Nexus Europa

Volvo, Mercedes und Bolt setzen in Europa auf die Autonome-Fahrtechnik des KI-Giganten

Elise Aranda
Veröffentlicht 21. Oktober 2026 · 8 Aufrufe
Folgen
Teilen
Volvo, Mercedes und Bolt setzen in Europa auf die Autonome-Fahrtechnik des KI-Giganten
Editorial Collage

Volvo, Mercedes-Benz und Bolt setzen auf NVIDIAs Hyperion-Architektur und Alpamayo-Software für autonomes Fahren in Europa – von überwachter Assistenz bis zu künftigen Robotaxis.

Jahrelang war autonomes Fahren ein teures Unterfangen technologischer Unabhängigkeit. Hersteller bauten eigene Systeme, sammelten eigene Straßendaten und investierten hohe Summen in Software, die sich nicht ohne Weiteres zwischen Fahrzeugen übertragen ließ. NVIDIA bietet eine andere Lösung an. Die Rechenarchitektur Hyperion, die Fahrsoftware Alpamayo und die Sicherheitstechnologie Halos bilden eine gemeinsame Grundlage, auf der Unternehmen eigene Produkte für automatisiertes Fahren entwickeln können.

Der Reiz liegt auf der Hand. Eine geteilte Basistechnologie könnte Entwicklungskosten senken und Fahrzeuge schneller auf den Markt bringen. Zugleich gerät ein wachsender Teil der Software- und Recheninfrastruktur der Branche in die Hände eines einzigen amerikanischen Zulieferers.

Bolts Robotaxi-Ambitionen beginnen mit Daten, nicht mit Fahrgästen

Die Vereinbarung von Bolt liefert womöglich den klarsten Hinweis darauf, wie weit Europas Robotaxi-Branche noch gehen muss.

Das Mobilitätsunternehmen hat sich für den Alpamayo Stack von NVIDIA entschieden, in einem Programm mit künftigen Lucid-Fahrzeugen auf Basis der Hyperion-Architektur. Die erste geplante Aktivität ist kein kommerzieller Taxidienst, sondern das Sammeln realer Fahrdaten in Madrid im Jahr 2027. Diese Arbeit steht noch unter dem Vorbehalt der behördlichen Genehmigung. Deutschland wurde als Priorität für einen späteren Rollout benannt.

Bolt strebt eine Flotte von mindestens 25.000 für Level 4 geeigneten Lucid-Fahrzeugen an, während das weitergehende Ziel darin besteht, bis 2035 100.000 autonome Fahrzeuge in Europa und der weiteren UNECE-Region zu betreiben. Die Partnerschaften mit Pony.ai und Stellantis bleiben Teil dieser Strategie.

Diese Zahlen beschreiben den angestrebten Umfang, nicht Fahrzeuge, die bereits ohne Fahrer Passagiere befördern.

Die Unterscheidung ist wichtig, weil Level 4 voraussetzt, dass ein Fahrzeug innerhalb definierter Bedingungen ohne menschliches Eingreifen fährt. Das Sammeln von Fahrdaten ist ein wesentlicher Teil der Entwicklung dieser Fähigkeit, belegt aber nicht, dass das Fahrzeug für eine uneingeschränkte kommerzielle Nutzung bereit ist.

NVIDIA Expands European Autonomous Driving Push with Volvo, Mercedes, and Bolt at GTC Berlin
Volvo EM 90 electric car is displayed at the company’s booth at the 8th China International Import Expo (CIIE) in Shanghai, China, November 6, 2025.REUTERS/Maxim Shemetov/File Photo

Spanien verfügt bereits über einen Rahmen für solche Tests. Die Generaldirektion für Verkehr führte im Juni 2025 ihre ES-AV-Regeln ein, die Tests und Überwachung automatisierter und ferngesteuerter Fahrzeuge über die SAE-Stufen 2 bis 5 abdecken.

Bolts Madrider Programm muss daher behördliche Anforderungen erfüllen, bevor es mit der Datenerfassung auf öffentlichen Straßen beginnen kann. Eine weitere Genehmigung wäre nötig, bevor das Unternehmen die Technologie in einen kommerziellen Personenbeförderungsdienst umwandeln könnte.

Damit ist 2027 ein wichtiger Entwicklungsmeilenstein und kein versprochenes Startdatum für fahrerlose Taxis.

Volvo wählt einen vorsichtigeren Weg

Volvo Cars nähert sich derselben Technologie aus einer anderen Richtung.

Der schwedische Hersteller erweitert seine NVIDIA-Partnerschaft, um Hyperion, Halos OS und Alpamayo in künftige Fahrzeuggenerationen zu integrieren. Die ersten kommerziellen Anwendungen sollen auf überwachte Fahrerassistenz ausgerichtet sein, mit einer geplanten Integration über neue Modelle bis 2030.

Dieser Ansatz lässt den menschlichen Fahrer für die Überwachung des Systems verantwortlich. Er erlaubt es Volvo zudem, zunehmend ausgefeilte Automatisierung einzuführen, ohne sofort die regulatorische und technische Last eines vollständig fahrerlosen Fahrzeugs zu übernehmen.

Für Hersteller, die Autos an Privatkunden verkaufen, bietet diese schrittweise Entwicklung ein anderes kommerzielles Angebot als das Robotaxi-Modell. Ein fortschrittliches Assistenzsystem kann Teil einer bestehenden Fahrzeugpalette werden. Ein fahrerloser Taxidienst muss ein Betriebsumfeld schaffen, in dem das Fahrzeug eigenständig funktionieren kann.

Mercedes-Benz verfolgt sowohl weitergehende Automatisierung als auch kurzfristige Assistenzfunktionen. Das Unternehmen weitet seine Zusammenarbeit mit NVIDIA beim Fahren der Stufen 3 und 4 aus und bereitet zugleich die Beantragung der deutschen Zulassung für MB.DRIVE ASSIST PRO vor, sein urbanes Punkt-zu-Punkt-Assistenzsystem.

Der Unterschied zwischen diesen Stufen ist kommerziell bedeutsam. Systeme der Stufe 3 können unter festgelegten Bedingungen die Verantwortung für das Fahren übernehmen, verlangen aber weiterhin, dass ein Mensch auf Anforderung die Kontrolle übernimmt. Systeme der Stufe 4 müssen die Fahraufgabe innerhalb ihrer genehmigten Betriebsgrenzen eigenständig bewältigen.

NVIDIA kann Technologie für beides liefern. Es kann jedoch nicht die Notwendigkeit beseitigen, nachzuweisen, dass jede Anwendung sicher funktioniert.

Eine gemeinsame Architektur verändert die Ökonomie

Kernstück des NVIDIA-Angebots ist Hyperion, eine Referenzarchitektur, die Rechenhardware mit einer definierten Sensoranordnung verbindet.

Die Hyperion-10-Konfiguration umfasst 14 Außenkameras, vier Innenkameras, neun Radare und einen Lidar-Sensor. Statt jede Komponente des Rechen- und Sensorsystems einzeln zu entwerfen, können Hersteller auf einer gemeinsamen technischen Grundlage aufbauen.

Das könnte erhebliche Folgen für Forschung und Entwicklung in der Automobilbranche haben.

Ein proprietäres System für autonomes Fahren erfordert umfangreiche Ingenieursarbeit, bevor ein Hersteller damit beginnen kann, das Verhalten des Fahrzeugs im Verkehr zu verfeinern. Standardisierte Architekturen erlauben es, mehr dieser Grundlagenarbeit wiederzuverwenden, und könnten Entwicklungsteams so entlasten, sich auf fahrzeugspezifische Funktionen und Integration zu konzentrieren.

Es geht nicht einfach um den Kauf von Prozessoren. NVIDIA weitet seine Rolle auf die Software aus, die Fahrsituationen interpretiert, sowie auf die Werkzeuge, mit denen bewertet wird, ob automatisierte Entscheidungen sicher sind.

Das macht die Beziehung folgenreicher als einen herkömmlichen Zuliefervertrag der Automobilindustrie.

Volkswagen Nutzfahrzeuge hat seine autonome Plattform ID. Buzz AD bereits mit Hyperion als gemeinsamer Rechen- und Sensorarchitektur demonstriert. Das schwedische Frachttechnologieunternehmen Einride entwickelt seinen Einride Driver der nächsten Generation auf derselben Grundlage für autonome Lastwagen.

NVIDIA Expands European Autonomous Driving Push with Volvo, Mercedes, and Bolt at GTC Berlin
Bolt

Der öffentliche Nahverkehr ist eine weitere mögliche Anwendung. TIER IV und die Technische Universität München planen, Hyperion in autonome Verkehrssysteme in Deutschland zu integrieren.

Diese Unternehmen bedienen unterschiedliche Märkte und betreiben Fahrzeuge mit unterschiedlichen Anforderungen. Ihre Nutzung einer gemeinsamen Architektur schafft dennoch Möglichkeiten, Entwicklungsinstrumente und Testmethoden branchenweit wiederzuverwenden.

Für kleinere Betreiber könnte der Zugang zu etablierter Technologie die Entwicklung autonomer Fahrzeuge finanziell beherrschbarer machen. Für traditionelle Hersteller wirft er unangenehme Fragen zum Wert teurer interner Systeme auf, die Funktionen duplizieren, die von externen Zulieferern verfügbar sind.

NVIDIA dürfte profitieren, unabhängig davon, welches Unternehmen letztlich das Fahrzeug verkauft oder den Dienst betreibt.

Sicherheitsnachweise werden Teil des Produkts

Rechentechnik allein wird nicht entscheiden, wann autonome Fahrzeuge in Europa kommerziell tragfähig werden.

Hersteller müssen zudem nachweisen, dass ihre Systeme die geltenden Sicherheitsanforderungen erfüllen. Das ist besonders anspruchsvoll für Fahrzeuge, die ohne kontinuierliche menschliche Überwachung Fahrentscheidungen treffen sollen.

Das neu eingeführte Halos-SAFE-Framework von NVIDIA soll diese Nachweise strukturieren. Entwickelt mit Validierungspartnern wie dSPACE, IVEX und TÜV Rheinland, zielt es darauf ab, Simulationsergebnisse, Tests und Sicherheitsbewertungen in einem messbaren, nachvollziehbaren Prozess zu verbinden.

Die Betonung der Nachvollziehbarkeit ist wichtig. Ein Hersteller braucht mehr als den Nachweis, dass sein System bei ausgewählten Demonstrationen erfolgreich funktioniert hat. Er muss dokumentieren können, wie die Technologie bewertet wurde, und eine belastbare Grundlage für seine Sicherheitsaussagen schaffen.

Die europäischen regulatorischen Anforderungen verleihen dieser Arbeit kommerzielle Dringlichkeit. Die EU-Verordnungen 2018/858 und 2019/2144 bilden zusammen mit der Durchführungsverordnung 2022/1426 einen Teil des Rahmens für die Fahrzeuggenehmigung und automatisierte Fahrsysteme.

Ein standardisierter Sicherheitsprozess könnte es Herstellern erleichtern, die nach diesen Regeln erforderlichen Nachweise zu organisieren. Er ist jedoch keine behördliche Zulassung. Die Behörden bleiben dafür verantwortlich, festzustellen, ob ein bestimmtes Fahrzeug und System die relevanten Anforderungen erfüllt.

Diese Unterscheidung begrenzt, wie schnell sich gemeinsame Technologie in eine gemeinsame kommerzielle Einführung übersetzen lässt.

Das finanzielle Argument für Simulation

Physische Tests bleiben einer der teuersten Bestandteile der Entwicklung autonomen Fahrens. Fahrzeuge müssen auf eine Vielzahl von Verkehrsbedingungen treffen, während Ingenieure ausreichende Nachweise benötigen, um ihre Leistung zu bewerten.

NVIDIA versucht, den Umfang der Tests auf öffentlichen Straßen zu verringern.

Sein erweitertes Entwicklungsangebot umfasst die Modellvarianten Alpamayo 2 Edge, AlpaJudge, Foundation4D und Cosmos 3 Nano. Das Unternehmen entwickelt zudem Datenfabrik-Initiativen mit Uber und einen von Porsche geführten Workflow der Volkswagen-Gruppe auf Basis von Microsoft Azure.

Der von Porsche geführte Ansatz kombiniert Simulations- und Datenverarbeitungstechnologien, darunter Cosmos Data Factory und Omniverse NuRec. Die genannten potenziellen Vorteile sind erheblich: Reduktionen von bis zu 90 % bei wiederholten physischen Testfahrten und bis zu 85 % bei Entwicklungszyklen.

Dabei handelt es sich um prognostizierte Effizienzgewinne, nicht um Belege dafür, dass auf Straßentests verzichtet werden kann.

Simulation kann es Ingenieuren ermöglichen, Fahrsituationen wiederholt zu untersuchen, ohne jedes Mal ein physisches Fahrzeug einzusetzen. Sie kann auch die Erzeugung und Bewertung von Daten unterstützen, mit denen automatisierte Fahrsysteme verbessert werden.

Doch je mehr Entwicklung in simulierte Umgebungen verlagert wird, desto wichtiger wird der Nachweis, dass die daraus gewonnenen Erkenntnisse der realen Leistung entsprechen.

Hier beginnen sich das Rechen- und das Sicherheitsgeschäft von NVIDIA gegenseitig zu verstärken. Das Unternehmen liefert Werkzeuge zur Entwicklung automatisierten Fahrverhaltens und bietet zugleich einen Rahmen, der dessen Validierung unterstützen soll.

Für Autohersteller, die jahrelange Entwicklungsausgaben stemmen müssen, könnte diese Kombination schwer zu ignorieren sein.

Europas neue Abhängigkeit in der Automobilbranche

Das entstehende Geschäftsmodell schafft Chancen für Hersteller, die schnell handeln können, verändert aber auch, wo die technische Kontrolle innerhalb der Branche liegt.

Europäische Autohersteller haben proprietäre Ingenieursleistung traditionell als Quelle von Wettbewerbsvorteilen betrachtet. Da automatisiertes Fahren zunehmend von KI-Modellen, großen Rechensystemen und umfangreicher Dateninfrastruktur abhängt, wird vollständige Unabhängigkeit immer kostspieliger.

Die Nutzung von NVIDIAs Plattformen erlaubt es Herstellern, einen Teil dieser Last zu teilen. Es bedeutet zugleich, dass Wettbewerber auf dieselbe Basistechnologie setzen können, selbst wenn sich ihre Fahrzeuge, Kunden und Geschäftsstrategien unterscheiden.

Unabhängige Softwareanbieter, deren Geschäft auf geschlossenen, proprietären Fahrsystemen beruht, könnten unter Druck geraten, wenn gemeinsame Architekturen Akzeptanz gewinnen. Interne Entwicklungsabteilungen der Autohersteller könnten ähnliche Fragen zu den Kosten alternativer Plattformen erleben.

Nichts davon bedeutet, dass Hersteller ihre eigenen Ingenieursfähigkeiten aufgeben. Volvos überwachter Ansatz, die Arbeit von Mercedes-Benz an höheren Automatisierungsstufen und Bolts Strategie mit mehreren Partnern zeigen, dass Unternehmen weiterhin unterschiedliche Entscheidungen darüber treffen, wie und wann sie die Technologie einsetzen.

Ebenso wenig garantiert eine gemeinsame Plattform, dass diese Entscheidungen erfolgreiche kommerzielle Dienste hervorbringen.

Der unmittelbare Vorteil für NVIDIA besteht darin, an mehreren konkurrierenden Ansätzen gleichzeitig teilhaben zu können. Seine Systeme können ein privat genutztes Auto mit überwachter Assistenz, einen autonom fahrenden kommerziellen Lastwagen oder eine künftige Robotaxi-Flotte unterstützen.

Europäische Regulierer müssen unterdessen die Sicherheit jeder einzelnen Anwendung bewerten und nicht die kommerzielle Attraktivität der gemeinsamen Plattform darunter.

Die Spannung wird deutlicher. Hersteller haben einen wirtschaftlichen Anreiz, möglichst viel ihrer Technologie für automatisiertes Fahren zu standardisieren. Die behördliche Zulassung bleibt an das Verhalten und die Sicherheit bestimmter Systeme unter bestimmten Betriebsbedingungen gebunden. Je mehr europäische Fahrzeuge von gemeinsamer KI-Infrastruktur abhängen, desto mehr muss die Branche klären, wo die Vorteile geteilter Technologie enden und die Verantwortung für die Leistung einzelner Fahrzeuge beginnt.

Quellen: Nvidia News, Bolt, Larazon, Reuters, Volvo Cars

Teilen