Autonomes Fahren: Schachbrettmuster löst automatisches Bremsen aus
Veröffentlicht am: 29.09.2026 um 22:39 Uhr | Redaktion boerse-global.de
Forscher der University of Florida haben nachgewiesen, dass einfache grafische Muster die Tiefenwahrnehmung von Stereo-Kamera-Systemen in autonomen Fahrzeugen, Drohnen und Robotern erheblich stören können. Wie aus aktuellen Untersuchungen hervorgeht, führen optische Reize wie Streifen oder Schachbrettmuster dazu, dass Hindernisse von der Sensorik falsch verortet werden, was die Sicherheit automatisierter Systeme gefährdet.
Optische Täuschungen führen zu Fehlreaktionen der Sensorik
Die Untersuchungen der University of Florida zeigen, dass einfache Schwarz-Weiß-Muster ausreichen, um die Tiefenschätzung von Stereo-Kameras zu manipulieren. Solche Systeme, die für die Navigation von autonomen Fahrzeugen und Robotern essenziell sind, interpretieren diese Muster fehlerhaft, wodurch Hindernisse für das System entweder näher oder weiter entfernt erscheinen, als sie sich in der Realität befinden.
In einem praktischen Fahrtest konnten die Wissenschaftler die Auswirkungen dieser Schwachstelle demonstrieren. Dabei löste ein Schachbrettmuster, das am Heck eines Fahrzeugs angebracht war, einen automatischen Bremsvorgang bei einem nachfolgenden Testobjekt aus.
Die Studienleiterin Sara Rampazzi von der University of Florida bezeichnete die Entdeckung laut einem Bericht Ende September als ein ernstzunehmendes Sicherheitsproblem.
Der technologische Wandel in der Industrie schreitet rasant voran, doch wie dieser Bericht zeigt, bringen KI und Robotik auch völlig neue Herausforderungen für die Sicherheit mit sich. Dieser kostenlose Ratgeber analysiert, welche Unternehmen die industrielle Revolution 2026 anführen und wie sie den technologischen Umbruch gestalten. Welche Firmen treiben die industrielle Revolution 2026 wirklich voran?
Besonders kritisch sei dabei, dass derartige Muster nicht nur absichtlich zur Täuschung platziert werden können, sondern auch in der natürlichen Umgebung vorkommen. Bereits kleine, strategisch positionierte Muster würden ausreichen, um die Systeme zu täuschen.
Breite Anfälligkeit über verschiedene KI-Modelle hinweg
Die Forschungsarbeit, die unter der Leitung von Sri Hrushikesh Varma Bhupathiraju durchgeführt wurde, verdeutlicht, dass regelmäßige Streifen-, Schachbrett- oder Wiederholmuster eine generelle Schwachstelle für Stereo-Kamera-Systeme darstellen. Die Tests ergaben, dass die Problematik nicht auf ein spezifisches Modell begrenzt ist, sondern bei einer Vielzahl von Sensoren, Algorithmen und verschiedenen Modellen der künstlichen Intelligenz auftritt.
An der Untersuchung waren neben der University of Florida auch zwei japanische Universitäten beteiligt. Gemeinsam wurde evaluiert, inwieweit die gängigen technologischen Standards gegen solche optischen Störungen resistent sind. Die Ergebnisse deuten darauf hin, dass die zugrunde liegenden Mechanismen der Tiefenberechnung durch die Geometrie der Muster systematisch fehlgeleitet werden.
Entwicklung von Abwehrmaßnahmen und Validierung
Um die identifizierten Sicherheitslücken zu schließen, haben die Forscher bereits erste Gegenmaßnahmen entwickelt. Diese umfassen zum einen Software-Modifikationen für klassische Algorithmen, die darauf spezialisiert sind, wiederholte Muster im Sichtfeld der Kameras frühzeitig zu erkennen und als potenzielle Fehlerquellen zu markieren. Zum anderen wurden Anpassungen für KI-basierte Systeme entworfen, um deren Widerstandsfähigkeit gegenüber solchen optischen Täuschungen zu erhöhen.
Während Forscher an der Sicherheit von KI-Systemen arbeiten, müssen Unternehmen bereits jetzt die neuen rechtlichen Rahmenbedingungen der EU erfüllen. Erhalten Sie mit diesem kostenlosen Umsetzungsleitfaden zum EU AI Act einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen für den sicheren Einsatz von KI. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Die Wirksamkeit dieser Abwehrmaßnahmen wurde sowohl in computergestützten Simulationen als auch in Versuchen mit einem realen Fahrzeug auf dem Testgelände der University of Florida überprüft. Die vollständigen Ergebnisse der Studie und die technischen Details der entwickelten Sicherheitslösungen sollen im November 2026 auf der Fachkonferenz ACM CCS präsentiert werden.
