Autonomy 2.0: Software frisst Auto

Nach mehr als einem Jahrzehnt technologischer Experimente erreicht das autonome Fahren eine neue Reife. Was lange als ein fernes Forschungsprojekt wirkte, wird zunehmend zur industriellen und kommerziellen Realität. Pilotprogramme weiten sich aus, regulatorische Rahmenbedingungen festigen sich, und der zugrundeliegende Technologie-Stack hat sich erheblich weiterentwickelt. Die globale kumulative Fahrleistung vollständig fahrerloser Fahrzeuge hat inzwischen rund 536 Millionen Meilen erreicht. Parallel dazu flossen allein 2025 fast 193 Milliarden Dollar Risikokapital in KI-Startups – fast die Hälfte des gesamten globalen Venture-Kapitals. Investoren setzen zunehmend darauf, dass die nächste technologische KI-Spitzenleistung nicht in der digitalen Welt liegt, sondern in der physischen – in Fahrzeugen, Robotern und vernetzter Infrastruktur.

Warum Stufe 3 der entscheidende Sprung ist

Das Klassifikationssystem der Society of Automotive Engineers (SAE) unterscheidet sechs Automatisierungsstufen – von Level 0 bis Level 5. Der technologisch entscheidendste Sprung liegt zwischen Level 2 und Level 3: Ab Level 3 übernimmt das System die Umgebungsüberwachung und der Mensch muss nicht mehr permanent eingreifen. Echte Autonomie beginnt jedoch erst ab Level 4, wo Fahrzeuge innerhalb definierter Bedingungen vollständig ohne menschliche Intervention auskommen. Level 5 – die vollständige Autonomie unter allen denkbaren Bedingungen – bleibt die große offene Herausforderung.

Abbildung 1: Die SAE-Stufengrafik

^{Quelle: Synopsys "Automotive Executive Guide" (2025) and Stifel Research}

Sicherheit als Treiber der Akzeptanz

Erste operative Daten zeigen ermutigende Signale: Verglichen mit menschlichen Fahrern wurden bei vollständig fahrerlosen Einsätzen deutlich niedrigere Unfallraten gemessen – in einigen Kategorien wie Schwerverletzten-Unfällen oder Unfällen mit Fußgängern lagen die Reduktionen bei über 80 Prozent. Die Datenbasis bleibt noch schmal und einheitliche Berichtsstandards fehlen. Dennoch könnte die Sicherheit zum stärksten Argument für gesellschaftliche Akzeptanz werden – und damit Regulierung, Versicherungsmodelle und Einführung beschleunigen.

Abbildung 2: Waymo Crash-Rate-Vergleich zum Benchmark

^{Quelle: Waymo company reports (2025) and Stifel Research}

Software frisst Auto – und KI steuert es

Es findet derzeit ein Übergang von der dezentralisierten ECU-Architektur, in der ein klassisches Auto rund 100 kleine, spezialisierte Steuergeräte – je eines für ABS, Airbags, Klimaanlage usw. – hatte, hin zur zentralisierten E/E-Architektur. Diese hat weniger, aber dafür hochleistungsfähige Recheneinheiten. Vergleichbar ist diese Entwicklung mit der des Smartphones, das viele Funktionen auf einem einzigen Chip bündelt – und sie ist die entscheidende strukturelle Weichenstellung. Softwaregesteuerte Fahrzeuge werden zu dynamisch verbesserbaren Plattformen: Updates erfolgen drahtlos und Erlösströme entstehen aus Funktions-Abonnements und Feature-Aktivierungen. Das erfordert jedoch, dass Hersteller weniger als traditionelle Produzenten und mehr als Technologieunternehmen operieren.

Bayerische und deutsche Unternehmen spielen dabei eine wichtige Rolle: BMW verfolgt mit seinem Fahrerassistenzsystem „Personal Pilot“ schrittweise eine Automatisierung. Volkswagen hat mit seinem Milliarden-Joint-Venture mit dem US-Elektroauto-Startup Rivian dessen zonenbasierte Fahrzeugarchitektur – eine spezifische Form der E/E-Architektur – und digitale Fahrzeugplattform in das gemeinsame Unternehmen eingebracht und damit eigene Entwicklungszeiten verkürzt.

Diese neuen Softwarearchitekturen schaffen jedoch nur die Grundlage. „Physical AI“ – KI-Systeme, die direkt in der physischen Welt wahrnehmen, denken und handeln können – wird zum entscheidenden Beschleunigungsfaktor für autonomes Fahren. Das System lernt selbst, was relevant ist. Im Automobilbereich bedeutet dies, dass die KI nicht nur einzelne Funktionen unterstützt, sondern sie koordiniert Wahrnehmung, Vorhersage, Planung und Steuerung über den gesamten Fahrprozess hinweg in Echtzeit. Physical AI schließt somit die Lücke zwischen digitaler Berechnung und mechanischer Ausführung.

Eine Umverteilung der Wertschöpfung

Autonomes Fahren verteilt die Wertschöpfung fundamental um – weg vom mechanischen Zusammenbau, hin zu Software, Daten und Betriebsplattformen. Für traditionelle Zulieferer wie Bosch, Continental oder ZF Friedrichshafen stellt sich die strategische Frage: Bleiben sie Hardwarelieferanten, oder gelingt ihnen der Aufstieg zu Anbieter kompletter Software- und Systemlösungen?

Das traditionelle Ingenieursmotto „lieber spät, aber perfekt“ verliert an Relevanz –Geschwindigkeit bei der Markteinführung ist zur strategischen Variable geworden. Wer früher das System ausrollt, sammelt mehr reale Fahrdaten, baut so schneller regulatorisches Vertrauen auf und sichert sich den Vorteil eines „Ökosystem-Lock-in“ – also eine technische und vertragliche Abhängigkeit von einem einzigen Anbieter. Dies verbindet einen Wechsel zu Konkurrenzlösungen mit hohem Aufwand oder Datenverlust. Die Sieger des autonomen Zeitalters werden voraussichtlich nicht diejenigen sein, die auf fehlerfreie Universalität gewartet haben – sondern jene, die unter realen Bedingungen am schnellsten gelernt und dabei ihre Sicherheitsglaubwürdigkeit bewahrt haben.