Connected Cars in Bezug auf autonome Fahrzeuge

Aus Winfwiki

Fallstudienarbeit
Hochschule:	Hochschule für Oekonomie & Management
Standort:	Essen
Studiengang:	Bachelor Wirtschaftsinformatik
Veranstaltung:	Fallstudie / Wissenschaftliches Arbeiten
Betreuer:	Prof._Dr._Uwe_Kern
Typ:	Fallstudienarbeit
Themengebiet:	Connected Cars
Autor(en):	D. Schneider, L. Witt
Studienzeitmodell:	Abendstudium
Semesterbezeichnung:
Studiensemester:	4
Bearbeitungsstatus:	begutachtet
Prüfungstermin:
Abgabetermin:

Inhaltsverzeichnis 1 Abbildungsverzeichnis 2 Abkürzungsverzeichnis 3 Einleitung 4 Connected Cars 4.1 Definition 4.2 Grundlegende Technologien 4.2.1 Sensoren-Technik 4.2.2 Kommunikation 4.2.2.1 Funk-Techniken 4.2.2.2 Satellitenkommunikation 4.2.2.3 WLAN 4.2.3 Fahrerassistenzsysteme 4.3 Projekte 4.3.1 aktiv 4.3.2 NOW Network on Wheels 4.3.3 Car 2 Car Communication Consortium 5 Autonome Fahrzeuge 5.1 Definition 5.2 Technologie 5.2.1 Sensordatenverarbeitung 5.2.2 Lokalisation und Routenplanung 5.2.3 Ereignisbehandlung (Reaktion) 5.3 Anwendungsbeispiele 5.3.1 Anwendungsbeispiel 1: DARPA Challenge 5.3.1.1 Stanford Racing Team 5.3.1.2 Spirit of Berlin 5.3.2 Anwendungsbeispiel 2: Landwirtschaftliche Fahrzeuge 5.3.2.1 John Deere: iLösungen 5.3.2.2 Fendt: Variotronic 6 Zukünftige Entwicklungsmöglichkeiten 7 Fazit 8 Fußnoten 9 Literatur- und Quellenverzeichnis

1 Abbildungsverzeichnis

Abb.-Nr.	Abbildung
1	Reichweite der verschiedenen Sensortechnologien
2	Kommunikation zwischen den Fahrzeugen
3	Entwicklung der Mobilfunktechnologien
4	Forschung und Entwicklung in Europa
5	Verfahren nach Projekt CoCar
6	Möglichkeiten mit dem Projekt CoCarX
7	Kooperative Situationsanalyse
8	Darstellung: Straßenverlauf, Links: Rohdaten, Rechts: Berechnete Wege
9	Darpa Urban Challange: Start
10	Darpa Urban Challange: Abbiegen
11	Darpa Urban Challange: Vorfahrt gewähren
12	Stanford Racing: "Stanley"
13	Stanford Racing: "Junior"
14	Junior: Dach-Sensoren
15	Junior: Rechner-Anlage
16	Freie Universität Berlin: "Spirit of Berlin"
17	Schema: Reifendruckkontrolle der Fima Fendt
18	iTEC Pro: Automatisches Wendesystem
19	HarvestLab: Kontinuierliche Analyse der Rohstoffe
20	GreenStar: Überwachungssystem der entstehenden Daten
21	Fendt: Varioterminal

2 Abkürzungsverzeichnis

Abkürzung	Bedeutung
ABS	Antiblockiersystem
Darpa	Defence Advanced Research Projects Agency Organisation der Amerikanischen Verteidigungsbehörde
ESP	Elektronisches Stabilitätsprogramm
GPS	Global Positioning System
IMS	IP Multimedia Subsystem
IMU	Inertial Measurement Unit
LTE	Long Term Evolution
UMTS	Universal Mobile Telecommunications System
WLAN	Wireless Local Area Network

3 Einleitung

Diese Ausarbeitung beschäftigt sich zum einen mit den Grundlagen der Technologien von Connected Cars und untersucht inwiefern es im Bereich der autonomen Fahrzeuge Schnittmengen mit den verwendeten Technologien gibt. Dazu sollen die in den autonomen Fahrzeugen verwendeten Technologien unter Rückgriff auf die Technologien der Connected Cars erläutert werden.
Neben den Technologien sollen auch die Einsatzgebiete der beiden Systeme ermittelt werden. Zur Darstellung der Einsatzgebiete werden am Ende des jeweiligen Kapitels einzelne Projekt und Anwendungsbeispiele gegeben, die einen praktischen Einblick in die Verwendungsszenarien geben sollen. Am Schluss der Ausarbeitung soll versucht werden aus den Technologien und Anwendungsszenarien die zukünftigen Entwicklungen abzuleiten.
Insgesamt soll der Schwerpunkt der Ausarbeitung auf der Darstellung der Projekte und Anwendungsbeispiele liegen, da daraus die zukünftigen Entwicklungsmöglichkeiten gegebenenfalls leichter ersichtlich werden. Die Technologien werden nur grundlegend dargestellt, um sie auf ihre parallelen hin zu untersuchen.

4 Connected Cars

4.1 Definition

Innerhalb dieser Seminararbeit wird unter einem Connected Car ein Fahrzeug verstanden, das mit anderen Fahrzeugen oder Verkehrsinfrastruktur kommunizieren kann. Zu dieser Kommunikation gehört der Austausch von Daten beispielsweise zur Position anderer Fahrzeuge oder zur aktuellen Verkehrssituation. Dabei werden zwei Arten der Kommunikation unterschieden, die Car-to-Car und Car-to-Infrastructur Kommunikation.
Diese Systeme sollen dazu dienen, dem Fahrer wichtige Informationen zu übermitteln und ihn vor Gefahrensituationen frühzeitig zu warnen. Ein Ansatz besteht darin, die Sichtweite des Fahrers durch den Austausch von Daten auch in den noch nicht für den Fahrer einsehbaren Bereich zu erweitern.
Um die Verkehrssicherheit zu erhöhen, werden einige Entwicklungsprojekte von der EU oder einem Bundesministerium gefördert. Eine Auswahl der Entwicklungsprojekte wird im Rahmen dieser Seminararbeit noch vorgestellt.
Um eine sinnvolle Nutzung der Technologie gewährleisten zu können werden verschiedene Technologien benötigt, dazu zählen Sensortechnologien zur Erfassung des Fahrzeugumfelds, Funktechnologien, Satellitenkommunikation, WLAN zur Kommunikation und Fahrerassistenzsysteme zur Aufbereitung der Daten genauso wie die bereits serienmäßig verbauten Systeme wie ABS oder ESP.
In dem folgenden Kapitel wird eine Auswahl der grundlegenden Technologien vorgestellt.

4.2 Grundlegende Technologien

In diesem Kapitel sollen einige grundlegende Technologien betrachtet werden, die für die Konstruktion eines Connected Car benötigt werden.
Dazu werden verschiedene Technologien aus unterschiedlichen Bereichen betrachtet, es wird jedoch keine vollständige Betrachtung erfolgen, sondern lediglich im Hinblick auf die Bedeutung für Connected Cars.
Alle untersuchten Technologien decken jede für sich betrachtet nur einen kleinen Ausschnitt der benötigten Informationen ab, bieten allerdings im Zusammenspiel ein umfassendes Bild, sodass Fahrsituationen erkannt und beurteilt werden können.

4.2.1 Sensoren-Technik

Sensoren werden benutzt, um die Umwelt für den Fahrer zu erfassen, hierbei können sehr unterschiedliche Werte und Faktoren ermittelt werden. So können die Sensoren den Straßenzustand, die Wetterlage oder den Abstand zum vorausfahrenden Fahrzeug ermitteln. Je nach eingesetzter Sensor-Technik können verschieden große Bereiche von den Sensoren erfasst werden^[1].

Ultraschallsensoren werden heute bereits im Ultranahbereich bei Einparkhilfen verwendet, sie haben eine Reichweite von 2,5m und werden dabei im Stoßfänger angebracht^[3].
In der Ultraschalltechnik gibt es bereits neuere Entwicklungen, die eine Reichweite von mehr als 4m haben sollen^[4].
Eine weitere nutzbare Technologie sind Kameras, die die Umgebung aufnehmen und videobasiert analysieren. So können Assistenzsysteme wie Spurassistent oder Abstandswarnungen realisiert werden. Diese Technik kann für den mittleren Bereich sowohl an der Front als auch am Heck eingesetzt werden^[5].
Durch eine spezielle Bildverarbeitung können dann relevante Informationen aus dem Bild herausgefiltert werden, so können Fahrbahnmarkierungen und Verkehrszeichen erkannt werden^[6].
Durch den Einsatz der Infrarottechnologie kann ein Nachtsichtverhalten erzeugt werden und die Erkennung der Umwelt auch bei Nacht ist gewährleistet. Zudem ist die Sichtweite bei der Infrarottechnologie erheblich weiter, sie kann bis zu 150m betragen.
Alle durch Sensoren gesammelten Daten sollen bei den Connected Cars an andere Fahrzeuge weitergegeben werden können und diese ebenfalls vor gefährlichen Situationen warnen^[7].
Zusätzlich werden relevante Daten von verschiedenen Sensoren gesammelt, so wird die Außentemperatur gemessen, um ein Bild über die Fahrbahnbeschaffenheit zu bekommen. Bevor eine solche Warnung jedoch sinnvoll ausgesprochen werden kann, muss ein Computer alle Daten analysieren und in den richtigen Kontext bringen. Dies stellt die weitaus schwierigere Aufgabe dar.

4.2.2 Kommunikation

Kommunikation kann zum einen zwischen zwei oder mehreren Fahrzeugen stattfinden, aber auch zwischen einem Fahrzeug und beispielsweise einem Verkehrszeichen.
Bei der Car-2-Car Kommunikation tauschen Fahrzeuge, die sich in der Nähe befinden, Informationen untereinander aus. Dies führt dazu, dass jedes Fahrzeug umfassende Informationen über die Verkehrssituation und das Fahrzeugumfeld besitzt^[8].

Die Kommunikation mit der Infrastruktur auf der Straße führt zu einer Erhöhung der Verkehrssicherheit wie auch zu einer Verminderung von Staus. So könnten dem Fahrer die Länge der Rotphase einer Ampel angezeigt werden oder eine Warnung vor einer Baustelle. Ebenso könnten den Ampeln die Einstellung des Blinkers übermittelt werden, sodass diese die beste Ampelschaltung ermitteln können ^[10].
Bei der Auswahl einer Funktechnologie, um die Kommunikation gewährleisten zu können ist bis zum jetzigen Zeitpunkt noch kein einheitlicher Standard ersichtlich. Dieser ist jedoch wichtig, damit eine Kommunikation zwischen den Fahrzeugen oder der Infrastruktur möglich wird. Es wird ebenfalls diskutiert, einen bereits vorhandenen Standard wie UMTS oder WLAN für die Kommunikation zu nutzen, da in diesem Fall hohe Kosten für eine neue Entwicklung vermieden werden können^[11].
Im weiteren Verlauf werden einige mögliche Technologien vorgestellt.

4.2.2.1 Funk-Techniken

Eine wichtige Funk-Technik, die für Connected Cars diskutiert wird, ist der LTE-Mobilfunk Standard. Die LTE-Technologie soll die UMTS-Technologie ablösen, wird aber noch der dritten Generation der Mobilfunk-Technologie zugeordnet. Sie ist eine Weiterentwicklung von UMTS und HSPA, sie soll die vorhandenen Netze ergänzen nicht aber ersetzen. Durch die Einführung der LTE-Technologie soll die Datenrate bei der Übertragung verbessert werden und die Verbindungszeiten sollen verkürzt werden.

Ausgelegt ist LTE für eine reine Datenübertragung, jedoch nicht für Sprachdienste. Eine Telefonie über LTE ist nur über das Internet als sogenannte IP-Telefonie möglich. Der derzeit verwendete Mobilfunkstandard für Datenübertragungen ist UMTS, dieser ist jedoch deutlich langsamer als die DSL-Verbindung, die im privaten Heimbereich verwendet wird. UMTS mit der Erweiterung HSDPA ermöglicht Download-Geschwindigkeiten von 7,2 MB pro Sekunde^[13]. Zudem ist die UMTS Technologie sehr störanfällig und nicht überall verfügbar. Ein weiteres Problem im Zusammenhang mit Connected Cars ist die schnelle Bewegung der Fahrzeuge, das bedeutet für die Funktechnologie, dass eine schnelle Umschaltung zwischen den Funkzellen notwendig ist, ohne dass die Verbindung abbricht. Dies bringt große Probleme für die Auswahl einer Kommunikationstechnologie.
Mit der LTE-Technologie sind Übertragungsraten von bis zu 100 MB pro Sekunde möglich^[14], sodass Daten zwischen den Fahrzeugen schnell und ohne Verzögerungen übertragen werden können. Zudem sind die Latenzzeiten sehr gering, sie betragen nur 10 Millisekunden^[15].
Verzögerungen während der Übertragung können bei Connected Cars nicht toleriert werden, da bei Gefahrensituationen eine schnelle Reaktion des Fahrzeugs und des Fahrers notwendig ist.
Später einmal sollen sogar Übertragungsraten von bis zu 300 MB pro Sekunde möglich sein^[16]. Diese hohen Datenraten können erreicht werden, da mehrere Antennen zum Senden und Empfangen verwendet werden. Das Signal wird über unterschiedliche Wege zum Empfänger gesendet und ist deswegen wiederum weniger störanfällig.
Zudem ist die Störanfälligkeit der LTE-Funkzellen geringer, da sie eine größere Datenlast aushalten können.
Über die LTE-Technologie ist es möglich, die Daten in Echtzeit zu empfangen und an Fahrzeuge in der Nähe weiterzuleiten, sodass Autos intensiv am weltweiten Datenaustausch teilnehmen könnten^[17].
LTE ist im Bezug auf Connected Cars eine kostengünstige Möglichkeit, da bestehende Systeme genutzt werden können. Es ist nicht nötig, neue Basisstationen zu errichten, sondern es besteht die Möglichkeit, die bestehenden aufzurüsten.
Die neuen Funkzellen gehören zu einem selbstorganisierenden Netzwerk, dazu gehört, dass bei der Einschaltung einer neuen Funkzelle die benachbarten Zellen dieses merken und ihre Leistung automatisch drosseln. Das gleiche gilt bei einem Defekt einer Funkzelle, die Funkzelle wird aus dem System genommen und die benachbarten Zellen erhöhen ihre Leistung, um den Defekt auszugleichen^[18].
Dies alles gewährleistet eine sichere Übertragung der Daten.

4.2.2.2 Satellitenkommunikation

Die Satellitenkommunikation wird im Zusammenhang mit Connected Cars für die Positionsbestimmung der Fahrzeuge verwendet. Die Positionen der Fahrzeuge, die sich in der Nähe voneinander befinden, werden zwischen den Fahrzeugen ausgetauscht. Für die Positionsbestimmung wird die GPS-Technologie, Global Positioning System, verwendet. GPS ist ein satellitengestütztes Navigationssystem, das vom US-Militär entwickelt und ursprünglich nur militärisch verwendet wurde^[19].
Heute wird GPS mehr und mehr im zivilen Bereich verwendet, z.B. in mobilen Navigationssystemen.
Dadurch wird es möglich, dass die Autos ihre Positionen aufeinander abstimmen können.
Zur Bestimmung der Position eines Fahrzeugs über Satelliten muss das Fahrzeug eine Verbindung mit vier Satelliten aufbauen, theoretisch würden zur Positionsbestimmung auch drei Satelliten ausreichen. Es ist ebenfalls möglich, die Geschwindigkeit des Fahrzeugs auf diese Weise zu ermitteln.
Damit immer genügend Satelliten verfügbar sind, befinden sich mindestens 24 Satelliten in der Umlaufbahn. Die Signale der Satelliten werden über spezielle Frequenzen übertragen, die Kommunikation funktioniert am besten, wenn eine direkte Sichtverbindung zum Satelliten besteht. Neue Empfängertechnologien machen einen Empfang der Signale aber auch in Tunneln oder Tiefgaragen möglich^[20].
Die Position wird mit Hilfe mathematischer Formeln aus den Positionen der Satelliten und deren Umlaufgeschwindigkeit berechnet. Durch den Einsatz von GPS in Connected Cars und den Austausch der Positionen zwischen den Fahrzeugen werden abgestimmte Ausweichmanöver möglich. Wird von einem Fahrzeug ein Hindernis festgestellt, kann eine Ausweichprozedur berechnet werden, die ebenfalls einschließt, dass andere Fahrzeuge ausweichen. So kann ein Fahrzeug, das auf der rechten Spur unterwegs ist, einem Hindernis ausweichen, auch wenn ein anderes Fahrzeug auf der danebenliegenden Spur unterwegs ist. Dafür muss jedoch das Fahrzeug die komplette Kontrolle über das Auto übernehmen^[21].
Zur Koordination des Ausweichmanövers ist ein Fahrzeug einer Fahrzeuggruppe der Koordinator, an diesen werden alle Informationen gesendet und dieser entscheidet über das Ausweichverfahren^[22].

4.2.2.3 WLAN

Die bisher meist nur für Computer verwendete Wireless Local Area Network (WLAN) Technologie stellt auch eine Option für Connected Cars dar. WLAN wird eingesetzt um elektronische Geräte kabellos zu verbinden. Sie wird stetig weiterentwickelt und bietet eine immer größere Bandbreite und die Möglichkeit, immer mehr Daten immer schneller zu übertragen.
Diese Technologie bietet aufgrund ihrer großen Verbreitung viele Vorteile für Connected Cars. Sie ist zum einen sehr preisgünstig, da die Verbreitung sehr groß ist und zum anderen ist die Technik bereits sehr ausgreift und erprobt. Dadurch wird die Fehleranfälligkeit der Systeme gesenkt. Eine geringe Fehleranfälligkeit wird für den Einsatz in Connected Cars unbedingt benötigt.
Über die WLAN Technologie können Fahrzeuge und Infrastruktur in einem Radius von 300m erreicht werden^[23], dies bietet die Möglichkeit, mit sehr vielen Fahrzeugen zu kommunizieren und Informationen auszutauschen.
Durch die große Datenübertragungsrate, die erreicht werden kann, können auch sehr viele Daten in einer relativ kurzen Zeit übertragen werden. Diese ist je nach Standard sehr unterschiedlich und kann maximal 600Mbit/s betragen^[24]. Eine so große Datenübertragungsrate kann jedoch nur durch den Einsatz entsprechender Antennen und Signalverarbeitungseinheiten erreicht werden^[25]. Mit den derzeit in der Verwendung befindlichen Technologien können Übertragungsraten von bis zu 300Mbit/s erreicht werden.
Zudem ist die Verzögerung bei der Übertragung sehr gering, sodass keine Daten verloren gehen und alle Informationen rechtzeitig die Empfänger erreichen, um Gefahrensituationen entschärfen zu können.
Die WLAN Technologie stellt insgesamt eine gute Technologie für die Vernetzung von Fahrzeugen dar.

4.2.3 Fahrerassistenzsysteme

Fahrerassistenzsysteme sind Systeme, die den Fahrer bei der Fahrzeugführung unterstützen. Dabei kann zum einen zwischen Komfortsystemen und Informationssystemen und zum anderen zwischen aktiven und passiven Systemen unterschieden werden.
Komfortsysteme sind Systeme, die dem Fahrer einige Stelleingriffe wie das Halten der Spur abnehmen^[26]. In kritischen Situationen ist aber immer noch der Fahrer alleine verantwortlich, zudem ist es ihm möglich, auch die Stelleingriffe durch das Fahrzeug anzupassen, durch eine Übersteuerung des Fahrzeugs.
Informationssysteme hingegen beeinflussen nicht direkt die Fahrweise, sondern stellen dem Fahrer Informationen zur Verfügung, anhand derer die Entscheidungsfindung für den Fahrer einfacher wird. Zu diesen Systemen gehören Sensoren-Systeme und auch Navigationssysteme^[27].
Genau auf die gleiche Weise werden aktive und passive Systeme unterschieden, die Begrifflichkeiten werden analog in verschiedener Literatur verwendet.
Aktive Systeme haben die Möglichkeit, in die Fahrzeugsteuerung einzugreifen, dazu gehört die Kontrolle der Bremsen und der Geschwindigkeit^[28]. Die Kontrolle der Bremsen kann beispielsweise über einen Bremsassistenten realisiert werden.
Aktive Systeme werden in der Praxis derzeit noch nicht verwendet, da durch die Übernahme der Steuerung durch einen Computer keine Gefährdung ausgehen darf^[29]. Es muss absolut sichergestellt sein, dass das Fahrzeug die Situation richtig einschätzt und entsprechend reagiert. Dazu gehört ebenfalls eine hohe Zuverlässigkeit, damit sich der Fahrer auf das Assistenzsystem verlassen kann. Eine Fehlertoleranz ist bei einem solchen System nicht gegeben, es darf ebenso nicht zu einem Fehlalarm kommen^[30].
Eine Variante eines Komfortsystems ist das Einparkhilfe-System, da die Sicht bei vielen Fahrzeugen sehr eingeschränkt ist. Das System soll die Sicht des Fahrers um eine "elektronische Sicht" erweitern^[31]. Dazu werden die beschriebenen Ultraschallsensoren verwendet, um den Abstand zu den Hindernissen vor und hinter dem Fahrzeug anzuzeigen. Der Abstand kann entweder mit akustischen oder visuellen Signalen angezeigt werden. Die einzelnen Systeme unterscheiden sich meist nur durch die Anzahl der Sensoren, die sich zum Teil nur an einer Seite des Fahrzeugs befinden^[32].
Aktiviert wird das System entweder durch das Einlegen des Rückwärtsgangs oder durch die Verringerung der Geschwindigkeit unter einen bestimmten Schwellwert^[33].
Als Weiterentwicklung dieser Technologie kann das System der Parklückenvermessung genannt werden, dabei wird die Parklücke vor dem Einparken ausgemessen und der Fahrer kann so sicher sein, dass die Lücke groß genug für das Fahrzeug ist.
Ein weiterer Entwicklungsschritt ist der sogenannte Einparkassistent, dieser gibt dem Fahrer weitere Hilfestellung als nur den Abstand zu den Hindernissen. So ist es möglich, dass das Fahrzeug die optimale Lenkradstellung vorgibt, zudem soll der Bordstein anhand weiterer Ressourcen erkannt werden^[34].
Ein weiteres davon vollständig losgelöstes System ist die Geschwindigkeitsregelung, dies kommt auch im Zusammenhang mit Connected Cars zum Einsatz. Dieses System bietet die Möglichkeit, dass das Fahrzeug eine vorgegebene Geschwindigkeit konstant hält^[35].
Im Zusammenhang mit Conntected Cars kann dieses System die Geschwindigkeit eines Fahrzeugs in Gefahrensituationen anpassen. Ein solches System kann am besten funktionieren, wenn das System in möglichst vielen Fahrzeugen im Einsatz ist.
Ergänzt werden kann das System durch einen "adaptiven Fahrgeschwindigkeitsregler"^[36], dieser kann zusätzlich zur Geschwindigkeitsregulierung die Entfernung zum vorausfahrenden Fahrzeug messen und die Geschwindigkeit in der Hinsicht anpassen, dass der Abstand gleich bleibt.
Dazu ist es notwendig, dass nicht nur die Beschleunigung sondern auch die Bremse des Fahrzeugs kontrolliert wird. Zudem muss das vorausfahrende Fahrzeug ausgewählt werden, das für den Abstand relevant ist. Dieses muss sich also auf der gleichen Spur befinden.
Zu diesen Systemen kommt der Spurwechselassistent hinzu, dieser soll einen unbeabsichtigten Spurwechsel des Fahrers verhindern^[37]. Für dieses System muss die Fahrbahnmarkierung durch Sensoren erkannt und ausgewertet werden. Das System soll den Fahrer bei einem Überschreiten der Fahrbahnmarkierung warnen.
Auf die gleiche Weise können auch Personen oder andere Hindernisse erkannt werden, und der Fahrer kann so vor diesen gewarnt werden und ein entsprechendes Ausweichmanöver einleiten.
Um auf die Informationen der anderen Fahrzeuge entsprechend reagieren zu können ist ein Bremsassistent sehr wichtig. Dieser unterstützt den Fahrer bei einer Vollbremsung, damit das Fahrzeug schneller zum Stillstand kommt. Der Bremsassistent wird nur in Notfallsituationen aktiv, indem er die Intensität misst, mit der der Fahrer auf die Bremse tritt^[38].
Bei aktiven Systemen sollte es mit Hilfe der verschiedenen Systeme möglich sein, das Fahrzeug automatisch von den Hindernissen wegzusteuern. Dazu können die Funktionen der Geschwindigkeitsregulierung genutzt werden. Zudem können bei Connected Cars auch die Informationen der Fahrerassistenzsysteme anderer Fahrzeuge ausgewertet und in die Informationen, die an den Fahrer gehen, einbezogen werden. So kann eine umfassende Entscheidung getroffen werden.

4.3 Projekte

Innerhalb der EU gibt es verschiedene Projekte, die die Entwicklung von Connected Cars vorantreiben. Im Folgenden werden drei Projekte vorgestellt.

4.3.1 aktiv

aktiv ist ein Projekt verschiedener deutscher Unternehmen. Der Name aktiv steht innerhalb des Projektes für adaptive und kooperative Technologien für den intelligenten Verkehr.
An dem Projekt sind 28 Unternehmen beteiligt, dies sind vor allem Automobilhersteller, Elektronik-, Telekommunikations- und Softwarefirmen und Forschungsinstitute^[40]. Es wird vom Bundesministerium für Bildung und Forschung gefördert. Das Projekt ist für einen Durchführungszeitraum von zweieinhalb Jahren ausgelegt.
Es unterteilt sich in drei Teilprojekte, eins dieser Projekte beschäftigt sich dabei mit Cooperative Cars (CoCar).
Das Teilprojekt beschäftigt sich mit der Nutzung von Mobilfunktechnologien bei der Fahrzeug zu Fahrzeug Kommunikation^[41]. Hauptsächlich werden Technologien untersucht, die auf der UMTS-Technologie basieren.
Innerhalb des CoCar Projektes wurden Kommunikationsprotokolle und Systemkomponenten getestet. Dafür wurden Prototypen und zur weiteren Erprobung verschiedene Szenarien entwickelt und Simulationen durchgeführt^[42]. Zum Schluss wurden Machbarkeitsstudien durchgeführt.
Praktisch sollte nicht nur eine Kommunikation zwischen verschiedenen Fahrzeugen möglich sein, sondern auch die Kommunikation mit der Infrastruktur, wie z.B. Baustellenschildern. Erfasst ein Fahrzeug Warnungen von einer Infrastruktur oder einem anderen Fahrzeug, sendet dieses die Warnung ins Mobilfunknetz und dann weiter an den sogenannten CoCar-Informationsdienst. Dieser Dienst soll die gesammelten Informationen dann an andere Fahrzeuge, die sich ebenfalls in der Nähe einer Gefahrensituation befinden, weiterleiten.
So kann gewährleistet werden, dass alle Fahrzeuge über potentielle Gefahren informiert werden.

Zuerst wurde das Projekt CoCar gestartet und danach als Nachfolgeprojekt CoCarX. CoCarX beschäftigt sich mit den Neuentwicklungen in der Mobilfunktechnik wie LTE und IMS, diese Technologien bieten neue Möglichkeiten in der Fahrzeug zu Fahrzeug Kommunikation^[44].
Das Hauptziel des Projektes war es, die Ergebnisse des ersten Projektes CoCar weiterzuentwickeln und eine kostengünstigere Lösung anzustreben.
Um dies zu erreichen muss untersucht werden, wann welche Technologie am besten eingesetzt werden kann. Zudem wird eine flächendeckende Verfügbarkeit der Technologien erwartet^[45].
Mit Hilfe der neuen Technologien ergeben sich neue Möglichkeiten, z.B. die Anbindung an weitere Verkehrsmanagementsysteme. Das Nachfolgeprojekt ist noch nicht abgeschlossen, Ergebnisse werden für das Jahr 2011 erwartet.

4.3.2 NOW Network on Wheels

Das Projekt Network on Wheels wird vom Bundesministerium für Bildung und Forschung gefördert. Es soll ein herstellerübergreifendes System entwickelt werden, basierend auf einer WLAN Technologie. Es wurde 2004 gegründet und lief über vier Jahre^[47].
Bemerkenswert ist, dass mehrere Automobilhersteller an dem Projekt beteiligt sind. Dies fördert den Ansatz des herstellerübergreifenden Systems des Projektes. Zu den Automobilherstellern gehören BMW, Audi, Volkswagen und DamilerChrysler^[48].
Ziel des Projektes ist es eine gemeinsame Kommunikationsform zwischen den Fahrzeugen zu entwickeln. Dazu sollen die verschiedenen Sensordaten und Fahrzeuginformationen jedes einzelnen Fahrzeugs zwischen den Fahrzeugen ausgetauscht werden^[49]. Es soll ein sogenanntes Adhoc-Netz verwendet werden.
Ein Adhoc Netzwerk stellt eine direkte Peer-to-Peer Verbindung her, ohne dass dafür ein Access Point benötigt wird^[50]. Bei dieser Form der Übertragung spricht man von Multihop, damit soll der Sichtbereich des Fahrers erweitert werden. Der Fahrer bekommt mehr Informationen von sich und seiner Umgebung und kann die Situationen so besser einschätzen. Es sollen Informationen über die aktuelle Verkehrssituation von Fahrzeug zu Fahrzeug weitergegeben werden, dazu gehören Wetterinformationen wie Glatteis, aber auch die Warnung vor Gefahrensituationen wie Unfällen^[51].
Technisch muss das Fahrzeug dafür sowohl in der Lage sein, Informationen zu senden und zu empfangen als auch als Vermittler tätig werden, um Informationen, die dieses Fahrzeug erreichen, an andere Fahrzeuge weiterzuleiten. Zudem muss ein Bordcomputer in der Lage sein, die Informationen zu analysieren und miteinander in Verbindung zu bringen, um die richtigen Schlussfolgerungen zu ziehen und nur die relevanten Informationen an andere Fahrzeuge weiterzuleiten^[52].
Wenn viele Fahrzeuge Informationen sammeln und verteilen, wird die Datenlast immer größer. Zudem muss die Geschwindigkeit beachtet werden, mit der sich die Fahrzeuge bewegen. Durch das Multihopping kann trotz der Geschwindigkeit eine möglichst hohe Datenübertragungsrate erreicht werden.
Besondere Herausforderungen, die an das Projekt gestellt werden, gibt es vor allem im Bereich der Datensicherheit der zur Verfügung stehenden Übertragungsprotokolle, die auf ihre Verwendbarkeit hin überprüft werden müssen^[53]. Hinzu kommen Anforderungen an die verschiedenen Systeme zur Analyse und Auswertung der Informationen sowie der Bereitstellung der Infrastruktur zur Übertragung von Daten.
Das Projekt wurde 2008 beendet und die gewonnenen Ergebnisse fließen in die Arbeit des Car 2 Car Consortium ein, das sich mit der Standardisierung bei Connected Cars beschäftigt.
Ergebnisse waren zum einen technisch basierte Fragestellungen für die Umsetzung, aber auch Fragestellungen die zukünftige Vermarktung betreffend. Die aus dem Projekt entstandene NOW-Plattform soll zukünftig als Möglichkeit für eine "kooperative Situationsanalyse zur Gefahrenerkennung"^[54] genutzt werden.

Die Plattform funktioniert wie ein Kreislauf. Zuerst müssen Daten von den eigenen Sensoren gewonnen werden, danach können diese ausgewertet und an andere Fahrzeuge verbreitet werden. Anschließend können die eingegangenen Daten von anderen Verkehrsteilnehmern erneut ausgewertet und mit den eigenen Daten verknüpft werden^[56].
Anhand der gewonnenen und analysierten Daten lassen sich Rückschlüsse auf die Gefahren in der Umgebung des Fahrzeugs ziehen. Damit möglichst nur die relevanten Daten weiterversendet werden, wird ein Zahlenwert jeder einzelnen Information zugeordnet. Diese werden "unter Einbeziehung des Fahrzeugkontextes, des Nachrichteninhalts und der Auslastung des Netzwerks berechnet"^[57], so kann eine Priorisierung der Informationen vorgenommen werden.
Alle diese Entwicklungen und Erkenntnisse des Projektes werden in anderen Projekten weiterverarbeitet, hatten aber keine direkten Auswirkungen auf die Entwicklung neuer markfähiger Produkte.

4.3.3 Car 2 Car Communication Consortium

Das Car 2 Car Communication Consortium (C2C CC) ist ein Zusammenschluss von anfangs sechs europäischen Automobilherstellern, dieser Zusammenschluss soll einen offenen Standard für die Industrie entwickeln^[58]. Die Automobilhersteller sind Audi, BMW Group, DaimlerChrysler, Fiat, Renault und Volkswagen^[59]. Im Jahr 2008 hatten sich noch mehr Unternehmen dem Konsortium angeschlossen, so waren es neun Fahrzeughersteller, 11 Zulieferer und 13 Forschungseinrichtungen^[60].
Eine andere Aufgabe ist die Zuteilung von Funkfrequenzen und die Entwicklung von Sende- und Empfangssystemen^[61]. Das C2C CC vergibt auch Frequenzen auf Basis der WLAN Technologie wie schon im Projekt NOW entwickelt.
Die Standardisierung erfolgt nicht allein durch das Konsortium, sondern in Zusammenarbeit mit dem European Telecommunications Standards Institute (ETSI). Das ETSI arbeitet unter Führung der europäischen Union und ist eine gemeinnützige Organisation, seit den 80er Jahren werden durch dieses Institut Telekommunikationsstandards entwickelt^[62]. Dem Institut gehören verschiedenste Unternehmen an, dazu gehören u.a. Netzbetreiber und Forschungseinrichtungen^[63].
Als Ziel sollten alle erlassenen Standards die Erhöhung der Verkehrssicherheit und Verkehrseffizienz als Ziel haben.
Zur technischen Realisation muss jedes Fahrzeug mit einem Funksystem ausgestattet sein. Befindet sich ein anderes Fahrzeug in der Reichweite des Funks eines anderen, werden alle verfügbaren Informationen direkt übermittelt. Dazu muss automatisch eine WLAN Verbindung zu dem jeweiligen Fahrzeug aufgebaut werden. Gleichzeitig muss jedes Fahrzeug wie ein WLAN Router funktionieren, um auch die Informationen von anderen Fahrzeugen empfangen und weiterleiten zu können^[64].
Das C2C CC ist nicht alleine für die Entwicklung von Standards für Connected Cars zuständig, sondern beschäftigt sich auch mit anderen Bereichen der Telekommunikation. Die Arbeit an Standards für Connected Cars ist lediglich ein kleiner Bestandteil der Arbeit des Konsortiums.

5 Autonome Fahrzeuge

5.1 Definition

Vergleichbar zum Kapitel 4.1 soll in diesem Abschnitt nicht der Versuch unternommen werden, den Begriff der autonomen Fahrzeuge umfassend zu definieren. Vielmehr stellt dieser Abschnitt eine Beschreibung der Eigenschaften dar, die im weiteren ausschlaggebend sind, um Fahrzeuge als autonome Fahrzeuge zu untersuchen.
Grundsätzlich werden in dieser Betrachtung nur Land-Fahrzeuge aufgenommen. Diese werden als autonom angesehen, wenn sie selbstständig ein vorher definiertes Ziel erreichen, d. h. dass nach der Zieleingabe keine weitere Interaktion mit dem Fahrzeug mehr nötig ist und die Navigation des Fahrzeugs (bzw. durch die entsprechende Elektronik) vorgenommen wird. Aus der Fähigkeit ein gegebenes Ziel durch selbstständige Navigation zu erreichen lässt sich unmittelbar die Anforderung ableiten, dass das Fahrzeug in der Lage sein muss, seine eigene Position zu bestimmen.
Um von einem autonomen Fahrzeug sprechen zu können muss natürlich noch die Eigenschaft des Fahrzeugs hinzukommen, eigenständig den Antrieb, die Bremsen und die Lenkung zu steuern.
Allerdings ist damit noch keine Fahrt in einer Verkehrssituation möglich. Hierzu muss das Fahrzeug in der Lage sein, seine Umwelt zu erfassen und auf Veränderung sowie plötzlich auftretende Ereignisse angemessen zu reagieren.
Zusammenfassend sind also folgende Eigenschaften für ein autonomes Fahrzeug erforderlich:

• Positionsbestimmung
• Navigation
• Umweltwahrnehmung
• Ereignisbehandlung

In einigen Betrachtungsbeispielen werden nicht alle diese Kriterien erreicht. Dadurch kann auch auf Entwicklungen eingegangen werden, unter denen autonome Fahrzeuge entstehen. Diese Entwicklung von autonomen Fahrzeugen ist der Betrachtungsschwerpunkt der Anwendungsbeispiele. Vorher werden die Techniken untersucht, die nötig sind, um die oben genannten Anforderungen zu erfüllen und die in einem Zusammenhang zu den Connected Cars betrachtet werden können.

5.2 Technologie

Wie oben bereits erwähnt, werden in diesem Abschnitt die Technologien behandelt, die in autonomen Fahrzeugen verwendet werden. Dabei wird auf ein so breites Spektrum an unterschiedlichsten Techniken zurückgegriffen, sodass hier nicht alle zur Verfügung stehenden Mittel behandelt werden können. Die hier gemachte Auswahl erfolgt mit Rückgriff auf die oben bereits beschriebenen Technologien, um ihre Synergie-Effekte oder Entwicklungsmöglichkeiten bei der Nutzung in autonomen Fahrzeugen zu untersuchen. Für die Steuerung autonomer Fahrzeuge sind dabei die drei Verarbeitungsschritte, Sensordatenerfassung und -verarbeitung und Umsetzung in Steuerbefehle (Aktorik) notwendig^[65]. Im Rahmen dieser Arbeit wird dabei auf die beiden ersten Punkte der Sensordatenerfassung und -verarbeitung eingegangen. Das Teilgebiet der Aktorik wird nicht behandelt.

5.2.1 Sensordatenverarbeitung

Wie oben bereits beschrieben werden in Connected Cars verschiedene Sensoren eingesetzt, die den Zustand der Umwelt und den Eigenzustand (den des Fahrzeugs) überwachen. Die durch die Sensoren gelieferten Werte werden für die unterschiedlichsten Zwecke ausgewertet. Bei den Connected Cars konnten die daraus gewonnen Informationen dem Fahrer zur Verfügung gestellt werden oder Grundlage für einen Steuerungseingriff sein. (Beispiel: Halten der Spur) Bei autonomen Fahrzeugen werden die Daten nur gesammelt, um solche Eingriffe durchführen zu können^[66].
Zur Überwachung des Eigenzustands eines autonomen Fahrzeugs müssen wiederum zwei Systeme unterschieden werden. Zum einen muss die Position des Fahrzeugs bestimmbar sein und zum anderen müssen die Eigenbewegungen des Fahrzeugs beurteilt werden können^[67]. Die Positionsbestimmung ist dabei über das GPS-System möglich, das bereits in Kapitel 4.2.2.2 beschrieben wurde, da es auch in Connected Cars Anwendung findet. Das Problem bei der Positionsbestimmung via GPS besteht jedoch darin, dass das Signal abreißen oder unterbrochen werden kann. Beispielsweise bei Tunneldurchfahrten oder dichten Wäldern. Dieses Problem wiegt bei autonomen Fahrzeugen sehr stark, da der Computer zur Berechnung der folgenden Aktionen immer die genaue Position des Fahrzeugs bestimmen können muss. Hierfür wird das Inertial Measurement Unit (IMU) genannte System benutzt. Es berechnet aus den Eigenbewegungen des Fahrzeugs die Position, falls das GPS Signal nicht verfügbar ist^[68].
Damit ist das Fahrzeug nun in der Lage ständig seine Position ausreichend genau zu bestimmen. Bleibt noch das Problem der Umwelt-"Wahrnehmung". Hier können neben den in Kapitel 4.2.1 kurz beschriebenen Kameras auch Laserscanner eingesetzt werden, diese liefern ein Bild in Form von Entfernungs- und Positionswerten einzelner, durch je mit einen Laserstrahl gemessenen Punkten^[69]. Dadurch entsteht eine große Anzahl von Messpunkten, aus der softwaretechnisch Objekte identifiziert werden müssen. Da diese Objekte aber häufig nicht statisch sind, müssen auch noch Methoden implementiert werden, diese Objekte zu verfolgen, um ihre Bewegungsrichtung und Geschwindigkeit identifizieren zu können. Dabei müssen Probleme sich überlagernder Objekte und verfälschte Werte durch Messungenauigkeiten behandelt werden^[70].
Außerdem müssen die Daten in Abhängigkeit von Faktoren wie Geschwindigkeit, Verkehrssituation usw. unterschiedlichen Echtzeitanforderungen genügen. Diese Anforderung steht aber im Gegensatz zu der Vielzahl unterschiedlicher Aufgaben, die von einen autonomen Fahrzeug berechnet werden müssen. Aufgrund der Beschränkungen hinsichtlich Platz und Energie in einem Fahrzeug kann einem einzelnen System auch nicht gesonderte Rechenleistung für eine Echtzeitanwendung zur Verfügung gestellt werden. Eine Lösung kann hier durch ein System geschaffen werden, das sowohl das "normale" Betriebssystem als auch die Echtzeitanwendung in zwei unterschiedlich priorisierten Threads ausführt^[71]. Durch diese Lösung steht die Rechenleistung den übrigen Systemen zur Verfügung, sofern keine Ereignisse aus dem Echtzeitsystem abgearbeitet werden müssen.
Das Beispiel der Sensordatenverarbeitung zeigt auf der einen Seite, wie in Connected Cars verwendete Techniken in autonomen Fahrzeugen genutzt werden können, es zeigt aber auch, dass sich bei der Nutzung in autonomen Fahrzeugen eine Vielzahl neuer Anforderungen ergeben, die auch daraus entstehen, dass die Systeme autonomer Fahrzeuge von einer hohen Zuverlässigkeit gekennzeichnet sein müssen.

5.2.2 Lokalisation und Routenplanung

Die im vorherigen Abschnitt beschriebene Auswertung der Sensordaten ermöglicht das Erkennen der Umwelt eines Fahrzeugs und speziell die GPS-Technik ermöglicht es, den genauen Standort eines Fahrzeugs zu bestimmen. Der Zweck eines autonomen Fahrzeugs besteht aber darin, ein definiertes Ziel selbstständig zu erreichen. Sofern keine weiteren Umstände dagegen sprechen, müsste die Software des Fahrzeugs nur den kürzesten Weg zwischen dem eigenen Standpunkt und dem gegebenen Zielpunkt berechnen und könnte geradewegs darauf zu fahren. Sollten auf diesem Weg Hindernisse auftreten, muss das Fahrzeug diese mit Hilfe der Sensordaten (siehe vorheriger Abschnitt) erkennen und umfahren.
In vielen Fällen kann ein Fahrzeug aber nicht einen beliebigen Weg wählen. In vielen Umgebungen ist das Fahrzeug an das Befahren von Straßen (oder allgemein: befahrbare Bereiche) gebunden. Der Rechner des Fahrzeugs braucht also Informationen darüber, welche Teile seiner Umgebung befahrbar sind und welche nicht, sodass Aussagen über die Routenplanung vom gegebenen Kartenmaterial abhängig sind.
Im Fall der Darpa Urban Challange (siehe Abschnitt 5.3.1) lagen die Daten in Form der sogenannten Route Network Definition File (RNDF) vor^[72]. Diese Datei bestand aus Informationen über GPS-Daten einzelner Wegpunkte, Benennung der Punkte, Kennzeichnung besonderer Punkte (Stoppschild, Kreuzung, usw.) und noch einigen anderen Informationen^[73]. Somit bestand die Aufgabe der Fahrzeugsoftware nun darin aus diesen Rohdaten einen Plan des Straßenverlaufs zu generieren. Da die Daten der gegebenen Datei aber ungleichmäßig verteilt waren, konnte das Bild des Straßenverlaufs nur eine Annäherung darstellen^[74]. Diese Annäherung wurde anhand verschiedener geometrischer Berechnungen erstellt, die eine wahrscheinliche Verbindung zwischen zwei aufeinander folgenden Punkten darstellen^[75].
Die Abbildung 8 zeigt dazu eine grafische Darstellung. Während in den Rohdaten (Links) noch verschiedene Punkte (siehe oben) markiert sind, sind in der anderen Abbildung (Rechts) bereits aus den Rohdaten alle möglichen Wege berechnet worden. Zu beachten ist, dass diese Wege jetzt über die Kreuzung fortgeführt werden und der Straßenverlauf nun Kurven statt Ecken zeigt.

Auf dieser Basis kann nun die Route nach verschiedenen Kriterien berechnet und zwischen Stopps eingebaut werden^[77]. Die genauen Algorithmen zur Berechnung Pfadstrecken werden hier nicht weiter behandelt.
Das Beispiel der Navigation zeigt, dass die Entwicklung autonomer Fahrzeuge nicht nur von technologischen, sondern auch von organisatorischen Faktoren abhängt. Diese Faktoren können in Form von einheitlichem Kartenmaterial oder anderen Gegebenheiten auftreten. Eine ähnliche Entwicklung zeigt sich auch am Beispiel der Connected Cars. Ohne die Festsetzung organisatorischer Standards wäre die Kommunikation zwischen Fahrzeugen oder Fahrzeugen und Infrastruktur sicher nicht denkbar.

5.2.3 Ereignisbehandlung (Reaktion)

Mit den oben beschriebenen Techniken der Sensordatenverarbeitung und der Routenplanung sind schon wesentliche Schritte auf dem Weg zu einem autonomen Fahrzeug beschrieben. Ein weiterer ist die Fähigkeit zur Ereignisbehandlung. Unter Ereignissen werden hier Situationen genannt, die während einer Fahrt auftreten können aber nicht müssen, bzw. Situationen, die in ihrer Ausprägung nicht vorhersehbar sind^[78]. Zu dem zweiten Fall gehören z. B. das Verhalten an Kreuzungen, Einparkprozeduren oder Wendemanöver. Alle diese Manöver treten mit hoher Wahrscheinlichkeit in einem Fahrbetrieb auf oder sie sind sogar genau berechenbar. Beispielsweise kann das Fahrzeug aus diversen Sensordaten berechnen, wann es den richtigen Ort erreicht hat um einzuparken. Die Prozedur des Parkens lässt sich im Prinzip auch vorab implementieren. Der tatsächliche Parkvorgang hängt aber von mehreren Faktoren (Größe der Lücke, Breite der Straße, usw.) ab, die es erforderlich machen, dass die Parkprozedur zur Laufzeit angepasst werden muss^[79].
Darüber hinaus gibt es natürlich auch Situationen, deren Auftreten im Vorfeld überhaupt nicht vorhersehbar ist. Das klassische Beispiel ist eine Notbremsung. Sobald irgendein bestimmter Fall auftritt (beispielsweise ein Hindernis im Nahbereich eines Sensors), der diese Prozedur anstößt, wird unmittelbar eine Notbremsung eingeleitet^[80]. Ein anderes Beispiel ist das Folgen eines Fahrzeugs mit angepasster Geschwindigkeit. Würde ein autonomes Fahrzeug ein vor ihm fahrendes Fahrzeug als Hindernis erkennen und versuchen es zu umfahren, könnte das je nach Verkehrssituation die falsche Entscheidung sein. Ein autonomes Fahrzeug muss also in der Lage sein einem anderen Fahrzeug mit angepasster Geschwindigkeit zu folgen. Da man im Vorfeld nicht bestimmen kann, wann dieses Ereignis eintritt, handelt es sich hierbei um eine Situation, auf die individuell reagiert werden muss^[81].

5.3 Anwendungsbeispiele

Wie aus den obenstehenden Ausführungen hervor geht, ist die Entwicklung von autonomen Fahrzeugen mit einer Vielzahl von hochentwickelten Technologien verbunden, deren Zusammenwirken die Entwickler vor komplexe Aufgaben stellt. Aus diesem Zusammenhang lässt sich auch die Frage ableiten, welche Organisationen oder Einrichtungen Interessen an der Entwicklung solcher Fahrzeuge haben. Dabei finden sich verschiedene Gruppen, die Fahrzeuge benötigen, die von Menschen nicht oder unter schwierigen Bedingungen bedient werden können.
Die folgenden Beispiele zeigen zwei unterschiedliche Anwendungsgebiete, die sich nicht nur durch ihren Einsatzzweck, sondern auch durch den Grad der automatisierung des Fahrbetriebs unterscheiden. Zu Beginn jedes Anwendungsbeispiels soll kurz der spezifische Nutzen dargestellt werden, der durch die Nutzung autonomer Fahrzeuge entsteht.

5.3.1 Anwendungsbeispiel 1: DARPA Challenge

Bei der Beschreibung der Nutzung im Fall der Darpa Challenge kommt der bisher noch nicht weiter behandelte Aspekt der autonomen Fahrzeuge zum Tragen, überall dort eingesetzt werden zu können, wo es für Menschen gefährlich ist, ein Fahrzeug zu führen. Solche Situationen können bei Naturkatastrophen, in Kriegsgebieten oder anderen Szenarien vorliegen. Unter dem zweiten Aspekt hat auch die Defence Advanced Research Projects Agency (Darpa) Interesse an der Entwicklung solcher Fahrzeuge. Die Darpa ist eine Einrichtung, die dem US Verteidigungsministerium unterstellt ist. Sie versteht sich als eine Organisation, die technologische Entwicklungen aus verschiedenen Bereichen für militärische Zwecke nutzbar macht^[82]. Die Agentur sucht dafür weltweit nach Projekten, denen sie ein großes Potential einräumt, und fördert diese dann gezielt^[83].
Seit 2003 verstärkt die Darpa auch ihre Bemühungen ein autonomes Bodenfahrzeug für den Einsatz in Krisengebieten zu entwickeln. Zu diesem Zweck wurde die Darpa Grand Challenge ins Leben gerufen. Dabei handelt es sich um eine Rallye, bei der die teilnehmenden Fahrzeuge ohne Einwirkung von außen einen etwa 200 Meilen langen Parcours durch unterschiedliches Gelände bewältigen müssen^[84].
Für das Team, das die Strecke als erstes in weniger als 10 Stunden bewältigt, hatte die Darpa ein Preisgeld in Höhe von 1 Million Dollar ausgeschrieben^[85]. In der ersten Phase beteiligten sich 106 verschiedene Teams, von denen schließlich 25 an der abschließenden Veranstaltung teilnehmen durften^[86]. Allerdings konnte keines der Teams die vorgegebene Strecke bewältigen^[87]. Deshalb wurde die Challange ein Jahr später unter ähnlichen Voraussetzungen neu aufgelegt^[88]. Diesmal gelang es gleich mehreren Teams, das Ziel zu erreichen. Als erstes überquerte das Stanford-Team die Ziellinie,^[89] dessen Projekt im Laufe dieser Arbeit noch vorgestellt wird.
Der nächste Schritt in der Reihe dieser Veranstaltungen fand 2007 auf einer ausgedienten Militärbasis in Victorville in Californien statt. Während sich die Fahrzeuge in den ersten beiden Auflagen der Challenge durch einen Bereich ohne Verkehr bewegen mussten, wurde die Veranstaltung jetzt unter dem Namen Darpa Urban Challenge in eine städtische Verkehrssituation verlegt^[90]. Durch diese neue Umgebung wurden die Anforderungen an die Teams verschärft, da jetzt auch die Regeln des städtischen Verkehrs berücksichtigt werden mussten. Weiterhin erschwerend kam hinzu, das an der Challenge jetzt auch bemannte Fahrzeuge "teilnahmen", auf die die autonomen Fahrzeuge reagieren mussten^[91].
Um den Teams eine Navigation in dieser Umgebung zu ermöglichen wurde ihnen ein elektronischer Stadtplan zur Verfügung gestellt. Die Mission, die die Teams bewältigen mussten, wurde ihnen jedoch erst Minuten vor dem Start übergeben^[92]. Durch diese späte Übergabe sollte schon bei Start der Challenge eine autonome Verarbeitung durch die Fahrzeuge erreicht werden. Im Laufe der Veranstaltung zeigte sich zwar, dass einige der gestarteten Teams die vorgegebene Mission nicht bewältigen konnten, aber von 11 gestarteten autonomen Fahrzeugen erreichten 6 das Ziel, nachdem sie zuvor mehrere Stunden selbstständig durch eine städtische Umgebung navigiert und gesteuert hatten und dabei mehrere Checkpunkte anfahren mussten^[93].

Darpa Urban Challange: Start[94], Abb. 9

Darpa Urban Challange: Abbiegen[95], Abb. 10

Darpa Urban Challange: Vorfahrt gewähren[96], Abb. 11

Das Anwendungsbeispiel der Darpa Grand Challange zeigt, wie rasant sich die Entwicklung einer Technologie in wenigen Jahren gestalten kann. Scheiterten im ersten Jahr die Teilnehmer noch an einer Fahrt durch unbewohntes Gelände, war nur 3 Jahre später eine Fahrt durch eine städtische Umgebung möglich. Diese Entwicklung zeigt, dass die Entwicklung von Fahrzeugen, die sich autonom bewegen, möglich ist, aber noch vieler weiterer Schritte bedarf.
Sie zeigt aber auch, dass es konkreter Anforderungen und Anreize bedarf, die die Entwicklung einer Technologie fördern. Die Entwicklung der autonomen Fahrzeuge profitiert dabei von dem Grundsatz der Darpa, wissenschaftliche Erkenntnisse aus unterschiedlichen Bereichen zu neuen einsetzbaren Technologien zu kombinieren sowie von den konkreten Zielvorgaben durch die Agentur. Die weiteren Entwicklungen in diesem Bereich hängen damit mit dem Fortbestehen dieses oder ähnlicher Projekte zusammen.

5.3.1.1 Stanford Racing Team

Das Stanford Racing Team ist das Team, das für die University of Stanford an der Darpa Challange teilgenommen hat^[98]. Das Team zählt mit seinem Sieg 2005^[99] und seinem zweiten Platz bei der Urban Challange 2007^[100] zu den erfolgreichsten Teilnehmern dieses Events.
Als das Team 2005 das erste Mal antrat, musste bei der Darpa Challenge noch eine Wüsten-Strecke zurückgelegt werden, die aber auf wechselnden Untergründen verlief. Diese Anforderung schränkt die Auswahl der Fahrzeugbasis ein. Das Stanford Racing Team entschied sich für einen nahezu serienmäßigen VW Touareg, der lediglich leicht modifiziert werden musste^[101]. Neben der geforderten Geländegängigkeit brachte dieses Fahrzeug auch eine von Volkswagen entwickelte elektronische Steuerung von Gas und Bremspedal mit^[102], was die Steuerung des Fahrzeugs durch ein Computersystem enorm erleichterte. Allerdings war der Verbund aus Rechnersystemen, in denen alle Fähigkeiten des Fahrzeugs abgebildet werden mussten, nur ein Teil der Technologie. Um die Fahrt durch die Wüstenlandschaft zu ermöglichen war eine Vielzahl von Sensoren, Kameras und GPS-Modulen notwendig, die sowohl eine Navigation ermöglichten als auch das Umfahren von Hindernissen^[103].
Entwickelt wurden diese Techniken von einen Team von Spezialisten aus den unterschiedlichsten Fachrichtungen,^[104] sodass jeder der Teammitglieder seinen Anteil am Erfolg beitragen konnte. Neben den engen Teammitgliedern fand das Team aber auch eine Anzahl renommierter Firmen,^[105] die das Projekt mit verschiedenen Mitteln unterstützten.
Mit den aus der 2005er Auflage gewonnenen Erkenntnissen beschloss das Team auch an der folgenden Veranstaltung teilzunehmen. Als Basis wurde wieder ein VW gewählt. Diesmal entschied man sich für einen Passat Kombi, der den Spitznamen "Junior" bekam und wiederum von VW-Ingenieuren leicht modifiziert wurde^[106]. Durch die die neue Umgebung ergaben sich für Junior nun unter Anderem folgende neue Anforderungen:

360 Grad "Wahrnehmung"	Während es bei der Fahrt durch eine Wüstenlandschaft noch ausreichend war, nur die Umgebung auszuwerten, die sich vor dem Fahrzeug befand, war es nun nötig einen 360 Grad Blickwinkel zu ermöglichen. Da sich im städtischen Verkehr auch Fahrzeuge von der Seite (an Kreuzungen) und von hinten (beim Parken) nähern können[107].
Bewegte Hindernisse	Eine der größten Schwierigkeiten bei der Bewegung in einer städtischen Umgebung sind die sich bewegenden Hindernisse. Während es in der Wüste noch ausreichend war, ein Hindernis zu erkennen und zu umfahren, musste jetzt auch seine Bewegungsrichtung usw. mit einbezogen werden[108].
Erhöhte Rechenleistung	Aus den beiden ersten Anforderungen lässt sich ableiten, dass sich die Rechnerlast, die sich durch solche Anforderungen ergibt, bei einem Fahrzeug, das sich nur auf computergesteuerte Entscheidungen stützt, stark erhöht. Deshalb musste die Rechenleistung von Junior im Vergleich zum "Vorgänger" Stanley angepasst und entsprechend gesteigert werden

Stanford Racing: "Junior"[109], Abb. 13

Junior: Dach-Sensoren[110], Abb. 14

Junior: Rechner-Anlage[111], Abb. 15

Aus dem Anwendungsbeispiel der Darpa Challange konnte abgeleitet werden, dass sich unter bestimmten Voraussetzungen Technologien in kurzer Zeit rasant entwickeln. Das Beispiel des Stanford Racing Teams zeigt nun, wie solch eine Entwicklung innerhalb eines Projektteams möglich ist. Hier ist die Verbindung verschiedener Wissenschaftsbereiche zu nennen, die die Erkenntnisse aus den jeweiligen Bereichen zu einem anwendbaren Produkt kombinieren. Diese Neu-Kombination ist ein Faktor für die Geschwindigkeit der Entwicklung, da die Kombination keine Neuentwicklungen der einzelnen Komponenten mit Grundlagen-Forschung usw. darstellt und folglich schnell umgesetzt werden kann. Der zweite Punkt ist, dass sich die Kooperation nicht nur auf forschende Bereiche beschränkt, sondern dass auch Unternehmen mit einbezogen werden, die mit ihren in der Praxis erprobten Produkten die Grundlage für neue Forschungs- und Lösungsansätze bilden.
Der Kreislauf schließt sich, wenn aus den Forschungsarbeiten wieder neue Innovationen hervorgehen, die die Hersteller in ihren Produkten nutzen können.

5.3.1.2 Spirit of Berlin

Das Projekt Spirit of Berlin ist ein Projekt unter der Leitung der Freien Universität Berlin, das von dem Team Berlin erarbeitet wurde^[113]. Wie bei dem Projekt der Stanford University war auch das Ziel dieses Teams, ein Fahrzeug für Darpa Urban Challange zu konstruieren. Bevor dieses Projekt ins Leben gerufen wurde, hatte der Fachbereich der Freien Universität Berlin bereits Erfahrungen mit kleineren Robotern gesammelt^[114]. Das Team suchte jetzt jedoch nach einer Anwendungen für größere autonome Roboter. Dabei spielte auch der Gedanke eine Rolle, dass die Forscher und Studenten einen Roboter konstruieren wollten, der auf absehbare Zeit praktisch einsetzbar sein könnte. Diese Anforderung sahen sie bei der Entwicklung eines autonomen Fahrzeugs als gegeben an^[115]. Erste Einblicke erlangte das Team bei einem Besuch der Stanford University, die erste Informationen und technische Einblicke lieferten.
Als Basis diente dem Team ein behindertengerecht umgebauter Van, der sich über eine spezielle Einrichtung bedienen ließ, die für die Steuerung durch den Computer genutzt werden konnte^[116]. Auch wenn das Team der Freien Universität Berlin nicht so erfolgreich abgeschlossen hat wie das Team der Stanford University,^[117] so lassen sich an diesem Beispiel die Schritte nachvollziehen, die das Team auf dem Weg zu einem autonomen Fahrzeug gegangen ist^[118]. Diese sollen im Folgenden zusammengefasst dargestellt werden:

1. Start des Projekts	In diesem Fall fand der Projektstart durch die Entscheidung statt, bei der Urban Challange zu starten.
2. Fahrzeug Beschaffung	Das Fahrzeug ist die Basis eines solchen Projekts. Wichtig ist, dass das Fahrzeug möglichst bereits über eine Möglichkeit verfügt, das Fahrzeug elektronisch zu steuern.
3. Erste Scanner	Um überhaupt eine rechnergestützte Fahrt zu ermöglichen müssen Sensoren verwendet werden, die den Input liefern.
4. Testgelände	Für die Tests ist aus Gründen der Sicherheit und Vergleichbarkeit ein Testgelände erforderlich.
5. Rechnerhardware	Nach den ersten Tests kann die entsprechende Rechnerinfrastruktur bestimmt und bereit gestellt werden.
6. Erste Alleinfahrt	Sobald das Fahrzeug in der Lage ist, erste Fahrten autonom zu bewältigen folgen Verbesserungen.

Diese Verbesserungen können Anzahl und Qualität der Sensoren, speziellere Fahrmanöver oder Sicherheitsfunktionen betreffen.

Das Beispiel des Projekts Spirit of Berlin erweitert das Bild von der Entwicklung autonomer Fahrzeuge um einen schmalen, aber wichtigen Aspekt.
Wie oben bereits dargestellt wurde, sind an der Entwicklung autonomer Fahrzeuge die unterschiedlichsten Bereiche beteiligt. Um diese Bereiche zielführend zu einem Ergebnis zu koordinieren sind verschiedene Aktivitäten des Projektmanagements erforderlich. Die Entwicklung und Zusammenführung von Technologien sind sicher ein wichtiges Merkmal. Über den Gesamterfolg entscheidet aber auch eine strukturierte, effiziente Zusammenarbeit aller Beteiligten.

5.3.2 Anwendungsbeispiel 2: Landwirtschaftliche Fahrzeuge

Im Gegensatz zu dem voran gegangenem Anwendungsbeispiel, in dem eine bestimmte Agentur als Treiben verschiedener Forschungsprojekte angesehen werden konnte, ist die Identifikation der treibenden Kraft in dem Anwendungsbeispiel der landwirtschaftlichen Fahrzeuge weniger eindeutig.
Zwar könnte die Agrarwirtschaft im Allgemeinen als Treiber dieser Technologie beschrieben werden, allerdings entsteht ihr Bedarf erst durch den zunehmenden Optimierungsdruck in der Landwirtschaft,^[119] der sich auch auf die technische Ausrüstung und damit auch auf die Fahrzeuge auswirkt.
Der Optimierungsbedarf erstreckt sich dabei nicht nur auf die bekannten betrieblichen Kennzahlen eines landwirtschaftlichen Betriebs, sondern schließt auch Anforderungen wie die automatisierte Datenverarbeitung mit ein, die durch schnelle Verfügbarkeit helfen soll Prozesse zu optimieren^[120]. Im Sinne der Prozessoptimierung richtet sich in der Entwicklung von landwirtschaftlichen Fahrzeugen auch ein Augenmerk auf die Entwicklung von autonomen Fahrzeugen in anderen Bereichen. Autonome Fahrzeuge werden hier unter dem Gesichtspunkt betrachtet, dass sie in der Lage sind, durch verschiedene Sensoren Daten zu sammeln, diese auszuwerten und danach entsprechend zu reagieren^[121].

Dieser technologische Ansatz ist auch in Bezug auf landwirtschaftliche Fahrzeuge anwendbar. Er stimmt darin überein, dass eine bestimmte Tätigkeit konstant anhand von ausgewählten Parametern zu überprüfen ist und ggf. Korrekturen vorgenommen werden müssen^[123]. Als Beispiel kann hier die Bodenbearbeitung aufgeführt werden, bei der es möglich ist, die Bearbeitung hinsichtlich der Parameter Verlauf der Furchen und Spurtiefe des Schleppers zu überprüfen. Eine konstante Überprüfung dieser Parameter erlaubt eine zeitnahe Korrektur, sobald die gemessenen Werte von den Sollwerten abweichen^[124]. Die Abbildung 17 zeigt dazu das Schema einer Reifendruckregelanlage der Firma Fendt, die den Reifendruck der Maschine selbstständig regelt, um die Bildung von zu tiefen Fahrspuren zu verhindern.
Der Vorteil dieses Systems liegt in der Entlastung des Fahrers. Der Fahrer kann sich anderen Aufgaben zuwenden, während die Bodenbeschaffenheit automatisch kontrolliert wird. Der Aspekt Technologien zu verwenden, die den Fahrer von bestimmten Aufgaben befreien, findet sich in vielen Entwicklungen in diesem Bereich. Die Entlastung des Fahrers gewinnt an Bedeutung je größer die Anzahl an Aufgaben wird, die der Fahrer bewältigen muss und diese Anzahl steigt mit immer komplexeren Maschinen in der Landwirtschaft, die häufig mehrere Arbeitsschritte ausführen. Außerdem zeichnet sich in diesem Vorgehen auch die Entwicklung zu autonomen Fahrzeugen in der Landwirtschaft ab. Die Entwicklung geht dahin, den Fahrer von immer mehr Aufgaben zu entbinden, bis für den Fahrer keine Aufgabe mehr übrig bleibt und das Fahrzeug folglich autonom fährt. Ein weiterer Schritt in diese Richtung stellen auch Systeme zur (halb)automatischen Lenkung dar^[125]. Mit diesen Systemen folgen die Maschinen einem eingestellten, vorgegebenen Muster, während sich der Fahrer der Überwachung der eigentlichen Aufgabe widmet und nur noch eingreift, wenn z. B. Hindernisse zu umfahren sind.
Wie im Laufe dieser Ausarbeitung schon mehrfach angesprochen sind bei (teil)autonomen Fahrzeugen viele Sensoren und Messungen notwendig, um die nötige Entscheidungsgrundlage für die Steuerung zu bieten. Bei diesen Messungen fallen große Datenmengen an, die bei vielen Fahrzeugen nur für den reinen Fahrbetrieb erhoben werden. Bei dem Betrieb von solchen Fahrzeugen in der Landwirtschaft fallen jedoch auch Daten an, die unter betriebswirtschaftlichen Gesichtspunkten für die Betreiber der Maschinen interessant sind^[126]. Durch entsprechende Sensoren kann dabei in Kombination mit den entsprechenden GPS-Daten bestimmt werden, wieviel Ertrag eine bestimmte Fläche leistet. Die zukünftigen Bestrebungen in der Landwirtschaft gehen dahin, für diese Daten Standards und Normen zu entwickeln, um die Daten von verschiedenen Systemen auswerten zu können^[127]. Mit diesem System wäre es außerdem möglich, eine große Maschine auf mehreren kleinen, aneinander liegende Flächen unterschiedlicher Betriebe einzusetzen. Durch die vorher beschriebene Software wäre dabei eine Zuordnung möglich, welche Fläche welchen Ertragsanteil geliefert hat^[128]. Dieses Verfahren würde demzufolge eine "virtuelle Flurbereinigung"^[129] darstellen.
Der letzte Aspekt der Datengewinnung, -bereitstellung -nutzung und -weitergabe ist ein Thema das auch unmittelbar im Bereich der Connected Cars betrachtet werden könnte. Es zeigt am Beispiel der landwirtschaftlich genutzten Fahrzeuge den engen Zusammenhang zwischen den Technologien der Connected Cars und der autonomen Fahrzeuge. In diesem Beispiel leisten diese Techniken für die landwirtschaftlichen Betriebe einen echten betriebswirtschaftlichen Nutzen und helfen sogar organisatorische Hürden (Flurbereinigung) zu überwinden. Außerdem beeinflussen diese Technologien in einem bestimmten Maß die Preise zur Erzeugung von Lebensmitteln und betreffen somit letztlich jeden Verbraucher.

5.3.2.1 John Deere: iLösungen

In dem übergeordneten Abschnitt wurden die Rahmenbedingungen erläutert, unter denen autonome Fahrzeuge in der Landwirtschaft entwickelt wurden. Dabei wurde auch erwähnt, dass sich in diesen Fahrzeugen Techniken aus dem Bereich der Connected Cars finden. Dieser und der folgende Abschnitt sollen nun einen Einblick geben, wie die oben besprochen Anforderungen von einzelnen Herstellern ein- und umgesetzt werden.
Als erstes Beispiel werden hier die "iLösungen"^[130] genannten Techniken des Herstellers John Deere vorgestellt. Bei der Marke John Deere handelt es sich um ein international tätiges Unternehmen, das neben anderen Sparten landwirtschaftliche Fahrzeuge entwickelt und vertreibt^[131]. John Deere beschäftig heute "mehr als 50.000 Mitarbeiter [...] und verkauft seine Produkte in über 160 Ländern."^[132]
Unter dem Titel iLösungen vermarket John Deere ein Portfolio an unterschiedlichen Technologien^[133], die alle unter dem Gesichtspunkt der autonomen Fahrzeuge und Connected Cars betrachtet werden können. Die einzelnen iLösungen lassen sich in verschiedene Bereiche gliedern, die sich wie folgt darstellen:

Automatische Lenksysteme	In diesem Bereich lassen sich z.B. die Lösungen AutoTrac, iTEC Pro, iGuide und iSteer zusammenfassen[134]. Diese Systeme leisten eine automatische Lenkung, eine automatische Wendung der Maschine am Ende einer Bahn bzw. eine "passive Spurführungslösung"[135] und eine Unterstützung zur Verbesserung der Fahrspur bei Anbaugeräten. Welche Technik nun bei welchem Fahrzeug zum Einsatz kommt, ist vom Modell abhängig[136] und hängt sicher auch davon ab, inwieweit z. B. die automatische Lenkung bei der entsprechenden Maschine implementiert wurde. Aus der Abbildung 18 lässt sich die Funktionsweise von iTEC erkennen. Dieses System wendet die Maschine am Ende einer Bahn an und koordiniert dabei die Funktionen der Anbaugeräte[137].
Sensor-Techniken	In diesen Bereich fallen im wesentlichen die Lösungen HarvestSmart und HarvestLab. Diese Techniken messen bei der Ernte verschiedene Parameter der Rohstoffe und regeln selbstständig die Arbeitsgeschwindigkeit der Maschine, um (je nach Vorgabe) z. B. einen möglichst hohen Durchsatz zu erzielen[138]. Abbildung 19 zeigt zu diesem Bereich das System HarvestLap, hier misst ein Sensor kontinuierlich die Feuchtigkeit der zu verarbeitenden Rohstoffe.
Daten-Kommunikation	Wie oben bereits erwähnt entstehenden bei der Arbeit mit landwirtschaftlichen Maschinen betriebswirtschaftlich relevante Daten. Bei der Firma John Deere werden diese Daten von den Lösungen HarvestMonitor, HarvestDoc, JDLink erfasst und weitergeleitet. Durch die Kombination der unterschiedlichen Techniken sind Ertragsauswertungen bestimmter Flächen oder ein Online Fuhrparkmanagement möglich[139]. Alle im Betrieb erfassten Daten können natürlich auch direkt im Fahrzeug ausgelesen und analysiert werden. Dafür stellt John Deere das "GreenStar"[140] genannte Display bereit.

iTEC Pro: Automatisches Wendesystem[141] Abb. 18

HarvestLab: Kontinuierliche Analyse der Rohstoffe[142], Abb. 19

GreenStar: Überwachungssystem der entstehenden Daten[143], Abb. 20

Zusammen mit dem Satelliten Empfänger "StarFire"^[144] bildet das GreenStar-Display die Grundlage für alle Systeme der iLösungen von John Deere^[145].
Die oben stehenden Ausführungen zeigen, wie konsequent und umfassend John Deere daran arbeitet, landwirtschaftliche Prozesse zu automatisieren. Dabei ist die Entwicklung zu intelligenten und autonomen Fahrzeugen unübersehbar. Allerdings lässt sich im Unterschied zu der Fahrzeugentwicklung im Rahmen der Darpa Challenge ein deutlicher Unterschied erkennen. Bei John Deere wird nämlich nicht gezielt ein autonomes Fahrzeug entwickelt. Die Entwicklung der unterschiedlichen, den Fahrer entlastenden Module führt "nur" in die Richtung eines autonomen Betriebs. Die einzelnen Module sind aber auch isoliert einsetzbar.

5.3.2.2 Fendt: Variotronic

Neben den beiden Herstellern John Deere und Deutz Fahr ist die Markte Fendt einer der großen Hersteller für landwirtschaftliche Maschinen und sogar führend im Segment der Traktoren über 51 PS^[146]
Ähnlich wie in dem vorangegangenen Beispiel von John Deere verfügt auch Fendt über Produkte, die die Arbeit mit ihren Maschinen vereinfachen und automatisieren sollen. Diese Produkte sollen im Folgenden dargestellt werden:
Im Vergleich zu John Deere verfolgt Fendt eine strategisch andere Organisation der technologischen Produkte. Während die einzelnen Komponenten bei John Deere in miteinander kombinierbaren Modulen entwickelt wurden, bündelt die Firma Fendt alle Technologien in einer zentralen Einheit. Diese Einheit ist das zentrale Display zur Überwachung und Steuerung aller Funktionen der Maschine - "Varioterminal" genannt^[147].
Abbildung 21 zeigt dazu die grafische Darstellung dieses Terminals. Auf der Darstellung lässt sich erkennen, dass sich der Bildschirm in verschiedene Bereiche gliedern lässt^[148]. So sind hier in der Darstellung sowohl ein Bereich erkennbar, der das Bild einer Kamera liefert, als auch zwei Bereiche, die die Spurführung grafisch darstellen und die Ausrichtung der Anbaumaschinen dokumentieren.

Fendt: Varioterminal[149], Abb. 21

Aus dieser Abbildung wird auch die vorher angesprochene zentrale Organisation der einzelnen Techniken deutlich. Auch wenn das Fahrzeug über verschiedene Module verfügt, werden sie dennoch zentral organisiert. Außerdem lässt dieses System nicht erwarten, dass es sich bei diesen Fahrzeugen eindeutig um autonome Fahrzeuge handelt. Durch die zentrale Darstellung in einem Terminal bleibt der Fahrer ständig im Mittelpunkt. Im Falle einer autonomen Verarbeitung wird dieses Terminal zu einem reinen Informationssystem.
Was die Automatisierung des Fahrens und Wendens betrifft steht bei Fendt die "VarioGuide"^[150] zur Verfügung. Dieses System leistet eine Spurführung mit Satelliten Unterstützung, sodass auch genaue Fahrten bei schlechten Sichtverhältnissen, wie z. B. bei Nacht oder Nebel möglich sein sollen^[151]. Je nach Anwendungsfall ist das System in unterschiedlichen Variationen erhältlich, die unterschiedliche Genauigkeiten bieten. Je nach verwendetem System lassen sich Abweichungen zwischen +/- 20cm bis +/- 2cm realisieren^[152]
Außerdem ermöglicht Fendt eine Dokumentation der einzelnen Maschinen mit dem System "VarioDoc". Dieses System kann die Informationen auf dem Varioterminal darstellen oder auf einen PC übertragen. Darüber hinaus sind auch Übertragungen von Aufträgen auf die Maschine via Mobilfunk oder UMTS möglich^[153].
Das Beispiel Fendt zeigt, dass unterschiedliche Hersteller durchaus andere Ansätze verfolgen um im Prinzip die gleiche Entwicklung zu implementieren. Trotzdem zeigt das System noch deutlichere Tendenzen zu dem Bereich der Connected Cars, speziell hinsichtlich der Informationssysteme. Trotzdem sind Systeme, die das automatische Wenden ermöglichen, eindeutig den autonomen Fahrzeugen zuordnen. Es zeigt sich also, dass die Grenze zwischen den beiden Kategorien verschwimmt, was die Frage nach der zukünftigen Entwicklungsrichtung aufwirft.

6 Zukünftige Entwicklungsmöglichkeiten

Wie man durch die Anwendungsbeispiele erkennen kann, beschränkt sich die Nutzung auf verschiedene Szenarien. Außerdem wird die Entwicklung der autonomen Fahrzeuge nur vorangetrieben, wenn bestimmte Einrichtungen oder Organisationen diese forcieren. Zur Beurteilung der zukünftigen Möglichkeiten müssen die potentiellen Einsatzgebiete analysiert werden.
Ein großes Gebiet wäre der Einsatz im öffentlichen Straßenverkehr. Bei der Entwicklung der benötigten Hardware kann teilweise auf die Technologien aus dem Bereich Connected Cars zurückgegriffen werden. Um eine Marktreife zu erzielen, sind jedoch noch viele Innovationen notwendig. Diese Innovationen können nur erreicht werden, wenn ein Markt für autonome Fahrzeuge entsteht und somit die Autohersteller zu weiteren Entwicklungen in diesem Bereich veranlasst werden.
Daraus lässt sich die Fragestellung ableiten, unter welchen Voraussetzungen ein solcher Markt entstehen kann. Eine Grundvoraussetzung ist die Akzeptanz der Technologie bei verschiedenen Nachfragegruppe, diese könnten sowohl im PKW-, LKW- und Personenbeförderungsbereich zu finden sein. Wichtige Kriterien für die Erlangung der Akzeptanz sind grundsätzliche Voraussetzungen wie Sicherheit und Zuverlässigkeit der Systeme.
Darüber hinaus müssen psychologische Aspekte berücksichtigt werden. Die Nutzer müssen bereit sein die Kontrolle komplett dem Fahrzeug zu überlassen, da ein System das aus überwiegend autonomen Fahrzeugen besteht zuverlässiger funktionieren kann, wenn der Fahrer nur in Notfallsituationen eingreift. In einem System indem viele autonome Fahrzeuge eingesetzt werden können die einzelnen Fahrzeuge den optimalen Fahrweg ermitteln und mit den Techniken der Connected Cars für einen effizienteren Verkehrsfluss sorgen.
Dabei ist nicht abzusehen, ob die Entwicklung der Connected Cars hin zu autonomen Fahrzeugen führt, ohne dass die Autonomie der Fahrzeuge direkt von den Kunden gefordert wird. Sollte dieses Forderung von der Kundenseite bestehen können autonome Fahrzeuge eventuell schneller eine Marktreife erlangen.
Andere Einsatzgebiete sind im Vergleich zum öffentlichen Straßenverkehr wesentlich schmaler, wie z.B. der Einsatz in außerirdischen Missionen oder im produzierenden Gewerbe und können deshalb mit geringerem Aufwand erforscht und genutzt werden. Teilweise werden diese Fahrzeuge bereits eingesetzt und werden in der Zukunft von den verbesserten Technologien profitieren.
Eine abschließende Beurteilung hinsichtlich der zukünftigen Entwicklungsmöglichkeiten ist aufgrund der oben genannten vielfältigen Faktoren schlecht absehbar. Eventuell werden sich durch technische Innovationen vollständig neue Anwendungsgebiete ergeben.

7 Fazit

Die für Connected Cars verwendeten Technologien werden ebenfalls im Bereich autonome Fahrzeuge eingesetzt. Unterschiede der beiden Ansätze bestehen im Hinblick auf die Informationsnutzung. Während Connected Cars die Informationen meistens nur dem Fahrer und anderen Fahrzeugen in der Umgebung zur Verfügung stellen, nutzen autonome Fahrzeuge die gewonnenen Daten in einem autarken System. Hardwareseitig verfügen autonome Fahrzeuge über Systeme, die eine computergestützte Steuerung der Fahrzeuge ermöglichen.
Der Einsatz beider Systeme erfolgt derzeit nur für spezielle Anwendungsfälle. Das Anwendungsgebiet der Connected Cars ist dabei der Straßenverkehr, wohingegen autonome Fahrzeuge beispielsweise in der Landwirtschaft oder militärischen Projekten eingesetzt werden, wie die zuvor beschriebenen Beispiele zeigen.
Abschließend lässt sich sagen, dass beide Systeme noch große Entwicklungspotentiale bergen. Diese Potentiale liegen vor allem in der Verbreitung, Zuverlässigkeit und den Einsatzgebieten der Systeme.

8 Fußnoten

1. ↑ Vgl. Wallentowitz, Reif (2006), S. 409
2. ↑ Entnommen aus: Wallentowitz, Reif (2006), S. 409
3. ↑ Vgl. Wallentowitz, Reif (2006), S. 409
4. ↑ Vgl. Wallentowitz, Reif (2006), S. 409
5. ↑ Vgl. Wallentowitz, Reif (2006), S. 420
6. ↑ Vgl. Wallentowitz, Reif (2006), S. 422
7. ↑ Vgl. Schmidt (2010)
8. ↑ Vgl. Steudten (2007b)
9. ↑ Entnommen aus: Focus (2010)
10. ↑ Vgl. Steudten (2007c)
11. ↑ Vgl. Steudten (2007d)
12. ↑ Entnommen aus: LTE Mobil(2010a)
13. ↑ Vgl. Frickel (2010)
14. ↑ Vgl. Frickel (2010)
15. ↑ Vgl. Spehr, Jörn (2010)
16. ↑ Vgl. fastline GmbH
17. ↑ Vgl. Schmidt (2010)
18. ↑ Vgl. Spehr, Jörn (2010)
19. ↑ Vgl. Sat-Nav (2006c)
20. ↑ Vgl. Sat-Nav (2006a)
21. ↑ Vgl. Reder (2008)
22. ↑ Vgl. Reder (2008)
23. ↑ Vgl. Informatikjahr
24. ↑ Vgl. das ELKO
25. ↑ Vgl. das ELKO
26. ↑ Vgl. Maurer, Stiller (2005), S.3
27. ↑ Vgl. Maurer, Stiller (2005), S.4
28. ↑ Vgl. Steudten (2007a)
29. ↑ Vgl. Steudten (2007a)
30. ↑ Vgl. Steudten (2007a)
31. ↑ Wallentowitz, Reif (2006), S. 425
32. ↑ Vgl. Wallentowitz, Reif (2006), S.426
33. ↑ Vgl. Wallentowitz, Reif (2006), S.426
34. ↑ Vgl. Wallentowitz, Reif (2006), S. 426
35. ↑ Vgl. Wallentowitz, Reif (2006), S.426
36. ↑ Vgl. Wallentowitz, Reif (2006), S. 427
37. ↑ Vgl. Wallentowitz, Reif (2006), S.428
38. ↑ Vgl. ADAC
39. ↑ Entnommen aus: Eberspächer, Speidel (2007), S. 164
40. ↑ Vgl. Hipp, S.1
41. ↑ Vgl. Hipp, S.4
42. ↑ Vgl. aktiv online (2009b)
43. ↑ Entnommen aus: aktiv online (2009b)
44. ↑ Vgl. aktiv online (2010)
45. ↑ Vgl. aktiv online(2010)
46. ↑ Entnommen aus: aktiv online (2010)
47. ↑ Vgl. Steudten (2007e)
48. ↑ Vgl. heise online (2004)
49. ↑ Vgl. Steudten (2007e)
50. ↑ Vgl. PC Welt (2003)
51. ↑ heise online (2004)
52. ↑ Vgl. heise online (2004)
53. ↑ Vgl. Steudten (2007e)
54. ↑ Vgl. Hofmann (2009), S.25
55. ↑ Entnommen aus: Hofmann (2009), S. 26
56. ↑ Vgl. Hofmann (2009), S.25
57. ↑ Hofmann S,25
58. ↑ Vgl. IT Wissen (a)
59. ↑ Vgl. heise online (2004)
60. ↑ Vgl. ITS Niedersachsen
61. ↑ Vgl. IT Wissen (a)
62. ↑ Vgl. IT Wissen (b)
63. ↑ Vgl. IT Wissen (b)
64. ↑ Vgl. IT Wissen (a)
65. ↑ Vgl. Starke (2008), S. 9
66. ↑ Vgl. Starke (2008), S. 9
67. ↑ Vgl. Starke (2008), S. 9
68. ↑ Vgl. Starke (2008), S. 10f
69. ↑ Vgl. Starke (2008), S. 11f und S. 14ff
70. ↑ Vgl. Starke (2008), S. 27ff
71. ↑ Vgl. Starke (2008), S. 61f
72. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 21
73. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 24
74. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 25
75. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 25ff
76. ↑ Starke (2008), S. 13
77. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 25ff
78. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 49ff
79. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 49
80. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 52
81. ↑ Vgl. Kolagheichi-Ganjineh (2008), S. 53
82. ↑ Vgl. Darpa (2010a)
83. ↑ Vgl. Darpa (2010b)
84. ↑ Vgl. Darpa (2010c), S. 6
85. ↑ Vgl. Darpa (2010c), S. 6
86. ↑ Vgl. Darpa (2010c), S. 17
87. ↑ Vgl. Darpa (2010d)
88. ↑ Vgl. Darpa (2010e), passim
89. ↑ Vgl. Darpa (2010d)
90. ↑ Vgl. Darpa (2010f)
91. ↑ Vgl. Darpa (2010f)
92. ↑ Vgl. Darpa (2010f)
93. ↑ Vgl. Darpa (2010f)
94. ↑ Vgl. Darpa (2010f)
95. ↑ Vgl. Darpa (2010f)
96. ↑ Vgl. Darpa (2010f)
97. ↑ Vgl. Stanford Racing (2010e)
98. ↑ Vgl. Stanford Racing (2010)
99. ↑ Vgl. Darpa (2010d)
100. ↑ Vgl. Darpa (2010f)
101. ↑ Vgl. Stanford Racing (2010a)
102. ↑ Vgl. Stanford Racing (2010a)
103. ↑ Vgl. Stanford Racing (2010a)
104. ↑ Vgl. Stanford Racing (2010b)
105. ↑ Vgl. Stanford Racing (2010c)
106. ↑ Vgl. Stanford Racing (2010d), S. 2
107. ↑ Vgl. Stanford Racing (2010d), S. 2
108. ↑ Vgl. Stanford Racing (2010d), S. 1
109. ↑ Vgl. Stanford Racing (2010f)
110. ↑ Vgl. Stanford Racing (2010f)
111. ↑ Vgl. Stanford Racing (2010e)
112. ↑ Vgl. Freie Universität Berlin (2010c)
113. ↑ Vgl. Freie Universität Berlin (2010)
114. ↑ Vgl. Freie Universität Berlin (2010)
115. ↑ Vgl. Freie Universität Berlin (2010)
116. ↑ Vgl. Freie Universität Berlin (2010)
117. ↑ Vgl. Freie Universität Berlin (2010a)
118. ↑ Vgl. Freie Universität Berlin (2010b)
119. ↑ Vgl. Bockisch (2004), S. 3
120. ↑ Vgl. Bockisch (2004), S. 3
121. ↑ Vgl. Bockisch (2004), S. 7f
122. ↑ Vgl. Fendt (2010b)
123. ↑ Vgl. Bockisch (2004), S. 8ff
124. ↑ Vgl. Bockisch (2004), S. 8ff
125. ↑ Vgl. Bockisch (2004), S. 18ff
126. ↑ Vgl. Bockisch (2004), S. 16f
127. ↑ Vgl. Bockisch (2004), S. 16f
128. ↑ Vgl. Bockisch (2004), S. 16f
129. ↑ Bockisch (2004), S. 17
130. ↑ Deere (2010), S. 2
131. ↑ Vgl. Deere (2010a)
132. ↑ Deere (2010a)
133. ↑ Vgl. Deere (2010), S. 5
134. ↑ Vgl. Deere (2010), S. 5
135. ↑ Deere (2010), S. 5
136. ↑ Vgl. Deere 2010, S. 8ff
137. ↑ Vgl. Deere (2010b)
138. ↑ Vgl. Deere (2010), S. 5f
139. ↑ Vgl. Deere (2010), S. 5f
140. ↑ Deere (2010), S. 4
141. ↑ Vgl. Get Farming (2010)
142. ↑ Vgl. Deere (2010c)
143. ↑ Vgl. Deere (2010d)
144. ↑ Deere (2010), S. 4
145. ↑ Vgl. Deere (2010), S. 4
146. ↑ Vgl. Fendt (2010a)
147. ↑ Vgl. Fendt (2010), S. 2ff
148. ↑ Vgl. Fendt (2010), S. 4
149. ↑ Vgl. Fendt (2010), S.6
150. ↑ Vgl. Fendt (2010), S. 8ff
151. ↑ Vgl. Fendt (2010), S. 8
152. ↑ Vgl. Fendt (2010), S. 10
153. ↑ Vgl. Fendt (2010), S. 12ff

9 Literatur- und Quellenverzeichnis

ADAC	ADAC: So bremst der Assistent, http://www1.adac.de/Auto_Motorrad/Technik_Zubehoer/bremsassistent/so_bremst_der_assistent.asp?ComponentID=83604&SourcePageID=134828, 13.05.2010 13:49
aktiv online (2009a)	aktiv online: Das Projekt Cooperative Cars, http://www.aktiv-online.org/deutsch/aktiv-cocar.html, 15.05.2010 09:40
aktiv online (2009b)	aktiv online: Das Projekt Cooperative Cars (CoCar), http://www.aktiv-online.org/deutsch/aktiv-cocar1.html, 15.05.2010 09:51
aktiv online (2010)	aktiv online: Das Projekt CoCarX (Cooperative Cars eXtended), http://www.aktiv-online.org/deutsch/aktiv-cocarX.html, 15.05.2010 09:52
Bockisch (2004)	Bockisch, Franz-Josef; Brunotte, Joachim; Voßhenrich, Hans-Heinrich; Biller, Rainer Helmut; Sourell, Heinz: "Immer größere Maschinen oder kleine fahrerlose Schlepper - wohin führt der Weg?", in: Landbauforschung Völkenrode Sonderheft 274
Darpa (2010a)	Darpa (Hrsg.): "About Darpa" http://www.darpa.mil/about.html (26.04.2010, 21:00)
Darpa (2010b)	Darpa (Hrsg.): "Strategic Vision" http://www.darpa.mil/stratvision.html (26.04.2010, 21:00)
Darpa (2010c)	Darpa (Hrsg.): "The Darpa Grand Challange" http://www.darpa.mil/grandchallenge04/program.pdf (26.04.2010, 21:10)
Darpa (2010d)	Darpa (Hrsg.): "Overview" http://www.darpa.mil/grandchallenge05/overview.html (26.04.2010, 21:15)
Darpa (2010e)	Darpa (Hrsg.): "DARPA Grand Challange 2005 Rules" http://www.darpa.mil/grandchallenge05/Rules_8oct04.pdf (26.04.2010, 21:20)
Darpa (2010f)	Darpa (Hrsg.): "Urban Challange: Welcome" http://www.darpa.mil/grandchallenge/index.asp (27.04.2010, 07:36)
das ELKO	das ELKO, das Elektronikkompendium: IEEE 802.11n / WLAN mit 100 MBit/s, http://www.elektronik-kompendium.de/sites/net/1102071.htm, 13.05.2010 10:56
Deere (2010)	John Deere (Hrsg.): "Ihre Erfolgsaussichten sind hervorrangend..." http://www.deere.de/de_DE/campaigns/agritechnica/2007/intelligent_solutions/Intelligente_Loesungen_Broschuere_D.pdf (04.05.2010, 16:51)
Deere (2010a)	John Deere (Hrsg.): "Wir über uns/Historie" http://www.deere.de/de_DE/about_us/history/index.html (04.05.2010, 17:00)
Deere (2010b)	John Deere (Hrsg.): "iTEC Pro - Ein weiterer Meilenstein bei der Automatisierung der Feldarbeiten" http://www.deere.de/de_DE/products_ag/ams1/guidance_systems/itec_pro/itec_pro.html (05.05.2010, 08:00)
Deere (2010c)	John Deere (Hrsg.): "Exakte Silageanalyse" http://www.deere.de/de_DE/products_ag/ams1/spfh_solutions/harvest_lab/index.html (05.05.2010, 15:15)
Deere (2010d)	John Deere (Hrsg.) http://www.deere.com/region_ii/media/images/equipment/agriculture/ams/displays/greenstar2/wr6r4655b_hand_458x301.jpg (05.05.2010, 15:20)
Eberspächer, Speidel (2007)	Eberspächer, Jörg (Hrsg.); Speidel, Joachim (Hrsg.): "Wachstumsimpulse durch mobile Kommunikation", Springer Verlag Berlin Heidelberg, 2007
fastline GmbH	fastline GmbH: "Lte-Technik" http://www.lte-mobilfunk.de/lte-technik.php, 04.05.2010, 08:42
Fendt (2010)	AGCO GmbH – Fendt-Marketing (Hrsg.): "Fendt Variotronic" http://microsite.fendt.com/agritechnica2009/de/variotronicpdfdownload.html (07.05.2010, 08:00)
Fendt (2010a)	AGCO GmbH – Fendt-Marketing (Hrsg.): "Fendt – Der Marktführer bei Traktoren ab 51 PS" http://www.fendt.com/de/marktfuumlhrer-2009.asp (07.05.2010, 08:00)
Fendt (2010b)	AGCO GmbH – Fendt-Marketing (Hrsg.): "Pressemitteilungen" http://www.fendt.com/int/de/pressemitteilungen_3651.asp
Focus (2010)	FOCUS Magazin Verlag GmbH: http://www.focus.de/fotos/in-den-naechsten-jahren-werden-fahrzeuge-ueber-wlan-und-adhoc_mid_396724.html (21.05.2010, 14:40)
Franz, Walter Dr.	Frand, Walter Dr.: NOW: Networks On Wheels, http://www.network-on-wheels.de/downloads/overview_de.pdf, 15.05.2010 11:40
Freie Universität Berlin (2010)	Freie Universität Berlin - Team Berlin (Hrsg.): "Introduction" http://robotics.mi.fu-berlin.de/pmwiki/Main/Introduction (07.05.2010, 11:47)
Freie Universität Berlin (2010a)	Freie Universität Berlin - Team Berlin (Hrsg.): "Welcome to our Autonomous Car Project!" http://robotics.mi.fu-berlin.de/pmwiki/Main/Welcome (10.05.2010, 14:15)
Freie Universität Berlin (2010b)	Freie Universität Berlin - Team Berlin (Hrsg): "Road to the Urban Challenge 07" http://robotics.mi.fu-berlin.de/pmwiki/Main/Road (10.05.2010, 14:20)
Freie Universität Berlin (2010c)	http://robotics.mi.fu-berlin.de/images/car_in_Victorville/IMG_0030.jpg (10.05.2010, 15:06)
Frickel (2010)	Frickel, Claudia: "Was ist die schnelle Mobilfunktechnik LTE? 08.04.2010" http://www.focus.de/digital/tarife/kurz-erklaert-was-ist-die-schnelle-mobilfunktechnik-lte_aid_496449.html (01.05.2010, 10:28)
Get Farming (2010)	Get Farming http://www.getfarming.com.au/cdt/uploads/1/features/1200710311248.jpg (21.05.2010)
heise online (2004)	heise online: Forschungsministerium fördert Car-2-Car-Kommunikation mit 4 Millionen Euro, 16.12.2004, http://www.heise.de/newsticker/meldung/Forschungsministerium-foerdert-Car-2-Car-Kommunikation-mit-4-Millionen-Euro-122242.html, 15.05.2010 12:07
Hipp, Eberhard	Hipp, Eberhard: aktiv, http://www.vwi.tu-dresden.de/~treiber/download_general/AKTIV-Factsheet-D.pdf, 15.05.2010 10:05
Hofmann (2009)	Hofmann, Moritz: Infrastruktur für die kooperative Situationsanalyse in dezentralen Verkehrsleitsystemen (SOTIS), 21.09.2009, http://ess.cs.tu-dortmund.de/Teaching/Theses/2009/DA_Hofmann_2009.pdf, 15.05.2010 12:59
Informatikjahr	Informatikjahr: Vernetzte Fahrzeuge, http://www.informatikjahr.de/?id=139, 13.05.2010 10:53
ITS Niedersachsen	ITS Niedersachsen: CAR 2 CAR Communication Consortium, http://www.its-nds.de/pages/de/projekte/car-2-car.php, 15.05.2010 13:44
IT Wissen (a)	IT Wissen: C2C CC (car to car communication consortium), http://www.itwissen.info/definition/lexikon/car-to-car-communication-consortium-C2C-CC.html, 15.05.2010 13:31
IT Wissen (b)	IT Wissen: ETSI (European telecommunications standards institute), http://www.itwissen.info/definition/lexikon/European-telecommunications-standards-institute-ETSI.html, 15.05.2010 13:50
Kolagheichi-Ganjineh (2008)	Kolagheichi-Ganjineh, Rasmin Tinosch Raohale; Freie Universität Berlin (Hrsg.): "Ein hybrider Verhaltensansatz zur Steuerung autonomer Fahrzeuge in Echtzeitumgebungen im Kontext der DARPA Urban Grand Challenge", Berlin, 15.06.2008
LTE Mobile (2010)	LTE Mobile: "LTE - Eine technische Einführung" http://www.ltemobile.de/long-term-evolution/lte-einfuehrung/?tx_ablinklist_pi1[action]=getviewclickedlink&tx_ablinklist_pi1[uid]=39&tx_ablinklist_pi1[cid]=264 (01.05.2010, 10:24)
LTE Mobile (2010a)	LTE Mobile: "Startseite" http://www.ltemobile.de/ (20.05.2010, 14:44)
Maurer, Stiller (2005)	Maurer, Markus(Hrsg.); Stiller, Christoph(Hrsg.): "Fahrerassistenzsysteme mit maschineller Wahrnehmung", Springer Verlag Berlin Heidelberg, 2005
PC Welt (2003)	PC Welt: Wireless Peer-to-Peer-Netz: Ad-hoc-Netzwerk einrichten, 08.12.2003, http://www.pcwelt.de/start/dsl_voip/wlan/praxis/36203/funknetz_einrichten/index5.html, 15.05.2010 12:14
Reder (2008)	Reder, Bernd: "Vernetzung von Autos: Ausweichen im Gleichtakt, 06.11.2008" http://www.networkcomputing.de/kommunikation/mobile-wireless/artikel-6169.html (03.05.2010, 19:17)
Sat-Nav (2006a)	Sat-nav: "Aufbau und Funktionsweise der Ortungsfunktion" http://www.sat-nav.de/gps_funktionsweise.html (03.05.2010, 19:20)
Sat-Nav (2006b)	Sat-nav: "Global Navigation Satellite System" http://www.sat-nav.de/sat_nav.html (03.05.2010, 19:21)
Sat-Nav (2006c)	Sat-nav: "GPS-Einsatzbereiche" http://www.sat-nav.de/gps_einsatzbereiche.html, 03.05.2010, 19:22
Schmidt (2010)	Schmidt, Holger: "Das Auto der Zukunft" http://www.faz.net/s/RubCC801D08D34145F4A46F9638F4147CFF/Doc~E58EF8E93789B4A55AB909D6A6A018CF6~ATpl~Ecommon~Scontent.html?rss_computer___technik (28.04.2010, 14:08)
Spehr, Jörn (2010)	Spehr, Michael; Jörn, Fritz: "Was kann der UMTS-Nachfolger wirklich?, 18.03.2010" http://www.faz.net/s/Rub36B71B0E8E5C46E9AFBAF4B7B12FC9C5/Doc~E6B4D8E09834F4A5EAC6A11EBFBBD65FE~ATpl~Ecommon~Scontent.html (04.05.2010, 08:39)
Stanford Racing (2010)	Stanford Racing (Hrsg.): "Home" http://cs.stanford.edu/group/roadrunner//old/index.html (10.05.2010, 09:18)
Stanford Racing (2010a)	Stanford Racing (Hrsg.): "Technology" http://cs.stanford.edu/group/roadrunner//old/technology.html (10.05.2010, 09:27)
Stanford Racing (2010b)	Stanford Racing (Hrsg.): "Team" http://cs.stanford.edu/group/roadrunner//old/team.html (10.05.2010, 09:59)
Stanford Racing (2010c)	Stanford Racing (Hrsg.): "Sponsors" http://cs.stanford.edu/group/roadrunner//old/sponsora.html (10.05.2010, 09:59)
Stanford Racing (2010d)	Stanford Racing (Hrsg.): "Enter “Junior”: Stanford team’s next-generation robot joins" http://www-cs.stanford.edu/group/roadrunner/pdfs/final_SRTrelease_junior.pdf (10.05.2010, 10:20)
Stanford Racing (2010e)	Stanford Racing (Hrsg.): "Center of automotiv research - picture gallery" http://me.stanford.edu/groups/design/automotive/slideshow_automotive/main.html (10.05.2010, 10:30)
Stanford Racing (2010f)	Stanford Racing (Hrsg.) http://www-cs.stanford.edu/group/roadrunner/images/graphics/junior-3.jpg (10.05.2010, 11:00)
Starke (2008)	Starke, Arwed; Freie Universität Berlin (Hrsg.): "Verlässliche laserscannerbasierte Objektverfolgung für ein fahrerloses Auto", Berlin, 25.09.2008
Steudten (2007a)	Steudten, Thomas: "Car 2 Car: Die Vision kommunizierender Fahrzeuge" http://www.tecchannel.de/test_technik/1728877/car_2_car_die_vision_kommunizierender_fahrzeuge/index2.html (28.04.2010, 14:11)
Steudten (2007b)	Steudten, Thomas: "Car 2 Car: Die Vision kommunizierender Fahrzeuge" http://www.tecchannel.de/test_technik/1728877/car_2_car_die_vision_kommunizierender_fahrzeuge/index4.html (28.04.2010, 14:11)
Steudten (2007c)	Steudten, Thomas: "Car 2 Car: Die Vision kommunizierender Fahrzeuge" http://www.tecchannel.de/test_technik/1728877/car_2_car_die_vision_kommunizierender_fahrzeuge/index5.html (28.04.2010, 14:11)
Steudten (2007d)	Steudten, Thomas: "Car 2 Car: Die Vision kommunizierender Fahrzeuge" http://www.tecchannel.de/test_technik/1728877/car_2_car_die_vision_kommunizierender_fahrzeuge/index7.html (28.04.2010, 14:11)
Steudten (2007e)	Steudten, Thomas: "Car 2 Car: Die Vision kommunizierender Fahrzeuge" http://www.tecchannel.de/test_technik/1728877/car_2_car_die_vision_kommunizierender_fahrzeuge/index8.html (15.05.2010, 11:47)
Wallentowitz, Reif (2006)	Wallentowitz, Henning; Reif, Konrad: Handbuch Kraftfahrzeugelektronik, Grundlagen, Komponenten, Systeme, Anwendungen, Friedr. Vieweg & Sohn Verlag