Der Beitrag
Tesla hat am 21. November den Rollout von Full Self-Driving (Supervised) v15 gestartet. Neben einem umfassend überarbeiteten Fahrnetzwerk bringt das Update eine Funktion auf den Fahrzeugbildschirm, die in sozialen Netzwerken sofort Vergleiche mit Videospielen auslöste: Tesla Reality View generiert in Echtzeit eine detaillierte 3D-Ansicht der Umgebung aus der Vogelperspektive.
Bemerkenswert ist vor allem die Technik dahinter. Einen Tag nach der Ankündigung legte Elon Musk auf X ungewohnt detailliert offen, wie Tesla ein generatives Weltmodell (World Model) auf der eng begrenzten Rechenleistung des Bordcomputers zum Laufen bringt - und warum der nächste Chip trotzdem nicht fürs Auto gedacht ist.
Was Tesla mit FSD v15 konkret verändert
Nach Angaben von Tesla überarbeitet Version 15 jeden Teil des End-to-End-Fahrnetzwerks - also jenes KI-Systems, das Kamerabilder ohne getrennte Regelmodule direkt in Fahrentscheidungen übersetzt. In der Ankündigung auf X und im offiziellen Begleitvideo nennt der Hersteller folgende Neuerungen:
- Tesla Reality View: Eine generative Echtzeit-Visualisierung streamt eine Ansicht aus einer virtuellen Kamera über dem Auto. Fahrer können zwischen Vollbild, Karte, geteilter Ansicht und einem ruhigeren „Quiet Mode“ wählen; Abbiegehinweise erscheinen direkt im Bild, Blinkergeräusche blenden nach wenigen Klicks ab.
- Lernende Navigation: Für Start und Ziel einer Fahrt lerne das System nun durchgehend aus den bevorzugten Routen der Fahrzeugflotte. Spätere v15-Versionen sollen dies laut Tesla auf die gesamte Strecke ausweiten.
- Bessere Umgebungserkennung: Der Hersteller gibt eine verbesserte Erkennung von Schildern, Tieren, Trümmern, Schlaglöchern und stehendem Wasser sowie ein natürlicheres Tempo in Schulzonen und bei schlechtem Wetter an; zudem soll das Netz laut Tesla kritische Fahrsituationen deutlich besser bewältigen.
- Alltagsfunktionen: FSD kann laut Tesla nun vor Blitzern abbremsen und bietet einen neuen „Bike Rack Mode“ für Fahrradträger oder ähnliches Zubehör an der Anhängerkupplung.
Erste Aufnahmen aus dem Straßenverkehr zeigen, wie stark sich die Darstellung auf dem Display verändert hat. Während frühe FSD-Versionen im Jahr 2020 lediglich Linien und farbige Kästchen auf schwarzem Hintergrund zeichneten, rendert Reality View Straßen, Lichtreflexe, Gebäude und umliegende Fahrzeuge als zusammenhängende 3D-Szene. In einer Gegenüberstellung auf X zogen Nutzer prompt Parallelen zur grafischen Entwicklung der Spielereihe „Grand Theft Auto“.
Ein Nutzer dokumentierte die erste Nachtfahrt in der Innenstadt von Toronto und zeigte in einem weiteren Clip, wie das System an einer belebten Kreuzung Ampeln, Hochhäuser, Fußgänger und Radfahrer in Echtzeit abbildet. Ein anderer Fahrer filmte die Ansicht beim Einparken in der eigenen Garage, in der selbst geparkte Fahrzeuge und Regale an den Wänden erscheinen.
Ein Milliarde-Parameter-Diffusionsmodell auf einer halben Recheneinheit
Wie diese Ansicht technisch entsteht, erklärte Elon Musk am 22. November in einem technischen Beitrag auf X. Demnach verfüge Tesla bereits seit dem Vorjahr über ein nahezu pixelgenaues Weltmodell, das zentral für das Erzeugen synthetischer Trainingsdaten sei. Im Auto selbst laufe eine deutlich kleinere Variante.
Ausgangspunkt sind laut Musk die Bildmerkmale des „Tesla Universal Vision Encoder“ (UVE) - derselben visuellen Grundschicht, die auch das drei Milliarden Parameter große Modell für die eigentlichen Fahrentscheidungen speist. Von diesen Merkmalen zweige ein separates Diffusionsmodell mit rund einer Milliarde Parametern ab. Es nehme das vorherige Reality-View-Bild, füge Rauschen hinzu und entrausche es anschließend zur neuen Ansicht.
Das Ergebnis sei ein kurzer Videoblock aus acht Bildern bei 36 Bildern pro Sekunde in Bildschirmauflösung. Berechnet werde dies alle 18 Bilder pro Sekunde auf lediglich einer halben TRIP-Recheneinheit des Bordchips, verteilt über vier Zyklen. In einer Ergänzung im selben Thread schilderte Musk die engen Hardwaregrenzen: Nachdem das Team den kleinen Decoder in den besonders schnellen Chip-Speicher (SRAM) verlagert habe, stehe auf dem zweiten Systemchip (SoC B) nur noch eine halbe von drei TRIP-Einheiten für die Visualisierung bereit. Diese rechne im Wesentlichen mit 8-Bit-Ganzzahlen und müsse die Softmax-Funktion in 28 Schritten emulieren.
Entsprechend räumte Musk ein, dass die Verzögerung (Latenz) wegen der knappen Rechenleistung derzeit noch etwas hoch sei. Durch das Verzahnen neuerer UVE-Merkmale in den Schichten des Diffusions-Transformers wolle Tesla die Latenz um rund 35 Prozent senken.
Warum AI5 an Optimus geht und die Autos bei AI4 bleiben
Obwohl der kommende Chip AI5 laut Musk rund zwölfmal mehr Rechenleistung biete, soll er nach seiner Darstellung nicht in die Autos wandern, sondern in den humanoiden Roboter Optimus. Die Fahrzeuge sollten bei AI4 bleiben, was laut Musk für das Fahren ausreiche.
In der Debatte auf X löste diese Offenlegung eine grundsätzliche Diskussion über Organisation und Hardware-Integration aus. Ein Kommentator hob hervor, dass derselbe Vision-Encoder sowohl FSD und Robotaxi als auch Optimus antreibe - eine Intelligenz für drei physische Systeme. Während reine KI-Labore über Modelle ohne Fabriken und klassische Industriekonzerne über Fabriken ohne eigene Modelle verfügten, optimiere Tesla einen geschlossenen Kreislauf aus Flottendaten, eigenen Chips, Energie, Fertigung und Robotik.
Alltagstest auf Europas engen Straßen: FSD Supervised in Südtirol
Während Reality View zunächst in Nordamerika anläuft, zeigt ein aktuelles Video vom 21. November, wie Teslas überwachtes Assistenzsystem im europäischen Straßenbild agiert: Auf schmalen, kurvigen Dorfstraßen in Südtirol (Italien) steuert das Fahrzeug durch enge Ortsdurchfahrten, während der Fahrer das System überwacht. Nach der ersten europäischen Ausnahmegenehmigung in den Niederlanden im April 2026 rückt der Praxiseinsatz auf anspruchsvollen europäischen Nebenstraßen damit zunehmend in den Blick.
🎯 Was das für die Praxis bedeutet
1. Weltmodelle verlassen das Rechenzentrum: Dass ein generatives Diffusionsmodell mit einer Milliarde Parametern in Echtzeit auf einer halben Fahrzeug-Recheneinheit läuft, markiert einen neuen Maßstab für effiziente lokale KI-Hardware.
2. Ein Modell für mehrere Maschinen: Tesla nutzt denselben visuellen Grundbaustein für Autos und den Roboter Optimus. Für Industrieunternehmen zählt künftig weniger das einzelne Produkt als die geteilte Daten- und Modellbasis.
3. Hardware-Grenzen zwingen zu kluger Architektur: Statt auf den nächsten Chip zu warten, presst Tesla den Decoder in den schnellen SRAM und arbeitet mit 8-Bit-Berechnungen. Für KI-Projekte heißt das: Architektur-Optimierung schlägt oft reine Rechenmasse.
4. Echtzeit-Visualisierung als Schnittstelle zum Menschen: Reality View macht Entscheidungen der KI unmittelbar sichtbar - ein Ansatz, der sich auf komplexe Assistenz- und Steuerungssysteme in Industrie, Logistik und Robotik übertragen lässt.
Quellen
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
