Robotaxis: Warum der Durchbruch auf der Straße entschieden wird

Robotaxis standen auf der diesjährigen Automesse in Peking erstmals im Mittelpunkt des Geschehens. Automobilhersteller, Mobilitätsplattformen und Technologiekonzerne präsentierten ihre Versionen des autonomen Ride-Hailing. Das Signal war eindeutig: Robotaxis sind kein Experiment einer Handvoll Spezialisten mehr, sondern läuten die nächste Phase unserer Fortbewegung ein.

Doch ein dicht besetztes Rennen ist nicht gleichbedeutend mit einem reifen Markt. Die Einführung eines Robotaxis wird zwar einfacher, doch der Aufbau eines Systems, das kommerziell skalierbar und sicher betreibbar ist, bleibt eine enorme Herausforderung. Das betont der Mitbegründer und CTO des chinesischen Unternehmens für autonome Fahrzeuge Pony.ai in einem Gastbeitrag für die Financial Times.

Das Labor reicht nicht aus

In weiten Teilen des vergangenen Jahrzehnts verhielt sich die Branche für autonomes Fahren so, als käme der entscheidende Durchbruch aus dem Labor: größere Modelle, mehr Trainingsdaten, mehr Simulationen und mehr Rechenleistung. Diese Sichtweise greift jedoch zu kurz. Die Reaktionen eines Robotaxis verändern das Verhalten anderer Verkehrsteilnehmer auf eine Weise, die historische Daten nicht immer vorhersagen können.

Robotaxis werden nicht danach beurteilt, ob sie die meiste Zeit gut funktionieren, sondern ob sie in komplexen Umgebungen sicher agieren können. Die schwierigsten Probleme sind dabei oft banal: ein Radfahrer, der zwischen den Fahrspuren pendelt; ein Roller, der einen Abholpunkt kreuzt; ein Fahrer, der sich in eine Lücke schiebt, ohne sich ganz festzulegen. Es sind gewöhnliche Momente des Zögerns, des Verhandelns und falsch interpretierter Absichten.

Es reicht daher nicht aus, lediglich mehr menschliche Fahrdaten zu sammeln. Wenn sich ein autonomes Fahrzeug anders verhält als ein Mensch, reagiert der umgebende Verkehr darauf. Diese Rückkopplungsschleife lässt sich nicht vollständig aus historischen Daten ableiten – sie muss im realen Betrieb beobachtet werden.

Regulierung als entscheidender Faktor

Dies ist nicht nur eine technische, sondern auch eine regulatorische und operative Herausforderung. In Teilen Chinas und der USA haben Städte den Betreibern erlaubt, vom Testbetrieb zu kostenpflichtigen fahrerlosen Diensten in definierten Gebieten überzugehen. Das ermöglicht mehr Kontakt mit dichtem Mischverkehr. In Großbritannien und Europa verlief die regulatorische Genehmigung hingegen deutlich langsamer – mit der Folge, dass Unternehmen reale, fahrerlose Daten in sehr unterschiedlichem Tempo sammeln.

Hier spielen sogenannte Weltmodelle eine wichtige Rolle – nicht als Ersatz für die Straße, sondern als Werkzeug, um von fahrerlosen Fahrzeugen gesammelte Daten in wiederholbares Training und Testen umzuwandeln. Sie helfen, Ursache und Wirkung zu verstehen: Wenn das Robotaxi bremst, wird der Roller dahinter überholen? Wenn es sich an einer Kreuzung vorsichtig verhält, führt das zu Verwirrung?

Kosten und Skalierung als operative Kernfrage

Die Kostenkurve der Robotaxi-Branche ist ebenso wichtig wie ihre Modellarchitektur. Wenn fahrerlose Fahrzeuge zu teuer bleiben, um sie flächendeckend einzusetzen, werden die Unternehmen nicht genügend Interaktionen generieren, um sich zu verbessern. Es handelt sich letztlich um einen operativen Wettbewerb, der als Software-Wettbewerb getarnt ist.

Rechenleistung, Talente und Daten sind wichtig – aber sie ersetzen keine aktiven Flotten. Regulierungsbehörden und Fahrgäste werden kein Geschäftsmodell akzeptieren, das seltene Fehler als statistisches Rauschen behandelt. Um die in der Branche als „Level 4" bekannte Goldstandard-Autonomie zu erreichen, muss ein Robotaxi die zentralen Fahrfunktionen auch nach einem unerwarteten Hardware- oder Softwarefehler aufrechterhalten und bei Bedarf ein sicheres Anhalten am Straßenrand durchführen.

Robotaxis müssen letztlich mit von Menschen gesteuerten Ride-Hailing-Diensten, dem öffentlichen Nahverkehr und Privatwagen konkurrieren. Wenn sie nur in begrenzten Zonen, unter engen Bedingungen oder mit hoher Fernunterstützung funktionieren, werden sie wirtschaftlich nicht skalierbar sein. Die nächsten drei Jahre gelten in der Branche als entscheidend – denn das Rennen um das autonome Fahren wird auf der Straße gewonnen, nicht im Labor.