Best of LinkedIn: Next-Gen Vehicle Intelligence KW 25/ 26

In der Fahrzeugintelligenz der nächsten Generation treten einzelne Softwarefunktionen zurück, an ihre Stelle rücken integrierte Architekturen für KI-definierte Fahrzeuge. Aus den vergangenen zwei Wochen lässt sich vor allem ablesen, dass OEMs, Zulieferer und Technologiepartner inzwischen über Umsetzungstempo, Tiefe der Validierung, Offenheit der Plattform und kundennahe Intelligenz konkurrieren.

Datum

July 2, 2026

Software-Defined & AI-Defined Vehicles

Thomas Allgeyer

Methodik: Alle zwei Wochen sammeln wir die relevantesten LinkedIn-Beiträge zu ausgewählten Themen und verdichten sie zu einem Gesamtüberblick, ausschließlich auf Basis dieser Beiträge. Die einzelnen Beiträge dahinter finden sich hier: https://linktr.ee/thomasallgeyer. Viel Freude beim Lesen.

‍

Unseren Podcast anhören

Wer lieber zuhört: Unser Podcast fasst die wichtigsten Erkenntnisse zu Next-Gen Vehicle Intelligence KW 25/ 26 zusammen:

‍

Strategischer Wandel: aus SDV wird AIDV

KI-definierte Fahrzeuge zeichnen sich als nächste Reifestufe nach den softwaredefinierten Fahrzeugen ab.
KI gilt zunehmend als zentrale Architekturebene, nicht als zusätzliche Cockpit-Funktion.
Die Differenzierung der OEMs verschiebt sich zu Intelligenz in Echtzeit, Rechenleistung an der Edge, Sensorfusion und fahrzeugweiten Datenkreisläufen.
Das Erlebnis im Fahrzeug wird zum sichtbaren Beleg für eine tiefere Integration von Software und KI.
Der Kundennutzen wird zum entscheidenden Filter für die Einführung von KI, nicht allein die Neuheit der Technik.

‍

Architektur und Umsetzung der Plattformen

Zentrale Rechenleistung, zonale Architektur und gemeinsame Sensorik-Stacks werden zu Grundvoraussetzungen für SDV.
Die Zersplitterung gewachsener Steuergerätelandschaften bleibt eine wesentliche Hürde für den skalierbaren Einsatz von KI und Software.
Hardwareentscheidungen werden zunehmend strategisch, weil eine schwache Basis an Rechenleistung das spätere Potenzial bei Over-the-Air-Updates, ADAS und Autonomie begrenzt.
Die Fehlereingrenzung am Fahrzeug wird entscheidend, weil Störungen Cloud, Konnektivität, Gateways, Netze und Steuergeräte zugleich betreffen.
Der Erfolg von SDV hängt an durchgängiger Nachverfolgbarkeit, domänenübergreifender Diagnose und skalierbaren Modellen für die Verantwortung über Software.

‍

Autonomie, ADAS und Sicherheitsvalidierung

Die Validierung des autonomen Fahrens löst sich vom Sammeln von Kilometern und setzt auf szenariobasierte Sicherheitsnachweise.
Der wachsende Reifegrad von ADAS legt neue Schwachstellen bei Kalibrierung, Verantwortung in der Reparatur und Governance der Validierung offen.
Sensorfusion bleibt zentral; die Redundanz aus Kamera, Radar und Lidar gilt weiterhin als unverzichtbar für eine robuste Autonomie.
Die Sicherheitsentwicklung geht von der Bewertung einzelner Komponenten zur Gefahrenanalyse auf Fahrzeugebene über.
Die größte technische Herausforderung besteht darin, probabilistisches KI-Verhalten mit deterministischen Sicherheitsstandards in Einklang zu bringen.

‍

Regulierung und Vertrauen

Die weltweite regulatorische Dynamik rund um fahrerlose Fahrzeuge wird zu einem wesentlichen Wegbereiter der Einführung.
WP.29 gilt als Meilenstein für die Harmonisierung der Sicherheitserwartungen an fahrerlose Fahrzeuge.
Die regulatorische Diskussion in den USA bewegt sich auf Fahrzeuge ohne klassische Bedienelemente für einen menschlichen Fahrer zu.
Menschliche Faktoren bleiben wichtig, solange Systeme auf Level 2 und Level 3 die Verantwortung weiterhin mit dem Fahrer teilen.
Vertrauen in vernetzte Fahrzeuge hängt auch an Datenschutz, der Steuerung von App-Zugriffen und Prozessen zum Zurücksetzen beim Halterwechsel.

‍

Intelligenz im Fahrzeug und digitales Cockpit

AR-HUD, dialogbasierte Navigation und KI-Assistenten führen die UX zu kontextbezogener Interaktion mit geringer Ablenkung.
BMW und Kakao entwickeln für Korea einen lokalisierten persönlichen Assistenten im Fahrzeug.
Mercedes treibt die dialogbasierte Navigation mit dem Google Cloud Automotive AI Agent, Daten aus Google Maps, Gemini und Vertex AI voran.
Der AI Assistant von Rivian zeigt den Wandel vom Sprachbefehl zu einer tieferen Integration in die Fahrzeugsysteme.
Rightware und Epic Games arbeiten gemeinsam an der Entwicklung immersiver digitaler Cockpits.
Die UX im Fahrzeug setzt nicht mehr auf zusätzliche Bildschirme, sondern auf relevantere, kontextbewusste Informationen.

‍

Bewegungen im Ökosystem und Partnerschaften

HCLTech und e.solutions aus dem Volkswagen-Konzern arbeiten bei der Entwicklung softwaredefinierter digitaler Cockpits zusammen.
Google hat AAOS SDV als Open Source freigegeben und Android Automotive damit über Infotainment hinaus auf nicht sicherheitsrelevante Fahrzeugfunktionen ausgeweitet.
Android Automotive OS 17 ergänzt die Unterstützung für Displays mit unterschiedlichen Kritikalitätsstufen, Umgebungen mit mehreren Displays und eine neue SDV-Plattform.
Nissan und AWS zeigten eine Plattform für das AI-Defined Vehicle auf Basis der Scalable Open Platform von Nissan.
Die Automobilstrategie von MediaTek gewinnt durch die Integration von NVIDIA DRIVE AGX und eine Vereinbarung zur gemeinsamen SoC-Entwicklung mit DENSO an Gewicht.
Der Automotive Software Campus von CARIAD in Berlin steht für den Vorstoß von Volkswagen, Entwicklungsfähigkeiten für KI und SDV zu bündeln.

‍

Regionaler Wettbewerb und Marktdynamik

China gilt wiederholt als Maßstab für Tempo bei der SDV-Umsetzung, beim Takt der Over-the-Air-Updates und beim Ausrollen von Funktionen.
BYD wird als vertikal integrierter Wettbewerber über Batterien, Software und Daten hinweg beschrieben.
Deutsche OEMs geraten unter Druck, weil chinesische Anbieter die Einführung softwaredefinierter Fahrzeuge in Kernmärkten beschleunigen.
Süddeutschland entwickelt sich zu einem Zentrum für Autonomie und physische KI, mit Aktivitäten rund um Waymo, Horizon Robotics, Wayve und Robotikanbieter.
Europas Wettbewerbsproblem verlagert sich vom Bewusstsein für Technik hin zu KI-Fähigkeiten, Umsetzungstempo und der Abstimmung im Ökosystem.

‍

Entwicklungstempo und Industrialisierung

Nissan nutzt KI aus der Cloud, um Entwicklungszyklen für Software zu verkürzen und SDVs schneller auszurollen.
Die virtuelle Fahrzeugsimulation wird als Weg dargestellt, Konstruktionsfehler früher zu erkennen und die Abhängigkeit von Prototypen zu verringern.
Die Diskussionen auf dem AEK 2026 betonten, dass die Technik nicht mehr der einzige Engpass ist; Umsetzung und Zusammenarbeit sind es ebenso.
Chiplets, Edge-KI, Open-Source-Software und zonale Architektur werden zu wiederkehrenden Themen der Industrialisierung.
Die Skalierung von SDVs hängt weniger an der Innovation einzelner Unternehmen als an abgestimmten Ökosystemen für Halbleiter, Software und Werkzeuge.

‍

Newsletter abonnieren

Jede Woche die neuesten Beiträge direkt ins Postfach.