Motorradfahren ist in Deutschland mit einem hohen Risiko verbunden. Etwa 20 Prozent der Getöteten bei Verkehrsunfällen sind Fahrer:innen motorisierter Zweiräder. Das Risiko als Motorradfahrer:in getötet zu werden ist, bezogen auf die Fahrleistung, mehr als 20 mal höher als das von Pkw-Fahrer:innen. Ziel erfolgreicher Präventionsarbeit muss es daher sein, alle Aspekte des Unfallgeschehens von Motorradfahrer:innen zu verstehen, um geeignete Maßnahmen zu erarbeiten. Dazu zählt auch das Fahren in Motorradgruppen respektive das entsprechende Unfallgeschehen zu verstehen.

Das autonome Fahren ist derzeit aufgrund zahlreicher aktueller Forschungs- und Entwicklungsprojekte namhafter Automobilhersteller und -zulieferer im Fokus des öffentlichen Interesses. Der stetige Fortschritt des autonomen Fahrens kann unter anderem auf der jährlich in Las Vegas stattfindenden Consumer Electronics Show (CES) festgestellt werden, welche seit einiger Zeit auch von Automobilherstellern als Plattform zur Vorstellung neuer Technologien genutzt wird. So demonstrierte die Audi AG einen A7, der vollständig autonom vom Silicon Valley eine Strecke von 900 km Länge nach Las Vegas fuhr. Darüber hinaus legen auch automobilfremde Hochtechnologiekonzerne ihr Interesse an dieser Schlüsseltechnologie offen und präsentieren eigene Forschungs- und Entwicklungsarbeiten. Google verkündete die Forschung an einem eigenen autonomen Fahrzeug und auch Spekulationen über das Interesse von Apple wurden medial publik. Dennoch stehen die rasante Entwicklungsgeschwindigkeit und die öffentlich bereits präsentierte Funktionsfähigkeit des Autonomen Fahrens im Kontrast zu der geringen Anwendung im deutschen Straßenverkehr. In Deutschland und anderen Ländern sind bisher nur Pilotprojekte aus Forschung und Entwicklung existent. Diese unterliegen aktuell noch vielen Restriktionen. Dies macht deutlich, dass trotz der bisher erreichten Einzelerfolge dieser Technologie keine Serienreife besteht. So müssen für den tatsächlichen Einsatz des Autonomen Fahrens im Straßenverkehr technologische, soziologische sowie gesetzliche Rahmenbedingungen eingehalten, erweitert, angepasst, respektive erst noch definiert wer-den. Insbesondere im urbanen Umfeld besteht hier hoher Forschungsbedarf auch im Hin-blick auf technologische Rahmenbedingungen. Die vorliegende Arbeit soll einen Einblick über offene Fragestellungen und technologische Hürden sowie deren Bedeutung für das Autonome Fahren ermöglichen. Zudem wird ein kurzer Überblick darüber gegeben, wie dies auf den Sektor der Baumaschinen übertragbar ist.:1. Autonomes Fahren im Automobil 1.1. Stufen der Automation nach SAE-Standard J3016 1.2. Einführungsstrategien für autonome Fahrfunktionen 2. Rahmenbedingungen des Autonomen Fahrens 2.1. technologische Rahmenbedingungen 2.1.1. Umfeldwahrnehmung 2.1.2. Kooperation der Verkehrsteilnehmer 2.1.3. Hochgenaue Karten und Lokalisierung 2.1.4. Herausforderung für die Absicherung und Systemarchitektur 2.2. Soziologische Rahmenbedingungen 2.2.1. Vertrauen des Fahrers in die Technik und Fahrerüberwachung 2.2.2. Dilemmasituationen 2.3. Gesetzliche und rechtliche Rahmenbedingungen 2.3.1. ECE-R79 und Wiener Übereinkommen 2.3.2. Datenschutz und Datensicherheit 2.3.3. Haftung 3. Übertragbarkeit auf Baumaschinen 3.1. Aktuelle Entwicklungen und Beispiele 3.2. Bezug zum Automobil 3.3. Use-Case Straßenbau/Asphaltbau 3.4. Übertragbarkeit von Rahmenbedingungen 4. Fazit Quellenverzeichnis

Univ., Diss.--Greifswald, 2002. / Literaturverz. S. 194 - 219.

Software has never been as important as today – and its impact on life, work and society is growing at an impressive rate. We are in the flow of a software-induced transformation of nearly all aspects of our way of life and work. The dependence on software has become almost total. Malfunctions and unavailability may threaten vital areas of our society, life and work at any time. The two massive challenges of software are one hand the complexity of the software and on the other hand the disruptive environment. Complexity of the software is a result of the size, the continuously growing functionality, the more complicated technology and the growing networking. The unfortunate consequence is that complexity leads to many problems in design, development, evolution and operation of software-systems, especially of large software-systems. All software-systems live in an environment. Many of today’s environments can be disruptive and cause severe problems for the systems and their users. Examples of disruptions are attacks, failures of partner systems or networks, faults in communications or malicious activities. Traditionally, both growing complexity and disruptions from the environment have been tackled by better and better software engineering. The development and operating processes are constantly being improved and more powerful engineering tools are introduced. For defending against disruptions, predictive methods – such as risk analysis or fault trees – are used. All this techniques are based on the ingenuity, experience and skills of the engineers! However, the growing complexity and the increasing intensity of possible disruptions from the environment make it more and more questionable, if people are really able to successfully cope with this raising challenge in the future. Already, serious research suggests that this is not the case anymore and that we need assistance from the software-systems themselves! Here enters “autonomic computing” – A promising branch of software science which enables software-systems with self-configuring, self-healing, self-optimization and self-protection capabilities. Autonomic computing systems are able to re-organize, optimize, defend and adapt themselves with no real-time human intervention. Autonomic computing relies on many branches of science – especially computer science, artificial intelligence, control theory, machine learning, multi-agent systems and more. Autonomic computing is an active research field which currently transfers many of its results into software engineering and many applications. This Hauptseminar offered the opportunity to learn about the fascinating technology “autonomic computing” and to do some personal research guided by a professor and assisted by the seminar peers.

Seit dem Jahr 2004 wurde zur besseren Ausbildung junger Fahranfänger das Begleitete Fah-ren eingeführt, welches ein Erwerb des Führerscheins ab dem 17. Geburtstag erlaubt. Ge-dacht zum Aufbau von Fahrpraxis und zur Verbesserung der Sicherheit finden die ersten Fahrerfahrungen in Begleitung durch einen erfahrenen Erwachsenen statt. Bei Analyse der von der Bundesanstalt für Straßenwesen durchgeführten Evaluationen ist eine insgesamt sehr positive Einschätzung des Modells festzustellen. Dazu wurde eine Be-fragung von Teilnehmern des Begleiteten Fahrens durchgeführt. Ergänzend dazu erfolgt eine Ökonometrische Untersuchung der offiziellen Unfallstatistiken. Betrachtet wird die gesamte Altersklasse der 18- bis 21-jährigen und die Entwicklung ihrer Unfallanfälligkeit. Dabei ist ein seit der Jahrtausendwende fallender Verlauf der Unfallzah-len zu beobachten. Zum Zeitpunkt der Einführung des neuen Modells ist kein beschleunigtes oder verstärktes Absinken dieser Zahlen zu erkennen. Vielmehr ist ein langfristiger Trend zu erkennen. / Since its first introduction in 2004 the Accompanied Driving allows new drivers to obtain their driver’s license from the age of 17 on. The first year of driving is spent in the company of an experienced driver, thus enhancing the beginner’s driving experience and safety. The analysis of several reports by the German road authority, the “Bundesanstalt für Straßen-wesen”, leads to a mostly positive view of the new scheme. The reports are based on a survey among participants of the Accompanied Driving. In addition to those an econometrical analysis of the official road accident statistics has been conducted. The development of these numbers among the age group from 18 until 21 shows a decreasing accident rate since around the year 2000. The introduction of the new driver’s license model does not result in a significant acceleration of that decline. Instead of such influence a long-range trend can be observed.

Software has never been as important as today – and its impact on life, work and society is growing at an impressive rate. We are in the flow of a software-induced transformation of nearly all aspects of our way of life and work. The dependence on software has become almost total. Malfunctions and unavailability may threaten vital areas of our society, life and work at any time. The two massive challenges of software are one hand the complexity of the software and on the other hand the disruptive environment. Complexity of the software is a result of the size, the continuously growing functionality, the more complicated technology and the growing networking. The unfortunate consequence is that complexity leads to many problems in design, development, evolution and operation of software-systems, especially of large software-systems. All software-systems live in an environment. Many of today’s environments can be disruptive and cause severe problems for the systems and their users. Examples of disruptions are attacks, failures of partner systems or networks, faults in communications or malicious activities. Traditionally, both growing complexity and disruptions from the environment have been tackled by better and better software engineering. The development and operating processes are constantly being improved and more powerful engineering tools are introduced. For defending against disruptions, predictive methods – such as risk analysis or fault trees – are used. All this techniques are based on the ingenuity, experience and skills of the engineers! However, the growing complexity and the increasing intensity of possible disruptions from the environment make it more and more questionable, if people are really able to successfully cope with this raising challenge in the future. Already, serious research suggests that this is not the case anymore and that we need assistance from the software-systems themselves! Here enters “autonomic computing” – A promising branch of software science which enables software-systems with self-configuring, self-healing, self-optimization and self-protection capabilities. Autonomic computing systems are able to re-organize, optimize, defend and adapt themselves with no real-time human intervention. Autonomic computing relies on many branches of science – especially computer science, artificial intelligence, control theory, machine learning, multi-agent systems and more. Autonomic computing is an active research field which currently transfers many of its results into software engineering and many applications. This Hauptseminar offered the opportunity to learn about the fascinating technology “autonomic computing” and to do some personal research guided by a professor and assisted by the seminar peers.:Introduction 5 1 What Knowledge Does a Taxi Need? – Overview of Rule Based, Model Based and Reinforcement Learning Systems for Autonomic Computing (Anja Reusch) 11 2 Chancen und Risiken von Virtual Assistent Systemen (Felix Hanspach) 23 3 Evolution einer Microservice Architektur zu Autonomic Computing (Ilja Bauer) 37 4 Mögliche Einflüsse von autonomen Informationsdiensten auf ihre Nutzer (Jan Engelmohr) 49 5 The Benefits of Resolving the Trust Issues between Autonomic Computing Systems and their Users (Marc Kandler) 61

In naher Zukunft werden hochautomatisierte Fahrzeuge (SAE, 2018) eingeführt werden, die zunächst auf der Autobahn automatisch fahren, wobei sich der Fahrer in dieser Zeit mit anderen Dingen beschäftigen kann. Andere Fahrzeuge mit menschlichen Fahrern werden dann diesen hochautomatisierten Fahrzeugen im Verkehr begegnen. Diese werden wahrscheinlich ein für menschliche Fahrer ungewohntes Verhalten zeigen. Deshalb wurde die erste Studie im Fahrsimulator durchgeführt, um zu untersuchen, wie dieses ungewohnte Verhalten in typischen Interaktionssituationen von menschlichen Fahrern erlebt wird und ob sich gerade bei der Interaktion mit diesen Fahrzeugen durch dieses ungewohnte Verhalten Probleme ergeben. In der zweiten Studie wurden dann längere Fahrten mit unterschiedlichen Durchdringungsraten hochautomatisierter Fahrzeuge untersucht. Als Vorbereitung auf diese Studien wurden zunächst Interviews mit Experten von Automobilherstellen und Zulieferern geführt, um relevante Interaktionssituationen im Mischverkehr zu identifizieren und das Fahrverhalten automatisierter Fahrzeuge in diesen Situationen zu spezifizieren. Dabei zeigte sich, dass sich hochautomatisierte Fahrzeuge im Gegensatz zu menschlichen Fahrern wesentlich defensiver und absolut regelkonform verhalten werden. So halten automatisierte Fahrzeuge zum Beispiel große Sicherheitsabstände ein und halten sich genau an die zulässige Höchstgeschwindigkeit. Weiter wurde auch diskutiert, ob hochautomatisierte Fahrzeuge nach außen als solche gekennzeichnet sein sollen. Die erste Studie mit N = 51 Personen untersuchte den Erstkontakt menschlicher Fahrer in vier ausgewählten Fahrszenarien, die im Wesentlichen Fahrstreifenwechselsituationen sowie die Fahrt bei einer Geschwindigkeitsbeschränkung umfassten. Dabei wurde einerseits untersucht, wie menschliche Fahrer auf das typische Verhalten der hochautomatisierten Fahrzeuge in diesen Situationen reagiert, zum anderen, wie hochautomatisierte Fahrzeuge auf menschliches Verhalten reagieren und wie diese Reaktionen wiederum durch menschliche Fahrer bewertet werden. Dabei wurde auch die Kennzeichnung der hochautomatisierten Fahrzeuge variiert. In der zweiten Fahrsimulatorstudie mit N = 51 Probanden fuhren die Testfahrer auf vier Autobahnabschnitten von 35 km Länge mit steigender Durchdringungsrate automatisierter Fahrzeuge (0 %, 25 %, 50 %, 75 %). Auch hier wurde die Art der Kennzeichnung variiert. Zusammenfassend zeigen beide Studien, dass hochautomatisierte Fahrzeuge auf der Autobahn dazu beitragen, die Geschwindigkeiten zu reduzieren und Geschwindigkeitsbegrenzungen besser einzuhalten. Beim Einfädeln, Spurwechsel und Überholen wirkt das Verhalten hochautomatisierter Fahrzeuge für menschliche Fahrer angenehm defensiv und kooperativ. Im Verkehrsfluss werden von menschlichen Fahrern hochautomatisierte Fahrzeuge allerdings als Behinderung erlebt, sodass die prinzipiell sicherheitsfördernde Wirkung der reduzierten Geschwindigkeit durch dabei entstehende sicherheitskritische Sekundenabstände verringert werden könnte. Eine entsprechende Abschätzung der Gesamtwirkung ist auf Basis der vorliegenden Studien allerdings nicht möglich. Eine Kennzeichnung des aktuellen Fahrmodus der hochautomatisierten Fahrzeuge könnte dazu beitragen, dass Fahrer das Verhalten der hochautomatisierten Fahrzeuge besser vorhersehen können, sodass die kleineren Sekundenabstände vermieden werden könnten. Dazu sind aber vermutlich längere Lernprozesse notwendig, die im Rahmen der vorliegenden Studien nicht realisiert werden konnten. Der Eindruck der Behinderung durch hochautomatisierte Fahrzeug wird durch eine solche Kennzeichnung allerdings nicht aufzuheben sein.

Automatisiertes Fahren wird als Zukunft der Mobilität gesehen. Es wird erwartet, dass dadurch die Leistungsfähigkeit des Verkehrs gesteigert und die Zahl der Straßenverkehrsopfer reduziert sowie Emissionen und Staus zurückgehen werden. Dies wird mehr ein schrittweiser Übergangsprozess als ein schneller Wandel sein. Die neue Technologie wird dabei sowohl im Pkw als auch im Nutzfahrzeug Einzug halten. Nach jetzigem Stand der Technik würde es sich bei den Fahrzeugen um teil- [Level 2] oder hochautomatisierte [Level 3] Fahrzeuge nach SAE J 3016-Definition handeln, deren automatisierte Fahrfunktion typischerweise nur auf Autobahnen aktiv ist. Mit der Weiterentwicklung der Technologie werden Fahrzeuge mit Fahrfunktionen höherer Automatisierungsstufen schrittweise marktreif. In naher Zukunft ist mit den Entwicklungsstufen des teilund hochautomatisierten Fahrens eine Kontrolle durch den Fahrer und sein jederzeitiges Eingreifen in Problemsituationen vorgesehen. Diese Kontrolle soll er schaffen, obwohl zumindest die Gefahr besteht, dass ihm die Grenzen der Funktionalität nicht bekannt sind und diese sich auch von Fahrzeug zu Fahrzeug unterscheiden. Die Fahrer werden klar verstehen müssen, was ihre Fahrzeuge leisten können und wo ihre Verantwortung liegt. Hier muss der Hersteller durch geeignete technische Maßnahmen sicherstellen, dass der Fahrer die Grenzen der Funktionalität verstehen und einhalten kann. Gemäß heutiger Kenntnis und Prognose wird der Verkehr in absehbarer Zukunft durch das Nebeneinander von Fahrzeugen unterschiedlicher Automatisierungsgrade und manuell gesteuerter Fahrzeuge geprägt sein. Diese Entwicklung betrifft sowohl Pkw als auch Nutzfahrzeuge. Es ist noch ungeklärt, ob dieses Nebeneinander zusätzliche Risiken für die Verkehrssicherheit bedeutet. Zusätzliche Forschung ist dazu erforderlich.

Die meisten Fahrzeugführer nutzen während der Fahrt verschiedenste Kommunikationstechnologien, die von der eigentlichen Fahraufgabe mehr oder weniger ablenken. Ein starkes Kommunikationsbedürfnis, gepaart mit der Unterschätzung des Unfallrisikos, führt dazu, dass Fahrzeugführer immer wieder während der Fahrt einer kommunikativen Nebentätigkeit nachgehen [1]. Das stellt eine nicht zu unterschätzende Gefahr dar. Überraschend auftauchende Gefahrensituationen werden durch den abgelenkten Fahrer oft nicht oder nur zu spät wahrgenommen. Eine angemessene Reaktion wird so unwahrscheinlicher. Sehr häufig anzutreffen ist die händische Bedienung eines Smartphones während der Fahrt. Gerade die Bedienung eines Smartphones geht mit einem sehr hohen Maß an visueller, motorischer und kognitiver Ablenkung einher [2]. Aber auch die Nutzung anderer Kommunikationstechnologien (z.B. bordinterne Diktierfunktion) während der Fahrt ist ein nicht zu unterschätzendes Risiko. In den letzten Jahren wurden eine Reihe technischer Produkte entwickelt, deren Hersteller alle versprechen, die Ablenkung zu mindern oder gänzlich zu vermeiden und damit den Straßenverkehr sicherer zu gestalten. Die Wirkung solcher technischer Lösungen wurde bislang allerdings bestenfalls punktuell untersucht.

Momentan bewegen sich teilautomatisierte Fahrzeuge (SAE Level 2; SAE, 2018) zusammen mit nicht-automatisierten Fahrzeugen (SAE Level 0) und assistierten Fahrzeugen (SAE Level 1) im Straßenverkehr. Beim rein manuellen Fahren liegt die Durchführung der Fahraufgabe sowie die Überwachung der Fahrumgebung beim Fahrer. Bei der Teilautomation fährt das Fahrzeug selbstständig, aber der Fahrer muss ständig die Umgebung und die sichere Fahrt des Fahrzeugs überwachen und bei Abweichungen oder Fehlern eingreifen. Ab dem Automatisierungslevel 3 (hochautomatisiertes Fahren) gibt der menschliche Fahrer die Fahraufgabe temporär an das Fahrzeug ab. Er dient jedoch als Rückfallebene für Systemgrenzen und muss bei Erreichen der Systemgrenzen die Fahraufgabe übernehmen. Die Herausforderung bei diesem Level liegt darin, von der Fahrzeugseite aus hinreichend frühzeitig zu erkennen, dass eine Übernahme notwendig ist und den Fahrer entsprechend früh dazu aufzufordern (Vogelpohl et al., 2016, 2018, 2019). Wenn diese Fahrzeuge in den nächsten Jahren in den Verkehr kommen, bewegen sich neben menschlichen Fahrern auch hochautomatisierte Fahrzeuge im Straßenverkehr, wodurch ein Mischverkehr entsteht. Hochautomatisierte Fahrzeuge (SAE, 2018) werden zunächst auf der Autobahn automatisiert fahren, wobei sich der Fahrer in dieser Zeit mit anderen Dingen beschäftigen kann. Die Fahrzeuge mit hochautomatisierten Fahrfunktionen werden wahrscheinlich ein für menschliche Fahrer ungewohntes Verhalten zeigen. Deshalb wurde die erste Studie im Fahrsimulator durchgeführt, um zu untersuchen, wie dieses ungewohnte Verhalten in typischen Interaktionssituationen von menschlichen Fahrern erlebt wird und ob sich gerade bei der Interaktion mit diesen Fahrzeugen durch dieses ungewohnte Verhalten Probleme ergeben. In der zweiten Studie wurden dann längere Fahrten mit unterschiedlichen Durchdringungsraten hochautomatisierter Fahrzeuge untersucht. Beide Studien sind ausführlich in einem Forschungsbericht beschrieben, auf den diese Unfallforschung kompakt Bezug nimmt (Stange et al. 2020). Als Vorbereitung auf diese Studien wurden zunächst Interviews mit Experten von Automobilherstellern und Zulieferern geführt, um relevante Inteaktionssituationen im Mischverkehr zu identifizieren und das Fahrverhalten automatisierter Fahrzeuge in diesen Situationen zu spezifizieren. Dabei zeigte sich, dass sich hochautomatisierte Fahrzeuge im Gegensatz zu menschlichen Fahrern wesentlich defensiver und absolut regelkonform verhalten werden. So halten automatisierte Fahrzeuge zum Beispiel große Sicherheitsabstände ein und fahren nie schneller als die zulässige Höchstgeschwindigkeit. Weiter wurde auch diskutiert, ob hochautomatisierte Fahrzeuge nach außen als solche gekennzeichnet sein sollen. Aktuell fehlt Autofahrern in Deutschland noch jede Erfahrung im Umgang mit hochautomatisierten Fahrzeugen im Straßenverkehr. Bei den ersten Begegnungen werden damit ganz unterschiedliche Erwartungen an das Verhalten hochautomatisierter Fahrzeuge zu finden sein, die in hohem Maße durch unterschiedlich ausgeprägte Kenntnisstände, Erfahrungen im Umgang mit technischen Systemen sowie Vertrauen in Automation geprägt sind. Längerfristig werden diese Erwartungen dann durch den Vergleich mit der Realität korrigiert. Damit ergeben sich folgende zentrale Fragen: • Welches Fahrverhalten werden hochautomatisierte Fahrzeuge zeigen? • In welchen Situationen auf der Autobahn ist dies von menschlichen Fahrern zu erleben? • Wie reagieren diese menschlichen Fahrer auf hochautomatisierte Fahrzeuge im Mischverkehr auf der Autobahn? Geht man davon aus, dass 2020 tatsächlich die ersten hochautomatisierten Fahrfunktionen verfügbar sein werden, lässt sich die Durchdringungsrate im Verkehr abschätzen. Nach Angaben des Kraftfahrbundesamts liegt der Bestand von zugelassenen Fahrzeugen im Januar 2019 bei etwa 47 Millionen Pkw (Kraftfahrtbundesamt, 2019a). Jährlich werden etwa 3.5 Millionen Pkw neu zugelassen (Kraftfahrtbundesamt, 2019b).