"HD-Karten bieten mehr kontextuelle Informationen als Sensoren"

Beim autonomen Fahren scheint immer noch ein Streit zu schwelen, ob es überhaupt HD-Karten braucht. Tesla setzt etwa ausschließlich auf Kamerasysteme. Benötigen die Systeme im Fahrzeug überhaupt Kartendaten für das autonome Fahren?

HD-Karten wie die HD Live Map von Here haben einige entscheidende Vorteile. Einer der wichtigsten: Die Karte von Here enthält Informationen, welche die Sensoren des Fahrzeugs schlecht oder gar nicht erfassen können. Beispiele sind Straßenschilder, die von Kameras nicht richtig erfasst werden können, weil sie von Bäumen verdeckt sind, oder implizite Geschwindigkeitsbegrenzungen, wie 50 km/h beim Passieren des Ortsschildes. Auch Straßenklassifizierungen, also ob es sich um eine Autobahn oder eine Landstraße handelt, sind Informationen, die einem Fahrzeug dank HD-Karte zur Verfügung stehen. Das trifft auch auf die Beziehungen zwischen Datenattributen zu, wie das Gelten eines bestimmten Schildes für nur eine Spur oder für eine parallel verlaufende Straße. Somit liefert die Karte mehr kontextuelle Informationen, als sie die Sensorik allein bieten kann.

Daten, die auch von der Sensorik des Fahrzeugs erkannt werden können, sind über die Karte nochmal zum Abgleich verfügbar. So kann das Fahrautomationssystem eine höhere Sicherheit gewährleisten und prüfen, ob was die Sensorik sieht, beispielsweise eine Schilderbrücke, auch mit der Realität übereinstimmt. Wenn diese Brücke nicht in der Karte verzeichnet ist, könnten die Sensoren möglicherweise in querstehendes Hindernis erkannt haben. In so einem Fall warnt das Fahrzeug oder bremst eigenständig. Wenn es autonom fährt, überträgt es dann die Kontrolle wieder an den Fahrer oder die Fahrerin.

Darüber hinaus stellt die HD-Karte über den elektronischen Horizont auch Informationen bereit, weit bevor die Fahrzeugsensorik diese erfassen können - wie Fahrspurverengungen, Tunnel oder ein Autobahnende. Dank dieser Informationen kann das Fahrzeug, während es automatisiert fährt, frühzeitig sein Verhalten planen oder auch die Kontrolle zurück an den Fahrer oder die Fahrerin übergeben.

Neben dem Einsatz im autonomen Fahrzeug selbst sind HD-Karten ein Bestandteil der Simulationssysteme für die entsprechenden Software-Systeme. Wie ist Here in diesem Bereich involviert?

Wir lizensieren die Here HD Live Map auch für die Nutzung in Simulationssoftware. Einige Anbieter haben auch direkte Importschnittstellen für unsere HD Live Map als Funktion in ihre Software integriert, so dass sie schnell und unkompliziert Testszenarien basierend auf realen Straßensituationen erstellen können. Diese realen Szenarien haben sich bei einer Mischung aus virtuellen und echten Fahrtests als sehr hilfreich erwiesen. Die Simulationen ermöglichen Tests des Verhaltens autonomer Fahrzeuge in verschiedenen Szenarien, Umgebungen, Systemkonfigurationen und von Fahreigenschaften. So lassen sich hunderte Tests zeitsparend und mit weniger Aufwand als bei realen Feldtests durchführen. Simulationen helfen auch, die Platzierung von Sensoren am Fahrzeug zu testen und zu optimieren.

Unter anderem Volkswagen entwickelt Quantencomputing-Systeme für die Optimierung von Navigationssystemen, während KI ohnehin in aller Munde ist. Von welchen Technologien versprechen Sie sich aktuell die größten Sprünge für Ihren Arbeitsbereich?

Wir arbeiten mit einer großen Bandbreite an verschiedenen Quellen, um unsere digitalen Karten zu erstellen und zu pflegen. Die automatisierte Kontextualisierung von einzelnen Datenpunkten während der Integration in die Karte ist heute einer der größten Herausforderungen. Denn wir wollen unsere Karten möglichst schnell und damit hochaktuell publizieren. Hier ist ein Einsatzszenario für KI.

Außerdem beobachten wir in den Daten aus der Fahrzeugsensorik einen hohen Anteil an falsch positiven Beobachtungen. Spielstraßenschilder auf Autobahnen oder Autobahnschilder in Innenstädten sind keine Seltenheit. Mittels der Vielzahl der Quellen, die wir bei Here nutzen und unserem über Jahrzehnte verfeinerten Validierungsregeln, können wir beim Importieren von Daten über eine Kontextualisierung eine hohe Qualität erreichen. Dies ist ein weiteres Anwendungsfeld für KI und Machine Learning. So filtern wir die Spielstraßenschilder auf den Autobahnen einfach raus, denn eine Spielstraße macht im Kontext einer Autobahn ja nun mal keinen Sinn. Dies bedarf hoher Rechenleistung und einer ständigen Anpassung, da die Realität sich nun mal kontinuierlich weiterentwickelt.