Warum will Tesla immer noch einen Fahrer, während Waymo allein durch die Stadt fährt?

Waymo und Tesla gehen beim autonomen Fahren zwei völlig gegensätzliche Wege: Waymo ist ein Level-4-System, das fahrerlose Robotaxidienste in mit Lidar kartierten, geografisch begrenzten Gebieten betreibt; Tesla verfolgt dagegen eine Softwarestrategie, die ein nur mit Kameras arbeitendes Level-2- Full Self-Driving (Supervised) -System in Millionen von Autos ausrollt. Das eine ist an wenigen Orten sehr sicher, das andere überall, aber überwacht - und dieser Unterschied ist kein Zufall, sondern das Geschäftsmodell der beiden Unternehmen selbst.

Klären wir zuerst, wem das Auto gehört: Was sagen die SAE-Stufen aus?

Wenn wir von autonomem Fahren sprechen, ist nicht nur eine Sache gemeint. Die SAE-Norm J3016 unterteilt Fahrzeuge in sechs Stufen von 0 (völlig manuell) bis 5 (völlig autonom). Und der entscheidende Punkt ist: Die Stufe, in der man sich befindet, bestimmt unmittelbar, wer bei einem Unfall verantwortlich ist.

Teslas FSD ist offiziell Level 2, also ein fortschrittliches Fahrerassistenzsystem. Der Mensch am Lenkrad muss jederzeit aufmerksam sein und bereit, jederzeit die Kontrolle übernehmen zu können - die rechtliche Verantwortung liegt ebenfalls bei ihm. Waymo ist dagegen Level 4: unter bestimmten Bedingungen und in bestimmten Gebieten volle Autonomie. In San Francisco sitzt niemand am Lenkrad, und wenn etwas schiefgeht, ist das Unternehmen verantwortlich. Mercedes' Drive Pilot ist Level 3 und steht zwischen zwei Welten: bedingt automatisch, das System lässt dich in bestimmten Situationen frei, aber bei einer Warnung musst du das Lenkrad wieder übernehmen.

Diese Stufen werden immer wieder kritisiert: FSD kann als Level 2 tatsächlich besser fahren als manche Level-3- und Level-4-Systeme; das Stufenetikett gibt kein vollständiges Bild der Fahrleistung. Für die rechtliche Lage ist es jedoch weiterhin entscheidend - die einzige Sache, die die Verantwortung vom Fahrer auf das Unternehmen verlagert, ist diese Klassifizierung.

Waymos Weg: Erst die Stadt auswendig lernen, dann fahren

Waymos Philosophie ist wie ein Student, der für eine Prüfung lernt: erst das Thema von Anfang bis Ende auswendig lernen, dann nur Fragen dazu lösen. Die Fahrzeuge arbeiten ausschließlich in mit Lidar dreidimensional kartierten, geografisch begrenzten Gebieten - in der Fachsprache Operational Design Domain (ODD). Jedes Verkehrszeichen, jede Kreuzung, jede Spur und jedes Geschwindigkeitslimit wird ständig kartiert und aktualisiert.

Die Sensorseite ist eine regelrechte gepanzerte Flotte. Das System der 6. Generation nahm Anfang 2026 den vollautonomen Betrieb auf und verfügt pro Fahrzeug über 13 Kameras, 4 Lidare, 6 Radar trägt; je nach Fahrzeugplattform können diese Zahlen variieren. Lidar sendet Millionen von Laserimpulsen aus, misst die Laufzeiten und erzeugt damit Punktwolken - bei Nacht und schlechten Sichtverhältnissen bietet es Kameras eine physische Redundanzebene. Waymos Co-CEO bleibt genau an diesem Punkt stehen: Er argumentiert, dass für sichere Vollautonomie unter Bedingungen wie Staub und Blendung ein multi-sensorischer Ansatz unerlässlich ist.

Auch auf der Algorithmusseite ist die Sache ernst: Strukturen wie SW-Former, das eine dreidimensionale Objekterkennung auf Lidar-Punktwolken durchführt, Verfolgungsmodelle, die die Bewegungen der Verkehrsteilnehmer vorhersagen, und EMMA, das sich zunehmend zu einer End-to-End-Architektur entwickelt, bilden das Gehirn des Systems.

Und die Kosten? Lag die Flottenkosten pro Fahrzeug früher bei etwa 250.000 Dollar, sind sie heute auf rund 150.000 Dollar gesunken; auch der Einzelpreis für Lidar-Einheiten ist auf 500-1.000 Dollar gefallen. Die Flotte ist auf mehr als 2.000 Fahrzeuge gewachsen. Die Zeit arbeitet also für Waymo - teuer gestartet, wird es billiger.

Teslas Weg: Erst Millionen von Lehrern, dann Autonomie

Teslas Ansatz ist eine genau entgegengesetzte Lernstrategie: Statt den Fragenspeicher auswendig zu lernen, aus Tausenden von Probeklausuren lernen. Weder Radar noch Lidar im Fahrzeug - nur 8 Kameras und 12 Ultraschallsensoren. Dies wird "Vision-only" genannt, also eine reine Sicht-Philosophie. Das Argument des Tesla-Lagers ist einfach: Menschen fahren auch mit zwei Augen Auto, mit ausreichend Rechenleistung genügen Kameras.

Auf der Softwareseite ist Tesla weit fortgeschritten. Das multidimensionale Lane & Object HydraNet, das Occupancy Network mit dreidimensionaler Voxel-Extraktion und ein 2024 eingeführter, auf Deep Learning basierender neuronaler Netzplaner - heute arbeitet das System vollständig mit einer End-to-End-Architektur. Sein eigentlicher Trumpf sind die Daten: Millionen Fahrzeuge auf den Straßen sammeln kontinuierlich Daten, Trigger Classifiers erfassen interessante Momente und die Dojo genannte Trainingsinfrastruktur lernt auf der Basis dieses Berges. Teslas Robotaxi-Ziel ist ambitioniert - kurzfristig mehr als 1.000 Fahrzeuge, bis Ende 2026 eine Flotte von über 1 Million. Allerdings zeigen einige Beobachtungen aus dem Feld, dass die Flotte eine Zeit lang geschrumpft statt gewachsen ist; zwischen Zielen und Realität besteht weiterhin Abstand.

Die physikalische Grenze der Kameras

Der Vision-only-Ansatz hat eine Schwäche, die sich nicht durch Software überwinden lässt: Bei Nebel, Regen, Schnee und Sturm lässt die Kameraleistung nach. Die 13. Version von FSD hat das Nachtfahren deutlich verbessert, aber die physikalische Grenze eines Systems ohne Wahrnehmungssensor bleibt dieselbe. Ein eindrucksvoller Test zeigt dies auch: Ein FSD-Fahrzeug fiel auf ein an die Wand projiziertes falsches "Straßen"-Bild herein, während das Fahrzeug mit Lidar anhielt. Die Kamera sieht das Bild, das Lidar misst, dass dort eine Wand ist. Teslas Ziel, auch ohne Karten fahren zu können (es begnügt sich mit normalen Kartendiensten), bietet Freiheit, aber in tatsächlich unbekannten Gebieten ist die Leistung deutlich schwächer.

Sicherheitsbilanz: Sind die Zahlen wirklich vergleichbar?

Betrachtet man die aktuelle Performance der beiden Ansätze, wird das Bild interessant:

Aber eine Warnung: Diese Wechselzahlen sind nicht direkt vergleichbar. Die Definition von "Wechsel", die Bedingungen, die Geografie und die Messmethode sind bei den beiden Unternehmen völlig unterschiedlich. Aussagekräftig ist weniger der absolute Wert als die relative Entwicklung unter denselben Bedingungen. Zudem stammen Waymos Zahlen aus belebten Stadtstraßen, Teslas hingegen größtenteils von Autobahnen - man sollte nicht Äpfel mit Birnen vergleichen.

Betrachtet man das Sicherheitsprofil, zeichnet Waymo ein starkes Bild: pro Million Meilen 1,28 schwere Unfälle eine Rate unterhalb der menschlicher Fahrer; nur bei 12-15% der gemeldeten Vorfälle wurde ein Verschulden festgestellt - Robotaxis werden häufig beim Stehen von hinten gerammt. Andererseits ist das Bild auch nicht makellos: 2025 wurden in Kalifornien mehr als 590 Waymo-Robotaxi-Unfälle registriert, und die Zahl steigt mit wachsender Flotte. Zumeist handelt es sich um kleinere Vorfälle ohne Verletzungen, doch mit dem Wachstum der Flotte scheint auch die Zunahme der Unfälle unvermeidlich. Die bevölkerungsmedizinische Bewertung der Johns Hopkins University kommt zum selben Schluss: Frühe Daten zeigen, dass schwere Unfälle reduziert werden können, aber mehr Daten sind erforderlich.

Auf der Tesla-Seite legte die Robotaxi-Flotte in Texas zwar etwa 328.621 Meilen unfallfrei zurück, doch Community-Analysen nähern die Unfallrate pro Meile an Waymos Zahl von 2025 mit 134.410 Meilen an - der Abstand ist also nicht geschlossen. Ein direkter Fahrertest in Austin fasst den Unterschied gut zusammen: Während die Waymo-App Sensorvisualisierungen bietet, ist Tesla Robotaxi leiser, manchmal sogar vorsichtiger als ein menschlicher Fahrer, und war etwa 25% günstiger als eine vergleichbare Uber-Fahrt. Der Preis ist Teslas stiller, aber echter Vorteil.

Mercedes Drive Pilot: Warum der dritte Weg zurückgewichen ist?

In diesem Bild wird der oft vergessene dritte Spieler Mercedes häufig übersehen. Drive Pilot war das erste nach SAE Level 3 in den USA zugelassene System: Mit Lidar, hochentwickelten Kameras, GPS-Empfängern und einem umfangreichen Sensorenset wurde es 2024 im EQS und S-Class angeboten. Mit einem Update stieg es auf deutschen Autobahnen auf bis zu 95 km/h und wurde zum schnellsten zertifizierten Level-3-System in Serienproduktion. Klingt nach einem Triumph, oder?

Dann kam 2026 und das Bild änderte sich: Mercedes setzte das seit 2021 angebotene Level-3-Programm von Drive Pilot aus und überließ es beim 2026er S-Class für den US-Markt seinem eigenen Level-2++-System. Auch BMW reihte sich in die Gruppe derer ein, die von Level 3 Abstand nahmen. Die Lehre ist klar: Der lidar-basierte Ansatz bedingter Automatisierung mit aufwendiger und teurer Zertifizierung findet im Markt kaum Gegenliebe. Eine Zwischenlösung - der Fahrer weder völlig frei noch völlig verantwortlich - erwies sich als die dem Kunden am schwierigsten zu vermittelnde Option.

Wer ist schuld, wenn ein Unfall passiert? Die rechtliche Lage

Die Haftungsfrage ist die eigentliche Bühne des Levels-Kriegs. Bei Level 2 haftet der Fahrer, bei Level 4 das Unternehmen - und dieser Unterschied hat sehr konkrete Konsequenzen vor Gericht. Eine Jury in Miami fand Tesla teilweise verantwortlich und verurteilte das Unternehmen zu 329 Millionen Dollar Schadensersatz und Strafzahlungen; dass die Jury selbst bei einem Level-2-System den Hersteller belastet, zeigt, wie veränderlich die Lage ist. In einer Automobilwelt, die sich in Richtung "eyes-off"-Technologie mit abgelenkungsfreiem Blick bewegt, steigt auch die Wahrscheinlichkeit, dass der Hersteller im Unglücksfall verantwortlich gemacht wird.

Die Regulierungsseite steckt dagegen noch in der Aufholphase. Kalifornien hatte den Strafverfolgungsbehörden bis 2026 nicht einmal die Befugnis eingeräumt, autonome Fahrzeuge mit grundlegenden Verkehrsstrafen zu belegen; ab dem 1. Juli kann die Polizei bei Regelverstößen direkt den Hersteller bestrafen. Utah hat hingegen 2026 einen Rechtsrahmen mit separaten Klagsgründen und Obergrenzen für Entschädigungen für autonome Fahrzeuge genehmigt. Das Recht jagt also der Technologie hinterher - und hat sie noch nicht eingeholt.

Der Markt wächst, aber niemand kennt die Zahl

Die Prognosen darüber, wie stark der Robotaxi-Markt wachsen wird, gehen erheblich auseinander: Während eine Prognose den Markt von 1,27 Milliarden Dollar im Jahr 2026 auf 96,3 Milliarden Dollar im Jahr 2034 wachsen sieht, sagt eine andere für 2033 147 Milliarden Dollar voraus; eine weitere Analyse sieht für 2035 einen globalen Markt von etwa 415 Milliarden Dollar mit einem US-Anteil von 48 Milliarden Dollar. Diese breite Spanne ist tatsächlich das ehrlichste Signal: Das Feld steckt noch in einer frühen Phase, und die Zukunft vorherzusagen ist vorerst eine Mischung aus Spekulation und Wissenschaft.

Warum jagt die eine Strategie der anderen nicht nach?

Vielleicht ist das die meistgestellte Frage: Wird Tesla eine Robotaxi-Flotte wie Waymo aufbauen, wechselt Waymo zu Kameras? Die Antwort lautet nein - denn beide verkaufen eigentlich etwas Unterschiedliches. Tesla verkauft Fahrzeuge: Es sammelt von den Millionen Besitzern seiner 25.000-Dollar-Autos Daten und fügt per Software Fähigkeiten hinzu; jedes neue Fahrzeug ist ein neuer Lehrer für das System. Waymo dagegen vermietet einen Dienst: Es betreibt mit teuren, aber in puncto Sicherheit erprobten Fahrzeugen begrenzte Gebiete und erhöht mit dem Wachstum die Zahl der Gebiete. Das eine skaliert horizontal (Anzahl der Autos), nicht vertikal, sondern in der Tiefe (Reife pro Gebiet).

Die Sensordebatte hört aus demselben Grund nicht auf. Musks klassische Frage - "Wenn das Lidar der Kamera widerspricht, welchem Signal glaubst du?" - wurde in Ingenieurskreisen mit Argumenten zu Kalman-Filtern und Redundanz beantwortet: Selbst wenn zwei Sensoren sich nicht einig sind, fungiert der dritte als Schiedsrichter. Dass Lidar-Preise auf 500-1.000 Dollar gefallen sind, schwächt auch die Begründung "Lidar ist teuer, deshalb verzichten wir"; allerdings hat Tesla Millionen "FSD capable"-Computer verkauft, und die Markenwahrnehmung erleichtert eine Umkehr nicht gerade. Fassen wir den Tag in einem Satz zusammen: auf der Sensorseite liegt Waymo vorn, auf der Algorithmus- und Datenseite Tesla - und wer zuerst Stufe 5 erreicht, hängt davon ab, wer diese beiden Vorsprünge schneller vereint.

Der Kern der Sache

Waymo transportiert aktuell tatsächlich fahrerlos Passagiere, Tesla hat zwar noch nie einen fahrerlosen Passagier befördert, verfügt jedoch über Daten aus Millionen Fahrzeugen - beide gehen auf zwei getrennten, aber gleichermaßen sinnvollen Wegen vor. Der eine vertieft sich durch Sicherheitspriorität, der andere breitet sich durch Skalierungspriorität aus. Meine Wette: Der Gewinner wird vermutlich eine Mischung dieser beiden Philosophien sein - mit günstigen Sensoren kartierte Regionen, End-to-End-Algorithmen, die aus Millionen Fahrzeugen lernen. Auf wen würdest du setzen? Treffen wir uns in den Kommentaren!

Quellen

• Tesla vs Waymo - Who is closer to Level 5 Autonomous Driving?
• Full Self-Driving (Supervised) - Tesla Support
• Self-Driving Car Technology for a Reliable Ride - Waymo
• Waymo vs Tesla: Two Ways to Build Self-Driving Cars
• The 6 Levels of Vehicle Autonomy Explained
• DRIVE PILOT 95 km/h - Mercedes-Benz Group
• Following Mercedes, BMW also abandons Level 3 automated driving
• As robotaxi accidents increase in L.A., the data reveal…
• The Safety Data on Autonomous Vehicles - Johns Hopkins
• Studying "Fault" In Robotaxi Crashes - Forbes
• Carmakers push toward 'eyes-off' driving - Reuters
• Self-Driving Cars: Liability, Current Legislation
• Robotaxis $400 Billion Market in 2035 - Goldman Sachs