Tesla steckt in großen Schwierigkeiten: Das FSD muss möglicherweise komplett neu entwickelt werden.

„Die Gesetzgebung zielt nicht auf Tesla ab, sondern basiert auf realen Problemen wie der höchsten Bevölkerungsdichte in den gesamten USA und der extrem komplexen Verkehrslage in New Jersey … Derzeit gibt es keine ausreichenden Beweise dafür, dass ein einzelner Sensortyp in Kombination mit Software alle Szenarien bewältigen kann, die menschliche Fahrer verarbeiten können.“

Anfang dieses Monats erklärte Andrew Zwicker, Senator des US-Bundesstaates New Jersey, in einem Medieninterview seine ursprüngliche Absicht, das Gesetz S1677 voranzutreiben.

Diese Aussage scheint neutral zu sein, legt aber tatsächlich eine harte technische Grenze fest: Für L3-Systeme ist eine doppelte Redundanz aus Kamera und Millimeterwellenradar vorgeschrieben, während für L4-Systeme zwingend ein Lidar-Sensor verbaut werden muss. Für Tesla, die an der rein visuellen Technologie festhält, ist dies gleichbedeutend mit einem „Fahrverbot“ –

Dies bedeutet nicht nur, dass Teslas Cybercab möglicherweise nicht in den Markt von New Jersey eintreten kann, sondern kündigt auch offiziell die Ära der fragmentierten Gesetzgebungsaufsicht für autonomes Fahren in den US-Bundesstaaten an.

Bild | Man sollte Andrew Zwicker nicht nur für einen typischen US-Politiker halten. Vor seiner politischen Laufbahn erzielte er beachtliche Erfolge am Plasmaphysiklabor der Princeton University, sodass das betreffende Gesetz auf strengen technischen Überlegungen beruht.

Fast gleichzeitig veröffentlichte das chinesische Ministerium für Industrie und Informationstechnologie auf der anderen Seite des Ozeans die Entwurfsfassung für die verbindliche Norm „Sicherheitsanforderungen für autonome Fahrsysteme in intelligent vernetzten Fahrzeugen“. Die Öffentlichkeit missverstand dies zeitweise als „Lidar-Pflicht für L3/L4“, aber eine Überprüfung des Originaltextes ergab, dass nirgendwo spezifische Sensornamen genannt werden – es wird lediglich der Erfassungsbereich der Wahrnehmung und der Mechanismus zur Kompensation von Ausfällen betont.

Im Osten und im Westen liegen zwei Dokumente mit zwei völlig unterschiedlichen Aufsichtsphilosophien vor. New Jersey hat eine „Hardware-Liste“ schwarz auf weiß festgelegt, während China mit ergebnisorientiertem Ansatz einen „allgemeinen Maßstab“ anwendet.

Während Musk noch propagiert, dass „Lidar eine Krücke ist“, haben die Gesetzgeber mit kälterer Realitätslogik den Streit zwischen rein visueller und multisensorischer Fusions-Technologie aus dem Bereich technischer Debatten auf die Bühne institutioneller Auseinandersetzungen getragen.

Um konform zu sein, muss Tesla sein bestehendes FSD-System grundlegend überarbeiten

Obwohl die Abgeordneten im Vorfeld die Vorsichtsmaßnahme getroffen haben, dass das Gesetz „nicht auf bestimmte Unternehmen abzielt“, ist die Absicht von S1677, auf Tesla zu zielen, nach wie vor sehr offensichtlich. Konkurrenten in Nordamerika wie Waymo und Zoox reagieren darauf gleichgültig, da ihre Systeme ohnehin auf einer Kombination aus Kamera, Millimeterwellenradar und Lidar basieren – das Gesetz stärkt stattdessen ihre technische Wettbewerbsposition.

Falls das Gesetz verabschiedet wird, muss Tesla, wenn es Cybercab in New Jersey betreiben möchte, sein „Vollautonomes Fahrsystem“ einer umfassenden Überarbeitung unterziehen. Dies ist keine einfache Hinzufügung von Hardware, sondern eine vollständige Neugestaltung von der physischen Ebene bis zur Softwarearchitektur.

Bild | Teslas Cybercab hat bereits in vielen Teilen der USA großangelegte Straßentests begonnen.

Aus Hardware-Sicht ist Teslas aktuelle Hardware-Architektur HW4.0 darauf ausgelegt, die Kosten durch rein visuelle Technologie extrem zu senken. Ihre Kabelspezifikationen, die Leistungsverteilung der Domain-Controller, Schnittstellenprotokolle und sogar das Stromversorgungssystem sind streng an die Konfiguration von 8 visuellen Sensoren angepasst – in früheren Jahren wurden sogar Ultraschallsensoren radikal entfernt.

Um die Anforderungen von S1677 zu erfüllen, kann der L3-Standard noch notdürftig über die reservierte Schnittstelle für Millimeterwellenradar bewältigt werden, aber das für den L4-Standard vorgeschriebene Lidar stellt eine Herausforderung in einer ganz anderen Dimension dar. Dies betrifft nicht nur die Neugestaltung physischer Montagepunkte am Fahrzeug, sondern erfordert auch unabhängige Stromversorgungsmodule, spezielle Signalverarbeitungschips sowie zugehörige Reinigungs- und Heizvorrichtungen, um die Funktionsfähigkeit der Sensoren bei schlechtem Wetter zu gewährleisten.

Die daraus resultierenden Kettenreaktionen umfassen die Neuanfertigung von Formen für Stoßstangen, die erneute Prüfung der elektromagnetischen Verträglichkeit (EMV) und die Anpassung der gesamten Montagelinie. Branchenschätzungen zufolge wird allein der Sicherheitsvalidierungszyklus für das gesamte Fahrzeug um mindestens 12 Monate verlängert. Dies ist keine sogenannte „Umbauarbeit“, sondern eine echte „Generationserneuerung“.

Wenn die Neukonfiguration der Hardware noch verkraftbar ist, ist der Einfluss auf die Software hingegen umwälzend. Nach der Weiterentwicklung zu den Versionen v12/14 hat sich FSD zu einer end-to-end rein visuellen BEV-Vogelperspektive in Kombination mit einer Occupancy-Netzwerkarchitektur entwickelt. Dieses neuronale Netz wurde mit riesigen Mengen rein visueller Daten trainiert – es erkennt nur Kamerapixel und weiß nichts über die Punktwolkendaten von Lidar.

Eine erzwungene Fusion dieser beiden heterogenen Datentypen führt zu schwerwiegenden Inkonsistenzen zwischen Training und Inferenz. Das ist vergleichbar mit einer Person, die nur Schwarz-Weiß-Fotos gesehen hat und plötzlich farbige 3D-Brillen trägt: Das Gehirn kann die zusätzlichen Informationen nicht verarbeiten, sondern wird stattdessen gestört, was zu kognitiver Verwirrung führt. Diese durch den Modalitätsunterschied verursachte Kluft führt meist nicht zu einer Leistungssteigerung, sondern zu einem katastrophalen Systemausfall.

Darüber hinaus verlieren die weltweit über hundert Millionen Kilometer an rein visuellen Shadow-Mode-Daten, auf die Tesla so stolz ist, ihre Gültigkeit – die ausgereiften Algorithmen müssen von Grund auf neu entwickelt werden. Nach optimistischen Schätzungen dauert es 2 bis 3 Jahre, bis die Fusionsszenariodaten aus „Pixeln und Punktwolken“ neu gesammelt und das Modell neu trainiert und validiert ist. Die doppelte Belastung von Hardware und Software führt schließlich zu einem Zusammenbruch auf geschäftlicher Ebene: Die Geschichte von den extrem niedrigen Kosten, auf der Cybercab basiert, ist damit beendet.

Die physischen Grenzen der rein visuellen Technologie und die kompensatorische Logik von Lidar

Abgesehen von den äußeren Aspekten von Geschäftstätigkeit und Konformität liegt der Reiz der rein visuellen Technologie in der Kohärenz ihrer Ingenieurphilosophie – nicht in beeindruckenden Parametern. Menschen bewältigen die meisten Verkehrssituationen mit ihren Augen und einem Gehirn, das sich über Millionen von Jahren entwickelt hat – genau das ist der logische Ausgangspunkt für Musks „Krücken-Theorie“.

Überträgt man diese Analogie auf neuronale Netze, erfassen Kameras Bilder, und end-to-end-Modelle bilden Pixel direkt auf Steuerbefehle ab. Dadurch werden mehrere Zwischenschritte wie Wahrnehmung, Lokalisierung und Planung eingespart. Solange genügend Daten zur Verfügung stehen und die Szenarien ausreichend abgedeckt sind, kann das System statistisch die Generalisierungsfähigkeit des Menschen erreichen.

Die Stärke von Teslas Technologie liegt in der Kapitalisierbarkeit des Scaling-Gesetzes: Kameras sind kostengünstig und werden direkt bei der Serienproduktion verbaut. Jeder fahrende Tesla sendet Extremfälle (Corner Cases) zurück. Sobald der Datenfluss in Gang kommt, sinken die Grenzkosten für den Nutzen der Algorithmen kontinuierlich.

Von HW4.0 bis zu FSD v12/14 hat die rein visuelle Technologie in Vororten, auf Autobahnen und normalen Stadtstraßen in Nordamerika eine Leistung erreicht, die einige Benutzer beruhigt und entspannt fahren lässt. Diese technischen Errungenschaften sollten nicht durch die Gesetzgebung in New Jersey vollständig negiert werden – sie sind der Erfolg der künstlichen Intelligenz innerhalb bestimmter Grenzen.

Bild | Das Mainboard der HW4.0-Version erreicht eine Rechenleistung von 700 TOPS, aber es könnte dennoch schwierig sein, die Integration von Lidar-Daten zu unterstützen.

Allerdings liegt die Achillesferse der rein visuellen Technologie tief in den physikalischen Gesetzen verankert. Als passive Sensoren sind Kameras stark von Umgebungslicht, Oberflächentexturen von Objekten und Kontrasten abhängig – die Entfernungsmessung basiert auf Parallaxe und Berechnungen aus mehreren Bildern, nicht auf direkter physischer Rückmeldung. Dies führt zu angeborenen Mängeln in bestimmten Szenarien: Regen und Nebel, Gegenlicht, fehlende Beleuchtung in der Nacht, Blendung durch Fernlicht von entgegenkommenden Fahrzeugen und sogar weiße Lastwagen auf Autobahnen, die vom System fälschlicherweise als „Wolken“ erkannt werden – all dies sind wiederholt bestätigte Ausfallmuster.

Noch subtiler ist der „Falsche-Wand-Test“: Eine Wand mit geringer Lichtreflexion oder fehlender Textur kann von einem rein visuellen System direkt in den Hintergrund integriert werden, während Lidar allein durch einen Rückstrahl die Entfernung genau bestimmen kann. Die Aussage von Philip Koopman, dass das System „nur bei klarem, gutem Wetter stabil funktioniert“, ist keine Herabsetzung von Teslas Ingenieurskunst, sondern eine objektive Beschreibung der Wahrscheinlichkeitsverteilung.

Kurz gesagt, treten die seltenen Ausfälle der rein visuellen Technologie genau in den sehr unwahrscheinlichen Szenarien auf, die menschliche Fahrer bewältigen können, in denen die Sensoren plötzlich versagen – und genau dieses „entscheidende Veto-Recht“ für die Lebenssicherheit steht im Fokus von Aufsichtsbehörden, Versicherungen und der Öffentlichkeit.

Im Vergleich dazu folgt das Lidar-System einer anderen physikalischen Logik.

Es sendet aktiv Impulse aus. Die neuen hochauflösenden Modelle erzeugen dichte 3D-Punktwolken, die unabhängig von Umgebungslicht sind. Die Entfernungsmessung für Objekte mit geringer Textur, stehende Hindernisse und plötzlich auftauchende Ziele erfolgt auf physikalischer Ebene, nicht durch Berechnung. In Kombination mit Millimeterwellenradar, das Doppler-Geschwindigkeiten erfasst und Regen sowie Nebel durchdringt, sowie Kameras für semantische und farbliche Erkennung, ergänzen sich die Ausfallmuster dieser drei heterogenen Sensortypen perfekt.

Genau das ist die echte Redundanz, die im Gesetz von New Jersey gefordert wird: Selbst wenn die Kamera ausfällt, können die beiden anderen Sensoren Hindernisse erkennen und verfolgen. Die langjährigen Betriebsdaten von Waymo in San Francisco, Phoenix und Los Angeles zeigen, dass dieses Drei-Sensoren-Fusionskonzept nicht unbedingt die theoretisch optimale Lösung ist – aber es ist zweifellos eine hochzuverlässige Lösung, die durch großangelegten kommerziellen Einsatz validiert wurde.

Bild | Obwohl Lidar im Grunde ein Entfernungsmesser ist, der kontinuierlich in weiten Bereichen und aus vielen Winkeln misst – es ist nicht falsch, es als „Krücke“ oder „Blindenstock“ zu bezeichnen. Der entscheidende Punkt ist, dass es sofort die tatsächliche Entfernung aller Objekte in der Umgebung messen kann und nicht durch optische Täuschungen oder virtuelle Bilder beeinträchtigt wird.

Es ist bemerkenswert, dass die Hürde für diese hochzuverlässige Lösung durch die chinesische Lieferkette stark gesenkt wurde. Hesai und RoboSensor haben den Preis für fahrzeugtaugliches Lidar auf Tausend-Dollar-Niveau gedrückt, sodass Unternehmen wie Huawei ADS, Xpeng, Li Auto und Xiaomi in China fast ausnahmslos die dreifache Redundanz für ihre L3-Konzepte wählen. Die zusätzlichen Kosten pro Fahrzeug liegen zwischen 4.000 und 12.000 Yuan – das macht weniger als 3 % der Gesamtkosten von Fahrzeugen über 200.000 Yuan aus.

Teslas Dilemma liegt darin, dass seine Überzeugung von der rein visuellen Technologie an die Geschäftslogik „Kostensenkung gegen Skalierung“ gebunden ist. Für Konkurrenten ist die Nachrüstung mit Lidar hingegen nur der Kauf einer sichtbaren Versicherung. Die rein visuelle Fraktion ist nicht in eine Sackgasse geraten – die Weiterentwicklung von 4D-Millimeterwellenradaren versucht, die Lücken zu schließen. Aber zumindest aktuell ist Lidar immer noch das zuverlässigste physikalische „Patch“, um die physischen Grenzen zu überwinden.

Unterschiede in der Aufsicht zwischen China und den USA: Institutionelle Auseinandersetzungen zwischen Hardware-Listen und Systemresilienz

Blickt man zurück auf China, zeigt die Veröffentlichung der Entwurfsfassung der verbindlichen Norm „Sicherheitsanforderungen für autonome Fahrsysteme in intelligent vernetzten Fahrzeugen“ durch das Ministerium für Industrie und Informationstechnologie im Sommer 2026 eine völlig andere Aufsichtsphilosophie als die der USA. Es wurde zeitweise verbreitet, dass „Lidar für L3/L4 vorgeschrieben ist und rein visuelle Systeme keine Genehmigung erhalten“ – aber diese Interpretation wurde später widerlegt.

Ein leitender Angestellter von Xpeng Motors klärte in sozialen Medien auf, dass das gesamte Dokument das Wort „Lidar“ nicht enthält.

Eine Überprüfung des Originaltextes zeigt, dass diese verbindliche Norm einen typischen ergebnisorientierten Ansatz verfolgt und nur quantitative Sicherheitsziele festlegt: Die Wahrnehmung deckt jeweils 9 Meter links und rechts vom Fahrzeug ab, die minimale Erkennungsentfernung nach vorne entspricht der Höchstgeschwindigkeit – und das System muss über einen Mechanismus zur