Ashok hat angemerkt, dass Robotaxi eine makellose Sicherheitsbilanz über die bisher 380.000 unfallfreien Meilen vorweisen kann. Dennoch sind viele Beobachter besorgt, dass ein schwerer Unfall nur eine Frage der Zeit ist.
Diese Sorge ist nicht unbegründet. Mit zunehmender Skalierung des Dienstes und wachsender Gesamtfahrleistung werden die ersten größeren Vorfälle statistisch unvermeidbar. Die relevante Frage ist nicht, ob sie eintreten, sondern wann und mit welcher Schwere.
In einer früheren Analyse haben wir den wahrscheinlichen Verlauf der Robotaxi-Fahrleistung anhand von Ashoks angegebenen wöchentlichen Wachstumsraten und der installierten Cybercab-Produktionskapazität modelliert. Die Kombination dieser Prognose mit öffentlich zugänglichen NHTSA-Daten ermöglicht es uns, die Wahrscheinlichkeit der Beteiligung von Robotaxis an Unfällen unterschiedlicher Schweregrade im Zeitverlauf abzuschätzen.
Eine wichtige Klarstellung: Bei den folgenden Zahlen handelt es sich um Beteiligungsraten, nicht um reine Verschuldensraten. Sie beschreiben die Wahrscheinlichkeit, dass ein Robotaxi in einen Unfall verwickelt ist, der zu einer Verletzung oder einem Todesfall führt, unabhängig davon, welche Partei hauptsächlich verantwortlich ist. Dies liefert eine realistische Basis, an der die zukünftige Sicherheitsleistung gemessen werden kann.
Teil 1 – Die menschliche Basislinie: Verkehrssicherheit heute
Wir beginnen mit den aktuellsten detaillierten nationalen Statistiken der National Highway Traffic Safety Administration (NHTSA).
Im Jahr 2023 entfielen etwa 89 % der gesamten Fahrzeugkilometer in den USA auf Personenkraftwagen. Für die Insassen dieser Fahrzeuge lagen die Raten bei:
In absoluten Zahlen entspricht dies etwa 24.000 Insassen-Todesfällen und 1,95 Millionen polizeilich gemeldeten Verletzungen bei fast 2,9 Billionen Personenkilometern.
Polizeilich gemeldete Verletzungen werden auf der KABCO-Skala klassifiziert:
Für den Rest dieser Analyse übernehmen wir die Raten „aller Personenkraftwagen“ als menschliche Basislinie (0,83 Todesfälle und 68 Verletzungen pro 100 Millionen Meilen). Wir gehen dann davon aus, dass ein ausgereiftes Robotaxi-System 10-mal sicherer ist als dieser menschliche Durchschnitt – ein ambitioniertes, aber in der Branche häufig genanntes Ziel (und eines, das auch Waymo in seiner eigenen Sicherheitsberichterstattung als Benchmark verwendet hat).
Diese 10×-Annahme bildet die Grundlage für die statistischen Projektionen im Folgenden.
Teil 2 – Warum Unfälle einem Poisson-Prozess folgen
Verkehrsunfälle sind seltene Ereignisse im Verhältnis zur enormen Anzahl gefahrener Kilometer. Wenn Ereignisse selten, unabhängig und mit einer annähernd konstanten durchschnittlichen Rate auftreten, wird die Anzahl der Ereignisse in einer bestimmten Exposition (hier Kilometer) gut durch eine Poisson-Verteilung beschrieben.
Bei einem Poisson-Prozess beträgt die Wahrscheinlichkeit, genau k Ereignisse nach M Kilometern zu beobachten:
wobei λ die erwartete Anzahl von Ereignissen pro Kilometer ist.
Wir sind in erster Linie an der Wahrscheinlichkeit interessiert, mindestens ein Ereignis zu erleben. Das ist einfach die Komplementärwahrscheinlichkeit von null Ereignissen:
Wie man λ erhält
Aus den NHTSA-Daten in Teil 1 kennen wir bereits die durchschnittliche Anzahl von Kilometern zwischen Ereignissen für von Menschen gesteuerte Personenkraftwagen. Die Ereignisrate pro Kilometer ist daher der Kehrwert:
Oder, wenn die veröffentlichte Rate pro 100 Millionen Meilen angegeben ist:
Für unsere Basislinie (alle Personenkraftwagen):
- Todesfall: λ_menschlich = 0,83 / 10⁸ = 8,3 × 10⁻⁹ pro Meile
- Verletzung (alle Schweregrade): λ_menschlich = 68 / 10⁸ = 6,8 × 10⁻⁷ pro Meile
Da wir annehmen, dass Robotaxi 10-mal sicherer ist, dividieren wir diese Raten einfach durch 10:
Setzt man dies in den vorherigen Ausdruck ein, ergibt sich die Wahrscheinlichkeit für mindestens einen Vorfall nach einer kumulativen Fahrleistung M:
Diese Formel wird für alle Projektionen im nächsten Abschnitt verwendet.
Teil 3 – Wann die ersten Vorfälle wahrscheinlich werden
Wir können nun die Poisson-Formel aus Teil 2 auf die vier interessierenden Ergebnis-Kategorien anwenden:
- Todesfall (K)
- Schwere / behindernde Verletzung (A)
- Leichte / nicht behindernde Verletzung (B)
- Mögliche Verletzung (C)
Unter Verwendung der menschlichen Basisraten aus Teil 1, skaliert mit der 10×-Sicherheitsannahme, erhalten wir eine separate Ereignisrate λ für jede Kategorie. Die erste Grafik zeigt die Wahrscheinlichkeit für mindestens ein Ereignis in Abhängigkeit von den kumulativen, unbeaufsichtigten Robotaxi-Meilen:
Von Meilen zur Kalenderzeit
In unserem vorherigen Artikel haben wir ein Vorwärtsmodell der wöchentlichen unbeaufsichtigten Meilen auf Basis von Ashoks angegebenen zweistelligen wöchentlichen Wachstumsraten erstellt, begrenzt durch die Cybercab-Produktionskapazität von etwa 2.400 Fahrzeugen pro Woche (Teslas Prognose von 125.000 pro Jahr) und einer Annahme hoher Auslastung von 200 Meilen pro Fahrzeug und Tag.
Wenn man den Fall mit 14 % Wachstum als zentrales Szenario annimmt und die gedeckelten wöchentlichen Meilen aufsummiert, erhält man einen Verlauf der kumulativen Fahrleistung über die Kalenderzeit. Setzt man diese kumulative Fahrleistung in die Poisson-Formel ein, ergibt sich die Wahrscheinlichkeit jedes Vorfalltyps als Funktion der Zeit:
Unter diesem Verlauf werden die 50 %-Wahrscheinlichkeitsschwellen ungefähr wie folgt erreicht:
Waymos aktuelle kumulative Fahrleistung
Zum Größenvergleich haben wir Waymos ungefähre kumulative, vollständig fahrerlose Meilen in der Fahrleistungsgrafik markiert.
Waymos offizielles Safety Impact Dashboard weist 220,6 Millionen reine Fahrgast-Meilen bis März 2026 aus. Bei einer aktuellen Rate von etwa 4 Millionen reinen Fahrgast-Meilen pro Woche ergibt eine Extrapolation auf Mitte/Ende 2026 etwa 280–300 Millionen bezahlte Meilen. Unter Berücksichtigung von Leerfahrten für Repositionierung und Bereitstellung verdoppeln wir diese Zahl konservativ und kommen auf geschätzte ~600 Millionen gesamte autonome Meilen.
Waymos reale Erfolgsbilanz
Öffentliche SGO-/NHTSA-Berichte über Waymo-Vorfälle, auf die KABCO-Skala abgebildet, ergeben folgendes ungefähres Bild:
Wichtige Beobachtungen:
- Die große Mehrheit der gemeldeten Verletzungsfälle fällt in die niedrigeren Schweregrad-Kategorien (C und B).
- Waymos eigene Sicherheitsforschung behandelt nur bestätigte, polizeilich gemeldete A- oder K-Fälle als „schwere Verletzung oder schlimmer“.
- Bei über 220 Millionen reinen Fahrgast-Meilen verzeichnet Waymo etwa 94 % weniger schwere oder tödliche Unfälle und ~82 % weniger Verletzungsunfälle jeglicher Schwere als die menschliche Benchmark in denselben Betriebsgebieten.
- Diese Vergleiche werden unabhängig vom Verschulden angestellt. Bei der geringen Anzahl schwerer (A) und tödlicher (K) Vorfälle deuten die verfügbaren öffentlichen Informationen darauf hin, dass das Waymo-Fahrzeug in der Regel nicht die hauptsächlich schuldige Partei war.
Diese reale Erfahrung verdeutlicht die Unterscheidung, die auch für Robotaxi wichtig ist: Bei ausreichender Größenordnung wird die Beteiligung an Unfällen statistisch unvermeidbar. Die entscheidende Frage ist, ob das System seltener schuld ist – und weniger schwere Folgen verursacht – als menschliche Fahrer auf denselben Kilometern. Der hier entwickelte Poisson-Rahmen kalibriert lediglich, wann Tesla Robotaxi unter der 10×-Sicherheitsannahme damit rechnen kann, auf dieselben Kategorien von Ereignissen zu stoßen.
Wie die Grafik der kumulativen Fahrleistung zeigt, wird die Beteiligung an schweren und sogar tödlichen Unfällen sobald eine fahrerlose Flotte mehrere hundert Millionen Meilen erreicht hat, statistisch unvermeidbar – selbst unter der 10×-Sicherheitsannahme. Waymos Bilanz ist daher konsistent mit dem, was das Poisson-Modell in dieser Größenordnung vorhersagt: Die relevante Frage ist nicht mehr, ob solche Ereignisse eintreten, sondern wie oft das System schuld ist und wie sein Schweregradprofil im Vergleich zu menschlichen Fahrern aussieht.
Fazit
Wir haben die Wahrscheinlichkeit der Beteiligung von Robotaxis an Unfällen unterschiedlicher Schweregrade modelliert, unter der Annahme, dass das System letztlich eine 10×-Verbesserung der Sicherheit gegenüber dem durchschnittlichen, von Menschen gesteuerten Personenkraftwagen erreicht. Die Kombination dieser Annahme mit dem in unserer vorherigen Analyse entwickelten Fahrleistungsverlauf ergibt klare, quantitative Erwartungen: Verletzungen geringerer Schwere werden in der ersten Hälfte des Jahres 2027 wahrscheinlich, schwere Verletzungen später im selben Jahr und ein Todesfall gegen Ende 2027 im zentralen Wachstumsszenario.
Waymos reale Erfolgsbilanz ist konsistent mit dem, was dasselbe Modell bei mehreren hundert Millionen kumulativen Meilen vorhersagt. Selbst ein System, das wesentlich sicherer ist als menschliche Fahrer, wird bei ausreichender Größenordnung in schwere und tödliche Unfälle verwickelt sein. Die Statistik macht dies unvermeidbar.
Zwei Unterscheidungen bleiben wesentlich. Erstens betreffen diese Projektionen die Beteiligung, nicht das Verschulden. Zweitens ist auch der erste Todesfall mit Verschulden statistisch irgendwann unvermeidbar; die einzige offene Variable ist, wann er im Verhältnis zur gelebten Erfahrung der Öffentlichkeit mit der Technologie eintritt.
Dies ist die zentrale strategische Herausforderung für Tesla. Der erste Todesfall mit Verschulden muss spät genug eintreten, dass eine große Anzahl von Menschen Robotaxi bereits genutzt hat, seine normale Leistung vertraut und seine Sicherheit im Vergleich zum menschlichen Fahren versteht. Die Analogie ist die kommerzielle Luftfahrt. Moderne Verkehrsflugzeuge töten immer noch Menschen, doch die Todesfallrate liegt in der Größenordnung von 0,01 Todesfällen pro 100 Millionen Passagiermeilen – etwa eine Größenordnung niedriger als selbst ein 10×-sichereres Robotaxi (≈ 0,08 Todesfälle pro 100 Millionen Meilen). Die Gesellschaft akzeptiert das verbleibende Risiko der Luftfahrt, weil der Nutzen groß ist und die relative Sicherheit gut etabliert ist. Robotaxi wird dieselbe Grundlage nachgewiesener, großangelegter Leistung benötigen, wenn der erste eindeutig verschuldete Todesfall eintritt.
Das ist die Schwelle, die Tesla überwinden muss.
