Die Einführung des Automobils löste eine technische Revolution aus und schuf eine neue Form der Mobilität. Heute steht die Automobilbranche ihrer nächsten Revolution gegenüber: die Einführung eines autonom fahrenden Fahrzeugs ist nur noch eine Frage der Zeit.
Wie hat sich diese Technologie bisher entwickelt und was ist der aktuelle Stand? Welche Treiber und Hemmnisse gibt es? Welche Auswirkungen kann das autonome Fahren auf den öffentlichen Verkehr und die Wirtschaft haben?
Mit dem autonomen Fahren gehen jedoch auch komplexe rechtliche Fragen einher. Welche Daten erhebt ein vernetztes Fahrzeug und warum? Welche Grenzen sind der Nutzung von Fahrerdaten gesetzt? Und wie können Unternehmen die erhobenen Daten nutzen? Diese Publikation wirft einen Blick in die Zukunft der Mobilität.
Aus dem Inhalt:
- Verkehr;
- Connected Car;
- Automobilindustrie;
- Zentrales Fahrerassistenzsystem;
- Big Data
Inhaltsverzeichnis
Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie
Abstract
Abkürzungsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
1 Einleitung
2 Grundlagen
2.1 Definition und Einordnung
2.2 Entwicklung und aktueller Stand der Technik
3 Analyse der Treiber und Hemmnisse
3.1 Technische Treiber und Hemmnisse
3.2 Gesellschaftliche Treiber und Hemmnisse
3.3 Politisch-rechtliche Treiber und Hemmnisse
3.4 Wirtschaftliche Treiber und Hemmnisse
3.5 Beurteilung
4 Mögliche Auswirkungen der Technologie
4.1 Auswirkungen auf den öffentlichen Verkehr und die Stadt
4.2 Auswirkungen auf die Wirtschaft
5 Fazit
6 Literaturverzeichnis
Erfassung von Fahrerdaten im Connected Car. Möglichkeiten und Grenzen der Nutzung von Daten aus vernetzten Fahrzeugen
Abbildungsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
1.1 Ausgangslage und Problemstellung
1.2 Zielsetzung
1.3 Methodisches Vorgehen und Aufbau der Arbeit
2 Grundlagen des Connected Car
2.1 Definitionen des Connected Car
2.2 Mission des Connected Car
2.3 Nachfrage nach Connected-Car-Lösungen
2.4 Differenzierung der Car-to-X-Kommunikation
2.5 Technologien des Connected Car
2.6 Klassifizierung von Diensten
3 Relevante Daten des Fahrzeugnutzers
3.1 Grundlagen der Datenerhebung im Connected Car
3.2 Voraussetzung für Datenfreigabe des Fahrzeugnutzers
3.3 Grenzen der Nutzung von Fahrerdaten
4 Möglichkeiten der Wertschöpfung mit Fahrerdaten
4.1 Grundlagen der Wertschöpfung mit Fahrerdaten
4.2 Hersteller- und Zulieferer-Wertschöpfungen
4.3 Wertschöpfungen aus After-Sales-Services
4.4 Wertschöpfungen von marktbegleitenden Dienstleistern
4.5 Sonstige Wertschöpfungen
5 Fazit und Ausblick
Literaturverzeichnis
Bibliografische Information der Deutschen Nationalbibliothek:
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Impressum:
Copyright © Studylab 2019
Ein Imprint der Open Publishing GmbH, München
Druck und Bindung: Books on Demand GmbH, Norderstedt, Germany
Coverbild: Open Publishing GmbH | Freepik.com | Flaticon.com | ei8htz
Autonomes Fahren. Evolution und Einfluss einer disruptiven Technologie
Abstract
Die Einführung des Automobils löste eine technische Revolution aus und schuf eine noch nie dagewesene Form der Mobilität.[1] Heute steht die Automobilbranche ihrer nächsten Revolution gegenüber. Technologische Entwicklungen wie der Spurhalteassistent oder der Notbremsassistent deuten bereits an, dass die Einführung eines autonom fahrenden Fahrzeugs nur noch eine Frage der Zeit ist. Jahrzehntelange kostentreibende Forschungen brachten hierzu umfassendes Wissen und ermöglichen es, dass heute weltweit Prototypen auf Straßen fahren. Global arbeiten Automobilhersteller, aber auch branchenfremde Unternehmen wie Google oder Apple, mit Hochdruck an dieser Technologie.
Ziel dieser Untersuchung ist es, anhand verschiedener Untersuchungsfelder einen Einblick in die Thematik des autonomen Fahrens zu gewinnen. Folgende Forschungsfragen stehen dabei im Zentrum: Wie sehen die Evolution und der aktuelle Stand dieser Technologie aus? Welche Treiber und Hemmnisse gibt es? Welche Auswirkungen kann das autonome Fahren auf den öffentlichen Verkehr und die Wirtschaft haben?
Zur Beantwortung dieser Forschungsfragen wird anhand einer systematischen Literaturrecherche die Evolution des autonomen Fahrens aufgearbeitet. Darauf folgt die Analyse technischer, gesellschaftlicher, politisch-rechtlicher und wirtschaftlicher Treiber wie auch Hemmnisse mit einer anschließenden Darstellung zu möglichen Auswirkungen auf den öffentlichen Verkehr und die Wirtschaft. Die Ergebnisse zeigen dabei, dass enorme Investitionen und wiederholte Erfolge in der Forschung die Entwicklung des autonomen Fahrens vorantreiben. Auch Potentiale wie wachsende Sicherheit, Komfort und Flexibilität werden deutlich. Die Veränderung bestehender Geschäftsmodelle und die Schaffung neuer Geschäftsmodelle bieten aussichtsreiche Einnahmequellen für Unternehmen und können Einfluss auf die Stadtstruktur der Zukunft haben. Andererseits stellen ethische und politisch-rechtliche Fragestellungen, deren Lösungen nicht zeitnah beantwortet werden können, eine große Herausforderung dar.
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Abbildungsverzeichnis
Abbildung 1: Langfristige Entwicklung der Verkehrstoten in Deutschland 21
Abbildung 2: Top-10-Unternehmen für Patentanmeldungen im Bereich des autonomen Fahrens seit 2010 30
Tabellenverzeichnis
Tabelle 1: Definition der Automatisierung 9
Tabelle 2: Sicherheitspotential von Fahrerassistenzsystemen in Personenkraftwagen 22
Tabelle 3: Vergleich des Umsatzes und EBITs der weltweit größten Automobilhersteller im H1-2016 und H1-2017 26
1 Einleitung
Das Auto, das wichtigste Verkehrsmittel des 20. und 21. Jahrhunderts, hat das Leben der Menschen revolutioniert und eine Massenmotorisierung ausgelöst. Dennoch ist die Durchschnittsgeschwindigkeit von Fahrzeugen in manchen Städten wie z. B. London vergleichbar mit der von Pferdekutschen im 17. Jahrhundert.[2] Der Wunsch nach einem autonom fahrenden Fahrzeug wurde schon früh geweckt. Bereits 1958 schrieb Frank Rowsome Jr. vom Popular Science Magazine, dass langsam, aber sicher die Roboter die Aufgaben des Autofahrers übernehmen werden.[3] Doch erst heute gewinnt das autonome Fahren an Aufmerksamkeit. Viele Hersteller wie BMW oder Mercedes werben bereits mit der Vision, in naher Zukunft autonome Fahrzeuge anbieten zu können.[4] Systeme wie der Spurhalte- oder der Notbremsassistent geben heutigen Autofahrern bereits einen Eindruck davon, wie die Technik sukzessive die Kontrolle des Fahrzeugs übernimmt. Durch die Digitalisierung und die Veränderungen der gesellschaftlichen wie auch regulatorischen Rahmenbedingungen stehen aktuelle Geschäftsmodelle der Automobilhersteller und -zulieferer vor grundlegenden Veränderungen. Diese birgt große Herausforderungen für Unternehmen, die nicht durch die Weiterentwicklung bisheriger Technologien und Geschäftsmodelle bewerkstelligt werden können.[5]
Mit rund 820 000 Beschäftigten und einem Umsatz von 422,8 Milliarden Euro im Jahr 2017 ist die Automobilindustrie eine der wichtigsten Industriezweige in Deutschland.[6] Der lange Zeit von Fahrzeugherstellern und Zulieferern dominierte Markt rückt zunehmend auch in den Fokus von Technologie- und Telekommunikationsunternehmen. Sowohl Anbieter aus der Automobilbranche als auch branchenfremde Wettbewerber arbeiten an der Entwicklung von Fahrassistenzsystemen, Software-Lösungen und anderen Technologien für ein sicheres und vernetztes, autonom fahrendes Fahrzeug.
In Anbetracht dieser Innovationen ergeben sich folgende Forschungsfragen:
- Wie sehen die Evolution und der aktuelle Stand dieser Technologie aus?
- Welche Treiber und Hemmnisse gibt es?
- Welche Auswirkungen kann das autonome Fahren auf den öffentlichen Verkehr und die Wirtschaft haben?
Zur Beantwortung dieser Forschungsfragen wird in dieser Arbeit eine qualitative Literaturrecherche als Methodik verwendet. Literatur wurde unter Verwendung von Disco, dem Suchportal für Literatur an der Westfälischen Wilhelms-Universität Münster, Google Scholar, Springer Link und Google gefunden. Unter den einbezogenen Schriften befanden sich Quellen, die ebenfalls zur qualitativen Recherche hinzugezogen wurden. Die gefundene Literatur wurde nach der Zitationshäufigkeit, der Aktualität und der Qualität der Quelle oder des Verlags selektiert. Die Qualifikation der Autorin oder des Autors wurde bei der Auswahl der Recherche ebenfalls berücksichtigt. Die Betrachtung des Inhaltsverzeichnisses und des Abstracts gab außerdem Aufschluss darüber, ob die jeweilige Quelle für diese Arbeit thematisch relevant war.
Im Anschluss an die Einleitung werden im zweiten Kapitel die für die Arbeit relevanten Grundlagen beschrieben. Diese bestehen aus der Definition und der dazugehörigen Einordnung der Thematik und der Evolution des autonomen Fahrens. Anschließend erfolgt auf Basis umfangreicher Literaturrecherche die Ermittlung der Treiber und Hemmnisse des autonomen Fahrens. Diese werden aus technischer, gesellschaftlicher, politisch-rechtlicher und wirtschaftlicher Sicht untersucht sowie anschließend beurteilt. Darauf aufbauend werden im vierten Kapitel die möglichen Auswirkungen des autonomen Fahrens aufgezeigt. Dieser Ausblick stellt die Veränderungen des öffentlichen Verkehrs und der Stadtstruktur sowie der Wirtschaft dar. Aufgrund des Umfangs konzentriert sich die Ausarbeitung hauptsächlich auf Personenkraftwagen.
2 Grundlagen
2.1 Definition und Einordnung
Das automatisierte Fahren ist ein evolutionärer Prozess, der von der Kombination und Summierung unterschiedlicher Einzelfunktionen geprägt ist. Letztere sind beispielsweise Bremsregelsysteme wie das Antiblockiersystem (ABS), das elektronische Stabilitätsprogramm (ESP) und der Notbremsassistent, die auch als Teilfunktionen des automatisierten Fahrens gesehen werden können. Diese Funktionen helfen bei automatisierten kontrollierten Ausweich- und Bremsmanövern. Auch der Begriff der Vernetzung spielt in dieser Betrachtung eine wichtige Rolle. Sowohl die Vernetzung von Fahrzeugen mit dem Internet und anderen Fahrzeugen als auch die Vernetzung von Funktionen sind wesentliche Gesichtspunkte bei der Entwicklung autonomer Fahrzeuge. Ein angezeigter Stau im Navigationssystem kann durch die Verbindung der Komponenten und Funktionen auch zu einer automatisierten Reduzierung des Tempos bis hin zur Notbremsung führen.[7]
Betrachtet man die aktuellen öffentlichen Debatten über das autonomen Fahren, wird ersichtlich, dass kein einheitliches Begriffsverständnis existiert.[8] Um eine einheitliche Terminologie auf nationaler und internationaler Ebene zu schaffen, wurden in den letzten Jahren Begriffsdefinitionen von verschiedenen Instituten veröffentlicht. Diese beschreiben die stufenweise Verschiebung der Aufgabenteilung zwischen Mensch und Maschine.[9] Die beiden meistzitierten Definitionen stammen von der SAE International (SAE Int. – ehemals Society of Automotive Engineers) und dem Verband der Automobilindustrie (VDA). SAE Int. veröffentlichte im Jahr 2014 den Standard J3016: ‚Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems‘ mit einer Klassifizierung von sechs Stufen. Dieser liefert verschiedene Kriterien sowie eine Beschreibung, anhand der eine Einordnung vorgenommen werden kann. Er vereinfacht somit die Kommunikation und die technische wie auch politische Zusammenarbeit.[10] Die von einem Expertengremium der deutschen Automobilindustrie festgelegten sechs Stufen des VDA wiederum orientieren sich an den Ergebnissen der Arbeitsgruppe ‚Rechtsfolgen zunehmender Fahrzeugautomatisierung‘ der Bundesanstalt für Straßenwesen (BASt).[11] Die beiden Begriffsdefinitionen ähneln sich in ihren Dimensionen, unterscheiden sich jedoch in den Fachbezeichnungen. Um in dieser Arbeit ein einheitliches Verständnis zu gewährleisten, wird, wie nachfolgend zu finden, die Nomenklatur der VDA verwendet.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Definition der Automatisierung
Quelle: Eigene Erstellung, in Anlehnung an Verband der Automobilindustrie e.V. (2015) und SAE International (2014)
Level 0 bezeichnet die Stufe, in der keine Automatisierung vorliegt. Der Fahrer übernimmt alle dynamischen Fahrfunktionen wie die Längsführung (= Geschwindigkeit halten, Beschleunigen und Bremsen) und die Querführung (= Lenken). Unterstützt werden kann er nur durch warnende Systeme. Letztere informieren den Fahrer über mögliche Gefahren. Der Fahrer wird jedoch nicht durch eingreifende Systeme unterstützt.[12] Im ersten Level übernehmen einzelne Fahrerassistenzsysteme jeweils die Ausführung der Längs- oder der Querführung. Die gleichzeitige Ausführung beider Fahrfunktionen ist in dieser Stufe allerdings nicht möglich.[13] Assistenten wie der Tempomat oder der automatische Abstandsregeltempomat (engl. Adaptive Cruise Control – ACC) halten die zuvor gewählte Geschwindigkeit bzw. bremsen oder beschleunigen den Wagen je nach Entfernung zum vorausfahrenden Auto oder Lkw. Zur Unterstützung des Fahrers übernehmen Assistenten wie der automatische Spurassistent (LKAS) die Querführung.[14]
Level 2 bezeichnet die Teilautomatisierung. Hier kann das System in bestimmten Anwendungsfällen zeitweilig sowohl die Längs- als auch die Querführung übernehmen. Dies wird durch die Kombination von verschiedenen Einzelsystemen wie dem ACC, dem Notbrems- und dem Spurhalteassistenten möglich. Das automatische Einparken, bei dem das Auto selbstständig die Querführung übernimmt, und der Überholassistent gehören ebenfalls zur Teilautomatisierung.[15] Im Gegensatz zu den ersten beiden Stufen der Automatisierung erfolgt im dritten Level die Beobachtung des Umfelds erstmalig vollständig durch das System, wobei der Fahrer nur als Beobachter dient. Alle dynamischen Fahraufgaben werden hierbei vom Fahrzeug übernommen; der Fahrer ist nicht mehr aktiv am Fahrprozess beteiligt. Allerdings muss der Fahrer auf Anforderung des Systems jederzeit in der Lage sein, eingreifen zu können. Dieses Level wird als hochautomatisiert bezeichnet.[16]
Ab Level 4 kann der Fahrer die gesamte Steuerung des Fahrzeugs an das System abgeben. Er kann während der Fahrt schlafen oder sich anderweitig beschäftigen. Das System ist in der Lage, selbstständig bestimmte Strecken zurückzulegen und hierbei alle Situationen zu bewältigen. Es erkennt seine Grenzen rechtzeitig, sodass es das Fahrzeug jederzeit in einen sicheren Zustand bringen kann.[17] Als fahrerloses Fahren wird das fünfte Level bezeichnet. Das System kann das Fahrzeug nun uneingeschränkt in allen Geschwindigkeitsbereichen, auf allen Straßen und unter allen Umweltbedingungen vollständig allein steuern.[18] Erst auf diesem Level liegt ein völlig autonomes Fahrzeug vor, das keinen Autofahrer mehr benötigt.[19]
2.2 Entwicklung und aktueller Stand der Technik
Mit der Massenmotorisierung in den 1920er Jahren in den USA wurde die stetig steigende Zahl der tödlichen Verkehrsunfälle zu einem immer größeren gesellschaftlichen Problem.[20] Mehr als 200 000 Menschen kamen allein in den 1920er Jahren bei Verkehrsunfällen ums Leben. In Städten mit mehr als 25 000 Einwohnern waren im Jahr 1925 mehr als zwei Drittel der Todesopfer Fußgänger. Diese Rate war in größeren Städten noch höher. Autofahrer wurden oftmals als Mörder angesehen und für die Verkehrsunfälle verantwortlich gemacht.[21] Aus Angst vor Unfällen und mit der Forderung nach sicheren Fahrzeugen folgte der Wunsch nach einem autonom fahrenden Fahrzeug schon im frühen 20. Jahrhundert.[22]
Auf der Weltausstellung 1939 in New York veröffentlichte der US-amerikanische Produktdesigner Bel Geddes die Ausstellung Futurama. Sie präsentierte die mögliche Zukunft der Menschen in 20 Jahren. Im Jahr 1960 würden die Fehler der Menschen durch intelligente Autos und Straßen korrigiert werden. Er plädierte dafür, dass der menschliche Faktor im Fahren eliminiert werden solle. Die Vision von Autos und Autobahnen der Zukunft faszinierte die Menschen; mehr als fünf Millionen Menschen sahen die Ausstellung in New York. Die Faszination war so groß, dass oft 5000–15 000 Besucher und mehr bei Wind und Wetter in einer Schlange warteten, um einen 16-minütigen Blick auf die ‚Welt von Morgen‘ zu werfen.[23]
Mit der Patentierung des ‚Speed control device for resisting operation of the accelerator‘ am 22. August 1950 durch Ralph R. Teetor war der erste Grundstein für das autonome Fahren gelegt. Das Patent beschreibt den ersten Tempomaten seiner Art.[24] Aufbauend auf die technologischen Errungenschaften Teetors stellte Chrysler 1958 den sogenannten Autopiloten vor. Letzterer zeitigte den ersten kommerziell genutzten Fahrassistenten und machte Chrysler und die eigenständige Konzernmarke Imperial damit zu den weltweit ersten Anbietern von Serienfahrzeugen mit einem Tempomaten.[25] Basierend auf den Leveln der Automatisierung war somit das erste Level-1-Fahrzeug auf dem Markt erhältlich. Seit dem Jahr 1962 bietet Mercedes-Benz als erster europäischer Hersteller einen Tempomaten unter dem Namen ‚Geschwindigkeitsregelanlage‘ an.[26]
Bereits im Jahr 1958 nutzte General Motors eine zuvor entwickelte Technologie, die ein Fahrzeug manövrieren konnte. Im Fahrzeug verbaute Sensoren erkannten ein in der Straße verlegtes Kabel und konnten diesem folgen. Ein Chevrolet konnte durch die Verwendung dieser Technologie im Testcenter von General Motors eine Strecke von einer Meile selbstständig zurücklegen.[27]
Auch in Deutschland arbeiteten Unternehmen an der Mobilität der Zukunft. Mit dem Problem, wie Reifen wissenschaftlich exakt unter programmierten Bedingungen getestet werden können, beschäftigte sich auch der deutsche Automobilzulieferer Continental mit einem elektronisch gesteuerten fahrerlosen Auto. Das Unternehmen arbeitete dabei mit Siemens und dem US‑amerikanischen Elektronikkonzern Westinghouse sowie Forschern der Technischen Universitäten München und Darmstadt zusammen. Wie auch bei General Motors nutzte das fahrerlose Continental-Testfahrzeug Sensoren, mit denen die Elektronik im Auto den Leitdraht im Boden der Straße erkannte und das Fahrzeug automatisch durch Lenkbewegungen die Spur hielt. Das erste elektronisch gesteuerte Testfahrzeug fuhr am 11. September 1968 auf dem Continental-Testgelände. Durch den Verzicht auf menschliche Einflussfaktoren konnte die Präzision der Messergebnisse erheblich gesteigert werden. Schlagzeilen wie ‚Die Zukunft hat schon begonnen‘ oder ‚Mit dem Geisterfahrer durch die Steilkurve‘ ließen sich hierzu in mehr als 400 Zeitungen und Zeitschriften sowie Radio- und Fernsehsendern finden.[28] Dies zeigt, wie groß schon damals das Interesse der Menschen am automatisierten Fahren war.
Auch Bosch war bereits früh in die Entwicklung autonom fahrender Fahrzeuge involviert. In den 1970er Jahren gelang es dem Unternehmen erstmals, fahrerlose Busse über eine Teststrecke fahren zu lassen. Die Steuerung erfolgte auch hier durch in die Fahrbahn eingelassene Linienleiter und Sensoren unter dem Fahrzeug, was jedoch eine Nutzung auf herkömmlichen Straßen unmöglich machte.[29]
Ende der 1970er Jahre stellte das Team um Sadayuki Tsugawa vom Mechanical Engineering Laboratory in Japan erstmals ein Fahrzeug mit künstlicher Intelligenz vor. Es konnte vollständig autonom und ohne Fahrer fahren. Zur Steuerung nutzte es eine Straßenmustererkennungseinheit, die aus zwei Kameras und einer Verarbeitungseinheit bestand. Diese identifizierte Hindernisse vor dem Fahrzeug und gab die gesammelten Daten an ein Mikrocomputersystem als Problemlösungseinheit weiter. Dieses ermittelte sodann anhand der Daten eine optimale Steuerung des Fahrzeugs. Das Fahrzeug war in der Lage, in verschiedenen Umgebungen mit einer Geschwindigkeit von bis zu 30 km/h zu fahren.[30]
Doch nicht nur Autos waren von den Entwicklungen betroffen. Im Jahr 1983 etwa wurde die erste selbstfahrende U-Bahn im französischen Lille eingesetzt und war damit die weltweit erste ihrer Art.[31]
Aufbauend auf den Entwicklungen der 1970er Jahre forschten Ernst Dickmanns und sein Team an der Universität der Bundeswehr München in den 1980er Jahren an einem autonomen Fahrzeugsystem. Ein umgebauter Mercedes-Benz Kleintransporter mit dem Projektnamen ‚Versuchsfahrzeug für autonome Mobilität und Rechnersehen‘ (VaMoRs) feierte 1986 sein Debüt auf einer privaten Straße. Ein Jahr später erreichte VaMoRs eine Geschwindigkeit von 96 km/h im autonomen Betrieb auf einem noch nicht befahrenen Autobahnabschnitt. Dies war eine Größenordnung, die weltweit noch nie zuvor von einem konkurrierenden Straßenfahrzeug erreicht worden war.[32]
Am 1. Oktober 1986 startete das europäische Forschungsprojekt ‚Prometheus‘ (Programme for European Traffic with Highest Efficiency and Unprecedented Safety) – eine Kooperation mehrerer europäischer Autohersteller, Elektronik- und Zuliefererfirmen, Universitäten und Institute. Das Forschungsprojekt ging verschiedenen Fragestellungen nach. Über einen Zeitraum von acht Jahren beschäftigten sich die Teilnehmer vorrangig mit Fragen dazu, wie auch in Zukunft das Auto die höchste Mobilität erreichen, die Sicherheit trotz steigender Anzahl von Fahrzeugen erhöht werden und Unfälle vermieden werden könnten. Das Projekt beschäftigte sich außerdem mit der Verbesserung der Wirtschaftlichkeit, der Harmonisierung des Verkehrsflusses ohne den Einsatz neuer Straßen und mit einer damit einhergehenden Schonung der Umwelt im Einklang mit diesen Zielen.[33]
Als spätere Evolutionsstufe des VaMoRs entwickelte Mercedes-Benz im Rahmen des Prometheus-Projektes das ‚Vita-Fahrzeug‘. Vita steht für ‚Vision Information Technology Application‘ und ist ein Autopilot, der das Bremsen, Beschleunigen und Lenken beherrscht. Er stellte in den 1990er Jahren das höchste Niveau eines intelligenten Autos dar. Ein umgebautes Fahrzeug der S-Klasse konnte durch eine automatische Bildverarbeitung die Fahrzeugführung übernehmen. Das primäre Ziel des Vita-Fahrzeuges besteht darin, mögliche Kollisionen zu erkennen und diese durch ein geeignetes Eingreifen des Computers zu vermeiden. Im Oktober 1994 kam der erste Erfolg: Das Forschungsfahrzeug legte auf einer dreispurigen Autobahn mit Geschwindigkeiten von bis zu 130 km/h mehr als 1000 Kilometer zurück und führte sowohl Spurwechsel als auch das autonome Überholen erfolgreich durch.[34]
Im Jahr 2003 kündigte die Defense Advanced Research Projects Agency (DARPA), eine Behörde des US-amerikanischen Verteidigungsministeriums, die sogenannte Grand Challenge an – ein Projekt, durch das die Entwicklung autonom fahrender Fahrzeuge vorangetrieben werden sollte. Mehr als 106 Teams bewarben sich, um am 13. März 2004 an der ersten Grand Challenge anzutreten. Jedoch schaffte es keines der Teams, die Fahrt über 140 Meilen durch die Mojave-Wüste bis Primm innerhalb von zehn Stunden erfolgreich zu absolvieren. Obwohl das erfolgreichste Fahrzeug lediglich 5 % der Strecke (7 Meilen) schaffte, wurde das Rennen als großer Erfolg bewertet. Innerhalb kürzester Zeit fanden Innovatoren neue Lösungen für schwierige technische Probleme und erzielten bemerkenswerte Fortschritte in den Bereichen Sensorik, Algorithmen und autonome Systeme für die Integration von Bodenfahrzeugen. Auf die darauffolgende zweite Grand Challenge im Jahr 2015 bewarben sich 197 Teams. Der Wettbewerb verlangte von den autonomen Autos, durch enge Straßen sowie schmale und lange Pässe zu fahren. Auch lange Tunnel, Bahnübergänge, Kreuzungen und das Fahren entlang von Schluchtwänden gehörten zum Wettbewerb. Das Fahrzeug musste in der Lage sein, über mehrere Stunden völlig autonom zu agieren. Es gelang fünf Teams, den Kurs zu beenden. Vier von ihnen benötigten weniger als zehn Stunden. Das Fahrzeug der Universität Stanford gewann mit einer Zeit von 6 Stunden und 53 Minuten bei einer Durchschnittsgeschwindigkeit von über 30 km/h.[35] Im Jahr 2007 folgte dann die DARPA Urban Challenge. Teilnehmende Teams mussten hierfür ein Fahrzeug entwickeln, das in der Lage sein sollte, in einer Stadt mit fließendem Verkehr zu fahren und komplexe Fahrmanöver unter Einhaltung von Verkehrsregeln zu bewältigen. Es gelang sechs von elf Fahrzeugen, die Strecke erfolgreich zu absolvieren.[36]
Viele Technologieunternehmen befassen sich inzwischen mit der Entwicklung eines autonomen Fahrzeugs. Google engagierte für die Entwicklung dieser Technologie mehrere der erfolgreichsten Ingenieure der DARPA Challenges. Im Jahr 2010 gab Google bekannt, dass sie bereits seit einigen Jahren an der Technologie für ein autonomes Fahrzeug forschten. Ihre selbstfahrenden Fahrzeuge waren zu diesem Zeitpunkt bereits über 140 000 Meilen gefahren.[37] Ein weiterer ernstzunehmender Wettbewerber ist Uber. Laut Bloomberg testete der US-Konzern bereits ab 2016 autonome Fahrzeuge im amerikanischen Pittsburgh und kooperiert mit Volvo.[38] Apple ist ebenfalls in die Entwicklung involviert. Im Jahr 2017 bestätigte Tim Cook, CEO von Apple, dass Apple seit Jahren an einem autonomen System für Fahrzeuge arbeitet.[39]
Die ersten Erfolge der Entwicklungen sind schon heute am Markt angekommen. So ist das assistierte Fahren schon häufig im Einsatz.[40] Ein Anteil von 38 % aller neu zugelassenen PKW besitzt ein automatisches Notbremssystem, das den Fahrer vor Kollisionen warnt und im Notfall das Fahrzeug zum Stillstand bringen kann. Bei mehr als einem Viertel der Neuwagen ist dieses Fahrassistenzsystem bereits serienmäßig verbaut.[41] Fahrzeuge wie die Luxuslimousinen Tesla Model S und die Mercedes-Benz-S-Klasse sind bereits seit 2015 mit Funktionen ausgestattet, die in bestimmten Situationen über einen gewissen Zeitraum sowohl die Längsführung als auch die Querführung übernehmen können.[42] Im Jahr 2016 wurden 9 % aller in Deutschland zugelassenen Neuwagen mit einem Stauassistenten ausgestattet, der die Längs- und Querfunktionen übernimmt.[43] Als erstes Serienfahrzeug der Welt brachte Audi mit dem neuen A8-Modell eine technische Revolution auf dem Markt. Der Staupilot ermöglicht das hochautomatisierte Fahren in vorgeschriebenen Verkehrssituationen bis zu einer Geschwindigkeit von 60 km/h.[44] Die aktuelle Gesetzgebung verbietet jedoch vorerst den Einsatz des Staupiloten.[45]
Nicht nur auf der Straße sind derartige Veränderungen sichtbar, die durch die Forschung und Entwicklung von autonomen Fahrsystemen hervorgerufen wurden. Weltweit fahren heute in 40 Städten mehr als 70 U-Bahnlinien vollautomatisiert.[46] In Europa sind vollautomatisierte U-Bahnen in 15 Städten im Einsatz. Laut einer Erhebung der ‚Allianz pro Schiene‘ wurden im Jahr 2015 mehr als eine Milliarde Menschen mit vollautomatisierten U-Bahnen im europäischen Nahverkehr befördert. Nürnberg leistete im Jahr 2008 Pionierarbeit und eröffnete die erste vollautomatisierte U-Bahn in Deutschland.[47] Auch außerhalb des Stadtverkehrs nimmt die Technologie Einfluss. So fährt bereits seit 2018 ein autonomer Güterzug durch das australische Outback.[48]
3 Analyse der Treiber und Hemmnisse
Der Zeitpunkt, an dem autonome Autos zum Alltag gehören werden, rückt immer näher. Viele Fahrerassistenzsysteme wurden in den letzten Jahren bis zur Serienreife entwickelt. Die Aussicht auf mehr Sicherheit und Effizienz im Straßenverkehr sowie eine erweiterte Mobilität treiben die Forschung des autonomen Fahrens voran. Doch das automatisierte Fahren birgt nicht nur positives Potential – es gibt bestimmte Hürden, die es zu überwinden gilt. Anhand verschiedener Faktoren werden im folgenden Abschnitt die Treiber und Hemmnisse des autonomen Fahrens erläutert.
3.1 Technische Treiber und Hemmnisse
Die Entwicklung der Prozessoren und der Rechenleistung treibt das autonome Fahren voran. Der komplexe Prozess des autonomen Fahrens benötigt enorme und stetig steigende Rechenleistungen.[49] Selbstfahrende Autos produzieren beträchtliche Datenmengen, die gespeichert, verarbeitet und analysiert werden müssen. Die Analyse der Datensätze erfolgt durch eine künstliche Intelligenz. Die Erkenntnisse aus entsprechenden Analysen lassen betreffende Fahrzeugsysteme ständig hinzulernen. Doug Davis, Leiter der Automated Driving Group bei Intel, erklärt, dass der wichtigste Faktor beim autonomen Fahren die Daten sind.[50] Doch die Erfassung der Daten gestaltet sich als schwierig und kostenintensiv. Elmar Frickenstein betont als Bereichsleiter für autonomes Fahren bei BMW, dass die Berechnung der Strecke in Simulationen die Lösung des Problems sei. Um genügend Testkilometer zu absolvieren, rechne BMW deshalb 95 % der Strecken in Simulationen durch. Laut Frickenstein wird dasjenige Unternehmen das autonome Fahren beherrschen, das die Simulation beherrscht.[51] Auch Waymo, Googles Schwesterunternehmen, bedient sich dieses Konzeptes und hat bereits zehn Millionen Kilometer in der realen Welt sowie acht Milliarden Kilometer in der Simulation gefahren.[52] Doch nicht nur die Erfassung der Daten ist aufwendig. Auch die Datenverarbeitung stellt die Unternehmen vor Probleme. Um die Daten zu verarbeiten, wird eine enorme Rechenleistung benötigt. Letztere entwickelte sich in den letzten Jahrzehnten in hohem Tempo. Im Jahr 2001 benötigte der weltweit schnellste Supercomputer noch 150 Quadratmeter Fläche und verbrauchte 500 000 Watt. Fünfzehn Jahre später hatte ein Computer mit derselben Leistung die Größe eines menschlichen Fingernagels und verbrauchte im selben Operationszeitraum lediglich 10 Watt.[53]
Die Entwicklung der Rechenleistung wird bereits seit mehr als 50 Jahren vom ‚Mooreschen Gesetz‘ gestützt. Es wurde 1965 von Gordon E. Moore formuliert, einem Mitbegründer von Intel. Es sagt voraus, dass sich die Transistorzahl von Computerchips alle zwölf Monate verdoppelt, wobei Moore selbst diese Prognose später auf alle 24 Monate korrigierte. Durch kontinuierliche Optimierung und Verkleinerung der Chipstruktur war es bislang stets möglich, dieses Gesetz einzuhalten und ein exponentielles Wachstum der Rechenleistung zu ermöglichen.[54] Intel-Manager Mark Bohr erwartet auch in den nächsten Jahren die Fortführung der Entwicklung der Chiptechnologie nach dem Mooreschen Gesetz.[55] So entwickeln sich etwa die Grafik-Prozessoren in hohem Tempo weiter. Die aktuellen Grafik-Chips von NVIDIA, Entwickler von Grafikprozessoren und Chipsätzen, übersteigen die Prognose des Mooreschen Gesetzes um mehr als das Zweifache. Bei der Betrachtung von Algorithmen für künstliche Intelligenzen, die aus der Analyse umfassender Datenbestände lernen, lassen sich derweil noch deutlich größere Verbesserungen feststellen. Ein Algorithmus eines neuronalen Netzwerkes, ein informationsverarbeitendes System, dass für das maschinelle Lernen und für künstliche Intelligenz eingesetzt werden kann, brauchte im Jahr 2013 für die Analyse von 15 Millionen Bildern sechs Tage. Laut Jensen Huang, CEO von NVIDIA, benötigen neu entwickelte Grafik-Chips heute für dieselbe Aufgabe lediglich 18 Minuten.[56] Zudem ermöglicht ein von Audi vorgestelltes zentrales Fahrerassistenzsystem (zFAS) die Berechnung eines vollständigen Modells der Fahrzeugumgebung.[57] Die errechneten Daten fließen dabei über das Mobilfunknetz zu einem IT-Backend und werden durch Algorithmen und künstliche Intelligenz aufbereitet. Nach dieser Aufbereitung werden die Daten wieder an das Fahrzeug gesendet. Dadurch wird die Leistungsfähigkeit kontinuierlich verbessert, um selbst komplexe Situationen immer besser bewerkstelligen zu können. Dies ermöglicht es dem Fahrzeug, während der Fahrt und in jeder neuen Situation ständig dazuzulernen.[58]
Der Vorteil einer künstlichen Intelligenz liegt darin, dass nicht jede Reaktion des Fahrzeugs regelbasiert programmiert sein muss. Das Fahrzeug ist somit in der Lage, Entscheidungen in Echtzeit zu treffen und so eigenständig auf kritische Situationen zu reagieren. Die Herausforderungen des autonomen Fahrens wären mit einem starren regelbasierten System hingegen kaum zu meistern, da dies eine enorme Komplexität der Programmierung erfordern würde. Die Verbesserung des Funknetzes und der Vernetzung der Fahrzeuge führt ebenfalls zu einer Beschleunigung der Entwicklung. Vernetzte Fahrzeuge profitieren von einer beträchtlichen Rechenleistung im Backend. Einzelne Fahrzeuge dienen als Sensoren einer übergreifenden Intelligenz. Voraussetzung ist jedoch, dass im jeweiligen Land ein 5G-Funknetz, das u. a. höhere Datenraten im Vergleich zum heutigen LTE-Mobilfunknetz ermöglicht, zur Verfügung steht.[59] Brian Krzanich erwartet als CEO von Intel, dass im Jahr 2020 eine durchschnittliche Person täglich ca. 1,5 Gigabyte an Daten durch die Benutzung von Computern, Smartphones und anderen mobilen Geräten generieren wird. Jedes autonome Fahrzeug werde jedoch pro Tag annähernd 4 Terabyte an Daten generieren, was der Datenerzeugung von fast 3000 Personen entspräche. Bei einer geschätzten Anzahl von einer Million Fahrzeugen wäre diese Datenerzeugung vergleichbar mit jener von fast drei Milliarden Menschen.[60] Dies zeigt, wie wichtig die Schaffung eines stabilen Übertragungsnetzes ist. Laut einer Studie der Wirtschaftsberatung Deloitte haben unter anderem die USA, Japan und Südkorea seit 2015 bedeutende Fortschritte in dem 5G-Netzausbau gemacht. Keines dieser Länder betreibt dies jedoch im selben Ausmaß wie China. Letzteres führt derzeit im Rennen um den 5G-Netzausbau; das Land gab für diesen Netzausbau seit dem Jahr 2015 über 24 Milliarden US-Dollar mehr aus als die USA. In diesem Zeitraum wurden in China mehr als zehnmal so viele 5G-fähige Mobilfunkmasten gebaut wie in den USA.[61] Aber auch Deutschland plant, vermehrt den Netzausbau voranzutreiben. So will die Telekom mit jährlichen Rekordinvestitionen in Höhe von 5,5 Milliarden Euro in den Ausbau investieren.[62]
3.2 Gesellschaftliche Treiber und Hemmnisse
Die Akzeptanz eines Produktes ist essentiell für dessen Erfolg.[63] Um die Akzeptanz von autonomen Fahrzeugen sicherzustellen, ist eine vertrauenswürdige und intuitive Interaktion zwischen Insassen und Fahrzeug von großer Bedeutung. Laut Josef F. Krems, Psychologe an der Technischen Universität Chemnitz, muss ein Fahrzeug das jeweils aktuelle Befinden der Insassen erkennen und zutreffend interpretieren können. Fahrentscheidungen müssen nachvollziehbar sein und außenstehende Verkehrsteilnehmer zuverlässig erfasst und einbezogen werden.[64]
Eine McKinsey-Verbraucherumfrage aus dem Jahr 2017 zeigt, dass das Interesse und die Akzeptanz der Verbraucher für eine Einführung eines autonomen Fahrzeugs hoch sind. So sehen 76 % der Befragten eine Einführung im Zusammenhang mit einer Erhöhung der Verkehrssicherheit und einer Senkung der Unfälle; 84 % der Befragten denken zudem, dass künstliche Intelligenz in der Automobilindustrie eine erhebliche Rolle spielen wird und große Chancen bietet. Vor allem Verbraucher in China sowie junge Menschen und Stadtbewohner würden mit 47 % die Nutzung eines autonom fahrenden Fahrzeugs für ihre Familienmitglieder begrüßen. Mit einem großen Zuwachs von 15 Prozentpunkten im Vergleich zum Vorjahr standen 70 % der Befragten einer Zulassung von autonomen Fahrzeugen seitens des Staates positiv gegenüber. Vor allem der Komfort eines autonomen Fahrzeugs stellt ein Kaufargument für Verbraucher dar. Bei besseren autonomen Fahrfunktionen würden 65 % aller Befragten einem Wechsel der Fahrzeugmarke zustimmen. Dies würde laut der McKinsey-Studie auf über 90 % der jungen Verbraucher sowie auf 90 % der Großstadtbewohner zutreffen.[65]
Die Erhöhung der Verkehrssicherheit stellt eines der Hauptargumente für einen Ausbau der Automatisierung im Straßenverkehr dar; sie treibt die Forschung und Entwicklung des autonomen Fahrens an. Eine Studie der World Health Organization (WHO) zeigt, dass die Anzahl der Verkehrstoten trotz steigender Motorisierung seit 2007 konstant bleibt. Dies bedeutet jedoch, dass jährlich mehr als 1,2 Millionen Menschen weltweit an Verkehrsunfällen sterben.[66] Die Anzahl der Verkehrstoten in Deutschland sinkt seit Jahrzehnten. Allerdings registrierte die Polizei für 2017 bundesweit noch immer mehr als 2,6 Millionen Unfälle; 3180 Menschen kamen im gleichen Jahr durch Verkehrsunfälle zu Tode und über 390 000 Menschen wurden bei Unfällen verletzt. Die häufigste Unfallursache war mit 88 % ein Fehlverhalten des Fahrzeugführers.[67] Wie der folgenden Abbildung zu entnehmen, konnte durch die Einführung neuer Gesetze und Pflichten, etwa der Gurtanlegepflicht und der 0,5-Promille-Grenze, die Anzahl der Verkehrstoten in den letzten Jahrzehnten stetig gesenkt werden:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Langfristige Entwicklung der Verkehrstoten in Deutschland
Quelle: Statistisches Bundesamt (2018), S. 7
Einen weiteren bedeutenden Beitrag zur Senkung der Verkehrstoten und der Unfälle in den kommenden Jahren können Fahrassistenzsysteme bieten. Autonome Fahrzeuge und die Kombination von Fahrassistenzsystemen können ein hohes theoretisches Sicherheitspotential schaffen und die Anzahl wie auch die Schwere der Unfälle erheblich senken. Der Notbremsassistent kann laut Forschungsbericht des Gesamtverbandes der Deutschen Versicherungswirtschaft aus dem Jahr 2011 die Anzahl der Gesamtunfälle mit PKW-Beteiligung um knapp 43 % sowie bei allen LKW-Unfällen um 12 % senken. Durch den Überholwarner können 71 % aller PKW-Überholunfälle vermieden werden, was etwa 1,2 % der Gesamtunfälle entspricht. Der Rückfahrassistent hat ein theoretisches Unfallvermeidungspotential von 13 %, bezogen auf alle PKW/Fußgänger-Unfälle. Wie in der nachfolgenden Tabelle dargestellt, macht dies 2,3 % der Gesamtunfälle aus.[68]
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2: Sicherheitspotential von Fahrerassistenzsystemen in Personenkraftwagen
Quelle: Eigene Erstellung, in Anlehnung an Hummel et al. (2011)
Auch das vor Kurzem vorgestellte Assistenzsystem von Continental setzt bei der Verbesserung der Sicherheit an.[69] Schon in den 1970er Jahren war bekannt, dass eine nasse Fahrbahn zu einer regelrechten Gleitfläche werden kann und das sogenannte Aquaplaning eine häufige Unfallursache darstellt.[70] Rund 8 % aller Unfallursachen im Jahr 2017 waren durch Straßenverhältnisse, Witterungen und Hindernissen wie beispielsweise Wild bedingt.[71] Continental stellte 2018 ein neues Assistenzsystem vor, das den Fahrer vor drohenden Aquaplaning-Risiken warnt. Aquaplaning lässt den Fahrer die Kontrolle über das Fahrzeug verlieren. Wasser auf der Fahrbahn kann zu einem Aufschwimmen der Räder führen, wodurch das Fahrzeug an Halt verliert. Bremsen und Lenken sind in dieser Situation nicht mehr möglich. Bernd Hartmann, Leiter der Projektgruppe ‚Fahrerassistenz & Reifen-Interaktionen‘ bei Continental, betont, dass eine nasse Fahrbahn für einen Autofahrer nur schwer einschätzbar ist und es schnell zu einem Aufschwimmen des Fahrzeugs kommen kann. Um diese Situation zu vermeiden, wertet das Assistenzsystem durch Sensoren in den Reifen und Kameras am Fahrzeug das Spritz- und Sprühmuster aus. Die Identifizierung von Aquaplaning erfolgt dadurch frühzeitig und der Fahrer kann rechtzeitig gewarnt werden. Die Vernetzung der Fahrzeuge ermöglicht es zudem, dass eine durch ein Einzelfahrzeug erkannte potentielle Gefahr sofort anderen Fahrzeugen in der Nähe mitgeteilt wird. Die betroffenen Fahrzeuge können dann ihre Geschwindigkeit und Fahrfunktionen an die Bedingungen anpassen.[72]
Technische Mängel und Wartungsmängel fielen mit nur 1 % als Unfallursache relativ gering aus.[73] Allerdings könnte dieser Wert in den nächsten Jahren durch die steigende Automatisierung erheblich zunehmen. Dies resultiert aus der Verlagerung der Risiken und der damit verbundenen Verantwortung auf das autonom fahrende Fahrzeug. Die Übergabe der Fahrzeugsteuerung an das System und der Wegfall der menschlichen Fahrfehler erhöhen zudem die Aufmerksamkeit und die Wahrnehmung der Gesellschaft in Bezug auf technische Fehler.[74] Ein tödlicher Unfall eines selbstfahrenden Autos des Fahrdienstanbieters Uber zeigte dies im Jahr 2018.[75]
Nicht nur die technische Fehleranfälligkeit des Systems steht im Fokus der Gesellschaft. Moderne Fahrzeuge bestehen aus bis zu 100 Steuergeräten, die sowohl untereinander als auch mit Backend-Systemen der Hersteller über Internet oder mobile Endgeräte interagieren und kommunizieren. Zwar erhöht die zukünftige Kommunikation mit anderen Fahrzeugen und der Verkehrsinfrastruktur die Sicherheit und Effizienz der Verkehrsteilnehmer, doch lässt sie auch neue Gefahren im Bereich Datenschutz und Datensicherheit entstehen. So müssen sensible personenbezogene Daten, die Rückschlüsse auf das Fahrverhalten oder Aufenthaltsorte ermöglichen können, geschützt werden.[76] Joachim Müller, Vorstand der Allianz Deutschland, rechnet mit einer Zunahme der Angriffe auf vernetzte Fahrzeuge in den nächsten Jahren. Er stellt dar, dass Hacker in das System eindringen können und wichtige Fahrfunktionen wie das ESP oder den Bremsassistenten ansteuern können. Dies könne zu lebensbedrohlichen Situationen führen und einen enormen Reputationsschaden für die Automobilbranche auslösen.[77] Ein im Jahr 2015 im US‑Bundesstaat Missouri gehackter Jeep Cherokee verdeutlicht, wie gefährlich eine entsprechende Sicherheitslücke im System ist: Hackern war es gelungen, das Auto aus der Ferne zu steuern und den Motor des Fahrzeugs auf einem Highway auszustellen.[78] Mehr als die Hälfte der Angehörigen der sogenannten Generation Y (geboren in den Jahren zwischen 1980 und 2000) fürchtet, dass vernetzte und autonome Fahrzeuge gehackt werden können. Der Schutz vor Hackerangriffen und die Vertraulichkeit der Daten müssen garantiert sein, um die volle Akzeptanz der Menschen zu gewährleisten.[79]
3.3 Politisch-rechtliche Treiber und Hemmnisse
Der Einsatz und die Entwicklung von Innovationen erfordern Rechtssicherheit und eine Beseitigung rechtlicher Hürden.[80] Die Verschiebung der menschlichen Verantwortung auf die Maschine führt gegenwärtig auch zu einer Veränderung der Verteilung des Haftungsrisikos. Wie aus einem Gutachten des wissenschaftlichen Beirats des Bundesministeriums für Verkehr und digitale Infrastruktur hervorgeht, wird das autonome Fahren erst realisierbar sein, wenn die Pflicht zur Überwachung des Fahrzeugs durch einen präsenten Fahrzeugführer aufgehoben wird. Die dem Betreiber der Fahrzeugflotte oder dem Hersteller damit zugewiesene Haftung erfordert jedoch eine kategorische Änderung der staatlichen Risikosteuerung durch Aufsichts- und Zulassungsverfahren. Die Erfassung und Bewertung der Risiken der Betreibermodelle führen zu hochkomplexen Prüfprozessen und Nachweispflichten, die den Staat vor große Herausforderungen stellen werden.[81] Die Anforderung einer unfallfreien Steuerung der autonomen Fahrzeuge lässt das Produktrisiko des Herstellers erheblich steigen. Bei Eintreten eines Unfalls stellt sich die Frage, ob der Hersteller die volle Haftung übernimmt oder es zu einer Haftungsverschiebung entlang der Supply Chain kommt.[82]
Ein weiteres Problem stellt der rechtliche Rahmen bei einem nicht zu verhindernden Unfall dar: Wie soll das autonome Fahrzeug in Situationen reagieren, in denen es Leben gegen Leben abzuwägen gilt? Werden die Fahrzeuginsassen geschützt und das Fahrzeug überfährt Personen auf der Straße oder fährt das Auto stattdessen gegen einen Baum und gefährdet das Leben der Fahrzeuginsassen? Eine andere Frage wäre, ob eine Entscheidung anhand des Alters oder der gesellschaftlichen Stellung dieser Menschen erfolgen kann. Diese und weitere Fragen sind nicht nur rechtlicher, sondern auch moralischer Art, die anhand ihrer Lösungen in einem Algorithmus über das Leben von Menschen entscheiden werden. Lösungen, die auf einer quantitativen Abwägung beruhen, z. B. die Wahl des kleineren Sachschadens bei einem drohenden Unfall, würden bei der Entscheidung über Leben und Tod gegen die Menschenwürde aus Art. 1 Abs. 1 sowie gegen Art. 2 Abs. 2 Satz 1 des Grundgesetzes verstoßen.[83]
Die Behandlung des Datenschutzes wirft ebenfalls Fragen auf, denn nahezu alle Daten, die im Zusammenhang mit autonomem Fahren stehen, weisen einen Personenbezug auf.[84] Durch die massiv zunehmende Datengenerierung werden personenbezogene Daten gesammelt, die nicht nur für die Automobilhersteller, sondern auch für Versicherungen, Strafverfolgungsbehörden und weitere Unternehmen von Interesse sind.[85] Somit stellt auch der Datenschutz ein Hemmnis für das autonome Fahren dar, das keinesfalls unterschätzt werden sollte.[86]
3.4 Wirtschaftliche Treiber und Hemmnisse
Weltweit wächst die Automobilindustrie.[87] So konnten die weltweit größten Automobilhersteller in Deutschland, Frankreich, Japan und den USA im ersten Halbjahr 2017 (H1-2017) im Vergleich zum ersten Halbjahr 2016 (H1-2016) jeweils eine Umsatzsteigerung verzeichnen. Wie in der nachfolgenden Tabelle zu sehen, erwirtschafteten im H1-2017 alle Hersteller in der Summe einen Umsatz von 829 Milliarden Euro. Dies entspricht einer Umsatzsteigerung von 6 % zum Vorjahr. Die deutschen Hersteller konnten ihren Umsatz von 227 Milliarden Euro im H1-2016 auf 245 Milliarden Euro im H1-2017 steigern. Diese Umsatzsteigerung von 8 % wird nur von den französischen Herstellern mit einem erreichten Umsatz von 59 Milliarden Euro und einer Umsatzsteigerung von 11 % übertroffen. Das EBIT aller Hersteller verzeichnete im Schnitt eine positive Entwicklung von 9 %. Die höchste Steigerung des EBIT konnten die deutschen Hersteller mit 40 % erwirtschaften. Dies ließ die EBIT-Marge der deutschen Hersteller auf 9,1 % im H1-2017 anwachsen. Mit 7 % lag die durchschnittliche EBIT-Marge aller Hersteller deutlich unter jener der deutschen Hersteller.[88]
Abbildung in dieser Leseprobe nicht enthalten[89] [90] [91] [92] [93] [94] [95]
Tabelle 3: Vergleich des Umsatzes und EBITs der weltweit größten Automobilhersteller im H1-2016 und H1-2017
Quelle: Eigene Erstellung, in Anlehnung an Fuß (2017)
Laut der McKinsey-Studie ‚The Automotive Revolution is Speeding Up‘ aus dem Jahr 2017 hat die Automobilindustrie das Potential, jährlich um 4 bis 5 % zu wachsen. Somit könnte sich der weltweite Umsatz der Automobilindustrie mit erwarteten 6,6 Billionen US-Dollar im Jahr 2030 fast verdoppeln. Mit gut 1 % Anteil im Jahr 2016 werden neue disruptive Business-Modelle wie autonomes Fahren und Mobilitätsdienstleistungen im Jahr 2030 ca. 25 % des Gesamtumsatzes ausmachen.[96] Auch die Umsätze der Versicherungen können von der Entwicklung autonomen Fahrens profitieren. Eine Studie des Unternehmens NTT Data verdeutlicht, dass Autodiebstähle durch die steigende Automatisierung zunehmen werden. Hacker könnten Sicherheitslücken im System nutzen. Dadurch könnten erhebliche wirtschaftliche Schäden entstehen, wodurch die Umsätze von Cyber-Versicherungen zunähmen. Laut NTT Data werden diese von 2 Milliarden US-Dollar im Jahr 2015 auf voraussichtlich 7,5 Milliarden US-Dollar im Jahr 2020 steigen.[97]
Die Zahlen der Automobilindustrie zeigen klar, dass diese nicht nur im Hinblick auf Beschäftigungsvolumina und Umsätze führend ist. Mit Innovationsausgaben in Höhe von 52,4 Milliarden Euro im Jahr 2016 dominiert sie die deutsche Wirtschaft wie keine andere Branche; 33 % aller Innovationsausgaben der Wirtschaft und mehr als die Hälfte der Innovationsausgaben in der Industrie stammen dabei aus der Automobilindustrie. Die Innovationsintensität wies außerdem einen vergleichsweise hohen Wert von 9,8 % auf. Laut dem Zentrum für Europäische Wirtschaftsforschung GmbH (ZEW) erwarten die Unternehmen der Industrie einen Anstieg der Innovationsausgaben um 1,2 % im Jahr 2017 sowie einen deutlichen Zuwachs von 5,2 % für 2018.[98]
Doch nicht nur in Deutschland stiegen die Innovationsausgaben. Unternehmen weltweit investierten verstärkt in die Forschung und Entwicklung. Die 1000 größten börsennotierten Unternehmen investierten so viel wie nie zuvor. Laut einer Studie von Strategy&, der Strategieberatung von PwC, betrugen deren Ausgaben für Forschung und Entwicklung im Untersuchungszeitraum, dem Fiskaljahr bis Ende Juni 2018, 782 Milliarden US-Dollar. Das sind 11,4 % mehr als im Jahr zuvor. Im Automobilsektor stiegen die Ausgaben um 16 Milliarden US-Dollar auf über 120 Milliarden US-Dollar, was einer Steigerung von 15,2 % zum Vorjahr entspricht. In den kommenden Jahren wird ebenfalls mit einer Steigerung gerechnet, denn angesichts des rasanten technologischen Fortschrittes müssen Unternehmen im Automobilsektor ihre Geschäftsmodelle und Unternehmensstrukturen überdenken.[99] Sie kaufen Know-how und Technologien hinzu und treiben den Umbau ihrer Geschäftsmodelle voran. Unternehmensfusionen und Unternehmenskäufe (engl. Mergers & Acquisitions – M&A) sind für die etablierten Automobilkonzerne von entscheidender Bedeutung. Sie ermöglichen diesen, die Führungsposition in wichtigen Zukunftstechnologien einzunehmen, die laufenden Einnahmen zu sichern und neue Geschäftsmodelle zu erschließen. Weltweit wurden 2017 in der Automobilindustrie 1238 Unternehmenstransaktionen getätigt, was einem Zuwachs von 2 % gegenüber dem Vorjahr entspricht. Technologieinvestitionen, die ausschließlich den Erwerb neuer Technologien zum Ziel hatten, stiegen im Vergleich zum Jahr 2015 um 60 %. Sie standen im Jahr 2017 größtenteils im Zusammenhang mit autonomem Fahren, Konnektivität und dem Bereich Antriebsstrang, wie z. B. Elektroantriebe. Ihr Anteil an allen Unternehmenstransaktionen betrug 11 %. Am stärksten nahmen die Transaktionen im Bereich ‚Autonomes Fahren‘ zu. Mit nicht mehr als zehn Transaktionen im Jahr 2015 wuchs ihre Zahl im Jahr 2017 um 260 % auf 36 Transaktionen.[100]
Doch nicht nur M&A sind Treiber für das autonome Fahren – auch Kooperationen spielen eine wichtige Rolle. Branchenübergreifende Kooperationen lassen den Markt zunehmend heterogener und komplexer werden. Sie werden ebenso wie strategische Partnerschaften nötig, um die Stärken einzelner Akteure zu bündeln und somit die Entwicklung voranzutreiben wie auch eine Wettbewerbsfähigkeit der Unternehmen zu gewährleisten.[101]
3.5 Beurteilung
Die wachsende Bedeutung des autonomen Fahrens stellt die Automobilkonzerne unter Druck und bietet neuen Wettbewerbern Möglichkeiten, in den Markt einzutreten. Mit der Annahme der disruptiven Veränderungen könnte der Automobilindustrie ein Wirtschaftsaufschwung bevorstehen. Der hart umkämpfte Wettbewerb in der Entwicklung eines autonom fahrenden Fahrzeugs treibt das autonome Fahren an. Viele Unternehmen versuchen, durch umfangreiche Investitionen und Bemühungen den Wettbewerb für sich zu entscheiden. Die ungeklärten, aber notwendigen rechtlichen Rahmenbedingungen stellen derzeit jedoch ein Hemmnis für das autonome Fahren dar.[102] Auch eine passende Infrastruktur und die Verbesserung der heutigen Technik werden nötig sein, um das autonome Fahren zu etablieren. Dennoch lassen die gegenwärtigen Investitionen in die Entwicklung und Forschung darauf schließen, dass die zuvor genannten Treiber die Hemmnisse überwiegen. Heute sind nur rund ein bis 2 % aller weltweit verkauften Fahrzeuge mit Level-2-Technologie ausgestattet. Doch bereits 80 % der größten 20 Automobilhersteller planen bis 2025 mit der Einführung eines Level-4- oder Level-5-Fahrzeugs.[103] Der globale Atlas von Bloomberg führt aus, dass im November 2018 in 117 Städten weltweit autonome Fahrzeuge und Nahverkehrslösungen getestet wurden.[104] Ein wichtiges Testfeld stellte hierbei Kalifornien dar. Das California Department of Motor Vehicles hat ab dem 29. August 2018 mehr als 50 Unternehmen eine Lizenz zum Testen von autonom fahrenden Autos in Kalifornien erteilt. Sowohl Autobauer wie VW, BMW, Tesla Motors, General Motors und Toyota als auch Zulieferer wie Bosch und Continental sind aufgeführt. Doch auch branchenfremde Unternehmen wie Apple und Googles Schwesterfirma Waymo arbeiten intensiv an der Entwicklung.[105] Waymos Testfahrzeuge legen schon heute mehr als 40 000 Kilometer pro Tag zurück und dienen ebenfalls dem Test neuer Geschäftsmodellen. So fungieren die vollautomatisierten Testfahrzeuge in Phoenix ebenfalls als Taxis und sammeln so wertvolle Praxiserfahrung.[106] Das amerikanische Start-up Drive.ai testet, genau wie Waymo, autonome Taxis und lässt die personenbefördernden Kleinbusse auf einer festgelegten Route in einem Vorort von Dallas im US-Bundesstaat Texas fahren. Die Passagiere können über eine App eine Fahrt buchen und an einer festgelegten Haltestelle einsteigen. In beiden Fällen sitzt zur Sicherheit jedoch noch ein Fahrer im Fahrzeug.[107] Auch die erhebliche Beschleunigung der Pläne für autonome Taxis von Bosch und Daimler zeigen, wie intensiv die derzeitige Forschung und Entwicklung betrieben wird. Obwohl der Start der Tests ursprünglich für das Jahr 2023 anvisiert war, sollen die Tests nun bereits im zweiten Halbjahr 2019 starten.[108]
Laut Deutschem Patent- und Markenamt hat die Zahl der Patentanmeldungen zum autonomen Fahren mit Wirkung auf Deutschland von 2008 bis 2017 stark zugenommen.[109] So wurden im Jahr 2008 noch 1016 Patente im Bereich des autonomen Fahrens angemeldet und 2017 mit einer Steigerung von über 14 % zum Vorjahr bereits 2633 Patente. Diese Patente beziehen sich auf unterschiedliche Funktionen wie Assistenzsysteme für die Antriebs- oder Verkehrssteuerung, Navigation, Sensortechnik oder allgemeine Kurssteuerung. Ein Anteil von 38 % der 2017 veröffentlichten Patenterteilungen für den deutschen Markt ging an deutsche Unternehmen; 30 % gingen an japanische und 13 % an US‑amerikanische Unternehmen. Rund 42 % der insgesamt 4810 in Deutschland gültigen Patente zum Jahresende 2017 halten deutsche Firmen, gefolgt von Japan mit 28 % und den USA mit 11 %.[110] Eine Studie des Instituts der deutschen Wirtschaft Köln zeigt, dass 52 % der seit 2010 weltweit angemeldeten Patente zum autonomen Fahren auf deutsche Hersteller entfallen.[111] Wie nachfolgend zu sehen, hält Bosch weltweit die meisten Patente in diesem Bereich. Vier deutsche Hersteller und zwei deutsche Zulieferer befinden sich unter den ersten Zehn.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Top-10-Unternehmen für Patentanmeldungen im Bereich des autonomen Fahrens seit 2010
Quelle: Eigene Erstellung, in Anlehnung an Bardt (2017)
Basierend auf den Ergebnissen der McKinsey-Studie kann kein Autohersteller die Investitionsmittel von mindestens 70 Milliarden Dollar und die nötigen Kompetenzen aufbringen, um in den Bereichen Autonomes Fahren, Mobilitätsdienstleistungen, Vernetzung und Elektrifizierung führend zu sein.[112] Laut Timo Möller, Leiter des McKinsey Center for Future Mobility, ist die Kompetenz, Partnerschaften zu managen, für einen künftigen Erfolg entscheidend. Die Zusammenarbeit mit Technologieunternehmen und Wettbewerbern ist ihm zufolge ein essentieller Punkt für den späteren Erfolg des betreffenden Anbieters.[113] Basierend auf der Analyse von Unternehmensfortschritten in der Entwicklung eines autonomen Fahrzeugs sieht das Forschungsinstitut Navigant derzeit unter anderem General Motors, Waymo, Daimler in Kooperation mit Bosch, Ford und die Volkswagen-Gruppe als Favoriten.[114]
4 Mögliche Auswirkungen der Technologie
Das wachsende Interesse und die fortschreitende Entwicklung lassen die Frage aufkommen, welche Auswirkungen das autonome Fahrzeug auf das heutige Leben haben kann. Eine Innovation wie das autonome Fahren könnte weitreichende Veränderungen hervorrufen. In diesem Kapitel werden daher die Auswirkungen auf den öffentlichen Verkehr beschrieben, die aus Sicht eines Stadtbewohners erfolgen. Anschließend werden die Folgen und Effekte der Technologie auf die Wirtschaft dargestellt.
4.1 Auswirkungen auf den öffentlichen Verkehr und die Stadt
Vor allem aufgrund des Alterns der Gesellschaft wie z. B. in Deutschland wird das Verlangen nach einem autonomen Fahrzeug wachsen, um auch im fortgeschrittenen Alter noch am sozialen Leben teilzuhaben. Einen distinkten Vorteil bietet diese Technologie in ländlichen Gebieten, in denen meist unzureichende öffentliche Verkehrsanbindungen existieren.[115] Doch nicht nur das Leben dieser Personengruppen, sondern auch das vieler anderer wird sich verändern. Revolutionäre Mobilitätskonzepte wie der Mercedes Vision Urbanetic zeigen, welche Möglichkeiten in Zukunft geschaffen werden können. Die Kombination aus innovativer Technologie und einem elektrischen Antrieb sorgt für eine emissionsfreie und effiziente Mobilität, die besonders für Städte mit gesetzlichen Einfahrrestriktionen von Nutzen wäre. Die wesentlich bessere Nutzung von Ressourcen und die optimierte Bedarfssteuerung können dafür sorgen, dass mehr Personen und Güter mit weniger Fahrzeugen transportiert werden können.[116] Die Anzahl der Autos in der Stadt würde sich drastisch verringern, wenn es nur noch autonome Autos gäbe. Laut Johann Jungwirth, Volkswagens Chief Digital Officer, bedarf es nur rund eines Siebtels der Fahrzeuge auf den Straßen, um die tägliche Mobilität der Menschen zu gewährleisten.[117] Auch das Parken würde sich damit grundlegend ändern, da Parkplätze nicht mehr in unmittelbarer Nähe des Fahrziels liegen müssen. So sucht das Fahrzeug eigenständig einen Parkplatz, nachdem es den Passagier am Zielort abgesetzt hat, und benötigt aufgrund einer dichteren Parkweise zum Nebenfahrzeug rund 15 % weniger Parkfläche. Dadurch kann sich der Parkplatzbedarf allein in den USA um circa 5,7 Milliarden Quadratmeter verringern.[118] Auch die 30 % der Fahrzeit, die Stadtbewohner mit der Parkplatzsuche verbringen, könnten auf null reduziert werden.[119] Die Stadtarchitektur könnte sich mit dem hinzugewonnenen Platz umfassend verändern. Wohnraum, Grünflächen, Geschäfte, Spielplätze und Parks könnten entstehen und so die Lebensqualität der Menschen erhöhen.[120]
Das Mobilitätskonzept von Volvo, der 360c, stellt eine mögliche Alternative zum Kurzstreckenflug oder zur herkömmlichen Autofahrt dar. Das aus einer privaten Fahrerkabine bestehende Fahrzeug fährt autonom zu einem gewünschten Ziel und ermöglicht es dem Fahrgast, entspannt zu fahren, zu arbeiten oder zu schlafen. Dadurch könnte auch eine Veränderung der Wohnsituation der Menschen in der Stadt hervorgehen: Menschen, die aufgrund ihrer Arbeit bisher in der Stadt leben mussten, könnten auf Vororte ausweichen und so dem Trubel der Stadt entfliehen. Günstigere Wohnpreise und das Leben an einem ruhigen Ort in der Natur werden dadurch möglich.[121] Geschäftsreisende könnten bei einem bevorstehenden Termin auf Kurzstreckenflug und Hotel verzichten und stattdessen in dem autonomen Fahrzeug schlafen, während es sie zum Meeting fährt.[122] Zwei Drittel der deutschen Autofahrer verbringen mehr als 30 Minuten täglich im Auto. Diese Zeit könnte durch ein autonomes Fahrzeug effektiver genutzt werden. So könnten die Menschen beispielsweise arbeiten, im Internet surfen oder sich anderweitig beschäftigen.[123] Auch eine individuelle, flexible und schnelle Paketzustellung könnte durch das autonome Fahren möglich werden und das Leben des Kunden erleichtern. Der Kunde hätte die Möglichkeit, seine Pakete zu jeder Uhrzeit anzunehmen bzw. müsste sich nicht nach den Ankunftszeiten des Paketzustellers richten.[124]
4.2 Auswirkungen auf die Wirtschaft
Die Einführung eines autonomen Fahrzeugs hätte merkliche Auswirkungen auf die Wirtschaft. Neue, profitable Liefer- und Transportdienste könnten durch autonome Fahrzeuge entstehen. Laut McKinsey ist die derzeitige Kluft zwischen dem momentanen Entwicklungsstand in der Automobilindustrie und den Potentialen künstlicher Intelligenz enorm. Letztere würde überwiegend den operativen Betrieb sowie interne Prozesse von Unternehmen beeinflussen. Die Einführung künstlicher Intelligenz brächte eine Verbesserung der Produkt- und Servicequalität, die Optimierung von Prozessen und die Steigerung von Renditen mit sich. Auch Kostensenkungen in den Lieferketten, der Produktion, der Forschung und der Entwicklung sowie den Support-Funktionen würden die Produktionseffizienz steigern. Die Automobilindustrie profitiert jedoch nicht nur von Prozessoptimierungen – auch die grundlegende Veränderung des Fahrzeugs führt zu einer Entstehung neuer innovativer Geschäftsmodelle.[125] Eine Prognose von Goldman Sachs zeigt, dass autonome Fahrzeuge den Umsatz des Taxigeschäfts von heute 5 Milliarden US-Dollar auf bis zu 285 Milliarden US-Dollar im Jahr 2030 steigern könnten. Die EBIT-Marge würde ca. 20 % betragen und wäre damit mehr als doppelt so hoch wie die durchschnittliche Marge der weltweiten Automobilhersteller heute.[126]
Doch nicht nur im Bereich der Personenbeförderung, sondern auch im Logistikbereich könnten hochprofitable Geschäftsmodelle entstehen oder grundlegend verändert werden. Mehr als 50 % aller Paketzustellungen in Deutschland können gegenwärtig nicht ausgeliefert werden, da der jeweilige Empfänger nicht anzutreffen ist.[127] So verursacht die sogenannte letzte Meile der Zustellung rund die Hälfte der anfallenden Kosten.[128] Die autonome Zustellung könnte nicht nur rund um die Uhr und auf Nachfrage des Kunden erfolgen, sondern würde den Unternehmen auch enorme Einsparmöglichkeiten eröffnen. Wie eine Studie von Strategy& zeigt, werden die Logistikkosten für standardisierte Transporte durch die Automatisierung von Lieferfahrzeugen und Logistikprozessen bis 2030 um 47 % sinken. Allein die Reduktion von Personal macht rund 80 % dieser Einsparungen aus. Enorme Steigerungen der Effizienz entstehen ebenfalls durch den Wegfall von Ruhepausen für den Fahrer und eine Optimierung der Reduzierung von Leerlaufzeiten durch intelligente Algorithmen.[129] Dennoch könnten diese Optimierungsmaßnahmen in Teilen der Bevölkerung auf Unmut und Angst vor dem Jobverlust stoßen.[130]
Neue Mobilitätskonzepte wie der Mercedes Vision Urbanetic lassen sich nicht nur für die Personenbeförderung nutzen, sondern ermöglichen mittels wechselbarer Aufbauten auch den autonomen Transport von Gütern. Der schnelle Wechsel von einem Fahrzeug für die Personenbeförderung hin zu einem Gütertransportfahrzeug schafft in Verbindung mit einem selbstlernenden IT-System Effizienz, Flexibilität und maximale Wirtschaftlichkeit. Die Kombination des autonomen Fahrens mit einem elektrischen Antrieb ermöglicht zudem einen lärm- und emissionsarmen Betrieb, der sich besonders in Städten mit gesetzlichen Einfahrrestriktionen lohnt.[131] Laut einer Untersuchung des Deutschen Industrie- und Handelskammertages kann die deutsche Volkswirtschaft durch das autonome Fahren langfristig mindestens 15 Milliarden Euro jährlich sparen. Hinzu kommen CO2-Emissionseinsparungen von 6,3 Millionen Tonnen pro Jahr.[132]
Auch der Wandel der Automobilkonzerne hin zu Mobilitätsdienstleistern birgt großes Potential. So verdient ein Autohersteller laut McKinsey heute rund 2200 Euro an jedem verkauften Auto. Auf eine Lebensdauer von ca. 240 000 Kilometer verteilt, entspricht dies weniger als 1 Cent pro Kilometer. Mit neuen Mobilitätskonzepten könnten die Hersteller nicht nur an den Verkäufen, sondern auch an der Zeit verdienen, die Menschen im Auto verbringen.[133] Neue Ertragsquellen entstehen auch im Entertainment- und Multimedia-Segment. So könnte der Markt etwa für Unterhaltungskonzerne in den Fokus rücken. Das Marktpotential von Unterhaltungsprogrammen und anderen neuartigen Dienstleistungen wird auf 200 Milliarden US-Dollar pro Jahr geschätzt.[134]
[...]
[1] Vgl. Hüttenrauch; Baum (2008), S. 6 ff.
[2] Vgl. Finke (2017), S. 1 f.
[3] Vgl. Rowsome Jr. (1958), S. 105.
[4] Vgl. Grünweg (2018), S. 1 ff.; vgl. Daimler (2018), S. 1 ff.
[5] Vgl. Ernst&Young (2018), S. 1.
[6] Vgl. Verband der Automobilindustrie e.V. (2018), S. 1 ff.
[7] Vgl. Kuhlgatz (2018), S. 5.
[8] Vgl. Maurer et al. (2015), S. 2.
[9] Vgl. Fraunhofer-Institut für Arbeitswirtschaft und Organisation (2015), S. 5.
[10] Vgl. SAE International (2014), S. 1 f.
[11] Vgl. Verband der Automobilindustrie e.V. (2014), S. 166 f.
[12] Vgl. Verband der Automobilindustrie e.V. (2015), S. 14 f.
[13] Vgl. SAE International (2014), S. 1 f.
[14] Vgl. ADAC (2018), S. 2.
[15] Vgl. ADAC (2018), S. 2 f.
[16] Vgl. Verband der Automobilindustrie e.V. (2015), S. 14 f.
[17] Vgl. ADAC (2018), S. 4.
[18] Vgl. Verband der Automobilindustrie e.V. (2015), S. 14.
[19] Vgl. ADAC (2018), S. 5.
[20] Vgl. Kröger (2015), S. 43.
[21] Vgl. Norton (2008), S. 21 ff.
[22] Vgl. Kröger (2015), S. 44 ff.
[23] Vgl. Geddes (1940), S. 3 ff.
[24] Vgl. Teetor (1950), S. 1 ff.
[25] Vgl. Chrysler (2018), S. 1 ff.
[26] Vgl. Bubb et al. (2015), S. 9.
[27] Vgl. Mann (1958), S. 75 ff.
[28] Vgl. Continental (2018b), S. 1 f.
[29] Vgl. Kuhlgatz (2018), S. 4.
[30] Vgl. Tsugawa et al. (1979), S. 893 ff.
[31] Vgl. Continental (2018a), S. 2.
[32] Vgl. Dickmanns (2017), S. 25 ff.
[33] Vgl. Daimler (2016), S. 1.
[34] Vgl. Daimler (2016), S. 2.
[35] Vgl. Seetharaman; Lakhotia; Blasch (2006), S. 28 f.; vgl. Defense Advanced Research Projects Agency (2014), S. 1 ff.
[36] Vgl. Defense Advanced Research Projects Agency (2014), S. 2.
[37] Vgl. Thrun (2010), S. 1 f.
[38] Vgl. Chafkin (2016), S. 1 ff.
[39] Vgl. Wired (2017), S. 1 ff.
[40] Vgl. ADAC (2018), S. 2.
[41] Vgl. Bosch (2018), S. 1.
[42] Vgl. Wildermann (2015), S. 1 f.; vgl. Pander (2013), S. 3.
[43] Vgl. Bosch (2018), S. 2.
[44] Vgl. Audi (2017), S. 1.
[45] Vgl. Lennartz (2017), S. 2 f.
[46] Vgl. Barrow (2018), S. 1.
[47] Vgl. Allianz pro Schiene e.V. (2016), S. 1.
[48] Vgl. Oed; Kirchbeck (2018), S. 1 f.
[49] Vgl. Bosch (2015), S. 1.
[50] Vgl. Postinett (2017), S. 2.
[51] Vgl. Becker (2018), S. 2 f.
[52] Vgl. Weddeling (2018), S. 4.
[53] Vgl. Becker (2016), S. 1.
[54] Vgl. Billerbeck (2015), S. 23.
[55] Vgl. Bohr (2017), S. 38.
[56] Vgl. Kahle (2018), S. 1; vgl. BigData-Insider (2018), S. 1 ff.
[57] Vgl. Becker (2016), S. 2.
[58] Vgl. Vogt (2015), S. 1 f.
[59] Vgl. Becker (2016), S. 4.
[60] Vgl. Krzanich (2016), S. 1 f.
[61] Vgl. Littmann et al. (2018), S. 1 ff.
[62] Vgl. Handelsblatt (2018a), S. 1.
[63] Vgl. Kollmann (1998), S. 2 f.
[64] Vgl. Bundesministerium für Bildung und Forschung (2017), S. 14.
[65] Vgl. McKinsey&Company (2017c), S. 17 ff.
[66] Vgl. World Health Organization (2015), S. 2.
[67] Vgl. Statistisches Bundesamt (2018), S. 7 ff.
[68] Vgl. Hummel et al. (2011), S. 5 ff.
[69] Vgl. Continental (2018c), S. 1 ff.
[70] Vgl. Keil (1971), S. 191.
[71] Vgl. Statistisches Bundesamt (2018), S. 11.
[72] Vgl. Continental (2018c), S. 1 ff.
[73] Vgl. Statistisches Bundesamt (2018), S. 11.
[74] Vgl. Winkle (2015), S. 369.
[75] Vgl. Sonnabend (2018), S. 1.
[76] Vgl. Fraunhofer-Institut für Sichere Informationstechnologie (2018), S. 1 f.
[77] Vgl. Frankfurter Allgemeine Zeitung (2017), S. 1 f.
[78] Vgl. Greenberg (2015), S. 1 ff.
[79] Vgl. Seider; Radis (2017), S. 64.
[80] Vgl. Vereinigung der Bayerischen Wirtschaft e.V. (2018b), S. 1 f.
[81] Vgl. Wissenschaftlicher Beirat des Bundesministeriums für Verkehr und digitale Infrastruktur (2017), S. 12 ff.
[82] Vgl. Bodungen; Hoffmann (2016), S. 503 ff.
[83] Vgl. Stender-Vorwachs (2018), S. 3 f.
[84] Vgl. Grützmacher (2016), S. 485 ff.
[85] Vgl. Vereinigung der Bayerischen Wirtschaft e.V. (2018a), S. 9 ff.
[86] Vgl. Grützmacher (2016), S. 485 ff.
[87] Vgl. Verband der Automobilindustrie e.V. (2017), S. 1 ff.
[88] Vgl. Fuß (2017), S. 5 ff.
[89] Währungsbereinigte Angabe für die Monate Januar bis Juni (zu konstanten Wechselkursen)
[90] Währungsbereinigte Angabe für die Monate Januar bis Juni (zu konstanten Wechselkursen)
[91] Deutsche Hersteller: BMW, Daimler, Volkswagen
[92] Japanische Hersteller: Honda, Mazda, Mitsubishi, Nissan, Suzuki, Toyota
[93] Französische Hersteller: Peugeot, Renault
[94] US-Hersteller: Fiat Chrysler Automobiles (FCA), Ford, General Motors
[95] Gesamt: genannte Hersteller einschließlich Hyundai und Kia
[96] Vgl. Heineke et al. (2017), S. 15.
[97] Vgl. Seider; Radis (2017), S. 64.
[98] Vgl. ZEW – Zentrum für Europäische Wirtschaftsforschung (2017), S. 4 f.
[99] Vgl. Jaruzelski; Chwalik; Goehle (2018), S. 3 ff.
[100] Vgl. Hertenstein; Grüne (2018), S. 5 ff.
[101] Vgl. Heymann; Meister (2017), S. 1 ff.
[102] Vgl. McKinsey&Company (2017a), S. 1.
[103] Vgl. McKinsey&Company (2017b), S. 4.
[104] Vgl. Bloomberg (2018), S. 1 ff.
[105] Vgl. Department of Motor Vehicles State of California (2018), S. 1 f.
[106] Vgl. Otto (2018), S. 1 f.
[107] Vgl. Pluta (2018), S. 1 f.
[108] Vgl. Kyriasoglou (2018), S. 1 ff.
[109] Vom Deutschen Patent- und Markenamt und vom Europäischen Patentamt erteilte Patente
[110] Vgl. Deutsches Patent- und Markenamt (2018), S. 1 ff.
[111] Vgl. Bardt (2017), S. 1 ff.
[112] Vgl. Heineke et al. (2017), S. 22 f.
[113] Vgl. McKinsey&Company (2017a), S. 1 f.
[114] Vgl. Navigant Research (2018), S. 1 ff.
[115] Vgl. Bernhart et al. (2018), S. 4 ff.
[116] Vgl. Daimler (2018), S. 1 ff.
[117] Vgl. Handelsblatt (2018b), S. 3.
[118] Vgl. Bertoncello; Wee (2015), S. 5 f.
[119] Vgl. Fund (2018), S. 3 f.
[120] Vgl. Stölzel (2017), S. 5 f.; vgl. Daimler (2018), S. 5.
[121] Vgl. Stevens (2018), S. 1 ff.
[122] Vgl. Stölzel (2017), S. 6.
[123] Vgl. Stölzel (2017), S. 2.
[124] Vgl. dpd (2016), S. 1 ff.
[125] Vgl. McKinsey&Company (2017c), S. 19.
[126] Vgl. Handelsblatt (2018c), S. 3.
[127] Vgl. Stölzel (2017), S. 3.
[128] Vgl. Wagner (2015), S. 1 ff.
[129] Vgl. Strategy& (2018), S. 1.
[130] Vgl. Heuzeroth (2018), S. 1 f.
[131] Vgl. Daimler (2018), S. 1 ff.
[132] Vgl. Schultz (2018), S. 1 f.
[133] Vgl. Ambadipudi et al. (2017), S. 5 f.
[134] Vgl. Stölzel (2017), S. 4 f.
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.