Hyundai nimmt sein Atria-AI-Datenschwungrad in Betrieb

Hyundai Motor Group teilte am 13. September 2026 mit, dass sein "Datenschwungrad" für autonomes Fahren nun voll in Betrieb ist. Die Schleife nimmt Fahrdaten von einer eigenen Flotte und sucht darin die Situationen, die die Modelle am schlechtesten beherrschen. Sie trainiert darauf nach und schiebt das Ergebnis zurück in Autos auf öffentlichen Straßen.

Das trainierte System heißt Atria AI. Entwickelt wurde es im Haus von 42dot, der Tochter des Konzerns für autonomes Fahren. Das Wort Schwungrad leistet hier echte Arbeit. Jede Umdrehung der Schleife soll die nächste billiger machen, weil die Autos selbst das nächste schwierige Problem suchen.

Wie sich die Schleife wirklich dreht

Hyundais Ankündigung beschreibt einen Kreislauf, keine gerade Kette. Diese Stufen werden genannt.

Stufe	Was passiert
Erfassung	Eine eigene Flotte sammelt echte Fahrdaten in mehreren Märkten
Hard Example Mining	Das System sucht die Situationen heraus, die das Modell schlecht löst
Laufendes Training	Diese Beispiele gehen ins Training, Ergebnisse fließen weiter
Virtuelle Validierung	Echte Szenen werden in 3D nachgebaut und als Tests abgespielt
Auslieferung	Das bessere Modell geht zurück ins Auto und erzeugt neue Daten

Zwei Stufen brauchen einfache Worte. Hard Example Mining heißt, dass die Flotte nicht alles aufzeichnen will. Sie will die unangenehmen Fälle, die das Modell falsch löst, denn nur diese Bilder bringen ihm etwas Neues bei.

Die virtuelle Validierung ist die andere. Hyundai baut echte Straßenszenen mit 3D Gaussian Splatting nach, einem Verfahren, das eine Szene aus Fotos als Wolke weicher Punkte statt als feste Flächen rekonstruiert. Existiert eine Szene erst einmal so, lässt sie sich beliebig oft abspielen und verändern, ohne ein Auto erneut auf die Straße zu schicken.

Der Konzern sagt außerdem, die Entwicklung laufe nach dem Follow-the-Sun-Prinzip: Teams in Südkorea und den USA reichen die Arbeit über Zeitzonen weiter, für einen 24-Stunden-Zyklus. Die Vereinheitlichung der Sensorik wird mit Motional abgestimmt, und als Plattform nennt der Konzern NVIDIA DRIVE Hyperion 10. Ein Rahmenwerk namens Data Union soll Hyundai Motor, Kia, 42dot und Motional Daten in einem Format teilen lassen.

Die Flotte ist kleiner, als man denkt

Die auffälligste Zahl ist, wie wenige Autos das speisen. Hyundai nennt 40 Fahrzeuge, die für die Datenerfassung bestimmt sind. Kyunghyang Shinmun berichtet von 20 für die Erfassung und 20 für die Überprüfung, mit je etwa 80 Stunden pro Woche, also rund 1.600 Stunden über die Flotte.

Die Zeitung stellt die Zahl neben Tesla, das laut ihr rund 4,38 Millionen Stunden Fahrdaten pro Tag sammelt. Der Abstand ist nicht knapp, und Hyundais Antwort ist eine Größe, die der Konzern noch nicht nutzt: etwa 7 Millionen verkaufte Fahrzeuge pro Jahr in rund 190 Ländern. Die Führung erwartet, die kumulierten Daten der Rivalen binnen fünf Jahren nach Serienstart zu überholen.

Minwoo Park ist Präsident der Konzernsparte Advanced Vehicle Platform und Chef von 42dot. "Competitiveness is determined by how much data you secure, how quickly you learn and how effectively you can reflect those results", sagte er. Seonggyun Jeong, der die Atria-Gruppe bei 42dot leitet, sagte es knapper: "High-quality data is where good autonomous driving AI ultimately starts."

Was kommt, und wann

Ziel	Datum
Level-4-Pilot in Gwangju, mit Koreas Verkehrsministerium	Bis Ende 2026
Serienproduktion Level 2+, auf NVIDIA-Basis	Erste Hälfte 2028
Serienproduktion Level 2++, auf NVIDIA-Basis	Zweite Hälfte 2028
Atria AI in Serie	Zweite Hälfte 2029

Bei der letzten Zeile widersprechen sich die Quellen. Hyundais eigene Ankündigung nennt das Ziel für 2029 Level 2++. Kyunghyang Shinmun berichtet Level 3+. Der Unterschied zählt, denn ab Level 3 ist das Auto und nicht der Fahrer dafür zuständig, die Straße zu beobachten.

Der Konzern treibt auch ein Vision-Language-Action-Modell voran, das Gesehenes mit sprachlichem Schlussfolgern und dann mit einer Fahraktion verbindet. "VLA is core technology for Physical AI going beyond simply driving", sagte HeeSeok Lee, der die Trion-Gruppe bei 42dot leitet.

Was das für Entwickler bedeutet

Die übertragbare Idee ist Hard Example Mining, und sie ist nicht auf Autos beschränkt. Die meisten Teams mit einem Modell im Betrieb ziehen ihre Daten noch mehr oder weniger zufällig. Hyundais These ist, dass eine kleine Flotte eine große schlägt, wenn sie nur die Beispiele behält, an denen das Modell scheitert. Wenn Ihr Modell echten Verkehr sieht, lautet die Frage dieser Woche, ob Sie Ihre eigenen Fehlschläge automatisch erkennen und speichern können.

Sehen Sie den 3D-Nachbau als die interessante Technik, nicht als Show. Eine echte Szene so zu rekonstruieren, dass man sie abspielen und verändern kann, macht aus einem teuren Straßentest viele billige. Dasselbe Muster gilt für jedes System, dessen Test im Echtbetrieb teuer ist, und das sind die meisten.

Lesen Sie den Widerspruch bei den Autonomiestufen als Erinnerung an das Wesen von Ankündigungen. Zwei Berichte über dieselbe Veranstaltung sind sich uneinig, ob bei einem Produkt von 2029 das Auto oder der Fahrer die Straße beobachtet. Liegt eine Roadmap so weit vorn, ist die Stufe ein Ziel und keine Zusage. Nevadas Entscheidung, Tausende bezahlte Robotaxis zuzulassen, hat gezeigt, wie schnell sich der Boden darunter verschieben kann.

Beachten Sie zuletzt, wer nicht in der Schleife steckt. Das ist ein geschlossenes Schwungrad: Hyundais Autos, Hyundais Tochter, Hyundais Format. Data Union vereinheitlicht das Teilen im Konzern, nicht außerhalb. Wer gehofft hat, die Autohersteller würden sich auf ein offenes Format für Fahrdaten einigen, findet hier einen Hinweis in die andere Richtung.