Das weltweit erste Hybridauto kommt nach Deutschland

Allen Automobilherstellern voran verwirklicht Toyota den Hybridantrieb aus einem Otto- und einem Elektromotor in der Mittelklasselimousine Prius. Das erste weltweit in Serie gebaute Automobil mit dieser Antriebskombination soll für 44.400 Mark im Februar nächsten Jahres hierzulande starten – nach über 40.000 seit Ende 1997 in Japan verkauften Exemplaren. Der 4,32 Meter lange Fünfsitzer mit einem großen Radstand von 2,55 Metern verkuppelt einen nach Euro 4 vorbildlich abgasarmen und entsprechend steuerbegünstigten Vierzylinder-Benziner mit 71 PS aus 1,5 Liter Hubraum mit einem Elektromotor/Generator, der 44 PS (33 kW) leistet. Einzeln oder vereint am Zug, bringen sie den ansehnlichen Viertürer flott voran.

Man startet den High-Tech-Frontantriebler wie jeden normalen Wagen mit Automatikgetriebe, fährt elektrisch leise los und sieht lediglich am zentral placierten Infodisplay, daß – je nach Gaspedalgebrauch – der Benziner zugreift, um den Prius allein oder gemeinsam mit dem E-Werk auf Touren zu bringen. Die Zuschaltung erfolgt ruckfrei und ohne menschliches Zutun. Der moderne Vierventiler ist mit maximal 115 Newtonmetern bei 4.200 Umdrehungen durchzugsstark und geht mit 5,1 Liter Super über 100 Kilometer äußerst sparsam mit dem Sprit um.

In Sachen Fahrlärm ist der Innenraum klassengemäß gedämmt. Dennoch könnte im oberen Tempobereich etwas nachgebessert werden. Der Sitz- und Fahrkomfort ist gut, der neben dem Lenkrad installierte Automatik-Wahlhebel und das weggefallene Kupplungspedal sorgen trotz der Fuß-Feststellbremse für reichlich Platz im Fußraum. Bei ersten Probefahrten zeigte sich der Japaner keineswegs schlapp oder gar untermotorisiert. In 13,4 Sekunden bewältigt der Technologieträger mit dem Rekord-Luftwiderstandsbeiwert von 0,29 cW den 0-bis-100 km/h-Spurt und bringt es am Ende auf maximal 160 km/h. Das taugt auch zur Urlaubsreise.

Bei 1.250 Kilogramm Leergewicht verkraftet der mit Heckspoiler, Klarglasscheinwerfern und markentypischer Frontansicht recht flott vorfahrende Motormischling 1.645 Kilogramm Gesamtgewicht. Das serienmäßige Antiblockiersystem und die Scheibenbremsen an beiden Achsen haben damit keine Probleme. Der Gepäckraum faßt 392 Liter und ist durch die geteilt umlegbare Rücksitzlehne nach vorn zu erweitern. Schade, daß die in Deutschland angebotene zweite Prius-Generation die unzeitgemäßen Haltebügel an der Heckklappe behalten hat, die schon beim japanischen Vorgänger als platzmindernde Störung moniert wurden. Zudem wäre auch eine Griffmulde von Nutzen.

Zur Deutschland- und zugleich Europapremiere hat Toyota die Mitarbeiter der Händler durch spezielle Kurse über das Hybridantriebssystem informiert. Dabei ist die in Tieflage hinter der Sitzbank deponierte Nickel-Metallhydrid-Batterie, die den vom bordeigenen Elektrizitätswerk sowie von den Bremsen im Schubbetrieb erzeugten Strom speichert, wartungsfrei. Für den Wagen gewährt die Marke erstmals fünf Jahre oder 100.000 Kilometer Herstellergarantie.

1.500 Exemplare sollen nächstes Jahr in Deutschland verkauft werden. Damit gibt der Konzern der neuen Antriebstechnik hierzulande reichlich Anlaufzeit. In Japan wird nach dem weltweit ersten Serienautomobil mit Hybridantrieb bereits ein zweiter „Zwitter“ startklar gemacht: ein Allradvan (der Toyota Previa – Red.) mit 2,4-Liter-Benziner und zwei variabel damit kooperierenden Elektromotoren. – Wenn wir morgen noch auto-mobil sein wollen, müssen uns heute die dafür richtigen Lösungen einfallen. Der Hybridantrieb ist eine davon.

Autor. Karl-Hermann Huhn (kb), Abbildung

Grundsätzlich ist es richtig, unnötigen Ballast aus dem Auto zu entfernen und den Luftwiderstand durch den Abbau von Gepäck- oder Fahrradträgern zu reduzieren. Ebenso sinnvoll ist es, elektrische Verbrauchsgeräte möglichst wenig im Betrieb zu haben: Sitzheizung, Klimaanlage und Scheibenheizung konsumieren Energie, die beim Verbrenner letztlich aus dem Tank kommt. Am Licht zu sparen könnte indes der Sicherheit abträglich sein. Nicht zuletzt sind gut gewartete Autos mit frischem Luftfilter, sauberem Öl und neuen Zündkerzen günstiger unterwegs als mit einem Rückstand bei der Wartung. Aber auch den Werkstattbesuch muss man sich erst einmal leisten können.

Kurzfristig lohnt es sich nicht, vorhandene Reifen mit ausreichend Profiltiefe gegen Spritsparreifen zu tauschen. Aufwand und Kosten stehen in keinem Verhältnis zum Einsparpotenzial. Die schlichte Kontrolle des Reifenfülldrucks bringt natürlich nichts, effektiv ist einzig die richtige Einstellung. Für eine wirkungsvolle Verbrauchsreduzierung sollten sich Autofahrer unbedingt am angegebenen Maximalfülldruck des Autoherstellers orientieren und die Reifen entsprechend aufpumpen. Der Mindestfülldruck reicht zwar für die Sicherheit, taugt aber fürs Sparen gar nichts! Wer dagegen 0,2 bar unter dem empfohlenen Höchstdruck bleibt, leidet nur minimal unter Komforteinbußen, reduziert dafür aber den Rollwiderstand der Reifen mit spritsparender Wirkung um ein gutes Stück und ist selbst dann sicher genug unterwegs, wenn viele Insassen samt Gepäck an Bord sind.

Richtige Bedienung des ersten Gangs

Als ertragreichster Spartipp für Autos mit Handschaltgetriebe muss die richtige Bedienung des ersten Gangs angesehen werden. Für einen möglichst niedrigen Verbrauch wird er lediglich beim Losfahren bis zur Länge des Wagens benutzt, und nach diesen vier, fünf Metern geht es bereits in den zweiten Gang. Das führt zum untertourigen Fahren, was dem Motor keineswegs schadet. Dieses Vorgehen sollte konsequent bis in den höchsten Gang durchgeführt werden. Rund 2.000 Umdrehungen der Kurbelwelle pro Minute im jeweiligen Gang und das damit verbundene träg-dumpfe Röhren des Motors sind zwar für manchen Autofahrer gewöhnungsbedürftig, reichen aber für eine ruckfreie und gleichzeitig zügige Fortbewegung völlig aus. Dabei kann das Gaspedal ohne Verbrauchsnachteil jeweils voll durchgetreten werden. In der höchsten Fahrstufe werden sich die 2.000 Umdrehungen oft als zu langsam für eine halbwegs flotte Fortbewegung im Verkehrsfluss erweisen. Wer aber ein Sparfuchs sein möchte, dem muss klar sein, dass der Verbrauch mit der Drehzahl kräftig ansteigt.

Automatikgetriebe erforderte andere Tricks

Fahrzeuge mit Automatik sind indes etwas anders zu behandeln. Hier hilft ein sensibler Gasfuß oder das frühzeitige manuelle Hochschalten über die eventuell vorhandene Schaltwippe. Erhebliche Einsparmöglichkeit gibt es auch bei der Wahl des richtigen Tempos. Am einfachsten ist es, die erlaubte Höchstgeschwindigkeit nicht zu überschreiten. Auf der anderen Seite kann Bummeln nicht immer die Lösung sein, denn Zeit ist ja auch Geld, so dass man von Fall zu Fall abwägen muss. 130 km/h auf der Autobahn sind in der Regel fix genug, um ohne nennenswerten Zeitverlust ins Ziel zu kommen. Auch hier gilt: Geringere Drehzahlen erhöhen den Spareffekt.

Vorausschauendes Fahren

Eine deutliche Senkung der nächsten Tankrechnung verschafft nicht zuletzt das vorausschauende Fahren. Rote Ampeln lassen sich meist schon aus größerer Entfernung erkennen, und auch auf Geschindigkeitsbegrenzungen sollte man bei einer ökonomischen Fahrweise noch vor Erreichen des Verkehrsschildes reagieren. Warum also nicht das Kupplungspedal zeitig treten und den Wagen im Leerlauf mit sanft abnehmendem Tempo frei rollen lassen? Vor einem 50- oder 70-km/h-Schild kann zum Ausnutzen der Bremswirkung wieder eingekuppelt werden. Alternativ lässt man den Motor eingekuppelt und nutzt seine Bremswirkung: Dank Schubabschaltung sinkt dann der momentane Verbrauch auf null Liter. Vorausschauend zu fahren heißt im übrigen auch, auf unnötiges Kollonnenspringen mit abruptem Druck auf Gas- oder Bremspedal zu verzichten und stattdessen lieber im Verkehrsfluss mitzuschwimmen. Das bewahrt auch andere Autofahrer vor erhöhtem Spritkonsum und provoziert obendrein keine gefährliche Fahrsituation.

Übung macht den Spritsparmeister

Nun heißt es: Übung macht den Spritsparmeister. Natürlich verzichtet er soweit wie möglich darauf, kurze Strecken mit dem fahrbaren Untersatz zu bewältigen, denn Kaltstarts fressen besonders viel Kraftstoff. Abgewöhnen müssen sich Sparer auch den Ärger über schnellere Verkehrsteilnehmer, die an ihnen vorbeiziehen. Viele derjenigen, die es im Alltag weiter sehr eilig haben, fahren mit ihrem Dienstwagen in einer anderen Welt und nutzen eine Tankkarte ihres Arbeitgebers – denen ist der Preis für den Liter Benzin oder Diesel weiterhin wurscht.

Autor: Lars Döhmann (kb), Abbildung: Pixabay

Bei seiner Einführung kostete der Prius 40.000 Mark (20.500 Euro). Damit war er deutlich teurer als vergleichbare Modelle mit Verbrennungsmotor, für die zwischen 27.000 und 30.000 Mark (13.800 bis 15.300 Euro) verlangt wurden. Dafür benötigte der Prius nach der damaligen Norm weniger als fünf Liter (bleifreies!) Benzin auf 100 Kilometer, während die Konkurrenz zwischen sieben und acht Litern schluckte. Wir haben aus unserem Archiv zwei interessante Artikel herausgefischt, mit denen der kraftfahrt-berichter die Hybridpremiere in Deutschland seinerzeit begleitete. Im folgenden lesen Sie einen Text vom November 1998, mit dem der Prius und seine Technik gut zwei Jahre vor dem Marktstart erstmals präsentiert wurden. Die Neuvorstellung des Wagens aus dem Jahr 2000 folgt in der nächsten kb-Ausgabe mit Teil 2.

Toyota hat, was Greenpeace fordert

Mit den Kampagnen gegen die Automobilindustrie hat Greenpeace kein Glück. Erst hatte die Umweltorganisation mit dem „Dreiliter-Auto“ Smile keine Fortune, weil VW mit dem Lupo schneller war. Nun droht für Greenpeace auch das nächste, für die IAA 1999 geplante Aufreger-Thema ebenfalls zum Flop zu werden. Denn auch mit einem „Fünfliter-Benziner in der Mittelklasse“ kann die Branche bereits aufwarten: Seit Dezember letzten Jahres bietet Toyota auf dem Heimatmarkt mit dem Viertürer Prius ein Mittelklasse-Modell an, das nach japanischer Norm durchschnittlich nur 3,6 Liter Normalbenzin auf 100 Kilometer verbraucht. Gemäß dem europäischen Zyklus entspricht dies „weniger als fünf Litern“, so Toyotas Pressesprecher Wolf-Hennig Fanslau.

Rund 50 Prozent weniger CO₂ und bis zu 90 Prozent weniger NOx

Mit dem Verbrauch werden auch die Schadstoffemissionen drastisch reduziert: Rund 50 Prozent weniger CO₂ und bis zu 90 Prozent weniger NOx gibt Toyota an. Der Prius kostet in Japan umgerechnet 32.000 Mark, rund 20.000 Stück sollen in diesem Jahr neu zugelassen werden. Allerdings wird der Umweltschoner erst im Sommer 2000 auf den europäischen und somit auch auf den deutschen Markt kommen. So lange dauern Entwicklung und Erprobung eines stärkeren, den höheren Geschwindigkeiten hierzulande angepaßten Motors. Die Exportversion soll dann unter 40.000 Mark kosten und knapp fünf Liter auf 100 Kilometer verbrauchen.

Erstmals ein Auto mit zwei Herzen in einer Brust

Den erstaunlich niedrigen Verbrauch verdankt der 4,28 Meter lange und über 1,2 Tonnen schwere Mittelkläßler seinem Hybridantrieb mit zwei Motoren unter der Haube: einen vorn quer eingebauten, speziell für diesen Einsatz entwickelten 1,5-Liter großen Vierzylinder-Motor mit 58 PS, und dazu einen 41 PS starken Elektromotor mit vierzig wartungsfreien Nickel-Metallhydrid-Batterien mit Fünfjahresgarantie. Ein Computer regelt automatisch die Umstellung von Elektro- auf Verbrennungsmotor; das heißt Batteriebetrieb bei niedrigen Geschwindigkeiten. Um die Vorderräder anzutreiben, schaltet sich bei mittlerem und schnellem Tempo der Benzinmotor zu. So fährt sich der Prius wie ein ganz normales Auto. Daß der Toyota etwas Besonderes ist, sieht man am auffälligen Display im Cockpit. Eine Graphik zeigt während der Fahrt den Energiefluß an, welcher Motor arbeitet und wie voll die Batterie ist. Damit hat die Prius-Limousine „das erste Antriebssystem unter der Haube, das je nach Anforderung an das Fahrzeug in der Lage ist, verschiedene Antriebsarten zu aktivieren“, so Toyota.

Hybridautos sind jedoch keine Sportler

Und so funktioniert das System: Beim Anfahren tritt der Elektromotor in Aktion. Bei normaler Fahrt wird die Antriebsachse vom Benzinmotor angetrieben. Wird Leistung verlangt, weil es zum Beispiel bergauf geht oder zügig überholt werden muß, schaltet sich der Elektromotor zu und steuert zusätzliche Energie bei. Bergab und bei langsamer Fahrt kommt der Elektroantrieb alleine zum Zuge. Sinkt der Ladezustand der Batterie, wird sie während der Fahrt vom Benzinmotor wiederaufgeladen. Auch die beim Bremsen gewonnene Energie wird an die Batterie weitergeleitet. Der maximal 160 km/h schnelle Hybrid-Toyota ist mit einem speziell entwickelten Getriebe ohne Kupplung ausgestattet (elektronisch gesteuert, stufenlosen Versionen vergleichbar) und beschleunigt so zügig wie jeder andere vergleichbare Wagen. Allerdings muß man wissen, daß Hybridautos keine Sportler sind. Sie verlangen eine ausgeglichene Fahrweise, was der Prius mit einem wunderbar niedrigen Geräuschniveau belohnt. Auch der Kofferraum des Fünfsitzers (mit normalem Reserverad unter dem Boden) entspricht dem Klassendurchschnitt, da die Batterien platzsparend hinter der Rücksitzbank (über dem Benzintank) plaziert sind. (…)

Autorin: Beate M. Glaser (ϯ), Abbildung: Toyota

Motorjournalist: Warum beschäftigen Sie sich im Bereich Fahrerassistenzsysteme aktuell so intensiv mit China?

Stefan-Alexander Schneider: In China entscheidet sich gerade, wie die Zukunft von Fahrerassistenzsystemen und automatisiertem Fahren künftig gestaltet wird. Daher haben Studierende im Fach ‚Grundlagen Fahrerassistenzsysteme‘ jetzt untersucht, warum chinesische Hersteller bei Assistenzfunktionen, Softwarearchitekturen und Markteinführungsgeschwindigkeit so schnell vorankommen. Das Ziel war nicht etwa Meinungsbildung, sondern eine faktenbasierte Analyse von Produktionssystemen, Regulierung, Technologiearchitekturen und Marktlogik. Die Ergebnisse der Studierenden waren so konsistent, dass sie auch über den Hörsaal hinaus relevant sind.

Motorjournalist: Wie lautete die wichtigste übergreifende Erkenntnis aus den Analysen Ihrer Studierenden?

Stefan-Alexander Schneider: Die wichtigste Erkenntnis lautete: Der Vorsprung chinesischer Hersteller zeigt sich nicht nur technologisch, sondern wird auch an ihrem beeindruckenden wirtschaftlichen Erfolg im Markt deutlich. Die Studentin Lisa Mayer hat herausgearbeitet, wie stark industrielle Skalierung, Parallelisierung, bei der mehrere Produktions-, Entwicklungs- oder Verarbeitungsprozesse gleichzeitig ablaufen, und sogenannte „Chinese Speed“-Strukturen den globalen Wettbewerb verändern. Ihr Kommilitone Fabian Klein hat diese Entwicklung aus Sicht der deutschen Hersteller in China quantifiziert. Das Ergebnis: sinkende Marktanteile deutscher Autobauer, veränderte Kundenpräferenzen chinesischer Kunden und ein klarer Shift hin zu Software-, Konnektivitäts- und Assistenzfunktionen als zentrales Kaufkriterium für die chinesische Bevölkerung. Seine Analyse macht deutlich, dass deutsche Autohersteller zwar beliebt bleiben, ihre Fahrzeuge im Alltag aber immer weniger funktional sind.

Motorjournalist: Oft heißt es, China sei einfach weniger streng reguliert. Stimmt das?

Stefan-Alexander Schneider: Nein, das ist ein verbreiteter Irrtum. Der Student Marcel Wöllner hat sich detailliert mit den Regulierungen für chinesische E-Autos und New-Energy-Vehicles (= NEV umfassen reine Elektroautos, Plug-in-Hybride und Wasserstofffahrzeuge) beschäftigt. Sein Ergebnis: China hat kein klassisches Verbrennerverbot, aber eine sehr wirkungsvolle Lenkungsregulierung über Zulassungssysteme, Kennzeichenpolitik und Stadtverkehrsregeln. Diese Rahmenbedingungen erzeugen reale Nutzungsszenarien für Fahrerassistenzsysteme. In Europa dagegen regulieren wir häufig bevor überhaupt Systeme im Alltag großflächig in der Praxis eingesetzt werden. In China dagegen reguliert man, um später Systeme im großen Maßstab gezielt zu nutzen.

Motorjournalist: Wie groß ist der technologische Abstand bei Fahrerassistenzsystemen zwischen China und uns wirklich?

Stefan-Alexander Schneider: Das muss differenziert betrachtet werden, wie die Studierenden herausgearbeitet haben. Oliver Bischof hat sich mit ADAS (= Advanced Driver Assistance Systems, sprich, elektronische Fahrerassistenzsysteme im Auto, die durch Kameras, Radar und Lidar Sicherheit und Komfort erhöhen) -Architekturen chinesischer Autobauer, wie BYD und Xpeng, sowie Technologieanbietern, wie Huawei, beschäftigt. Dazu zählten End-to-End-KI-Ansätze (Konzept im Maschinellen Lernen), Mapless Driving (autonomes Fahren ohne digitale Karten), lernende Belegungs- und Planungsnetze sowie eigene Hochleistungs-Chips. Besonders spannend ist eine provokante, aber technisch gut begründete These aus China: Hochautomatisiertes Fahren ist in mancher Hinsicht einfacher als Assistenzsysteme, die sich „menschlich“ verhalten sollen. Deutschland ist weiter stark bei zertifizierten Level-3-Systemen mit bedingter Automatisierung – China dominiert dagegen den Alltag mit Level-2-plus-Funktionen, sprich Funktionen für eine erweiterte Teilautomatisierung, jedoch keine echte Autonomie wie bei Level 3 oder höher.

Motorjournalist: Ist der chinesische Vorsprung wirklich nur auf Software und KI zurückzuführen?

Stefan-Alexander Schneider: Ein klares ‚Nein‘. Der Student Jari Blumrich hat vielmehr nachgewiesen, wie entscheidend darüber hinaus die Kontrolle über Batterie- und Rohstofflieferketten ist. Batterien machen 30 bis 40 Prozent der Fahrzeugkosten aus und bestimmen indirekt, wie viel Rechenleistung, Sensorik und Assistenzfunktionalität wirtschaftlich verbaut werden kann. Ergänzt wird sein Ergebnis durch Marktanalysen, besonders von Fabian Klein, die zeigen, dass chinesische Premiumkunden sehr wohl zu deutschen Marken zurückkehren würden, wenn Assistenz- und Softwarefunktionen vergleichbar mit denen der Chinesen wären. Damit ist die ADAS-Überlegenheit der chinesischen Autobauer auch energie- und industriepolitisch abgesichert.

Motorjournalist: Wie lautet Ihr Fazit aus den Analysen?

Stefan-Alexander Schneider: Europa wird nicht überholt, weil es schlechtere Ingenieure hat, sondern weil es langsamer lernt. Fahrerassistenzsysteme sind längst keine abgeschlossenen Produkte mehr, sondern lernende Systeme. Wie die Arbeiten der Studierenden deutlich unterstreichen, müssen Sicherheit, Regulierung und Geschwindigkeit Hand in Hand gehen. Wer daher Assistenzsysteme zulässt, aber nicht skaliert, verliert Innovationsdynamik. Genau diese Erkenntnis wollte ich vermitteln –und sie ist aktueller denn je.

Autorin: Isabella Finsterwalder

Auf einen Blick: Die Analysen der Studierenden

Modul „Grundlagen Fahrerassistenzsysteme“, Wintersemester 2025/26, Hochschule Kempten

• Lisa Mayer: Chinese Speed und industrielle Skalierung in der chinesischen Automobilindustrie
• Fabian Klein: Marktanteile deutscher OEMs in China und veränderte Kundenpräferenzen
• Marcel Wöllner: NEV-Regulierung und Lenkungswirkung des chinesischen Marktes
• Oliver Bischof: ADAS-Architekturen, KI-Stacks und Automatisierungsstrategien chinesischer Hersteller
• Jari Blumrich: Batterie- und Rohstofflieferketten als strategischer Hebel der Elektromobilität

Harry Niemann hat alles um die historische Automobilität wissenschaftlich erarbeitet und darüber an Universitäten gelehrt. Von 1989 bis 2008 war er zudem Leiter des Historischen Archivs der Mercedes Benz AG – ein Experte, rund um das Thema „Kompressor mit Stromlinie“.

Rückblick: Anfang des 20. Jahrhunderts gehörten Aufladung von Motoren und Aerodynamik zu den zentralen Entwicklungsfeldern im Fahrzeugbau, die es zu erforschen galt. In beiden Segmenten zählte Mercedes-Benz zu den Pionieren und baute für die 2000 Kilometer lange Deutschland-Rallye 1934 einen 500 K Stromlinienwagen als Einzelstück. Dieser tauchte schließlich – umgebaut zu einem Cabriolet A – wieder auf und wurde jetzt aufwändig nach Originalunterlagen zurückgebaut.

In dem vorliegenden Buch beleuchtet der Autor nicht nur die Wiedergeburt dieses außergewöhnlichen Wagens, sondern auch die komplette Historie der aufgeladenen Stromlinienfahrzeuge der Marke mit dem Stern. Im Mittelpunkt steht dabei aber immer wieder der besagte 500 K mit seiner wechselvollen Geschichte und der faszinierenden Schilderung seines Wiederaufbaus.

Es sind  nicht nur die Texte, die in diesem Buch begeistern, sondern auch die zahlreichen, professionellen Fotos und Dokumente aus alten Zeiten:

Hardcover, gebundene Ausgabe mit 180 Abbildungen;); 208 Seiten; ISBN 978-3-613-04585-9; Preis 49,90 €, Motorbuch Verlag Stuttgart

Autor: Klaus Ridder

Ein besonderes Highlight sei das 50-jährige Jubiläum der Mercedes-Benz Baureihe W123. Kaum ein Modell prägte das Straßenbild der späten 1970er- und frühen 1980er-Jahre so stark wie dieser Klassiker mit Stern. Ob als Limousine, Coupé, T-Modell oder Taxi – der W123 gilt bis heute als Inbegriff deutscher Ingenieurskunst, Langlebigkeit und Eleganz. Die Sonderschau zeigt seltene Originalfahrzeuge, besondere Ausstattungsvarianten und liebevoll restaurierte Alltagshelden. Sie erzählt die Geschichte eines Erfolgsmodells, das weltweit zum Symbol für Zuverlässigkeit wurde.

Nicht minder elegant präsentiert sich die Jubiläumsausstellung 50 Jahre BMW 6er E24. Der 1976 eingeführte Grand Tourer verband Luxus, Sportlichkeit und Stil auf einzigartige Weise. Mit seiner charakteristischen Haifischnase und den kraftvollen Reihensechszylindern wurde der E24 zur Ikone bayerischer Fahrkultur. Besucher dürfen sich auf exklusive Exponate und faszinierende Einblicke in die Geschichte dieses Designklassikers freuen.

Auch Opel steht gleich doppelt im Rampenlicht: 40 Jahre Opel Omega A und 60 Jahre Opel Rekord C werden gebührend gefeiert. Der Omega A – 1987 „Auto des Jahres“ – setzte mit aerodynamischer Linienführung, moderner Technik und hoher Alltagstauglichkeit Maßstäbe in der oberen Mittelklasse. Der Rekord C hingegen gilt als stilvolle Ikone der Wirtschaftswunderjahre: Mit seiner markanten „Coke-Bottle-Line“ und seiner Vielseitigkeit wurde er zum Sinnbild des automobilen Aufbruchs der 1960er.

Neben den Jubiläumsschauen bietet die Retro Classics wieder ein abwechslungsreiches Rahmenprogramm: Die Retro Night am Eröffnungs-abend verspricht stilvolle Unterhaltung und Begegnungen unter Gleichgesinnten. Am Samstag, den 21. Februar lockt die Classicbid Live-Auktion um 15 Uhr mit exklusiven Fahrzeugen. Eine große Fahrzeugverkaufsbörse lädt zum Stöbern, Staunen und Handeln ein.
Der Einsteigermarkt bietet zudem besondere Klassiker bis zu 10.000 Euro an – hier ist für jeden etwas dabei, unabhängig von der Preisklasse. Ergänzt wird das Angebot durch den internationalen Teilemarkt, die „Automania“ – Welt der Modellautos, und viele weitere Attraktionen.

Weitere Informationen: http://www.retro-classics.de

(Retro Classics/bic)
Fotos: Retro Classics

 Motorjournalist: Deutschland schickt sich an, zum globalen Leitmarkt für autonomes und vernetztes Fahren zu avancieren. Das hat sich zumindest die Bundesregierung auf ihre Fahnen geschrieben. Was muss getan werden, damit diese Schlüsseltechnologie hierzulande vorankommt?

Prof. Schneider: Deutschland hat die Gesetzgebung. Aber ein Markt ist erst dann ein Leitmarkt, wenn Technologie, Anwendung, Vertrauen und Skalierung gleichzeitig stattfinden. Daran arbeiten wir – aber wir sind noch nicht dort. Damit Deutschland tatsächlich Leitmarkt wird, müssen die nachfolgenden Anforderungen erfüllt sein: Erstens, Verknüpfung von Infrastruktur, Regulierung und Wirtschaft. Nicht nur die Förderung einzelner Projekte, sondern Aufbau interoperabler Systeme mit skalierbaren Schnittstellen. Zweitens, Stärkung europäischer Datenräume & KI-Governance. Denn ohne Daten gibt es keine lernfähige KI und ohne Governance keine Zulassung. Drittens, Zugang für Mittelstand & neue Player öffnen. Autonomes Fahren darf kein Konzernprojekt bleiben. Start-ups, Hochschulen und Zulieferer müssen vielmehr gleichberechtigt eingebunden werden. Viertens, sind ernsthafte öffentliche Testfelder und Leuchtturmprojekte notwendig, sprich, nicht nur Pilotprojekte mit Ausnahmegenehmigung, sondern alltägliche Anwendungsfälle im ÖPNV, der Logistik oder kommunalen Fuhrparks, siehe z. B. „Digitale Transformation des ÖPNV der Blauen Buchreihe: 9.4 | Digitale Zwillinge für automatisierte Fahrzeuge“. Fünftens, Standardisierung als Fundament für Skalierung, denn nur durch einheitliche Normen und Standards – etwa für Kommunikation, KI-Validierung, Cybersecurity oder Schnittstellen zu Leitstellen – kann autonomes Fahren rechtssicher, international anschlussfähig und wirtschaftlich tragfähig umgesetzt werden. Standardisierung ist keine Bremse. Sie ist der Katalysator für Vertrauen, Kooperation und internationale Wettbewerbsfähigkeit.

Motorjournalist: Als Professor für das Fachgebiet Fahrerassistenzsysteme an der Hochschule für angewandte Wissenschaften Kempten, also an einer Einrichtung mit starkem Praxis- und Anwendungsbezug, obliegt Ihnen viel Verantwortung für ein sehr diffiziles wie zukunftsträchtiges Thema. Wie setzen Sie die Forschung auf diesem Gebiet konkret mit Ihren Studenten um?

Prof. Schneider: Ich arbeite an der Schnittstelle zwischen Fahrerassistenz, automatisiertem Fahren und intelligenten Mobilitätssystemen – mit klarem Fokus auf deren Praxistauglichkeit. Mein Hintergrund liegt in der Mathematik und damit im exakten Denken in komplexen Systemen. In der Automobilindustrie habe ich viele Jahre in Entwicklung und Forschung gearbeitet. Dort ist mir deutlich geworden: Automatisiertes Fahren ist kein technisches Einzelprojekt, sondern ein gesellschaftliches Gesamtsystem. Mich hat fasziniert, wie sich Sensoren, Mensch-Maschine-Interaktion, Ethik, Regelwerke und Maschinenlernen zu einem großen Ganzen fügen – und ich wollte genau dort nicht nur mitgestalten, sondern auch junge Menschen befähigen, das zu tun, siehe auch „Official Video of the 6th International Conference ROAD 2024 Digital Twins for Automated Driving“. Neben regionaler Anwendungsnähe ist mir auch der internationale Austausch wichtig. So bin ich seit mehr als 10 Jahren Gastprofessor am Shibaura Institute of Technology, Tokio, Japan, siehe dazu auch das Video meiner Studierenden: „Konichiwa Schneider-sensei – arigato gozaymasu!“. Schließlich entstehen autonome Systeme im globalen Diskurs – und genau dort müssen auch unsere Studierenden denken lernen. Daher lege ich bei meinen Studierenden großen Wert auf forschungsnahes Lernen. So entwickeln und simulieren wir reale Verkehrsszenarien mit automotive Standards und modernsten Software-Entwicklungsmethoden und -Werkzeugen: Python, GitHub und Visual Studio Code selbstverständlich mit Copilot. Wir übertragen die Fähigkeiten der Menschen auf die Maschine und fragen kritisch, was das für das System Fahrerassistenzsysteme mit Fahrer bedeutet. Zudem sind wir im engen Austausch mit dem ADAC, wo Studierende serienmäßig eingeführte Fahrerassistenzsysteme im realen Fahrversuch erleben können – wo sonst kann man auch mal einen Unfall in Kauf nehmen als auf dem Testgelände des ADAC? Dort erleben die Studierenden live, wie Sicherheitskonzepte, Sensoren und Fahrzeugsicherheit im Test umgesetzt werden und entwickeln anschließend eigene Simulationen und Szenarien, die reale Daten mit reflektierter Technik und Ethik verschränken. Über meine Kuratorenfunktion im Deutschen Museum – einem sensationellen Labor technischer Kultur – eröffne ich nicht nur historische Perspektiven, sondern zeige auch: Die zentralen Herausforderungen rund ums Fahrzeug bleiben erstaunlich konstant. Nur die Technik wird mit der Zeit… raffinierter – und nicht unbedingt einfacher. Die spannendsten Lektionen lernt man oft nicht in Lehrbüchern – sondern im Gespräch zwischen Zahnrädern und Zukunftsvisionen. Überzeugen Sie sich selbst: Ich lade Sie herzlich ein, bei einer meiner nächsten Führungen im Verkehrszentrum des Deutschen Museums dabei zu sein: „Führung Geschichte der Fahrerassistenzsysteme im Deutschen Museum Verkehrszentrum“. Last, but not least diskutieren wir technische Lösungen immer auch im ethischen, rechtlichen und gesellschaftlichen Kontext. Plattformen wie die Moral Machine verdeutlichen dabei auf eindrucksvolle Weise, wie kontrovers und kulturell unterschiedlich die Frage nach der „richtigen“ Entscheidung für autonome Systeme ausfallen kann. Probieren Sie es selber auf der Plattform aus! Ein zentraler Aspekt meiner Lehre ist der Austausch mit externen Experten und jungen Talenten, beispielsweise vom Gymnasium Marktoberdorf, etwa bei einer „Exkursion zum ADAC-Testzentrum 2025“. Diese Formate öffnen den Blick und zeigen, dass Technologie verständlich und gesellschaftlich relevant sein kann. In meinen Vorlesungen lade ich zudem regelmäßig Fachleute aus der Industrie ein – etwa zu Fahrerassistenzsystemen, Validierungsmethoden oder aktuellen Mobilitätsfragen (Beispiele auf LinkedIn: „In Ulm, um Ulm und um Ulm herum – predictive efficiency in action“, „Vom Kfz-Mechatroniker zum Data Collector oder Wie Mercedes-Benz Inhouse-Software umsetzt“, „From the Pioneering Days to Today’s Research in Perception for Automated Driving“, „Industry meets academia – A special visit to my lecture on Modeling & Simulation of Advanced Driver Assistance Systems“, …).

Besonders wichtig ist mir, dass Studierende nicht nur Algorithmen entwickeln, sondern lernen, Systemverantwortung zu übernehmen. Dazu gehören ein Grundverständnis für Sensoren und Lokalisierung, die Einordnung von Unsicherheiten (z. B. mit Methoden aus dem Compilerbau wie defined vs. undefined behaviour) wie auch das kritische Hinterfragen von KI-Entscheidungen.

Motorjournalist: Was treibt Sie schwerpunktmäßig um bzw. was beschäftigt Sie derzeit besonders?

Prof. Schneider: Mich treibt zurzeit die Frage um, wie wir Systeme so gestalten können, dass sie nicht nur funktional, sondern auch nachvollziehbar und verantwortungsvoll handeln – und zwar nicht nur als einzelne Module, sondern als ganzheitliche ‚Systems of Systems‘. Denn im realen Verkehr agieren Sensoren, Entscheidungslogik, Infrastruktur, Teleoperation und Gesetzgebung nicht isoliert, sondern als ein dynamisches Zusammenspiel. Das betrifft nicht nur die Technik, sondern vor allem die Schnittstelle zum Menschen – sei es als Nutzer, Teleoperator oder Entwickler. Ich sehe die Lehre als Chance, künftige Ingenieurinnen und Ingenieure mit einem klaren ethischen und systemischen Kompass auszustatten. Denn gerade beim automatisierten Fahren geht es nicht nur darum, ob ein Fahrzeug autonom fahren kann, sondern unter welchen Bedingungen es das darf und soll – und wie es das verständlich kommuniziert. Ein Ergebnis dieser interdisziplinären Auseinandersetzung ist meine Veröffentlichung „Bewege mich! Die Geschichte des Autos ist im weitesten Sinne die Geschichte der Assistenzsysteme für den Fahrzeugführer“, in der gesellschaftliche, technologische und ethische Perspektiven auf neue Mobilitätsformen diskutiert werden. Was mich dabei besonders umtreibt: Wie bilden wir Ingenieurinnen und Ingenieure aus, die nicht nur Technik beherrschen, sondern Systeme verantwortungsvoll gestalten können? Einige Gedanken dazu habe ich in einem internationalen Beitrag schon 2018 geteilt: „Developing the next generation of automotive engineers“. Mein Fazit: ‚Ich bilde keine Techniker für Blackbox-Systeme, sondern Gestalter für verantwortliche Mobilitätssysteme der Zukunft aus.‘

Motorjournalist: Wie bauen wir Systeme, die wissen, wann sie unsicher sind – und wie bringen wir ihnen bei, das dem Menschen klar zu sagen?

Prof. Schneider: Ein wirklich verantwortungsvolles System – ob menschlich oder maschinell – zeichnet sich nicht dadurch aus, dass es nie unsicher ist, sondern dass es weiß, wann es unsicher ist – und entsprechend handelt. Für autonome Systeme heißt das: Sie müssen nicht nur die Umgebung erfassen, sondern auch ihre eigene Wahrnehmungsqualität einschätzen können. Sie brauchen eine Art ‚metakognitive Ebene‘, in der sie bewerten: ‚Habe ich genug Information, um sicher zu entscheiden?‘. Wenn nicht: Muss ich langsamer fahren? Einen Notstopp einleiten? Oder einen Menschen um Hilfe bitten, beispielsweise via Teleoperation? Genau das wird der erwartbare Migrationspfad sein: Zunächst wird die Maschine stets durch einen Mitfahrenden mit Not-Aus-Option überwacht. Danach reicht ein Operator hinter einem Bildschirm, der zunächst nur eine und später mehrere Maschinen parallel überwachen kann. Und erst wenn das Vertrauen – technisch wie gesellschaftlich – groß genug ist, darf das System auch eigenständig handeln. Technisch heißt das, wir müssen Ungewissheit explizit modellieren: Sensorfusion nicht nur zur Entscheidung, sondern auch zur Vertrauensbewertung. Unsicherheitsquantifizierung in KI-Modellen, etwa durch Bayes’sche Verfahren oder Monte-Carlo-Dropout. Integration von „Fail-Safe“-Strategien: Das System erkennt nicht nur Objekte, sondern auch Lücken in der eigenen Wahrnehmung. Kommunikativ heißt das: Die Maschine muss dem Menschen verstehbar kommunizieren können, warum sie gerade nicht sicher ist: Ein Lichtsignal reicht nicht – es braucht semantische HMI-Konzepte: Was ist unklar? Was wird gerade versucht? Was soll ich tun? Das kann in Teleoperation ebenso wichtig sein wie für Fahrgäste oder andere Verkehrsteilnehmer. Vertrauen entsteht nicht, wenn ein System keine Fehler macht – sondern wenn es erkennbar verantwortlich mit Unsicherheit umgeht. In der Lehre nenne ich das: ‚Systeme mit Gewissensfunktion‘. Nicht im moralischen Sinne, sondern als technische Fähigkeit, sich selbst zu hinterfragen und ein Verhalten zu wählen, das dieser Unsicherheit gerecht wird. Ich unterrichte, indem ich Studierende trainiere, nicht nur Lösungen zu entwickeln, sondern auch deren Grenzen zu erkennen – und klar zu kommunizieren. Zusammengefasst: ‚Wir brauchen nicht perfekte Maschinen. Wir brauchen Systeme, die wissen, wann sie nicht perfekt sind – und den Menschen aktiv mit einbeziehen, wenn’s darauf ankommt.‘ Das ist der Weg zu wirklich verantwortlicher Autonomie. Und es ist vielleicht auch der Punkt, an dem Technik und Ethik nicht Gegensätze, sondern Partner werden.

Motorjournalist: Herzlichen Dank, Herr Prof. Schneider, für diesen spannenden Einblick in die Welt des autonomen Fahrens.

Damit endet die dreiteiligen Interviewserie mit Prof. Stefan-Alexander Schneider

Das Interview mit Prof. Schneider führte Isabella Finsterwalder, Abbildungen: Prof. Stefan-Alexander Schneider, Pixabay

Motorjournalist: Was ist der größte Stolperstein bzw. die größte Hürde auf dem Weg hin zu einer zukunftsträchtigen Mobilität mit autonom fahrenden Fahrzeugen?

Prof. Schneider: Die größte Hürde ist nicht die Technik und nicht der Mensch allein – sondern der Bruch zwischen beiden, sprich, die fehlende Synchronisation zwischen beiden. Sicherheit muss nicht nur real sein, sondern auch kommunizierbar. Vertrauen entsteht dort, wo Systeme transparent arbeiten, erklärbar bleiben – und wenn es Regeln gibt, die genau diese Prinzipien absichern. Dabei ist ein fundamentales Missverständnis noch immer tief verankert: Autonomes Fahren ist keine Frage besserer Fahrwerke oder komfortabler Sitze. Es geht nicht um die Perfektionierung eines Autos – sondern um die algorithmische Nachbildung menschlicher Urteils- und Reaktionsfähigkeit. Deshalb reicht klassische Funktionssicherheit (FuSi) allein nicht mehr aus. Wir müssen auch die Sicherheit der beabsichtigten Funktionalität (SOTIF) adressieren, also gerade jene Fälle, in denen das System zwar technisch fehlerfrei, aber dennoch falsch entscheidet. Erst wenn Systeme auch mit Unsicherheit souverän umgehen und ihre Grenzen kommunizieren können, wird Vertrauen nachhaltig möglich. Der Mensch ist kein Hindernis – er ist das Maß der Mobilität. Wer ihn in der Gestaltung von Technologie nicht mitdenkt, wird keinen Durchbruch erzielen. Dazu drei Punkte. Erstens, technisch ist Sicherheit längst kein Fremdwort mehr – aber noch nicht flächendeckend realisiert. Wir verfügen inzwischen über hochentwickelte Sicherheitskonzepte: Das ist die Sensorfusion aus Radar, Kamera, Lidar, das ist weiter die KI-basierte Entscheidungslogik mit semantischem Kontextverständnis sowie redundante Systeme, Notfallstrategien und Teleoperation für den Rückgriff. Aber Sicherheit in der Technik muss auch in der Anwendungssituation garantiert werden – und das bedeutet zuverlässige Zulassung, stabile Datenverfügbarkeit und präzise Lokalisierung. So ist ein System nur dann sicher, wenn die Umgebung, die Datenverbindung und das regulatorische Umfeld ebenso stabil sind wie der Algorithmus. Zweitens, der Mensch ist kein Hindernis – sondern der Schlüssel. Die immer wieder zitierte Skepsis gegenüber autonomen Fahrzeugen ist kein emotionales Problem, sondern ein rationales Ergebnis mangelnder Transparenz und Erfahrung. Menschen trauen einer Technik nicht, deren Entscheidungen sie weder sehen noch nachvollziehen können. Deshalb ist die Mensch-Maschine-Interaktion (HMI) entscheidend: Sie muss sichtbar machen, was das Fahrzeug ‚denkt‘, welche Unsicherheiten es erkennt und wie es sich im Zweifel Hilfe holt – etwa durch Teleoperation. Vertrauen entsteht, wenn Systeme nicht nur korrekt funktionieren, sondern auch kommunizieren, wenn sie es nicht tun. Nur so kann der Mensch sich eingebunden fühlen – als informierter Teil eines dynamischen Systems, nicht als machtloser Passagier (Watch This Grandmother Freak Out Behind The Wheel of Self-Driving Tesla). Drittens, die eigentliche Hürde lautet: Vertrauen institutionalisieren – durch Gesetzgebung & Infrastruktur. Wir brauchen eine Zulassungslogik, die KI-Systeme nachvollziehbar prüft, Operatoren rechtlich absichert und die für den Nutzer verständlich ist. Gleichzeitig brauchen wir eine robuste, flächendeckende Infrastruktur (Schlagwort Zugriff auf digitale Zwillinge, z. B. der digitalen Abbildung der Städte und ihrer Infrastruktur), die autonomes oder teleoperiertes Fahren überhaupt erst ermöglicht. Das bedeutet, es braucht eine latenzarme Kommunikation über 5G oder perspektivisch 6G, die Verfügbarkeit hochauflösender Karten (HD-Maps) in Echtzeit sowie eine permanente Systemverfügbarkeit einschließlich ländlicher Räume. Zudem wird eine permanente Konnektivität auch in ländlichen Regionen benötigt, wo der Mobilitätsbedarf hoch, aber das technische Fundament oft schwach ist. Kurzum: Vertrauen braucht Redundanz – auch in der Infrastruktur. Nur so wird automatisiertes Fahren zur verlässlichen Realität und nicht zum urbanen Luxus. Denn: Was hilft das sicherste Auto, wenn es in der Funklücke steht?

Motorjournalist: Sie haben einmal das autonome Auto mit einem Regisseur verglichen, der das Drehbuch nicht kenne. Daher müsse es lernen, aus einer vorgefundenen Kulisse und der Bewegung der Protagonisten zu verstehen, was das Drehbuch für die nächsten 10 Sekunden ist. An Sie als promovierter Mathematiker, der umfangreiche Erfahrungen in der Automobilindustrie gesammelt hat, also die Frage: Wie ist es zu schaffen, Maschinen bzw. Software so fit zu machen, dass sie die komplexen Anforderungen des Fahrens noch sicherer als es dem Menschen bisher möglich ist, zu bewältigen?

Prof. Schneider: Ja, ich vergleiche die Aufgabe des autonomen Fahrens gern mit einer ‚inversen Theateraufgabe‘. Der Regisseur kennt das Drehbuch und bringt es auf die Bühne.
Das autonome Fahrzeug? Es sieht nur die Bühne – das Wetter, die Straßenlage, Ampeln, Schilder, die Bewegungen der anderen Verkehrsteilnehmer – und muss aus der Szene heraus erraten, was im Drehbuch stehen könnte, was etwa die nächsten 10 Sekunden höchstwahrscheinlich ‚aufgeführt‘ wird. Es muss also aus dem Kontext heraus das Drehbuch rekonstruieren – in Echtzeit, fehlerfrei, ohne Generalprobe. Ein schönes kulturelles Bild dafür liefert das Stück „An Oak Tree“ von Tim Crouch: Ein Schauspieler betritt dort die Bühne, ohne das Drehbuch zu kennen, und muss sich – live und intuitiv – durch die Aufführung bewegen. Ganz ähnlich steht das autonome Fahrzeug inmitten einer Szene, ohne Regie, ohne Skript – und muss aus Umgebung, Bewegung und Bedeutung ein plausibles ‚Stück‘ entwickeln, das sicher und verständlich ‚gespielt‘ werden kann. Meine Studierenden bekommen diese Denkfigur regelmäßig in der Abschlussklausur – und genauso regelmäßig beginnt dann das Stirnrunzeln. Zu Recht: Denn was für den Menschen selbstverständlich wirkt, ist für Maschinen eine Meisterleistung.

Die Sicherheit maschinellen Fahrens wird nicht allein durch Sensoren oder Algorithmen entschieden, sondern durch die Fähigkeit, Sinn zu erkennen, Kontext zu verstehen – und aus Unsicherheit angemessen zu handeln. Dazu braucht es erklärbare Systeme, lernfähige Strukturen – und eine Fehlerkultur, die nicht bestraft, sondern befähigt. Nur so werden Maschinen irgendwann in der Lage sein, situativ vorausschauender zu handeln als wir Menschen. Wie macht man Maschinen dafür fit? Der Schlüssel liegt in drei Punkten. Erstens, semantisches Verstehen statt rein geometrischer Berechnung. Maschinen müssen kontextuelle Bedeutung erfassen – etwa: Erkennt der Fußgänger das Fahrzeug? Signalisiert er durch Körpersprache ‚Du darfst?‘ Handelt ein anderer Verkehrsteilnehmer normgemäß oder überraschend? Absichtserkennung – Was hat wer vor? Das ist keine rein sensorische, sondern eine interpretierende Leistung. Zweitens, datengestützte KI mit plausibilisierbarer Entscheidungslogik. Die Systeme lernen aus Millionen Situationen – in der Simulation, im Shadow-Modus, unter Aufsicht. Dabei werden Wahrscheinlichkeiten, Absichten und Verkehrsrollen modelliert und abgeschätzt – wie beim Menschen auch, auf dem lernenden Weg vom Fahrschüler zum Fahrexperten. Aber: Eine KI darf nicht nur funktionieren – sie muss auch erklärbar sein. Deshalb wird an XAI-Methoden (Explainable AI) gearbeitet, um Entscheidungen nicht nur richtig, sondern auch nachvollziehbar zu machen – gerade im Hinblick auf Zulassung, Haftung und Vertrauen. Drittens, Simulation + Realwelt-Training + Redundanzen. Wie es so treffend heißt: „Klavierspielen lernt man nicht durch den Besuch von Konzerten.“ Damit wird auf den Punkt gebracht, dass nur durch eigene Praxis – nicht durch bloßes Zuschauen – Können entsteht – genauso wenig reicht Simulation allein. Deshalb müssen Maschinen durch hybride Lernverfahren trainiert werden: synthetische Daten, reale Edge-Cases, seltene Konstellationen. Dabei gilt: je seltener die Situation, desto wichtiger das Verhalten. Dies wird vor allen Dingen im Hybridverkehr zwischen autonomen Fahrzeugen und Menschen gesteuerten Fahrzeugen eine zu lösende Herausforderung … Menschen verhalten sich nicht in jedem Falle rational, logisch, insbesondere unter Stress und auch Panik. Das muss in den „Lernprozess“ autonomer Fahrzeuge integriert werden.

Der Wettkampf Mensch gegen Maschine mag Schlagzeilen machen – aber der eigentliche Fortschritt entsteht dort, wo der Mensch mit der Maschine denkt, lernt und entscheidet. So wie Go durch AlphaGo nicht abgeschafft, sondern auf ein neues Niveau gehoben wurde, kann auch Mobilität durch Kooperation von Mensch und KI sicherer, inklusiver und intelligenter werden. Ein eindrucksstarkes Bild, wie Mensch und Maschine voneinander lernen können, liefert das Go-Spiel. 2016 besiegte AlphaGo den Weltklassespieler Lee Sedol – ein Meilenstein für die KI-Forschung. Besonders legendär wurde Zug 37 in Partie 2: ein Spielzug, den „niemand je in Erwägung gezogen hätte“, so ein Kommentator – und der laut AlphaGo nur mit einer Wahrscheinlichkeit von 1:10.000 gewählt worden wäre.  (axios.com: New AlphaGo AI learns without help from humans und wired.com: How Google’s AI Viewed the Move No Human Could Understand). Dieses unerwartete Zeichen maschineller Kreativität öffnete die Perspektive für menschliches Lernen: Spieler wie Lee Sedol analysierten AlphaGos Strategien, adaptierten sie – und erreichten neue kreative Höhen, die zuvor niemand für möglich gehalten hätte.

Motorjournalist: Welche Rolle könnte auf dem Weg zu einer funktionierenden autonomen Mobilität eine sinnvolle „Fehlerkultur“ spielen? Warum ist Fehlerkultur entscheidend?

Prof. Schneider: Gerade, weil autonome Systeme komplexe Szenarien lernen müssen, ist es essenziell, dass Fehler: erkannt, nachvollzogen und systematisch analysiert werden können, nicht verschwiegen oder vertuscht, sondern erwartet und antizipiert werden, und nicht als individuelles Versagen, sondern als Entwicklungspotenzial verstanden werden. Fehlerkultur ist kein Risiko für Sicherheit – sie ist deren Voraussetzung. Denn ein System, das keine Fehler zugeben darf, kann auch nicht besser werden. Ich verwende in der Lehre gern das Modell aus der Informatik, konkret aus dem Compilerbau (wo auch sehr viel Mathematik drinnen steckt). Dort unterscheidet man defined behaviour, implementation-defined behaviour und undefined behaviour. Diese Kategorien lassen sich eins zu eins auf KI-Entscheidungen übertragen: Ein autonomes Fahrzeug muss genau wissen, wo es auf festem Grund handelt, wo es Entscheidungen selbst trifft, aber nachvollziehbar erklären muss, und wo es unsicher ist – und sich deshalb zurücknehmen sollte. Nur mit dieser Unterscheidung kann Fehlerkultur operationalisiert werden – nicht als Reaktion auf Fehler, sondern als aktive Risikoeinschätzung vor der Entscheidung.

Das nachfolgende Schema erlaubt eine systematische Fehlerkultur in KI-Systemen: Defined Behaviour, das zertifiziert werden kann, Implementation-Defined, was klare Dokumentation & erklärbare Modelle braucht, sowie Undefined Behaviour, das frühzeitig erkannt, isoliert und abgesichert werden muss und niemals autonom entschieden werden darf. Defined Behaviour betreffen Entscheidungen, die auf festen Regeln basieren, eindeutig interpretierbar und abgesichert sind. Beispiele: Fahrzeug erkennt ein rotes Ampelsignal und bleibt stehen, Geschwindigkeitsbegrenzung erkannt und das System reduziert Tempo oder Abstandregelung zu vorausfahrendem Fahrzeug bei klarer Sicht und standardisiertes Bremsverhalten. Implementation-Defined Behaviour: Hier sind Entscheidungen gemeint, bei denen das Verhalten von Trainingsdaten, Lernarchitektur oder situativer Interpretation abhängt, aber rückverfolgbar und begründbar ist. Beispiele: Wie stark wird bei 80 km/h gebremst, wenn ein Objekt am Straßenrand auftaucht? Das hängt von Risikoabschätzung oder Radar- vs. Kameradaten ab, ein Zebrastreifen ist durch Schnee leicht verdeckt und Erkennung durch semantisches Mapping oder durch eine historische Karte. Undefined Behaviour: Situationen, die nicht im Trainingsraum abgedeckt wurden, keine klare Regelbasis haben und bei denen das System willkürlich oder falsch reagieren kann. Beispiele: Ein Kind in einem Halloween-Kostüm springt auf die Straße, ein Verkehrsschild ist durch Graffiti verfremdet oder zwei autonome Fahrzeuge in dichtem Nebel kommunizieren widersprüchlich über V2X (Car to Car). Hier entstehen Blackbox-Probleme, Edge Cases, systemische Risiken. Deshalb ist es so entscheidend, dass Systeme solche Situationen erkennen und als unsicher deklarieren – und z. B. auf einen sicheren Zustand (‚Minimum Risk Condition‘) zurückfallen.

Motorjournalist: Das Thema Simulation ist offenbar der Schlüssel zur Überprüfung des Qualitätsstandards autonomer Autos. Wie hat man sich solche Methoden vorzustellen?

Prof. Schneider: Eine Bemerkung vorab: Bei Waymo lassen sich die Dimensionen gut vergleichen: Während im realen Straßenbetrieb bis 2020 rund 20 Millionen Meilen gesammelt wurden, stammen über 15 Milliarden Meilen aus der Simulation – das ist das 750-fache. Aktuell generiert allein die Simulation über eine Milliarde Meilen pro Jahr, während Fahrzeuge weiter reale Meilen fahren und validieren. Relevant sind diese Zahlen zunächst wegen der Skalierung, da sich die Datenbasis nur durch Simulation um Größenordnungen erweitern lässt und dadurch Millionen Edge Cases testbar werden. Zudem ist dadurch Wiederholbarkeit möglich, da Szenarien beliebig variiert werden („fuzzing“) können, um systematisch Reaktionen und Unsicherheiten zu untersuchen. Schließlich ist dadurch Effizienz möglich: Änderungen im Algorithmus lassen sich in der Simulation blitzschnell überprüfen, bevor sie in der Realität getestet werden. Jetzt zu Ihrer Frage: Simulation ist heute das Rückgrat der Absicherung autonomer Fahrfunktionen. Denn eines ist klar: Ein System, das Millionen Szenarien zuverlässig beherrschen soll, kann nicht in jedem Fall real getestet werden. Weder wäre das wirtschaftlich, noch wäre es verantwortbar. Deshalb verlagern wir die Validierung zunehmend in die virtuelle Welt – nicht nur zur Effizienzsteigerung, sondern auch, um gezielt die wirklich relevanten Testszenarien zu identifizieren. Simulation wird so zu einem Instrument, das hilft, die begrenzte reale Testkapazität möglichst wirkungsvoll einzusetzen.

Simulation ist zudem notwendig, weil ein Mensch Fahren durch Erfahrung lernt – ein KI-System dagegen durch Trainingsdaten und Testszenarien. Doch viele der kritischen Szenen, beispielsweise plötzlich aufspringende Tiere, komplexe Baustellen oder Mehrdeutigkeiten in der Verkehrssituation sind in der realen Welt selten und zufällig. Will man diese zuverlässig beherrschen, braucht es kontrollierte, gezielte und reproduzierbare Tests – und das geht nur in der Simulation. Außerdem ist Simulation gesetzlich relevant: Seit dem Gesetz von 2021 und der StVFernLV 2025 müssen autonome Systeme nachweisbar in ihren Betriebsbereichen sicher funktionieren (Kompetenznetzwerkautomatisierte und vernetzte Mobilität innocam.NRW: Study legal Issues of Automated Driving). Das verlangt nach einer standardisierten Absicherungslogik, wie sie etwa durch Projekte wie PEGASUS – Projekt zur Etablierung von generell akzeptierten Gütekriterien, Werkzeugen und Methoden sowie Szenarien und Situationen zur Freigabe hochautomatisierter Fahrfunktionen oder SET Level 4to5 – Simulationsbasiertes Entwickeln und Testen von Level 4 und 5 Systemen skizziert wurden. Und jetzt zur Frage, wie Simulation funktioniert: Moderne Simulationsumgebungen basieren auf drei Säulen: dem Szenarien-basierten Testen, der Sensor- & Umgebungsmodellierung sowie der Verhaltens- & Entscheidungslogik. Zunächst zum szenebasierten Testen: Die Simulation erzeugt tausende konkrete Szenarien – von der einfachen Vorfahrtregelung bis zur hochkomplexen Innenstadtkreuzung mit Fußgängern, Radfahrern, Baustelle und schlechten Sichtverhältnissen. Ein typisches Beispiel ist ein Bahnhofsvorplatz in der Rushhour: Hier treffen Fußgänger mit Rollkoffern, wartende Taxis, Lieferdienste und Fahrräder auf engem Raum zusammen – oft ohne klare Fahrbahngrenzen oder vorhersehbare Manöver. Ein schönes, fiktives Beispiel dazu liefert Fernando Livschitz in seinem Video Rush Hour. Oder eine urbane Kreuzung in Südostasien, wo Hupen, Blickkontakt und implizite Regeln mehr zählen als Ampeln… Wir haben hier zwei völlig unterschiedliche Verkehrssystem „regelbasierte“ in Europa und Nordamerika – und „kommunikationsorientierte“ in Asien und auch Indien. Hier kommen noch interkulturelle Aspekte des autonomen Fahrens zum Tragen. Auch solche Szenen lassen sich heute realistisch simulieren und systematisch testen (kommunikationsbasiert anstatt regelbasiert!). Verwendet werden dabei standardisierte Formate wie das allem voran vom Verein Association for Standardization of Automation and Measuring Systems vorangebrachte ASAM Open Simulation Interface, das eine Spezifikation für Schnittstellen zwischen Modellen und Komponenten einer verteilten Simulation beschreibt. Dazu weitere Formate wie z. B. ASAM OpenSCENARIO (für den dynamischen Inhalt der Welt, wie z. B. Fahrmanöver) oder ASAM OpenDRIVE (für Straßendaten). Die zweite Säule besteht aus einer Sensor- & Umgebungsmodellierung, wie z. B. im Projekt VIVID – Bewertung virtueller Absicherungsmethoden für autonome Fahrfunktionen mit Fokus auf Sensorik des Bundesministeriums für Bildung und Forschung entwickelt. Hier enthält die virtuelle Umgebung exakte Nachbildungen von Lidar, Kamera, Radar oder GNSS einschließlich physikalischer Effekte wie Reflexion, Nebel, Dunkelheit. Das erlaubt eine realistische Wahrnehmungssimulation, auf deren Basis die KI ‚sehen‘, ‚denken‘ und ‚entscheiden‘ kann. Die dritte Säule basiert auf Verhaltens- & Entscheidungslogik. Das System trifft Entscheidungen und diese werden mit dem erwarteten Verhalten verglichen: War die Reaktion korrekt, zu langsam, gefährlich? Hat das System Unsicherheit erkannt? Gab es Fallback-Strategien?

Damit Simulation zur zulassungsrelevanten Methode wird, braucht es: Standardisierung (z. B. vermittelt z. B. durch Association for Standardization of Automation and Measuring Systems), Plausibilität, denn die virtuelle Welt muss repräsentativ für reale Verhältnisse sein, Traceability, sprich, alle Tests und Entscheidungen müssen nachvollziehbar dokumentiert werden sowie die Absicherung seltener Ereignisse, wie Edge Cases, Corner Cases oder auch Fehlerkultur. Hier schließt sich der Kreis: Ein gutes System muss wissen, ob es sich in einer defined, implementation-defined oder undefined Situation befindet – und genau das testen wir in der Simulation. An dieser Stelle erlaube ich mir gern einen kleinen Ausflug zur Literatur zum braven Soldaten Schwejk von Jaroslav Hašek. Schwejk überlebt den Wahnsinn des ersten Weltkrieges, weil er sich als Simulant durch das System manövriert, immer so ein bisschen daneben, aber nie ganz draußen. Er tut so, als ob und wird gerade deshalb nicht verwundbar. Vielleicht ist er eine Art literarischer Vorläufer der Simulation: Nicht echt, aber hochwirksam. Und wie bei Schwejk kann man sagen: ‚Wer gut simulieren kann, kommt besser durch schwierige Situationen – manchmal sogar lebend.‘ Natürlich wollen wir nicht, dass autonome Fahrzeuge ihre Umgebung simulieren, um der Realität auszuweichen – aber wir wollen, dass sie in der Simulation alles durchgespielt haben, bevor sie mit der echten Welt in Berührung kommen. Damit sie, anders als Schwejk, nicht nur überleben, sondern sicher navigieren – mit klarer Mission und geprüftem Verstand.

Motorjournalist: Wie beurteilen Sie den weltweiten Markt für die Entwicklung autonom fahrender Fahrzeuge? Wer sind hier die Player? Eher Techkonzerne als Automobilbauer? Betrachtet man hier den asiatischen Markt stellt sich die Frage, ob Europa, ob Deutschland hier überhaupt noch Chancen auf eine Vorreiterrolle haben? Wie wird sich der Markt hier mittelfristig entwickeln?

Prof. Schneider: Die weltweite Entwicklung im Bereich des autonomen Fahrens hat sich in den vergangenen Jahren deutlich weg vom klassischen Automobilbau hin zu technologiegetriebenen Ökosystemen verschoben. Die entscheidende Frage lautet heute nicht mehr: ‚Wer baut das beste Auto?‘, sondern ‚Wer kontrolliert die Sensorik, das Betriebssystem, die Dateninfrastruktur – und die KI?‘. Zulieferer unterwandern die Architekturhoheit der OEMs nicht absichtlich – aber systematisch: Wer abgesicherte, zertifizierte Subsysteme liefert, zwingt den Integrator zur Anpassung seiner Prozesse – oder riskiert eine komplette Neuzertifizierung bei jeder Modifikation. Damit verschiebt sich die Kontrolle über das Fahrzeug zunehmend auf die Ebene der Software-Komponenten. Und so wundert es nicht: Die globalen Player sind Techkonzerne. Sie sind es die die Dynamik dominieren. Waymo (Alphabet/Google) ist Marktführer in KI-gestütztem autonomen Fahren inklusive eigener Robotaxi-Flotten in Phoenix und San Francisco. Cruise (General Motors, mit Microsoft-Beteiligung) bietet Robotaxi-Services in mehreren US-Städten, bis 2023 mit Fahrgästen ohne Sicherheitsfahrer. Tesla offeriert ein stark datengetriebenes System, auch wenn nicht SAE Level 4, aber mit extrem hoher Praxiserfahrung durch seine Nutzerflotte. Baidu / Pony.ai / WeRide (China) sind Vorreiter in fahrerlosen Services, oft mit regulatorischer Rückendeckung und hoher staatlicher Investition. Nuro, Zoox (Amazon) konzentrieren sich auf die Entwicklung autonomer Lieferfahrzeuge (kein Fahrersitz, neue Fahrzeugkonzepte). Volkswagen / MOIA / ID. Buzz AD ist eine deutsche Entwicklung autonomer Shuttle-Systeme auf Basis des elektrischen ID. Buzz. Der Fokus liegt auf urbanen Shared-Mobility-Angeboten (z. B. Hamburg), betrieben von der VW Tochter MOIA in Partnerschaft mit Argo AI (bis 2022) bzw. Cariad – positioniert als europäische Alternative zu den großen US-Plattformen. Autohersteller agieren oft in Partnerschaften. So beispielsweise Mercedes-Benz & Bosch beim ‚Valet Parking‘ in Parkhäusern, VW mit Argo AI, was inzwischen eingestellt ist und das Risiko unklarer Ownerships zeigt, oder Toyota: mit dem Softwareunternehmen Woven by Toyota als Infrastruktur-Player. Die eigentliche Innovation liegt nicht im Antriebsstrang, sondern in Datenverarbeitung, KI, Sensorik, HMI – und deren Integration ins Ökosystem. Mit Blick auf Asien – speziell China ist festzustellen: China ist heute mit staatlich unterstützter Geschwindigkeit führend im Einsatz autonomer Systeme. So gibt es Pilotstädte wie Peking oder Shenzhen, die fahrerlose Flotten im öffentlichen Raum ermöglichen. BYD und Huawei drängen in den Markt mit Sensorik, Fahrzeugplattformen und KI. ‚God’s Eye‘ von BYD hat die Konkurrenz in Europa aufgeschreckt – ein zentrales, hochvernetztes System zur Umgebungserfassung. China setzt nicht nur auf Technologie, sondern kontrolliert auch die Dateninfrastruktur. Das verschafft Vorsprung, bringt jedoch auch Abhängigkeiten und politische Risiken.

Europa – und Deutschland im Speziellen – hat eine starke Basis in der Systemintegration, Sicherheit und Sensorik. Doch es gibt Schwächen. Diese lauten: keine einheitliche Plattformstrategie, wie sie z. B. in den USA mit Waymo oder in China mit Baidu gefahren wird, eine hohe Regulierungsdichte beispielsweise durch Bindung an die Wiener Konvention, zersplitterte Datenräume, fehlende europäische KI-Trainingsdatenpools oder auch eine langsame Infrastrukturentwicklung vor allem bei V2X und 5G.Trotzdem gibt es Chancen, wenn Europa eigene Stärken ausspielt, so beispielsweise bei Zulassungskompetenz und Normierung, einer vertrauenswürdigen, erklärbaren KI (‚Trustworthy AI‘ ) oder auch Kooperationsprojekten statt Insellösungen, etwa durch Catena-X, Gaia-X oder das EU-Projekt Hi-Drive. Ich gehe davon aus, dass USA und China kurzfristig bis 2027 weiter in der Bereitstellung und Verteilung dominieren werden, was Robotaxis, Lieferdienste oder Mobilitätsdienste in Großstädten betrifft. Mittelfristig (2028 bis 2032) kann Europa aufholen, wenn es offene, interoperable Plattformen für KI-Absicherung und Teleoperation etabliert und Zulassung, Simulation und Datenräume zusammenführt. Deutschland hat mit dem Autonomes-Fahren-Gesetz und der neuen StVFernLV wichtige Bausteine gelegt – aber die internationale Anschlussfähigkeit bleibt die große Frage. Japan geht einen eigenen Weg: eher still und sicherheitsorientiert, aber strategisch konsequent. Autonomes Fahren ist dort weniger ein Produkt als eine gesellschaftliche Antwort auf Alterung und Landflucht. Die Industrie – besonders Toyota – denkt Mobilität vom Ökosystem aus, nicht vom Auto her. Damit könnte Japan zum Vorbild für Europa werden, wenn es darum geht, Technologie, Infrastruktur und gesellschaftlichen Nutzen auszubalancieren.

Es spitzt sich zu: Hier die „Old Economy“ – geprägt von jahrzehntelang gewachsenen Lieferantennetzwerken, zertifizierten Standards, komplexen Freigabeprozessen und tief verankerter Ingenieurstradition. Dort die „New Kids on the Block“ – Tech-Unternehmen mit Tausenden Softwareentwicklern, iterativen Release-Zyklen, globaler Cloud-Infrastruktur und dem entscheidenden Vorsprung: Daten, Skalierung, Plattformdenken. Die eine Seite denkt in Stücklisten – die andere in Ökosystemen. Während klassische OEMs ihre Lieferketten orchestrieren, setzen Tech-Unternehmen auf Plattformen, Daten und Skalierbarkeit. Die Spielregeln haben sich verschoben – und wer jetzt nur noch Bauteile absichert, verliert das Ganze. Lesen Sie mehr im abschließenden Teil 3 des Interviews, der in Kürze erscheinen wird.

Das Interview mit Prof. Schneider führte Isabella Finsterwalder, Abbildungen: Porträtfotot Prof. Stefan-Alexander Schneider (privat), weitere Bilder Pixabay

Kasten 

Erläuterung zu SAE und Level 0 bis 5

SAE steht für die Society of Automotive Engineers, eine US-amerikanische, globale Organisation für Ingenieurstandards, insbesondere in den Bereichen Automobiltechnik, Luftfahrt und Mobilitätssysteme. SAE definiert technische Standards, die international als Referenz gelten – von Fahrzeugtechnik über Kraftstoffe bis zur Systemintegration. Das schafft Vergleichbarkeit, Kompatibilität und Sicherheit in der Entwicklung.
SAE-J3016 – das Referenzmodell für automatisiertes Fahren:

Level 0: Keine Automatisierung – Mensch fährt

Level 1: Fahrerassistenz (z. B. Tempomat) – Mensch überwacht

Level 2: Teilautomatisiert (z. B. Spurhalte + ACC) – Mensch bleibt verantwortlich

Level 3: Bedingt automatisiert (z. B. Staupilot) – Mensch kann Hände wegnehmen, muss aber eingreifen können

Level 4: Hochautomatisiert – Kein Fahrer nötig – aber nur in definierten Bereichen

Level 5: Vollautomatisiert – Kein Fahrer nötig – unter allen Bedingungen

Diese sechs Level sind heute globaler Standard für Industrie, Gesetzgeber und Öffentlichkeit.

Motorjournalist: Aktuell hat das chinesische Autoportal Dongchedi in zwei Tests in China automatisierte Fahrfunktionen unterschiedlicher Autos unter die Lupe genommen (CarNewsChina.com: China’s massive ADAS test: 36 cars, 15 hazard scenarios, 216 crashes). Die Ergebnisse waren ernüchternd. Bleibt das autonome Fahren damit doch eher Zukunftsversprechen und nicht nahende Realität? Wie ist hier der aktuelle Stand aus Ihrer Sicht? Was ist dringend erforderlich, dass es hier vorangeht und vor allem die Menschen Vertrauen in autonom fahrende Fahrzeuge bekommen?

Prof. Stefan-Alexander Schneider: Autonomes Fahren ist kein reines Zukunftsversprechen mehr, aber noch keine flächendeckende Realität. Technisch ist es bereits heute möglich – in spezifischen Szenarien, mit klaren Betriebsgrenzen und zunehmend robusten Systemen. Die Grundlagen dafür reichen weit zurück – etwa bis zu Ernst Dickmanns, der bereits in den 1980er-Jahren autonom fahrende Fahrzeuge auf öffentlichen Autobahnen demonstrierte (IEEE: Developing the Sense of Vision for Autonomous Road Vehicles at UniBwM). Die Frage ist deshalb längst nicht mehr ob, sondern wann und wie schnell der Markt durchdrungen wird: Werden autonome Fahrzeuge 25, 50 oder gar 100 Prozent des Verkehrs ausmachen – und in welchen Bereichen zuerst? Entscheidend ist dabei nicht nur der technologische Reifegrad, sondern auch die Infrastruktur, die Gesetzgebung, die gesellschaftliche Akzeptanz und die Wirtschaftlichkeit des Einsatzes – hier müssen wir im System denken. Der Dongchedi Test war ein Blick in den Spiegel – technisch beeindruckend für Tesla, ernüchternd für viele andere. Damit die nächsten Schritte Richtung SAE Level 4 (vgl. Kasten 1) gelingen, braucht es robustes Zulassungsmanagement, transparentes HMI (Anm. der Redaktion: Human Machine Interaction oder Mensch-Maschine-Interaktion) sowie leistungsfähige Infrastruktur inklusive stabiler Teleoperation. Erst wenn Technologie, Regulation und Kommunikation zusammenspielen, kann Vertrauen entstehen – und das autonome Fahren Alltag werden.

Was ist dringend erforderlich, damit das autonome Fahren vorankommt – und das Vertrauen wächst?

Dazu gerne vier Punkte. Erstens, Zulassung & Gesetzgebung: Deutschland hat früh einen gesetzlichen Rahmen für autonomes Fahren geschaffen. Das ist wichtig, aber es täuscht leicht über die Tatsache hinweg, dass wir rechtlich in einer viel strengeren Ausgangslage sind. Als Vertragsstaat der Wiener Straßenverkehrskonvention (United Nations, Treaty Collection: 19. Convention on Road Traffic) ist Deutschland bis heute verpflichtet, dass jedes Fahrzeug einen Fahrer haben muss – was mitunter absurd anmutend Auswüchse haben kann. So musste bei frühen Tests mit autonomen Shuttles in Deutschland offiziell ein Sicherheitsfahrer mitfahren – selbst dann, wenn das Fahrzeug keine Pedale, kein Lenkrad und keinen Sitzplatz für ihn vorgesehen hatte. Solche Konstruktionen führen zu einer absurden Umkehr: Ein „Fahrer“ wird verlangt, obwohl die Maschine längst besser fahren kann – und obwohl er faktisch gar nicht eingreifen kann. Andere Länder wie die z.B. USA oder Japan kennen diese Hürde gar nicht. Sie haben dadurch technologisch mehr Spielraum. Die oft genannte Vorreiterrolle Deutschlands ist damit nicht falsch, aber sie blendet aus, dass wir durch unsere völkerrechtliche Bindung ein deutlich engeres regulatorisches Korsett tragen (Deutscher Bundestag, Wissenschaftliche Dienste: Völker- und europarechtliche Vorgaben für das automatisierte Fahren, Bundesministerium für Verkehr: Bericht der Ethik-Kommission, Bundesministerium für Verkehr: Gesetz zum autonome Fahren tritt in Kraft, electrive.com: Germany to establish legal framework for remote-controlled vehicles) .

Zweitens, HMI heißt: Mensch-Maschine-Interaktion – nicht nur ein Interface. Wer bei SAE Level 4 oder Remote-Steuerung Verantwortung übernimmt, muss verstehen, was das System sieht, denkt und plant. KI kann dabei helfen, diese Transparenz herzustellen – durch adaptive, intuitive Rückmeldungen, die auch unter Stress verständlich bleiben. Nur mit verständlicher und intuitiver HMI können Anwender Vertrauen aufbauen – und bei Teleoperation live eingreifen, wenn nötig, wie bei Kupplung und Gaspedal, die heute intuitiv bedient werden – nicht, weil sie einfach sind, sondern weil ihre Logik verinnerlicht wurde. Genauso muss HMI für autonome Systeme gestaltet sein. Diese Schnittstelle ist entscheidend für eine vertrauenswürdige Fehlerkultur. Transparenz endet jedoch nicht an der Benutzeroberfläche. Sie beginnt bereits bei der Entwicklung selbst. Ich plädiere deshalb für eine Art ‚Eid des Asimovs‘ – eine ethische Selbstverpflichtung für Softwareentwickler und KI-Entwickler, vergleichbar mit dem Eid des Hippokrates in der Medizin. Sie würde nicht nur technische Sorgfalt einfordern, sondern auch die bewusste Verantwortung für die Auswirkungen maschineller Entscheidungen. Asimovs Robotergesetze (Britannica.com: three laws of robotics) waren Science-Fiction – aber der Gedanke, dass man Maschinen nicht ohne moralische Leitplanken bauen sollte, ist heute realer denn je.

Drittens, Lokalisierung & performante Datenübertragung: Autonome Systeme wie auch teleoperierte Fahrzeuge sind nur so gut wie ihre Infrastruktur. Ich nenne hier hochpräzise Lokalisierung via HD‑Karte, GNSS, SLAM, Ultra-low-latency Kommunikation (5G/6G, V2X) oder robuste Datenplattformen zur Echtzeitverarbeitung. Ohne zuverlässige, latenzarme Vernetzung samt präziser Positionsdaten bleibt autonomes Fahren – besonders Teleoperation – eine theoretische Vision. Wir müssen also nicht nur Vertrauen aufbauen – wir müssen auch ehrlich sagen, warum diese Technologie gebraucht wird. Es reicht nicht, Technik attraktiv darzustellen – wir müssen zeigen, wo sie gebraucht wird, weil ohne sie niemand mehr fährt. Dort entscheidet sich ihre gesellschaftliche Relevanz. Viertens, wirtschaftlicher und demografischer Druck – wir haben keine Wahl: Vertrauen ist wichtig, aber Notwendigkeit schafft Offenheit. In vielen Regionen fehlen heute bereits tausende Busfahrerinnen und Busfahrer (VDV: Personal- und Fachkräftebedarf im ÖPNV), vor allem im ländlichen Raum und im kommunalen Nahverkehr. Das betrifft nicht nur Deutschland, sondern weite Teile Europas. Der öffentliche Verkehr gerät dadurch unter Druck – und zwar nicht aus Mangel an Nachfrage, sondern aus Mangel an Personal. Autonomes oder teleoperiertes Fahren wird hier nicht zur Spielwiese, sondern zur notwendigen Infrastrukturmaßnahme, um überhaupt noch Mobilitätsangebote bereitstellen zu können – barrierefrei, flächendeckend und wirtschaftlich tragbar. Wenn Menschen spüren, dass autonome Fahrzeuge nicht als Ersatz, sondern als Ermöglicher gedacht sind – für ältere, mobilitätseingeschränkte oder auf dem Land lebende Menschen – dann wächst auch das Vertrauen. Notwendigkeit erzeugt Akzeptanz, wenn sie gut erklärt und verantwortungsvoll umgesetzt wird. Ein Blick nach Japan zeigt, dass man demografische Entwicklungen nicht ignorieren darf: Dort wird seit den 1960er-Jahren an technologischen Lösungen für eine alternde Gesellschaft gearbeitet. Autonomes Fahren wird dort nicht als Innovation vermarktet, sondern als gesellschaftliche Notwendigkeit verstanden – und genau das brauchen wir auch hier.

Motorjournalist: Vor vier Jahren hat Deutschland das autonome Fahren gesetzlich verankert. Danach ist der Einsatz von autonomen Fahrzeugen unter bestimmten Bedingungen und in festgelegten Betriebsbereichen erlaubt. Wie sieht es umgekehrt mit der Entwicklung autonomer Fahrzeuge in der Automobilindustrie bzw. generell in der Branche aus? Was tut sich hier?

Das geänderte Straßenverkehrsgesetz (StVG) erlaubt in § 1d den Einsatz von „Kraftfahrzeugen mit autonomer Fahrfunktion in festgelegten Betriebsbereichen“, sofern bestimmte gesetzliche und verordnungsbasierte Voraussetzungen erfüllt sind. Dort heißt es wörtlich: „Ein Kraftfahrzeug mit autonomer Fahrfunktion darf in einem festgelegten Betriebsbereich in den Verkehr gebracht werden, wenn die Voraussetzungen nach diesem Gesetz und der Verordnung nach § 1f erfüllt sind.“
(Bundesministerium der Justiz und für Verbraucherschutz: § 1d StVG). Auffällig ist, dass hier bereits von „autonomer Fahrfunktion“ gesprochen wird – doch dieser Begriff unterscheidet sich wesentlich von der Definition des SAE Level 5. Laut SAE J3016_2021 bedeutet SAE Level 5 (Full Driving Automation):
„Sustained and unconditional performance by an ADS (automated driving system) of the entire DDT (dynamic driving task) without any expectation that a user will respond to a request to intervene. Please note that this performance, since it has no conditions to function, is not ODD (operational design domain)-specific.“ (American National Standards Institute: SAE Levels of Driving Automation). Der feine, aber fundamentale Unterschied: Während SAE Level 5 von bedingungsloser Autonomie unter allen Umwelt- und Verkehrsbedingungen ausgeht – also ohne jede Einschränkung durch eine „Operational Design Domain“ (ODD) und ohne Rückfallebene – erlaubt das StVG lediglich den Einsatz autonom genannter Fahrzeuge mit stark begrenztem Einsatzbereich und technischer Aufsicht. Die gesetzliche Autonomie in Deutschland ist damit faktisch auf SAE Level 4 beschränkt – also hochautomatisierte Systeme, die nur in vorher definierten Betriebsbereichen zugelassen sind und im Zweifel eine Remote-Supervision benötigen. Anders gesagt: Das Gesetz spricht von „autonom“, meint aber „hochautomatisiert“ – und überlässt es der Praxis, diese begriffliche Lücke durch Technik, Infrastruktur und Zulassungslogik zu überbrücken.

Abb.1: Die großen Sprünge kommen von Technologieunternehmen.

Die Lücke zwischen dieser juristischen Definition und der technischen Vision von vollautonomen Fahrzeugen bleibt damit bestehen – auch sprachlich. Die Industrie entwickelt hier mit Hochdruck – aber nicht immer synchron mit der Gesetzgebung. Deutschland hat sich rechtlich positioniert, doch technologisch dominieren derzeit Player, die weniger regulatorisch gebunden sind. Damit aus gesetzlichen Pilotmodellen industrielle Wirklichkeit wird, müssen KI, Infrastruktur und Zulassungspolitik enger verzahnt werden – und zwar international anschlussfähig. Was jetzt fehlt, sind international Standards – sowohl für die KI-Validierung als auch für die Kommunikation zwischen Fahrzeug, Infrastruktur und Leitstelle. Ohne solche Normen bleibt autonome Mobilität national limitiert und fragmentiert – dabei ist ihr Nutzen global. Man kann das gut am Schienenverkehr sehen: Lokomotiven und Züge müssen heute so gebaut sein, dass sie beim Passieren nationaler Grenzen automatisch auf unterschiedliche Signalsysteme, Stromspannungen oder Sicherheitsprotokolle reagieren können – ohne anzuhalten. Genau diese Art von technischer Interoperabilität brauchen wir auch im Straßenverkehr, wenn autonome Fahrzeuge grenzüberschreitend unterwegs sein sollen. Was tut sich in der Industrie? Die Automobilindustrie und Forschungsinitiativen des Bundes haben in den vergangenen Jahren massiv in autonome Technologien investiert, besonders in Sensorik (Lidar, Radar, Kamera und Fusion, z.B. Projekt Projekt Bundesministerium für Bildung und Forschung: Deutsch-japanische Forschungskooperation im automatisierten und vernetzten Fahren: Virtuelle Validierung), Hochleistungsrechner & KI-Modelle, Simulations- & Absicherungsmethoden (z.B. Projekte wie PEGASUS – Projekt zur Etablierung von generell akzeptierten Gütekriterien, Werkzeugen und Methoden sowie Szenarien und Situationen zur Freigabe hochautomatisierter Fahrfunktionen, VVMethoden – Verifikations- und Validierungsmethoden automatisierter Fahrzeuge Level 4 und 5 , SET Level 4to5 – Simulationsbasiertes Entwickeln und Testen von Level 4 und 5 Systemen) oder auch Teleoperation & Remote Control-Systeme. Hersteller wie Mercedes-Benz (z. B. Drive Pilot für SAE Level 3 oder – vom Automobilclub KS e.V. in 2023 gewürdigte – Fahrerloses Bosch Parksystem: mehr als Parken sowie INTELLIGENT PARK PILOT mit SAE Level 4 in Parkhäusern), Volkswagen, BMW, aber auch Zulieferer wie Bosch, ZF und Continental arbeiten an skalierbaren Lösungen. Bosch etwa reagiert aktuell mit Hochdruck auf Entwicklungen wie BYDs „God’s Eye“ – ein 360°-Rundumsystem, das zeigt, wie ernst der Innovationsdruck aus China inzwischen geworden ist. Gleichzeitig tritt immer deutlicher hervor: Die großen Sprünge kommen heute weniger aus der Autoindustrie, sondern von Technologieunternehmen.

Waymo, ehemals unter John Krafcik, hat das treffend formuliert: „Wir entwickeln keinen Wagen – wir entwickeln den Fahrer.“ (twice.com: Waymo Isn’t Building Cars; It’s Building Drivers). Das zeigt die strategische Verschiebung: Autonomes Fahren ist weniger Produkt- als Systementwicklung, bei der Software, KI und Infrastruktur den Ausschlag geben. Was bedeutet das für die Gesetzgebung? Gesetzgebung und Technik müssen synchronisiert werden. Doch das bleibt schwierig. Die deutsche Gesetzgebung wirkt deshalb teilweise ambitioniert – aber auch artifiziell, weil sie komplexe Rückversicherungssysteme einfordert (z. B. Remote-Supervision, Datenprotokolle), die andernorts nicht notwendig sind. Hinzu kommt: Deutschland steht als Unterzeichnerstaat der Wiener Straßenverkehrskonvention (1968) vor einer juristischen Ausgangslage, die Länder wie die USA oder Japan gar nicht betrifft. Dort gibt es keine gesetzliche Pflicht zur menschlichen Fahrverantwortung – autonome Systeme lassen sich dort einfacher, aber mit weniger Absicherung umsetzen. Eine echte Fortentwicklung der Gesetzgebung muss daher zwei Dinge leisten: Erstens, Regelwerke vereinfachen ohne auf Sicherheit zu verzichten und zweitens Zulassungsverfahren schaffen, die auch KI-basierte Entscheidungslogik nachvollziehbar und auditierbar machen – also KI-Absicherung.

Motorjournalist: Sie sagten zuvor, autonom fahrende Autos sind mehr als Wunschdenken. Vielmehr seien sie angesichts des wirtschaftlichen und demographischen Drucks ein Muss. Macht diese Art der Mobilität überhaupt langfristig Sinn und wenn ja, warum? Welche Vorteile sehen Sie darin konkret für eine nachhaltige, barrierefreie und sozial gerechte Mobilität der Zukunft?

Prof. Schneider: Autonomes Fahren ist in der Tat kein Wunschdenken, aber auch kein Selbstläufer. Es wird Realität, wenn Zulassungsrecht, Technik und Mensch zusammenfinden. Die Autoindustrie ist dabei nicht nur Fahrzeughersteller, sondern oft Komponentenbeschleuniger. Sie liefert günstige, robuste Sensorik und Software, die in verschiedensten Bereichen der Gesellschaft Nutzen entfalten können. Autonomie kann so zu einem Treiber für gerechtere, zugänglichere und nachhaltigere Mobilität werden – vorausgesetzt wir regulieren jetzt klug, testen konsequent und kommunizieren offen. Aktuell sind viele Funktionen, die fälschlich als ‚autonom‘ bezeichnet werden, in Wahrheit Assistenzsysteme (SAE Level 2) (bekannt ist hier die Diskussion um die ambitionierte Namensgebung von Teslas „Autopilot“, der ein SAE Level 2 System ist) oder bestenfalls bedingt automatisierte Systeme (SAE Level 3 und 4). Für echte Autonomie (SAE Level 5) braucht es weit mehr als nur Technologie: Es braucht Regulierung, Infrastruktur und gesellschaftliche Akzeptanz.

Die Vision autonomer Mobilität ist sozial und ökologisch sinnvoll. So ist sie barrierefrei, denn sie bietet Mobilität für Menschen mit Einschränkungen, Senioren, Kinder – ohne auf eigenes Auto oder Fahrer angewiesen zu sein. Sie ist sozial gerecht, da On-Demand-Shuttles oder autonome Zubringer Regionen erschließen können, in denen heute kein ÖPNV fährt. Zudem ist sie nachhaltig, denn autonome Systeme ermöglichen eine effizientere Nutzung von Fahrzeugflotten, weniger Leerfahrten, optimierte Routen – und damit weniger Energieverbrauch. Und: autonome Mobilität steht für Wirtschaftlichkeit, denn es fehlen Fahrerinnen und Fahrer. Last, but not least hinzu kommt ein oft unterschätzter Aspekt: Autonomie ist nicht auf Autos beschränkt. Ob autonome Kehrmaschine, landwirtschaftliche Erntemaschine oder Logistikfahrzeug – die darunterliegende Technologie schafft Lösungen für völlig unterschiedliche gesellschaftliche Anforderungen. Dazu habe ich zusammen mit einem Kollegen, Dr. Jürgen Stübner, bereits im April 2018 auf meinem Kooperationsforum: TechROAD Autonome eBusse: TechROAD Bad Birnbach am 10. April 2018 und Interview) eine Erweiterung der sechs SAE Level vorgeschlagen: Level 6 geführte autonome Systeme, Level 7 dirigierte autonome Systeme, Level 8 selbstorganisierte Gruppen und Level 9 Selbstorganisierte Schwärme (Expanding the scale of definition levels of autonomous driving).

Abb. 2: Fortschritt bleibt fragil: Der autonome e-Bus in Bad Birnbach ist Geschichte.

Nebenbei bemerkt: Mit dem autonomen eBus in Bad Birnbach sorgte die Deutsche Bahn ab Oktober 2017 für mehr positive Schlagzeilen als mit ihrem klassischen Kerngeschäft – ein starkes Symbol für Innovationsbereitschaft im ländlichen Raum. Nach mehr als sieben Jahren Pilotbetrieb wurde das Projekt jedoch zum 31. Dezember 2024 eingestellt, weil sich der Hersteller EasyMile aus der Personenbeförderung zurückzieht. Gerade weil es als europäisches Vorzeigeprojekt galt, ist das Ende umso bedauerlicher – es zeigt, wie fragil Fortschritt bleibt, wenn die technische und wirtschaftliche Verstetigung nicht mitwächst. Fortsetzung folgt.

Das Interview mit Prof. Schneider führte Isabella Finsterwalder, Porträtbild Prof. Stefan-Alexander Schneider, Quelle: privat, und Abbildung Level autonomes Fahren, Quelle: HS Kempten; weitere Abbildungen: Pixabay

Kasten 1

Erläuterung zu SAE und Level 0 bis 5

SAE steht für die Society of Automotive Engineers, eine US-amerikanische, globale Organisation für Ingenieurstandards, insbesondere in den Bereichen Automobiltechnik, Luftfahrt und Mobilitätssysteme. SAE definiert technische Standards, die international als Referenz gelten – von Fahrzeugtechnik über Kraftstoffe bis zur Systemintegration. Das schafft Vergleichbarkeit, Kompatibilität und Sicherheit in der Entwicklung.
SAE-J3016 – das Referenzmodell für automatisiertes Fahren:

Level 0: Keine Automatisierung – Mensch fährt

Level 1: Fahrerassistenz (z. B. Tempomat) – Mensch überwacht

Level 2: Teilautomatisiert (z. B. Spurhalte + ACC) – Mensch bleibt verantwortlich

Level 3: Bedingt automatisiert (z. B. Staupilot) – Mensch kann Hände wegnehmen, muss aber eingreifen können

Level 4: Hochautomatisiert – Kein Fahrer nötig – aber nur in definierten Bereichen

Level 5: Vollautomatisiert – Kein Fahrer nötig – unter allen Bedingungen

Diese sechs Level sind heute globaler Standard für Industrie, Gesetzgeber und Öffentlichkeit.

Kasten 2

Prof. Schneider bringt autonomes Fahren auf den Punkt:

Autonomes Fahren ist weit mehr als ein technologisches Entwicklungsziel. Es ist ein Spiegel dafür, wie wir als Gesellschaft mit Komplexität, Unsicherheit und Verantwortung umgehen. Wir bauen keine Maschinen, die einfach nur schneller oder bequemer sind. Wir bauen Systeme, die Entscheidungen treffen – und dafür müssen wir sie so gestalten, dass sie sich selbst einschätzen, erklären und begrenzen können. Science-Fiction-Filme wie Ex Machina (2014, Regie: Alex Garland) erinnern uns eindrücklich daran, dass technische Intelligenz ohne ein moralisches Koordinatensystem zur Blackbox werden kann. Die Frage ist daher nicht nur: Können wir Maschinen bauen, die handeln? Sondern: Können wir ihnen beibringen, ihre Grenzen zu erkennen – und dem Menschen gegenüber transparent zu bleiben? Das ist keine Schwäche, sondern ein Ausdruck von Reife – technisch wie gesellschaftlich. Wir stehen am Beginn eines Zeitalters, in dem Mensch und Maschine nicht gegeneinander, sondern miteinander mobil werden. Wenn uns das gelingt – durch verlässliche Architektur aus Verantwortung und Transparenz, durch nachvollziehbare Technik und durch eine Kultur des Fragens statt Überlassens –, dann kann autonomes Fahren wirklich ein Baustein für eine gerechtere, zugänglichere und verantwortliche Mobilität werden.

Kasten 3

Vita Prof. Dr. rer. nat. Stefan Alexander Schneider:

Prof. Dr. Stefan-Alexander Schneider ist Professor für das Fachgebiet Fahrerassistenzsysteme an der Hochschule für angewandte Wissenschaften Kempten. Sein akademischer Hintergrund liegt in der Mathematik – und damit im exakten Denken innerhalb komplexer Systeme. Zuvor war er viele Jahre in der Entwicklung und Forschung in der Automobilindustrie tätig – unter anderem bei BMW im Bereich Softwarequalifizierung sowie in der Simulation von Gesamtfahrzeugen. Dabei arbeitete er an der Schnittstelle zwischen industrieller Praxis, Sicherheitsnachweis und digitaler Systementwicklung. Neben der starken regionalen Anwendungsorientierung in Lehre und Transfer liegt ihm der internationale wissenschaftliche Austausch besonders am Herzen: Seit mehr als zehn Jahren ist er Gastprofessor am Shibaura Institute of Technology in Tokio, Japan. Darüber hinaus engagiert sich Prof. Schneider als Kurator des Deutschen Museums für die Vermittlung von Technikgeschichte und deren Brücke in die Zukunft.

Als 2017 im bayerischen Bad Birnbach erstmals in Deutschland autonom fahrenden Busse von der Deutschen Bahn eingesetzt wurden, bewegten sie sich auf einer zunächst nur 700 Meter langen Teststrecke und nicht schneller als mit 20 km/h. Am Steuer saß immer ein Kontrollfahrer, um aufzupassen, dass die Technik keinen Fehler machte. Mehr als sieben Jahre später, im Oktober 2024, ließen Experten des Karlsruher Instituts für Technologie (KIT) in einem Forschungsprojekt erneut automatisierte Busse auf der Straße fahren. Auch hier waren Sicherheitsfahrer dabei, doch die Strecken waren länger, komplizierter und variantenreicher als bei der Premiere in Bayern. Das KIT und seine Partner, das baden-württembergische Verkehrsministerium, ein Kfz-Forschungs- und -Dienstleistungsinstitut sowie regionale ÖPNV-Betreiber und der Automobilzulieferer ZF, wollten herausfinden, welche Möglichkeiten auto-nome Shuttles im öffentlichen Personennahverkehr bieten, vor welchen technischen und juristischen Herausforderungen sie dabei stehen und wie es mit der Akzeptanz bei den Fahrgästen aussieht.

„Zuverlässig und sicher“

Beim „Reallabor für den automatisierten Busbetrieb im ÖPNV in der Stadt und auf dem Land“ (RABus), so der Projekttitel, wurden in Friedrichshafen und Mannheim jeweils zwei autonome Kleinbusse eingesetzt, die eigenständig fuhren, aber einen Kontrollfahrer benötigten. Die elektrisch angetriebenen Fahrzeuge hatten Platz für bis zu zehn Fahrgäste. Während der achtmonatigen Praxisphase wurden bei über 430 Fahrten mehr als 1.600 Fahrgäste mitgenommen und 2.100 Kilometer zurückgelegt – und zwar „zuverlässig und sicher auch bei widrigen Wetterbedingungen und dichtem Verkehr“, wie das KIT zum Projektende stolz verkündete.

Unterschiedliche Herausforderungen

In Mannheim verbanden die Kleinbusse ein Wohngebiet mit der nächsten Straßenbahnhaltestelle. Hier sollten die Fahrzeuge mit dem komplexen Stadtverkehr zurechtzukommen und erreichten dabei Tempo 50 – „eine Geschwindigkeit, die von Bussen in vergleichbaren Projekten in Deutschland bisher noch nicht erreicht wurde“, wie das KIT Institut für Verkehrswesen (IFV) hervorhebt. Während in Mannheim der Fokus also auf dem unübersichtlichen Stadtverkehr lag, ging es für die Testbusse in Friedrichshafen teilweise über die Landstraße, wo sie bis zu 60 km/h schnell wurden. Die acht Kilometer lange Route führte an einem Werksgelände mit Lkw-Verkehr vorbei, an einem Krankenhaus mit Rettungswagen und an ländlichem Gebiet mit Traktoren. Auch das Wetter, Nebel und starker Wind, gehörten zu den Herausforderungen für Fahrzeugcomputer und -sensoren.

Neue und flexible ÖPNV Angebote vor allem auf dem Land

„Mit dem Projekt RABus haben wir gezeigt, dass automatisiertes Fahren im öffentlichen Verkehr kein Zukunftsversprechen, sondern bereits heute erlebbar ist“, fasst Baden-Württembergs Verkehrsminister Winfried Hermann das Projektergebnis zusammen. Der Grünen Politiker, dessen Haus eine Fördersumme von 15,8 Millionen Euro einsetzte, sieht Baden-Württemberg „als Erprobungsraum für innovative Mobilitätslösungen“. Aufgrund der Erfahrungen sieht er gute Chancen, automatisierte Kleinbusse als Ergänzung in den ÖPNV aufzunehmen, um „moderne Mobilität für alle zugänglich zu machen“. Welche Gebiete dafür geeignet sind, haben die Forscher durch Simulationen am Computer herausgefunden. Das Ergebnis: „Vielversprechende Anwendungsgebiete haben wir in nahezu allen Gemeinden Baden-Württembergs gefunden“, betont Martin Kagerbauer vom KIT. Seiner Einschätzung zufolge ermöglichen autonome Kleinbusse neue und flexible ÖPNV-Angebote vor allem auf dem Land und in städtischen Randgebieten.

Noch einige Schwierigkeiten

Die Euphorie sollte jedoch nicht darüber hinwegtäuschen, dass es noch einige Schwierigkeiten aus dem Weg zu räumen gibt. Zwar berichten die Forscher aus Befragungen von einer „hohen Akzeptanz“ der Fahrgäste, von „großem Nutzungsinteresse“ über alle Bevölkerungsgruppen hinweg und dass „sich Vorbehalte durch Gespräche und das Erleben der Technik abbauen“ ließen. Jedoch scheint es diese Vorbehalte in der Bevölkerung nun einmal zu geben, und der Formulierung der Forscher nach konnten sie auch nicht vollständig ausgeräumt werden.

Endgültiger Abschlussbericht Frühjahr 2026

Das mag mit dem zweiten Problemkreis zusammenhängen: der technischen Unzuverlässigkeit, die den Einsatz der Kontrollfahrer unabdingbar macht. Im Abschlussbericht der ersten RABus Phase hatte es noch geheißen, dass die Kontrollfahrer „vereinzelt“ hätten eingreifen müssen. Konkrete Zahlen wurden nicht veröffentlicht. Verlautbart wurde lediglich, dass nach technischen „Unsicherheiten“ die Software „weiterentwickelt und optimiert“ worden sei. Nun, nach Beendigung der zweiten Testphase im vergangenen Juni, wurden zu diesem Themenkomplex gar keine Angaben mehr gemacht. Ist das ein gutes oder ein schlechtes Zeichen? Die Antwort wird man bestimmt in dem für das kommende Frühjahr angekündigten endgültigen Abschlussbericht von RABus finden, der ausdrücklich als Grundlage für künftige Vorhaben auch in anderen Bundesländern dienen soll.

Autorin: Beate M. Glaser (kb), Abbildung: pixabay