Moderne passive Sicherheitssysteme haben sich von statischen Konstruktionen zu intelligenten Lösungen entwickelt, die anhand realer Unfalldaten verfeinert werden. Hersteller analysieren heute anonymisierte Unfalldaten im großen Maßstab, um den strukturellen Schutz, die Insassensicherung und die Verletzungsminderung zu optimieren – wodurch Erfahrungen aus der gesamten Fahrzeugflotte in technisches Know-how umgesetzt werden.
Moderne Fahrzeuge sind heute mit fortschrittlichen Sensoren ausgestattet, die direkt in ihre Karosserien integriert sind und verfolgen, wie sich verschiedene Komponenten bei unzähligen realen Unfällen verformen. Diese Datensätze helfen Automobilherstellern, die Knautschzonen präziser abzustimmen, sodass sie den Aufprall besser als je zuvor absorbieren können. Nehmen Sie als Beispiel nur Frontalunfälle mit seitlichem Überlapp: Laut Berichten der NHTSA absorbieren heutige Fahrzeuge rund 30 Prozent mehr Energie als Modelle aus dem Jahr 2023. Gleichzeitig erfassen spezielle druckempfindliche Matten unter den Sitzen ständig Informationen darüber, wer dort sitzt, welche Sitzposition eingenommen wird und genau wo sich die Person befindet. All diese Informationen ermöglichen es dem auto sich je nach Situation unterschiedlich zu verhalten. Auch Airbags werden heute intelligenter ausgelöst und passen ihren Auslösezeitpunkt anhand der Sensordaten an. Das gesamte System arbeitet schnell genug, um Brustverletzungen zu reduzieren und gleichzeitig alle Insassen unabhängig von ihrer Körpergröße sicher zu schützen.
Die flottenweite Aggregation von Daten identifiziert wiederkehrende Unfallszenarien, die jährlich über 200.000 Fahrzeuge betreffen. Maschinelle-Lern-Modelle korrelieren Aufprallgeometrie, Geschwindigkeitsdifferenzen und demografische Merkmale der Insassen mit klinischen Verletzungsfolgen – was eine prädiktive, kontextbezogene Aktivierung der Rückhaltesysteme ermöglicht. Die Rückhaltesysteme passen sich nun in Echtzeit an die Kollisionsintensität an:
Dieses adaptive Verhalten spiegelt eine umfassendere Entwicklung wider: Passive Sicherheit wird nicht mehr allein durch Hardware-Spezifikationen definiert, sondern durch die Intelligenz, mit der diese Systeme auf reale Unfalldynamiken reagieren.
Die heutigen Fahrzeuge kombinieren Informationen aus einer Vielzahl von Sensoren – darunter Kameras, Radar, Lidar sowie auch jenen kleinen Ultraschallsensoren. Dieser gesamte Prozess wird als Sensorfusion bezeichnet und trägt dazu bei, ein ziemlich zuverlässiges Echtzeit-Bild der Umgebung des Fahrzeugs zu erstellen. Der Bordcomputer verarbeitet dann all diese gemischten Daten innerhalb von etwa 100 Millisekunden, um zu ermitteln, ob eine Kollision mit dem Fahrzeug bevorsteht. Diese intelligenten Systeme analysieren tatsächlich, wie Menschen gehen, in welche Richtung andere Fahrzeuge beschleunigen und was sich im unmittelbaren Umfeld abspielt, um potenzielle Kollisionen bis zu zwei oder drei Sekunden im Voraus zu erkennen. Sobald die Gefahr groß genug ist, bremst das Fahrzeug entweder automatisch vollständig ab oder weicht der Gefahrenquelle aus. All dies erfolgt direkt im Fahrzeug selbst – es gibt also keine Verzögerung durch Signale, die aus der Cloud oder einem externen System eintreffen müssten. Dennoch sind diese Systeme noch nicht perfekt: Sie funktionieren hervorragend auf Autobahnen, können jedoch gelegentlich Details in stark befahrenen Stadtstraßen übersehen – etwa wenn Fahrräder plötzlich zwischen anderen Verkehrsteilnehmern hindurchfahren oder Baustellen die Straßenführung kurzfristig verändern. Deshalb ist die Erprobung dieser Systeme unter realen Bedingungen so entscheidend, um sicherzustellen, dass sie tatsächlich dann zuverlässig funktionieren, wenn es darauf ankommt.
Die Integration von KI in sicherheitskritische Fahrzeugkomponenten birgt drei zentrale Herausforderungen, die alle miteinander verknüpft sind. Das erste Problem betrifft die zeitlichen Anforderungen: Entscheidungen müssen innerhalb von 50 Millisekunden getroffen werden, obwohl Sensoren gleichzeitig riesige Mengen hochauflösender Daten liefern. Dies stellt sowohl die Hardwarekomponenten als auch die Algorithmen selbst vor enormen Druck, schneller denn je zu arbeiten. Zweitens besteht das Problem der Erklärbarkeit – also der Frage, was die KI tatsächlich getan hat. Deep-Learning-Systeme offenbaren ihren Entscheidungsprozess nicht ausreichend transparent, weder für Regulierungsbehörden, die Zulassungen erteilen müssen, noch für Ingenieure, die nachvollziehen wollen, warum bestimmte ausweichende Manöver während Tests erfolgten. Drittens bleibt die anhaltende Diskrepanz zwischen den bei der Trainingsphase verwendeten Simulationen und den tatsächlichen Gegebenheiten der realen Welt. Sobald diese Modelle auf Situationen stoßen, für die sie nicht programmiert wurden – etwa Blendung durch nasse Straßenoberflächen, Fußgänger, die teilweise im Schatten verborgen sind, oder plötzliche Veränderungen der Fahrbahnoberfläche – versagen sie rasch. Synthetische Daten beschleunigen die Entwicklung, doch die Überbrückung dieser Realitätslücke erfordert kontinuierliche Aktualisierungen auf Grundlage anonymisierter Fahrzeugdaten, die flottenübergreifend gesammelt werden. Leider können viele ältere Fahrzeugsysteme dieses kontinuierliche Lernen nicht bewältigen, und neue gesetzliche Regelungen verändern ständig die rechtlichen Rahmenbedingungen dafür, wie Unternehmen auf solche Informationen zugreifen und sie nutzen dürfen.
Der Aufstieg von Over-the-Air-(OTA-)Updates hat die Art und Weise, wie wir über Fahrzeugsicherheit denken, vollständig verändert. Was früher etwas Festgeschriebenes war, das bereits vor Verlassen des Werks festgelegt wurde, kann sich nun im Laufe der Zeit kontinuierlich verbessern. Wenn diese Updates korrekt durchgeführt werden, ermöglichen sie es den Herstellern, Sicherheitskorrekturen schnell bereitzustellen, Sensoren fein abzustimmen und sogar die Leistung fortschrittlicher Fahrerassistenzsysteme zu steigern. Doch es bestehen reale Gefahren, falls etwas schiefgeht. Stellen Sie sich ein Update vor, das die Bremssteuerung oder die Batteriemanagement-Software beeinträchtigt – dies könnte Fahrzeuge unsicher machen oder gar vollständig funktionsunfähig werden lassen. Laut einer jüngsten Studie des Global Automotive Cybersecurity Report 2023 von Upstream Security waren fast die Hälfte (43 %) aller zwischen 2021 und 2023 gemeldeten Cybersicherheitsprobleme in Fahrzeugen tatsächlich auf Schwachstellen in den OTA-Updates selbst zurückzuführen.
Robuste Rahmenwerke für kontinuierliche Validierung mindern diese Risiken durch:
Diese Schutzmaßnahmen stellen sicher, dass OTA eine Verstärkerfunktion für die Sicherheit bleibt – und kein ausnutzbarer Angriffspunkt ist. Wenn Fahrzeuge zunehmend softwaredefiniert werden, muss die fehlersichere Validierung Schritt halten mit der Bedrohungsintelligenz, der Genauigkeit von Simulationen und dem Feedback aus der realen Fahrzeugflotte.
Globale Standards wie die UNECE-Regelung Nr. 152 (WP.29), ISO 26262 für funktionale Sicherheit sowie die UN-Regelung R155 zur Cybersicherheit schaffen Rückkopplungssysteme, die allen Akteuren der Automobilindustrie gemeinsam ein schnelleres Lernen ermöglichen. Wenn Unternehmen dieselben Prüfverfahren anwenden, Daten standardisiert melden und – unter Wahrung der Anonymität – Erkenntnisse aus realen Fahrsituationen austauschen, wird all diese Information in nutzbare Erkenntnisse zur Verbesserung von Fahrzeugen umgewandelt. Die Regelsetzer analysieren diese gesammelten Daten, um ihre Anforderungen im Laufe der Zeit zu aktualisieren. So haben wir beispielsweise verbesserte Prüfmethoden für fortschrittliche Fahrerassistenzsysteme oder die verbindliche Einbindung von Sicherheitsprüfungen bei vernetzten elektronischen Steuergeräten gesehen. Automobilhersteller setzen diese Änderungen schrittweise um, wodurch sich neue Konzepte – etwa selbstanpassende Crashschutzzonen oder intelligente, künstliche-Intelligenz-gestützte Airbagsysteme – rasch auf verschiedene Modelle und Marken am heutigen Markt verbreiten können.
Wir können die Ergebnisse dieses Teamarbeit-Ansatzes tatsächlich sehen. Bereiche, die die WP.29- und ISO-Normen ordnungsgemäß umgesetzt haben, meldeten laut den jüngsten Zahlen des Global New Car Assessment Programme innerhalb von drei Jahren etwa 15 weniger tödliche Unfälle pro 100 Fahrzeuge. Was jetzt am meisten zählt, ist nicht mehr allein das Abhaken von Punkten auf Compliance-Listen, sondern die Entwicklung von Fahrzeugen, die von Anfang an auf diesen Normen beruhen. Wenn Hersteller neue Sicherheitsvorschriften frühzeitig übernehmen, vermeiden sie kostspielige Nachbesserungen später, reduzieren den Zeitaufwand für erneute Tests und bringen entscheidende Sicherheitsfunktionen schneller auf die Straßen. Damit entsteht etwas wirklich Außergewöhnliches: Jedes Fahrzeug, das Unfalldaten sammelt, trägt dazu bei, alle Fahrzeuge weltweit sicherer zu machen. Je mehr Fahrzeuge aus realen Unfällen lernen, desto besser wird unser gemeinsames Verständnis darüber, was sich am besten zum Schutz von Fahrern überall bewährt.
EN