Thought Leadership
KI-Systeme dominieren die Automobilbranche, doch der Weg zum autonomen Fahren stockt. Schwächen wie mangelnde Transparenz und Robustheit bremsen die Technologie aus. Experten sehen „verantwortungsvolle KI“ als Lösung.
KI revolutioniert die Autobranche – aber nicht überall
Die Automobilindustrie nutzt KI schon lange, etwa um die Produktion effizienter zu machen oder Sicherheit und Komfort zu steigern. Kommunikation zwischen Fahrzeugen und ihrer Umgebung sorgt für bessere Fahrerlebnisse. Autonomes Fahren, ein zentraler Traum der Branche, scheint aber nicht wie erhofft voranzukommen. Obwohl Prognosen längst flächendeckende Robotaxis versprachen, ist das autonome Fahren bisher nur in wenigen Testregionen Realität – oft mit Problemen. So sorgten Berichte aus San Francisco über Verkehrsstörungen und Unfälle durch autonome Fahrzeuge für Schlagzeilen.
Warum die Technologie nicht greift
Forschungseinrichtungen wie das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) betonen, dass heutige KI-Modelle noch nicht ausgereift genug sind. Besonders maschinelles Lernen scheitert in sicherheitskritischen Anwendungen: Systeme sind oft wenig erklärbar, nicht robust genug und benötigen enorme Datenmengen. Ohne klare Erklärungen der Entscheidungsprozesse bleibt das Vertrauen in die Technik begrenzt – ein großes Hindernis für den Einsatz im Straßenverkehr.
Responsible AI: Die Lösung?
Um dieses Problem zu lösen, schlägt das DFKI gemeinsam mit Accenture eine neue Strategie vor: „Responsible AI“. Diese verantwortungsvolle KI soll sicherstellen, dass Systeme ethisch, transparent und fair entwickelt und genutzt werden. Dabei geht es nicht nur um Technik, sondern auch um gesellschaftliche Akzeptanz. Wie KI-Experte Prof. Marco Barenkamp erklärt, ist solch ein Ansatz essenziell, um das Vertrauen in KI zu stärken und sie sicherer zu machen: „Responsible AI ist unverzichtbar für den Erfolg autonomer Fahrtechnologien.“
Neue Ansätze: Neuroexplizite KI
Ein vielversprechender Ansatz ist die sogenannte neuroexplizite KI. Sie kombiniert die Stärken neuronaler Netze mit symbolischen Argumentationen und physikalischem Wissen. Das Ziel: Transparente und robuste Entscheidungen, die auch in kritischen Situationen verlässlich bleiben. So könnten autonome Systeme beispielsweise visuelle Daten besser interpretieren, indem sie physikalische Eigenschaften wie Lichtreflexionen berücksichtigen.
Ein Leitfaden für ethische KI
DFKI und Accenture fordern in ihrem Leitfaden mehr Transparenz, Fairness und Nachhaltigkeit bei der KI-Entwicklung. Dies soll sicherstellen, dass Risiken wie Diskriminierung oder Datenschutzverletzungen minimiert werden. Langfristig könnte „Responsible AI“ der Automobilindustrie nicht nur helfen, das Vertrauen der Gesellschaft zu gewinnen, sondern auch den Traum vom sicheren autonomen Fahren Realität werden lassen.
Leitfaden von DFKI und Accenture: Responsible AI in the automotive industry: Techniques and use cases
(sp/Academic Society for Artificial Intelligence – Studiengesellschaft für Künstliche Intelligenz e.V.)
