Mit dem FORBES-NEWSLETTER bekommen sie regelmässig die spannendsten Artikel sowie Eventankündigungen direkt in Ihr E-mail-Postfach geliefert.
Elon Musk sieht Tesla längst nicht mehr als Hersteller von Elektroautos. Er spricht von Tesla als einem KI-Unternehmen, das dank der riesigen Datenmengen, die durch die Kameras seiner Fahrzeuge weltweit gesammelt werden, irgendwann das wertvollste KI-Unternehmen der Welt werden soll. Diese Daten, so Musk, sind der Schlüssel, um die Autos von Tesla irgendwann vollständig autonom fahren zu lassen.
Doch so einfach ist es nicht. Die Theorie, dass die unzähligen Stunden an Fahrvideos Teslas KI helfen werden, zu lernen, wie man ein Auto sicher und selbstständig steuert, ist verlockend, aber nicht so überzeugend, wie es scheint. Denn diese riesigen Datenmengen sind nicht unbedingt das Allheilmittel, wie Musk es darstellt. Ein Teil dieser Daten ist schlichtweg nicht nützlich. Autonomes Fahren ist eine ganz andere Herausforderung als die Entwicklung von Chatbots wie ChatGPT, die auf Millionen von Texten basieren. Bei einem KI-Fehler im Auto geht es nicht nur um eine falsche Antwort – es geht um Leben und Tod.
Yann LeCun, der KI-Chef von Meta, hat Zweifel an Teslas Datenvorteil. Er ist der Meinung, dass die Bedeutung von Daten oft überschätzt wird. Mehr Daten bedeuten nicht automatisch bessere Ergebnisse, es gibt Gesetze der abnehmenden Erträge. Ein Verdoppeln der Daten führt zu nur marginalen Verbesserungen, die noch lange nicht das menschliche Fahrniveau erreichen. „Jeder 17-Jährige kann in nur 20 Stunden Autofahren lernen“, sagt LeCun. „Das zeigt, dass die heutigen KI-Architekturen nicht verstehen, was sie lernen sollten.“
Doch Musks Fans und Investoren glauben weiterhin an seine Vision, dass autonomes Fahren Teslas Zukunft ist. Sie sehen das Potenzial, dass Teslas autonome Fahrzeuge in den kommenden Jahren 1 Billiarde US-$ wert sein könnten. Doch trotz dieser Hoffnungen hat Tesla bislang wenig erreicht. Musks frühere Versprechen – wie das vollautonome Fahren eines Teslas quer durch die USA oder eine Million Robotaxis bis 2020 – wurden nicht erfüllt.
Der riesige Datensatz von Tesla ist dabei nicht unbedingt ein Vorteil. Um sicher autonom fahren zu können, braucht es nicht nur viele Daten, sondern vor allem die richtigen Daten, die auch die extremen oder seltenen Verkehrssituationen abdecken. Das ist der Vorteil von Unternehmen wie Waymo oder Zoox, die auf zusätzliche Technologien wie LiDAR und Radar setzen, um das Umfeld präziser zu erfassen.
Tesla hingegen verlässt sich weitgehend auf Kameras. Das ist nicht zwingend schlecht, aber es ist ein Risiko, da die Kamera allein nicht immer in der Lage ist, die komplexen und manchmal gefährlichen Situationen zu erkennen, die für ein sicheres autonomes Fahren erforderlich sind. Der entscheidende Punkt ist, wie Tesla diese riesigen Datenmengen verarbeitet und die richtigen Szenarien für das Training auswählt. Doch Tesla gibt wenig Einblick in seinen Prozess, was es schwer macht, zu beurteilen, wie gut sie dabei sind.
Musk setzt dennoch auf seine Vision. Mit dem neuen „Cortex“-Datenzentrum in Austin will Tesla die gesammelten Daten weiter nutzen, um seine „Full Self-Driving“-Software zu verbessern. Doch auch hier bleiben viele Fragen offen. Die Software ist noch immer weit entfernt von der Zielsetzung eines vollautonomen Fahrens. Immer wieder gibt es Berichte über gefährliche Fahrmanöver, bei denen Teslas FSD-Software versagt. Der Weg zur autonomen Zukunft ist noch lang und unsicher.
Der wahre Test für Musk wird sein, wie er mit der Konkurrenz, insbesondere Waymo, Schritt hält. Waymo fährt bereits in mehreren US-Städten autonome Fahrzeuge und hat damit einen Umsatz von über 100 Mio. US-$ im Jahr 2024 erzielt. Im Vergleich dazu hat Tesla zwar viele Daten, aber die Software liefert immer noch nicht die nötigen Ergebnisse.
Musk setzt auf das Potenzial von Robotaxis als Geschäftsmodell. Aber auch hier wird die Zukunft zeigen müssen, ob seine Vision in Erfüllung geht. LeCun glaubt, dass ein Paradigmenwechsel in der KI notwendig ist, um Maschinen beizubringen, die Welt wirklich zu verstehen, wie Menschen oder Tiere es tun. Das könnte noch Jahre dauern.
Text: Alan Ohnsman
Foto: Lazaro Rodriguez