{"id":220011,"date":"2026-03-11T16:11:23","date_gmt":"2026-03-11T15:11:23","guid":{"rendered":"https:\/\/liora.io\/de\/generalized-surrogate-safety-measure-verfaelscht-kollisionsrisiko"},"modified":"2026-03-11T16:11:23","modified_gmt":"2026-03-11T15:11:23","slug":"generalized-surrogate-safety-measure-verfaelscht-kollisionsrisiko","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/generalized-surrogate-safety-measure-verfaelscht-kollisionsrisiko","title":{"rendered":"Generalized Surrogate Safety Measure verf\u00e4lscht die Bewertung des Kollisionsrisikos"},"content":{"rendered":"

\nForschende haben ein neues KI-Modell entwickelt, das Fahrzeugkollisionen 2,6 Sekunden vor deren Eintreten vorhersagen kann und in Tests eine Genauigkeit von 90 % erreichte. Das System mit dem Namen Generalized Surrogate Safety Measure (GSSM) analysiert reale Fahrdaten, um Unfallrisiken zu identifizieren, und k\u00f6nnte Sicherheitssysteme sowohl in autonomen als auch in von Menschen gesteuerten Fahrzeugen revolutionieren, wie heute in Nature Machine Intelligence ver\u00f6ffentlichte Ergebnisse zeigen.\n<\/strong><\/p>\n

Die bahnbrechende Technologie nutzt einen kennzeichnungsfreien Lernansatz<\/b>, der eine der gr\u00f6\u00dften Herausforderungen der Automobilindustrie beseitigt: die Notwendigkeit, dass Menschen Millionen Stunden an Fahraufnahmen manuell sichten und annotieren, um gef\u00e4hrliche Situationen zu identifizieren. Diese skalierbare Methode erm\u00f6glicht es dem System, ohne menschliches Eingreifen kontinuierlich aus gro\u00dfen Mengen realer Fahrdaten zu lernen, so die Studie von Forschenden der Technischen Universit\u00e4t Delft.<\/p>

Das System wurde anhand von 2.591 realen Unfall- und Beinahe-Unfallereignissen<\/b> validiert und demonstrierte seine F\u00e4higkeit, Risiken in verschiedenen Szenarien zu erkennen, darunter Auffahrkollisionen, Einf\u00e4delsituationen und Abbiegevorg\u00e4nge. Die Basisversion, die lediglich momentane Fahrzeugbewegungen analysiert, erreichte eine Fl\u00e4che unter der Precision-Recall-Kurve von 0,9<\/b>, was auf eine au\u00dfergew\u00f6hnliche Genauigkeit bei der Unterscheidung echter Risiken von Fehlalarmen hinweist, berichteten die Forschenden in Nature Machine Intelligence.<\/p>\n\n

Technische Innovation<\/h2>
\"Innenansicht<\/figure>\n\n

Im Gegensatz zu bestehenden Sicherheitssystemen, die erst reagieren, wenn eine Kollision unmittelbar bevorsteht, identifiziert GSSM<\/b> Muster, die eine Gefahr lange vor dem Entstehen kritischer Situationen vorhersagen. Das Modell \u00fcbertraf bestehende Basissysteme in allen getesteten Szenarien konstant; die Leistung verbesserte sich weiter, als die Forschenden zus\u00e4tzliche kontextuelle Daten \u00fcber Interaktionsmuster zwischen Fahrzeugen einbezogen, so die Studie.<\/p>

Das Training des Systems erforderte den DelftBlue-Supercomputer<\/b>, doch das finale Modell l\u00e4uft effizient auf handels\u00fcblichen Fahrzeugrechnern, was einen Einsatz in Echtzeit sowohl f\u00fcr autonome Fahrzeuge als auch f\u00fcr fortschrittliche Fahrerassistenzsysteme erm\u00f6glicht.<\/p>\n\n

Einschr\u00e4nkungen und Weiterentwicklung<\/h2>\n\n

Die bisherigen Tests beschr\u00e4nkten sich gr\u00f6\u00dftenteils auf klares oder bew\u00f6lktes Wetter bei trockenen Stra\u00dfenbedingungen. Die Leistung unter extremen Wetterbedingungen wie Schnee, Eis oder dichtem Nebel ist noch nicht validiert, r\u00e4umten die Forschenden ein. Das System ist zudem auf hochwertige Sensordaten angewiesen und kann Schwierigkeiten haben, wenn andere Fahrzeuge verdeckt sind.<\/p>

Trotz dieser Einschr\u00e4nkungen markiert die Technologie einen grundlegenden Wandel von reaktiven zu proaktiven Sicherheitssystemen. Der kennzeichnungsfreie Trainingsansatz l\u00f6st einen wesentlichen Engpass der Branche und erm\u00f6glicht es Herstellern, Flottendaten f\u00fcr kontinuierliche Verbesserungen zu nutzen, ohne kostspielige manuelle Pr\u00fcfprozesse.<\/p>

Das Framework k\u00f6nnte standardisierte Sicherheitsbenchmarks f\u00fcr Regulierungsbeh\u00f6rden etablieren, welche verschiedene autonome und Fahrerassistenztechnologien bewerten, was die Einf\u00fchrung sichererer Fahrzeuge beschleunigen und zugleich das \u00f6ffentliche Vertrauen in automatisierte Systeme st\u00e4rken k\u00f6nnte, schlussfolgerten die Forschenden.<\/p>\n

\n

\n Sources\n <\/h3>\n
    \n
  • doi.org<\/li>
  • arxiv.org<\/li>\n <\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"

    Forschende haben ein neues KI-Modell entwickelt, das Fahrzeugkollisionen 2,6 Sekunden bevor sie passieren vorhersagen kann und in Tests eine Genauigkeit von 90 % erzielt. Das System namens Generalized Surrogate Safety Measure (GSSM) analysiert reale, aufgezeichnete Fahrdaten, um Unfallrisiken zu identifizieren, und k\u00f6nnte Sicherheitssysteme sowohl in autonomen als auch in von Menschen gesteuerten Fahrzeugen revolutionieren, wie heute in Nature Machine Intelligence ver\u00f6ffentlichte Ergebnisse zeigen.<\/p>\n","protected":false},"author":87,"featured_media":220000,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2475],"class_list":["post-220011","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-nachrichten"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/220011","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/87"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=220011"}],"version-history":[{"count":0,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/220011\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/220000"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=220011"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=220011"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}