Wayve, Uber und Nissan unterzeichnen eine Absichtserklärung (Memorandum of Understanding), um gemeinsam Robotaxi-Dienste zu entwickeln. Die Zusammenarbeit sieht vor, autonome Fahrfunktionen in Serienfahrzeuge zu integrieren und über bestehende Ride-Hailing-Netzwerke verfügbar zu machen.
Die Partner planen für Ende 2026 einen Testbetrieb in Tokio. Dabei kommen Nissan Leafs zum Einsatz, die mit dem „AI Driver“-System des britischen Unternehmens Wayve ausgestattet sind. Die Buchung der Fahrten erfolgt über die Uber-Plattform. In der ersten Phase werden die Fahrzeuge mit einem geschulten Sicherheitsfahrer betrieben. Die Expansion folgt auf ein bereits angekündigtes Projekt in London. Insgesamt wird eine Einführung in über zehn Städten angestrebt.
Verzicht auf HD-Maps
Das technische Konzept basiert auf der Integration von Wayves „End-to-End“-KI-System in die Fahrzeugplattform von Nissan. Im Gegensatz zu herkömmlichen autonomen Systemen benötigt die Technologie von Wayve keine hochauflösenden Karten (HD Maps). Das System ist darauf ausgelegt, durch Erkennung realer Verkehrssituationen zu lernen und Fahrfunktionen auf unbekannte Straßen und Städte zu generalisieren. Dies soll die Ausweitung auf andere Städte erleichtern.
Einsatz bei japanischen Taxi-Betrieben
In Japan plant Uber, den Dienst über lizenzierte Taxipartner anzubieten. Die Auswahl dieser Partner erfolgt derzeit in Abstimmung mit den zuständigen Behörden. Die Kooperation nutzt die Fahrzeugbasis von Nissan, die Softwarekompetenz von Wayve sowie die Dispositions-Algorithmen von Uber. Ziel ist es, unter anderem dem Fahrermangel im japanischen Transportsektor zu begegnen.
Vergleich zwischen Waymo und Wayve: Modular vs. End-to-End
Ähnlich klingende Namen, doch es gibt Unterschied im technischen Ansatz. Der Waymo Driver basiert auf einer modularen Architektur. Das System trennt zwischen Wahrnehmung (Perception), Planung (Planning) und Steuerung (Control). Zur Orientierung nutzt Waymo hochauflösende 3D-Karten (HD Maps), die vorab für jedes Einsatzgebiet erstellt werden müssen.
Wayve verfolgt hingegen einen „End-to-End“-Ansatz (Embodied AI). Ein zentrales neuronales Netz verarbeitet die Sensordaten (Kamera, Radar, Lidar) direkt zu Fahrbefehlen. Dieser Ansatz verzichtet auf HD-Karten. Die Software soll wie ein Mensch durch Erfahrung lernen und in der Lage sein, das gelernte Verhalten auf völlig neue Umgebungen (Zero-Shot-Generalisierung) zu übertragen, ohne dass diese vorab kartiert wurden. Dieser Ansatz erleichtert die Ausweitung eines Fahrgebiets oder die Erschließung komplett neuer Fahrgebiete.
Sensorik und Hardware-Integration
Waymo setzt auf eine umfangreiche Sensor-Suite, bestehend aus mehreren Lidar-Einheiten, Radar und einer Vielzahl von Kameras (ca. 29 Kameras beim aktuellen Jaguar I-Pace). Das System ist eng mit der spezifischen Hardware des Fahrzeugs verzahnt.
Das Kooperationsmodell von Wayve, Nissan und Uber ist hardware-agnostisch ausgelegt. Das Ziel ist die Integration des „AI Drivers“ in bestehende Serienplattformen wie den Nissan Leaf. Wayve nutzt zwar ebenfalls Sensoren, legt den Fokus jedoch stärker auf die Rechenleistung der KI, um mit einer potenziell reduzierten oder seriennäheren Sensorik auszukommen.
| Waymo (Status 2026) | Wayve / Nissan / Uber (Planung) | |
| Kartenabhängigkeit | Hoch (HD-Karten erforderlich) | Gering (Mapless-Ansatz) |
| Flottenbetrieb | Eigenbetrieb (Waymo One App) | Integration in Uber-Netzwerk |
| Fahrzeugbasis | Spezialumbauten (z. B. Zeekr, Jaguar) | Modifizierte Serienfahrzeuge (Nissan Leaf) |
| Skalierbarkeit | Stadt-für-Stadt (aufwendig) | Global/Regional (durch KI-Transfer) |
| Regionen | Fokus USA (Phoenix, SF, LA, Austin) | Fokus UK (London) und Japan (Tokio) |
Regulatorik und Validierung
Ein kritischer Punkt im Vergleich beider Anbieter autonomen Fahrens ist die Interpretierbarkeit. Modulare Systeme wie das von Waymo erlauben es Ingenieuren, bei Fehlern genau nachzuvollziehen, welches Modul (z. B. die Objekterkennung) versagt hat. Das End-to-End-System von Wayve gilt in etlichen Fällen als „Black Box“. Das erschwert die Sicherheitsvalidierung gegenüber Behörden bei Unfällen. Wayve arbeitet hierbei mit „Vision-Language-Action“-Modellen, um die Entscheidungen der KI für Menschen erklärbar zu machen.
