Autonome Fahrzeuge stecken noch in den Kinderschuhen ihrer Entwicklung. Ein großes Hindernis zur Vollautomatisierung ist bisher unter anderem die Verarbeitung der visuellen Informationen. Genau hier könnte ein Münchner Start-up eine erste Lösung bieten. TerraLoupe könnte so etwas wie das Google Maps für autonome Fahrzeuge werden.
Sicherheit. Das ist DAS große Thema, wenn es um die Entwicklung von autonomen Fahrzeugen geht. Damit ist nicht nur das Feld der Cybersicherheit gegen Hacker von autonomen Systemen gemeint, sondern auch die Fahrsicherheit an sich. Denn wenn es um die Autos der Zukunft geht, interessiert Verbraucher in dieser Phase nur am Rande wie schick das Design oder wie schnell der Motor ist. Viel wichtiger wird sein, ob unsere fahrerlosen Autos uns sicher, also unfallfrei, von A nach B befördern können.
Große Hürde für fahrerlose Autos: Das Verarbeiten von Straßenaufnahmen
Das klingt merkwürdig, wenn man bedenkt, wie schlecht im Vergleich menschliche Fahrer tatsächlich sind. So hat das Statistische Bundesamt in seiner diesjährigen Unfallstatistik ermittelt, dass rund 88,1 Prozent der Autounfälle, in denen Menschen zu Schaden kamen, auf das Fehlverhalten der Fahrer zurückzuführen ist.
Du willst nicht abgehängt werden, wenn es um KI, Green Tech und die Tech-Themen von Morgen geht? Über 10.000 Vordenker bekommen jeden Tag die wichtigsten News direkt in die Inbox und sichern sich ihren Vorsprung.
Nur für kurze Zeit: Anmelden und mit etwas Glück Apple AirPods 4 gewinnen!
Mit deiner Anmeldung bestätigst du unsere Datenschutzerklärung. Beim Gewinnspiel gelten die AGB.
Obwohl fahrerlose Autos also theoretisch viel sicherer sind als Autos mit menschlichen Fahrern, sieht die Praxis im Moment noch anders aus. So musste der Rideshare-Anbieter Uber zum Beispiel seine Tests mit autonomen Fahrzeugen vorerst einstellen, nachdem ein fahrerloses Auto in einem Unfall verwickelt war. Googles fahrerlose Autos hatten bereits schon mehrere Unfälle und auch eine von Volvos Testfahrten mit einem automatisierten Fahrzeug endete damit, dass das Auto in eine Gruppe von Fußgängern fuhr. Der Besitzer war offensichtlich zu knausrig gewesen, um für das Programm zur Fußgängererkennung zu zahlen.
Dieses letzte Beispiel verweist auf ein großes Problem, das fahrerlose Autos derzeit noch haben: Kameras und Sensoren. Genauer genommen das Verarbeiten der Informationen der Außenwelt, die das Auto beim Fahren in Echtzeit bekommt und interpretieren muss. Ist das eine Ampel oder ein Radfahrer? Habe ich hier Vorfahrt oder ist das ein Stoppschild? Was unser Gehirn in Bruchteilen von Sekunden verarbeiten kann, ist für die Computer der autonomen Fahrzeuge eine massive Aufgabe der Datenbewältigung – und offensichtlich noch ein großes Problem.
Computer müssen lernen wie wir die Welt sehen
Ein Lösungsansatz dafür könnte jetzt vom Münchner Start-up TerraLoupe kommen. TerraLoupe hat sich darauf spezialisiert, hochaufgelöste Luftbilder zu digitalisieren und die Daten der Bilder mithilfe von Algorithmen und künstlicher Intelligenz für Computer nutzbar zu machen. Einfach gesagt könnte TerraLoupe damit so etwas wie das Google Maps für autonome Fahrzeuge werden.
Doch einfach ist an der Technologie von TerraLoupe eigentlich recht wenig, denn im Prinzip muss das Unternehmen Computern beibringen, wie wir Menschen unsere Welt sehen und verstehen. „Wenn wir ein Bild von einer Straße oder einem Auto sehen, wissen wir was diese Gegenstände bedeuten und können diese Information interpretieren. Für einen Computer sind das aber alles nur Objekte auf einem Foto, er versteht sie nicht. Da sind Computer noch recht dumm und wir müssen ihnen das alles beibringen,” erklärt TerraLoupe-Mitgründerin Manuela Rasthofer das Prinzip hinter der Geodatenaufarbeitung.
Das erfolgt in fünf Schritten.
1. Das Sammeln von Daten
Im Fall von TerraLoupe werden Luftaufnahmen aus Flugzeugen oder von Drohnen genutzt, da diese präziser sind als Satellitenaufnahmen oder Straßenaufnahmen. Die Fotos bekommt TerraLoupe entweder direkt von Vermessungsämtern, von darauf spezialisierten Unternehmen, oder – bei sehr speziellen Kundenwünschen – gibt das Start-up diese Aufnahmen selbst in Auftrag.
2. Das Prozessieren der Daten
Hier werden den Aufnahmen Geokoordinaten pro Pixel zugeordnet, sodass Computerprogramme damit Informationen wie etwa Höhe oder Breite der fotografierten Objekte erkennen können.
3. Das Analysieren von Daten
Hier beginnt die eigentliche Kernkompetenz von TerraLoupe. Die Daten aus den Luftaufnahmen, die nun für Computer lesbar gemacht worden sind, werden mithilfe von künstlicher Intelligenz kategorisiert. TerraLoupe nutzt dazu eine Methode, die man als Wahrscheinlichkeitsfilter beschreiben kann.
Ein Beispiel: Wenn ein Gegenstand vier Räder hat, ist es mit hoher Wahrscheinlichkeit ein Fahrzeug und kein Mensch. Wenn dieser Gegenstand dann wiederum ein Dach hat, handelt es sich dabei wahrscheinlich eher um ein Auto als um ein Fahrrad. Immer feinmaschiger werden diese programmierten Filter, bis das Computerprogramm genau erkennen kann, worum es sich bei den Objekten auf den Bildern handelt.
„In der Vergangenheit lag der Wiedererkennungswert von solchen Programmen bei 60 oder 70 Prozent. Damit kann man natürlich in einem autonomen Auto nichts anfangen, da es nicht besonders sicher ist, wenn mein Auto nur zu 60 Prozent sicher ist, ob der andere Gegenstand ein Stein oder ein Auto ist. Bei TerraLoupe liegen wir mit unseren Verfahren aber bei einer Quote von über 90 Prozent. Das ist sogar ein besserer Wert als bei uns Menschen“, sagt Manuela Rasthofer. Mit dieser Präzision kann die Technologie damit auch reale Anwendungen finden, wie etwa als Karten für autonome Fahrzeuge.
4. Das Abgleichen von Daten
In diesem Schritt werden die ermittelten Informationen der Computer nochmals von Programmierern überprüft und notfalls korrigiert.
5. Das Formatieren von Daten
Im letzten Schritt werden die erhaltenen Daten kundengerecht formatiert.
Ein bisschen gruselig…
Zu den Kunden von TerraLoupe gehören neben Automobilhersteller auch Versicherungen oder die Tourismusbranche. Das sind nur einige wenige Beispiele. Denn die Geodaten von TerraLoupe könnten potentiell fast jede Industrie interessieren. Wenn ein Versicherer beispielsweise weiß, wie viele Glasfenster ein Wohngebiet hat, können etwa Kosten für einen Hagelschaden sehr genau geschätzt werden. Theoretisch kann damit alles, von der Anzahl von Schwimmbecken in unseren Gärten bis zur Anzahl der Dächer mit Solarzellen in unserer Straße so ziemlich alles erfasst werden.
Ein bisschen gruselig ist das schon, gibt auch Manuela Rasthofer zu. Dennoch überschreitet TerraLoupe mit seiner Datenerhebung nicht die Privatsphäre, sagt Rasthofer. „Wir halten uns an bestehende Datenschutzgesetze und Personen auf Bildern, die wir aufnehmen, werden ohnehin herausgerechnet, da sie für unsere Zwecke nicht interessant sind. Menschen bleiben nicht an einer Stelle. Uns interessieren aber die statischen Daten wie Straßenverlauf, Schienennetze, oder die Anzahl von Gebäuden.“ Sie gibt auch zu bedenken, dass wir als Smartphone- oder Internetnutzer ohnehin freiwillig schon viel mehr persönliche Informationen preisgeben als TerraLoupe mit seinen Luftaufnahmen jemals ermitteln könnte.
Unternehmen verstehen erst langsam den Nutzen von Geodaten
Welchen praktischen Nutzen die Daten von TerraLoupe haben könnten, verstehen Unternehmen erst langsam. Bisher waren die technischen Möglichkeiten, von der Qualität der Luftaufnahmen bis hin zur Verarbeitung von Big Data, für die Geodatenaufarbeitung noch nicht gegeben. So ist TerraLoupe nach eigenen Angaben aktuell weltweit das erste Unternehmen, das Bildaufnahmen in dieser Form auswertet und nutzbar macht. Mit der offiziellen Gründung im Jahr 2015 ist das Start-up auch noch ein sehr junger Player an einem relativ neuen Markt. So regt sich auch erst langsam Interesse an der Technologie.
Automobilhersteller haben nach Angaben von Manuela Rasthofer aber schon Interesse bekundet. Denn auch wenn TerraLoupe bisher keine Umwelt- oder Verkehrsbilder in Echtzeit auswerten kann, die Karten, die das Unternehmen erstellt, könnten die Autocomputer als Hintergundwissen nutzen.
Das könnte Prozesse der Datenverarbeitung in fahrerlosen Autos beschleunigen und den Transport in autonomen Fahrzeugen sicherer machen.
