Bosch und Daimler: Metropole in Kalifornien wird Pilotstadt für Stuttgart - Bosch und Daimler beschleunigen die Entwicklung des vollautomatisierten und fahrerlosen Fahrens (SAE-Level 4/5) in der Stadt und stellen weitere entscheidende Weichen. Die Partner haben Kalifornien als Pilotregion für die erste Testflotte ausgewählt. In der zweiten Jahreshälfte 2019 werden Bosch und Daimler Kunden auf ausgewählten Strecken in einer kalifornischen Metropole einen Shuttle-Service mit automatisierten Fahrzeugen anbieten. Als Betreiber dieser Testflotte und des App-basierten Mobilitätsservices ist Daimler Mobility Services vorgesehen. Das Pilotprojekt wird zeigen, wie Mobilitätsservices wie Car-Sharing (car2go), Ride-Hailing (mytaxi) und multimodale Plattformen (moovel) intelligent verbunden werden können, um so die Zukunft der Mobilität zu gestalten. Außerdem haben sich Bosch und Daimler für das US-Technologieunternehmen Nvidia als Zulieferer für die Künstliche-Intelligenz-Plattform als Teil ihres Steuergeräteverbunds entschieden. Für die gemeinsame Entwicklung eines Fahrsystems für vollautomatisierte und fahrerlose Fahrzeuge verfügen Bosch und Daimler seit Jahrzehnten über die automobile Kompetenz, Innovationen serienreif und sicher auf den Markt zu bringen. Dabei werden beide Unternehmen von einer gemeinsamen Philosophie geleitet: „Entscheidend ist, ein sicheres, zuverlässiges und serienreifes System einzuführen“, so Dr. Michael Hafner, Leiter Automatisiertes Fahren, Daimler AG. „Sicherheit steht an erster Stelle und zieht sich bei uns wie ein roter Faden durch alle Aspekte und Entwicklungsschritte auf dem Weg zur Serieneinführung. Gründlichkeit geht dabei im Zweifel vor Schnelligkeit.“ „Die serienreife Entwicklung des automatisierten Fahrens ist wie ein Zehnkampf“, sagt Dr. Stephan Hönle, Produktbereichsleiter für automatisiertes Fahren bei der Robert Bosch GmbH. „Es genügt nicht, in ein oder zwei Bereichen gut zu sein. Man muss, wie wir, alle Disziplinen beherrschen. Nur dann wird es gelingen, automatisiertes Fahren sicher auf die Straße und in die Stadt zu bringen.“ Auswertung der Sensordaten erfolgt innerhalb von Millisekunden Entscheidend für vollautomatisiertes und fahrerloses Fahren im urbanen Umfeld ist das zuverlässige Erkennen des Fahrzeugumfelds mithilfe unterschiedlicher Sensoren. Die Vielzahl der dabei gewonnenen Daten in kürzester Zeit zu analysieren, zu interpretieren und in Fahrbefehle umzusetzen, setzt eine enorme Rechenleistung voraus – das vollautomatisierte, fahrerlose Fahrzeug wird zum rollenden Supercomputer. Gleichzeitig erfordert vollautomatisiertes und fahrerloses Fahren in der Stadt eine vielseitige, redundante Systemarchitektur und das höchste Level an funktionaler Sicherheit. Um diese Sicherheit zu erreichen, werden die erforderlichen Rechenoperationen in verschiedenen Schaltkreisen parallel durchgeführt. So kann im Bedarfsfall blitzschnell auf diese parallelen Rechenergebnisse zurückgegriffen werden. Bosch und Daimler setzen für ihr Fahrsystem deshalb unter anderem auf einen aus mehreren Einzelsteuergeräten bestehenden Steuergeräteverbund. Dafür liefert das US-Technologieunternehmen Nvidia die benötigte Plattform, auf der die von Bosch und Daimler erzeugten Algorithmen für Künstliche Intelligenz (KI) für die Fahrzeugbewegung laufen werden. Der Steuergeräteverbund führt die Daten aller Sensoren mit Radar-, Video-, Lidar- und Ultraschalltechnik zusammen (Sensordatenfusion), wertet sie innerhalb von Millisekunden aus und plant den Fahrweg des Fahrzeugs. Insgesamt erreicht der Steuergeräteverbund eine Rechenkapazität von mehreren 100 Billionen Rechenoperationen in der Sekunde. Das ist so viel, wie noch vor wenigen Jahren einige Fahrzeuge der S-Klasse zusammen erzielten. Metropole in Kalifornien wird Pilotstadt für automatisierte Testflotte Der Steuergeräteverbund wird auch in den Flottenfahrzeugen zum Einsatz kommen, mit denen Bosch und Daimler in der zweiten Jahreshälfte 2019 in Kalifornien auf die Straße rollen. Mehr noch: Die beiden Partner werden Kunden auf ausgewählten Strecken in einer Metropole der San Francisco Bay im Silicon Valley einen automatisierten Shuttle-Service anbieten. Der Testbetrieb wird Aufschluss darüber geben, wie sich vollautomatisierte und fahrerlose Fahrzeuge in ein multimodales Verkehrsnetz integrieren lassen. Viele Städte stehen vor zahlreichen Herausforderungen, die das bestehende Verkehrssystem immer stärker belasten. Der Test soll zeigen, wie diese neue Technologie als mögliche Lösung für jene Herausforderungen dienen könnte. Fahrerloses Fahren macht urbane Mobilität attraktiver Mit ihrer im April 2017 gestarteten Entwicklungskooperation zum vollautomatisierten und fahrerlosen Fahren im urbanen Umfeld wollen Bosch und Daimler den Verkehrsfluss in Städten verbessern, die Sicherheit auf der Straße erhöhen und einen wichtigen Baustein für den Verkehr der Zukunft liefern. Die Technologie steigert unter anderem die Attraktivität von Car-Sharing. Zudem ermöglicht sie Menschen, die Zeit im Fahrzeug bestmöglich zu nutzen, und eröffnet zum Beispiel auch Menschen ohne Führerschein neue Möglichkeiten, mobil zu sein. Das Fahrzeug kommt zum Fahrer, nicht der Fahrer zum Fahrzeug. Innerhalb eines festgelegten Stadtgebiets können sich Nutzer per Smartphone bequem ein Car-Sharing-Auto oder einen Wagen ordern, der fahrerlos bei ihnen vorfährt. Das Projekt vereint insbesondere die Gesamtfahrzeug- und Mobilitätskompetenz eines der weltweit führenden Premiumhersteller mit der System- und Hardwarekompetenz eines der weltgrößten Zulieferer. Die dadurch entstehenden Synergien zielen auf eine möglichst frühe und abgesicherte Serieneinführung der Technologie ab. Bosch- und Daimler-Mitarbeiter sitzen Schreibtisch an Schreibtisch In zwei Regionen arbeiten die Mitarbeiter von Bosch und Daimler in Teams zusammen: Im Großraum Stuttgart in Deutschland und rund um Sunnyvale im Silicon Valley südlich von San Francisco in den USA. Mitarbeiter aus beiden Unternehmen sitzen dabei Schreibtisch an Schreibtisch. Das ermöglicht einen schnellen Austausch über Arbeitsfelder hinweg und sorgt für kurze Entscheidungswege. Gleichzeitig haben sie Zugriff auf das gesamte Know-how ihrer jeweiligen Kollegen in den Muttergesellschaften. Beide Partner finanzieren die Entwicklung zu gleichen Teilen. Gemeinsam entwickeln die Mitarbeiter in der Kooperation die Konzepte und Algorithmen für das vollautomatisierte und fahrerlose Fahrsystem. Die Aufgabe von Daimler ist es, das Fahrsystem ins Auto zu bringen. Das Unternehmen stellt dafür auch die notwendigen Entwicklungsfahrzeuge, Prüfeinrichtungen und später die Fahrzeuge der Testflotte zur Verfügung. Bosch ist für die während der Entwicklung zu spezifizierenden Komponenten (Sensoren, Aktuatoren und Steuergeräte) verantwortlich. Für die Erprobung nutzen die Partner ihre Labore und Prüfstände sowie ihre jeweiligen Testgelände in Immendingen und Boxberg. Darüber hinaus besitzt Mercedes-Benz bereits seit 2014 die Genehmigung, automatisierte Fahrzeuge in der Region Sunnyvale/Kalifornien zu testen. Eine vergleichbare Erlaubnis hat das Unternehmen seit 2016 auch in der Region Sindelfingen/Böblingen. Bosch ist weltweit der erste Zulieferer gewesen, der Anfang 2013 automatisiertes Fahren in Deutschland und den USA auf öffentlichen Straßen getestet hat. Die Sensoren: Im Team am stärksten Alle Sensortypen haben eigene Grenzen und Herausforderungen Sicheres vollautomatisiertes und fahrerloses Fahren erfordert die Daten aller Sensoren Redundante Aktuatorik als Ausdruck der Sicherheitsphilosophie Vier Augen sehen mehr als zwei, lautet ein altes Sprichwort. Bosch und Daimler setzen beim vollautomatisierten und fahrerlosen Fahren sogar auf noch mehr „Sinnesorgane“: Optische Kameras, Radarsignale, Ultraschall und Lidare erfassen die nahe und die weitere Umgebung des Fahrzeugs und dienen zugleich der eigenen Orientierung. Die Sensoren unterscheiden sich nicht nur in puncto Reichweite oder Einbauort am Fahrzeug. Technisch bedingt haben alle ein eigenes Stärkenprofil. Erst die Kombination der Informationen aller Sensoren, die so genannte Sensorfusion, ermöglicht daher ein Umgebungsmodell, das die hohen Sicherheitsanforderungen von Bosch und Daimler erfüllt – aus Sicht beider Unternehmen eine Grundvoraussetzung für das vollautomatisierte und fahrerlose Fahren. Schließlich müssen die Sensoren die Umgebung kontinuierlich und in Echtzeit überwachen. Denn auf Basis der Daten werden im Automated Drive Controller (ADC), dem Zentralrechner des vollautomatisierten, fahrerlosen Fahrzeugs, Entscheidungen getroffen und über die Motion Control Unit die Aktuatoren im Fahrzeug angesteuert. Auch für die Aktuatorik, also das Lenken, Gasgeben und Bremsen, macht Daimler klare Vorgaben: In einem vollautomatisierten und fahrerlosen Mercedes-Benz müssen alle kritischen Aktuatoren und Bewegungssensoren doppelt vorhanden sein, einschließlich der Steuergeräte und der Stromversorgung. So besitzt die von Elektromotoren angesteuerte Lenkung nicht nur zwei Motoren, sondern auch eine doppelte Leistungselektronik. Der bisher übliche pneumatische Bremskraftverstärker wird ersetzt durch den iBooster von Bosch, einen elektromechanischen Bremskraftverstärker. Zusammen mit dem ESP-System entsteht so ein Bremssystem-Verbund, der auch beim Ausfall einzelner Komponenten noch ein sicheres Anhalten erlaubt. Gemanagt werden die Aktuatoren in einem auf mehrere Steuergeräte verteilten Verbund von Software-Modulen. Dieser setzt nicht nur die Befehle der Motion Control Software um, sondern verwendet auch eigene Sensoren, um die Fahrzeugbewegungen präzise und zuverlässig zu erfassen und - wenn nötig - dem vorgegebenen Pfad zu folgen. Dazu gehört u.a. das Erkennen und Ausgleichen von Störgrößen wie Seitenwind, Bodenwellen oder unerwartet rutschiger Fahrbahn. Außerdem kann er das Fahrzeug sicher zum Stillstand bringen, falls die Fahrtanweisungen der ADC ausfallen oder unplausibel sind. Ähnlich wie ein Mensch bei plötzlicher Dunkelheit das letzte Bild der Situation nützt, generiert das System permanent einen Anhaltepfad, auf den der verbleibende Verbund notfalls zurückgreifen kann. Steckbrief: Kamera Funktionsweise · Erster lichtempfindlicher Halbleiter-Chip von Willard Boyle und George Smith (1969) als Basis für Digitalkameras · Lichteinfall auf Sensor mit Millionen lichtempfindlicher Dioden · Umwandlung der Lichtinformationen in elektronische Signale in den Dioden · Signalverarbeitung im Bildprozessor (kameraeigener Computer) · Anzahl der Dioden entspricht Kameraauflösung   Vorteile · Ideal für Semantik: Was ist das, was die Kamera und andere Sensoren sehen? · Große Entwicklungsfortschritte bei Regen und in der Nacht · Anpassung an Aufgaben über unterschiedliche Optiken ·  Kann Farben erkennen · Reichweite je nach Anforderung 50 bis 500 Meter · Öffnungswinkel je nach Anforderung bis zu 180° · Stereokamera mit zwei Kameraaugen für räumliches Sehen   Nachteile · Probleme bei Nebel oder Verschmutzung · Unterliegt natürlichen optischen Täuschungen – was gleich aussieht, ist auch gleich · Versteht nur, was klassifiziert wurde · Misst Winkel, alles andere wird berechnet Einsatzgebiet · Objekte erkennen und klassifizieren Verbauort · Scheiben (Sicht nach vorn/hinten, links/rechts je nach Zweck) Sonstiges · Sonderthemen: Erkennung von Verkehrszeichen, Ampeln, Gestik (z.B. Polizist regelt den Verkehr, Fußgänger betritt Straße) Steckbrief: Radar Funktionsweise · Abkürzung für „Radio Detection and Ranging” (Funkermittlung und Entfernungsmessung) · Erfindung des deutschen Hochfrequenztechnikers Christian Hülsmeyer, 1904 · Aussendung elektromagnetischer Wellen im Gigahertz-Bereich · Reflektion an Objekten · Analyse des Echos · Mögliche Rückschlüsse: · Laufzeit der Signale -> Entfernung zum Objekt · Reflektionsrichtung -> Standort des Objekts · Intensität des Echos -> Größe des Objekts · Frequenzverschiebung -> Eigenbewegung des Objekts Vorteile · Zuverlässig und allwetterfest · Konstante Auflösung und Genauigkeit im Strahlkegel · Misst alle relevanten Werte sofort (Winkel, Abstand, Geschwindigkeit, Materialparameter), Berechnung nicht nötig · Kann sogar unter Autos durchschauen · Sensorreichweite je nach Anforderung 0,2 bis 250 Meter · Öffnungswinkel je nach Zweck bis zu 80° Nachteile · Keine Erkennung von Farben, eingeschränkte Erkennung von Formen · Berücksichtigung der elektromagnetischen Strahlung bei der Integration ins Fahrzeug · Simulationsbedarf z.B. vom Vibrieren der Stoßstange Einsatzgebiet · Lokalisierung von statischen und bewegten Objekten · Lokalisierung des eigenen Fahrzeugs über Radar, Erkennung von Detektionen als Landmarken unabhängig von der Tages- und Jahreszeit sowie Witterung Verbauort · Bekanntestes Radar in Mercedes-Benz Fahrzeugen: im Zentralstern · Weitere Radarsensoren in den Stoßstangen Sonstiges · Seit 20 Jahren im Auto · Vom Einzelsensor zum Radarnetzwerk, elektronische Haut („electronic skin“) · Paradigmenwechsel: Vom bloßen Erkennen zum Kontextwissen · Unterstützung durch neuronale Netze/Deep Learning Steckbrief: Lidar Funktionsweise · Abkürzung für “Light Detection and Ranging” (Lichterkennung und Entfernungsmessung) · Meist Messung der Reflektion eines gepulsten Laserstrahls in Abhängigkeit von der Zeit, die nach dessen Aussendung vergangen ist · Erster funktionsfähiger Laser von Theodore Maiman und Charles Asawa am 16. Mai 1960 · Erster moderner, um 360° rotierender Lidar von David Hall/Velodyne, 2007 Vorteile · Misst als einziger Sensor hochgenau in 3D (Distanz, Position, Höhe) · Reichweite je nach Ziel bis über 200 Meter Nachteile · Reduzierte Reichweite bei Nebel, Regen oder Verschmutzung · Farben werden nicht erkannt, dafür (materialabhängige) Reflektionsunterschiede · Hohe Kosten für hochauflösende Lidare · Strenge Restriktionen durch Augensicherheitsanforderungen Einsatzgebiet · Umfeldüberwachung Verbauort · Unter anderem auf dem Dach Sonstiges · Labelling der Punkte mit Hilfe von kontextbezogenem Lernen und neuronalen Netzen · Die laterale und vertikale Auflösung des Lidar liegt zwischen Radar und Kamera „Autos werden nicht müde oder unaufmerksam“ Künstliche Intelligenz: Eine entscheidende Methode Erst Maschinenlernen macht Daten der Sensoren nutzbar Einzelne Fahrzeuge geben ihr Wissen weiter   Ein Gespräch mit Dr. Uwe Franke, Leiter Bildsemantik Daimler AG, zum Thema Maschinenlernen und vollautomatisiertes, fahrerloses Fahren. Bevorzugen Sie eher den Ausdruck Maschinenlernen oder Künstliche Intelligenz? Künstliche Intelligenz ist der übergeordnete Begriff für Rechenmethoden wie Maschinenlernen oder „deep learning“. Intelligenz heißt heute und in absehbarer Zukunft aber nicht, dass die Maschine ein eigenes Bewusstsein entwickelt. Es handelt sich um sehr komplexe, intelligent erscheinende Programme. Wir Menschen müssen uns also nicht vor Künstlicher Intelligenz fürchten, wie uns manches Science-Fiction-Werk weismachen will? Das Maschinenlernen führt nicht zu selbst denkenden, empathischen Robotern. Wir sprechen hier über komplexe Programmierungen, die bei manchen Menschen den Eindruck erwecken könnten, hier geschehe etwas Geheimnisvolles oder dahinter stünde tatsächliche maschinelle Intelligenz. Genauso mysteriös kam manchen Menschen die Übertragung der menschlichen Stimme über weite Entfernungen vor, als das Telefon erfunden wurde. Auf Künstliche Intelligenz wurde die breitere Öffentlichkeit zum ersten Mal aufmerksam, als Computer begannen, Schachspiele zu gewinnen. Können solche Programme in einem automobilen Kontext genutzt werden? Die grundlegenden Algorithmen sind frei verfügbar und unterscheiden sich nicht allzu sehr voneinander. Der Knackpunkt beim Aufbau eines effizienten Systems ist es, die richtige Art und Zahl an Trainingsdaten für die tiefen neuronalen Netzwerke zu verwenden. Damit ein Computer gut Schach spielt, muss er viele Schachpartien nachgespielt haben. Um Straßenszenen korrekt zu beurteilen, muss er viele Straßenszenen gesehen haben - mit korrekter Zuordnung, was was ist. Dem System muss gesagt werden, was falsch und was richtig ist, sonst kann es nicht lernen. Daher nennen wir zum Beispiel das Bildverstehen bewusst nicht Künstliche Intelligenz, sondern Maschinenlernen. Unsere Ingenieure geben vor, was gelernt werden soll. Das System kommt nicht von selbst auf die Idee, mal zu schauen, was hinter dem nächsten Hügel liegt. Wie bringen Sie dem Auto bei, auf der Straße zu handeln wie Menschen? Ein großer Fokus unserer Forschung liegt auf einer immer besser werdenden Umgebungserfassung. Umso besser wir verstehen, was um uns herum los ist, desto besser können wir dem Fahrzeug beibringen, wie es darauf reagieren soll. Vor allem im Bereich Bildverstehen haben wir in den letzten Jahren sehr große Fortschritte gemacht. Können Sie das an einem Beispiel veranschaulichen? Ein Auto fährt am Spielplatz vorbei. Es antizipiert, dass hinter dem Ball, der auf die Straße rollt, ein Kind hinterher rennen könnte. Wie aber unterscheidet das Auto diesen Ball von einem Stein oder einem zusammengeknüllten Papier? Der Mensch erkennt den Ball von weitem wahrscheinlich am ehesten durch seine Sprung- und Rolleigenschaften, die sich deutlich von einem Stein oder einer Papiertüte unterscheiden. Durch die beschriebene, intelligente Umfelderkennung kann man dem Auto so etwas auch beibringen. Die Bewegung von Fußgängern, Fahrradfahrern und anderen Objekten können wir technisch schon recht gut verstehen und damit die weitere Bewegung antizipieren. Bei Menschen spielen die Erfahrung und auch Gefühle eine wichtige Rolle. All das hat ein Computer nicht. Wie bringt man dem Auto dennoch bei, „richtig“ in Situationen zu handeln? Durch Convolutional Neural Networks, das sind spezielle, dem menschlichen visuellen System nachempfundene künstliche neuronale Netze, werden so genannte „deep learning“-Methoden möglich. Ein Computer kann also lernen und auch Erfahrungen machen. Das Spannende dabei ist, dass die einzelnen Computer – oder hier Fahrzeuge – auch gegenseitig voneinander lernen können, indem sie ihr Wissen teilen. Ein Fahrzeug hat somit nicht nur seine eigenen Erfahrungen, sondern gleich die der gesamten Flotte. Jedes Fahrzeug wird also immer schlauer, je länger es unterwegs ist? Wir sehen momentan noch davon ab, dass unsere Fahrzeuge individuell selber lernen, in dem Sinne, dass sie ihre eigenen Algorithmen verändern. Das würde uns nämlich vor das Problem stellen, dass ein Verhaltensfehler eines Fahrzeugs für uns kaum noch reproduzierbar wäre, weil uns der individuelle Kenntnisstand des Fahrzeugs fehlen würde. Was wir uns durchaus vorstellen können, ist eine Zusammenführung der Erfahrungen aus der Flotte im Backend. Daraus könnten wir Trainings für alle Fahrzeuge entwickeln und diese zurückspielen, sodass alle Fahrzeuge mit derselben Logikstruktur fahren. Für uns ist es einfach ein wesentlicher Faktor, dass das Verhalten unserer Fahrzeuge deterministisch bleibt, wir es also nachstellen können. Wenn jedes Fahrzeug sich seinen eigenen Datenerfahrungen anpasst, verhält sich jedes Fahrzeug leicht anders. Ich weiß, das klingt sehr menschlich und wäre eigentlich auch cool. Aber es würde uns vor das Problem stellen, dass wir kaum noch absichern könnten, welches Verhalten unsere Fahrzeuge anbieten und welches nicht. Stärke, Geschwindigkeit oder Ausdauer von Maschinen sind prinzipiell unbegrenzt, anders als die Fähigkeiten von Menschen. Macht das Maschinen zu besseren Autofahrern? Ja, das ist ja unser Ziel. Eines Tages werden die Fahrsysteme unserer Autos genug gelernt haben, um auch in komplexen Situationen blitzschnell die richtige Lösung zu kennen und entsprechend zu reagieren. Und müde oder unaufmerksam werden Fahrcomputer auch nicht. Mit diesen Komponenten automatisiert Bosch das Fahren Automatisiertes Fahren hat Einfluss auf alle Bereiche im Auto und verlangt ein tiefes Systemverständnis Redundante Auslegung von sicherheitsrelevanten Systemen wie Bremse und Lenkung ist zwingende Voraussetzung Bosch fertigt viele der fürs automatisierte Fahren benötigten Komponenten im eigenen Haus Zuverlässige Umfelderkennung setzt Datenfusion von verschiedenen Sensor-Prinzipien voraus   Automatisiertes Fahren hat Einfluss auf alle Bereiche im Auto: Antrieb, Bremse, Lenkung, Anzeigeninstrumente, Navigation und Sensorik sowie die Vernetzung innerhalb und außerhalb des Fahrzeugs. Schlüssel zum Erfolg ist ein tiefes Verständnis aller Systeme im Fahrzeug. Darüber verfügt Bosch wie kaum ein zweiter Automobilzulieferer weltweit, auch weil das Technologie-und Dienstleistungsunternehmen die im Folgenden aufgeführten und für das automatisierte Fahren benötigten Komponenten überwiegend selbst fertigt. Radarsensor: Radarsensoren liefern in einer Entfernung von bis zu 250 Metern als eines von mehreren Sensor-Prinzipien wichtige 360-Grad- Umfeldinformationen für automatisiert fahrende Autos. Die Hauptaufgabe eines Radarsensors ist das Erkennen von Objekten sowie die Messung von deren Geschwindigkeit und Position im Vergleich zur Bewegung des eigenen Fahrzeugs. Dazu senden Bosch-Radarsensoren über eine Sendeantenne frequenzmodulierte Radarwellen aus. Diese werden von Objekten vor dem Fahrzeug reflektiert. Die Relativgeschwindigkeit und die Entfernung von Objekten werden anhand des Dopplereffekts und der Zeitverzögerung gemessen, die beide Frequenzverschiebungen zwischen gesendetem und empfangenem Signal erzeugen. Aus dem Vergleich von Amplitude und Phase der gemessenen Radarsignale ist ein Rückschluss auf die Position des Objekts möglich. Ultraschallsensor: Ultraschallsensoren werden beim automatisierten Fahren vor allem für die Umgebungserkennung im Nahbereich bis zu sechs Metern und bei niedrigen Geschwindigkeiten, zum Beispiel beim Parken, benötigt. Die Sensoren funktionieren nach dem Echolotprinzip, mit dem sich beispielsweise auch Fledermäuse orientieren. Sie senden kurze Ultraschallimpulse aus, die von Hindernissen reflektiert werden. Die Echosignale werden von den Sensoren registriert und von einem zentralen Steuergerät ausgewertet. Videosensor: Die Stereo-Videokamera von Bosch liefert mit einer 3D- Messreichweite von über 50 Metern wichtige optische Informationen über das Fahrzeugumfeld. Sie erfasst nicht nur Objekte räumlich und bestimmt deren Entfernung, sondern erkennt vor allem auch Freiflächen. Dank eines neuartigen Multipfad-Ansatzes sowie Künstlicher Intelligenz (KI) wird eine robuste Objekterkennung ermöglicht. So kann beispielsweise bei Fehlen von Fahrbahnmarkierungen zuverlässig erkannt werden, ob ein Fahrbahnrand befahrbar ist oder nicht, auch teilweise verdeckte Fußgänger kann die Stereo-Videokamera erkennen. Die optische Zeichenerkennung ermöglicht es, Text und Ziffern auf Verkehrsschildern zuverlässig zu lesen. Lidarsensor: Neben Radar-, Video- und Ultraschallsensoren setzt Bosch Lidarsensoren in seinen automatisiert fahrenden Testautos ein. Die verschiedenen Sensorprinzipien ergänzen einander sehr gut und sorgen mittels Datenfusion für eine zuverlässige Umfelderkennung. Davon ausgehend, leiten automatisiert fahrende Autos ihre Fahrstrategie ab. Bosch sieht in Lidarsensoren eine wichtige Ergänzung seines Portfolios. Elektrolenkung: Eine Schlüsseltechnologie für automatisiertes Fahren ist die ausfallsichere, elektrische Servolenkung. Die Fail-Operational-Fähigkeit ermöglicht dem Fahrer oder dem automatisiert fahrenden Auto, auch in der Rückfallebene notwendige Lenkungsfunktionalitäten aufrechtzuerhalten. So kann im seltenen Fall eines Fehlers mindestens 50 Prozent der elektrischen Lenkkraftunterstützung zur Verfügung gestellt werden. Mit dieser Technologie können Autohersteller die Ausfallsicherheitsanforderungen erfüllen, die zum Beispiel das amerikanische Verkehrsministerium und die US-Bundesbehörde für Straßen- und Fahrzeugsicherheit (National Highway Traffic Safety Association) in ihrer Richtlinie für automatisierte Fahrzeuge (Federal Automated Vehicles Policy) festgelegt haben. ESP: Eine zentrale Rolle für automatisiertes Fahren kommt dem elektronischen Stabilitätsprogramm zu. Wenn die Fahraufgabe an das Auto delegiert wird, stellt dies an sicherheitsrelevante Systeme wie die Bremse besondere Anforderungen. Um die größtmögliche Verfügbarkeit bei einem Ausfall sicherzustellen, wird eine Absicherung in Form von Redundanz benötigt. Ohne dass der Fahrer eingreifen muss, können das ESP und der elektromechanische Bremskraftverstärker iBooster (siehe unten) unabhängig voneinander ein Auto abbremsen. Bosch bietet ESP in einem modularen Baukasten an, in dem für alle Anforderungen und Voraussetzungen das passende System enthalten ist. iBooster: Mit dem iBooster hat Bosch einen vakuumunabhängigen, elektromechanischen Bremskraftverstärker entwickelt, der die Anforderungen an ein modernes Bremssystem erfüllt. Er ist für alle Antriebskonzepte einsetzbar und eignet sich insbesondere für Hybrid- und Elektrofahrzeuge. Beim iBooster wird die Betätigung des Bremspedals über einen integrierten Pedalweggeber erfasst und an das Steuergerät weitergeleitet. Das Steuergerät berechnet die Ansteuersignale für den Elektromotor, der sein Drehmoment über ein zweistufiges Getriebe in die geforderte Unterstützungskraft umsetzt. Die vom Verstärker gelieferte Kraft wird in einem Standard-Hauptbremszylinder in Hydraulikdruck umgewandelt. Connected Horizon: Automatisiert fahrende Fahrzeuge sind auf Umfeldinformationen angewiesen, die über den Erfassungsbereich der Sensoren hinausgehen. Benötigt werden Echtzeit-Verkehrsdaten, etwa zu Staus und Unfällen. Das lässt sich nur über die Vernetzung der Fahrzeuge mit einem Server lösen. Bosch hat dafür den Connected Horizon entwickelt. Das System ermöglicht eine dynamische Streckenvorausschau der Fahrroute und entsprechende Anpassungen der Fahrstrategie. Der Connected Horizon lässt automatisierte Fahrzeuge vorausdenken. Das erhöht den Komfort und die Sicherheit beim Fahren. Gefahrenstellen hinter einer Kurve oder Bergkuppe kennt das vernetzte Fahrzeug rechtzeitig und kann früher vom Gas gehen. HMI (Human-Machine-Interface): Automatisiertes Fahren verändert die Fahrzeugbedienung und verlangt nach modernen Konzepten für die Kommunikation zwischen Fahrer und Fahrzeug. Der Fahrer muss das System intuitiv erfassen und bedienen können. Mit seinen innovativen Anzeigeninstrumenten liefert Bosch auch hier bereits ansprechende Lösungen: Maximale Flexibilität bei der Verarbeitung und der brillanten Anzeige von Inhalten bietet beispielsweise das displaybasierte Kombi- Instrument. Mit Head-up-Displays stellt Bosch Informationen wie Geschwindigkeit, Navigation und Warnungen direkt im Blickfeld des Fahrers dar. Gleichzeitig wird das erzeugte Bild so in die Szenerie außerhalb des Autos eingefügt, dass beides in einem Abstand von etwa zwei Metern vor dem Fahrzeug miteinander zu verschmelzen scheint. Karten: Ohne hochauflösende, hochaktuelle Karten wird es automatisiertes Fahren nicht geben. Die Karten liefern den Fahrzeugen Informationen zu veränderlichen Verkehrssituationen wie Staus oder Baustellen, die über den Erfassungsbereich der On-Board-Sensoren hinausgehen. Boschs Radar- und Videosensoren erfassen und liefern aus dem fließenden Verkehr wichtige Daten für die Erstellung von hochauflösenden Karten für das automatisierte Fahren. Glossar: Die wichtigsten Fachbegriffe ASIL (Automotive Safety Integrity Level) : von ISO 26262 spezifizierte Sicherheitsanforderungsstufe für sicherheitsrelevante Systeme in Kraftfahrzeugen. Die ISO 26262 definiert ein Vorgehensmodell zusammen mit geforderten Aktivitäten und Arbeitsprodukten („work products“) sowie anzuwendenden Methoden in Entwicklung und Produktion. Die Umsetzung der Norm soll die funktionale Sicherheit eines Systems mit elektrischen/elektronischen Komponenten im Kraftfahrzeug gewährleisten. Damit ist die Norm eine Anpassung der IEC 61508 an die spezifischen Gegebenheiten im Automobilbereich. Deep Learning („tiefgehendes Lernen“): bezeichnet eine Klasse von Optimierungsmethoden künstlicher neuronaler Netze (siehe unten), die eine tiefe innere Struktur aufweisen. Künstliche Intelligenz (KI): ein Teilgebiet der Informatik, das sich mit der Nachbildung bestimmter Aspekte menschlicher Intelligenz auf Computersystemen beschäftigt. Dazu zählen unter anderem Spracherkennung, kreatives Verhalten und Lernen. Künstliche neuronale Netze : sind inspiriert vom menschlichen Gehirn und bestehen aus einem abstrahierten Modell miteinander verbundener Neuronen. Durch deren spezielle Anordnung und Verknüpfung lassen sich verschiedene Probleme computerbasiert lösen. Die Neuronen (andere Bezeichnungen: Units, Knoten) können Informationen von außen oder von anderen Neuronen aufnehmen und modifiziert an andere Neuronen weiterleiten oder als Endergebnis ausgeben. Labelling: die semantische Zuordnung einzelner Objektklassen auf Video-oder Radarbildern. Jeder Bereich auf einem Bild erhält ein beschreibendes Label („Etikett“) wie beispielsweise Fußgänger, Automobil, Fahrrad oder Verkehrsschild. Das Labelling erfolgt entweder manuell durch Menschen oder mit Hilfe von KI-Algorithmen. Machine Learning/maschinelles Lernen: ein Oberbegriff für die künstliche Generierung von Wissen aus Erfahrung. SAE Level : Die Norm SAE J3016 definiert in sechs Stufen unterschiedliche Grade des autonomen Fahrens. SAE Level 4 ist vollautomatisches Fahren unter bestimmten Randbedingungen (z.B. ausgesuchte Straßen, nicht bei jedem Wetter). SAE Level 5 ist definiert als vollständig autonomes Fahren, bei dem die dynamische Fahraufgabe unter jeder Fahrbahn und Umgebungsbedingung wie von einem menschlichen Fahrer durchgeführt wird. Der Mensch kann ebenso noch Steuereingaben durchführen. Herausgegeben hat die Klassifizierung die SAE International (früher: Society of Automotive Engineers, „Verband der Automobilingenieure“), eine gemeinnützige Organisation für Technik und Wissenschaft. Die Mercedes-Benz Österreich GmbH Die Mercedes-Benz Österreich GmbH ist eine 100-Prozent-Tochter der Daimler AG. Der Sitz des Unternehmens ist in Salzburg. Mercedes-Benz Österreich ist Generalimporteur der eingetragenen Daimler-Marken Mercedes-Benz und smart bei Pkw sowie der Marken Mercedes-Benz Nutzfahrzeuge, Unimog und FUSO. Das Unternehmen koordiniert mit rund 170 Mitarbeiterinnen und Mitarbeitern die Vertriebs-, Marketing- Service- und Presseaktivitäten in Österreich. Der Vertrieb erfolgt über das autorisierte Händlernetz und die von den Händlern betriebenen Vertriebsstandorte. Die Servicearbeiten werden von den autorisierten Werkstätten durchgeführt. Im Jahr 2017 wurden in Österreich 16.522 Mercedes-Benz PKW (inkl. V-Klasse), 5.749 Transporter (exkl. V-Klasse), 1.311 Mercedes-Benz LKW und 1.597 smart zugelassen. Mercedes-Benz Financial Services Austria GmbH (MBFS), ein Tochterunternehmen der Daimler Financial Services AG, dem Finanzdienstleistungsunternehmen der Daimler AG bietet mit Leasing, Versicherungen und Service & Wartung alle Bausteine für ein sorgenfreies Fahren an. Erweitert werden die innovativen Mobilitätsdienstleistungen unter der Marke Daimler Fleet Management für den Flottenbereich. Seit 1. Oktober 2015 bietet die Mercedes-Benz Bank GmbH österreichweit seinen Kunden und dem autorisierten Fahrzeughandel Kreditprodukte für alle Fahrzeugsparten des Daimler Konzerns an. Bereits heute wird rund jedes dritte MB Fahrzeug im Markt über die Mercedes-Benz Bank und die Mercedes-Benz Financial Services GmbH finanziert. Über CASE: CASE – diese Buchstaben prägen die Zukunft der Mobilität. Sie stehen für die Felder: Vernetzung (Connected), autonomes Fahren (Autonomous), flexible Nutzung (Shared & Services) und elektrische Antriebe (Electric). Die vier CASE-Felder sind integraler Bestandteil der Unternehmensstrategie der Daimler AG. Ziel ist es, durch eine intelligente Verzahnung der CASE-Themen intuitive Mobilität für unsere Kunden zu gestalten. Schon heute nimmt Mercedes-Benz Cars in allen vier Bereichen eine führende Rolle ein. So steht im Zentrum für alle Aktivitäten im Bereich Vernetzung die digitale Marke Mercedes me, die den Kunden per App, Website oder direkt im Auto Zugang zu einem umfassenden und personalisierten Dienstleistungsangebot gibt. Auf dem Weg zum autonomen Fahren treibt Mercedes-Benz seit Jahren die Entwicklung intensiv voran und setzt dabei immer wieder Maßstäbe. Dafür nutzen die Mercedes Ingenieure die sogenannte Sensor Fusion. Die Daten unterschiedlicher Sensoren wie Kameras, Ultraschall und Radar werden intelligent verknüpft und ausgewertet. Mit smart vision EQ fortwo zeigt auch die Marke smart, wie das Fahren ohne Lenkrad in der Zukunft des Carsharings aussehen kann. Bereits heute nimmt der Erfinder des Automobils eine führende Rolle im Bereich Sharing & Services ein. Die Mobilitätsdienstleistungen, welche von über 18 Millionen Menschen genutzt werden, reichen vom free-floating Carsharing (car2go), über Ride-Hailing (mytaxi) bis hin zur Mobilitätsplattform (moovel). Bei der Elektrifizierung des Antriebsstrangs folgt Mercedes-Benz einem ganzheitlichen Ansatz und entwickelt die Marke EQ mit einer Fahrzeugfamilie und einem ganzheitlichen Ökosystem, das neben dem reinen Fahrzeug ein umfassendes Angebot rund um die Elektromobilität enthält. Dieses reicht von intelligenten Services über Energiespeicher sowie Ladetechnologien bis hin zum nachhaltigen Recycling. Auf dem Weg zum emissionsfreien Fahren verfolgt Daimler eine dreispurige Antriebsstrategie, um das Maximum an Umweltverträglichkeit über alle Fahrzeugklassen hinweg (inkl. Nutzfahrzeuge, Vans) realisieren zu können – mit einem intelligenten Mix aus modernsten Verbrennungsmotoren und Teilelektrifizierung durch 48-Volt-Technologie, maßgeschneiderten EQ Power Plug-in-Hybriden und Elektrofahrzeugen mit Batterie- oder Brennstoffzellenantrieb. Mit der Fokussierung auf CASE stellt sich Daimler auf die intuitive Mobilität der Zukunft ein. Mehr unter: http://www.daimler.com/CASE  Über Bosch: Mobility Solutions ist der größte Unternehmensbereich der Bosch-Gruppe. Er trug 2017 mit 47,4 Milliarden Euro 61 Prozent zum Umsatz bei. Damit ist das Technologieunternehmen einer der führenden Zulieferer der Automobilindustrie. Der Bereich Mobility Solutions verfolgt die Vision einer unfallfreien, emissionsfreien und stressfreien Mobilität der Zukunft und bündelt seine Kompetenzen in den drei Domänen – Automatisierung, Elektrifizierung und Vernetzung. Seinen Kunden bietet der Bereich ganzheitliche Mobilitätslösungen. Die wesentlichen Geschäftsfelder sind: Einspritztechnik und Nebenaggregate für Verbrennungsmotoren sowie vielfältige Lösungen zur Elektrifizierung des Antriebs, Fahrzeug-Sicherheitssysteme, Assistenz- und Automatisierungsfunktionen, Technik für bedienerfreundliches Infotainment und fahrzeugübergreifende Kommunikation, Werkstattkonzepte sowie Technik und Service für den Kraftfahrzeughandel. Wichtige Innovationen im Automobil wie das elektronische Motormanagement, der Schleuderschutz ESP oder die Common-Rail-Dieseltechnik kommen von Bosch. Die Bosch-Gruppe ist ein international führendes Technologie- und Dienstleistungsunternehmen mit weltweit rund 402 000 Mitarbeitern (Stand: 31.12.2017). Sie erwirtschaftete im Geschäftsjahr 2017 einen Umsatz von 78,1 Milliarden Euro. Die Aktivitäten gliedern sich in die vier Unternehmensbereiche Mobility Solutions, Industrial Technology, Consumer Goods sowie Energy and Building Technology. Als führender Anbieter im Internet der Dinge (IoT) bietet Bosch innovative Lösungen für Smart Home, Smart City, Connected Mobility und Industrie 4.0. Mit seiner Kompetenz in Sensorik, Software und Services sowie der eigenen IoT Cloud ist das Unternehmen in der Lage, seinen Kunden vernetzte und domänenübergreifende Lösungen aus einer Hand anzubieten. Strategisches Ziel der Bosch-Gruppe sind Lösungen für das vernetzte Leben. Mit innovativen und begeisternden Produkten und Dienstleistungen verbessert Bosch weltweit die Lebensqualität der Menschen. Bosch bietet „Technik fürs Leben“. Die Bosch-Gruppe umfasst die Robert Bosch GmbH und ihre rund 440 Tochter- und Regionalgesellschaften in 60 Ländern. Inklusive Handels- und Dienstleistungspartnern erstreckt sich der weltweite Fertigungs-, Entwicklungs- und Vertriebsverbund von Bosch über fast alle Länder der Welt. Basis für künftiges Wachstum ist die Innovationskraft des Unternehmens. Bosch beschäftigt weltweit rund 64 500 Mitarbeiter in Forschung und Entwicklung an 125 Standorten.