Bewusstes Risiko: Team bringt Roboterautos Trick von guten Fahrern bei

Was brauchen autonome Fahrzeuge, um souverän zu agieren? Neben immer mehr Rechenleistung und unzähligen Sensoren glaubt ein Team aus Hongkong, den entscheidenden Trick gefunden zu haben: ein "Gefühl" für Risiko im richtigen Moment.

Intelligentes Risiko: So werden autonome Autos besser

Die Entwicklung autonomer Fahrsysteme wird weltweit von Tech-Konzernen, Start-ups und Automobilherstellern vorangetrieben. Die Ansätze sind verschieden - vom reinen Regelwerk über KI-gestützte Entscheidungsmodelle bis hin zu Deep-Learning-Verfahren. Doch eines eint sie bislang: Sie agieren meist starr, folgen formalen Regeln und reagieren wenig flexibel auf komplexe Alltagssituationen.

Ein neuer Forschungsansatz setzt genau dort an: Wenn autonome Systeme lernen, Risiken wie ein erfahrener Mensch einzuschätzen, fahren sie nicht nur sicherer, sondern auch effizienter. Ein Team der Hongkong University of Science and Technology (HKUST) hat dafür ein Modell entwickelt, das nach Aussage der Forscher nicht einfach Regeln abbildet - sondern menschliches Denken. Die Idee: Damit die Systeme fahren wie ein Mensch, muss sie auch entscheiden wie ein Mensch: Wann lohnt es sich, ein kleineres Risiko in Kauf zu nehmen, um eine größere Gefahr zu vermeiden? Oder wann ergibt es Sinn, zu warten, wenn klassische AV-Systeme nur eine freie Bahn sehen?


Klassische autonome Systeme kalkulieren hier vorwiegend nur binäre Risikoverhältnisse zwischen zwei Verkehrsteilnehmern. Doch in komplexen Situationen - etwa an einer belebten Kreuzung - genügt das nicht. Menschen gewichten hier intuitiv: Erst wird der Schutz von Fußgängern sichergestellt, danach folgt die Rücksicht auf andere Fahrzeuge. Und noch viel wichtiger: Diese Regeln sind je nach Ort und Situation anders. Diese Fähigkeit, Gefahr im dynamischen sozialen Kontext einzuordnen, nennen Fachleute "soziale Sensitivität".

Um genau dies maschinell abzubilden, kombinierte das interdisziplinäre HKUST-Team um Prof. Yang Hai Erkenntnisse aus Neurowissenschaften, Ethik und Verkehrsingenieurwesen. Das System basiert auf drei zentralen Elementen: einer individuellen Risikobewertung aller Beteiligten, einer ethisch gewichteten Risikokarte und dem sogenannten Behavioral Belief Encoding - also der Fähigkeit, die eigene Wirkung im Verkehr vorauszudenken.

Laut der im Fachjournal PNAS veröffentlichten Studie schneiden AVs mit diesem System nicht nur sicherer ab - sie erledigen ihre Fahrmanöver auch durchschnittlich 13,9 Prozent schneller. Das zeigt: Ein feineres Gespür für Risiko kann nicht nur schützen, sondern auch Tempo machen. Insgesamt sank das Verkehrsrisiko um 26,3 Prozent, bei besonders gefährdeten Gruppen wie Fußgängern und Radfahrern sogar um 51,7 Prozent. Der vorgeschlagene Ansatz für 'sozial sensible autonome Fahrzeuge' (HKUST) Wie die Zahlen ermittelt wurden:
"Unsere Architektur erlaubt es, AVs an lokale Regeln und soziale Normen anzupassen", erklärt Prof. Yang. "In manchen Ländern hat der Schutz schwächerer Verkehrsteilnehmer Vorrang, in anderen zählt die Effizienz mehr. Auch unterschiedliche Rechtsauffassungen zu Unfallverantwortung lassen sich so berücksichtigen."

Risiko als Sicherheitsfaktor

Tatsächlich kann genau diese Anpassungsfähigkeit entscheidend sein, damit autonome Fahrzeuge sich besser in den Verkehrsfluss einfügen - etwa weil sie typische Verhaltensweisen vor Ort besser verstehen und nachvollziehen können. Frühere Studien zeigen außerdem: Wenn AVs lokale Gepflogenheiten mitdenken, reagieren sie für menschliche Fahrer berechenbarer, verursachen weniger Störungen im Verkehrsfluss und tragen zu einem ruhigeren Zusammenspiel im Straßenverkehr bei.

Die Arbeit entstand unter Mitwirkung mehrerer Institutionen, darunter die University of Washington und Tsinghua University. Derzeit arbeitet das Team an einem großangelegten, internationalen Datensatz sozialer Fahrmuster und bereitet erste Praxistests vor - ein nächster Schritt auf dem Weg zu Fahrzeugen, die nicht nur einfach Verkehr berechnen, sondern verstehen.


Siehe auch: