Porsche führt markenübergreifenden Datenkreislauf für autonomes Fahren innerhalb der Volkswagen Group an

Auf der GTC Berlin von NVIDIA am 21. Oktober 2026 gaben Porsche, Marken der Volkswagen Group und CARIAD bekannt, dass sie gemeinsam einen gemeinsamen Datenkreislauf für die Entwicklung autonomer Fahrzeuge aufbauen. Porsche übernimmt zusammen mit Voxel51, NVIDIA und Microsoft die Leitung der ersten Umsetzung und der Integration in das Ökosystem.

Die Volkswagen Group treibt die Entwicklung eines Physical-AI-Stacks voran, der Flottendaten mit Simulation, Training und Evaluierung verknüpft. Voxel51 zufolge erzeugt die vernetzte Flotte der Gruppe täglich Daten in einem Umfang, der dem von 11.000 durchschnittlichen Fahrern entspricht. Die Unternehmen erwarten, dass die Zusammenarbeit wiederholte physische Testfahrten um bis zu 90 % reduziert und die Zyklen für KI-Regressionstests um bis zu 85 % verkürzt.

Rollen im Datenkreislauf

Die Unternehmen beschreiben die Zusammenarbeit als Referenzarchitektur für Automobilhersteller, die Fahrzeugsysteme der nächsten Generation mit erweiterten Fahrfunktionen entwickeln.

Volkswagen bringt seine vernetzte Flotte, reale Fahrdaten, Fahrzeugplattform und Systemanforderungen ein. Voxel51 stellt die Datenebene bereit und unterstützt sechs Arbeitsabläufe im Datenkreislauf: multimodale Suche und Datenabfrage, automatisierte Kennzeichnung, szenariobasierte Zusammenstellung, Ausbalancierung von Datensätzen, Auswahl von Trainingsdaten und Modellvalidierung. NVIDIA steuert Technologien für Datenabfrage, -generierung und Simulation bei. Dazu zählen Cosmos Data Factory zur Aufbereitung, Erweiterung und Evaluierung von Trainingsdaten, die Omniverse-NuRec-Bibliotheken zur Rekonstruktion realer Fahrten sowie offene Modelle und Werkzeuge zum Testen von Fahrsystemen in Simulationen. Microsoft Azure stellt Cloud-Ressourcen und Rechenleistung bereit; die Arbeitslasten werden im Flottenmaßstab auf einer Infrastruktur ausgeführt, die die Gruppe bereits nutzt.

In der eigenen Mitteilung von NVIDIA im Newsroom zur Konferenz heißt es, Porsche leite über Voxel51 die Entwicklung eines Datenkreislauf-Arbeitsablaufs für die Marken der Volkswagen Group und nutze dafür Cosmos Data Factory und Omniverse NuRec auf Azure.

NVIDIA-Automotive-Vizepräsident Rishi Dhall sagte in der Ankündigung, dass Simulation reale Fahrerfahrungen in einen kontinuierlichen Lern- und Verbesserungszyklus überführt und die Volkswagen Group Flottendaten mithilfe der Datenplattform von Voxel51 sowie Omniverse NuRec und Cosmos in hochpräzise Simulationsszenarien umwandeln kann.

Prüfungen, Freigabeschranken für die Generierung und Rekonstruktionsergebnisse

Die virtuelle Validierung von Versionen der Fahrsoftware zählt zu den ersten Anwendungen des Datenkreislaufs für Porsche und die Volkswagen Group. Ingenieure rendern rekonstruierte Kameraeingaben aus tatsächlichen Fahrten und vergleichen die simulierten Ergebnisse mit Messwerten aus der realen Welt. Voxel51 zufolge soll das Testen dadurch wiederholbar werden, die Feedbackzyklen sollen kürzer werden und die Abhängigkeit von physischen Testfahrten soll sinken.

Bevor eine Aufzeichnung in die GPU-Rekonstruktion gelangt, prüft Voxel51 das Rohprotokoll anhand von rund 80 Kriterien zu Sensorintegrität, Zeitangaben, Kalibrierung, Trajektorien, Akteuren und Koordinatensystemen. Ein ausführlicher technischer Einblick von Dan Gural, bei Voxel51 für Partnerschaften im Bereich Physical AI verantwortlich, erläutert, dass die Prüfung MCAP-Dateien direkt ausliest und in drei Stufen erfolgt: eine Manifestprüfung von etwa einer Millisekunde pro Fahrt, eine Episodenprüfung von etwa einer Sekunde und eine dekodierte Prüfung von wenigen Minuten pro Fahrt. Bei jeder Prüfung wird festgehalten, ob sie bestanden wurde, fehlgeschlagen ist oder nicht ausgeführt werden konnte. Dabei gilt eine von Voxel51 als „Schweigen gilt nicht als bestanden“ bezeichnete Regel, damit eine fehlende Eingabe nicht als gültige Daten gewertet werden kann.

Gural beschreibt den Ablauf in fünf Phasen: finden, prüfen, generieren, rekonstruieren und evaluieren. Für die Suchphase bindet die Plattform NVIDIA Cosmos Dataset Search ein. Die Clips werden mit Cosmos-Embed1 eingebettet und in Milvus gespeichert. Anschließend lässt ein agentischer Reranker ein Planungsmodell anhand der Suchabsicht ein Bewertungsschema erstellen, bewertet jeden Clip mithilfe von Cosmos Reason anhand dieses Schemas und ordnet die Liste neu.

Gural zufolge hat Voxel51 die Prüfung anhand von sieben öffentlichen Datensätzen validiert: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive und Lyft Level 5. Bei der Prüfung wurden 25 bestätigte Probleme in den veröffentlichten Daten gefunden, von denen 17 vor der Rekonstruktion behoben wurden. Zur Generierung synthetischer Daten mit Cosmos Data Factory berichtet der ausführliche Einblick, dass gespeicherte Nachweise der Freigabeprüfung zeigten, dass 12 Sampling-Schritte bei der Annahmequote den Wert 35 erreichten und die Kosten dadurch von 6,80 auf 2,43 GPU-Minuten pro Clip sanken; dass eine Attributprüfung nur 30 bis 38 % der generierten Clips freigab; und dass eine Neukalibrierung des Bewertungsmodells die semantische Bestehensquote ohne zusätzliche GPU-Zeit von 3 % auf 91 % erhöhte.

Für die Rekonstruktion nennt der ausführliche Einblick einen medianen Spitzen-Signal-Rausch-Abstand von 29,05 dB über 25 öffentliche nuScenes-Szenen hinweg, die auf NVIDIA-H100-GPUs verarbeitet wurden. Als Beispiel wird eine nächtliche nuScenes-Szene angeführt, die bei dieser Kennzahl 28,59 dB erreichte, aber einen Strukturellen-Ähnlichkeitswert von 0,56 und einen erlernten Wahrnehmungsähnlichkeitswert von 0,61 aufwies. Gural nutzt dieses Beispiel, um zu zeigen, dass ein einzelner Bildqualitätswert auch ein sichtbar schlechtes Ergebnis als bestanden einstufen kann. Jeder Rekonstruktionslauf gelangt in eine Warteschlange für die menschliche Prüfung. Dort können Ingenieure das Ergebnis für die Simulation freigeben, zur erneuten Trainingsphase zurückschicken oder ablehnen. Abgeschlossene Szenen werden als USDZ-Dateien gebündelt, die für Simulatoren bereitstehen, darunter NVIDIA AlpaSim.

Bereitstellung auf Azure und Zuständigkeit für den Ablauf

Jede Phase wird als Auftrag auf Microsoft Azure ausgeführt, wo der Volkswagen-Konzern seine Flottendaten verwaltet. Azure stellt Speicher- und Rechenressourcen für die Datenverarbeitung, Rekonstruktion und Simulation bereit. Diese Workloads bleiben dabei innerhalb des bestehenden Sicherheits-, Identitäts- und regionalen Governance-Modells des Konzerns.

Voxel51 erklärte, dass ein gemeinsames Datenmodell dafür sorgt, dass in einem Projekt erfasste Fahrdaten und erstellte Szenarien über Fahrzeugprogramme, Softwareversionen und Marken hinweg weiterverwendet werden können. Jede neue Fahrt erweitert die Szenariobasis, und rekonstruierte Szenen stehen für die Wiederverwendung in künftigen Entwicklungs- und Validierungszyklen zur Verfügung.

Brian Moore, Mitgründer und CEO von Voxel51, schrieb, ein Automobilhersteller könne seinen Entwicklungszyklus selbst steuern, ohne jedes Werkzeug selbst entwickeln zu müssen: „Der Schlüssel zu wirklich branchenführender Leistung liegt darin, die Daten zu nutzen, auf die Ihr Unternehmen Zugriff hat. Sie müssen den Entwicklungs- und Iterationszyklus selbst kontrollieren, auch wenn Sie nicht jede Ebene des Technologie-Stacks selbst entwickeln.“ Voxel51 beschreibt seine Plattform als erweiterbar: Teams können eigene Modelle einbringen, benutzerdefinierte Szenarienlogik definieren und bestehende Daten und Infrastruktur anbinden, ohne Vorgaben dazu zu machen, wie das Fahrsystem selbst aufgebaut wird.

Voxel51 berichtete, dass die Zusammenarbeit mit Porsche 2024 begann. Damals beschrieb der technische Leiter von Porsche, Tin Stribor Sohn, die Datenherausforderung als eine, die automatisierte Beschriftung zum Verständnis der Daten, die Erkennung von Szenarien, um neue oder wichtige Aspekte zu finden, sowie eine Kuratierung zur Beseitigung redundanter Inhalte erfordere. Unter Berufung auf eine McKinsey-Umfrage heißt es in dem Beitrag von Voxel51 außerdem, dass weltweit jeder vierte Verbraucher für bessere Funktionen zum autonomen Fahren die Marke wechseln würde.

Unabhängig davon heißt es in einer Mitteilung von NVIDIA zu GTC Berlin, dass Volkswagen Nutzfahrzeuge seine autonome Fahrzeugplattform ID. Buzz AD auf der Rechenplattform NVIDIA Hyperion vorstellt, um mehrere Systeme für autonomes Fahren zu unterstützen.