Busfahrer, die beim Abbiegen das Rennrad nicht kommen sehen, Radfahrer, die im Augenwinkel nicht auf den überholenden Lkw achten: Jedes Jahr machen Unfälle mit Fahrradfahrern und vor allem großen Fahrzeugen Schlagzeilen. Immer wieder gibt es Schwerverletze und sogar Tote. „Ich fahre selbst gern Auto und Fahrrad“, sagt Benno Stabernack. „Und ich denke: Jeder im Straßenverkehr verunglückte Fahrradfahrer ist einer zu viel.“ Stabernack ist Professor für Architekturen eingebetteter Systeme für die Signalverarbeitung als gemeinsame Berufung mit dem Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut (HHI) und der Universität Potsdam. Er hat ein Forschungsprojekt auf den Weg gebracht, das dabei helfen soll, solche Unfälle zu verhindern. „Ich sehe nicht ein, dass wir Jahr für Jahr neue Technologien entwickeln, um die Menschen zu Hause multimedial zu unterhalten – und im Straßenverkehr, wo es lebensnotwendig sein kann, fehlen sie. Ich habe mich gefragt: Bin ich in der Lage, sowas zu bauen? Die Antwort war ja. Also machen wir es. Schon um zu zeigen, was möglich ist.“
Künstliche Intelligenz soll die Sensoren verknüpfen
Gemeinsam mit zwei Industriepartnern – der Solectrix GmbH in Fürth und der DResearch Fahrzeugelektronik GmbH in Berlin – konstruiert er ein vorausschauendes Sensorsystem, welches das Kollisionsrisiko zwischen großen Nutzfahrzeugen, wie beispielsweise einem Bus, und einem parallel fahrenden Radfahrer sicher erkennt und beide Verkehrsteilnehmer rechtzeitig vor einer möglichen Kollision warnt. Tatsächlich seien bereits einfache Warnsysteme im Einsatz, sagt Stabernack. So verfügten viele Linienbusse über Kameras und einen daran gekoppelten Alarm. Das Problem: Sie arbeiteten noch zu ungenau und lösten deshalb sogar häufig Fehlalarme aus. Wo das Vertrauen fehlt, werde das System ignoriert oder sogar ausgeschaltet. „SySiKo“ soll es besser machen. „Wir wollen nichts weniger als 100-prozentige Sicherheit“, sagt der Ingenieur. Dafür kombinieren er und sein Team eine ganze Reihe von Sensoren zu einem System, dessen Daten mithilfe Künstlicher Intelligenz ausgewertet werden – und das so zuverlässig erkennen kann, ob Unfälle drohen.
Für den Prototypen des Projekts haben die Forschenden eine RGB-Kamera, einen Lidar-Radar sowie einen Wärmesensor in einem kleinen weißen Kasten verbaut, der außen auf Höhe des Seitenspiegels angebracht ist. Außerdem werden drei sogenannte Timeof- flight(TOF)-Kameras entlang des Fahrzeugs außen mit Magneten befestigt. „Wir testen die Technologie“, erklärt Benno Stabernack. „Die Frage, wie diese in die Fahrzeuge integriert wird, etwa die Spiegel oder andere Karosserieteile, stellt sich erst später.“ Mit dem Testsystem sammeln die Forschenden eine ganze Reihe verschiedener Datensätze: RGB-Videobilder, Radarund Wärmedaten sowie die Informationen der TOFKameras. Diese senden Infrarotlicht aus und messen, wie lange es braucht, bis es zurückkehrt. Ein Radfahrer, der das Fahrzeug passiert und es möglicherweise im toten Winkel überholt, sorgt für unterschiedliche Werte und wird so „sichtbar“. Sogar eine unterstützende Sensorik für bzw. an Fahrradfahrern sei möglich, sagt der Wissenschaftler. Etwa sogenannte „real time location systems“ die – mithilfe von GPS, Bluetooth-, WLAN- oder anderen Funksignalen – in der Lage sind, sich selbst im Raum zu verorten. Diese nicht einmal teuren Sensoren könnten künftig in Fahrradhelmen verbaut werden, mit den Sicherheitssystemen der Fahrzeuge kommunizieren – und letztlich Leben retten. Nähern sich Bus und Fahrrad einander gefährlich an, würden beim Buslenker die „Alarmglocken“ angehen und auch Radfahrer gewarnt, etwa durch außen am Bus angebrachte Warnleuchten. „Lichtsignale würden den Fahrradfahrern anzeigen, dass der Busfahrer sie möglicherweise nicht wahrgenommen hat und nicht entsprechend reagiert.“
Mit dem Testfahrzeug durch Berlin
Derzeit testen Stabernack und sein Team, welche Daten die Sensoren liefern können und wie gut sich diese auswerten lassen. Denn noch ist nicht klar, welche von ihnen sich für den kombinierten Einsatz am besten eignen. „Wir wollen die Vielfalt der Sensoren evaluieren – einzeln und im Zusammenspiel“, sagt Benno Stabernack. „Deshalb wollen wir ermitteln, welche zusätzliche Erkennungssicherheit die einzelnen Systeme bieten.“
Dafür sind die Forschenden mit ihrem umgerüsteten Testfahrzeug durch Berlin gefahren. Viele Stunden lang. Doch nicht einfach so. Vorab hatten sie ermittelt, was genau die Sensoren im Alltag eigentlich erfassen sollen. „Ganz konkret haben wir Busfahrer gefragt, was aus ihrer Sicht die gefährlichsten Situationen im Straßenverkehr sind“, erklärt Michal Stec, der im „SySiKo“-Team arbeitet. „Und wir wollten wissen: Was muss ein Abbiegesystem können? Wie muss es funktionieren, damit es ihnen hilft?“ Auf der Grundlage dieser Vorabstudie entstand ein Storyboard mit allen Situationen, die im Stadtverkehr absolviert werden sollten. Vor allem zwei Gefahrenquellen standen dabei ganz oben auf der Liste: das Rechtsabbiegen mit niedriger Geschwindigkeit und großem Lenkradausschlag sowie der Spurwechsel mit höherer Geschwindigkeit und niedrigem Lenkradausschlag. Außerdem mussten Aufnahmen zu möglichst vielen Tages- und Jahreszeiten gemacht werden, um zu testen, ob die Sensoren bei unterschiedlichen Temperaturen und Lichtverhältnissen zuverlässige Messungen liefern. Fast anderthalb Jahre lang war das Team allein mit der Erhebung der Daten beschäftigt. Über 100 Stunden liegen inzwischen vor.
„Und nun wird trainiert“, sagt Benno Stabernack. Denn die Auswertung der Informationen, die die Sensoren geliefert haben, erfolgt mithilfe Künstlicher Intelligenz. „Dabei passt der Begriff nicht wirklich“, wirft der Forscher ein. „Eigentlich handelt es sich um künstliche neuronale Netzwerke.“ Diese könnten nämlich nur erkennen, worauf sie trainiert werden. Deshalb müssten die Daten vorab gesichtet und „per Hand“ gelabelt werden: Autos, Radfahrer und andere Teilnehmer im Straßenverkehr werden auf allen Datenserien markiert. Anschließend übt daran die KI. „Und die kann nur so klug sein wie derjenige, der sie anlernt.“
Bis „SySiKo“ Auto- und Radfahrer auf den Straßen begleitet, dürfte es durchaus noch einige Jahre dauern, schätzt Stabernack. Nach dem zeitraubenden Training gilt es zu analysieren, welche Sensoren im Zusammenspiel die bestmögliche Erkennungsgenauigkeit liefern. Gut möglich, dass gar nicht alle von ihnen wirklich gebraucht werden. Denn klar ist auch: Die KI, die zur Echtzeitauswertung der Sensorinformationen nötig ist, hat einen gewaltigen Energiehunger. Nicht alles, was gemacht werden kann, ist auch alltagstauglich. Außerdem dürfte nur das in Serienfahrzeugen ankommen, was bezahlbar ist. Und das „regelt“ der Markt. „Unsere Praxispartner haben bereits signalisiert, dass so ein System nicht mehr als 200 Euro kosten darf“, sagt der Wissenschaftler. „Dabei kostet ein neues Handy heutzutage mitunter schon 500 Euro und mehr!“ Dass das Geld bei vielen Menschen für Unterhaltungselektronik scheinbar viel lockerer sitzt als für Verkehrssicherheit, ärgert Benno Stabernack. Aber es spornt ihn auch an. „Unser Ziel ist es, solche schweren Unfälle zu verhindern, zu 100 Prozent. Davon lassen wir uns nicht abbringen!“
Das Projekt
„SySiKo“ – Fahrzeugbasiertes System zur Ermittlung und Signalisierung einer Kollisionsgefahr mit schwachen Verkehrsteilnehmern im Totwinkelbereich
Beteiligt: Universität Potsdam (Prof. Dr.-Ing. Benno Stabernack, Michal Stec); Solectrix GmbH, Fürth; DResearch Fahrzeugelektronik GmbH, Berlin
Förderung: Bundesministerium für Bildung und Forschung (BMBF) Laufzeit: 08/2019 – 07/2022
https://www.elektronikforschung.de/projekte/SySiKo
Die Forscher
Prof. Dr.-Ing. Benno Stabernack studierte Elektrotechnik an der Technischen Universität Berlin. Er ist Leiter der Arbeitsgruppe Eingebettete Systeme am Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut, HHI und seit 2016 Professor für Architekturen eingebetteter Systeme für die Signalverarbeitung an der Universität Potsdam.
E-Mail: christian.stabernackuuni-potsdampde
Michal Stec studierte Elektrotechnik an der Technischen Universität Berlin. Seit 2019 ist er wissenschaftlicher Mitarbeiter an der Professur für Architekturen eingebetteter Systeme für die Signalverarbeitung.
E-Mail: michal.stecuuni-potsdampde
Dieser Text erschien im Universitätsmagazin Portal Wissen - Zwei 2021 „Aufbruch“ (PDF).