Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAOMit KI um die Ecke blicken
Mobilität
Wie können Autofahrende rechtzeitig auf kritische Situationen aufmerksam gemacht werden, die sie selbst noch nicht erkennen können? Im Forschungsprojekt »SIMON« entwickelt das IAT der Universität Stuttgart gemeinsam mit dem Fraunhofer IAO und weiteren Partnern ein System, das potenzielle Gefahren mithilfe von KI frühzeitig erkennt. Erprobt wird auch, wie das beim Menschen ankommt.
Es ist eine alltägliche Situation, die jeder kennt: Ein Auto nähert sich einer Kreuzung. Aus einiger Entfernung ist eine Baustelle zu sehen. Was nicht zu sehen ist: Die dahinterliegende Seitenstraße, aus der ein Radfahrer oder eine Radfahrerin dieselbe Kreuzung ansteuert. Je nach Tempo und Aufmerksamkeit der Beteiligten sind nun verschiedene Szenen denkbar. Die beste ist: Beide fahren umsichtig und bremsen rechtzeitig. Doch nur einer von beiden muss zu schnell fahren oder kurz unaufmerksam sein, und die Geschichte könnte anders verlaufen.
Wären Unfälle dieser Art vermeidbar, wenn aufgrund einer stärkeren Vernetzung im Straßenverkehr mögliche Gefahren im Vorfeld erkennbar wären? Dieser Frage widmet sich das Forschungsprojekt SIMON, das noch bis Mitte 2027 läuft. Die Idee dahinter: Wenn Informationen über Fahrzeuge, Fahrräder und ihre Umgebung zusammengeführt werden, könnte ein System erkennen, dass sich ihre Wege kreuzen werden, und Fahrerinnen und Fahrern früh empfehlen, langsamer zu werden.
Der Grundgedanke von ›SIMON‹ ist: die Leute zu vorausschauendem Fahren zu bewegen.«
Dr.-Ing. Valeria Bopp-Bertenbreiter, wissenschaftliche Mitarbeiterin am IAT der Universität Stuttgart und Projektleiterin
Informationslücken schließen
Das System soll Menschen nicht das Fahren oder Entscheiden abnehmen. Vielmehr geht es darum, Informationen zu übermitteln, die ihnen im entscheidenden Moment fehlen – etwa über potenzielle Gefahren, die mit dem Auge zunächst nicht erkennbar sind. Daraus leiten sich Empfehlungen ab, die das Fahren insgesamt sicherer und zugleich umweltschonender machen sollen.
Gemeinsam mit Projektpartnern arbeitet das IAT der Universität Stuttgart daran, diese Idee umzusetzen und zu erproben. Im Zentrum steht ein Digitaler Zwilling des Verkehrsgeschehens. In ihm werden Informationen mithilfe Künstlicher Intelligenz so miteinander verknüpft, dass das System abschätzen kann, wie sich eine Situation weiterentwickelt, gewissermaßen wie ein Blick um die Ecke mit Risikoanalyse.
Digitaler Zwilling
Den Aufbau des Digitalen Zwillings hat der Partner und Konsortialleiter EDI AG übernommen. Das Karlsruher Unternehmen entwickelt KI-basierte Softwarelösungen, unter anderem für die automatisierte Mobilität, und ist auf die Verarbeitung und Nutzung von Daten spezialisiert. »Für ein digitales Abbild der Verkehrssituation müssen wir wissen, wo sich die Verkehrsteilnehmenden gerade befinden«, erklärt Dr.-Ing. Thomas Freudenmann, Vorstandsmitglied und Chief Visionary Officer (CVO) der EDI AG. »Für die Risikoeinschätzung berechnen wir ein Sicherheitspolster, das für jeden Verkehrsteilnehmenden unterschiedlich groß ist.« Für Personen zu Fuß und auf dem Rad fällt es etwa größer aus als für Autofahrende. Besonders wichtig ist dieser Puffer, wenn der Sichtkontakt fehlt. Verkehrsteilnehmende können sich dann nicht mit Blicken oder Gesten verständigen – und ihr Verhalten lässt sich schwer einschätzen.
Erprobt wird das System anhand von sechs kritischen Verkehrssituationen. Neben der beschriebenen sichtverdeckten Kreuzung gehört dazu unter anderem das Überfahren einer roten Ampel, ein rechts abbiegendes Auto, das einen Radweg kreuzt, und ein Radfahrer, der wegen eines haltenden Busses auf die Fahrbahn ausweicht.
Damit der Digitale Zwilling solche Situationen bewerten kann, braucht er ein möglichst aktuelles Bild des Verkehrsgeschehens. Einfließen können etwa Position, Richtung, Geschwindigkeit und Beschleunigung von Autos und Fahrrädern. Daten von Ampeln oder Baustellen sind bislang nicht eingebunden, denkbar wäre das aber. Eine Route muss dafür vorher nicht festgelegt werden: Das System wertet das Verkehrsgeschehen laufend neu aus und kann so direkt auf Veränderungen reagieren.
Wichtiger Datenaustausch
Ein Teil dieser Informationen gelangt über die sogenannte V2X-Kommunikation ins System. Das Kürzel steht für »Vehicle-to-everything« und meint den Austausch von Daten zwischen Fahrzeugen und ihrer Umgebung. V2X stellt damit die relevanten Informationen bereit, die KI nutzt, um mögliche kritische Situationen frühzeitig zu erkennen. Das Handy einer Person auf dem Fahrrad kann zum Beispiel Informationen übermitteln, die für ein herannahendes Auto relevant sind.
Wir ersetzen den Notbremsassistenten nicht. Mit V2X und KI schaffen wir die nötige Sensibilität, damit kritische Situationen frühzeitig erkannt werden und er möglichst selten zum Einsatz kommen muss.«
Dr.-Ing. Thomas Freudenmann, Vorstandsmitglied und Chief Visionary Officer (CVO) der EDI AG
Bei Pkw-Fahrerinnen und -Fahrern sollen die Empfehlungen über die App »trafficpilot« ankommen. »Sie wurde als Grüne-Welle-Assistent entwickelt, die Autofahrenden dabei hilft, ihr Tempo so anzupassen, dass sie möglichst fließend durch den Verkehr kommen«, sagt IAT-Projektleiterin Bopp-Bertenbreiter. »Man versucht dabei, in einer grünen Spur zu bleiben, die auf dem Display angezeigt ist.« Für »SIMON« wird die App um Hinweise auf mögliche Gefahrensituationen erweitert.
Mensch-Maschine-Schnittstelle
Doch wie müssen solche Hinweise gestaltet sein, damit Fahrende sie wahrnehmen, verstehen und im entscheidenden Moment darauf reagieren? Dies innerhalb des Projekts mit Nutzenden zu erproben, war Aufgabe des Fraunhofer IAO. Die Forschenden konzentrierten sich auf zwei Gruppen von Verkehrsteilnehmenden: Pkw- und Fahrrad- bzw. E-Bike-Fahrerinnen und -Fahrer. In drei Schritten testeten sie die Mensch-Maschine-Schnittstelle und entwickelten sie jeweils weiter.
Mit Entwürfen auf Papier fing es an. Die Forscherinnen skizzierten Informationen und Hinweise und legten dies Auto- und E-Bike-Fahrerinnen und -Fahrern vor. Damit sich die Testpersonen möglichst gut in eine Situation hineinversetzen konnten, wurden zum Beispiel E-Bike-Fahrende an ein Fahrrad gestellt, blickten auf einen Screenshot der Skizze, und das Geschehen wurde ihnen beschrieben. Ihr quantitatives und qualitatives Feedback floss in die nächste Version ein.
In Schritt zwei saßen die Probandinnen und Probanden in einem Fahrsimulator, vor ihnen lag ein Smartphone. Sie sahen die aufgezeichnete Fahrt eines Fahrers und konnten auf dem Handy verfolgen, welche Hinweise der Prototyp in einer kritischen Situation gab. Im Anschluss bewerteten sie unter anderem, wie sie den jeweiligen Moment wahrgenommen hatten und wie verständlich die Informationen waren.
Richtiges Timing
»Wir stellten alle möglichen Fragen, auch nach Stärken und Schwächen des Prototyps, was ihnen gefallen hatte und was nicht, was geändert werden sollte«, sagt Bopp-Bertenbreiter. Dabei zeigte sich etwa, dass die Testpersonen weniger Erklärungen brauchten als gedacht. Sie wollten vor allem wissen, was zu tun ist. Auf ihren Wunsch ergänzten die Forschenden ein Tonsignal. Entscheidend ist vor allem aber das Timing der Handlungsempfehlung: Wann ist früh genug, wann zu spät? Das soll die nächste Testphase zeigen. »Hier gibt es individuelle Unterschiede. Vorsichtige Fahrerinnen und Fahrer wollten eher früher gewarnt werden«, sagt Bopp-Bertenbreiter. »Der Hinweis muss aber rechtzeitig kommen. Erscheint er zu spät, etwa im entscheidenden Moment selbst, kann er davon ablenken.«
Offen ist auch, wie sich die Hinweise in die Fahrzeuge einfügen lassen, ohne selbst zum Störfaktor zu werden, etwa durch zu häufige Warnungen. Und weil eine KI Situationen auch falsch einschätzen oder übersehen kann, müssen Autofahrende natürlich jederzeit aufmerksam bleiben und dürfen sich nicht allein auf diese Hinweise verlassen.
Diese Fragen und Rückmeldungen fließen nun in die letzte Entwicklungsstufe ein. Dafür geht es auf das Testfeld Autonomes Fahren in Karlsruhe. Dort werden Verkehrssituationen nachgestellt und der gesamte Ablauf im Fahrzeug erprobt. Sicherheitsfahrer innen und -fahrer sorgen im Hintergrund dafür, dass es nicht wirklich kritisch wird. Die Probandinnen und Probanden ahnen davon nichts. Sie sollen sich möglichst so verhalten, wie sie es im normalen Straßenverkehr täten. Dabei wird sich zeigen, wie sie auf Hinweise reagieren und wie gut das Timing funktioniert. Im besten Fall wäre der Effekt denkbar unspektakulär: Zwei Verkehrsteilnehmende nähern sich einer Kreuzung, bremsen rechtzeitig, schauen sich um – und fahren weiter.