Tesla verspricht wieder viel und sendet widersprüchliche Signale

CEO Elon Musk hat wieder einmal mit einer großen Ankündigung für Aufsehen gesorgt. Schon Ende nächsten Monats will Tesla eine überarbeitete Version seines Assistenzsystems FSD (Full Self-Driving) mit "etwa 10-fachen Parametern und einer großen Verbesserung beim Videokompressionsverlust" ausrollen.  

Die Verzehnfachung der Parameter ist zweifelsohne ein großer Fortschritt. Wie sich das in der Praxis auf verschiedene Fahrsituationen auswirkt, bleibt abzuwarten. "Schon heute werden Milliarden von Parametern ausgewertet", sagt Martin Geißler, Partner für den Bereich Digitalisierung bei Advyce & Company. Faktor zehn sei zudem kein unüblicher Schritte in der KI-Entwicklung. 

Der Experte sieht in der Ankündigung vor allem ein Signal an die Investoren. Sie mussten zuletzt mit vielen negativen Nachrichten umgehen. Abgesehen von Absatzproblemen und neuen Modellen, die auf sich warten lassen, kommt Tesla beim autonomen Fahren nicht gerade mit großen Schritten voran. 

Das Problem, so Geißler: Automatisierte Fahrfunktionen hätten den Markt bisher noch nicht verändert. Sie seien eher Gimmicks. Viele Investoren dürften sehnsüchtig auf den Durchbruch warten. Geißler geht allerdings weder davon aus, dass das 10fach-FSD schon diese Revolution ist, noch dass es tatsächlich im September an den Start rollt. 

Gleichwohl betont er, man dürfe Teslas FSD nicht schlecht reden. Der sei zwar, wie deutsche Hersteller nicht müde würden zu betonen, bisher nur bis Level-2+ zugelassen – das habe aber nichts mit der tatsächlichen Leistungsfähigkeit zu tun.

Vor allem sieht er in Teslas Ansatz, nur auf Kameras und eine starke KI dahinter zu setzen, keinen Nachteil. Sein so einfacher wie eindrucksvoller Vergleich: "Der Mensch hat auch nur zwei Kameras, die Augen. Den Rest erledigt unsere KI, also das Gehirn." 

Die Vielzahl an Sensoren - vorwiegend Kameras, Radar und Lidar –, auf die die meisten Hersteller beim autonomen Fahren setzen, kann laut Geißler in der Praxis sogar zum Problem werden. "Die Annahme, dass sich Schwächen gegenseitig ausgleichen, ist ein Trugschluss“, so der Experte.

"Wenn sich die Sensoren widersprechen, wird es für das System extrem komplex, zu entscheiden, wem es glauben soll. Ein einzelnes System durch bessere KI und mehr Training zu verbessern, könnte langfristig der aussichtsreichere Weg sein.“

Geißler ist sich trotz aller aktueller Widrigkeiten sicher: "Tesla hat das Potential, beim Thema autonomes Fahren alle zu überholen." Er geht davon aus, dass die Amerikaner Level 3 überspringen werden und wahrscheinlich direkt auf Level 4 setzen. Allerdings müsse dieser Schritt in den nächsten zwei Jahren kommen. Sonst schwinde das Potenzial.

Aufhorchen lässt in diesem Zusammenhang eine weitere Tesla-Nachricht. Der Konzern verabschiedet sich überraschend von seinem Supercomputer-Konzept Dojo– zumindest zum Teil. Das Team hinter Dojo wurde aufgelöst, der Projektleiter Peter Bannon soll das Unternehmen verlassen haben – genauso wie rund 20 weitere hochqualifizierte Experten.

Erst im Juli hatte Musk im Rahmen eines Analysten-Calls noch betont, dass Dojo2, der Nachfolge-Chip, im kommenden Jahr starten soll. Später soll er festgestellt haben, dass "Dojo 2 nun eine evolutionäre Sackgasse war“.

Mit Dojo arbeitete Tesla an eigenen Chips für das Training seiner FSD-KI. Damit wollte sich der Autobauer unabhängig vom Marktführer Nvidia machen. Doch die erhoffte Leistungsüberlegenheit blieb aus.

In zentralen Bereichen konnten Teslas Chips nie an Nvidias Lösungen herankommen. Diese Erkenntnis dürfte viele Experten in die Hände anderer KI-Firmen getrieben haben.

Jetzt schwenkt Tesla um und kauft voraussichtlich für Milliarden von Dollar die KI-Chips bei Nvidia ein. Der ehemalige Grafikkarten-Hersteller ist führend auf diesem Gebiet und hat die Konkurrenz abgehängt.

"Selbst wenn Nvidia sich zehn Jahre lang nicht weiter entwickeln würde, wären sie uneinholbar", sagt Geißler. Auch chinesische Unternehmen kämen nicht in die Nähe.

Nvidia, erklärt Geißler, habe frühzeitig den Bedarf an Hochleistungs-KI-Chips erkannt und dabei von seiner jahrzehntelangen Erfahrung mit nanometrischen Grafikkarten-Architekturen profitiert.

Grafik-Chips sind auf extrem hohe Parallelisierung ausgelegt und können Millionen Rechenoperationen gleichzeitig ausführen: ideal für das Training großer KI-Modelle.

Den Spezialisten aus Kalifornien gelingt es, unglaublich viel Leistung in kleinsten Strukturen zu verpacken. Der Aufwand dafür ist allerdings immens, die Produktionskapazitäten weltweit stark limitiert. Ein neues Werk hochzuziehen, kostet schnell einen zwei- bis gar dreistelligen Milliarden-Betrag. 

Dazu kommt, dass die Nachfrage rasant steigt: Alle großen Player im KI-Geschäft bauen derzeit Großrechenzentren und brauchen entsprechende Höchstleistungs-Chips, die inklusive Infrastruktur, zum Beispiel Kühlung und Mainboard, gut und gerne einen sechsstelligen Dollar-Betrag kosten.

Auch Tesla benötigt künftig diese Chips, um seine KI noch besser zu machen. Anders als andere Hersteller verzichtet der US-Autobauer bei seinem FSD-System sogar auf ein klassisches Vortraining mit starren, vorab präparierten Datensätzen.

Die KI entscheidet stattdessen immer aus dem Moment heraus. Jede Situation wird ständig neu interpretiert. "Das ist im Grunde wie ein Fahrschüler, der jeden Tag wieder seine erste Fahrstunde hat und die Strecke ganz neu kennenlernt."

Andere Hersteller setzen dagegen stärker auf vorgelernte Situationen. Auf vergleichbare Ereignisse reagiert das Auto dann mit dem gespeicherten Wissen. Musk dagegen will, vereinfacht gesagt, nicht, dass sich seine Autos darauf ausruhen, dass eine Strecke schon auswendig gelernt wurde.

Der Vorteil dieses Ansatzes: Tesla braucht keine hochdetaillierten Karten mit vordefinierten Regelwerken. Andere System, wie zum Beispiel von Waymo, funktionieren schon heute hervorragend in ihren abgegrenzten Bereichen.

Sie stoßen aber sprichwörtlich an ihre Grenzen. Sollte Tesla dagegen der Durchbruch gelingen, könnte das System per Over-the-Air-Update ausgerollt werden und jeder Tesla könnte weltweit automatisiert fahren - vorausgesetzt, im Auto wird kein neuer Chip benötigt.

Während ein Großteil der KI-Rechenleistung bei Tesla Cloud-basiert ist, gibt es auch noch den Teil der EdgeAI im Auto. Damit wird sichergestellt, dass das System über genug eigene Leistung verfügt, um in Situationen, in denen kein Internetempfang ist, Entscheidungen treffen zu können.  

Ob Tesla die Chips fürs Auto auch einkauft, oder weiterhin selbst herstellt, ist noch unklar. Auf die Nachricht, dass das Dojo-Projekt aufgelöst werde, reagierte Musk wie üblich bei X: Die Tesla-eigenen Chips AI5 und AI6 seien "exzellent für das Inferencing", also den Echtzeit-Einsatz im Auto, und zumindest "ziemlich gut für das Training". Dojo3, so Musk auf seinem Netzwerk, lebe "wohl in Form einer großen Anzahl von AI6-SoCs auf einem einzigen Board weiter“. 

Offen bleibt, auch für Experten Geißler, warum Tesla nicht beide Ansätze kombiniert – also das vorbereitende Lernen von erwarteten Fahrsituationen auf hochpräzisen Kartendaten mit der Fähigkeit, spontan Entscheidungen zu treffen.

"Wir Menschen sammeln auch Erfahrungen, auf die wir zurückgreifen, und müssen nicht jedes Mal an der roten Ampel neu entscheiden, was zu tun ist."  Die Antwort auf diese Frage aber kennt wohl nur Elon Musk selbst. Vielleicht ist sie einfacher, als man denkt: Weil er es so will.