Teslas FSD-Streaks machen das FSD-System zum Spiel und fördern riskant

Teslas Full Self-Driving (FSD) verbessert sich durch einen Rückkopplungsmechanismus, der menschliche Überwachung mit maschinellem Lernen kombiniert. Das System nutzt durchgängige neuronale Netze, die mit riesigen Mengen an realen Telemetrie- und Simulationsdaten trainiert werden, und heute spielen menschliche Fahrer dabei zwei Rollen.

Erstens fungieren sie als Sicherheitsüberwacher, die rechtlich für die Handlungen des Fahrzeugs verantwortlich bleiben. Zweitens dienen ihre manuellen Eingriffe als Annotationen, die Situationen für weiteres Training markieren.

Mit FSD v14.2 und später FSD v14.3.3, das zusammen mit dem Frühjahrs-Update 2026 eingeführt wurde, hat Tesla die Art und Weise angepasst, wie Fahrer mit diesem Prozess interagieren. Durch die Einführung von Anreizen zur Vermeidung von Deaktivierungen mittels „Distance Streak“ und „Daily Streak“ in der Self-Driving-App fördert das Design spezifische Verhaltensweisen der Fahrer.

Diese Veränderung beeinflusst die Wahrnehmung von FSD und kann sich sowohl auf die Sicherheit im Straßenverkehr als auch auf die Datenprozesse auswirken, die dazu beigetragen haben, das System sicherer zu machen.

Die Highscore-Illusion

Der Übergang begann unauffällig mit FSD v14.2, das eine passive Kennzahl einführte, die den genauen Prozentsatz der insgesamt autonom gefahrenen Meilen anzeigt. Obwohl sie in einem Untermenü versteckt war, spornte dies einige Besitzer dazu an, eine Quote von 100 % autonom gefahrener Meilen anzustreben.

Das Frühjahrs-Update 2026 verstärkte dies, indem die maximale Distanz zwischen den Eingriffen des Fahrers direkt unter der aktiven Geschwindigkeitsanzeige dargestellt wurde, was eine sicherheitsrelevante Kennzahl faktisch in einen laufenden Highscore verwandelte.

Jeder manuelle Eingriff – ob das Betätigen der Bremse, das Bewegen des Lenkrads oder das Drücken eines Knopfes – setzt diesen Distanzzähler auf null zurück, was als wahrgenommene Strafe für das Eingreifen empfunden wird.

Gleichzeitig führt die Nutzung des Gaspedals oder der Blinker zur Steuerung von FSD nicht zu einem Zurücksetzen des Zählers, was eine enge Grenze dessen zieht, was als „akzeptable“ Eingabe gilt. Es gibt weder explizite Warnungen oder Haftungsausschlüsse für diese Funktion, noch die Option, sie zu deaktivieren.

Glücksspiel durch „Abwarten“

Obwohl FSD statistische Sicherheitsniveaus erreicht hat, die über denen eines durchschnittlichen menschlichen Fahrers liegen, kann es dennoch auf Grenzfälle stoßen. Selbst unüberwachte Robotaxis in Austin sind auf Remote-Unterstützung angewiesen, um auftretende Probleme zu lösen.

Zu den wiederkehrenden Problemen, über die einige Besitzer berichten, gehören unberechenbare Routenplanung, falsch eingeschätzte Spurwechsel, falsche Autobahnausfahrten sowie übermäßiges Zögern oder abruptes Bremsen an Stoppschildern und bei Schattenwurf.

Sicherheitscheck in der Realität

Ein Navigationsfehler kann sich dennoch zu einem gefährlichen Ereignis auswachsen. So wurde beispielsweise von einem Cybertruck mit FSD v14.3.3, der neuesten FSD-Version, berichtet, der mit Autobahngeschwindigkeit auf eine Notfallspur für außer Kontrolle geratene Lkw fuhr.

Unter der üblichen SAE-Level-2-Überwachung wird von einem Fahrer, der einen Fehler bemerkt, erwartet, dass er umgehend die Kontrolle übernimmt, was dazu beiträgt, den Verkehrsfluss aufrechtzuerhalten und das Risiko für alle Beteiligten zu verringern. Die „Distance Streak“-Mechanik verändert diese Anreize.

Wenn eine Serie von mehreren hundert Meilen auf dem Spiel steht, zögern einige Fahrer möglicherweise, einzugreifen, in der Hoffnung, dass sich das FSD von selbst fängt. In einem Video war ein Model Y, das eine FSD-Reise von Küste zu Küste unternahm, beinahe ein Totalschaden.

Schlechte Daten für FSD

Über unmittelbare Sicherheitsbedenken hinaus kann Gamification die Qualität der Trainingsdaten beeinträchtigen. Teslas „Data Flywheel“ verarbeitet Millionen von Fahrstunden, einschließlich Eingriffen, Grenzfällen, Sprachnotizen und anderen Statistiken, um seine neuronalen Netze zu verfeinern.

Manuelle Deaktivierungen signalisieren, dass das FSD etwas Illegales, Unangenehmes, Falsches oder Gefährliches getan hat. Diese Momente helfen dabei, die Grenzen des Systems abzustecken und aufzuzeigen, was verbessert werden muss, um ein unüberwachtes FSD zu erreichen. Wenn Fahrer in unangenehmen oder suboptimalen Situationen auf einen Eingriff verzichten, werden weniger dieser wertvollen Signale gesammelt.

Indem das System die Serie eines Fahrers nach jeder manuellen Deaktivierung öffentlich zurücksetzt, entmutigt es genau das Verhalten, auf das die KI-Teams angewiesen sind. Wenn Fahrer natürliche Sicherheitsinterventionen unterdrücken, um ihre numerische Serie zu schützen, liefern sie weniger hochwertige Daten für die Trainings-Pipeline.