Jahre nach dem Ende seines selbstfahrenden Projekts versucht Uber auf andere Weise wieder in die Szene selbstfahrender Autos einzusteigen: indem es die Fahrzeuge von Millionen von Online-Mitfahrgelegenheiten von Fahrern auf der ganzen Welt in mobile „Sensorarrays“ umwandelt, die Daten an selbstfahrende Unternehmen und andere reale KI-Modelle liefern.
Praveen Neppalli Naga, Chief Technology Officer von Uber, gab in einem Interview die langfristige Vision bekannt und beschrieb sie als „natürliche Erweiterung“ des neuen Projekts AV Labs, das das Unternehmen Ende Januar dieses Jahres angekündigt hatte. Er sagte, dass die ultimative Absicht von Uber darin bestehe, in naher Zukunft verschiedene Sensoren in den Privatautos menschlicher Fahrer zu installieren, um reale Straßenszenendaten zu sammeln. Naga betonte auch, dass das Unternehmen vor diesem Schritt die Fähigkeiten und Arbeitsmethoden verschiedener Sensorkits gründlich verstehen und darauf warten muss, dass die US-Bundesstaaten klarere regulatorische Leitlinien dazu geben, „was ein Sensor ist und wie Daten ausgetauscht werden“.
Derzeit arbeitet AV Labs noch mit einer begrenzten Flotte spezieller Fahrzeuge, die mit Sensoren ausgestattet sind, die von Uber selbst betrieben werden und unabhängig von der Gruppe der Fahrer sind, die täglich Fahrten unternehmen. Aber aus Ubers Erzählung geht hervor, dass dies nur ein Ausgangspunkt ist: Uber hat Millionen von Fahrern auf der ganzen Welt, und selbst wenn nur eine kleine Anzahl von Fahrzeugen mit Sensoren ausgestattet ist, reicht es aus, ein Straßendatenerfassungsnetzwerk aufzubauen, das für ein einzelnes selbstfahrendes Unternehmen schwer zu erreichen ist. Naga glaubt, dass der Engpass, der die Entwicklung der autonomen Fahrtechnologie behindert, nicht mehr der zugrunde liegende Algorithmus oder die Rechenleistung ist, sondern qualitativ hochwertige und ausreichend vielfältige Daten aus der realen Welt. „Der Engpass sind die Daten“, sagte er. „Unternehmen wie Waymo müssen ständig Daten sammeln, um verschiedene Szenarien abzudecken.“
Seiner Vision zufolge können selbstfahrende Unternehmen über das Netzwerk von Uber bei Bedarf äußerst detaillierte Trainingsdaten anpassen, beispielsweise die Anforderung, „die Verkehrsbedingungen an einer Kreuzung vor einer Schule in San Francisco während eines bestimmten Zeitraums zu erfassen, um das Modell zu trainieren“. Das eigentliche Problem besteht darin, dass die meisten Unternehmen für autonomes Fahren nicht über genügend Kapital verfügen, um ihre eigenen Flotten in großem Maßstab weltweit einzusetzen, um diese Long-Tail-Szenarien mit hoher Dichte abzudecken. Wenn Uber die vorhandenen Fahrer- und Fahrzeugressourcen mobilisieren kann, wird erwartet, dass es zur Datenversorgungsschicht für die gesamte Branche wird und einen stetigen Strom an „Treibstoff“ für die autonome Fahrtechnologie liefert.
Die Außenwelt fragt sich seit langem, ob Uber in Zukunft von selbstfahrenden Unternehmen „umgangen“ werden wird, nachdem es den Bau eigener selbstfahrender Autos aufgegeben hat, oder ob es im Reise-Ökosystem sogar an den Rand gedrängt wird. Auch Mitbegründer Travis Kalanick hat öffentlich erklärt, dass der Verzicht auf autonomes Fahren ein „riesiger Fehler“ sei. Heute versucht Uber durch AV Labs, seine Rolle von einem Entwickler selbstfahrender Fahrzeuge zu einer Infrastruktur- und Datenplattform in diesem Bereich umzuwandeln und allen Teilnehmern mithilfe seines umfangreichen Fahrernetzwerks und Auftragsablaufs grundlegende Fähigkeiten bereitzustellen.
Uber unterhält derzeit Partnerschaften mit 25 selbstfahrenden Unternehmen auf der ganzen Welt, darunter Unternehmen wie Wayve, das in London tätig ist. Auf dieser Basis baut das Unternehmen eine sogenannte „AV-Cloud“ auf: ein vollständig annotiertes multimodales Sensordatenlager, das Partner abrufen und aufrufen können, um ihre eigenen autonomen Fahrmodelle zu trainieren. Naga sagte, dass Partnerunternehmen auch Rückschlüsse im „Schattenmodus“ auf reale Bestellungen auf der Uber-Plattform anwenden können – das heißt simulieren, wie ihre eigenen autonomen Fahrsysteme Entscheidungen auf der Grundlage realer Fahrtdaten treffen, ohne tatsächlich autonome Fahrzeuge auf die Straße zu bringen.
Dem äußeren Erscheinungsbild nach zu urteilen, versucht Uber, diese Plattform als „öffentliche Einrichtung der Branche“ zu verpacken. „Unser Ziel ist es nicht, mit diesen Daten Geld zu verdienen“, sagte Naga, „sondern sie zu demokratisieren.“ Angesichts des kommerziellen Werts und der Knappheit hochwertiger Daten im Bereich des autonomen Fahrens und des breiteren KI-Bereichs ist es jedoch immer noch fraglich, ob eine solche Positionierung in Zukunft aufrechterhalten werden kann. Tatsächlich hat Uber in den letzten Jahren Beteiligungen an einer Reihe selbstfahrender Unternehmen getätigt, und wenn die umfangreichen und differenzierten Schulungsdaten, über die das Unternehmen verfügt, zu den Kernkompetenzen seiner Partner werden, dürfte die Verhandlungsmacht von Uber gegenüber diesen Unternehmen weiter gestärkt werden.
Hinter dieser Idee verlagert sich die Logik von Uber vom „Bau eines Autos“ zum „Bau einer Plattform“: Einerseits behält das Unternehmen weiterhin seinen Einstiegsvorteil auf der Endbenutzerebene durch sein eigenes Reise- und Essensliefernetzwerk bei; Andererseits wird versucht, die reale Reiseroute und die Szenen des Fahrzeugs des Fahrers in strukturierte Datenbestände umzuwandeln, um Unternehmen für autonomes Fahren und sogar andere große Modellunternehmen zu bedienen, die Trainingsdaten aus der physischen Welt benötigen. Für ein Unternehmen, das längst aufgehört hat, Hardware- und Software-Stacks für autonomes Fahren herzustellen, könnte dies eine neue Möglichkeit sein, weiterhin an der nächsten Runde der Veränderungen in der Transporttechnologie teilzuhaben und darin präsent zu bleiben.