Die Markteinführung von autonomen Systemen und insbesondere dem automatisierten Fahren birgt viele Herausforderungen. Eine wesentliche Herausforderung besteht darin, die Sicherheit zu gewährleisten, ohne dabei mit Einschränkungen hinsichtlich Geschwindigkeit und anderer Faktoren zu arbeiten, dass der Mehrwert der neuen Technologien verschwindet. Genau diese Herausforderung wurde bisher in vielen Prognosen unterschätzt, und auch Pilotstudien Automobilherstellern bestätigen die Wahrnehmung der Passagiere, dass autonome Fahrzeuge meist langsam und zögerlich sind.
Im neuen Forschungsprojekt ICON "LOPAAS" (Layers of Protection Architecture for Autonomous Systems) entwickelt das Fraunhofer IESE gemeinsam mit dem Fraunhofer IKS und der Universität York in England mit dem Assuring Autonomy International Programm (AAIP) eine Vorgehensweise, um autonome Systeme und insbesondere autonome Fahrzeuge abzusichern. Gefördert wird die Zusammenarbeit aus dem internen Fraunhofer-Förderprogramm "ICON – International Cooperation and Networking" , das bilaterale Kooperationsprojekte mit international herausragenden Universitäten und außeruniversitären Forschungseinrichtungen unterstützt. In den kommenden drei Jahren stehen drei Millionen Euro für die Kollaboration zur Verfügung, um den notwendigen Paradigmenwechsel im Safety Engineering autonomer Systeme herbeizuführen.
Die Projektpartner forschen seit Jahren an dieser Thematik und treiben den Stand der Wissenschaft und Technik voran. Mithilfe des ICON-Projekts bündeln sie nun ihre Forschungskompetenzen, um eine Referenzsicherheitsarchitektur und -argumentation für automatisiertes Fahren und autonome Systeme zu entwickeln. Dazu gehört insbesondere das dynamische Risikomanagement, welches dem Fahrzeug ein besseres Verständnis der aktuellen Risiken der Fahrsituation gibt. Das dynamische Risikomanagement berücksichtigt nicht nur externe Einflussfaktoren wie das Fahrverhalten anderer Verkehrsteilnehmer, sondern auch interne Faktoren wie die Unsicherheiten bei der Wahrnehmung der aktuellen Situation. Die Berücksichtigung von Unsicherheiten in der Sicherheitsarchitektur bietet neue Möglichkeiten, Künstliche Intelligenz (KI) für sicherheitskritische Aufgaben zu nutzen. Sie beschreibt, wie externe und interne Einflussfaktoren verwendet werden können, um Risiken im laufenden Betrieb automatisiert zu bestimmen und zu kontrollieren. Das langfristige Ziel des Projekts ist es, autonomen Fahrzeuge zu ermöglichen, schneller und unbeirrter zu fahren, da sie Risiken sicherer und genauer abschätzen können. Die Ergebnisse des Projekts sollen anschließend für den Technologietransfer in die Standardisierung und Normierung einfließen.
Zum Nachlesen
- Fraunhofer-Institut für Experimentelles Software Engineering IESE (18.10.2021): Autonome Systeme erfordern Paradigmenwechsel im Safety Engineering
