Markt für KI-Basismodelle im Automobilbereich Größe und Anteil 2026-2035

Marktgröße für KI-Grundlagenmodelle im Automobilbereich

Der Markt für KI-Grundlagenmodelle im Automobilbereich erreichte 2025 ein Volumen von 900 Millionen US-Dollar und dürfte von 2026 bis 2035 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von etwa 38,5 % wachsen und bis 2035 ein Volumen von 23,6 Milliarden US-Dollar erreichen.

Das Wachstum spiegelt den zunehmenden Einsatz von Modellen wider, die Verkehrsszenen interpretieren, Sensoreingaben zusammenführen und darauf basierend Schlussfolgerungen ziehen, Trainingsszenarien generieren und fahrzeuginterne Intelligenz unterstützen können. Der Sicherheitsaspekt ist auch kommerziell relevant: Verkehrsunfälle verursachen Schätzungen zufolge weltweit jedes Jahr 1,19 Millionen Todesfälle. Dies stützt die Nachfrage nach Systemen, die Erkennung, Fahrerüberwachung und automatisierte Entscheidungsfindung verbessern ^{[1]World Health Organization, Global Status Report on Road Safety 2023. who.int}.

Der Einsatz von Grundlagenmodellen geht über isolierte Wahrnehmungsaufgaben hinaus und bewegt sich in Richtung Architekturen, die Bild-, Sprach-, Radar-, Karten-, Fahrzeugzustands- und Verhaltensdaten kombinieren. Dadurch verändert sich die Entwicklungslogik für Automobilhersteller und Betreiber automatisierter Fahrsysteme. Ein wiederverwendbares Modell kann mehrere Fahrzeugfunktionen unterstützen. Sein kommerzieller Nutzen hängt jedoch davon ab, ob es unter den Sicherheitsanforderungen der Automobilindustrie validiert, an regionale Fahrbedingungen angepasst und innerhalb begrenzter Rechenleistungs- und Energiebudgets eingesetzt werden kann.

ADAS für Verbraucher sind derzeit die größte Anwendung, da sie über die bereits im Fahrzeugbestand installierten Systeme einen Weg zur Skalierung bieten. Die bedeutendere Wachstumschance liegt bei End-to-End-Modellen für autonomes Fahren. Hier können Modellfähigkeiten, Simulationstiefe und Lernen aus Flottendaten darüber entscheiden, ob ein System von einem begrenzten Betriebsbereich zu einem wiederholbar kommerziell einsetzbaren Produkt gelangt. Der Markt begünstigt daher Unternehmen, die umfangreiche Datenbestände mit einer konsequenten Sicherheitsvalidierung verbinden, und nicht jene, die lediglich größere Modelle einführen.

Wichtigste Wachstumstreiber

Steigende Nachfrage nach Fahrzeugsicherheit und der Verringerung von Unfällen

Der Druck, die Verkehrssicherheit zu erhöhen, fördert Investitionen in Grundlagenmodelle, die seltene, mehrdeutige und Situationen mit mehreren Verkehrsteilnehmern interpretieren können. Die Schätzung der Weltgesundheitsorganisation von jährlich 1,19 Millionen Verkehrstoten verdeutlicht das Ausmaß des zugrunde liegenden Problems. Die NHTSA schätzt, dass die endgültige Vorschrift für automatische Notbremssysteme jährlich 360 Menschenleben retten und 24.000 Verletzungen verhindern könnte ^{[2]National Highway Traffic Safety Administration, NHTSA Finalizes Rule on Automatic Emergency Braking. nhtsa.gov}. Für Automobilhersteller liegt der strategische Nutzen nicht allein in einer höheren Genauigkeit der Objekterkennung. Entscheidend ist vielmehr, Wahrnehmung mit der Überwachung des Fahrerzustands, der Trajektorienvorhersage und der Eingriffslogik für ein breiteres Spektrum an Bedingungen zu verknüpfen.

Regulatorische Vorgaben für fortschrittliche Fahrerassistenzsysteme

Sicherheitsvorschriften erhöhen die Bedeutung fortschrittlicher Sensorik- und Eingriffsfunktionen im Fahrzeugdesign. Der Sicherheitsrahmen der NHTSA für automatisierte Fahrzeuge verdeutlicht die anhaltende Rolle der behördlichen Aufsicht bei Tests, Markteinführung und Sicherheitsbewertung. Gleichzeitig haben die europäischen Anforderungen an die Fahrzeugsicherheit die Einführung von Funktionen wie intelligenter Geschwindigkeitsassistenz, autonomer Notbremsung und Müdigkeitserkennung für Fahrer vorangetrieben ^{[3]National Highway Traffic Safety Administration, Automated Vehicle Safety. nhtsa.gov}. FMVSS 127 schreibt automatische Notbremssysteme für leichte Fahrzeuge vor; die Einhaltung der Vorschrift wird bis September 2029 schrittweise umgesetzt. Die EU-Vorschrift zur intelligenten Geschwindigkeitsassistenz gilt seit Juli 2024 für alle neu zugelassenen Fahrzeuge. Rund 67 % der 15 Millionen Pkw, die 2025 in China verkauft wurden, verfügten über ADAS-Funktionen. Die Europäische Kommission hat außerdem harmonisierte Testverfahren für ADAS und ADS als Teil ihres Aktionsplans für den Automobilsektor ausgewiesen. Diese Anforderungen schaffen eine Nachfrage nach Modellen, die über den gesamten Lebenszyklus eines Fahrzeugs hinweg dokumentiert, getestet und überwacht werden können, statt als kontinuierlich veränderte Softwaredienste für Verbraucher behandelt zu werden.

Auch das Vereinigte Königreich richtet öffentliche Fördermittel auf den Wandel im Automobilsektor aus. Das Programm DRIVE35 mit einem Volumen von 2,5 Milliarden Pfund und die Initiative Connected and Automated Mobility Pathfinder mit 18 Millionen Pfund unterstreichen die wirtschaftliche Bedeutung inländischer Kompetenzen in den Bereichen Software, automatisierte Mobilität und Fahrzeugentwicklung.

Einführung von Foundation-Modellen für autonomes Fahren und ADAS

Weltmodelle können Fahrdaten zu einer Entwicklungsressource machen, indem sie die Szenariengenerierung, das Lernen aus mehreren Perspektiven und die Closed-Loop-Evaluierung unterstützen. Die für den Automobilbereich angepassten Cosmos-Weltmodelle von NVIDIA wurden mit mehr als 20.000 Stunden Fahrdaten trainiert und sind für die Generierung synthetischer Daten sowie das Closed-Loop-Training aus mehreren Perspektiven ausgelegt. Der zugrunde liegende Mechanismus ist entscheidend: Eine bessere Simulationsabdeckung kann ein Planungssystem Grenzfällen aussetzen, deren vollständige Erfassung bei realen Straßentests langsam, teuer oder unsicher wäre.

Zunehmende Integration generativer KI in vernetzte Fahrzeuge

Programme für vernetzte Fahrzeuge weiten den Einsatz generativer KI von cloudbasierten Assistenten auf Funktionen aus, die lokalen Kontext, Datenschutzkontrollen und kurze Reaktionszeiten erfordern. Multimodale Plattformen für physische KI sollen Wahrnehmung und Schlussfolgerung in Anwendungen für autonome Fahrzeuge und Robotik miteinander verbinden. Die Vorschrift des U.S. Bureau of Industry and Security für vernetzte Fahrzeuge verbietet in Fahrzeugen des Modelljahrs 2027 bestimmte Software für Fahrzeugkonnektivitätssysteme und automatisierte Fahrsysteme mit Verbindungen zu China und Russland. Dadurch wächst die adressierbare Nachfrage über das autonome Fahren hinaus, insbesondere bei Cockpit-Schnittstellen, kontextbezogener Assistenz, vorausschauender Fahrzeugunterstützung und personalisierten Erlebnissen im Fahrzeug.

Wichtigste Markthemmnisse

Hoher Rechenaufwand für Echtzeit-Inferenz

Automotive-Foundation-Modelle stehen vor anderen Einsatzbedingungen als Anwendungen in Rechenzentren. Fahrzeuge müssen Inferenz mit vorhersehbarer Latenz, unter Einhaltung thermischer Grenzen und Leistungsbeschränkungen sowie funktionaler Sicherheitsanforderungen ausführen. Das Portfolio der IEEE-Standards für autonome und intelligente Systeme umfasst IEEE 2941 to 2021 zur Modellkomprimierung sowie Standards zu Sicherheits- und Ethikaspekten autonomer Systeme. Dies verdeutlicht, warum sich Recheneffizienz und Zuverlässigkeit beim Einsatz in der Automobilindustrie nicht voneinander trennen lassen. Die Forschung zu Cloud-Edge-Terminal-Architekturen für autonomes Fahren identifiziert Latenz- und Koordinierungsbeschränkungen als zentrale Hindernisse für den Einsatz entfernter Rechenkapazitäten bei zeitkritischen Fahrzeugfunktionen. Die Entwicklerplattform NVIDIA DRIVE AGX Thor veranschaulicht die obere Grenze der verfügbaren Fahrzeugrechenleistung und bietet bis zu 1.000 TOPS für Anwendungen in autonomen Fahrzeugen und generativer KI.

Die Einschränkungen sind bei Modellen besonders ausgeprägt, die hochauflösende Kameradatenströme, Radar, Lidar, Kartendaten und Fahrzeugtelemetrie kombinieren. Ein größeres Modell kann die Generalisierungsfähigkeit in der Entwicklung verbessern, zugleich aber für Serienfahrzeuge unwirtschaftliche Hardwareanforderungen mit sich bringen. Rivians Entscheidung, NVIDIA-Hardware durch einen eigenen KI-Chip zu ersetzen, verdeutlicht das Streben der Branche nach kosteneffizienterer Rechenleistung für die Automobilindustrie. Dadurch entsteht eine kommerzielle Aufteilung zwischen cloudbasierten Trainings- und Simulationsanwendungen, leistungsstarken Edge-Systemen für Premiumfahrzeuge oder automatisierte Flotten sowie hybriden Architekturen, bei denen nur zeitkritische Aufgaben im Fahrzeug ausgeführt werden.

Datenschutzbedenken und Beschränkungen grenzüberschreitender Datenübermittlungen

Foundation-Modelle sind auf umfangreiche und vielfältige Fahrdaten angewiesen. Fahrzeugdaten können jedoch identifizierbare Bilddaten, Standortverläufe, Sprachinteraktionen und Verhaltenssignale umfassen. Die Weltbank bezeichnet die Datenverwaltung als zentrales Thema beim Einsatz von Verkehrstechnologien, insbesondere dort, wo sich grenzüberschreitende Datenübermittlungen, lokale politische Rahmenbedingungen und institutionelle Kapazitäten unterscheiden. Vorschriften wie die DSGVO, der CCPA und Chinas PIPL erhöhen den Bedarf an regionalen Datenverarbeitungsstrategien anstelle einer einzigen globalen Trainingspipeline. In China unterliegen bestimmte Kategorien kritischer Fahrzeugdaten Lokalisierungsanforderungen; für grenzüberschreitende Übermittlungen kann zudem eine Sicherheitsbewertung durch die CAC erforderlich sein. Auch die Vorschrift des U.S. Bureau of Industry and Security zu vernetzten Fahrzeugen verbietet in Fahrzeugen des Modelljahrs 2027 bestimmte Software für Fahrzeugkonnektivitätssysteme und automatisierte Fahrsysteme mit Bezug zu China oder Russland.

Für Zulieferer bedeutet dies höhere Anforderungen an die Datenherkunft, die Zugriffskontrolle und die Gestaltung der Modellverwaltung. Flottendaten können erst dann kommerziell wertvoll sein, wenn Anforderungen an Einwilligung, Aufbewahrungsdauer, Lokalisierung und Anonymisierung erfüllt sind. Unternehmen, die regionale Datenprozesse aufbauen können, ohne ihre Modellentwicklung zu fragmentieren, haben einen praktischen Vorteil.

Diese Spannung spricht für modulare Bereitstellungsstrategien. Cloud-Infrastruktur bleibt für das Training und die Generierung von Szenarien wertvoll, während Edge-Systeme die Reaktionsfähigkeit gewährleisten und die Abhängigkeit von einer dauerhaften Konnektivität verringern. Die kommerziell überzeugendsten Angebote werden jene sein, die diesen Gegensatz in einen technischen Vorteil umwandeln: komprimierte Fahrzeugmodelle für einen deterministischen Betrieb, kombiniert mit skalierbarem Cloud-Lernen und Governance-Prozessen, die regionalen Datenbeschränkungen standhalten können.

Marktsegmentanalyse für KI-Basismodelle im Automobilbereich

Nach Modellfähigkeit

Multimodale große Sprachmodelle erzielten 2025 einen Umsatz von 166,8 Millionen US-Dollar und dürften bis 2035 auf 5,5 Milliarden US-Dollar wachsen. Dies entspricht einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 42,3 %. Besonders relevant sind sie dort, wo Fahrzeugsysteme die Interaktion in natürlicher Sprache mit visuellen, kontextbezogenen und fahrzeugzustandsbezogenen Informationen kombinieren müssen, insbesondere in intelligenten Cockpits und bei der Unterstützung von Bedienpersonal.

Welt-Basismodelle erzielten 2025 einen Umsatz von 80,8 Millionen US-Dollar und dürften bis 2035 bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 34,9 % auf 1,6 Milliarden US-Dollar wachsen. Sie sind darauf ausgelegt, die physische Fahrumgebung zu modellieren und Simulationen, Planung sowie die Generierung von Szenarien zu unterstützen. Die Cosmos-Plattform von NVIDIA veranschaulicht die Entwicklungsrichtung, indem sie multimodale Weltmodelle für Anwendungen der physischen KI positioniert ^{[4]NVIDIA, Physical AI with World Foundation Models (Cosmos). developer.nvidia.com}.

Visuelle Basismodelle erzielten 2025 einen Umsatz von 182,4 Milliarden US-Dollar und dürften bis 2035 auf 3.355,8 Milliarden US-Dollar wachsen. Dies entspricht einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 34,0 %. Ihr Nutzen beruht auf übertragbaren visuellen Repräsentationen, die sich für verschiedene Verkehrsteilnehmer, Wetterbedingungen, Beschilderungen, die Überwachung des Fahrzeuginnenraums und unterschiedliche Fahrzeugkamerakonfigurationen anpassen lassen.

Generative Modelle für synthetische Daten erzielten 2025 einen Umsatz von 259,5 Millionen US-Dollar und dürften bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 36,1 % bis 2035 auf 5,5 Milliarden US-Dollar wachsen. Sie adressieren einen Engpass in der Entwicklung: Seltene Ereignisse lassen sich allein durch die Erfassung von Flottendaten nur schwer in ausreichendem Umfang abbilden. Für die Automobilindustrie angepasste Weltmodelle können synthetische Szenarien generieren und das Training in geschlossenen Regelkreisen über mehrere Kameraperspektiven hinweg unterstützen ^{[5]NVIDIA, Simplify End-to-End AV Development with NVIDIA Cosmos World Foundation Models. developer.nvidia.com}.

Modelle für autonomes Fahren mit Ende-zu-Ende-Ansatz sind das am schnellsten wachsende Fähigkeitssegment. Ihr Umsatz dürfte bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 38,8 % von 208,2 Millionen US-Dollar im Jahr 2025 auf 5,4 Milliarden US-Dollar im Jahr 2035 steigen. Ihr Reiz liegt in der Aussicht, Wahrnehmung, Vorhersage und Fahrhandlungen als integriertes System zu optimieren. Ebenso umfassend sind jedoch auch die Risiken: Bei einer Ende-zu-Ende-Architektur muss überzeugender nachgewiesen werden, dass ihr Verhalten auch in unbekannten Situationen sicher und nachvollziehbar bleibt.

3D-Szenenrekonstruktionsmodelle erzielten 2025 einen Umsatz von 46,9 Millionen US-Dollar und dürften bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 36,9 % bis 2035 auf 1,1 Milliarden US-Dollar wachsen. Diese Modelle unterstützen das räumliche Verständnis, die Rekonstruktion digitaler Umgebungen und realistischere Simulationsdaten.

Nach Lizenzierung

Proprietäre/kommerzielle Modelle lagen 2025 im Lizenzierungssegment vorn. Ihre Position spiegelt die Nachfrage von OEMs und Zulieferern nach vertraglicher Unterstützung, kontrollierten Updates, Dokumentation zur Absicherung und einer klaren Haftungsverteilung wider. Open-Source-Modelle erreichten 205,3 Millionen US-Dollar, gestützt durch den Bedarf an Experimenten im Ökosystem und den Zugang für Entwickler. NVIDIA's Alpamayo-Initiative ist ein Beispiel für Open-Source-Modelle für Fahrzeug-, Sprach- und Aktionssteuerung sowie für ein Ökosystem, zu dem JLR, Lucid und Uber für die Entwicklung von Level 4 gehören. Hybride Modelle machten 146,9 Millionen US-Dollar aus. Sie ermöglichen es Unternehmen, proprietäre Fahrzeugdaten und Bereitstellungskontrollen beizubehalten und zugleich auf zugänglichen Modellkomponenten aufzubauen.

Nach Bereitstellung

Edge-/On-Vehicle-Modelle hielten 2025 den größten Anteil an den Bereitstellungen. Ihr Vorsprung spiegelt die betriebliche Notwendigkeit unmittelbarer Wahrnehmungs- und Steuerungsentscheidungen wider, wenn die Netzwerkqualität schwankt oder eine Abhängigkeit von der Cloud ungeeignet ist. Cloudbasierte Modelle machten 413,6 Millionen US-Dollar aus und kamen beim Modelltraining, bei Simulationen, Flottenanalysen und Aufgaben zur kontinuierlichen Verbesserung zum Einsatz.

Nach Anwendung

Consumer-ADAS war 2025 mit einem Wert von 245,2 Millionen US-Dollar die größte Anwendung. Dieses Segment verfügt über die breiteste Basis an Serienfahrzeugen und ist unmittelbar mit der Nachfrage aufgrund von Regulierung und Verbrauchersicherheit verbunden. Autonomous Vehicle Planning & Operations erreichte 345,2 Millionen US-Dollar. Diese Anwendungen erfordern eine umfassendere betriebliche Validierung, da ihr Geschäftsmodell von der Fahrleistung ohne Fahrer oder von Flottenmanagement abhängt.

Intelligent Cockpit & In-Vehicle AI machte 2025 260,8 Millionen US-Dollar aus. Das Wachstum hängt davon ab, ob Automobilhersteller nützliche, den Fahrzeugkontext berücksichtigende Intelligenz bereitstellen können, ohne sensible Gespräche oder Verhaltensdaten fortlaufend an die Cloud zu senden. Das Segment „Sonstige“ erzielte 76 Millionen US-Dollar.

Nach Endverwendung

OEMs bildeten 2025 mit 329,5 Millionen US-Dollar das größte Endverwendungssegment. Dies spiegelt ihre Kontrolle über die Fahrzeugarchitektur, die Integration in die Produktion, das Gewährleistungsrisiko und das Kundenerlebnis wider. Betreiber autonomer Fahrzeuge machten 256,6 Millionen US-Dollar aus; bei ihnen sind Modelle unmittelbar an die Flottenauslastung und die betrieblichen Einsatzbereiche geknüpft. Tier-1-Automobilzulieferer erzielten 209,2 Millionen US-Dollar und bleiben wichtige Vermittler, da sie Modellfähigkeiten in qualifizierte Sensorik-, Rechen-, Brems-, Lenkungs-, Cockpit- und Softwaresysteme überführen.

Die Entscheidungen zu Lizenzierung und Bereitstellung verstärken diesen Unterschied. Proprietäre Modelle sind dort attraktiv, wo Rechenschaftspflicht und Support entscheidend sind, während offene Ökosysteme Experimente und Anpassungen beschleunigen können. Edge-Bereitstellungen sind führend, weil Fahrentscheidungen nicht auf eine Netzwerkantwort warten können. Cloud-Kapazitäten bleiben jedoch für Training und Simulation unverzichtbar. Anbieter, die ein einheitliches Modell über diese Umgebungen hinweg aufrechterhalten können, statt Cloud- und Fahrzeugsoftware als voneinander getrennte Produkte zu behandeln, sind besser aufgestellt, um Wertschöpfung zu erzielen.

Regionale Analyse des Markts für KI-Basismodelle im Automobilbereich

Nordamerika

Nordamerika war 2025 mit einem Marktwert von 517,2 Millionen US-Dollar und einem Anteil von etwa 47,2 % am weltweiten Umsatz der größte regionale Markt. Bis 2035 dürfte der Markt bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 38,6 % auf 13,2 Milliarden US-Dollar anwachsen. Auf die Vereinigten Staaten entfielen 2025 490,6 Millionen US-Dollar, während Kanada einen Marktwert von 30,2 Milliarden US-Dollar verzeichnete. Die Region vereint eine fortschrittliche Entwicklung von Automobilsoftware, umfangreiche Tests automatisierter Mobilität und ein regulatorisches Umfeld, in dem die NHTSA weiterhin den Rahmen für die Sicherheitsaufsicht über automatisierte Fahrzeuge setzt.

Der Wettbewerb in Nordamerika weitet sich zudem vom automatisierten Fahren auf eingebettete Intelligenz aus. Mercedes-Benz und Liquid AI kündigten im April 2026 eine Partnerschaft an, um Liquid Foundation Models für MBUX-Systeme der dritten und vierten Generation in Nordamerika zu skalieren. Im Mittelpunkt steht dabei der Betrieb direkt auf dem Gerät, unabhängig von einer Cloud-Verbindung ^{[6]Mercedes-Benz and Liquid AI, Mercedes-Benz and Liquid AI Partner to Scale Embedded In-Car Intelligence in North America. media.mbusa.com}. Damit wird intelligente Cockpit-Technologie zu einem Einsatzweg für Basismodelle, auch wenn die vollständige Autonomie weiterhin eingeschränkt ist.

Europa

Europa erwirtschaftete 2025 einen Marktumsatz von 139,2 Millionen US-Dollar. Bis 2035 dürfte der Markt bei einer durchschnittlichen jährlichen Wachstumsrate von 35,3 % auf 2,8 Milliarden US-Dollar anwachsen. Deutschland führte die Region mit 52,4 Millionen US-Dollar an.

Die Einführung in Europa wird durch Sicherheitsvorschriften, Datenschutzanforderungen und eine konzentrierte Automobilzulieferindustrie geprägt. Die britischen Programme DRIVE35 und CAM Pathfinder bieten zusätzliche politische Unterstützung für Investitionen in fortschrittliche Automobiltechnologien sowie in vernetzte und automatisierte Mobilität ^{[7]World Bank, Transformative Technologies in Transportation. worldbank.org}. Die kommerzielle Herausforderung besteht darin, Modelle zu entwickeln, die von der Datenvielfalt verschiedener Märkte profitieren und zugleich den strengen Datenschutzanforderungen gerecht werden.

Asien-Pazifik

Asien-Pazifik dürfte der am schnellsten wachsende regionale Markt sein und bei einer durchschnittlichen jährlichen Wachstumsrate von 40,2 % von 241,9 Millionen US-Dollar im Jahr 2025 auf 7 Milliarden US-Dollar im Jahr 2035 anwachsen. China ist der größte Markt der Region. Treiber sind die hohe Zahl an Fahrzeugen mit alternativen Antrieben, die Entwicklung vernetzter Fahrzeuge und die politische Förderung der Automobiltechnologie. Japan, Südkorea, Indien, Singapur, Australien, Thailand und das übrige Asien-Pazifik weisen unterschiedliche Nachfragemuster in den Bereichen Premiumfahrzeuge, Flottendienste, Smart-City-Initiativen und lokalisierte Fahrzeugplattformen auf.

Die Chancen in der Region sind unterschiedlich verteilt. Chinas Größe ermöglicht umfangreiche Lernprozesse auf Basis großer Fahrzeugflotten, während andere Märkte möglicherweise gezielte Smart-Mobility-Programme oder importierte Fahrzeugplattformen einführen. Die Analyse der Verkehrstechnologie durch die Weltbank stellt fest, dass Schwellenländer durch Technologiesprünge und lernende Flotten von neuen Ansätzen profitieren können. Für das Umsetzungstempo bleiben jedoch die Rahmenbedingungen in den Bereichen Governance und Infrastruktur entscheidend.

Lateinamerika

Der Markt in Lateinamerika belief sich 2025 auf insgesamt 16,1 Millionen US-Dollar und dürfte bis 2035 bei einer durchschnittlichen jährlichen Wachstumsrate von 33,5 % auf 285,3 Millionen US-Dollar anwachsen. Brasilien ist der wichtigste Markt; Mexiko, Argentinien und Chile bieten weitere Entwicklungsmöglichkeiten. Die Einführung dürfte eher mit Anwendungen in den Bereichen Sicherheit, Flotten, Logistik und vernetzte Mobilität beginnen als mit einem flächendeckenden Einsatz kostspieliger autonomer Fahrsysteme. Die intelligente Verkehrsinfrastruktur in São Paulo zeigt, wie Systeme auf Stadtebene eine Grundlage für datengestützte Mobilitätsdienste schaffen können.

Mittlerer Osten und Afrika

Der Markt im Nahen Osten und Afrika erwirtschaftete 2025 einen Umsatz von 12,9 Millionen US-Dollar und wird bis 2035 voraussichtlich auf 284,6 Millionen US-Dollar anwachsen. Dies entspricht einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 36,2 %. Die VAE sind die führenden Frühanwender der Region, während Südafrika und Saudi-Arabien zusätzliche Chancen im Automobil- und Mobilitätssektor bieten. Die politischen Ambitionen der VAE im Bereich autonomer Mobilität schaffen ein gezieltes Umfeld für Tests von Flotten, Infrastruktur und Fahrzeugintelligenz. Der Umfang des Einsatzes wird jedoch von den lokalen Betriebsbedingungen und der Umsetzung der Daten-Governance abhängen.

Das höhere prognostizierte Wachstum im asiatisch-pazifischen Raum wird durch die Größe des chinesischen Marktes und die unterschiedlichen Wege der Region hin zu vernetzter und intelligenter Mobilität gestützt. In Lateinamerika sowie im Nahen Osten und Afrika dürfte Wertschöpfung zunächst durch gezielte Einsätze in den Bereichen Logistik, urbane Systeme und Flottenbetrieb entstehen, bevor eine breitere Einführung des autonomen Fahrens praktikabel wird. Diese regionale Fragmentierung macht lokale Datenstrategien, die Abstimmung auf regulatorische Vorgaben und die Auswahl von Partnern ebenso wichtig wie die zugrunde liegende Modellleistung.

Marktanteile und Wettbewerbslandschaft für KI-Grundlagenmodelle im Automobilbereich

NVIDIA hielt 2025 einen geschätzten Marktanteil von 28,4 %, gefolgt von Baidu mit etwa 21,3 %, Scale AI mit 14,5 %, Waymo mit 9,8 % und Mobileye mit 4,3 %. Das Wettbewerbsumfeld umfasst Plattformen für Rechenleistung und Modelle, Betreiber autonomer Fahrzeuge, Anbieter von Daten und Simulationen, OEMs sowie Tier-1-Zulieferer. NVIDIAs auf Fahrzeuge ausgerichtete Modellinitiativen verbinden Werkzeuge für physische KI, Welt-Grundlagenmodelle und Fahrzeug-Rechenplattformen. Damit ist das Unternehmen ein bedeutender Anbieter über den gesamten Entwicklungsstack der Automobilindustrie hinweg, ^{[8]NVIDIA, Alpamayo for Autonomous Vehicle Development. developer.nvidia.com}.

Baidu, Tesla, Waymo, Zoox, Aurora Innovation, Nuro, PlusAI, Waabi, Momenta, Xpeng Motors und Li Auto konkurrieren mit unterschiedlichen Kombinationen aus Fahrzeugdaten, Betrieb autonomer Fahrzeuge, Softwareintegration und lokal angepasstem Einsatz. General Motors, Toyota Motor, Volkswagen Group und andere OEMs streben nach mehr Kontrolle über die Fahrzeugintegration, wenn diese sich auf Produktdifferenzierung, Kundenerlebnis und Sicherheitsverantwortung auswirkt. Bosch, Qualcomm Technologies, Mobileye und Scale AI nehmen wichtige Positionen in den Bereichen Komponenten, Rechenleistung, Wahrnehmung, Validierung und Datenentwicklung ein.

Der Wettbewerb wird zunehmend davon geprägt, ob ein Unternehmen sich das Recht sichern kann, hochwertige Fahrdaten zu nutzen, damit zu trainieren und sie zu verwalten. Valeo und NATIX kündigten eine Open-Source-Initiative für ein Multi-Kamera-Welt-Grundlagenmodell an, die auf den Weltmodell-Fähigkeiten von Valeo und dem dezentralen Datennetzwerk von NATIX basiert und auf mehr als 100.000 Stunden Fahrdaten aus mehreren Kameras abzielt. Solche Partnerschaften können den Zugang zu Trainingsressourcen erweitern, erhöhen jedoch zugleich die Bedeutung von Herkunftsnachweisen, Einwilligung und Qualitätskontrolle.

Aktuelle Entwicklungen in der Branche

• Im Januar 2026 stellte NVIDIA auf der CES die Alpamayo-Familie für die Entwicklung autonomer Fahrzeuge vor. Die Veröffentlichung umfasste ein Open-Weight-Modell für Fahrzeug-, Sprach- und Aktionsdaten mit 10-billion-parameter Chain-of-Thought und nannte JLR, Lucid, Uber und Berkeley DeepDrive als Partner.

• Im Januar 2026 gab Mobileye eine Vereinbarung zur Übernahme von Mentee Robotics bekannt, durch die das Unternehmen seine Aktivitäten im Bereich Automotive-KI mit Kompetenzen in den Bereichen Physical AI und humanoide Robotik verbindet.

• Im Januar 2026 gaben Valeo und NATIX eine Partnerschaft zur Entwicklung eines Open-Source-Weltmodells auf Basis mehrerer Kameras bekannt, das ein dezentrales Netzwerk für Fahrdaten nutzt.