Ethernet: Das Rückgrat der Zuverlässigkeit autonomer Fahrzeuge

Ein seismischer Wandel vollzieht sich im Automobilsektor. Vor 15 Jahren war ein Werbespot mit einem selbstfahrenden Auto pure Science Fiction. Heute haben Unternehmen wie Waymo hunderte Fahrzeuge in Real-World Field Trials getestet und bewiesen, dass autonomes Fahren machbar ist. Die vorherrschende Erwartung, die Technologie reife in 15–20 Jahren, wird rasch überholt. Kapitalzuflüsse sind nun astronomisch, und Gesetzgeber gestalten die rechtlichen und regulatorischen Rahmenbedingungen, die autonome Mobilität untermauern werden.

Vertrauen als Haupthürde

Vertrauen bleibt das größte Hindernis für Massenadoption. Der National Safety Council berichtet über 100 tödliche Unfälle täglich in den USA – eine unterberichtete Zahl, die selten Schlagzeilen macht. Im Kontrast dominiert ein einzelner Vorfall mit einem Tesla oder Uber Fahrzeug häufig die Nachrichten und säht weitverbreitete Besorgnis. Doch die Unfalldaten der National Highway Traffic Safety Administration zeigen, dass im ersten Jahr von Teslas Autopilot (Auto-Steering) die Unfallraten mit Teslas um 40% fielen – vor den nachfolgenden Software-Veredelungen nach kommerziellem Release.

Laut U.S. Department of Transportation könnten autonome Fahrzeuge Verkehrsunfälle um 94% reduzieren, indem sie Human-Error-Inzidenzen eliminieren.

Extreme Zuverlässigkeit auf jeder Ebene

Dieses Sicherheitsniveau erfordert extreme Zuverlässigkeit auf jeder Ebene. Das „Gehirn“ des Systems ist ein SoC/GPU, der KI-Algorithmen ausführt, um einen 360°-Blick auf die Straße zu interpretieren und die 적절한 Fahrpolitik zu bestimmen. Ergänzt wird dies durch die „Augen und Ohren“ des Autos – hochauflösende Kameras, LiDAR, Radar, Ultraschallsensoren – die in jeder Extrembedingung fehlerfrei funktionieren müssen, von Mitternacht bis Blizzard, von sengender Hitze bis zu Minusgraden.

Die nächste kritische Komponente ist das In-Vehicle Network (IVN), das Nervensystem, das Daten zwischen allen Knoten transportiert. Es muss hohe Bandbreite, niedrige Latenz und eingebaute Redundanz liefern, um Null-Fehler in sicherheitskritischen Szenarien zu garantieren.

Mit dem Fortschreiten von Level 1–2 zu Level 3–4 und letztlich Level 5 wachsen Geschwindigkeit und Komplexität des IVN im Gleichschritt, wie Abbildung 1 illustriert.

Level 1–2 Fahrzeuge mit Advanced Driver Assistance Systems (ADAS) verlassen sich typischerweise auf ein bis drei Low-Resolution Kameras und einen Basis-Controller, der minimale Tasks wie Bremsen und Geschwindigkeitsregelung handhabt. Im Kontrast ähneln Level 4–5 Systeme einem mobilen Rechenzentrum, deployen 10–20+ Kameras und Sensoren plus multiple zentralisierte Computing Units, die Vision Analytics, Driving Policy, High-Bandwidth Telematics und Advanced Storage managen – all interconnected via ein robustes Netzwerk, das erforderliche Speed, Quality of Service (QoS) und Sicherheit garantiert.

Drei Jahrzehnte lang haben sich zahlreiche Protokolle entwickelt, um IVN-Anforderungen von Level 1–2 Fahrzeugen zu erfüllen. In jüngeren Jahren entstanden einige proprietäre Lösungen für Level 3–4–5 Anforderungen. Als die Industrie die Netzwerkspezifikationen für zukünftige Autos kristallisierte, konvergierten OEMs und Tier-1 Supplier auf Ethernet, erkennend als die fähigste Technologie, um Speed, Skalierbarkeit und Zuverlässigkeit next-generationaler autonomer Netzwerke zu befriedigen.