Nun stellt sich die Frage, was Prozesse mit autonomem Fahren überhaupt zu tun haben. Was sich vielleicht nicht direkt auf den ersten Blick erschließt, ergibt sich bei näherer Betrachtung ganz von allein. Auch wenn Automobilhersteller momentan ihr Augenmerk noch überwiegend auf technische, juristische und ethische Aspekte richten, bedeutet autonomes Fahren, Daten in Echtzeit empfangen, verarbeiten und übertragen zu können. Diese Aufgabe übernehmen Prozesse, die gewährleisten, dass ein Fahrzeug sicher und regelkonform vollautonom vom Ausgangs- zum Zielpunkt bewegt werden kann. Diese elementare und einfache Wahrheit geht zurzeit leider im Getöse rund um den Technik-Hype vollautomatisierten Fahrens unter.
Vollautonomes Fahren ist zur Zeit noch eine Utopie
Wie weit wir aktuell noch von vollautomatisierter Fortbewegung entfernt sind, zeigt uns Abbildung 1. Die allermeisten Serienfahrzeuge lassen sich wohl unstrittig mit Merkmalen teilautomatisierten Fahrens (also Phase 2) beschreiben.
Abb. 1: Fünf Stufen bis zum vollautonomen Fahren
Prozesse sind die Nabelschnur, die vollautonome Fahrzeuge mit dem Füttern, was sie am dringendsten brauchen: Informationen. Vor allem anderen ist es deshalb notwendig, dauerhaft stabil arbeitende und nonstop verfügbare Prozesse zu gewährleisten. Nonstop-Verfügbarkeit bedeutet eine hundertprozentige Verfügbarkeit ohne eine einzige Sekunde an Ausfallzeit. Dies gilt nicht nur für einen Prozessschritt, ein System, einen Computer, sondern für eine Verkettung von Prozessen, die lebensnotwendige Informationen bereitstellen. Zum Vergleich: Eine Verfügbarkeit von 99,99 % bedeutet immer noch, auf ein Jahr gerechnet, eine Ausfallzeit von 52 Minuten. Zeit die wir, für einen Prozess, der im Millisekunden Bereich existenzielle Entscheidungen treffen muss, nicht haben. Natürlich können Systeme und Computer versagen. Sie werden von Menschen gebaut und sind damit per se fehlerbehaftet. Das bedeutet aber auch, dass Systeme und Prozesse hochredundant (ausfallsicher) ausgelegt werden müssen. Zudem müssen sie mit Katastrophen wie Gewittern, schweren Stürmen, Überschwemmungen oder Bränden einschränkungslos verfahren können.
Überlassen wir zukünftig einer Maschine die Entscheidung über Leben und Tod?
Wenn wir nun unser Leben einem automatisiert fahrenden Fahrzeug anvertrauen, machen wir uns also in hohem Maße von der eingesetzten Technik abhängig. Wir vertrauen ihr unser Leben an. Und nicht nur das. Wir vertrauen uns darüber hinaus Algorithmen an, die an unser statt, innerhalb eines Wimpernschlags, Entscheidungen treffen. Womöglich auch über Leben und Tod. Der Algorithmus beurteilt Verkehrssituationen und »berechnet« die bestmögliche Entscheidung. Soll dem Kind ausgewichen werden, das noch ein produktives Erwerbsleben vor sich hat, oder dem alten Mann, der nichts mehr zur gesellschaftlichen Produktivität beiträgt? Eine hochrangige Managerin eines Automobilzulieferers brachte dieses moralische Dilemma in einem unserer Gespräche auf den Punkt.
»Wir wissen heute noch überhaupt nicht, wie wir damit umgehen sollen, einem Algorithmus eine Entscheidung über Leben und Tod anzuvertrauen. Nach welchen Kriterien soll er die Situation bewerten? Wie bringen wir unsere Entwickler moralisch dazu, einen solchen Algorithmus zu entwickeln?«
Autonomes Fahren ist ständig beides: Prozessoptimierung und maschinelles Lernen
Beim autonomen Fahren kulminieren viele Aspekte der Digitalisierung wie die Vollautomatisierung von Prozessen, das Echtzeit-Datenmanagement, eine Nonstop-Prozess- und Technikverfügbarkeit sowie die Ermächtigung von Algorithmen. Autonomes Fahren demonstriert auf hervorragende Art und Weise die Anforderungen, die an die nächste Generation der Prozessoptimierung gestellt werden. Klassische Prozessoptimierung verliert in einem vollautomatisierten Prozess ihre Bedeutung. Vielmehr stellt die Verlagerung von Prozessen in eine vollständig autark ablaufende digitale Welt, außerhalb unserer Alltagserfahrungen und Beobachtungen, andere Ansprüche an zukünftige Optimierungsansätze. Prozessoptimierung wird gezwungen sein, zukünftig ebenfalls in digitaler Gestalt aufzutreten, um überhaupt Analysen eines Prozesses durchführen zu können. Ansätze wie das Process Mining werden in dieser Welt deutlich an Bedeutung gewinnen. Schlussendlich ist autonomes Fahren aber auch ein Paradebeispiel für den Einsatz und Umgang mitdenkender und sich selbst weiterentwickelnder Algorithmen.
