PwC Deutschland & Institut für Mobilität (HSG St. Gallen): Robotaxi-Studie: Deutschland fährt hinterher

VonLudwig Brackmann

Hinweis: Dieser Post enthält KI-Antworten. KI-Antworten können Fehler enthalten.

Die Ergebnisse entstammen der Veröffentlichung Part 2 der Studienreihe „The Evolution of Shared Autonomous Vehicles (SAV)“ (auch als PwC Robo-Bus-Radar bzw. Robotaxi-Studie publiziert), die vom PwC Lab for Smart Mobility gemeinsam von PwC Deutschland und dem Institut für Mobilität (IMO-HSG) der Universität St. Gallen am 16./17. November 2025 herausgegeben wurde.

Link: https://imo.unisg.ch/de/the-evolution-of-shared-autonomous-vehicles-sav-part-2/

Kontakt: Dr. Philipp Scharfenberger, philipp.scharfenberger@unisg.ch

Detaillierte Kernaussagen der PwC Deutschland & Institut für Mobilität (HSG St. Gallen) Robotaxi-Studie

1. Wichtigste Kostentreiber & Betriebswirtschaft (TCO)

  • Kostenreduktion um 50–70 %: Die Kosten pro Fahrzeugkilometer sinken bei kommerziellen Robotaxi-Flotten von ca. 1,80–2,50 € (klassische Taxis mit Fahrpersonal) auf 0,50–0,80 € per Kilometer.

    (LB: dürfte sich seit 2025 für 2027 halbieren.)
  • Personalkostenentfall: Der Haupthebel für die Einsparung ist der vollständige Wegfall des Fahrpersonals, welches im klassischen Taxigewerbe und ÖPNV bis zu 60 bis 70 % der variablen Betriebskosten ausmacht.
  • Fahrzeugarchitektur: Zukünftige dedizierte Robotaxis (ohne Pedale, Lenkrad, Rückspiegel oder Cockpit-Komponenten) verbilligen mittelfristig die Produktions- und Materialkosten und bieten mehr Nutzraum im Fahrzeuginneren.

    (LB: seit Sommer 2026: Markeinführung Tesla Cybercab)
  • Skalierungs-Schwelle: Der wirtschaftliche Vorteil entfaltet sich erst ab einer kritischen Masse von mehreren hundert Fahrzeugen pro Einsatzgebiet, um eine hohe Flottenauslastung (Shared Mobility) und die effiziente Betreuung durch Fernüberwachung (Technische Aufsicht) im Verhältnis 1:N sicherzustellen.

    (LB: Siehe Vorschlag A555 – Schienenersatzverkehr auf der Adenauer-Autobahn)

2. Der „Europa-Graben“ (Vergleich US/China vs. Deutschland)

  • Marktreife vs. Kleinteiligkeit: Während Anbieter in China und den USA (Waymo, Baidu, Cruise) Bereitschaft für den echten kommerziellen Regelbetrieb mit Millionen von absolvierten Fahrten zeigen, beschränken sich Projekte in Europa und Deutschland fast ausschließlich auf zeitlich befristete Pilotprojekte mit kleinen Testflotten (meist unter 20 Fahrzeugen).
  • Mangelndes Risikokapital: Den europäischen Märkten fehlt es an großen, investitionsstarken Betreiberkonsortien oder privatem Risikokapital, um Flotten im dreistelligen Bereich vorab zu finanzieren und die anfänglichen Verluste bis zur Skalierung zu tragen.

3. Identifizierte Hauptbremsen in Deutschland

  • Software- & Test-Rückstand: Zwar existiert in Deutschland mit der AFGBV ein fortschrittlicher Rechtsrahmen für Level 4, allerdings fehlen erprobte Software-Stacks für komplexe europäische Mischverkehrs-Szenarien im Straßenraum.

    (LB: seit der 2. Technologiewelle müssen Gesetze und Vorschiften der technologischen Realität angepasst werden.)
  • Fehlende Kooperationsmodelle: Es fehlen funktionierende B2B- und B2G-Betreibermodelle zwischen privaten Tech-Flottenbetreibern, Städten/Kommunen und lokalen Verkehrsunternehmen (z. B. unklare Fragen bezüglich Daten-Sharing, Haltestellennutzung und Linienrechte).

    (LB: Das gilt wohl unverändert in 2026 und 2027?)
  • Vergabe- und ÖPNV-Strukturen: Die strikte Trennung zwischen öffentlich gefördertem ÖPNV und privatwirtschaftlichem Taxigewerbe erschwert den Aufbau hybrider Flotten, die sowohl als On-Demand-Ergänzung für den ÖPNV als auch als klassische Taxi-Flotte agieren können.

    (LB: Hier stellt sich die Frage, ob der Vergleich relevant ist. Zu prüfen wäre, ob für Robotaxi-Flotten nicht andere Rahmenbedingungen gelten, wie z.B. für Uber & Co.?)

Die ‚2. Technologiewelle autonomes Fahren‚ räumt viele Hindernisse aus dem Weg

Die folgende Gegenüberstellung greift die zentralen Markt- und Strukturbemängelungen auf, die im Rahmen der Analysen zu autonomen Flotten (u. a. PwC / Institut für Mobilität) identifiziert wurden, und stellt sie den aktuellen Lösungswegen, Software-Architekturen sowie den Marktimpulsen der 2. Technologiewelle (Tesla, Xpeng, Wayve, NVIDIA) gegenüber.

Identifiziertes Hindernis / HemmnisTechnologische & Markt-Lösung (Stand 2026–2027)Rolle der 2. Technologiewelle (Tesla, Xpeng, Wayve, NVIDIA)
1. Teure Sensorik-Pakete & Hardware-Overhead

(Hohe Stückkosten durch teure Lidar-, Radar- und Spezial-Kamerasysteme limitieren die Skalierbarkeit.)		Übergang zu standardisierter, massentauglicher Automobil-Sensorik sowie massiver Skalierung in der Halbleiterfertigung.Tesla / Xpeng: Konsequenter Verzicht auf Lidar zugunsten von Pure Vision bzw. KI-gestützten Multikamera-Arrays. Drastische Reduzierung der Hardware-Stückkosten auf Serientauglichkeit.
2. Starre HD-Map-Abhängigkeit (Geofencing)

(Fahrzeuge funktionierten bisher nur auf zentimetergenau vermessenen Teststrecken/Städten.)		Abkehr von starren HD-Karten hin zu Generalization-Ansätzen (Fahren in unbekannter Umgebung wie ein Mensch).Wayve / Tesla (FSD V12/V13): End-to-End Deep Learning (End-to-End Neural Networks). Das System erlernt das Fahrverhalten rein datengetrieben aus Videos statt starrer Programmierregeln.
3. Mangelnde Skalierbarkeit & kleine Testflotten

(Europa verharrt in kleinen Pilotprojekten statt kommerzieller Großeinsätze.)		Standardisierung von Flotten-Plattformen und Öffnung regulatorischer Rahmenbedingungen für kommerzielle Betreiber.NVIDIA (DRIVE Thor / Hyperion): BEREITSTELLUNG hochperformanter, standardisierter Compute-Plattformen für Dritte (OEMs und Flottenbetreiber), die den Rollout großer Fahrzeugstückzahlen drastisch beschleunigen.
4. Unklare Kooperationsmodelle (B2G/B2B)

(Fehlende Schnittstellen zwischen Tech-Betreibern, Kommunen und ÖPNV-Strukturen.)		Etablierung integrierter Mobilitätsplattformen (MaaS) und standardisierter Schnittstellen für Haltestellen- und PUDO-Zonen.Tesla: Entwicklung von Software-Ökosystemen für On-Demand-Flottensteuerung, die sich direkt in bestehende urbane App-Infrastrukturen integrieren lassen.
5. Fehlendes privates Risikokapital in Europa

(Zurückhaltung institutioneller Investoren bei kapitalintensiven Flottenaufbauten.)		Wachsender Druck durch globale Wettbewerber zwingt europäische Automobilkonzerne und Investoren zu Konsortialbildungen und Asset-Light-Modellen.Die globalen Erfolge und Milliardenbewertungen der 2. Welle (insb. Tesla Robotaxi / Cybercab) wirken als Katalysator, der privates Kapital mobilisiert, um den Anschluss nicht zu verlieren.
6. Regulatorische Hürden & Typgenehmigung

(Strenge Anforderungen an Redundanz und rechtliche Verantwortung nach StVG/AFGBV.)		Ausdifferenzierung nationaler Genehmigungspraxis; Standardisierung von Sicherheitsnachweisen gegenüber Behörden (KBA/BASt).Wayve / NVIDIA: Nutzung KI-basierter Simulationsumgebungen (Digital Twins), um die für Zulassungen notwendigen Millionen Testkilometer virtuell und rechtssicher nachzuweisen.
7. Komplexe Beherrschung von Randfällen (Edge Cases)

(Versagen klassischer Regel-Software bei unerwartetem Baustellen- oder Fußgängerverhalten.)		Massive Erhöhung der Trainingsdaten-Basis durch Millionen vernetzter Kundenfahrzeuge im Realbetrieb (Shadow Mode).Tesla / Xpeng: Flottenbasiertes Lernen (Fleet Learning). Millionen im Markt befindlicher Fahrzeuge sammeln weltweit Edge Cases, die das neuronale Netz kontinuierlich in Echtzeit trainieren.
8. Hoher Personalaufwand für Fernüberwachung

(Das Verhältnis von Technikern zu Fahrzeugen (1:1 bis 1:10) machte den Betrieb unwirtschaftlich.)		Automatisierte Routenfreigabe und Intelligente Fernwartung (Remote Assistance), bei der ein Operator hunderte Fahrzeuge gleichzeitig überwacht.NVIDIA / Wayve: KI-gestützte Vorhersage- und Ausnahmemanagement-Systeme senken den operativen Personalbedarf pro Fahrzeug massiv (Skalierung auf 1:100+).
9. Akzeptanz- und Vertrauensdefizit in der Bevölkerung

(Skepsis gegenüber fahrerlosen Fahrzeugen im gemischten Straßenverkehr.)		Zunehmende Sichtbarkeit im Alltag und transparente Sicherheitsstatistiken kommerzieller Flotten.Tesla (Cybercab / Full Self-Driving): Durch die Verschmelzung von Privatfahrzeugen und potenzieller Robotaxi-Nutzung (Tesla Network) steigt die alltägliche Durchdringung und gesellschaftliche Normalisierung fahrerloser Technologie enorm.

Ähnliche Beiträge