Bisher nutzen viele Fahrzeuge Software, die den Fahrerinnen und Fahrern autonomes Fahren ermöglicht. Sie können selbstständig Fahrentscheidungen treffen, und können auch einstellen, dass ihr Fahrzeug selbstständige Fahrentscheidungen treffen kann. Beim automatisierten Fahren handelt es sich dagegen um Fahren ohne menschliche Steuerung. Beim vernetzten Fahren wiederum geht es darum, dass automatisierte wie auch nicht automatisierte Fahrzeuge dazu imstande sind, Informationen auszutauschen – und zwar untereinander als auch mit der vorhandenen Infrastruktur. 

All diese Möglichkeiten benötigen Softwaresysteme, und diese werden immer komplizierter und größer. Zum Vergleich: Der Code zum Schreiben für eine einfache iPhone-Game-App umfasst rund 1.000 Zeilen, der für das Space Shuttle bereits 40.000 Zeilen, die Software für eine Boing 787 benötigt 14.000.000 Zeilen, Facebook ist bei 62.000.000 Zeilen angelangt und eine Auto-Software umfasst derzeit um die 100.000.000 Zeilen.

Oftmals ist es zielführender, eine KI zur Steuerung des Fahrzeugs zu verwenden als den gesamten Algorithmus selbst zu entwickeln.

Der Wettbewerb um die dazu erforderlichen KI-Entwicklungen ist in vollem Gange. Die Umsetzung der Fahrzeug- und Verkehrsautomatisierung erfolgen maßgeblich in Form von Software und „intelligenten“ Regelungsalgorithmen. Denn oftmals ist es zielführender, eine KI zur Steuerung des Fahrzeugs zu verwenden als den gesamten Algorithmus selbst zu entwickeln.

Im Vergleich zu Europa existiert KI-getriebenes automatisiertes und sogar autonomes Fahren in den USA als auch in China bereits auf den Straßen. Fast alle chinesischen Fahrzeughersteller investieren intensiv in Autonomous Driving, Vorreiter Tesla hat in Shanghai ein entsprechendes lokales Team zusammengestellt.

Da die KI auf stark parallelisierbaren Rechenaufgaben fußt, sind bei ihrer Entwicklung auch Hersteller von GPU-Grafikkarten beteiligt. Federführend ist hier Nvida mit dem im Jahre 2016 präsentierten Nvida Drive, denn diese Deep-Learning Plattform macht die Entwicklung automatisiert fahrender Autos deutlich einfacher. Dabei wird die Architektur der Plattformen selbst immer komplexer und die dazu benötigten Chips immer mächtiger. Bis heute gilt Nvida als Goldstandard dieser weltweit eingesetzten Chips.

Gleichzeitig drängen immer mehr neue Chiphersteller auf den Markt. China hat die Chancen erkannt und investiert Milliarden in die einheimische Chipindustrie, in den USA investieren vorrangig Nvida, AMD und Qualcom in die Entwicklung von AI-Chips. Auch hierbei kommt künstliche Intelligenz zum Einsatz: Die Entwicklung der Software kann von Chat GPT und dem GitHub Copilot unterstützt werden.

Um autonomes Fahren mit KI-Steuerung allerdings tatsächlich sicher zu machen, sind enorme Datenmengen auszuwerten. Je größer die Testflotte, desto mehr Datenpunkte können erhoben und analysiert werden. Bei KI in der Software-Entwicklung von Fahrzeugen könnte man verschiedene Sorten von KI kombinieren. Denn das könnte zur Steuerung der mächtigen generativen KI eingesetzt werden.