Ethische Software für sichere Straßen: Risiken beim autonomen Fahren werden fair verteilt

Forscher der Technischen Universität München (TUM) haben eine Software für autonomes Fahren entwickelt, die die Risiken auf der Straße fair verteilt. Sie gilt als der erste Algorithmus, der ethisxche Entscheidungen trifft, die deutlich differenzierter sind als die bisheriger Algorithmen. Das soll den Betrieb von autonomen Fahrzeugen sicherer für die Insassen selbst und für die übrigen Verkehrsteilnehmer machen.

Minimierung der Schäden für alle

Bevor autonome Fahrzeuge flächendeckend auf den Straßen unterwegs sein können, muss nicht nur die technische Umsetzung perfektioniert werden. Auch ethische Fragen spielen bei der Entwicklung von Algorithmen eine wichtige Rolle. So muss die Software mit unvorhersehbaren Situationen umgehen können und im Falle eines drohenden Unfalls Entscheidungen treffen, die die Schäden für alle Teilnehmer minimiert. Der neue ethische Algorithmus handelt nicht nach der Maxime entweder/oder, sondern teilt die Risiken fair auf. Die Entwickler berücksichtigten dabei rund 2000 Szenarien mit kritischen Situationen auf unterschiedlichen Straßentypen in Europa, China und den USA . DieSoftware, die im Fachjournal „Nature Machine Intelligence“ veröffentlicht wurde, entstand in Zusammenarbeit der Lehrstühle für Fahrzeugtechnik und für Wirtschaftsethik am Institute for Ethics in Artificial Intelligence (IEAI) der TUM.

Unzählige Graustufen

„Der Straßenverkehr lässt sich nicht in Schwarz und Weiß einteilen“, sagt Maximilian Geißlinger vom Lehrstuhl für Fahrzeugtechnik. „Es gibt unzählige Graustufen. Unser Algorithmus wägt verschiedene Risiken ab und trifft aus tausenden möglichen Verhaltensweisen eine ethische Entscheidung – und das in Sekundenbruchteilen.“ Ethische Entscheidungen berücksichtigen beispielsweise die besondere Schutzbedürftigkeit schwächerer Verkehrsteilnehmer.

Einteilung nach Risiken für andere

Um diese Regeln in mathematische Berechnungen übertragen zu können, teilte das Forschungsteam Fahrzeuge und Personen, die sich im Verkehr bewegen, anhand des von ihnen ausgehenden Risikos für andere und anhand ihrer unterschiedlichen Risikobereitschaft ein. So könne ein Lastwagen anderen Verkehrsteilnehmenden großen Schaden zuführen, während er selbst in vielen Szenarien kaum beschädigt wird. Bei einem Fahrrad ist es umgekehrt.

Warten auf ein akzeptables Risiko

Anhand eines Beispiels wird die Wirkung deutlich: Ein autonomes Fahrzeug möchte ein Fahrrad überholen, auf der Gegenfahrbahn kommt ihm ein Lkw entgegen. Alle vorhandenen Daten über die Umgebung und die einzelnen Teilnehmer werden nun zu Rate gezogen. Lässt sich das Rad überholen, ohne auf die Gegenfahrbahn zu gelangen und gleichzeitig genug Abstand zum Fahrrad zu halten? Welches Risiko besteht für welches Fahrzeug und welches Risiko bedeuten diese Fahrzeuge für einen selbst? Im Zweifel wird das autonome Gefährt mit der neuen Software Aktionen wie ein Überholmanöver erst starten, wenn das Risiko für alle akzeptabel ist.

via TUM

Teile den Artikel oder unterstütze uns mit einer Spende.