Mobile-Menu

KI-Fahrer statt Regelwerk Wayve setzt beim autonomen Fahren auf Deep Learning und Cloud

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

Microsoft GmbH
Fsas Technologies GmbH
QUNIS GmbH
Fivetran Germany GmbH

Das britische KI-Start-up Wayve verfolgt beim autonomen Fahren einen radikalen Ansatz: Statt Verkehrsregeln und Karten zu programmieren, setzt das Unternehmen auf Deep Learning und große Datenmengen. Trainiert wird der „AI Driver“ in der Cloud, mit Rechenleistung aus Microsoft Azure.

Wayve entwickelt einen KI-Fahrer auf Basis von Deep Learning. Trainiert wird das autonome Fahrsystem mit Rechenleistung in Microsoft Azure.(Bild: Wayve)
Wayve entwickelt einen KI-Fahrer auf Basis von Deep Learning. Trainiert wird das autonome Fahrsystem mit Rechenleistung in Microsoft Azure.
(Bild: Wayve)

Autonomes Fahren gilt seit Jahren als eines der komplexesten Anwendungsfelder für Künstliche Intelligenz (KI). Während viele Projekte auf hochauflösende Karten, fest codierte Regeln und spezialisierte Sensorik setzen, geht Wayve einen anderen Weg. Das 2017 in Großbritannien gegründete Start-up betrachtet autonomes Fahren konsequent als End-to-End-KI-Problem und verlässt sich dabei nahezu vollständig auf neuronale Netze.

Deep Learning statt starrer Regeln

Der sogenannte AI Driver von Wayve lerne das Fahren direkt aus Daten. Kamerabilder, Sensordaten und Simulationen fließen in ein einziges Deep-Learning-Modell, das Verkehrsregeln nicht explizit kennt, sondern aus Erfahrung ableitet. Kreuzungen, Kreisverkehre oder unübersichtliche Verkehrssituationen werden nicht regelbasiert abgearbeitet, sondern sollen als statistische Muster erkannt und bewertet werden.

Datenflut erfordert Cloud-Rechenpower

Dieser Ansatz stelle hohe Anforderungen an Training und Infrastruktur. Für das Modelltraining nutzt Wayve die Cloud-Plattform Microsoft Azure. Dort werden große Mengen an Fahrdaten gespeichert, verarbeitet und mit tausenden GPUs parallel trainiert. Die Cloud diene nicht nur als Rechenmaschine, sondern auch als Experimentierfeld: Simulationen sollen es erlauben, seltene oder gefährliche Verkehrssituationen gezielt zu erzeugen und das Modell darauf vorzubereiten.

Ein KI-Fahrer für jede Straße

Ein zentrales Versprechen des Ansatzes sei Skalierbarkeit. Laut Wayve liese sich der KI-Fahrer innerhalb weniger Wochen auf neue Städte, Länder oder Fahrzeugtypen anpassen. In Testfahrten soll das System bereits in mehreren Ländern zum Einsatz gekommen sein, darunter auch in Tokio, wo das Modell nach kurzer Trainingszeit in einer zuvor unbekannten Verkehrsumgebung eingesetzt wurde. Kartenmaterial oder lokalspezifische Regelwerke waren dafür wohl nicht erforderlich.

Embodied AI als nächster Schritt

Technisch folgt Wayve damit dem Konzept der Embodied AI: Künstliche Intelligenz agiert nicht nur in digitalen Räumen, sondern trifft Entscheidungen in der physischen Welt in Echtzeit und unter Unsicherheit. Genau hier sehen viele Experten den nächsten Entwicklungsschritt jenseits generativer Text- oder Bildmodelle.

Gleichzeitig macht der Ansatz deutlich, wie stark Fortschritte im autonomen Fahren von Datenverfügbarkeit und Rechenleistung abhängen. Ohne skalierbare Cloud-Infrastrukturen wäre das Training solcher Modelle kaum realisierbar. Offen bleibt zudem die Frage der Verlässlichkeit: KI-Systeme müssen nicht nur typische Verkehrssituationen beherrschen, sondern auch seltene, schwer vorhersehbare Ereignisse sicher bewältigen.

Wayve setze darauf, dass datengetriebenes Lernen langfristig robuster ist als regelbasierte Systeme. Ob sich dieser Ansatz im realen Straßenverkehr durchsetzt, dürfte maßgeblich davon abhängen, wie gut sich KI-Modelle unter Alltagsbedingungen kontrollieren, validieren und absichern lassen.

(ID:50683299)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte