1. Einleitung

Schlagen wir die Zeitung auf, hören wir Radio oder Podcasts, schauen wir uns Beiträge im Fernsehen an oder surfen wir im Internet oder den Sozialen Medien, so können wir viel über automatisiertes Fahren, selbstfahrende oder autonome Fahrzeuge und „Fahrroboter“ lesen. Automatisiertes Fahren ist ein Thema, das als Schlüssel der Mobilitätswende gesehen wird. Die Begriffe werden jedoch teils synonym, teils differenziert zueinander verwendet. Es scheint daher sinnvoll, die Begriffe zu klären und zu einer einheitlichen Verwendung dieser zu kommen, bevor wir tiefer in die Materie einsteigen.

Die Society of Automotive Engineers (SAE) empfiehlt in ihrem Standard J3016 irreführende Begriffe wie „selbstfahrendes Fahrzeug“ „autonomes Fahrzeug“ und „Fahrroboter“ zu vermeiden (SAE 2018).

Im wissenschaftlichen Diskurs hat sich der Begriff „automatisiertes und vernetztes Fahren“ bzw. „automatisiertes und vernetztes Fahrzeug“ etabliert. Diese Begriffe werden ausdrücklich von den Begriffen „autonomes Fahren“ bzw. „autonomes Fahrzeug“ unterschieden. Während „automatisiertes und vernetztes Fahren“ davon ausgeht, dass hochautomatisierte und vollautomatisierte Fahrzeuge in der Regel auch vernetzt mit anderen Fahrzeugen, der Infrastruktur oder einer Leitstelle sein werden, birgt der Begriff „autonom“ in sich, dass das Fahrzeug vollständig unabhängig ist und die Fahraufgaben ebenso unabhängig ausgeführt werden. Einige Hersteller hochautomatisierter Fahrzeuge setzen auf die Autonomie.

Das neue deutsche Straßenverkehrsgesetz (StVG), das am 28. Juli 2021 in Kraft trat und welches das erste Gesetz weltweit ist, das automatisiertes Fahren im Regelbetrieb im Straßenverkehr ermöglicht, verwendet die Begrifflichkeit „Kraftfahrzeug mit autonomer Fahrfunktion“. In § 1d des StVG Absatz (1) handelt es sich dabei um „ein Kraftfahrzeug, das 1. die Fahraufgabe ohne eine fahrzeugführende Person selbstständig in einem festgelegten Betriebsbereich erfüllen kann und 2. über eine technische Ausrüstung gemäß § 1e Absatz (2) verfügt.“ § 1e Absatz (2) beschreibt funktional die technische Ausrüstung, gibt jedoch keine Auskunft darüber, ob das Fahrzeug unabhängig von einer Kommunikation mit außen betrieben werden sollte oder nicht.

In der EU-Regulation 2019/2144 wird zur Definition der Begriffe „automatisiertes Fahrzeug“ und „vollautomatisiertes Fahrzeug“ jedoch auf den Begriff „autonom“ zurückgegriffen:

“‘Automated vehicle’ means a motor vehicle designed and constructed to move autonomously for certain periods of time without continuous driver supervision but in respect of which driver intervention is still expected or required; ‘fully automated vehicle’ means a motor vehicle that has been designed and constructed to move autonomously without any driver supervision; (...)”

Die Europäische Kommission schreibt in ihrer Mitteilung ‚On the road to automated mobility: An EU strategy for mobility of the future‘ an das Europäische Parlament: “Even though automated vehicles do not necessarily need to be connected and connected vehicles do not require automation, it is expected that in the medium-term connectivity will be a major enabler for driverless vehicles. Therefore, the Commission will follow an integrated approach between automation and connectivity in vehicles.” (Europäische Kommission 2018a, b, S. 4). Damit legt sie als strategische Richtschnur die Verbindung zwischen Automatisierung und Vernetzung fest. Bezogen auf automatisierte Fahrzeuge geht es in erster Linie um die sicherheitsrelevante Kommunikation zwischen automatisiertem Fahrzeug und anderen Verkehrsteilnehmern oder zwischen automatisierten Fahrzeugen und der Infrastruktur.

Der Schweizerische Bundesrat geht in seinem Bericht ‚Automatisiertes Fahren – Folgen und verkehrspolitische Auswirkungen‘ (Bundesrat 2016) davon aus, dass ein rein autonomes Fahren, bei dem das Fahrzeug weder mit anderen Fahrzeugen noch mit der Infrastruktur kommuniziert, in der Schweiz nicht infrage kommt. Der Schweizerischen Regierung erscheint es aus Gründen der Verkehrssicherheit, der Netzkapazität, der Umweltauswirkungen und des allgemeinen Zugangs zu Verkehrsmitteln unumgänglich, dass für die Erreichung einer positiven Wirkung automatisierte Fahrzeuge sich diese untereinander und mit der Infrastruktur vernetzen müssen (Bosch, R. et al. 2017, S. 20).

In Deutschland werden zwei Darstellungsformen für die Automatisierungsstufen verwendet: a) jene der Bundesanstalt für Straßenwesen (BASt) und b) die Automatisierungsstufen der SAE. Beide unterscheiden sich nicht wesentlich. International und vor allem in der Industrie und in der Wissenschaft wird mehrheitlich auf die SAE-Einteilung verwiesen. Automatisierungsstufen beschreiben die schrittweise Entwicklung der Automatisierung von Fahrzeugen hin zur Vollautomatisierung. Die Beschreibung des Automatisierungsgrads der Fahrzeuge erfolgt auf Grundlage von fünf Kriterien:

Diese Kriterien beschreiben, in welcher Weise, in welchem Ausmaß und in welchem Kontext der Fahrer oder die Fahrerin Verantwortung für die Fahrmanöver des Fahrzeugs übernehmen muss. Vollautomatisierung ist erreicht, wenn alle diese Kriterien mit ‚Ja‘ beantwortet werden können und somit das Fahrzeug eigenständig Quer- (Lenken) und Längsführung (Beschleunigen und Bremsen) übernimmt, die eigenen Systemgrenzen ohne Überwachung durch den Fahrer oder die Fahrerin erkennt, unter allen Umständen auch bei Auftreten von Fehlern das Fahrzeug anhält und all diese Funktionen in jedem Umfeld ausführen kann. Die folgende Abb. 1.1 stellt die Automatisierungsstufen nach SAE mit dem Verweis auf die Kriterien dar:

Während die Automatisierung im Level 1 und 2 (Fahrspurhalteassistent, Adaptive Cruise Control und Einparkhilfe) ausschließlich zur Unterstützung des Fahrers dient, der das Fahrgeschehen dauernd überwachen und jederzeit bereit sein muss, in dieses einzugreifen, ist eine dauerhafte Überwachung durch den Fahrer oder eine Technische Aufsicht unter bestimmten Rahmenbedingungen in den Automatisierungsstufen Level 3–4 nicht notwendig. Level 5 Fahrzeuge unterliegen keinerlei Einschränkungen und bedürfen auch keiner Überwachung.

Der Forschungsbericht „AVENUE21“ spricht von einem „Langen Level 4“ und verweist darauf, dass die Ankündigungen der IT- und Automobilindustrie zur vollständigen Automatisierung des Verkehrs nicht gehalten werden konnten und vollautomatisierte Fahrzeuge wohl erst nach einer jahrzehntelang andauernden Phase der Transformation unseres Mobilitätssystems zu erwarten sind (Mitteregger, M. und Banerjee, I. 2021).

Auch das neue StVG (Deutscher Bundestag 2021a, b) scheint von einer längeren Periode des Levels 4 auszugehen. So wird die Inbetriebnahme der hochautomatisierten Fahrzeuge für den Straßenverkehr im Regelbetrieb an ein bestimmtes Gebiet und Straßennetz sowie an eine situative Überwachung und Unterstützung durch eine Technische Aufsicht gebunden. Aufgrund u. a. dieser Bestimmungen sind Fahrzeuge von nicht kommerziellen Betreibern nur schwer im Regelbetrieb vorstellbar.

Automatisierte Fahrzeuge müssen wie Menschen ihr Umfeld erfassen und erkennen, damit sie sich im Verkehr bewegen und ihre Fahraufgaben ausführen können. Dafür werden von den Herstellern dieser Fahrzeuge unterschiedliche Sensoren eingesetzt, wie beispielsweise Kameras (einschließlich Infrarot), Lidar, Radar und Kommunikationstechnologie (z. B. ITS-G5, 5G, mmWave).

Abb. 1.2 zeigt die wesentlichen Schritte hin zu Entscheidungen für die Ausführung von Fahraufgaben eines automatisierten und vernetzten Fahrzeugs. Im Wesentlichen kann jede Veränderung bei der Ausführung einer Fahraufgabe eines automatisierten Fahrzeugs durch die Schritte ‚Wahrnehmung‘, ‚Vorhersage‘ und ‚Entscheidung‘ (in der englischsprachigen Literatur als „Sense – Plan – Act“ oder als „Sense – Think – Act“ bezeichnet) beschrieben werden. Dieser Prozess findet kontinuierlich statt. Alle Informationen, die durch die Sensoren wahrgenommen werden, sind letztlich in dieser Weise zu verarbeiten.

Bezogen auf den Entscheidungsfindungsprozess für Fahraufgaben automatisierter Fahrzeuge werden zwar deterministische Maschinen/Algorithmen in allen drei Prozessschritten (Wahrnehmung, Vorhersage und Entscheidung) genutzt, die jedoch stochastische Näherungen an die Funktion sind. Diese Näherungen sind eine Herausforderung bei der Validierung des Systems, da wir die Funktion nicht kennen. Ohne diese Verfahren wäre es nicht möglich, in der Wahrnehmung die Objekte in der für automatisiertes Fahren notwendigen Differenziertheit und Verlässlichkeit zu erkennen, in der Vorhersage verlässliche Bewertungen der einzelnen Optionen vorzunehmen und letztlich im letzten Schritt die für die Fahraufgabe passende Entscheidung zu treffen. Die folgenden Entscheidungen werden jedoch nicht mehr vorausschaubar und reproduzierbar sein.

Level 4 Fahrzeuge bieten unter bestimmten Voraussetzungen – zum Beispiel in einem bestimmten geografischen Gebiet – eine vollständige Automatisierung der Fahrfunktion. Sie erkennen auch selbständig, wenn die Voraussetzungen nicht mehr erfüllt sind, und stellen dann einen sicheren Zustand her, in dem sie zum Beispiel an einer dafür geeigneten Stelle anhalten und auf Benutzereingriff warten. Durch diese sichere und bereits sehr weitgehende Automatisierung werden viele interessante Anwendungsfälle ermöglicht.

Am bekanntesten in diesem Zusammenhang sind sicherlich automatisierte Taxi-Dienste, wie zum Beispiel das bereits in den USA verfügbare Waymo One (Ackerman, E. 2021). Auch wenn Waymo davon spricht, dass es „fully autonomous driving technology“ nutze, so handelt es sich eben nicht um ein vollständig eigenständig fahrendes Fahrzeug, sondern um ein Level 4 Fahrzeug. Zahlreiche weitere Start-ups und OEMs arbeiten an PKWs und LKWs, die eine Level 4 Automatisierung beherrschen und somit automatisierte PKW/LKW-Fahrten zwischen verschiedenen Orten ermöglichen. Daneben eröffnet eine Level 4 Automatisierung weitere, vor allem für Kommunen interessante Möglichkeiten.

Weitere kommunale Dienste (Jerman, J. et al. 2020), wie z. B. die Straßenreinigung, das Bewässern/Pflegen von Pflanzen, die Abfallentsorgung, allgemeine Kontrollfahrten und Parkraumbewirtschaftung, die Schneeräumung bzw. das Ausbringen von Split/Salz, könnten prinzipiell von Level 4 Fahrzeugen profitieren. Vor allem für den ländlichen Bereich könnten Services wie mobile Automaten zum Erwerb von Lebensmitteln oder die automatisierte Zustellung der Post von Interesse sein. Diesen Anwendungsfällen gemein ist, dass sie über die reine Automatisierung der Fahrfunktion hinausgehen, da auch eine Automatisierung der zu erbringenden Funktion vonnöten wäre.

Vor allem könnten Level 4 Fahrzeuge zur weiteren Automatisierung des öffentlichen Verkehrs (vgl. Oehry, B. et al. 2020) beitragen und als Shuttles oder Nacht-/Linien-Busse für den tangentialen ÖPNV zwischen den großen Linien, die am Rand von Großstädten sternförmig in die Zentren führen, oder im ländlichen Raum als Verbindung in die Kleinstadt oder im Binnenverkehr von Kleinstädten usw. eingesetzt werden. Ein Level 4 automatisierter öffentlicher Verkehr, der gezielt räumlich wie auch zeitlich dort eingesetzt wird, wo es heute keine adäquaten Angebote gibt, kann zu machbaren Kosten eine attraktive Alternative zum Auto bieten. Durch die hohen Personalkosten werden diese Angebote in vielen Fällen heute nicht gemacht. Wenn es einen hohen Marktanteil von Abonnementnutzern gibt, lohnen auch solche „Schwachlastangebote“, die auch „on demand“ erbracht werden können.

Ein entscheidender Vorteil für den automatisierten ÖPNV im ländlichen Raum ist die im Vergleich zum urbanen Raum viel einfachere Straßennetzstruktur mit weniger Kreuzungen und Einmündungen, einer viel geringeren Fuß- und Radverkehrsdichte und einfachen Fahrbahn- und Kreuzungsstrukturen.

In der Beschreibung des Entscheidungsprozesses automatisierter Fahrzeuge (Abschn. 1.1.3) wurde deutlich, wie viele Rechenoperationen für die Ausführung einer Fahraufgabe notwendig sind. Je mehr Objekte durch die Sensoren detektiert werden, desto höher ist die Anzahl der Rechenoperationen, die nahezu in Echtzeit ausgeführt werden müssen. Dies führt aktuell die im Fahrzeug eingesetzten Computer, insbesondere bei höheren Geschwindigkeiten, noch an die Grenzen ihrer Rechenleistung. Die schon lange geforderte Drosselung der üblichen Fahrgeschwindigkeiten auf 30 km/h in innerörtlichen Straßennetzen und auch auf deren Hauptachsen aus klassifizierten Straßen erleichtert einerseits den Einsatz automatisierter Fahrzeuge und fördert andererseits die flächendeckende Einführung angemessener Tempolimits.

In der Fachliteratur werden die Umstände, innerhalb derer die automatisierten Fahrzeuge ordnungsgemäß betrieben werden können, „Operational Design Domains“ (ODD) genannt (SAE 2018). Diese können von der Definition technischer Voraussetzungen, beispielsweise hochauflösender dreidimensionaler Karten bis hin zu Straßenverhältnissen, Verkehrsverhältnissen und Verkehrsaufkommen reichen. Das deutsche StVG verwendet für die Beschreibung des „örtlich und räumlich bestimmten öffentlichen Straßenraums“, innerhalb dessen das automatisierte SAE Level 4 Fahrzeug zugelassen werden soll, den Begriff „Festgelegter Betriebsbereich“ (StVG § 1d). Dabei handelt es sich nur um einen Teilbereich der ODD. Abb. 1.4 enthält Parameter, die die wesentlichsten äußeren Umstände beschreiben, innerhalb derer das automatisierte Fahrzeug integriert werden soll.

Alle dargestellten Parameter beeinflussen sich gegenseitig. Die Veränderung einer Ausprägung auf der Skala eines Parameters hat eine Auswirkung auf die Ausprägung eines anderen oder mehrerer anderer Parameter. Dem Parameter Sicherheit kommt eine besondere Bedeutung zu. Dieser wird immanent nicht veränderbar als ‚sehr hoch‘ definiert, da der Sicherheit der Passagiere und der anderen Verkehrsteilnehmer sowohl aus ethischer als auch aus rechtlicher Sicht die höchste Priorität zukommt. Jeder Anwendungsfall muss bezogen auf alle anderen Parameter mit der Vorgabe bewertet werden, dass hinsichtlich der Sicherheit der höchstmögliche Wert zu erreichen ist.

Um dies zu illustrieren, lässt sich beispielsweise ein SAE Level 5 Familien-PKW heranziehen. Laut der Definition der Automatisierungsstufen sind alle Parameter außer dem Parameter „Zeitpunkt der In-Verkehr-Bringung“ für diesen Anwendungsfall mit 10 zu bewerten. Der „Zeitpunkt der In-Verkehr-Bringung“ muss jedoch mit 0 bewertet werden, da davon ausgegangen werden kann, dass dieser Anwendungsfall innerhalb der nächsten zehn Jahre technisch nicht umsetzbar sein wird.

In den folgenden Balkengrafiken werden einige Anwendungsfälle dargestellt.

Abb. 1.5 und die folgenden Abbildungen stellen bezogen auf jeden Parameter der jeweiligen Anwendungsfälle ein Anforderungsprofil dar. Jeder Anwendungsfall hat ein bestimmtes Profil von Mindestanforderungen, die erreicht werden müssen, um das erwünschte Leistungsversprechen für die Nutzer:innen erfüllen zu können.

So muss beispielsweise ein ÖPNV Shuttle Überland unter allen Sichtverhältnissen fahren und eine Geschwindigkeit von zumindest 60–70 km/h erreichen können usw. Dass dies nicht unter allen Straßenverhältnissen und Verkehrsverhältnissen möglich sein wird, ist selbstverständlich und entspricht auch der Verpflichtung der Straßenverkehrsverordnung (StVO), Geschwindigkeit und Abstand zum vorausfahrenden Fahrzeug an die jeweiligen Wetterbedingungen anzupassen. Da die Anforderungen bei einem ÖPNV Shuttle Überland hinsichtlich Geschwindigkeit oder dem Zeitpunkt der In-Verkehr-Bringung unter optimalen Verhältnissen durch ihr Anforderungsprofil gemessen am aktuellen Stand der Technik sehr herausfordernd sind, müssen deutliche Restriktionen bezogen auf Verkehrsverhältnisse und Verkehrsaufkommen in Kauf genommen werden. Diese können jedoch durch die Gestaltung der Straßeninfrastruktur und die Führung der Verkehrswege beispielsweise durch einen für den ÖPNV reservierten Fahrstreifen oder eine Einbahnregelung gewährleistet werden.

Im Bereich ländlicher Straßennetze wird es allerdings aus Gründen des Flächensparens und Landschaftsschutzes selten möglich sein, dem ÖPNV eigene Fahrtrassen zu reservieren; bislang gibt es in ländlichen Räumen deswegen auch kaum Busspuren.

Für den Anwendungsfall Ridepooling, wie in Abb. 1.6 dargestellt, sind die Mindestanforderungen an die Bewältigung von Verkehrsverhältnissen und Verkehrsaufkommen deutlich höher bei gleichzeitig hohen Anforderungen an die Geschwindigkeit, sodass davon ausgegangen werden kann, dass die tatsächliche In-Verkehr-Bringung aufgrund der technischen Restriktionen in unseren Breitengraden mit den entsprechenden Wetterbedingungen nicht kurzfristig möglich sein wird. Dies kann jedoch zum Beispiel in Kalifornien ganz anders aussehen, da bei Trockenheit, viel Sonnenschein und praktisch keinem Schnee ganz andere Bedingungen herrschen.

Abb. 1.7 zeigt das Beziehungsfeld der einzelnen Parameter zueinander für den Anwendungsfall eines ÖPNV-Shuttles in der Stadt, beispielsweise in einer Kleinstadt, das innerhalb der nächsten Jahre in Betrieb gehen soll. Dieses fährt kürzere Strecken. Auf die Geschwindigkeit kommt es daher weniger an. Auch können bei einer klugen Verkehrsführung wie der Einführung eines Einbahnverkehrs auf den Linien, auf denen das Shuttle fährt, und der baulichen Abtrennung eines Radstreifens die Verkehrsverhältnisse deutlich verbessert werden, sodass die Einführung eines innerstädtischen ÖPNV mit Level 4 automatisierten Fahrzeugen in der Stadt schon relativ kurzfristig möglich sein wird. Allerdings ist hier die Einschränkung zu machen, dass in Kleinstädten mit historischen Innenstädten und engmaschigen, verwinkelten Straßennetzen selten Platz für separate Fahrspuren für den ÖPNV und für den Radverkehr vorhanden sind, sodass hier häufig Mischverkehr von Kfz- und Radverkehr und oft auch Fußverkehr auf sog. Mischflächen (verkehrsberuhigter Bereich, Shared Space, Begegnungszone) sowie in Fußgängerbereiche integrierter Busverkehr angetroffen wird. Durch die Reduktion der Geschwindigkeit beispielsweise auf 10 km/h dürften selbst Begegnungszonen bereits in Kürze für automatisierte Shuttle möglich sein. Vermutlich braucht es eine gewisse Zeit, bis die Menschen sich an die neuen Verkehrsteilnehmer in der Begegnungszone gewöhnt haben. Dann sollte auf jeden Fall eine langsame, jedoch flüssige Fahrt des automatisierten Shuttles gelingen.

Es wird deutlich, dass die Einführung von Transportdienstleistungen für Menschen und Güter mittels automatisierter Fahrzeuge eine klare Vision der Mobilität der Menschen und des Verkehrssystems in der Region oder in der Stadt voraussetzt. Die Integration automatisierten Fahrens im ländlichen Raum als Überlandverbindung, am Stadtrand größerer Städte oder in einer Kleinstadt bedarf immer der Analyse und mitunter auch der Umgestaltung der Räume, in denen automatisierte Fahrzeuge fahren sollen. Meist ist diese Umgestaltung aber ohnehin aus Gründen der Verkehrsberuhigung und besseren Lenkung des KFZ-Verkehrs seit längerem notwendig. Häufig steht die Anpassung von Ortsdurchfahrten klassifizierter Straßen auf der politisch-planerischen Agenda. In diesem Zusammenhang ist der Umgang mit dem ruhenden KFZ-Verkehr ein wichtiger Hebel, weil das Überparken des öffentlichen Raums die Verbesserungsoptionen stark einschränkt. Daher sind kommunale Parkraumkonzepte ein wichtiger Schritt, die Anwendung eines automatisierten ÖPNVs zu erleichtern und gleichzeitig im Kontext von Push-Pull-Strategien dem ÖPNV zusätzliche Nachfragepotenziale zu eröffnen.

Gut funktionierende, sichere und nachhaltige Mobilitätssysteme sind eine entscheidende Voraussetzung für wirtschaftliche Entwicklung und eine hohe Lebensqualität. Das automatisierte und vernetzte Fahren (avF) wird in naher Zukunft völlig neue Möglichkeiten für unsere Mobilität bereithalten (BMVI 2017). Dementsprechend geht avF mit weitreichenden Erwartungen und Visionen einher: Viele Experten erwarten, dass Fahrzeuge zukünftig auf ausgewählten Streckenabschnitten oder bei bestimmten Verkehrssituationen automatisiert fahren oder sogar gänzlich ohne menschlichen Fahrer auskommen, miteinander kommunizieren und sich gegenseitig vor Gefahren warnen. Die Daten dafür liefern die Fahrzeuge selbst oder intelligente Informationssysteme entlang der Verkehrswege. Das alles soll dabei helfen, schwierige Fahrsituationen künftig besser zu meistern, noch sicherer unterwegs zu sein und zugleich den Verkehr effizienter zu gestalten.

Zudem birgt avF vielversprechende Chancen, um Mobilität anders zu organisieren. Verschiedene neue, oder zumindest verbesserte, Mobilitätsangebotsformen werden diskutiert und teilweise auch schon in Pilotprojekten getestet. Ganz entscheidend für die verkehrlichen Wirkungen und damit auch für die gesellschaftlichen Implikationen automatisierten Fahrens ist die Frage, ob automatisierte Fahrzeuge wie ein privater Pkw genutzt werden oder eher als grundsätzlich öffentlich zugängliches Fahrzeug, wie z. B. ein Taxi (oft Robo-Taxi genannt), ein Car-Sharing-Fahrzeug oder auch wie ein öffentlicher Bus (z. B. automatisiertes Shuttle). Gerade auch außerhalb der großen Städte könnten flexible, fahrerlose Angebote neue Alternativen zum privaten Pkw ermöglichen. Bisher ist aber offen, inwiefern sich zukünftig welche individuellen oder kollektiven Angebots- und Nutzungsformen von avF durchsetzen (Fleischer und Schippl 2018). Vielfach wird im Kontext von avF mit Visionen, Szenarien und Modellierungen gearbeitet, die versuchen, verschiedene plausible Entwicklungspfade mit ihren möglichen Wirkungen greifbar zu machen. In der Regel werden in diesen Visionen von den Autoren als erstrebenswert erachtete, zukünftige Zustände beschrieben. In Szenarien werden meistens unterschiedliche mögliche Entwicklungspfade skizziert. Teilweise werden zudem in „Roadmaps“ oder ähnlichen Dokumenten Entwicklungsschritte oder Bausteine, die zur Realisierung eines bestimmten zukünftigen Zustands erforderlich sind, explizit benannt. Vereinzelt werden auch Wirkungen unterschiedlicher Szenarien diskutiert und/oder über Modelle quantifiziert.

In diesem Beitrag möchten wir ausgewählte Visionen und Szenarien beleuchten, die mögliche, avF-basierte Mobilitätsangebote und Nutzungsformen in den Mittelpunkt stellen und damit prägend sind für die aktuelle Diskussion zur Zukunft von avF in Europa. Darunter findet sich auch ein Beispiel für eine Roadmap und eines für eine modellbasierte Wirkungsanalyse. Die Auswahl fokussiert auf Dokumente, die auf europäischer Ebene erarbeitet wurden, von den Institutionen der EU oder von international agierenden Verbänden aus dem Mobilitätssektor. Die angesprochenen Visionen orientierten sich an der in Europa, und besonders in der europäischen Kommission, vorherrschenden Erwartung, dass hoch- und vollautomatisiertes Fahren (z. B. Fahrzeuge ohne Lenkrad) sich nur realisieren lässt, wenn die Fahrzeuge sowohl untereinander wie auch mit der Infrastruktur (z. B. Lichtsignalanlagen oder Baustellen) vernetzt sind und kommunizieren¹. Zuerst blicken wir aber kurz zurück in die Historie des automatisierten Fahrens.

Die Idee der Automatisierung des Straßenverkehrs (genauer eigentlich: der Automatisierung bestimmter Fahraufgaben im Straßenverkehr) lässt sich technikgeschichtlich mindestens bis in die 1930er-Jahre zurückverfolgen – und einige der heute in Aussicht gestellten Effekte werden schon damals benannt. Allerdings setzten die technischen Realisierungen zunächst stark auf infrastrukturseitige Komponenten, was ihre Umsetzung sehr wahrscheinlich teuer und institutionell komplex werden ließ. Nach eher isolierten Anstrengungen in den 1970er-Jahren beginnt eine neue starke Welle von Aktivitäten zur Fahrzeugautomatisierung in den 1980er-Jahren. Sie steht im Zusammenhang mit mehreren Trends in Wissenschaft und Technik, beispielsweise der Miniaturisierung und Leistungssteigerung bei der Informationsverarbeitung, neuer Sensortechnik und „Computersehen“ sowie Verfahren der „Künstlichen Intelligenz“, wie auch im Kontext industrie- und sicherheitspolitischer Entwicklungen. Beispielhaft zu nennen sind hier etwa amerikanische DARPA-Programme zur Entwicklung autonomer Landfahrzeuge (ALV, Navlab) oder das europäische Forschungsprogramm „PROMETHEUS“ (1987–1994). Vor allem Letzteres, aber auch spätere Nachfolgeprogramme in den USA und Europa wurden weniger als reine Technikentwicklungsanstrengungen als vielmehr als zentraler Teil verkehrspolitischer Lösungsstrategien begründet – durch die Zusammenführung von Verkehrstechnik mit Informations- und Kommunikationstechnik sollten die unerwünschten sozialen und ökologischen Folgen vor allem des motorisierten Individualverkehrs reduziert und zugleich seine Vorteile weiter genutzt werden können. Dies machte es einerseits einfacher, notwendige Ressourcen zu mobilisieren, andererseits rückten diese Aktivitäten aus der Technologiepolitik in die deutlich kontroversere und viel stärker Konjunkturen unterliegende Verkehrspolitik. Entsprechend bewegt waren die politische und mediale Aufmerksamkeit und Unterstützung in den Folgejahren.

Die aktuelle „Welle“ des autonomen Fahrens beginnt Mitte der 2000er-Jahre. DARPA hatte sich das Ziel gesetzt, fahrerlose, automatisierte Fahrzeuge für den militärischen Gebrauch entwickeln zu lassen, und veranstaltete zwischen 2004 und 2007 drei sogenannte DARPA Grand Challenges – Wettbewerbe um Preisgelder, in deren Rahmen vollständig autonome Bodenfahrzeuge umfangreichere Kurse innerhalb einer begrenzten Zeit zu absolvieren hatten. Diese Wettbewerbe führten nicht nur die meisten damals wichtigsten in diesem Thema arbeitenden Forschungsgruppen aus den westlichen Industrieländern zusammen; eine ganze Reihe der bei diesem Wettbewerb Aktiven nahm anschließend (bzw. nimmt bis heute) Schlüsselpositionen bei weiteren Forschungs- und Entwicklungsaktivitäten ein. Aus den Teilnehmern rekrutierte beispielsweise Google das Team für sein 2009 gestartetes, zunächst noch geheimes „Project Chauffeur“ mit dem Ziel der Entwicklung eines alltagstauglichen selbstfahrenden Fahrzeuges. Das Unternehmen machte seine Arbeiten und Ambitionen Ende 2010 öffentlich und formulierte in einem Artikel in der New York Times im Herbst 2011 das bis heute gültige „expectation statement“ für aktuelle Entwicklungen im Bereich des automatisierten Fahrens. Dieses umfasst in der Regel vier Leistungsversprechen: (a) die Verbesserung der Verkehrssicherheit (gemessen bspw. als Reduktion der Zahl der Unfälle oder der Anzahl der Toten und Verletzten im Straßenverkehr), (b) die Erhöhung der verkehrlichen Effizienz (etwa durch Verbesserung des Verkehrsflusses, die Reduktion von Energieverbrauch und Emissionen und vor allem auch durch die Ermöglichung neuer, effizienterer Mobilitätsdienstleistungen), (c) die Ermöglichung von individueller motorisierter Mobilität für bisher davon ausgeschlossene Gruppen (wie Menschen mit körperlichen oder altersbedingten Einschränkungen oder Kinder und Jugendliche) und (d) eine Optimierung der Zeitnutzung, in dem die eigentlich für die Fahraufgabe aufzuwendende Zeit für andere, mutmaßlich produktivere Aktivitäten genutzt werden könne.

Zugleich begründete sich daraus eine neue industriepolitische Herausforderung, weil damit erstmal ein Unternehmen der sogenannten Plattformwirtschaft neben die etablierten Vertreter der Fahrzeugindustrie und der Verkehrswirtschaft trat. Entsprechend werden die Entwicklungen im Bereich des automatisierten Fahrens seitdem vor allem in den Ländern vorangetrieben, in denen die global wichtigen Player dieser Branchen ansässig sind, gelten diese doch als jeweils volkswirtschaftlich relevante Industrien und erfreuen sich mithin unmittelbarer und mittelbarer politischer Unterstützung. In Deutschland verabschiedete die Bundesregierung bereits 2015 ihre „Strategie automatisiertes und vernetztes Fahren: Leitanbieter bleiben, Leitmarkt werden, Regelbetrieb einleiten“ (BMVI 2015), in der die industrie‐ und verkehrspolitische Bedeutung der vorgenannten Entwicklungen unterstrichen und festgehalten wird, dass Deutschland den digitalen Innovationszyklus in diesem Bereich bestimmen sowie seine Position als Leitanbieter weiter ausbauen und Leitmarkt werden sollte. Seitdem entwickelte sich in Deutschland, aber auch in anderen wichtigen Industrieländern eine hohe politische, regulatorische und mediale Dynamik rund um das autonome Fahren und die Diskussion seiner Möglichkeiten und Folgen. Beispielhaft können hier die Arbeit der vom BMVI eingesetzten Ethik-Kommission „Automatisiertes und Vernetztes Fahren“ zwischen September 2016 und Juni 2017, die beiden in den Jahren 2017 und 2021 durchgeführten legislativen Verfahren zur Integration von Aspekten des automatisierten Fahrens in das deutsche Straßenverkehrsgesetz oder die Novelle des Personenbeförderungsgesetzes 2021 genannt werden. Parallel dazu ist eine umfangreiche Forschungs- und Förderlandschaft entstanden, in deren Rahmen automatisierte Fahrzeuge und Mobilitätskonzepte entwickelt sowie im Zuge von Feldversuchen und Reallaboren erprobt werden.

Weltweit gibt es hohe Erwartungen: Das automatisierte und vernetzte Fahren wird in naher Zukunft völlig neue Möglichkeiten für unsere Mobilität bereithalten (BMVI 2017). Durch die zunehmende Digitalisierung werden sich Fahren, Reisen und der Transport von Gütern grundlegend ändern. Autos werden miteinander kommunizieren und sich gegenseitig vor Gefahren warnen. Die Daten dafür liefern die Fahrzeuge selbst oder intelligente Informationssysteme entlang der Verkehrsadern. Das alles wird uns dabei helfen, schwierige Fahrsituationen künftig besser zu meistern und noch sicherer unterwegs zu sein.

Einer der wichtigsten Roadmaps für die technologische Entwicklung des automatisierten und vernetzten Fahrens in Europa ist seit vielen Jahren die Roadmap von ERTRAC. Deren Hauptziel besteht darin, eine gemeinsame Sicht der Interessengruppen zur langfristigen Entwicklung der vernetzten, kooperativen und automatisierten Mobilität in Europa bereitzustellen. Bei der Erstellung dieser Roadmap wurden auch andere Roadmaps berücksichtigt (z. B. ACEA-Roadmap, US-CAR-Roadmap, UK-Zenzic-Roadmap, Roadmaps des C2C-Konsortiums und 5GAA).

Folgende vier Domänen von Produkten und Dienstleistungen im avF-Bereich im Zeithorizont bis 2030 bilden den Kern der Roadmap:

Die vier Domänen unterscheiden sich in verschiedenen Eigenschaften, entwickeln sich in unterschiedlichen Zeiträumen und bieten eine große Vielfalt von Anwendungsfällen. Abb. 1.8 zeigt Beispiele von möglichen Anwendungsfällen in diesen Domänen.

Die trilaterale Arbeitsgruppe (EU, USA und Japan) „Automation in Road Transportation“ (ART WG) hat sich gemeinsam mit der europäischen Koordinierungs- und Unterstützungsmaßnahme CARTRE mit den Auswirkungen von avF in unterschiedlichen Szenarien beschäftigt (Barnard et al. 2019). In einer Expertendiskussion wurden anhand einer szenariobasierten Bewertung die Auswirkungen von möglichen Zukunftsszenarien verglichen. Die folgenden vier Szenarien wurden verwendet, mit Unterschieden in Bezug auf geteilte versus private Mobilität und Beteiligung der öffentlichen Hand (siehe auch Abb. 1.9):

Die Expertengruppe bewertete die Richtung² (steigend oder fallend) und das Ausmaß der Auswirkungen (auf einer Skala von 1–5, wobei 1 = keine Änderung und 5 = große Änderung bedeutet) sowie die mit den Schätzungen verbundene Unsicherheit (drei Abstufungen). Folgende aus städtischer Sicht interessante Wirkungsbereiche wurden betrachtet: Mobilität und Reiseverhalten, öffentliche Gesundheit und Sicherheit sowie Landnutzung. Die Expertenbewertung geschah zunächst individuell, dann wurde in Gruppendiskussionen ein Konsens gesucht.

Es wurde angenommen, dass das langfristige Szenario 3 (automatisierter öffentlicher Verkehr) die positivsten Auswirkungen hat. Die negativsten Auswirkungen wurden für das Szenario 4 (automatisierte Privatwagen) geschätzt. Es wurde jedoch angenommen, dass in allen Szenarien einige positive Effekte erzielt werden. Es zeigte sich, dass die Auswirkungen im Szenario 2 (marktgetriebene geteilte Mobilität) für die Experten am schwierigsten einzuschätzen waren.

Insgesamt wurden für die Shared-Mobility-Szenarien (2 und 3) positivere Effekte angenommen als für das Privat-Pkw-Szenario (4), vor allem aufgrund der bei letztgenanntem gestiegenen Pkw-Nutzung. Die Experten gehen davon aus, dass eine aktive öffentliche Hand in Szenario 3 die Entwicklung maßgeblich positiv beeinflussen kann.

Angesichts der erwarteten Nutzervorteile von avF besteht allerdings auch die Befürchtung vor negativen gesamtverkehrlichen Effekten von avF. Beispielsweise kann die Automatisierung einzelner privat genutzter Fahrzeuge die Nutzung des Pkw attraktiver machen, da die Zeit im Fahrzeug für andere Zwecke als das Fahren verwendet werden kann (Stark et al. 2018). Folgend werden die Entwicklungsperspektiven für avF im städtischen Raum näher betrachtet.

Weil mit der Einführung des avF die traditionellen Grenzen zwischen den Verkehrssystemen verwischen könnten, werden sie als ein „Game-Changer“ gesehen (VDV 2015). Denn das automatisierte Fahrzeug kann im Prinzip alles sein: ein privates Auto, ein Taxi, ein Bus, ein Car-Sharing-Fahrzeug oder ein Sammeltaxi. Somit könnte es Teil des öffentlichen Verkehrssystems werden, es könnte aber auch in weiten Teilen die Existenz des heutigen öffentlichen Nah- und Fernverkehrs infrage stellen.

Viele Studien befassen sich mit der Untersuchung von möglichen Auswirkungen der avF-Technologie auf den öffentlichen Nahverkehr. Beispielsweise wird hier die Fallstudie von Almlöf et al. (2019) erwähnt. Neben Automatisierung ist Shared Mobility ein wichtiges Konzept, das als (Teil-)Lösung der Verkehrsprobleme in Städten wahrgenommen wird. In einer Simulation des Nachfragemodells wurden die Auswirkungen des avF auf das Verkehrssystem in Stockholm untersucht und vier verschiedene Szenarien entlang der beiden Dimensionen Sharing (niedrig/hoch) und Entwicklung des öffentlichen Verkehrs (passive/aktive öffentliche Hand) betrachtet (Almlöf et al. 2019). Für die Dimension Sharing wurden zwei verschiedene Fälle für den Einsatz von Fahrzeugen angenommen:

Für die Dimension Entwicklung des öffentlichen Verkehrs wurden zwei verschiedene Fälle von öffentlichen Verkehrsdiensten herangezogen:

Die Modellergebnisse zeigen, dass das erhöhte Serviceniveau im öffentlichen Verkehr einen relativ geringen Einfluss auf die Nachfrage hat. Im Gegensatz dazu führt der Übergang von einem privaten Pkw zu einem taxiähnlichen Dienst zu erheblichen Rückgängen im öffentlichen Verkehr, Zufußgehen und Radfahren. Auch wenn der Autoverkehr in den Simulationen zugenommen hat, bleibt der öffentliche Verkehr das wichtigste Verkehrsmittel in den zentralen, dichteren Regionen Stockholms, was auf die räumliche Effizienz des öffentlichen Verkehrs hinweist. Insgesamt hängt das Ausmaß der Auswirkungen der selbstfahrenden Technologie wahrscheinlich von geografischen, kulturellen und technologischen Faktoren ab.

Die UITP International Association of Public Transport, als weltweit agierender internationaler Verband für den öffentlichen Verkehr, skizziert ähnliche Szenarien und betont, dass avF nur zur Umsetzung staatlicher Zielvorgaben beitragen können, wenn sie als gemeinsam genutzte Flotten in den ÖPNV eingegliedert sind (UITP International Association of Public Transport 2017; Cerfontaine 2018). Abb. 1.10 zeigt drei Szenarien für die Einführung des avF.

Die UITP International Association of Public Transport empfiehlt, autonome Fahrzeuge in urbanen Räumen als Teil eines aus verschiedenen Komponenten bestehenden Gesamtkonzeptes einzusetzen (Cerfontaine 2018):

Städte und Kommunen sind aufgefordert, durch rechtzeitige Tests und durch regulatorische Maßnahmen hierfür den Rahmen zu schaffen.

Unternehmen im Bereich Car-Sharing haben sich auch mit Einsatzszenarien für autonome Fahrzeuge im ÖPNV bzw. im Umweltverbund beschäftigt. Beispielsweise sind folgende drei primäre Formen denkbar (Zielstorff 2018):

Das Ziel des 3-jährigen und im September 2021 abgeschlossenen Projektes SPACE (Shared Personalised Automated Connected vEhicles) war es, zu untersuchen, wie man den öffentlichen Verkehr in den Mittelpunkt der Revolution der automatisierten Fahrzeuge stellen und zum Aufbau eines kombinierten Mobilitäts-Ökosystems beitragen kann (UITP International Association of Public Transport 2021a). Dazu wurde u. a. eine Liste verschiedener Anwendungsfälle für den Einsatz von avF in Umgebungen mit unterschiedlicher Dichte definiert – von städtischen Umgebungen, Vororten und kleinen Städten bis hin zu ländlichen Gebieten. Abb. 1.11 zeigt 13 Anwendungsfälle, die als Betriebskonzepte von avF identifiziert wurden und in die verschiedenen Umgebungen integriert werden können. Diese Anwendungsfälle werden derzeit auch in anderen Projekten, wie dem aktuellen Projekt SHOW (SHared automation Operating models for Worldwide adoption), berücksichtigt³.

Es wurde im SPACE-Projekt eine High-Level-Referenzarchitektur entwickelt, die darauf abzielt, mithilfe einer sog. Flottenmanagementplattform eine umfassende und nahtlose Integration fahrerloser Fahrzeuge mit anderen IT-Systemen im Mobilitätssystem zu gewährleisten. Abb. 1.12 zeigt diese Referenzarchitektur mit allen wesentlichen Funktionen, um die Integration neuer AV-Flotten in die öffentlichen Verkehrssysteme zu gewährleisten.

Die hier dargestellten Entwicklungsszenarien für die Integration von avF in den öffentlichen Personennahverkehr betrachten vor allem die Durchsetzung von Shared-Mobility-Dienstleistungen, die Stärke der Einflussnahme durch die öffentliche und die private Hand sowie verschiedene Einsatzmöglichkeiten von automatisierten Fahrzeugen unterschiedlicher Größe als Einflussfaktoren auf die Entwicklungspfade. Insgesamt werden positive Auswirkungen auf die Gesellschaft durch den Einsatz von avF im ÖPNV und somit die Stärkung des ÖPNV gesehen. Demgegenüber steht aber auch die Gefahr, dass durch den Einsatz von privaten automatisierten Fahrzeugen sowie taxiähnlichen Diensten automatisierter Fahrzeuge das Fahren komfortabler wird und somit die Verkehrsbelastung insgesamt zunimmt. Die genannten Einsatzszenarien sehen eine Ergänzung der bisherigen Linienbus-Angebote, die z. T. auch als vollautomatisierte Fahrzeuge denkbar sind, durch automatisierte Shuttles als On-Demand- oder Ridesharing-Lösungen sowie automatisierte Car-Sharing-Taxis.

In der Fachwelt der Mobilitätsforschung dominiert die Erwartung, dass avF in absehbarer Zeit zugelassen werden – auch wenn in Teilen der allgemeinen wie auch der Fach-Öffentlichkeit weiterhin Skepsis hinsichtlich der baldigen technischen und organisatorischen Reife herrscht. Wird sich die Automatisierung des Straßenverkehrs als Fluch oder als Segen für Konzepte nachhaltiger Mobilität erweisen? Es gibt viele Herausforderungen für die Etablierung von avF, damit die Potenziale der Technologie ausgeschöpft und unerwünschte Begleiterscheinungen abgemildert bzw. abgewendet werden können.

Im deutschsprachigen Raum hat sich der Begriff der „Mobilitätswende“ etabliert. Es gibt kaum eine verkehrspolitische Ansprache, in der dieser Begriff nicht zumindest einmal Verwendung findet. Der Begriff Mobilitätswende beschreibt eine Abkehr vom bestehenden Mobilitätssystem zu einer neuen, nachhaltigeren und klimaneutralen Mobilität von Menschen und Gütern, die sowohl soziale Aspekte berücksichtigt als auch die Lebensräume der Menschen respektiert und nicht dem Verkehr unterordnet. Die tatsächliche Mobilitätswende scheint derzeit jedoch häufig eher eine Vision als ein konkretes Vorhaben zu sein. Im Jahr 2018 lag laut dem deutschen Statistischen Bundesamt der Anteil des Straßenverkehrs an den CO2-Emissionen in der EU bei 26 %. Davon waren 62 % durch den Motorisierten Individualverkehr (MIV) verursacht. „[…] während der CO2-Gesamtausstoß seit 1990 um 23 % sank, erhöhten sich die CO2-Emissionen im Straßenverkehr im gleichen Zeitraum um 24 %. Am deutlichsten stieg der CO2-Ausstoß zwischen 1990 und 2018 bei den leichten Nutzfahrzeugen (+58 %). Die CO2-Emissionen von Lkw und Bussen stiegen um 24 %, die der Pkw um 19 %“ (Statistisches Bundesamt 2020). Entsprechend dem Europäischen Verband der Automobilhersteller lag die Automobildichte je 1000 Einwohnern im Jahr 2015 in der Europäischen Union bei 553 Fahrzeugen und wuchs bis ins Jahr 2019 auf 569 Fahrzeuge an (European Automobile Manufacturers’ Association ACEA 2021). Selbst wenn es gelänge, diese immer noch wachsende Anzahl an Fahrzeugen zu elektrifizieren und die dafür notwendige Ladeinfrastruktur bereit zu stellen, würden die bei der Produktion der Fahrzeuge entstehenden CO2-Emissionen (sogenannte graue Emissionen) einen großen Teil des über den Lebenszyklus der Fahrzeuge erreichten CO2-Einsparungserfolges von vornherein zunichte machen. Dazu kommt, dass die zunehmende Anzahl an Fahrzeugen die Straßen und Plätze unserer Städte verstopft und auch im ländlichen Raum immer mehr Flächen durch den steigenden Siedlungs- und Verkehrsbedarf versiegelt werden. So sind die Siedlungs- und Verkehrsflächen von 1992 bis 2019 um 23,6 % gewachsen, die Verkehrsflächen allein um 9,8 % (Umweltbundesamt 2021). Mehr versiegelte Flächen führen in Verbindung mit den klimatischen Veränderungen zu immer mehr Hitzestressperioden, lokalen Überschwemmungen, verringerter Grundwasserbildung, Verlusten von Grünflächen und Abnahmen der Bodenfruchtbarkeit (Umweltbundesamt 2022).

Ein Blick in die deutsche Geschichte des Verkehrs zeigt, dass sich durch das Aufkommen des Automobils als bestimmendes Verkehrsmittel nicht nur unser Mobilitätsverhalten, sondern auch das Bild unserer Städte veränderte. „Bis ca. 1930 wurden die öffentlichen Verkehrsmittel Bus und Bahn mit hoher Priorität berücksichtigt. Fuß- und Fahrradverkehr konnten den öffentlichen Raum sehr freizügig nutzen. Das Auto spielte eine untergeordnete Rolle. Ca. 80 % der damals fahrenden Kfz waren Liefer- und Lastwagen, der private Pkw war die Ausnahme. Es gab ein dichtes Netz von landesweiten und regionalen Bahnnetzen. Viele Städte hatten eigene Straßenbahnsysteme. Post- und Bahnbusse erschlossen die Fläche“ (Monheim, H., eingereicht 12/2021). Nach dem 2. Weltkrieg orientierte man sich im zerbombten Westdeutschland am amerikanischen Vorbild und priorisierte ein autozentriertes Verkehrssystem. Städte mit vormals kleinteiliger Parzellierung, Gassen und funktional gemischten Strukturen (Wohnen, Gewerbe, Gastronomie, Einkaufen und Märkte) wurden durch breite Straßenfluchten und große kubische Bauten strukturiert, die oft nur einer Funktion dienten. Die Planung sollte eine zunehmende Motorisierung ermöglichen und dafür den nötigen Platz bereitstellen. An den Stadträndern und im Umland „…fand [man] viele freie Flächen, auf denen entdichtete, zersiedelte Bau- und Verkehrsstrukturen etabliert werden konnten“ (Monheim, H., eingereicht 12/2021). Die Erschließung dieser Gebiete mit ÖPNV oder Bahn schien nicht dem Geist der Zeit zu entsprechen.

Wenn in diesem Handbuch die Integration des automatisierten ÖPNV als ein Instrument für die Mobilitätswende betrachtet wird, kann dies nicht ohne die Berücksichtigung der oben genannten Aspekte erfolgen. Das folgend beschriebene Szenario zu den künftigen Entwicklungen unseres Mobilitätssystems wird von diesen Aspekten geleitet und geht zum Teil auf sich daraus ergebende Fragestellungen, wie beispielsweise die räumlichen Strukturen, ein.

Für die Einordnung des Szenarios ist der raum- und siedlungsstrukturelle Kontext zu betrachten, mit den Unterschieden städtischer, suburbaner und ländlicher Kulissen, wobei der suburbane und ländliche Raum in Deutschland immerhin 2730 Mittel- und Kleinstädte umfasst, also durchaus urbane Kerne. Die Integration des automatisierten Fahrens muss die raum- und siedlungsstrukturellen Rahmenbedingungen beachten und wird je nach Kulisse unterschiedliche Auswirkungen auf die Raumentwicklung haben. Diese Einordnung findet in einem Umfeld mit zum Teil widersprechenden Interessen von Industrie, Politik und Teilen der Zivilgesellschaft (Mitteregger, M. et al. 2020) statt. Eine Differenzierung der Mobilitätsentwicklung in urbanen, suburbanen und nicht-urbanen Räumen ist daher notwendig.

Die im folgenden Szenario gemachten Aussagen für die Entwicklung der Mobilitätssysteme hin zur Mobilitätswende werden von den Autoren als grundsätzlich machbar eingeschätzt. Leitende Motive sind einerseits die radikale Reduktion von Treibhausgasen sowie die Rückeroberung qualifizierter, öffentlicher Räume und die Sicherstellung der Versorgung der Menschen unter Berücksichtigung ihrer Bedürfnisse.

Für die Reduktion von Treibhausgasen und die Rückeroberung öffentlicher Räume für Fuß- und Radverkehr, Aufenthalt und Grünflächen muss das Verkehrsaufkommen mit privaten Pkw und betrieblichen Lkw und Lfw drastisch reduziert werden. Für die Versorgung der Menschen müssen dezentrale Angebotsstrukturen entwickelt werden, die eine ausreichende Nahversorgung sichern.

Die Angebotsstrukturen im ÖPNV müssen in ihrer Netz-, Haltestellen- und Taktdichte so verbessert werden, dass sie überall und zu jeder Zeit eine hohe Akzeptanz finden. Fuß- und Radverkehr müssen überall attraktive Infrastrukturbedingungen finden, die eine sichere und bequeme Nutzung ermöglichen.

Wir gehen davon aus, dass mittels avF attraktive Alternativen geschaffen werden können, weil ein Großteil der für Fahren und Parken gebrauchten Flächen des MIV durch die Alternativen des Umweltverbundes substituiert werden kann. Der ÖPNV kann mittels der avF-Optionen sein Angebot räumlich und zeitlich so verdichten, dass eine weitreichende Verlagerung von MIV-Fahrten auf kollektiv genutzte, automatisierte Verkehrsmittel möglich wird, die in ihren Formaten und Fahrplanangeboten und ergänzenden On-Demand-Angeboten bedarfsgerecht bereitgestellt werden.

Im Folgenden dargestellt sind die hypothetischen Randbedingungen für die Integration automatisierter Fahrzeuge im ÖPNV, die in Deutschland innerhalb der nächsten 10 Jahre Platz greifen können. Diese betreffen insbesondere den Busverkehr in den verschiedenen Formaten und Betriebsformen.

AvF-Angebote sind aber auch im Schienenpersonennahverkehr (SPNV) denkbar. Sie können dort leichter implementiert werden, weil der SPV spurgeführt und auf exklusiven Fahrwegen erfolgt. Im kommunalen Schienenverkehr mit Straßen- und Stadtbahnen gelten dann ähnliche Bedingungen, wenn der Schienenverkehr auf eigenen, exklusiven Fahrwegen abgewickelt wird. Wo dagegen Straßen- und Stadtbahnen im gemischten Verkehr fahren, gelten für sie ähnliche Randbedingungen wie für die Busse. Die ergänzenden Paratransit-Angebote wie Car-Sharing, Rufbus, Anrufsammeltaxi (AST) und Anruflinientaxi (ALT) sind hinsichtlich ihrer Fahrverläufe ähnlich zu beurteilen wie Pkw-basierte avF-Systeme im MIV.

Alle dunkelblauen Felder mit weißer Schrift der Abb. 1.13 beschreiben das gewählte Szenario. Die weißen Felder sind Ausprägungen, die nicht für das Szenario Anwendung finden.