aus Hardware-Sicht stößt die Branche an Grenzen bei der Miniaturisierung. Zusätzliche elektrische Funktionen und die Einführung intelligenter PDUs erhöhen die Integrationsdichte auf Leiterplatten. Dadurch entstehen erhebliche Zielkonflikte zwischen klassischer Hardware, begrenztem Bauraum, anspruchsvollen Umgebungsbedingungen und zunehmend komplexen Kabelbaumarchitekturen.

Unsere Ansicht ist, dass die Branche höhere Integrationsgrade bei Chips und eine stärkere Miniaturisierung von Komponenten anstreben muss. Darüber hinaus werden neue Packaging-Ansätze wie 3D-Packaging und flexible Substrate erforderlich sein, um unregelmäßig geformte Einbauräume besser nutzen zu können.

Aus Software-Sicht besteht die Herausforderung darin, die Entkopplung serviceorientierter Architekturen (SOA) mit dem entstehenden Kommunikations-Overhead auszubalancieren. Serviceorientierte Architekturen stehen im Automotive-Bereich vor einem grundlegenden Dilemma. Sind Services zu grobgranular, bleibt die Softwarekopplung hoch und unabhängige OTA-Updates werden erschwert. Sind Services dagegen zu feingranular, überfordern die steigende Anzahl von Serviceinstanzen ressourcenbegrenzte MCUs durch Kommunikationsaufwand, Latenzen bei der Service-Erkennung und erhöhte Speicheranforderungen.

Unser Ansatz besteht darin, schlanke Service-Frameworks einzusetzen, die den Ressourcenverbrauch deutlich reduzieren. Zudem sehen wir einen Übergang von statischen Kommunikationsmatrizen hin zu einer dynamischen Service-Komposition. Parallel dazu müssen echte End-to-End-Hard-Real-Time-Verbindungen zwischen Anwendungen geschaffen werden, um schrittweise den Übergang zu einer vollständig serviceorientierten Architektur zu ermöglichen. Aus Sicht der funktionalen Sicherheit bringt KI eine neue Herausforderung mit sich, da ihre inhärenten Black-Box-Eigenschaften den deterministischen Anforderungen von Standards wie ISO 26262 widersprechen.

Unserer Meinung nach muss die Branche über ISO 26262 hinausgehen und SOTIF sowie neue Standards für KI-Sicherheit integrieren. Die Validierung sollte sich von klassischer Codeabdeckung hin zu Szenarioabdeckung entwickeln, basierend auf Äquivalenztests mit Szenariobibliotheken. Zusätzlich sind ein Closed-Loop-Framework für Daten-Compliance sowie Explainable-AI-Technologien erforderlich. Wir plädieren außerdem für eine Dual-Channel-Sicherheitsarchitektur, die KI-Entscheidungen physisch von sicherheitskritischen Schieds- und Überwachungsfunktionen trennt.

Wie (Embodied) AI das Fahrzeug neu definiert

Wie prägt KI heute die Fahrzeugarchitektur in China?

KI verändert die Fahrzeugarchitektur in China zweifach: aus der Perspektive der technischen Architektur und der Produktdefinition. Aus technischer Sicht besteht der entscheidende Wandel darin, große KI-Modelle als digitales Gehirn des Fahrzeugs einzusetzen. Statt KI als zusätzliches Modul zu behandeln, integrieren Hersteller KI-Fähigkeiten direkt in die Fahrzeugarchitektur. 

Unsere Umsetzung basiert auf einer einheitlichen intelligenten Architektur mit unserem selbst entwickelten VLA-Modell für autonomes Fahren und unserem selbst entwickelten Foundation Model als zwei zentrale Kerne. Über die zugrunde liegende Systemarchitektur werden Rechenleistung, Daten und Steuerung koordiniert verwaltet.

Aus Sicht der Produktdefinition entwickeln sich KI-Agenten zur zentralen Interaktionsschicht des Fahrzeugs. Das Fahrzeug wandelt sich von einem System, das Befehle lediglich ausführt, zu einem System, das Nutzerabsichten aktiv versteht. Unsere Architektur spiegelt diesen Wandel wider. Die Architektur für autonomes Fahren agiert in der physischen Welt, während die Cockpit-Architektur digitale Dienste verwaltet. Gemeinsam schaffen sie ein intelligentes Gesamterlebnis über alle Nutzungsszenarien hinweg, bei dem das Fahrzeug sowohl Fahraufgaben übernehmen als auch digitale Aufgaben organisieren kann.

Interview mit Harald Kroeger, Head of Sales bei SiMa.ai

„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.

Benjamin Müller

15. Juni 2026

Was unterscheidet die chinesische SDV-Entwicklung von der europäischen?

Basierend auf den Erfahrungen unseres deutschen Entwicklungszentrums und unseren internen Entwicklungsprogrammen sehen wir grundlegende Unterschiede bei den strategischen Prioritäten zwischen der chinesischen und der europäischen SDV-Entwicklung.

Das chinesische SDV-Modell setzt tendenziell auf KI-Entwicklung in-house, wodurch schnelle geschlossene Iterationszyklen ermöglicht werden. Es legt großen Wert auf Nutzererlebnis, agile Entwicklung und Hardware-Software-Kooptimierung.

Das europäische SDV-Modell hingegen stützt sich stärker auf kollaborative KI-Entwicklung innerhalb etablierter Zuliefererökosysteme. Der Fokus liegt stärker auf funktionaler Sicherheit und technischer Zuverlässigkeit sowie auf Hardware-Software-Entkopplung und Standardisierung.

Wie nähert sich Li Auto dem Konzept von Embodied AI im Fahrzeug?

Embodied AI bedeutet, dass ein Fahrzeug mehr tut, als lediglich Befehle auszuführen. Es nimmt seine Umgebung wahr, versteht die Absichten des Nutzers und antizipiert Bedürfnisse auf eine Weise, die menschlicher Interaktion zunehmend ähnelt.

Während sich das System durch die tägliche Nutzung weiterentwickelt, wird das Fahrzeug mehr als nur ein Transportmittel. Es wird zu einer intelligenten Entität, die ihre Nutzer erkennt, ihre Vorlieben versteht und proaktiv Unterstützung bietet.

Für Li Auto ist das Fahrzeug lediglich die erste großskalige Anwendung von Embodied AI. Unser langfristiges Ziel ist der Aufbau eines allgemeinen Intelligenzsystems für die physische Welt.

Unser Ansatz für Embodied AI orientiert sich an der menschlichen Physiologie. Die technische Architektur des Fahrzeugs basiert auf fünf zentralen internen Forschungs- und Entwicklungsbereichen, die jeweils grundlegenden menschlichen Systemen entsprechen. Dies ermöglicht eine tiefe Integration von Hardware und Software und schafft die Grundlage für immer leistungsfähigere Formen verkörperter Intelligenz.

Wie der AUTOMOBIL-ELEKTRONIK Kongress zur Bühne der E/E-Branche wurde

1992 diskutierte die Branche in Augsburg über Elektronikstrukturen, Modularisierung und Diagnose. Aus dieser E/E-Pionierzeit entstand der AUTOMOBIL-ELEKTRONIK Kongress, der bis heute zeigt: Ohne Systemdenken fährt kein Auto.