{"author":{"@type":"Person","name":"Alexander Bock","url":"https://abxk.ai/de/autor/alexander-bock/"},"categories":["Physical AI"],"content":{"markdown":"Kein selbstfahrendes Auto kann heute überall fahren. Jedes ist für bestimmte Bedingungen gebaut: bestimmte Städte, bestimmte Straßenarten, bestimmte Geschwindigkeiten, bestimmtes Wetter. Fachleute nennen diesen Rahmen die **Operational Design Domain**, kurz **ODD** — auf Deutsch etwa „vorgesehener Einsatzbereich“. Sie ist eine der wichtigsten Ideen, um automatisiertes Fahren zu verstehen, denn sie erklärt, warum ein Robotaxi in einer Stadt ohne Menschen am Steuer fährt und in der nächsten gar nicht.\n\nDies ist Teil 3 von Level 1 in unserem Lernpfad Physical AI. Sie erfahren, was eine ODD umfasst, warum sie der entscheidende Unterschied zwischen Level 4 und Level 5 ist und was Tausende US-Unfallmeldungen darüber verraten, wo und wann automatisierte Fahrzeuge heute tatsächlich unterwegs sind.\n\n## Was eine Operational Design Domain umfasst\n\nDer Begriff stammt aus der SAE-Norm J3016, die auch die sechs Stufen der Fahrautomatisierung festlegt. Eine ODD beschreibt alles, was erfüllt sein muss, damit das System sicher fahren kann. Verlässt eine Bedingung die ODD, setzt etwa starker Schneefall ein, muss das System das Auto sicher anhalten oder die Kontrolle abgeben.\n\n| Teil der ODD | Beispiel für eine Grenze | Was die Unfallmeldungen zeigen |\n|---|---|---|\n| Gebiet | Ausgewählte Bezirke weniger Städte, auf einer Karte festgelegt | Die meisten Meldungen kommen aus einer Handvoll Städte |\n| Straßenart | Stadtstraßen, aber keine Autobahnen | Autobahnen sind selten |\n| Tempo | Bis zu einer festgelegten Höchstgeschwindigkeit | Die meisten Unfälle bei geringem Tempo oder im Stand |\n| Wetter | Kein Schnee, starker Regen nur eingeschränkt | Meist klares Wetter, Regen ist selten |\n| Uhrzeit | Tag und Nacht | Etwa ein Drittel der Meldungen fällt in die Nacht |\n| Besetzung | Kein Fahrer, Sicherheitsfahrer oder Fernbetreuung | Die meisten Fahrzeuge hatten niemanden am Steuer |\n\nDer Unterschied zwischen **Level 4** und **Level 5** liegt genau hier. Ein System auf Level 4 fährt vollständig selbst, aber nur innerhalb seiner ODD. Ein System auf Level 5 hätte keine Grenzen der ODD und könnte überall fahren, wo ein Mensch fahren kann. Ein solches System gibt es heute nicht. Jeder Betreiber von Robotaxis legt eine ODD fest und erweitert sie Schritt für Schritt: ein neuer Bezirk, eine neue Stadt, höheres Tempo, Autobahnen, Regen.\n\n## Was die Unfallmeldungen verraten\n\nIn den USA müssen Betreiber von Fahrzeugen mit automatisiertem Fahrsystem Unfälle an die Verkehrssicherheitsbehörde NHTSA melden. Wir haben alle {{\u003c num \"av\" \"reports\" \u003e}} Meldungen der aktuellen Datei ausgewertet. Ein Unfall kann nur dort passieren, wo ein Auto fährt — die Meldungen zeigen also auch, wo diese Fahrzeuge unterwegs sind. Wie sicher sie sind, zeigen sie nicht, denn die Datei enthält keine Angaben zu den gefahrenen Kilometern.\n\nDie Betreiber gaben an, dass das Fahrzeug bei {{\u003c num \"av\" \"within_odd_pct\" \u003e}} % der Unfälle innerhalb seiner ODD unterwegs war. Die Meldungen stammen aus {{\u003c num \"av\" \"cities\" \u003e}} Städten, sind aber stark gebündelt: Die vier Städte mit den meisten Meldungen kommen zusammen auf {{\u003c num \"av\" \"top4_cities_pct\" \u003e}} %.\n\n{{\u003c data \"av-cities\" \u003e}}\n\nDie Straßenart zeigt dasselbe Muster. {{\u003c num \"av\" \"street_pct\" \u003e}} % der Unfälle geschahen auf gewöhnlichen Straßen und {{\u003c num \"av\" \"intersection_pct\" \u003e}} % an Kreuzungen. Nur {{\u003c num \"av\" \"highway_pct\" \u003e}} % ereigneten sich auf Autobahnen oder Schnellstraßen — ein Hinweis darauf, dass die meisten automatisierten Fahrzeuge dort noch wenig Zeit verbringen.\n\n![Zwei Balkendiagramme: links Unfallmeldungen nach Straßenart, vor allem Straßen, dann Kreuzungen und Parkplätze, sehr wenige Autobahnen; rechts Meldungen nach Wetter, vor allem klar, dann bewölkt und teilweise bewölkt, Regen selten, kein Schnee](/images/learn/de/operational-design-domain-conditions.webp \"Wo und bei welchem Wetter die gemeldeten Unfälle geschahen.\")\n\nDas Wetter erzählt Ähnliches. {{\u003c num \"av\" \"clear_pct\" \u003e}} % der Meldungen nennen klares Wetter. Regen kommt in {{\u003c num \"av\" \"rain_n\" \u003e}} Meldungen vor, Nebel, Rauch oder Dunst in {{\u003c num \"av\" \"fog_n\" \u003e}}, Schnee in {{\u003c num \"av\" \"snow_n\" \u003e}}. Die Städte mit den meisten Meldungen haben milde Winter, und selbst Regen ist dort die Ausnahme. Eine nasse Fahrbahn nennen {{\u003c num \"av\" \"wet_pct\" \u003e}} % der Meldungen.\n\n{{\u003c data \"av-weather\" \u003e}}\n\nBei der Uhrzeit ist es anders. {{\u003c num \"av\" \"night_pct\" \u003e}} % der gemeldeten Unfälle geschahen zwischen 20 und 6 Uhr. Robotaxis fahren rund um die Uhr, und Dunkelheit gehört für die meisten zur ODD. Lidar und Radar senden ihre eigenen Signale aus und brauchen kein Tageslicht, und Kameras arbeiten mit Straßenlaternen und Scheinwerfern.\n\n![Balkendiagramm: Unfallmeldungen nach Stunde des Tages, am niedrigsten in den frühen Morgenstunden gegen 3 bis 5 Uhr, steigend am Vormittag, am höchsten am Nachmittag gegen 15 Uhr und auch am späten Abend noch hoch](/images/learn/de/operational-design-domain-hours.webp \"Gemeldete Unfälle nach Uhrzeit. Automatisierte Fahrzeuge sind rund um die Uhr unterwegs.\")\n\nBei {{\u003c num \"av\" \"driverless_pct\" \u003e}} % der Meldungen saß niemand auf dem Fahrersitz. Das ist das deutlichste Zeichen, dass diese Systeme innerhalb ihrer ODD schon ohne menschliche Rückfallebene fahren.\n\n## Wie eine ODD wächst\n\nEin Betreiber erweitert eine ODD erst, wenn er gezeigt hat, dass das System die neuen Bedingungen beherrscht. Das bedeutet meist Millionen Kilometer in der Simulation, Testfahrten mit Sicherheitsfahrern und dann fahrerlosen Betrieb in einem begrenzten Gebiet. Jeder Schritt bringt neue **Grenzfälle** (Edge Cases): Eine Autobahn bringt höheres Tempo und Einfädelverkehr, eine neue Stadt neue Straßenführungen und örtliche Fahrgewohnheiten, Schnee verdeckt Fahrbahnmarkierungen und verändert, wie Sensoren die Straße sehen.\n\nWenn Sie Nachrichten über automatisiertes Fahren lesen, prüfen Sie zuerst die ODD:\n\n- **Wo genau?** Eine ganze Stadt oder einige Bezirke? Mit oder ohne Autobahn?\n- **Unter welchen Bedingungen?** Tag und Nacht? Regen? Schnee?\n- **Mit wem an Bord?** Mit Sicherheitsfahrer, Fernbetreuung oder ohne Menschen?\n- **Im Vergleich womit?** Unfallzahlen bedeuten nur etwas neben den gefahrenen Kilometern in derselben ODD.\n\n## So haben wir die Meldungen ausgewertet\n\nWir haben die Unfallmeldungen zu automatisierten Fahrsystemen genutzt, die die NHTSA nach ihrer Standing General Order 2021-01 veröffentlicht, je Meldung die neueste Fassung. Die Angaben zu Stadt, Straßenart und Wetter stammen aus den Meldungen selbst; eine Meldung kann mehrere Wetterlagen nennen. Nacht bedeutet eine gemeldete Uhrzeit zwischen 20 und 6 Uhr. Persönliche Daten hat die NHTSA in der Datei geschwärzt. Der nächste Teil verlässt die Straße und wendet sich dem Gehirn zu: was ein EEG über unsere Absichten verraten kann und was nicht.","text":"Kein selbstfahrendes Auto kann heute überall fahren. Jedes ist für bestimmte Bedingungen gebaut: bestimmte Städte, bestimmte Straßenarten, bestimmte Geschwindigkeiten, bestimmtes Wetter. Fachleute nennen diesen Rahmen die Operational Design Domain, kurz ODD — auf Deutsch etwa „vorgesehener Einsatzbereich“. Sie ist eine der wichtigsten Ideen, um automatisiertes Fahren zu verstehen, denn sie erklärt, warum ein Robotaxi in einer Stadt ohne Menschen am Steuer fährt und in der nächsten gar nicht.\nDies ist Teil 3 von Level 1 in unserem Lernpfad Physical AI. Sie erfahren, was eine ODD umfasst, warum sie der entscheidende Unterschied zwischen Level 4 und Level 5 ist und was Tausende US-Unfallmeldungen darüber verraten, wo und wann automatisierte Fahrzeuge heute tatsächlich unterwegs sind.\nWas eine Operational Design Domain umfasst Der Begriff stammt aus der SAE-Norm J3016, die auch die sechs Stufen der Fahrautomatisierung festlegt. Eine ODD beschreibt alles, was erfüllt sein muss, damit das System sicher fahren kann. Verlässt eine Bedingung die ODD, setzt etwa starker Schneefall ein, muss das System das Auto sicher anhalten oder die Kontrolle abgeben.\nWo selbstfahrende Autos fahren: die Operational Design Domain Teil der ODD Beispiel für eine Grenze Was die Unfallmeldungen zeigen Gebiet Ausgewählte Bezirke weniger Städte, auf einer Karte festgelegt Die meisten Meldungen kommen aus einer Handvoll Städte Straßenart Stadtstraßen, aber keine Autobahnen Autobahnen sind selten Tempo Bis zu einer festgelegten Höchstgeschwindigkeit Die meisten Unfälle bei geringem Tempo oder im Stand Wetter Kein Schnee, starker Regen nur eingeschränkt Meist klares Wetter, Regen ist selten Uhrzeit Tag und Nacht Etwa ein Drittel der Meldungen fällt in die Nacht Besetzung Kein Fahrer, Sicherheitsfahrer oder Fernbetreuung Die meisten Fahrzeuge hatten niemanden am Steuer Der Unterschied zwischen Level 4 und Level 5 liegt genau hier. Ein System auf Level 4 fährt vollständig selbst, aber nur innerhalb seiner ODD. Ein System auf Level 5 hätte keine Grenzen der ODD und könnte überall fahren, wo ein Mensch fahren kann. Ein solches System gibt es heute nicht. Jeder Betreiber von Robotaxis legt eine ODD fest und erweitert sie Schritt für Schritt: ein neuer Bezirk, eine neue Stadt, höheres Tempo, Autobahnen, Regen.\nWas die Unfallmeldungen verraten In den USA müssen Betreiber von Fahrzeugen mit automatisiertem Fahrsystem Unfälle an die Verkehrssicherheitsbehörde NHTSA melden. Wir haben alle 1.551 Meldungen der aktuellen Datei ausgewertet. Ein Unfall kann nur dort passieren, wo ein Auto fährt — die Meldungen zeigen also auch, wo diese Fahrzeuge unterwegs sind. Wie sicher sie sind, zeigen sie nicht, denn die Datei enthält keine Angaben zu den gefahrenen Kilometern.\nDie Betreiber gaben an, dass das Fahrzeug bei 98,9 % der Unfälle innerhalb seiner ODD unterwegs war. Die Meldungen stammen aus 77 Städten, sind aber stark gebündelt: Die vier Städte mit den meisten Meldungen kommen zusammen auf 62,4 %.\nStädte mit den meisten Meldungen StadtMeldungenAnteil San Francisco (CA)39625,5 % Los Angeles (CA)26016,8 % Austin (TX)19912,8 % Phoenix (AZ)1137,3 % Atlanta (GA)795,1 % Dallas (TX)754,8 % Tempe (AZ)483,1 % Las Vegas (NV)432,8 % Quelle wie bei der ersten Tabelle dieser Seite.\nDie Straßenart zeigt dasselbe Muster. 69,5 % der Unfälle geschahen auf gewöhnlichen Straßen und 19,8 % an Kreuzungen. Nur 2,1 % ereigneten sich auf Autobahnen oder Schnellstraßen — ein Hinweis darauf, dass die meisten automatisierten Fahrzeuge dort noch wenig Zeit verbringen.\nWo und bei welchem Wetter die gemeldeten Unfälle geschahen. Das Wetter erzählt Ähnliches. 73,2 % der Meldungen nennen klares Wetter. Regen kommt in 61 Meldungen vor, Nebel, Rauch oder Dunst in 1, Schnee in 0. Die Städte mit den meisten Meldungen haben milde Winter, und selbst Regen ist dort die Ausnahme. Eine nasse Fahrbahn nennen 2,3 % der Meldungen.\nWetter laut Meldung (Mehrfachangaben möglich) WetterMeldungenAnteil Klar1.13673,2 % Teilweise bewölkt1419,1 % Bewölkt22014,2 % Regen613,9 % Nebel, Rauch, Dunst10,1 % Schnee00,0 % Starker Wind10,1 % Staubsturm10,1 % Quelle wie bei der ersten Tabelle dieser Seite.\nBei der Uhrzeit ist es anders. 32,8 % der gemeldeten Unfälle geschahen zwischen 20 und 6 Uhr. Robotaxis fahren rund um die Uhr, und Dunkelheit gehört für die meisten zur ODD. Lidar und Radar senden ihre eigenen Signale aus und brauchen kein Tageslicht, und Kameras arbeiten mit Straßenlaternen und Scheinwerfern.\nGemeldete Unfälle nach Uhrzeit. Automatisierte Fahrzeuge sind rund um die Uhr unterwegs. Bei 83,3 % der Meldungen saß niemand auf dem Fahrersitz. Das ist das deutlichste Zeichen, dass diese Systeme innerhalb ihrer ODD schon ohne menschliche Rückfallebene fahren.\nWie eine ODD wächst Ein Betreiber erweitert eine ODD erst, wenn er gezeigt hat, dass das System die neuen Bedingungen beherrscht. Das bedeutet meist Millionen Kilometer in der Simulation, Testfahrten mit Sicherheitsfahrern und dann fahrerlosen Betrieb in einem begrenzten Gebiet. Jeder Schritt bringt neue Grenzfälle (Edge Cases): Eine Autobahn bringt höheres Tempo und Einfädelverkehr, eine neue Stadt neue Straßenführungen und örtliche Fahrgewohnheiten, Schnee verdeckt Fahrbahnmarkierungen und verändert, wie Sensoren die Straße sehen.\nWenn Sie Nachrichten über automatisiertes Fahren lesen, prüfen Sie zuerst die ODD:\nWo genau? Eine ganze Stadt oder einige Bezirke? Mit oder ohne Autobahn? Unter welchen Bedingungen? Tag und Nacht? Regen? Schnee? Mit wem an Bord? Mit Sicherheitsfahrer, Fernbetreuung oder ohne Menschen? Im Vergleich womit? Unfallzahlen bedeuten nur etwas neben den gefahrenen Kilometern in derselben ODD. So haben wir die Meldungen ausgewertet Wir haben die Unfallmeldungen zu automatisierten Fahrsystemen genutzt, die die NHTSA nach ihrer Standing General Order 2021-01 veröffentlicht, je Meldung die neueste Fassung. Die Angaben zu Stadt, Straßenart und Wetter stammen aus den Meldungen selbst; eine Meldung kann mehrere Wetterlagen nennen. Nacht bedeutet eine gemeldete Uhrzeit zwischen 20 und 6 Uhr. Persönliche Daten hat die NHTSA in der Datei geschwärzt. Der nächste Teil verlässt die Straße und wendet sich dem Gehirn zu: was ein EEG über unsere Absichten verraten kann und was nicht.\n","words":927},"date":"2026-10-18","description":"Selbstfahrende Autos fahren nur dort, wofür sie gebaut sind. Was die Operational Design Domain ist und was US-Unfallmeldungen über Orte, Wetter und Uhrzeit zeigen.","image":"https://abxk.ai/images/cover/operational-design-domain.webp","json":"https://abxk.ai/de/physical-ai/learn/operational-design-domain/index.json","kind":"page","language":"de","learning_path":{"category":"physical-ai","level":1,"level_name":"Grundlagen"},"modified":"2026-10-18","section":"physical-ai","seo_title":"Operational Design Domain (ODD) an Unfalldaten erklärt","tags":["autonomes-fahren","odd","robotaxi","nhtsa","einstieg"],"title":"Wo selbstfahrende Autos fahren: die Operational Design Domain","translations":[{"json":"https://abxk.ai/en/physical-ai/learn/operational-design-domain/index.json","language":"en","url":"https://abxk.ai/en/physical-ai/learn/operational-design-domain/"}],"url":"https://abxk.ai/de/physical-ai/learn/operational-design-domain/"}