2025: Das Jahr, in dem selbstfahrende Autos zum Mainstream werden?

Wann kommen selbstfahrende Autos?

Wenn es um disruptive Technologien geht, die unmittelbar bevorzustehen scheinen, scheinen nur wenige so große Auswirkungen auf die Wirtschaft und die Gesellschaft als Ganzes zu haben wie das autonome Fahren oder „selbstfahrende Fahren“, mit Ausnahme natürlich vielleicht der AGI (Künstlichen Allgemeinen Intelligenz).

Dies liegt an der enormen Anzahl von Arbeitsplätzen und Aufgaben, die das Fahren von Fahrzeugen erfordern. Dies beginnt bei den Fahrerberufen wie Taxifahrern, Lieferdiensten, Lkw-Fahrern usw. Aber noch grundlegender ist, dass der Großteil der Weltbevölkerung diese Aufgabe unbezahlt verrichtet und dabei oft Stunden ihres Tages verschwendet. jeden Tag, hinter dem Steuer.

Dies stellt einen massiven Produktivitätsverlust dar, der die Wirtschaft, unser tägliches Leben und unsere Kultur belastet. Aus diesem Grund wurde prognostiziert, dass Robotaxis bereits im Jahr 2023 bis zu vier Billionen Dollar an Einnahmen.

Die Entwicklung wirklich autonomer Fahrzeuge ist jedoch schwierig, und bisher gibt es noch keine vollautomatisierten Transportmittel auf den Straßen. Wie nah sind wir an der großflächigen Einführung selbstfahrender Fahrzeuge?

Enormes Potenzial für autonomes Fahren

Zurück in 2023, Der Bericht „Big Ideas“ von ARK Invest prognostizierte enorme potenzielle Einnahmen für Robotertaxis, wobei bis 9 Einnahmen von bis zu 2030 Billionen US-Dollar prognostiziert werden..

Quelle: ARK Invest „Große Ideen 2023“, Seite 113

Hinter dieser Idee steht die grundlegende wirtschaftliche Tatsache, dass Robotertaxis die Notwendigkeit eines eigenen Autos verringern könnten, solange die Fahrten günstig genug sind.

Dadurch kann eine positive Rückkopplungsschleife entstehen, bei der günstige Tarife die Nachfrage steigern, was wiederum die Auslastung der Robotertaxis erhöht, die Kapitalkosten weiter amortisiert, die Preise senkt, was wiederum die Nachfrage weiter steigert usw.

Darin heißt es, dass autonome Taxidienste, wenn es den Dienstleistern gelingt, diesen Betrag auf 0.25 Dollar pro Meile zu senken, „kostengünstiger sein als 95 % der Kurzstreckenreisen.“

Die Wirtschaftlichkeit des autonomen Fahrens ist noch einfacher, wenn es um den Transport von Gütern wie Lkw und Schiffen geht. Fahrer und Besatzung sind hier lediglich Kosten, die aus der Geschäftsstruktur entfernt werden können, wenn die autonomen Systeme zuverlässig genug sind, um sie zu ersetzen.

Quelle: ARCHE Invest

Insgesamt besteht also kein Zweifel daran, dass selbstfahrende Fahrzeuge enorme Gewinne einbringen würden. Deshalb haben so viele Technologieunternehmen Milliarden in die Entwicklung dieser Technologie gesteckt. Doch es scheint, als sei die Lösung ein schwieriges Rätsel.

Aufbau des Tech-Stacks für selbstfahrende Fahrzeuge

Unterstützende Techniker

Bevor wir uns mit dem Kern autonomer Fahrzeuge befassen, nämlich der KI, die sie steuert, können wir kurz erörtern, warum selbstfahrende Autos, aber auch Drohnen und andere Dinge im letzten Jahrzehnt wirtschaftlich rentabel geworden sind.

Ein Grund dafür sind die sinkenden Kosten für Sensoren und Rechenleistung. Man vergisst leicht, dass das erste iPhone erst 2007 auf den Markt kam und dass ein Telefon mit einer guten Kamera, das wie ein Minicomputer funktionierte, damals – vor weniger als 20 Jahren – eine Revolution war.

Seitdem sind Optiken, Sensoren, Chips und andere elektronische Komponenten immer günstiger, leistungsfähiger und zuverlässiger geworden.

Der Aufstieg der Elektrofahrzeuge seit dem ersten Tesla Roadster im Jahr 2008 hat auch die Funktionsweise von Fahrzeugen verändert. Das neue Elektroauto kann mit seiner riesigen Batterie und seinem Antriebsstrang enorme Mengen an elektrischer Energie erzeugen, wodurch die Stromversorgung der selbstfahrenden Chips und Sensoren zu einer fast trivialen Angelegenheit wird.

Elektroautos sind zudem mechanisch deutlich zuverlässiger, können deutlich längere Strecken mit geringerem Verschleiß zurücklegen und sind pro Kilometer deutlich günstiger im Kraftstoffverbrauch. Für viele Nutzer sind sie daher das perfekte „Robottaxi“, das den ganzen Tag fährt. Im Vergleich dazu wäre die Wirtschaftlichkeit selbstfahrender Technologien deutlich geringer, wenn sie auf Fahrzeuge mit Verbrennungsmotor angewiesen wären.

Insgesamt sind die heutigen Autos mit 300 bis 1,000 Chips pro Auto schon so etwas wie ein Computer auf Rädern, und manche Elektrofahrzeuge verfügen sogar über bis zu 3,000 Chips pro Auto. Es fehlt nur noch das „Gehirn“, um selbst zu fahren.

Quelle: Polar Semi

Straßen verstehen

Die grundlegendsten Funktionen, wie etwa die Erkennung der Straße von Punkt A nach Punkt B, sind mit den meisten selbstfahrenden KI-Systemen seit über einem Jahrzehnt problemlos zu bewältigen, insbesondere seit der Masseneinführung von GPS- und „Karten“-Apps, die die erforderlichen Daten bereitstellen.

Die Schwierigkeit besteht darin, dass das Auto versteht, was sich auf der Straße ändert: Wetterbedingungen, andere Autos, Fußgänger, Fahrräder, Tiere usw.

Auch hier erwies sich die allgemeine Problematik als relativ schnell gelöst, da Systeme, die „assistiertes Fahren“ auf Autobahnen ermöglichen, einer weitaus weniger anspruchsvollen Umgebung, bereits in den meisten Luxusautos vorhanden sind.

Schwieriger zu bewältigen sind jedoch komplexere Situationen wie Baustellen, Innenstadtbereiche, die Anwesenheit von Fußgängern und Verkehrsunfälle.

Generell werden selbstfahrende Systeme in einem Spektrum eingestuft, das von der bloßen Unterstützung beim Halten der Geschwindigkeit und beim Einparken bis hin zum idealisierten, perfekten selbstfahrenden Fahrzeug reicht. Die letzte Stufe, L5, also die vollständige Automatisierung ohne Fahrer, ist noch nicht erreicht.

Quelle: MobileEye

Das Versagen der Autonomiestufe L5 liegt in der Regel an seltenen Fällen, in denen die KI verwirrt ist. Beispielsweise könnte ein Computer Schwierigkeiten haben, die Situation eines Autos in einem mehrstöckigen Parkhaus zu verstehen:

„Das Fahrzeug dachte, die im Parkhaus geparkten Autos blockierten die Straße. Es dachte: ‚Auto steht, fahr um den Bordstein herum.‘“

Wenn ein System auf etwas stößt und nicht weiß, was es dagegen tun soll, bleibt das Auto in vielen Fällen einfach stehen.“

David Fritz - Vice-Präsident für hybride physische und virtuelle Systeme bei Siemens Digital Industries Software

Hardware für neuronale Netzwerke

Die meisten der jüngsten Fortschritte in der KI basieren auf neuronale Netzwerktechnologie, die 2024 mit dem Nobelpreis für Physik ausgezeichnet wurdeIm Gegensatz zur herkömmlichen Datenverarbeitung, die für jede Situation einen starren Satz von Befehlen erfordert, können sich neuronale Netzwerke an ihre Trainingsbedingungen anpassen, um die entsprechende Reaktion bereitzustellen.

Quelle: Nobelpreis

Dadurch sind sie von Natur aus besser im Umgang mit „chaotischen“ Situationen, in denen die Eingaben sehr unterschiedlich sind und die Daten für einen Computer immer etwas verwirrend („verrauscht“) sind.

Lange Zeit wurden neuronale Netzwerke auf GPUs trainiert und ausgeführt, wodurch Computergrafikkarten zu KI-Hardware umfunktioniert wurden. In jüngster Zeit wird Hardware speziell für KI und neuronale Netzwerke entwickelt.

Unter anderem KI-Hardware (die Wir haben dies in einem eigenen Bericht ausführlicher besprochen.), sind neuronale Netzwerkprozessoren (NNPs) besonders relevant für selbstfahrende KI. Sie werden auch als Neural Processing Units (NPUs) oder neuromorphe Chips bezeichnet und können eine Operation mit nur einer Berechnung abschließen, anstatt mit mehreren tausend, wie bei generalistischer Hardware.

Aufgrund dieser Energieeffizienz werden NPUs gerne für das sogenannte „Edge Computing“ eingesetzt, bei dem die Berechnungen vor Ort statt in der Cloud erfolgen.

Da autonomes Fahren zuverlässig und sehr schnell reagieren muss und nicht von einer Verbindung abhängig sein darf, beruht es größtenteils auf Edge Computing, bei dem ein neuronales Netzwerk lokal ausgeführt wird, auch wenn das Training der KI zuvor in der Cloud durchgeführt wurde.

Die richtige Technologie auswählen

Geofencing vs. freies Fahren

Warum Geofencing?

Eine wichtige Entscheidung hinsichtlich Technologie und Geschäftsstrategie für zukünftige Unternehmen, die selbstfahrende Autos herstellen, war die Entscheidung, ob Geofencing eingesetzt werden soll oder nicht.

Beim Geofencing wird ein selbstfahrendes System speziell darauf trainiert, nur in einem begrenzten geografischen Bereich zu funktionieren, wodurch eine virtuelle Grenze für den Betrieb des autonomen Fahrsystems festgelegt wird.

Die Idee ist, dass das KI-System durch die Begrenzung des Bereichs gut genug lernen kann folgende Straßen, auf denen man sicher fahren kann.

„Die Beschränkung des Bereichs auf ‚privatere‘ Bereiche oder sogar auf Bürgersteige anstelle von Straßen kann die Art der Interaktion des Fahrzeugs mit anderen Objekten wie Autos, Lastwagen, Radfahrern und Fußgängern erheblich reduzieren.“

Robert Day – Direktor für Automobilpartnerschaften für Arm Automotive und IoT.

Durch die Reduzierung der Anzahl der Fälle, mit denen die KI sich befassen muss, sowie der Straße und der möglichen Pfade wird der erforderliche Rechenaufwand erheblich reduziert, was sich auch auf die erforderliche Hardware auswirkt.

 „Die durch Geofencing vorgegebenen Grenzen haben einen tiefgreifenden Einfluss auf die Fähigkeiten, die ein autonomes Fahrzeug benötigt, was wiederum Auswirkungen auf die Hardware hat, die für den Betrieb der autonomen Systeme erforderlich ist.“

Robert Day – Direktor für Automobilpartnerschaften für Arm Automotive und IoT.

Dies schränkt die Einsatzmöglichkeiten autonomer Fahrzeuge jedoch stark ein. Das bedeutet, dass das Unternehmen für selbstfahrende Fahrzeuge für jede neue Stadt einen individuellen Satz Trainingsdaten erstellen muss. In der Regel werden dazu die Fahrzeuge vor der Markteinführung mehrere Jahre lang manuell in den entsprechenden Gebieten gefahren.

Dies macht den Ansatz ziemlich kostspielig.

Dies macht selbstfahrende Autos außerdem nur für Robotaxi-Unternehmen attraktiv, während Einzelpersonen wahrscheinlich weiterhin ein eigenes Auto benötigen, da sie gelegentlich aus den Geofencing-Bereichen herausfahren möchten, die normalerweise auf die Innenstadt oder nur eine Stadt beschränkt sind.

Wenn die Branche an diesem Paradigma festhält, werden die meisten der von der Masseneinführung von Robotertaxis erwarteten Vorteile einfach nicht eintreten.

Rechtliche und geschäftliche Auswirkungen von Geofencing

Gleichzeitig kann die Entscheidung für ein direktes bis vollständiges autonomes Fahren ohne jegliche Einschränkung kontraproduktiv sein.

Dies kann die Einführung autonomer Dienste verzögern, da diese zunächst überall perfekt sein müssen, anstatt zunächst in einer begrenzten Liste von Städten eingeführt zu werden, wo sie bereits Millionen von Benutzern erreichen könnten.

Ein weiteres Problem sind die Vorschriften und Gesetze rund um selbstfahrende Systeme. Die Regulierungsbehörden zeigen sich zwar zurückhaltend, akzeptieren aber die langsame Einführung von Geofencing-Lösungen, insbesondere wenn die Sicherheit in einer bestimmten Zone bereits nachgewiesen wurde.

Doch für eine weltweite und uneingeschränkte Zulassung selbstfahrender Autos bedarf es nicht nur einer lokalen Genehmigung, sondern auch noch zu schaffender nationaler Gesetze und Vorschriften.

Da sich die Gesetzgebung oft viel langsamer entwickelt als die Technologie, könnte sich dies als ernstes Problem für die unbegrenzte Einführung der Autonomiestufe L5 erweisen, selbst wenn alle technischen Probleme bereits gelöst sind.

LIDAR vs. reine Kameras

Eine weitere Debatte in der Branche betrifft den Einsatz von LIDAR (Light Detection and Ranging, kurz „Laserradar“). LIDAR nutzt Laserstrahlen, um nahe Objekte zu erkennen und so ein Echtzeit-3D-Modell der Umgebung zu erstellen.

Quelle: Autoweek

LIDAR-Systeme werden normalerweise auf dem Dach selbstfahrender Autos angebracht, was eine ziemlich sperrige Ergänzung darstellt.

Ein Vorteil von LIDAR besteht darin, dass es mehr sehen kann als Kameras und Entfernungen hervorragend einschätzt. Dadurch ist es besonders nützlich, um Unfälle bei hohen Geschwindigkeiten zu vermeiden. Es funktioniert auch perfekt bei Dunkelheit oder schlechten Lichtverhältnissen.

Quelle: Forbes

Oft wird LIDAR in Verbindung mit Radar verwendet, um Objekte auch unter schwierigen Bedingungen, wie beispielsweise Nebel, zu erkennen.

Die meisten autonomen Fahrtechnologien basieren auf LIDAR, um die Sicherheit zu erhöhen, mit Ausnahme von Tesla (TSLA + 1.89%), aber es bringt einige Nachteile mit sich.

Der erste Grund sind die Kosten. Da die meisten High-End-LIDAR-Systeme zwischen 70,000 und 80,000 US-Dollar kosten, sind selbstfahrende Autos ziemlich teuer. Das wird vielleicht nicht ewig so bleiben, da es Anzeichen dafür gibt, dass LIDAR in letzter Zeit viel billiger geworden ist, insbesondere für Low-End-LIDARs, wodurch diese möglicherweise kommerziell rentabler werden.

„Es geht sowohl um das Volumen als auch um die Technologie selbst. Die Automobilindustrie ist auf Skaleneffekte angewiesen, um Kosten zu senken. Wenn das Anwendungsvolumen steigt, sinken die Kosten.“

Eine LiDAR-Einheit kostete beispielsweise früher 30,000 Yuan (ca. 4,100 US-Dollar), heute kostet sie nur noch rund 1,000 Yuan (ca. 138 US-Dollar) – eine dramatische Senkung.“

Li Chuanhai – Vizepräsident der Geely Auto Group

LIDAR ist eine ziemlich komplexe Technologie mit vielen beweglichen Teilen (rotierenden Minispiegeln), was ein Grund für die hohen Kosten ist und die Wartung und Zuverlässigkeit zu einem Problem machen kann.

Schließlich wird jede KI, die mit LIDAR-Daten trainiert wird, diese wahrscheinlich für immer benötigen, um eine gute Leistung zu erzielen, da diese Anforderung tief im neuronalen Netzwerk verankert ist. Unternehmen, die LIDAR zum Trainieren ihres selbstfahrenden Systems einsetzen, könnten daher in Zukunft darauf angewiesen sein.

Wie sicher müssen selbstfahrende Autos sein?

Eine zentrale Frage für Regulierungsbehörden und Nutzer ist, wie sicher ein selbstfahrendes Auto sein muss. Theoretisch sollten selbstfahrende Autos, wenn sie fünfmal sicherer sind als ein menschlicher Fahrer, schnell eingeführt und als Fortschritt begrüßt werden.

In der Praxis zögern die Menschen jedoch sehr, einer Maschine zu vertrauen, die nur unwesentlich sicherer ist als der fehleranfällige Mensch. Außerdem neigen Menschen dazu, ihre Fahrfähigkeiten zu überschätzen.

Obwohl selbstfahrende Systeme seit Jahren deutlich sicherer sind als von Menschen gesteuerte Autos (wie die Daten von Tesla bereits im Jahr 2023 zeigen), hält sich die Wahrnehmung, dass jeder Unfall ein „Versagen“ der KI sei, hartnäckig.

Auch die Aufzeichnung jedes Unfalls durch die Kameras der Autos und die Reaktionen der Mainstream- und sozialen Medien helfen nicht weiter.

Quelle: ARCHE Invest

Daher ist es wahrscheinlich, dass die sehr hohe Messlatte von 10- bis 100-mal mehr Sicherheit als ein menschlicher Fahrer erreicht werden muss, um die Zulassung für völlig uneingeschränktes autonomes Fahren auf Stufe L5 auf allen Straßen zu ermöglichen.

Selbstfahrende Unternehmen

Waymo

Wenn es um den Einsatz tatsächlicher Robotertaxis geht, zeichnet sich ein klarer Marktführer ab: Google-verbunden WaymoIm April 2025 war Waymo bereits 250,000 bezahlte Robotaxis-Fahrten pro Woche in den USA, hauptsächlich in Austin, Phoenix und der San Francisco Bay Area, mit einer monatlichen Fahrleistung von einer Million Meilen.

Der Erfolg von Waymo beruht auf einem frühen Start (das Unternehmen wurde 2010 gegründet, die Technologie reicht bis ins Jahr 2005 zurück) und einem sehr vorsichtigen Ansatz: Die Robotertaxis sind geofenced und verlassen sich stark auf High-End-LIDAR-Systeme. Damit hat Waymo das Rennen um sicheres autonomes Fahren gewonnen, auch wenn es bislang auf wenige Bereiche beschränkt ist.

Dies hat Waymo geholfen, wertvolle Allianzen zu schließen, wie eine strategische Partnerschaft mit Toyota, der weltweit größte Automobilhersteller nach verkauften Einheiten (>10 Millionen pro Jahr).

Toyota und Waymo wollen ihre jeweiligen Stärken bündeln, um eine neue Plattform für autonome Fahrzeuge zu entwickeln. Parallel dazu untersuchen die Unternehmen, wie sie Waymos autonome Technologie und Toyotas Fahrzeug-Know-how nutzen können, um die nächste Generation von Privatfahrzeugen (POVs) zu verbessern.

Toyota hat sich zum Ziel gesetzt, eine Gesellschaft ohne Verkehrsunfälle zu verwirklichen und ein Mobilitätsunternehmen zu werden, das Mobilität für alle bietet.

Hiroki Nakajima - Executive Vice President der Toyota Motor Corporation

(Sie können lesen mehr über Toyota im speziellen Investitionsbericht)

Tesla

Der andere große Konkurrent im Rennen um selbstfahrende Autos und Robotertaxis ist Tesla.

Das Unternehmen hatte einen großen Vorteil darin, dass alle verkauften Fahrzeuge mit Kameras ausgestattet sind, von denen das Unternehmen erwartet, dass sie ausreichen, um seine KI zu trainieren, ohne dass LIDAR erforderlich ist, oder sogar Radargeräte.

Das bedeutet, dass Tesla Millionen von Kilometern an Trainingsdaten „kostenlos“ erhält, die von Käufern von Teslas unter realen Bedingungen bereitgestellt werden. Im Gegensatz dazu müssen fast alle anderen Unternehmen für selbstfahrende Fahrzeuge Fahrer dafür bezahlen, jahrelang in jedem geofenced Gebiet auf realen Straßen zu fahren, was die Kosten erheblich erhöht.

Quelle: ARCHE Invest

Die Veröffentlichung von Full Self-Driving (FSD) durch Tesla wurde jedoch eine ständig „bald“ und dann mehrere Jahre lang verzögerte Ankündigung (ausgehend von den Erwartungen an autonome Autos, die im Jahr 2018 verfügbar sein werden), was zu einige scharfe Kritik an der Festlegung unrealistischer Erwartungen.

Dies könnte sich jedoch nun endlich ändern, mit Texas erteilt Tesla Robotaxi im August 2025 die Genehmigung für den Betrieb eines Mitfahrdienstes, nach einem Testlauf in Austin seit Juni 2025. Vorerst ist noch ein Tesla-Mitarbeiter als Sicherheitswächter an Bord.

Tesla ist also wie immer umstritten. Manche sehen in der Zulassung in Texas den ersten Schritt zur großflächigen Einführung von FSD und sehen in der menschlichen Sicherheitsüberwachung ein vorübergehendes Problem, während andere glauben, dass Tesla niemals wirklich autonome Robotertaxis auf den Markt bringen wird.

Die Wahrheit liegt wahrscheinlich irgendwo dazwischen.

Theoretisch gilt: Wenn Menschen nur ihre Augen zum Autofahren nutzen können, kann das auch eine KI. Daher sollte die ausschließliche Nutzung von Kameras kein Problem mehr sein. Gleichzeitig hat diese ehrgeizige Strategie, die langfristig richtig sein könnte, Teslas kurzfristigen Einsatz deutlich behindert, egal wie positiv Elon Musk darüber sprechen möchte.

(Sie können lesen mehr über Tesla im speziellen Investitionsbericht)

Baidu

Baidu, Chinas führende Suchmaschine, folgt den Spuren von Google mit Apollo Go, seine eigenen selbstfahrenden Autos.

Baidu ist in mehreren chinesischen Städten auf einen vollständig fahrerlosen Betrieb umgestiegen und hat die Sicherheitsfahrer aus seinen Fahrzeugen entfernt.

Baidu schloss im Juli 2025 einen Deal mit Uber ab seine selbstfahrenden Autos auch außerhalb der USA und Chinas auf den Markt zu bringen.

Die beiden Unternehmen sagten, dass im Rahmen der mehrjährigen Partnerschaft weltweit Tausende autonomer Fahrzeuge vom Typ „Apollo Go“ von Baidu bei Uber zum Einsatz kommen werden.

Baidu hat im zweiten Quartal 899,000 bereits 2024 Fahrten vermittelt. Bis 2025 werden die Pilotzonen auf 20 Städte ausgeweitet sein.

In 2024, Baidu hat seine autonome Fahrtechnologie als Open Source veröffentlicht. Dies bestätigt einen Trend der chinesischen KI-Technologie hin zu Open Source, wie ein ähnlicher Schritt zeigt von der generalistischen KI-Sensation DeepSeek.

Auf dem US-Markt dürfte Baidu angesichts der Handelsspannungen und der Sorge um die Daten seiner Nutzer kaum große Fortschritte machen, doch im Ausland könnte das Unternehmen – insbesondere mit der Unterstützung von Uber – ein ernstzunehmender Konkurrent von Waymo und Tesla werden.

zoox

Zoox, eine Tochtergesellschaft von Amazon, ist leicht an ihrem einzigartigen Design zu erkennen. Die Robotaxis sind spezielle Fahrzeuge, die über die üblichen Merkmale eines normalen Autos hinausgehen.

Quelle: TechCrunch

Das Unternehmen eben eine Ausnahme von der Erweitertes Ausnahmeprogramm für automatisierte Fahrzeuge der National Highway Traffic Safety Administration, um seine speziell angefertigten Robotertaxis auf öffentlichen Straßen zu testen. Dies ist ein wichtiger Schritt, da den Robotertaxis von Zoox wesentliche Merkmale normaler Autos wie Lenkrad und Pedale fehlen.

Zoox startete im Juni 2025 seine erste Produktionslinie für seine Fahrzeuge, mit dem Ziel zu produzieren mehr als 10,000 Robotaxis jährlich. Dies folgt auf Tests, die in mehreren US-Städten durchgeführt und auf weitere Städte ausgeweitet wurden: Las Vegas, San Francisco Bay Area, Seattle, Austin, Miami, Los Angeles und Atlanta.

Zoox plant nun, in den nächsten Jahren kommerzielle Robotaxi-Fahrangebote in Las Vegas, San Francisco und dann in Austin und Miami einzuführen.

(Sie können lesen mehr über Amazon im speziellen Investitionsbericht)

Wir fahren

WeRide wurde 2017 im Silicon Valley gegründet und hat seinen Hauptsitz in China. Das Unternehmen hat weltweit zahlreiche Tests durchgeführt, insbesondere in den Vereinigten Arabischen Emiraten. ein Bereich, in dem es jetzt dank einer Partnerschaft mit Uber expandiert. Es ist auch Jetzt wird in Peking rund um die Uhr ein Robotaxi eingesetzt.

Um möglichen Sichtproblemen bei Nacht zu begegnen, ist das Robotaxi von WeRide mit mehr als 20 Sensoren ausgestattet, darunter hochpräzise, hochdynamische Kameras und Highline-Lidars am gesamten Fahrzeug.

In Kombination mit seinem Multisensor-Fusionsalgorithmus und der Hochleistungs-Computerplattform erreicht das System eine 360°-Abdeckung ohne toten Winkel in einem Erfassungsbereich von bis zu 200 m.

Mobileye

Mobileye ist ein in Israel ansässiges Unternehmen, das 2017 von Intel übernommen und 2022 erneut an die Börse gebracht wurde.

Obwohl es trotz vielversprechender Technologien Probleme im Unternehmen geben könnte, mit der Nachricht im Juli 2025, dass Intel Entlassungen plant und 8 % seiner Beteiligung an dem Unternehmen verkaufen wird.

Es ist möglich, dass dies eher allgemeinere Probleme bei Intel widerspiegelt, Das Unternehmen entlässt auch in anderen Bereichen Mitarbeiter.

Dies könnte jedoch für Mobileye immer noch ein Problem darstellen, da es die Höhe der Mittel und der Unterstützung, die es von seiner Muttergesellschaft erwarten kann, verringern würde, was das Unternehmen beispielsweise im Vergleich zu Waymo oder Zoox benachteiligen würde.

(Sie können lesen mehr über Intel im speziellen Investitionsbericht)

Aurora-Innovation

Das Unternehmen konzentriert sich stärker auf selbstfahrende Lkw, insbesondere auf Autobahnfahrten, die den überwiegenden Teil der von Lkw gefahrenen Kilometer ausmachen.

Im Mai 2025 absolvierte Aurora seine erste wirklich fahrerlose Fahrt, nachdem es drei Millionen autonome Meilen zurückgelegt und dabei mehr als 10,000 Kundenladungen transportiert hatte.

Das Unternehmen wurde von Chris Urmson gegründet, einem frühen Leiter des selbstfahrenden Autoprojekts von Google, das heute unter der Marke Waymo bekannt ist.

„Ich fahre mit 65 Meilen pro Stunde über die Autobahn, nicht hinter dem Steuer, sondern auf dem Rücksitz, und beobachte die Landschaft, während eine LKW-Ladung Gebäck von der Technologie angetrieben wird, die ich mitentwickelt habe.“

Aurora plant, seinen fahrerlosen Service bis Ende 2025 auf El Paso (Texas) und Phoenix (Arizona) auszuweiten.

Diejenigen, die aufgegeben haben

Während die erfolgreichen Unternehmen es nun so aussehen lassen, als sei es nur eine Frage der Ausdauer, um das Rennen um das autonome Fahren zu gewinnen, lohnt es sich, an die Projekte zu erinnern, die auf dem Weg dahin gescheitert sind:

• General Motors gab Cruise im Dezember 2024 auf.
• Apple hat seine eigenen Pläne für selbstfahrende Autos im April 2024 aufgegeben.
• Uber verkaufte seinen Geschäftsbereich für selbstfahrende Autos an Aurora Technologies .

Selbstfahren ohne Auto

Viele Unternehmen arbeiten am autonomen Fahren, konzentrieren sich dabei aber auf andere Systeme als Autos.

So sind beispielsweise kleine Lieferroboter, technisch gesehen selbstfahrende Fahrzeuge, klein genug, um den für Autos geltenden Vorschriften zu entgehen. Die führenden Anbieter von rollenden Robotern sind derzeit Estnische Raumschifftechnologien, gestartet von den Skype-Mitbegründern und dem chinesischen E-Commerce-Riesen Alibaba ; beide haben ein kleines und harmloses Design übernommen, das den Droiden aus Star Wars nicht unähnlich ist.

Quelle: Starship

Aus regulatorischen Gründen und aufgrund der enormen Auswirkungen eines Unfalls mit schweren Fahrzeugen sind autonome Lkw immer noch auf menschliches Eingreifen angewiesen. Unternehmen wie Kodiak, Gatik und Pony.ai dem Beispiel von Aurora Innovation folgen.

Eine weitere Idee ist, sich bei der Lieferung kleiner und leichter Gegenstände auf fliegende Drohnen zu verlassen. Bisher ist der Spitzenreiter eindeutig Seilrutsche, Gefolgt von Flügel mit einem Meituan (3690.HK). Dies könnte eine echte Revolution sein, ist jedoch mit noch mehr regulatorischen Hürden konfrontiert als selbstfahrende Lieferwagen, sodass eine großflächige Einführung möglicherweise länger dauern könnte.

Quelle: ARCHE Invest

Fazit

Nach Jahren langsamer Entwicklung trotz der von Elon Musk und anderen führenden Köpfen auf diesem Gebiet erhofften „bald bevorstehenden“ Einführung vollautonomer Autos ist das Jahr 2025 ein klarer Beschleunigungszeitpunkt für die Technologie des autonomen Fahrens.

In vielen Städten, die frühzeitig die Chance ergriffen haben, sind Robotertaxis mittlerweile alltäglich auf den Straßen unterwegs, was die Kosten für die Mitfahrgelegenheiten senkt.

Bisher scheinen die USA und China die beiden Länder zu sein, die weltweit die Nase vorn haben, sowohl was die Anzahl der führenden Unternehmen als auch die flexibleren Vorschriften betrifft. Die positive Rückkopplungsschleife zwischen Innovation und einem einladenden Regulierungsrahmen dürfte für Ökonomen in der Zukunft eine wertvolle Fallstudie sein.

Bislang scheint die Vision begrenzter, geofenced und langsam eingesetzter Robotertaxis mit einem vollständigen Satz Kameras, LIDAR, Radar und anderen Sensoren die erfolgversprechende Kombination zu sein, um völlig ohne Fahrer auszukommen.

Waymo hat mit seinem vorsichtigen Vorgehen große Vorteile erlangt, während Zoox und viele andere Unternehmen ihm auf den Fersen waren und schnell aufholten.

Tesla verfolgt unterdessen weiterhin seinen Traum von einer umfassenden „vollständig autonomen“ Technologie, die auf jeder Straße fahren und sich ausschließlich auf Kameras verlassen könnte. Idealerweise wäre dies mit einem einfachen Software-Upgrade für alle bestehenden Tesla-Fahrzeuge möglich. Dies ist zwar ein riskantes Unterfangen, aber auch eine interessante Idee, die als einzige die Möglichkeit bietet, in naher Zukunft unbegrenzt autonom zu fahren.

Die Geofencing-Technologie wird sich weltweit wahrscheinlich nur sehr langsam und schrittweise verbreiten und in Großstädten nur mit traditionellen Taxidiensten konkurrieren können. Damit bleibt ein Großteil des potenziellen Billionen-Dollar-Gewinns ungenutzt, den „echte“ Robotertaxis erzielen könnten, die den Autobesitz durch ultragünstige, rund um die Uhr verfügbare Elektrofahrzeuge ersetzen könnten.

Tesla bleibt seiner Unternehmenskultur treu und könnte der ultimative Gewinner sein, einen völlig neuen, riesigen Markt schaffen und die Bedeutung eines Autos erneut revolutionieren – allerdings nur, wenn das Unternehmen eine scheinbar unüberwindbare technische Herausforderung meistern kann.