Zusammenfassung
Mobilität wird künftig von einer zunehmenden Elektrifizierung, Automatisierung und Vernetzung der Transportmittel geprägt sein. Während es sich bei der Elektrifizierung im Kern um die Ablösung einer bestehenden Antriebstechnologie handelt, erweitern Automatisierung und Vernetzung bestehende Mobilitätskonzepte und verursachen somit einen grundlegenden Wandel in der Mobilität. Für die automatisierte Steuerung von Transportfahrzeugen, insbesondere von Autos im Straßenverkehr, ist KI eine unersetzliche Schlüsseltechnologie und bietet im Zusammenspiel mit der Vernetzung zahlreiche Möglichkeiten verkehrsträgerübergreifender Koordination. Allerdings ist die Übergabe der Fahrverantwortung an die KI bedenklich für die Sicherheit, sodass sich für die Lernphase entsprechend hohe Anforderungen ergeben. Die Nutzung von KI-Methoden zur Gestaltung der Mobilität verspricht jedoch einen hohen Sicherheits-, Komfort- und Effizienzgewinn und bietet damit die Motivation für intensive Forschungs- und Entwicklungsaktivitäten.
Download chapter PDF
Literatur
Barter, Paul (2013): „Cars are parked 95% of the time“. Let‘s check! Hg. v. Reinventing Parking. Online verfügbar unter https://www.reinventingparking.org/2013/02/cars-are-parked-95-of-time-lets-check.html, zuletzt geprüft am 21.02.2018.
Berliner Senatsverwaltung für Umwelt, Verkehr und Klimaschutz (Hrsg.) (2013): Mobilität der Stad. Kenndaten zur Mobilität. Online verfügbar unter https://www.berlin.de/senuvk/verkehr/politik_planung/zahlen_fakten/download/Mobilitaet_dt_Kap-1-2.pdf, zuletzt geprüft am 21.02.2018.
Cookson, Graham; Pishue, Bob (2017): The Impact of Parking Pain in the US, UK and Germany. Hg. v. INRIX Research. Online verfügbar unter http://inrix.com/research/parking-pain/, zuletzt geprüft am 21.02.2018.
ERTRAC Arbeitsgruppe Connectivity and Automated Driving (2017): Automated Driving Roadmap.
Ethik-Kommission (2017): Automatisiertes und vernetztes Fahren. Eingesetzt durch den Bundesminister für Verkehr und digitale Infrastruktur.
IEEE Spectrum (2018): Exposing the Power Vampires in Self-Driving Cars. Unter Mitarbeit von Peter Fairley. Online verfügbar unter https://spectrum.ieee.org/cars-that-think/transportation/self-driving/exposing-the-power-vampires-in-self-driving-cars, zuletzt geprüft am 21.02.2018.
National Highway Traffic Safety Administration (NHTSA) (Hrsg.): Automated Vehicles for Safety. Online verfügbar unter https://www.nhtsa.gov/technology-innovation/automated-vehicles-safety, zuletzt geprüft am 21.02.2018.
National Highway Traffic Safety Administration (NHTSA) (2017): 2016 Fatal Motor Vehicle Crashes: Overview. Traffic Safety Facts - Research Note (DOT HS 812 456). Online verfügbar unter https://crashstats.nhtsa.dot.gov/Api/Public/Publication/812456, zuletzt geprüft am 27.02.2018.
Shashua, Amnon (2017): Autonomous Vehicles and Artificial Intelligence: on Achieving a Safe and Scalable Platform. World Knowledge Forum 2017. Seoul, 18.10.2017.
Silver, David; Schrittwieser, Julian; Simonyan, Karen; Antonoglou, Ioannis; Huang, Aja; Guez, Arthur et al. (2017): Mastering the game of Go without human knowledge. In: Nature 550 (7676), S. 354–359. DOI: 10.1038/nature24270.
Smith, Bryant Walker (2013): Human Error as a Cause of Vehicle Crashes. The Center for Internet and Society (CIS) at Stanford Law School. Online verfügbar unter http://cyberlaw.stanford.edu/blog/2013/12/human-error-cause-vehicle-crashes, zuletzt aktualisiert 2015, zuletzt geprüft am 21.02.2018.
The Guardian (Hrsg.) (2016): Tesla driver dies in first fatal crash while using autopilot mode. Unter Mitarbeit von Danny Yadron und Dan Tynan. San Francisco. Online verfügbar unter https://www.theguardian.com/technology/2016/jun/30/tesla-autopilot-death-self-driving-car-elon-musk, zuletzt geprüft am 21.02.2018.
Wu, Ren; Yan, Shengen; Shan, Yi; Dang, Qingqing; Sun, Gang (2015): Deep Image: Scaling up Image Recognition. Hg. v. arXiv. Online verfügbar unter https://arxiv.org/pdf/1501.02876v3.pdf, zuletzt geprüft am 21.02.2018.
Zhao, Ding; Peng, Huei (2017): From the Lab to the Street: Solving the Challenge of Accelerating Automated Vehicle Testing. Mcity - University of Michigan. Ann Arbor. Online verfügbar unter https://mcity.umich.edu/wp-content/uploads/2017/05/Mcity-White-Paper_Accelerated-AV-Testing.pdf, zuletzt geprüft am 14.02.2018.
Editor information
Editors and Affiliations
Rights and permissions
Open Access Dieses Kapitel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Kapitel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Copyright information
© 2019 Der/die Autor(en)
About this chapter
Cite this chapter
Kappel, M., Krune, E., Waldburger, M., Wilsch, B. (2019). Die Rolle der KI beim automatisierten Fahren. In: Wittpahl, V. (eds) Künstliche Intelligenz. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58042-4_11
Download citation
DOI: https://doi.org/10.1007/978-3-662-58042-4_11
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-58041-7
Online ISBN: 978-3-662-58042-4
eBook Packages: Computer Science and Engineering (German Language)