Der Flaschenhals des autonomen Fahrens ist keineswegs die KI.

Ein anomales Phänomen plagt die gesamte Branche des autonomen Fahrens: Die klügsten Gehirne haben die Intelligenz geschaffen, aber die Nerven des physischen Körpers können nicht mithalten.

In den letzten Jahren hat sich die Genauigkeit der Wahrnehmungsalgorithmen für autonomes Fahren fast hundertfach verbessert. Große Modelle können innerhalb weniger Millisekunden plötzlich auftauchende Fußgänger, herumfliegende Plastiktüten oder Straßenzapfen bei Baustellen erkennen. Die Kosten für die Rechenleistung sind erstaunlich gesunken: Ein Chip im Wert von wenigen Dutzend Dollar kann das gesamte visuelle Wahrnehmungsmodell ausführen. Kapital, Talente und Technologie strömen wie eine Flut in den Bereich der künstlichen Intelligenz und bringen sichtbare exponentielle Fortschritte.

Doch wenn diese intelligenten Fahrzeuge tatsächlich auf städtische Straßen, Autobahnen und Hafenterminals fahren, ist die größte Risikoquelle, die die Ingenieure nachts wach hält, überraschenderweise nicht ein Fehlurteil des Algorithmus, sondern eine millisekundäre Unterbrechung der drahtlosen Verbindung in den kritischsten Momenten.

Warum? Weil die Funkverbindungen, die Steuerbefehle, Positionsdaten und Fernüberwachungsdaten übertragen, in der physischen Welt beunruhigend zerbrechlich sind. Dies ist ein Aspekt, der von der gesamten Branche lange vernachlässigt wurde und ein grundlegendes architektonisches Defizit darstellt.

»Verbindungsfehler«

Schwerer zu ertragen als »Erkennungsfehler«

Welche Stellung hat die drahtlose Kommunikation im Bereich des autonomen Fahrens eigentlich? Man muss wissen, dass Systeme für autonomes Fahren typische cyber-physische Systeme sind. Ihre Sicherheitsgrenzen werden nicht vollständig von der Rechenleistung im Fahrzeug bestimmt, sondern hängen stark von der Integrität und Aktualität der Informationen ab. Wenn ein autonom fahrendes Auto mit 120 km/h fährt, legt es alle 33 Millisekunden einen vollen Meter zurück. Das bedeutet, dass jede Ende-zu-Ende-Kommunikationsunterbrechung von mehr als 30 Millisekunden das Fahrzeug in der physischen Welt in einen Zustand des »blinden Fluges« versetzt.

Vergleichen wir zwei typische Fehlermodi.

Erstens: Wahrnehmungsversagen. Die vordere Kamera kann die genaue Position eines Hindernisses aufgrund starker Gegenlichtverhältnisse vorübergehend nicht klar erkennen, und die Konfidenz der Zielerkennung sinkt von 0,98 auf 0,65. In diesem Fall weiß das System immer noch, dass es »nicht klar sieht«. Es kann eine konservative Strategie anwenden: Geschwindigkeit reduzieren, den Abstand zum Vorderfahrzeug vergrößern, den Fahrer zur Übernahme auffordern (bei Fahrassistenzsystemen) oder auf redundante Sensoren umschalten. Dieser Ausfall ist »selbsterkannt«, seine Grenzen sind klar und die Folgen sind relativ beherrschbar. Ingenieure nennen diese Eigenschaft »elegante Degradation« – das System läuft nicht mit voller Leistung, stürzt aber nicht plötzlich ab.

Zweitens: Kommunikationsunterbrechung. Die Fernsteuerbefehle für das Fahrzeug, die Fernüberwachungsdatenströme und die Nachrichten zur kooperativen Ausweichbewegung des Fuhrparks gehen aufgrund plötzlicher Störungen im drahtlosen Kanal kontinuierlich verloren. Das Problem ist, dass diese Unterbrechungen oft plötzlich auftreten: Im letzten Millisekunde war der Kanal noch intakt, im nächsten Millisekunde kann das Signal-Rausch-Verhältnis aufgrund der Abschattung durch die Metallkarosserie eines schweren LKWs oder dem plötzlichen Zustrom von Hunderten von Benutzergeräten im gleichen Frequenzband sofort unter die Schwelle fallen. Der Sender weiß möglicherweise überhaupt nicht, dass der Empfänger in den Stillstand geraten ist, und der Empfänger weiß nicht, wann der Sender wiederhergestellt wird. Dieser Ausfall ist »nicht selbsterkannt«, seine Grenzen sind unscharf und die Folgen sind schwer vorhersehbar.

Aus Risikosicht gehört das Wahrnehmungsversagen zu den Risiken mit hoher Häufigkeit und geringem Schaden, während die Kommunikationsunterbrechung eher zu den Risiken mit geringer Häufigkeit und hohem Schaden neigt.

Bei Ereignissen mit geringer Häufigkeit und hohem Schaden reichen herkömmliche statistische Methoden und Sicherheitsredundanzdesigns oft nicht aus.

Ein Unternehmen für autonomes Fahren kann leicht die durchschnittliche Fehlerrate des Wahrnehmungsalgorithmus bei Tests über eine Million Kilometer ermitteln, aber es ist schwierig, die tatsächliche Wahrscheinlichkeitsverteilung katastrophaler Unterbrechungen der drahtlosen Verbindung in der komplexen elektromagnetischen Umgebung der Stadt zu messen.

Denn die Auslösebedingungen für Letzteres sind zu komplex: Wetter, Reflexionen an Gebäuden, die Anzahl der gleichzeitig aktiven Endgeräte, Lastschwankungen benachbarter Basisstationen und sogar Sonnenaktivitäten beeinflussen diese unsichtbare elektromagnetische Verbindung.

Noch problematischer ist, dass diese beiden Risiken völlig unterschiedliche Auswirkungen auf den geschlossenen Wirtschaftskreislauf haben.

Der Kapitalmarkt und Versicherungen können akzeptieren, dass ein autonom fahrendes Auto gelegentlich aufgrund von Wahrnehmungsschwierigkeiten bremst oder an den Straßenrand fährt. Solche Szenarien treten auch beim menschlichen Fahren häufig auf, und die Schadenkosten sind vorhersehbar.

Aber wenn ein Robotaxi ohne alternative Steuerungsverbindung in einer belebten Innenstadt aufgrund von drahtlosen Störungen plötzlich in einen »Verbindungslosen« Zustand gerät – selbst wenn es nur drei Sekunden dauert –, wird dies zum Zusammenbruch der versicherungsmathematischen Modelle, einer umfassenden Verschärfung der regulatorischen Überwachung und einem Vertrauensverlust in der Öffentlichkeit führen.

Ein einziges solches Ereignis reicht aus, um das über zehn Jahre aufgebaute Sicherheitsnarrativ zunichte zu machen.

Das ist der ärgerlichste »Schwarze-Schwan«-Effekt bei der Preisbildung von Extremrisiken: Die Wahrscheinlichkeit des Ereignisses ist extrem gering, aber wenn es eintritt, ist der Schaden unermesslich. In diesem Sinne bestimmt die Widerstandsfähigkeit der drahtlosen Kommunikation direkter als die Genauigkeit der künstlichen Intelligenz, ob hochgradig autonomes Fahren in einen positiven wirtschaftlichen Kreislauf eintreten kann.

Frequenzspektrum ist knapper als Rechenleistung

Aber warum kann die künstliche Intelligenz große Fortschritte machen, während die drahtlose Kommunikation nur langsam vorankommt?

Dahinter steckt ein wirtschaftlicher Strukturgrund: Vor allem sind ihre Elastizitäten des Angebots völlig unterschiedlich.

Die zentralen Inputfaktoren im Bereich der künstlichen Intelligenz – Rechenleistung, Algorithmen und Daten – haben in den letzten zehn Jahren eine erstaunliche Ausweitung des Angebots erlebt. Die Herstellungsprozesse von Chips verbessern sich weiter nach der Trägheit des Mooreschen Gesetzes. Die Bauzeit für GPU-Cluster mit zehntausend Karten hat sich von mehreren Jahren auf wenige Monate verkürzt. Der blühende Open-Source-Gemeinschaft ermöglicht die Verbreitung fortschrittlicher Algorithmen fast kostenlos, und die Kosten für den Erwerb hochwertiger annotierter Daten sinken stetig mit der Reife automatisierter Annotierungstechnologien. Wenn sich die Angebotskurve eines Produktionsfaktors stetig nach rechts verschiebt, nähern sich seine Grenzkosten Null, und die Obergrenze für die Entwicklung der Branche wird stetig angehoben.

Bei der drahtlosen Kommunikation ist das anders: Ihre grundlegende Einschränkung ergibt sich aus einer natürlich knappen Ressource, die nicht durch technischen Fortschritt erzeugt werden kann – dem elektromagnetischen Frequenzspektrum.

Das Frequenzspektrum ist keine Rechenleistung.

Sie können keine zusätzlichen nutzbaren Frequenzbänder in die fortschrittlichen Herstellungsprozesse von TSMC einätzen, und Sie können auch kein sauberes Bandbreitensegment durch ausgefeiltere neuronale Netze aus dem Nichts erzeugen.

Die Ausbreitung elektromagnetischer Wellen in der physischen Welt unterliegt dem Shannonschen Theorem, dem Freiraumpfadverlust, dem Mehrwegeeffekt und der Überlagerung von Störungen. Dies sind unveränderliche Gesetze, die nicht von der technischen Begeisterung der Menschen abhängen.

Besonders in den niedrigen Frequenzbändern, die für das vernetzte Fahren geeignet sind (normalerweise unter 6 GHz), ist die Knappheit der verfügbaren Frequenzressourcen noch größer als die von Grundstücken in zentralen Lagen von Großstädten.

Land kann durch Landgewinnung am Meer oder Erhöhung der Bebauungsdichte erweitert werden, aber die physische Kapazität des Frequenzspektrums hat eine klare Obergrenze: Zur gleichen Zeit, am gleichen Ort und bei der gleichen Frequenz kann nur ein Satz von Signalen zuverlässig empfangen werden.

Diese Angebotsstarrheit steht in scharfem Widerspruch zu dem explosionsartig wachsenden Bedarf.

Ein Fahrzeug mit L4-Autonomie erzeugt täglich Sensordaten im Umfang von mehreren Dutzend Terabyte. Der Anteil dieser Daten, der in Echtzeit an die Cloud hochgeladen oder mit umliegenden Fahrzeugen geteilt werden muss, übersteigt bei weitem die Kapazität der aktuellen 4G/5G-Netze.

Ganz zu schweigen von Anwendungen wie Drohnenlogistik, Fernsteuerung, kooperativer Fuhrparksteuerung und dynamischer Aktualisierung hochpräziser Karten – alle konkurrieren um denselben unsichtbaren elektromagnetischen Raum. Wenn Zehntausende intelligente Einheiten gleichzeitig in einem städtischen Gebiet aktiv sind, wird Frequenzüberlastung nicht mehr zu gelegentlichen Störungen, sondern zu einer normalen Umgebungsbedingung.

Das Problem ist, dass die Mechanismen zur Zuweisung von Frequenzspektrum weit hinter den technischen Anforderungen zurückbleiben.

In den meisten Ländern wird wertvolles Frequenzspektrum noch immer nach dem jahrzehntealten »Befehls- und Kontrollmodell« verwaltet: Die Regulierungsbehörden legen feste Verwendungszwecke fest und versteigern sie an wenige Betreiber für langfristige Exklusivrechte.

Dieses starre System führt dazu, dass große Teile des Frequenzspektrums in zeitlicher und räumlicher Hinsicht praktisch ungenutzt bleiben, während Nutzer mit tatsächlichem Bedarf keinen Zugang erhalten. Obwohl Technologien zur Frequenzfreigabe und dynamischen Frequenzzugang seit Jahren diskutiert werden, bleibt ihre großflächige kommerzielle Nutzung durch bestehende Interessensstrukturen, regulatorische Trägheit und unzureichende technische Reife behindert.

Während der Markt für Rechenleistung bereits die bedarfsgerechte elastische Versorgung durch Cloud Computing genießt, steckt der Frequenzmarkt noch in einem vormodernen Zustand von »planmäßiger Zuweisung« und »einmalige Versteigerung, dauerhafte Nutzung«.

Das erklärt gut, warum Unternehmen für autonomes Fahren die weltweit fortschrittlichsten GPU-Cluster zum Trainieren großer Modelle kaufen können, aber nicht mit dem gleichen Geld eine absolut zuverlässige drahtlose Verbindung in einer schlechten elektromagnetischen Umgebung erwerben können.

Bei Dingen mit einer Angebotselastizität von Null versagen oft die Preismechanismen.

Selbst mit viel Geld können Sie kein zusätzliches Frequenzspektrum erwerben, da das Spektrum keine Ware ist, sondern eine Konzession für die Nutzung von Ressourcen.

Versagen der Frequenzverwaltung

Wie es die Kommerzialisierung behindert

Wenn man die Knappheit des Frequenzspektrums nur als technisches Hindernis betrachtet, ist das noch nicht das Schlimmste. Tatsächlich ist der systemisch von der Industrie vernachlässigte institutionelle Notstand der eigentliche Grund, warum die drahtlose Kommunikation zum Schwachpunkt des autonomen Fahrens wird: In Szenarien mit mehreren aktiven intelligenten Einheiten zeigt das Frequenzspektrum typische Merkmale der »Tragödien der Gemeingüter«.

Was bedeutet die Tragödie der Gemeingüter? Nehmen wir als Beispiel eine öffentliche Weide: Jeder Hirte lässt ein zusätzliches Rind weiden, um seinen eigenen Nutzen zu maximieren. Schließlich wird die Weide durch Überweidung degradiert, und alle Rinder verhungern. Bei der dichten Bereitstellung von Systemen für autonomes Fahren steht die Frequenzumgebung vor genau dem gleichen Dilemma. Jeder Betreiber möchte die ihm zur Verfügung stehenden drahtlosen Ressourcen maximal nutzen, um klarere Bilder zu übertragen, dichtere Statusnachrichten zu senden und schnellere Reaktionsverzögerungen zu erzielen.

Aber ohne wirksame Koordinierung und Priorisierung verschlechtert sich die Zuverlässigkeit aller Verbindungen durch gegenseitige Störungen rapide.

Die Betriebsumgebungen für hochgradig autonomes Fahren und Drohnen sind genau die Orte, an denen diese Tragödie der Gemeingüter häufig auftritt.

Nehmen wir eine städtische Kreuzung als Beispiel: Zur gleichen Zeit und am gleichen Ort können mehrere autonome Taxis verschiedener Marken, unbemannte Frachtfahrzeuge, straßenseitige intelligente Einheiten, Kommunikationsgeräte von Fußgängern mit Handheld-Geräten, WLAN-Hotspots von Geschäften an der Straße und andere reguläre mobile Kommunikationsdatenströme, die von nahegelegenen Basisstationen übertragen werden, aktiv sein.

Diese Geräte gehören verschiedenen Betreibern, Dienstleistern und Herstellern an, es gibt keine einheitliche Ressourcenplanung zwischen ihnen, und in vielen Fällen werden sie sogar gegenseitig als »Rauschen« betrachtet. Wenn die Gesamtlast dieses elektromagnetischen Raums die Kapazitätsgrenze erreicht, kann jede neu hinzugefügte Strahlungsquelle zum letzten Strohhalm werden, der alle Verbindungen zum Einsturz bringt.

Das Coase-Theorem hat theoretisch eine Lösung vorgeschlagen: Wenn die Eigentumsrechte am Frequenzspektrum klar definiert sind und die Transaktionskosten niedrig genug sind, können die Nutzer durch private Verhandlungen oder Markttransaktionen eine optimale Zuweisung erreichen. Der Betreiber, der zu einem bestimmten Zeitpunkt eine zuverlässigere Verbindung benötigt, zahlt für die Frequenznutzungsrechte in diesem Moment und veranlasst andere Betreiber, nicht kritische Dienste zu deaktivieren.

Aber in der Realität sind die Transaktionskosten erstaunlich hoch. Ganz zu schweigen davon, wie schwierig es ist, den gesamten Marktprozess der Erkennung, Verhandlung, Preisbildung und Abwicklung in einem Zeitrahmen von Millisekunden abzuschließen – selbst die grundlegende Definition von Eigentumsrechten ist nicht umsetzbar.

Die aktuellen Frequenzlizenzen definieren Frequenzbereiche, geografische Gebiete und Gültigkeitsdauern, bieten aber keine Schnittstellen für feingranulare Nutzungsrechte nach »bestimmter Zeit, bestimmtem Ort und bestimmter Priorität«.

Darüber hinaus werden Datenströme mit unterschiedlichen Sicherheitsstufen gleichermaßen in das gleiche »Best-Effort«-physische Kanal geworfen.

Ein Bremsimpuls eines autonom fahrenden Fahrzeugs, das einer Ausweichbewegung durchführt, und der Hintergrunddatenstrom eines anderen Fahrzeugs, der Cache-Dateien seines Unterhaltungssystems hochlädt, haben im aktuellen Netzarchitektur die gleiche Planungspriorität.

Das entspricht dem Szenario, in dem das Sirenensignal eines Rettungswagens und die Schallwellen eines Autoradios fair um den Luftraum konkurrieren.

Seit der Gestaltung der Kommunikationsprotokolle sind Mechanismen zur Priorisierung und Gewährleistung der Dienstqualität nicht für solch extrem heterogene Szenarien ausgelegt