Fahrsimulator und VR: Wie Forscher und Autohersteller Virtual Road Testing nutzen (2026)

Automobilingenieure und Forscher nutzen Fahrsimulatoren seit den 1980er Jahren, doch die 2026 verfügbaren Möglichkeiten haben kaum noch etwas mit den frühen stationären Systemen gemein, die das Fahrverhalten nur auf vereinfachten Streckenmodellen annähern konnten. Heutige Driver-in-the-Loop-Simulatoren kombinieren Bewegungsplattformen mit neun Freiheitsgraden, submillimetergenaue Straßenoberflächenmodelle aus echten LiDAR-Vermessungen und Echtzeit-Fahrzeugdynamiklöser, die das Gefühl von Fahrwerk, Lenkung und Antriebsstrang eines bestimmten Fahrzeugs so originalgetreu nachbilden, dass Entwicklungsingenieure damit Entscheidungen zur Serienabstimmung treffen, bevor ein physischer Prototyp existiert.

Die Anwendungen gehen weit über die Fahrzeugdynamik-Entwicklung hinaus. Automobil-OEMs nutzen Fahrsimulatoren, um ADAS-Algorithmen gegen Tausende parametrischer Szenariovarianten zu validieren, die auf öffentlichen Straßen unpraktikabel oder gefährlich zu testen wären. HMI-Forschungsteams nutzen Fixed-Base-Simulator-Rigs, um zu untersuchen, wie Fahrer mit Kombiinstrumenten, Head-up-Displays und Sprachschnittstellen interagieren, ohne die Störvariablen des realen Verkehrs. Sicherheitsforscher nutzen Simulatoren, um Fahrerermüdung, Ablenkungsverhalten und Reaktionen auf Übernahmeaufforderungen autonomer Fahrzeuge unter kontrollierten Bedingungen zu untersuchen. Fahrertrainingsprogramme für Einsatzkräfte und Nutzfahrzeugfahrer setzen hochauflösende Fixed-Base- oder Motion-Rigs ein, um Fahrer auf Extrembedingungen vorzubereiten, bevor sie ihnen im echten Betrieb ausgesetzt sind.

Dieser Leitfaden behandelt die wichtigsten Anwendungsbereiche, in denen Fahrsimulatoren und VR in der Automobil-F&E und im Fahrertraining eingesetzt werden, wie sich Fixed-Base- und bewegungsbasierte Plattformen unterscheiden, die Rolle der Hardware-in-the-Loop-Simulation in der ADAS-Entwicklung und die Unternehmen - VI-grade, rFpro und Ansible Motion - die die Infrastruktur aufbauen, auf der die meisten OEM-Simulatorprogramme laufen.

Fahrzeugdynamik-Entwicklung, bevor der Prototyp existiert

Die Entwicklung des Charakters von Fahrwerk, Lenkung und Antriebsstrang einer neuen Fahrzeugplattform erforderte traditionell die Iteration an physischen Prototypen - einen Erprobungsträger bauen, ihn auf dem Testgelände fahren, mit subjektivem Feedback und objektiven Daten ins Entwicklungsbüro zurückkehren, die Hardware modifizieren und den Zyklus wiederholen. Jede Iteration kostet Zeit und Geld, und die Anzahl der innerhalb eines Entwicklungsprogramms möglichen Iterationen ist durch beides begrenzt. Die Driver-in-the-Loop-Simulation verkürzt diesen Zyklus, indem sie es Ingenieuren ermöglicht, virtuelle Fahrwerksparameter zu ändern und die Auswirkung sofort mit einem echten Fahrer auf einer simulierten Straßenoberfläche zu bewerten, ohne eine einzige physische Komponente zu bauen.

rFpro, ein Unternehmen von AB Dynamics, ist für diesen Anwendungsfall zur dominierenden Softwareplattform für Straßenumgebungen in der Automobilindustrie geworden. Seine Straßenoberflächenmodelle werden aus realen LiDAR-Scans von Testgeländen und öffentlichen Straßen mit Submillimeter-Genauigkeit erstellt. Das bedeutet, dass die Mikrotextur einer bestimmten Asphaltoberfläche - das Merkmal, das das tatsächliche Verhalten der Reifenaufstandsfläche bestimmt - originalgetreu genug reproduziert wird, um Reifenmodelle zu validieren. Ingenieure bei Unternehmen, die rFpro nutzen, können ein virtuelles Fahrzeug über ein digitales Abbild des Nürburgrings oder des Millbrook Proving Ground fahren und darauf vertrauen, dass das Reifenverhalten dem entspricht, was auf der echten Oberfläche passieren würde.

VI-grade, Teil der Virtual Test Division von Hottinger Brueel and Kjaer, liefert die physische Simulator-Hardware, auf der die meisten hochauflösenden DIL-Programme der Welt laufen. Die DiM-Serie reicht von statischen Cockpit-Konfigurationen bis zum DiM250 DYNAMIC - einem Bewegungssimulator mit neun Freiheitsgraden, der großamplitudige Linearschienenbewegung mit einem Hexapod kombiniert - und kann die Onset-Cues von Bremsen, Kurvenfahrt und Fahrbahnunebenheiten mit ausreichender Genauigkeit für NVH-Abstimmung und subjektive Fahrkomfortbewertung reproduzieren. Zu den bestätigten DiM-Kunden zählen Ferrari, Lamborghini, McLaren, Mercedes-AMG, Porsche Engineering, Stellantis, Tesla, Volkswagen und Volvo Cars.

Ansible Motion, ein DIL-Spezialist aus dem Vereinigten Königreich, hat seine Simulatoren der Strategy Series am oberen Ende des Motion-Platform-Marktes positioniert, mit einem kinematischen Design, das auf die Onset-Cueing-Treue optimiert ist, die für das Fahrdynamikgefühl am wichtigsten ist, statt die reine Bewegungsamplitude zu maximieren. Ansible Motion-Simulatoren werden an mehreren europäischen OEM- und Motorsport-Standorten für Fahrwerksabstimmung und Reifenentwicklung eingesetzt, wo das subjektive Gefühl, das über Lenkrad und Sitz übertragen wird, das primäre Testergebnis ist.

Tests von ADAS- und Algorithmen autonomer Fahrzeuge

Die Entwicklung von Advanced Driver Assistance Systems (ADAS) erfordert Testabdeckung über Szenarioräume, die zu groß, zu gefährlich oder zu teuer sind, um sie mit physischen Fahrzeugtests abzudecken. Ein Fußgängererkennungssystem muss gegen Hunderte von Kombinationen aus Fußgängerposition, Geschwindigkeit, Sichtbedingungen, Fahrzeuggeschwindigkeit und Straßengeometrie validiert werden - plus die seltenen, aber sicherheitskritischen Grenzfälle, in denen sich die Standardbedingungen auf unerwartete Weise kombinieren. Reale Testfahrten können repräsentative Szenarien erfassen, aber nicht effizient die parametrische Abdeckung erzeugen, die die Funktionssicherheitsvalidierung nach ISO 26262 erfordert.

Die Fahrsimulation adressiert dies durch Software-in-the-Loop- und Hardware-in-the-Loop-Architekturen. In einer Software-in-the-Loop-Konfiguration empfängt der Wahrnehmungsalgorithmus vom Simulator erzeugte synthetische Sensordaten - Kamerabilder, Radarechos, LiDAR-Punktwolken - die so gerendert werden, dass sie den Eigenschaften der Seriensensorhardware entsprechen. Der Algorithmus verarbeitet diese Eingaben, und seine Ausgaben werden über die gesamte Szenariomatrix hinweg auf erwartetes Verhalten überprüft. rFpro unterstützt diesen Workflow mit seinen Sensorsimulations-Plugins für die wichtigsten Serienkamera- und Radarmodelle, sodass dieselbe Straßenumgebung und dasselbe Szenarioskript über Nacht in einer Cloud-Batch-Testing-Pipeline über Tausende parametrischer Varianten ausgeführt werden können.

Für Szenarien, in denen die Reaktion des Fahrers auf eine ADAS-Intervention Teil der Bewertung ist - eine Spurhaltewarnung, eine Notbremsung oder eine Aufforderung zur Übernahme vom autonomen System - fügt die Driver-in-the-Loop-Konfiguration einen echten Menschen in den Test ein. Der Simulator präsentiert dem Fahrer das auslösende Szenario und zeichnet seine Reaktion auf, die sowohl in die Zeitparameter der ADAS-Intervention als auch in das HMI-Design der Warnung oder Benachrichtigung einfließt. Diese Art von Forschung lässt sich nicht in einer reinen Softwaresimulation durchführen, da die menschliche Verhaltensreaktion die zu untersuchende Variable ist.

HMI-Forschung und Fahrerverhaltensstudien

Die Human-Machine-Interface (HMI)-Forschung untersucht, wie Fahrer mit der Technologie im Fahrzeug interagieren - Kombiinstrumente, zentrale Displays, Head-up-Displays, Sprachschnittstellen und zunehmend die Übergabeschnittstellen zwischen manuellen und assistierten oder automatisierten Fahrmodi. Fixed-Base-Fahrsimulatoren bieten die kontrollierte Umgebung, die HMI-Forschung erfordert: eine standardisierte Fahraufgabe, stabile Sichtbedingungen und die Möglichkeit, identische Szenarien über verschiedene Testpersonen oder HMI-Konfigurationen hinweg ohne die Variabilität des realen Verkehrs zu wiederholen.

Die Fahrerverhaltensforschung erstreckt sich auf angrenzende Gebiete: Müdigkeits- und Schläfrigkeitserkennung, Ablenkung durch Nebenaufgaben, Reaktionszeitmessung und die Verhaltensreaktionen verschiedener Fahrergruppen auf neuartige Fahrsituationen. Universitäre Verkehrsforschungsgruppen und OEM-Human-Factors-Teams nutzen Fixed-Base-Simulator-Rigs für diese Arbeit und zeichnen neben der primären Fahraufgabe Eye-Tracking, physiologische Signale und Fahrzeugreaktionsdaten auf. Die Möglichkeit, Teilnehmer sicherheitsrelevanten Szenarien auszusetzen - ein Fußgänger, der zwischen parkenden Autos hervortritt, plötzlich einsetzendes Unwetter, ein stehendes Fahrzeug voraus - ohne echte Gefahr macht die Simulation zur einzigen ethisch vertretbaren Methode, um Fahrerreaktionen auf Ereignisse zu untersuchen, die eine Notfallintervention erfordern.

Die Akzeptanzforschung zu autonomen Fahrzeugen hat eine dritte Kategorie von Fahrerverhaltensstudien hinzugefügt: das Verständnis, wie Fahrer auf die Fahrt in einem Fahrzeug reagieren, das sie nicht selbst steuern. Forscher nutzen Simulatorumgebungen, um den Insassenkomfort während autonomer Fahrmanöver zu untersuchen, die Bedingungen, unter denen Insassen eingreifen oder autonome Systeme deaktivieren, sowie die Gestaltung von Übernahmeaufforderungs-Schnittstellen, die dem Fahrer genügend Zeit und Informationen geben, um die Kontrolle sicher wieder zu übernehmen. Diese Studien fließen in die HMI-Spezifikationen serienreifer automatisierter Fahrsysteme ein, Jahre bevor die Fahrzeuge auf den Markt kommen.

Fixed-Base- vs. bewegungsbasierte Fahrsimulatoren

Die Wahl zwischen einem Fixed-Base- und einem bewegungsbasierten Fahrsimulator hängt direkt davon ab, ob die physische Empfindung der Fahrzeugbewegung eine Testvariable ist. Fixed-Base-Simulatoren bieten eine kostengünstige Umgebung für HMI-Forschung, Ablenkungsstudien, Streckenvertrautmachung, Verfahrenstraining und alle Anwendungen, bei denen die vestibuläre Reaktion des Fahrers auf G-Kräfte nicht das ist, was die Studie misst. Ein Fixed-Base-Rig kann je nach Qualität der Cockpit-Hardware und des Projektionssystems für $50.000 bis $500.000 gebaut werden, was es für universitäre Forschungsgruppen, regionale Trainingsprogramme und kleinere OEM-Einrichtungen zugänglich macht.

Bewegungsbasierte Simulatoren bedeuten erheblich höhere Kosten und Komplexität, bieten dafür aber den physischen Realismus, den Fahrzeugdynamik-Bewertung und NVH-Forschung erfordern. Ein Stewart-Plattform-Hexapod-System mit einer für den Automobileinsatz Level-D-äquivalenten Bewegungstreue kostet allein für die Bewegungsbasis $500.000 bis $3 Millionen, wobei das komplette System - Cockpit, visuelle Displays, Fahrzeugdynamikmodell, Straßenumgebung - bei Installationen in Forschungsqualität $5 Millionen bis $15 Millionen erreicht. Der VI-grade DiM250 DYNAMIC mit seinen neun Freiheitsgraden und großamplitudigen Linearschienen für erweiterten Bewegungsweg markiert das obere Ende dieser Spanne.

Zwischen Fixed-Base- und High-End-Motion-DIL-Systemen liegt eine Kategorie kompakter Hexapod-Rigs - manchmal "Mini-Motion"-Plattformen genannt - die Motion Cueing mit begrenzter Amplitude für die Onset-Cues bieten, die für das Fahrdynamikgefühl am wichtigsten sind, zu einem Bruchteil der Kosten großamplitudiger Systeme. Diese sind beliebt bei OEM-Zulieferern im mittleren Segment und Motorsport-Engineering-Gruppen, die Bewegungstreue für Reifen- und Fahrwerksentwicklung benötigen, aber die Kapitalinvestition oder den Platzbedarf einer vollständigen DIL-Installation nicht rechtfertigen können.

Hardware-in-the-Loop-Simulation in der ADAS-Entwicklung

Die Hardware-in-the-Loop (HIL)-Simulation verbindet echte physische Hardware - ein elektronisches Steuergerät, ein Sensormodul, einen Aktuator - mit einem in Echtzeit laufenden simulierten Fahrzeugmodell. Die Hardware empfängt dieselben elektrischen Signale, die sie in einem echten Fahrzeug erhalten würde, verarbeitet sie gemäß ihrer programmierten Logik und liefert Ausgaben zurück, mit denen die Simulation den Fahrzeugzustand aktualisiert. Der Ingenieur kann dann bewerten, ob sich die Hardware über eine Reihe von Bedingungen hinweg korrekt verhalten hat, deren Abdeckung mit einem physischen Testfahrzeug Wochen dauern würde.

In der ADAS-Entwicklung werden HIL-Tests eingesetzt, um Radar-, Kamera- und LiDAR-Verarbeitungseinheiten gegen synthetische Sensordaten zu validieren, die aus einer virtuellen Fahrumgebung erzeugt werden. Die Sensorsimulation muss die elektrischen Eigenschaften der echten Sensorausgabe so genau reproduzieren, dass das Steuergerät synthetische Daten nicht von echten Sensordaten unterscheiden kann - eine Anforderung, die eine sorgfältige Kalibrierung der Simulation anhand realer Sensormessungen über den gesamten Bereich der Betriebsbedingungen verlangt. Die Sensorsimulations-Plugins von rFpro sind darauf ausgelegt, diese Anforderung für die wichtigsten Seriensensorfamilien zu erfüllen, die in aktuellen ADAS-Systemen verwendet werden.

Die HIL-Testumgebung ermöglicht außerdem Regressionstests im großen Maßstab. Wenn ein Software-Update an einem ADAS-Algorithmus vorgenommen wird, kann die HIL-Suite die vollständige Szenariomatrix über Nacht erneut ausführen und Verhaltensänderungen kennzeichnen, bevor die aktualisierte Software für die nächste Entwicklungsstufe freigegeben wird. Diese automatisierte Regressionsfähigkeit ist unverzichtbar für ADAS-Programme, in denen Software-Updates häufig sind und die Folge einer unentdeckten Verhaltensänderung ein Sicherheitsvorfall auf einer öffentlichen Straße wäre. Mehrere OEMs betreiben inzwischen Continuous-Integration-Pipelines, die automatisch HIL-Testsuiten auslösen, sobald neue ADAS-Software-Builds in den Entwicklungszweig committet werden.

Anwendungen im Fahrertraining

Über die F&E hinaus werden Fahrsimulatoren für das operative Fahrertraining in Kontexten eingesetzt, in denen die Kosten oder Gefahren eines Live-Trainings prohibitiv sind. Einsatzkräfte sind ein etablierter Markt: Feuerwehrfahrzeuge, Krankenwagen und Polizeifahrzeuge für Verfolgungsfahrten benötigen Fahrer, die Hochgeschwindigkeitseinsätze, schwierige Fahrbedingungen und Fahrzeugdynamik an den Stabilitätsgrenzen beherrschen. Das Training mit echten Fahrzeugen auf diesem Leistungsniveau birgt ein erhebliches Unfallrisiko und beträchtliche Verschleißkosten an der Einsatztechnik. Fixed-Base- oder kompakte Bewegungssimulatoren ermöglichen es Fahrern, Notfallszenarien wiederholt zu üben, bevor sie in echten Fahrzeugen bewertet werden.

Das Nutzfahrzeugtraining ist ein wachsendes Anwendungsgebiet. Betreiber von Lastkraftwagen (HGV) und Bussen stehen vor einem anhaltenden Mangel an qualifizierten Fahrern und hohen Kosten für Live-Training, das die Außerbetriebnahme von Fahrzeugen und den Einsatz qualifizierter Prüfer erfordert. Fahrsimulator-Training wurde von mehreren europäischen Verkehrsbetrieben als Ergänzung zum Live-Training evaluiert, wobei die Simulation für Gefahrenwahrnehmung, kraftstoffsparende Fahrtechnik und das Üben von Notfallmanövern genutzt wird. Der Markt für Nutzfahrzeugsimulatoren wird von anderen Unternehmen bedient als der OEM-F&E-Markt - spezialisierten Anbietern von Fahrertrainingssimulatoren statt der engineering-fokussierten Plattformen von VI-grade oder rFpro.

Consumer-Fahrsimulatoren - einschließlich VR-basierter Produkte mit Consumer-Headsets - besetzen ein Segment mit geringerer Wiedergabetreue, das sich mit Unterhaltung überschneidet, aber echte Trainingsanwendungen für Fahranfänger in Gefahrenwahrnehmung und grundlegender Fahrzeugkontrolle bietet. Die britische Driver and Vehicle Standards Agency (DVSA) hat VR-basiertes Gefahrenwahrnehmungstraining als Ergänzung zum bestehenden computergestützten Gefahrenwahrnehmungstest evaluiert, und mehrere Fahrschulen in Europa nutzen kostengünstige Simulator-Rigs, um Fahrschülern vor ihrer ersten Live-Fahrt im öffentlichen Straßenverkehr Übung bei schwierigen Wetter- und Straßenbedingungen zu ermöglichen.

Häufig gestellte Fragen

Was ist ein Driver-in-the-Loop (DIL) Fahrsimulator?

Ein Driver-in-the-Loop (DIL)-Simulator setzt einen echten menschlichen Fahrer in ein Fahrzeug-Mockup, das auf einer Bewegungsplattform montiert und von visuellen Displays umgeben ist, die die simulierte Umgebung darstellen. Im Gegensatz zu reinen Software-Fahrzeugdynamikmodellen erzeugt ein DIL-System über die Bewegungsplattform die physischen Empfindungen von Beschleunigung, Bremsen und Kurvenfahrt, sodass die propriozeptiven Reaktionen des Fahrers beeinflussen, wie er mit dem virtuellen Fahrzeug interagiert. OEMs nutzen DIL-Simulatoren, um Fahrwerksabstimmung, Lenkgefühl und NVH-Eigenschaften zu bewerten, bevor ein physischer Prototyp existiert, und um ADAS und autonome Systeme aus der Perspektive eines besetzten Fahrzeugs zu testen. Unternehmen wie VI-grade und Ansible Motion liefern die Hardware, während rFpro die Straßenumgebungssoftware bereitstellt, auf der die meisten DIL-Rigs laufen.

Was ist Hardware-in-the-Loop (HIL) Simulation und wie unterscheidet sie sich von Driver-in-the-Loop?

Die Hardware-in-the-Loop (HIL)-Simulation verbindet echte elektronische Steuergeräte (ECUs) oder physische Komponenten - einen Bremsregler, ein Kameramodul, eine Radareinheit - mit einem in Echtzeit laufenden simulierten Fahrzeugmodell, sodass Ingenieure das Verhalten der Hardware testen können, ohne ein komplettes Fahrzeug zu bauen. Bei HIL-Tests gibt es keinen menschlichen Fahrer; die Simulation erzeugt die Sensoreingaben, die die Hardware in einem echten Fahrzeug erhalten würde, und überprüft, ob die ECU korrekt reagiert. Die Driver-in-the-Loop-Simulation fügt einen menschlichen Fahrer in die Schleife ein und eignet sich damit für die Bewertung der Mensch-Maschine-Interaktion, des subjektiven Fahrgefühls und von ADAS-Funktionen, bei denen das Fahrerverhalten die Systemleistung beeinflusst. Die meisten ADAS-Entwicklungsprogramme nutzen beides: HIL für die Softwarevalidierung im großen Maßstab und DIL für die wahrnehmungsbezogene Bewertung mit echten Fahrern.

Wie nutzen Automobil-OEMs Fahrsimulatoren für die Entwicklung von ADAS und autonomen Fahrzeugen?

Die Entwicklung von ADAS und autonomen Fahrzeugen erfordert Tests über Tausende von Szenariovarianten hinweg - unterschiedliche Straßengeometrien, Wetterbedingungen, Fußgängerverhalten und Grenzfälle - in einem Umfang, der mit realen Testfahrten physisch unmöglich abzudecken ist. Fahrsimulatoren ermöglichen dies, indem sie parametrische Szenariovarianten in Software ausführen, synthetische Sensordaten (Kamera, Radar, LiDAR) in Wahrnehmungsalgorithmen einspeisen und Systemreaktionen ohne die Kosten oder Risiken von Straßentests bewerten. Die submillimetergenauen Straßenoberflächenmodelle von rFpro ermöglichen Reifenmodell-Validierung und ADAS-Algorithmustests gegen Umgebungen, die aus echten LiDAR-Scans von Testgeländen rekonstruiert wurden. Für Szenarien mit seltenen, aber kritischen Ereignissen - von parkenden Fahrzeugen verdeckte Fußgänger, plötzlich einsetzendes Unwetter, Sensor-Grenzfälle - ist die Simulation die einzige praktikable Testmethode in dem Maßstab, den die Funktionssicherheitsvalidierung nach ISO 26262 erfordert.

Was ist der Unterschied zwischen einem Fixed-Base- und einem bewegungsbasierten Fahrsimulator?

Ein Fixed-Base-Fahrsimulator nutzt ein Fahrzeugcockpit auf einem stationären Gestell, wobei visuelle Displays oder eine Projektionskuppel die Fahrumgebung liefern. Er bietet präzises visuelles und akustisches Feedback, aber keine physischen Bewegungsreize. Bewegungsbasierte Simulatoren fügen eine Bewegungsplattform hinzu, die Beschleunigung, Bremsen und Querkräfte reproduziert - entweder über einen Stewart-Plattform-Hexapod, ein Linearschienensystem mit großamplitudiger X-Y-Bewegung oder eine Kombination aus beidem. Fixed-Base-Simulatoren eignen sich für HMI-Forschung, Streckenvertrautmachung, Ablenkungsstudien und Verfahrenstraining, bei denen das physische Fahrgefühl nicht die Testvariable ist. Bewegungsbasierte Simulatoren sind erforderlich für Fahrzeugdynamik-Entwicklung, NVH-Bewertung und ADAS-Szenarien, in denen die physische Reaktion des Fahrers auf G-Kräfte das untersuchte Verhalten beeinflusst.