Was tun autonome Fahrzeuge, wenn sie auf Polizei- und Krankenwagensirenen treffen?

Autonomes Fahren und Künstliche Intelligenz
Autor: Lütfi Mete Odabaşı
Erstellung: 25 Oktober 2026

Autonome Fahrzeuge hören Sirenen aus 800 Metern Entfernung, bleiben aber trotzdem vor der Feuerwehr stehen und blockieren weiter die Straße; sie haben Ohren, aber die Reflexe fehlen.

Diese Seite teilen

Autonome Fahrzeuge können Sirenen erkennen; Waymos externe Mikrofone und Cerences Sprach-KI schaffen das aus Entfernungen von bis zu 800 Metern. Aber Erkennen und richtig reagieren sind nicht dasselbe: Robotaxis bleiben vor Feuerwehrautos stehen, blockieren Ausfahrten von Feuerwehrhäusern und versperren dem Notfahrzeug den Weg, während sie auf eine Handbewegung der Polizei warten. Kurz gesagt: sie haben Ohren, aber die Reflexe fehlen noch.

Die wichtigsten Punkte

Cerences Spracherkennungssystem kennt mehr als 1.500 Sirenenklänge und kann sie aus über 800 Metern Entfernung erkennen.
Im August 2023 fuhr in San Francisco ein Feuerwehrauto mit eingeschalteter Sirene gegen ein führerloses Cruise-Fahrzeug, das eine grüne Ampel passierte.
Die NHTSA gab im Juli 2026 nach mehr als 75 Vorfällen eine öffentliche Warnung an Entwickler autonomer Fahrzeuge heraus.
Waymo trainiert seine Fahrzeuge seit 2017 darauf, Feuerwehr-, Krankenwagen- und Polizeifahrzeuge zu erkennen.
In Kalifornien können Robotaxis ab dem 1. Juli bestraft werden, wenn sie Notfallhelfer blockieren.

Ist im Sensorpaket ein Ohr für die Sirene?

Denk daran, wie ein autonomes Fahrzeug seine Umgebung wahrnimmt: Lidar zeichnet eine dreidimensionale Karte, Radar deckt große Entfernungen und schlechtes Wetter ab, Kameras erkennen Lichter, und Ultraschallsensoren übernehmen den Nahbereich. Schön, aber dieses Paket hat eine gemeinsame Schwachstelle: alles verlässt sich auf die Sichtlinie. Befindet sich ein Feuerwehrauto hinter einer Ecke, sehen die Kameras nur eine leere Straße. Genau hier kommt der Schall ins Spiel, denn Sirenengeräusche können hinter Mauern und außerhalb der Sichtlinie herkommen. Dasselbe Prinzip, wenn du mitten im Verkehr die Autoscheibe schließt und den Motorenlärm nicht mehr hörst.

Aus diesem Grund sind Waymos Fahrzeuge mit externen Mikrofonen ausgestattet; sie sind außen angebracht, um Sirenen und Hupen zu erfassen. Wenn mehrere Mikrofone denselben Schall zu unterschiedlichen Zeitpunkten aufzeichnen, lässt sich aus der Zeitdifferenz berechnen, aus welcher Richtung der Schall kommt. Das Fahrzeug sagt also nicht nur "es gibt eine Sirene", sondern versucht auch, ihre Richtung einzuschätzen und ob sich ein Fahrzeug nähert. Ziemlich cool, oder? Schauen wir uns nun an, wo es in der Praxis hakt.

Warum ist es so schwer, eine Sirene zu erkennen?

Die Frequenzbänder des Schalls sind fast ständig von Stadtgeräuschen überlagert: Traktoren, Motorräder, Baustellen, Musik mit Bass. Dazu kommt noch die Vielfalt der Sirenen selbst. In Patentunterlagen tauchen zwei grundlegende Sirenenmuster auf: das langsam schwellende "Wail" und das schnell zitternde "Yelp". Außerdem liegt der höchste Schalldruck typischerweise im Bereich von 1.000–2.000 Hz, und dieses Band überschneidet sich genau mit dem am dichtesten besetzten Bereich der Stadtgeräusche. Damit das System die Sirene vom Lärm unterscheiden kann, wird die Tonaufnahme in Clips unterteilt, in ein Spektrogramm umgewandelt und durch ein vortrainiertes Convolutional Neural Network geleitet. Das klingt kompliziert, weil es wirklich kompliziert ist.

Der eigentlich schwierige Teil ist aber nicht die Technik, sondern die Praxis: in Situationen, in denen sich ein Einsatzfahrzeug hinter einem Gebäude, einem Lkw oder einer Baumreihe verbirgt, wird die Erkennung zur schwächsten Stelle des Systems. Sowohl in der Software als auch in akademischen Studien wird dieses Szenario des "sich versteckenden Fahrzeugs" als eigenständiges Problem behandelt. Auch in den Berichten über Nvidias Patent zur Erkennung von Einsatzfahrzeugen wird derselbe Befund wiederholt: Autonome Fahrzeuge haben Schwierigkeiten, Einsatzfahrzeuge zu erkennen und richtig darauf zu reagieren. Die Frage lautet also nicht "Siehst du es nicht?", sondern "Wenn du es siehst, was tust du dann?"

Wie verlässlich sind die Zahlen?

Spracherkennungssysteme versprechen beeindruckende Erfolgsquoten: eine akademische Studie berichtet von einer Trefferquote von über 99 Prozent bei der Erkennung von Sirenen im kritischen Bereich von 10 bis 50 Metern. Aber Vorsicht: diese Zahl stammt aus kontrollierten Datensätzen. Auf der echten Straße heulen gleichzeitig zwei Sirenen, der Wind rauscht, das Fahrzeug versteckt sich hinter einem Lkw. Der Unterschied zwischen den von den Herstellern hervorgehobenen Werten für Reichweite und Genauigkeit und der Leistung im Alltagverkehr ist der wichtigste, aber am wenigsten besprochene Teil dieser Geschichte.

Wie versuchen die Hersteller, das Problem zu lösen?

Einer der vielversprechendsten Akteure ist im Bereich des Klangs zu finden. Cerences System zur Erkennung von Einsatzfahrzeugen Emergency Vehicle Detection (EVD) ist in 47 Ländern zertifiziert und unterstützt mehr als 1.500 Sirenenklänge; mit Mikrofonen im Fahrzeuginneren erfolgt die Erkennung aus 300 Metern, mit externen Mikrofonen aus über 800 Metern. Die Installation mit externen Mikrofonen liefert zusätzlich auch Richtungsinformationen. Mercedes-Benz und BMW haben dieses System in ihre Programme für automatisches Fahren integriert; es taucht auch in Robotaxi- und autonomen Lkw-Projekten auf. Die Branche hat also irgendwann gelernt zu sagen: "Die Kamera reicht nicht, geben wir dem Fahrzeug Ohren."

Bei Waymo reicht die Geschichte weiter zurück. Das Unternehmen trainiert seine Fahrzeuge seit 2017 darauf, Feuerwehr-, Kranken- und Polizeifahrzeuge zu erkennen; die Sensoren haben Beispiele aus verschiedenen Geschwindigkeiten, Entfernungen und Winkeln gesammelt. Auch eine Verhaltenshierarchie ist definiert, die den Verkehrspolizisten erkennt und auf dessen Handzeichen wartet. Teslas Ansatz ist ein anderer: Das Unternehmen verlässt sich hauptsächlich auf Kamera und Radar; eine tonbasierte Sirenerkennung ist dort nicht eindeutig belegt. Ab Version 13 wird das Anhalten am Straßenrand bei Einsatzfahrzeugen mit Blinklichten von Nutzern berichtet; in einem Vorfall hat Full Self-Driving bei Rot die Spur gewechselt, um einem sich nähernden Krankenwagen den Weg freizugeben. Trotzdem ist dieser Bereich bei Tesla nicht mit ebenso konkreten technischen Details dokumentiert wie bei Waymo und Cerence.

System	Ansatz	Hervorgehobene Daten
Cerence EVD	Klang-KI, interne und externe Mikrofone	1.500+ Sirenenklänge, Erkennung über 800 m, Zertifizierung in 47 Ländern
Waymo	Externe Mikrofone (EAR) + visuelle Erkennung, Erkennung von Polizeigesten	Training zu Einsatzfahrzeugen seit 2017
Tesla FSD	hauptsächlich Kamera und Radar	Anhalten am Straßenrand ab Version 13 (Nutzerbericht)

Warum scheitern Robotaxis an Sirenen? Konkrete Fälle

Siren sesini algılayan bir robotaksi, yangına koşan itfaiye aracının önünde kilitleniyor çünkü kuraları ezbere bilen bir makine, aciliyeti kavrayamıyor.

Die Theorie ist schön, die Praxis ist unbarmherzig. Der markanteste Fall ereignete sich im August 2023 in San Francisco: Ein mit Sirene und Blinklichtern zu einem Notruf fahrendes Feuerwehrfahrzeug kollidierte mit einem fahrerlosen Cruise-Robottaxi, das an einer grünen Ampel vorbeifuhr; eine Person wurde verletzt. Stell dir vor, das Offensichtlichste, was die Technologie sehen muss - Blinklichter, Sirene, Notfahrzeug - und das System traf dennoch die falsche Entscheidung.

Auch bei Waymo wiederholten sich ähnliche Szenen. In Austin blockierte ein leeres Robottaxi den Weg eines Feuerwehrfahrzeugs, das zu einem gemeldeten Hotelbrand unterwegs war; das Fahrzeug machte kleine Vorwärts- und Rückwärtsmanöver und hupte, konnte aber den Weg nicht ordnungsgemäß freigeben. Im Mai 2024 traf ein Gesetzvollzugsbeamter im Dallas County auf ein leeres Waymo, das die Straße in der Nähe eines tödlichen Gebäudebrands blockierte. Auch San Franciscoer Feuerwehrleute beklagten sich über wiederholte Blockierungen: Dokumentiert ist, dass Fahrzeuge die Ausfahrten von Feuerwehrhäusern blockierten und vor Krankenwagen und Feuerwehrfahrzeugen stehen blieben. Bei einem Vorfall mussten Feuerwehrleute das Fahrzeug eigenhändig beiseiteschieben. Ein Video von einem Robottaxi, das 30 Sekunden lang hupt, ist davon übrigens noch das Harmloseste.

Auf der Polizeiseite sieht die Lage auch nicht rosig aus. Ein Bericht einer auf Strafverfolgung spezialisierten Fachorganisation vom Dezember 2025 bestätigt, dass autonome Fahrzeuge bei unregelmäßigen Verkehrssituationen wie Notfahrzeugverkehr, Straßensperrungen, mündlichen Anweisungen und Handzeichen Probleme haben. Sogar die Polizeieinheit des US-Justizministeriums veröffentlichte im September 2025 einen Leitfaden, der Beamten erklärt, wie sie mit autonomen Fahrsystemen interagieren sollen. Der Staat trainiert seine Polizei für den Umgang mit Robottaxis - lies dir die Seltsamkeit dieses Satzes noch einmal durch.

Wann Griffen die Regulierer Ein?

Die geduldigen Behörden sprachen schließlich. Im Juli 2026 stellte die US-Bundesbehörde für Verkehrssicherheit bei fahrerlosen Fahrzeugen ein klares Muster fest, wonach sie Strafverfolgungsbehörden und Ersthelfer blockierten, und forderte von den Unternehmen eine zügige Lösung; nach mehr als 75 Vorfällen ist das weniger eine sanfte Warnung als eine Ohrfeige in Form einer Kritik. Im selben Zeitraum trat in Kalifornien eine neue Regel in Kraft: Ab dem 1. Juli können Robottaxi-Unternehmen mit Strafen konfrontiert werden, wenn ihre Fahrzeuge Polizisten oder Feuerwehrleute blockieren.

Am Tisch kursieren auch härtere Ideen: Ein Gesetzentwurf wurde vorgeschlagen, der zwei separate Erkennungsmodalitäten für Robottaxis vorsieht; diskutiert werden eine 24-stündige Notrufhotline für Ersthelfer sowie die Idee einer geografischen Beschränkung, die Fahrzeuge aus bestimmten Gebieten fernhält. Das sind noch keine endgültigen Regelungen, aber sie zeigen die Richtung: Wenn sich die Technologie nicht selbst korrigiert, werden die Regeln versuchen, sie zu korrigieren.

Der Unterschied zwischen Versprechen und Wirklichkeit: Wer Bewegt das System?

Das Versprechen der Branche ist klar: Multimodale Sensorfusion und Audio-KI werden das Problem lösen, wir geben dem Fahrzeug sowohl Augen als auch Ohren. Die Wirklichkeit sieht derzeit so aus: Selbst ein Fahrzeug, das etwas erkennt, kann nicht immer richtig reagieren; statt den Weg freizugeben, hupt es, wartet mit kleinen Manövern oder friert komplett ein. Das praktischste Lösung vor einem Robotaxi, das vor dem Auto steht, ist derzeit immer noch der Mensch: Im von Waymo veröffentlichten Handbuch für Erstreaktoren ist ein manueller Übernahmeprozess definiert. Der Feuerwehrmann kann also die Tür des Autos öffnen und die Kontrolle übernehmen. Emotional etwas verletzend, ingenieurstechnisch aber ehrlich.

Meine Frage lautet: Während Zahlen wie eine Trefferquote von 99 Prozent und eine Reichweite von 800 Metern als Schaufensterpräsentiert werden, ist die tatsächliche Leistung auf der Straße noch nicht verifiziert. Dass die NHTSA nach mehr als 75 Vorfällen eingreifen musste, ist für mich der deutlichste Beweis, dass die Technologie noch keine operationale Reife erreicht hat. Universitätsforschungen deuten in dieselbe Richtung: Die Hersteller müssen die Fähigkeit zur Erkennung und Reaktion auf Einsatzfahrzeuge unbedingt verbessern. Eine Sirene zu hören ist eine schöne Sache, aber hinter dem Feuerwehrfahrzeug kann ein Leben stehen; die Wartezeit wird mit diesem Leben gemessen.

Zusammenfassung: Ohren Angeschlossen, Reflex Fehlt

Autonome Fahrzeuge hören Sirenen inzwischen - dank Mikrofonarrays, Audio-KI und visueller Erkennung ist dieses Kapitel abgehakt. Die nächste Hürde ist schwieriger: auf die gehörte Sirene mit einer zuverlässigen und schnellen Reflexreaktion zu antworten. Die Linie vom Cruise-Unfall 2023 bis zur föderalen Warnung 2026 zeigt, dass dies kein Problem ist, das über Nacht mit einem Software-Update gelöst werden kann. Das Feuerwehrfahrzeug, das vor dem Robotaxi wartet, ist für mich das ehrlichste Zeugnis dieser Technologie - und es hat noch keine Note bestanden.