Ubers wahre Ambition sind nicht selbstfahrende Autos – es geht darum, Ihre Stadt in ein lebendes Labor zu verwandeln

Die allgemeine Meinung besagt, dass Uber bei den selbstfahrenden Autos gescheitert ist. Nachdem das Unternehmen Milliarden in seine Advanced Technologies Group gesteckt und diese vor Jahren schließlich an Aurora abgegeben hatte, war das Narrativ klar: Uber würde der Marktplatz sein, nicht der Hersteller. Während Unternehmen wie Waymo und Zoox Jahre damit verbrachten, die teure Hardware zu perfektionieren, die für den Ersatz menschlicher Fahrer erforderlich ist, schien Uber damit zufrieden zu sein, sich einfach zurückzulehnen und darauf zu warten, diese Flotten in seiner App zu hosten.

Betrachtet man das Gesamtbild, war dieses Narrativ unvollständig. Während es so aussah, als würde sich Uber aus dem Rennen um autonome Fahrzeuge (AV) zurückziehen, positionierte es sich in Wirklichkeit neu, um das Eine zu besitzen, das wertvoller ist als das Auto selbst: die Daten, die dem Auto das Denken beibringen. Ubers Chief Technology Officer, Praveen Neppalli Naga, lüftete kürzlich den Vorhang für eine Strategie, die Millionen von Standard-Personenkraftwagen in ein hochauflösendes Sensornetz verwandelt. Hier geht es nicht mehr nur um Fahrdienstvermittlung; es geht darum, die grundlegende Infrastruktur für die gesamte KI-gesteuerte Welt zu werden.

Der Daten-Engpass: Warum Roboter immer noch mit Linkskurven kämpfen

Um zu verstehen, warum Ubers Vorstoß so disruptiv ist, müssen wir uns den aktuellen Stand des autonomen Fahrens ansehen. Einfach ausgedrückt: Ein selbstfahrendes Auto zu bauen ist einfach; eines zu bauen, das nicht alle 50.000 Meilen einen lebensbedrohlichen Fehler macht, ist unglaublich schwer. Die Branche hat einen Punkt erreicht, an dem die zugrunde liegenden Algorithmen – das Gehirn des Autos – recht robust sind. Das Problem ist, dass diese Gehirne jedes mögliche Szenario erleben müssen, bevor man ihnen vertrauen kann.

Stellen Sie sich ein autonomes System wie einen unermüdlichen Praktikanten vor. Er kann rund um die Uhr arbeiten, ohne dass ihm langweilig wird, aber er hat null gesunden Menschenverstand. Er muss tausend verschiedene Arten sehen, wie ein Kind einem Ball auf die Straße hinterherlaufen könnte, oder wie sich die Handzeichen eines Bauarbeiters in London von denen in Los Angeles unterscheiden. Derzeit sammeln AV-Unternehmen diese Daten, indem sie kleine, spezialisierte Flotten teurer, mit Sensoren bestückter SUVs einsetzen. Es ist ein langsamer, kapitalintensiver Prozess, der ihr Lernen auf einige wenige spezifische Stadtteile beschränkt.

Ubers Erkenntnis ist, dass sie bereits über eine Flotte von Millionen von Autos verfügen, die jeden Winkel des Globus befahren. Wenn auch nur 5 % dieser Fahrzeuge mit einem optimierten Sensor-Kit ausgestattet wären, könnte Uber an einem einzigen Nachmittag mehr Fahrdaten aus der realen Welt sammeln, als ein traditionelles AV-Unternehmen in einem Jahr.

Von der Fahrdienstvermittlung zur AV-Cloud

Unter der Haube ist dieses Programm eine Weiterentwicklung von Ubers AV Labs. Ursprünglich war dies ein kleines Projekt, bei dem Uber-eigene Autos zum Testen von Sensoren eingesetzt wurden. Jetzt ist das Ziel, diese Sammlung zu dezentralisieren. Uber baut das auf, was Naga eine „AV-Cloud“ nennt – eine massive, durchsuchbare Bibliothek markierter Sensordaten.

Stellen Sie sich vor, Sie sind ein Startup, das einen Lieferroboter baut. Sie müssen wissen, wie Menschen in Mumbai um freilaufende Kühe herummanövrieren oder wie Fahrer in Boston mit einem plötzlichen Schneematsch-Sturm umgehen. Anstatt Ihre eigenen Autos in diese Städte zu schicken, fragen Sie einfach die Bibliothek von Uber ab. Sie bezahlen für die spezifischen Szenarien, die Sie benötigen, und Uber liefert die High-Fidelity-Daten, die von seinem Netzwerk von Fahrern gesammelt wurden.

Über den bloßen Verkauf von Rohdaten hinaus bietet Uber einen Dienst an, der als „Shadow Mode“ (Schattenmodus) bekannt ist. Dies ermöglicht es einem AV-Unternehmen, seine Software im Hintergrund einer echten Uber-Fahrt laufen zu lassen. Der menschliche Fahrer hat die volle Kontrolle, aber die KI „tut so“, als würde sie fahren, und vergleicht ihre Entscheidungen in Echtzeit mit den Handlungen des Menschen. Dies schafft ein sicheres, virtuelles Trainingsgelände, das die physische Welt als Kulisse nutzt.

Warum diese Strategie ein finanzieller Meisterstreich ist

Marktseitig ist dieser Schwenk ein klassisches Beispiel für den Aufstieg in der Wertschöpfungskette. Der Bau von Hardware ist volatil und teuer; die Bereitstellung der Daten, die diese Hardware antreiben, ist ein margenstarkes, skalierbares Softwaregeschäft. Indem Uber sich vom „Metall“ weg und hin zur „Info“ bewegt, vermeidet es die massiven Haftungs- und Wartungskosten für den Besitz einer Robotaxi-Flotte und macht sich gleichzeitig unverzichtbar für die Unternehmen, die dies tun.

Historisch gesehen hat die Tech-Industrie dieses Spiel schon einmal erlebt. In den frühen Tagen des Internets kämpften Unternehmen darum, den besten Desktop-Computer zu bauen. Letztendlich waren die Unternehmen am widerstandsfähigsten, die die Suchmaschinen und Datenprotokolle bereitstellten, die alle anderen nutzen mussten. Uber versucht im Wesentlichen, das Google Search der physischen Straße zu werden.

Die Auswirkungen auf den durchschnittlichen Nutzer

Für den durchschnittlichen Nutzer mag sich dieser Wandel anfangs unsichtbar anfühlen, aber die langfristigen Auswirkungen sind systemisch. Praktisch gesehen könnte Ihre nächste Uber-Fahrt mit einer etwas ausgefeilteren Kameraanordnung eintreffen, die in der Nähe des Rückspiegels oder auf dem Dach montiert ist. Uber hat signalisiert, dass sie diesen Prozess transparent gestalten wollen, obwohl die Details darüber, wie Fahrer für die Umwandlung ihrer Autos in mobile Rechenzentren entschädigt werden, noch unklar sind.

Aus Verbrauchersicht könnte dies die Einführung autonomer Funktionen in Ihrem eigenen Privatfahrzeug tatsächlich beschleunigen. Da Uber diese Trainingsdaten demokratisiert, können kleinere Autohersteller, die sich keine massive AV-Forschungsabteilung leisten können, sich in Ubers Cloud einkaufen, um ihre eigenen Sicherheitsfunktionen zu verbessern. Dies könnte zu einer Zukunft führen, in der „selbstfahrend“ nicht nur ein Luxus für diejenigen ist, die sich ein sechsstelliges Elektroauto leisten können, sondern ein Standard-Sicherheitsmerkmal, das von der kollektiven Erfahrung von Millionen von Uber-Fahrern angetrieben wird.

Umgekehrt gibt es berechtigte Bedenken hinsichtlich der Privatsphäre und der „Überwachung“ öffentlicher Räume. Wenn jeder Uber zu einer rollenden 360-Grad-Kamera wird, ist die Menge der erfassten Daten über Fußgänger, andere Fahrer und Privateigentum beispiellos. Uber wird sich durch ein komplexes Geflecht globaler Vorschriften navigieren müssen, um sicherzustellen, dass diese Daten anonymisiert und ethisch verwendet werden.

Der „Na und?“-Filter: Was das für Sie bedeutet

Letztendlich wettet Uber darauf, dass das wertvollste Gut des 21. Jahrhunderts nicht die Fähigkeit ist, Menschen von Punkt A nach Punkt B zu bringen, sondern die Fähigkeit, kartografisch zu erfassen und zu verstehen, wie diese Bewegung in Echtzeit geschieht. Sie verwandeln die Straßen der Welt in digitales Rohöl, und ihre Fahrer sind die Bohrer.

Das bedeutet, dass das „Rennen“ um selbstfahrende Autos in eine neue Phase eintritt. Es geht nicht mehr darum, wer das am coolsten aussehende Robotaxi hat; es geht darum, wer die robusteste Bibliothek menschlicher Erfahrung hat, um die Maschinen zu füttern.

Als Verbraucher sollten Sie beginnen, die Gig-Economy durch eine andere Brille zu betrachten. Ihr Fahrer erbringt nicht nur eine Dienstleistung; er baut unbeabsichtigt genau das System auf, das eines Tages die Notwendigkeit für seinen Berufsstand ersetzen könnte. Vorerst bedeutet dies bessere Karten, sicherere assistierte Fahrfunktionen in Ihrem nächsten Auto und vielleicht ein intuitiveres Verständnis unserer Städte. Aber es bedeutet auch, dass wir uns auf eine Welt zubewegen, in der jede Fahrt, die wir unternehmen, ein Datenpunkt in einem viel größeren, vernetzten Experiment des maschinellen Lernens ist.

Anstatt auf die Ankunft des ersten fahrerlosen Autos in Ihrer Stadt zu warten, achten Sie auf die Sensoren, die an den Autos erscheinen, die noch eine Person am Steuer haben. Dort findet die wahre Revolution statt – nicht in den Laboren des Silicon Valley, sondern im banalen, alltäglichen Verkehr Ihres morgendlichen Arbeitswegs.

Quellen:

• TechCrunch: StrictlyVC Event Interview with Praveen Neppalli Naga.
• Uber Technologies, Inc. Investor Relations: AV Strategy Overview.
• Wayve: Collaborative Partnership Announcements.
• National Highway Traffic Safety Administration (NHTSA): Data Collection Guidelines for Autonomous Systems.