Zwei scheinbar unabhängige Geschichten, die eigentlich eine sind
Am 7. Juni 2026 berichtete die Publikation Not A Tesla App über eine Zahl, die leicht zu übersehen ist: Teslas FSD-System fügt nun täglich etwa eine Million Meilen an Fahrdaten hinzu. In derselben Woche veröffentlichte der unabhängige Forscher F. Scott Moody auf seinem Blog understandingai.org einen detaillierten Bericht, nachdem er 78 reale Videos des Robotaxi-Dienstes in Austin beobachtet hatte. Sein Fazit: Das System funktionierte weitaus besser als erwartet. Die meisten Berichte behandelten dies als zwei getrennte Punkte, doch es sind tatsächlich zwei Seiten derselben Medaille – das eine ist die Ursache, das andere die Wirkung. Die Kenntnis dieses Zusammenhangs ist der Schlüssel, um zu verstehen, wie sich Teslas Ansatz für autonomes Fahren grundlegend von dem aller anderen in der Branche unterscheidet.
Ein Daten-Schwungrad, das nicht genug Beachtung findet
Teslas Robotaxi-Strategie unterscheidet sich architektonisch von der von Waymo, und der Unterschied liegt nicht nur in der Hardware-Philosophie – er geht ins Herz dessen, wie die KI jedes Unternehmens tatsächlich lernt.
| Dimension | Tesla | Waymo |
|---|---|---|
| Quelle der Trainingsdaten (Flottengröße) | Mehr als 5 Millionen FSD-ausgestattete Fahrzeuge weltweit | Etwa 700 speziell angefertigte Fahrzeuge, hauptsächlich in San Francisco |
| Durchschnittliche tägliche Fahrleistung | Ca. 1.000.000 Meilen/Tag | Ca. 25.000 Meilen/Tag (geschätzt anhand von Daten vom Oktober 2025) |
| Hardwarekosten pro Fahrzeug | Nur Kamera, handelsüblich | Hunderttausende von Dollar für Lidar und HD-Kartierung |
| Wie die Flotte skaliert | Software wird Over-the-Air auf die bestehende Flotte übertragen | Fahrzeuge werden einzeln gekauft und eingesetzt |
| Robotaxi-Flottengröße (Austin vs. SF) | Etwa 20 Fahrzeuge (Austin) | 700+ Fahrzeuge (San Francisco) |
Waymos 700 Fahrzeuge in San Francisco generieren, was man als professionelle Daten bezeichnen könnte – jede Meile wird von einem speziell dafür gebauten autonomen System protokolliert. Aber nur diese 700 Autos tragen etwas bei. Tesla hingegen betreibt derzeit nur etwa 20 Robotaxis in Austin. Rein nach der Größe der Robotaxi-Flotte selbst beurteilt, liegt Tesla eindeutig zurück. Aber nach der zugrundeliegenden Datenarchitektur beurteilt, dreht sich das Bild – denn was Tesla tatsächlich unterstützt, sind Millionen gewöhnlicher Haushaltsautos, die jeden Tag auf der Straße sind.
Die 10-Milliarden-Meilen-Marke – und eine Kurve, die immer steiler wird
Am 3. Mai 2026 überschritt Tesla eine Schwelle, die Elon Musk wiederholt als Voraussetzung für sicheres, unüberwachtes autonomes Fahren genannt hat: 10 Milliarden kumulierte FSD-Meilen. Electrek, Carscoops und The Verge bestätigten den Meilenstein innerhalb desselben Zeitfensters.
| Kilometerstand-Meilenstein | Datum | Zeit seit dem letzten Meilenstein |
|---|---|---|
| 1 Milliarde Meilen | April 2024 | — |
| 8 Milliarden Meilen | Ca. Juli 2025 | Ca. 15 Monate ab 1 Milliarde |
| 10 Milliarden Meilen | 3. Mai 2026 | Ca. 8 Monate ab 8 Milliarden |
| Aktuelles Tempo | Juni 2026 | Ca. 1.000.000 Meilen pro Tag hinzugefügt |
Bemerkenswert ist nicht die Gesamtzahl, sondern wie schnell die Rate selbst immer weiter steigt. Um von 8 Milliarden auf 10 Milliarden Meilen zu kommen, dauerte es etwa 8 Monate, und beim derzeitigen Tempo von etwa 1 Million Meilen pro Tag fügt Tesla etwa alle 33 Tage eine weitere Milliarde Meilen hinzu. Dies ist keine lineare Kurve; es ist eine exponentielle Zunahme.
Das 1%-Argument: Warum die Basiszahl entscheidend ist
Musk selbst hat etwas eingeräumt, das oberflächlich betrachtet wie ein Kritikpunkt an seinen eigenen Daten klingt: Nur ein kleiner Bruchteil der von FSD gefahrenen Meilen ist tatsächlich nützlich für das Training des Modells. Kritiker haben diese Aussage genutzt, um zu argumentieren, der Kilometervorteil sei übertrieben. Betrachtet man jedoch die tatsächlichen Zahlen, so sieht die Schlussfolgerung ganz anders aus.
Selbst unter der Annahme, dass nur 1 % dieser täglichen Fahrleistung wirklich nützliche Trainingsdaten sind, erzeugt Teslas 1 Million tägliche Meilen immer noch etwa 10.000 Meilen an hochwertigen Randfalldaten pro Tag – und das übertrifft bereits die gesamte tägliche Fahrleistung von Waymos Flotte von etwa 25.000 Meilen um mehr als 40 %, wenn man den Vergleich richtig anstellt. Erhöht man die Rate der nützlichen Daten auf 2 %, erweitert sich die Lücke auf etwa 80 %. Mit anderen Worten, die Variable, die das Ergebnis bestimmt, ist nicht der Prozentsatz selbst – es ist der Nenner. Sobald die Basis eine Million Meilen pro Tag beträgt, erzeugt selbst ein kleiner Teil davon einen Datensatz, den keine speziell gebaute Flotte realistisch erreichen kann.
End-to-End Neuronale Netze: Warum mehr Daten das Auto schneller schlauer machen
Seit FSD v12 basiert Teslas Architektur auf End-to-End neuronalen Netzen – und das ist keine unwichtige technische Randnotiz, sondern der eigentliche Grund, warum das Daten-Schwungrad überhaupt funktioniert.
Ein regelbasiertes autonomes Fahrsystem verbessert sich auf altmodische Weise: Ingenieure entdecken einen Randfall, schreiben eine neue Regel und veröffentlichen ein Update. Das Verbesserungstempo ist dadurch begrenzt, wie schnell Menschen Code schreiben können. Ein End-to-End neuronales Netz verbessert sich anders – durch Exposition. Zeigen Sie ihm genügend Fahrentscheidungen, und es lernt, selbst bessere Entscheidungen zu treffen, wobei die Verbesserungsrate hauptsächlich durch Datenvolumen und Rechenleistung begrenzt ist, beides skaliert Tesla aggressiv. Das FSD v14.3 "Sentient"-Update, das Anfang des Jahres veröffentlicht wurde, gilt weithin als die klarste öffentliche Demonstration dessen, was diese Architektur tatsächlich leisten kann.
Was das in der Praxis bedeutet: Wenn ein Model 3 in Kalifornien einen flüssigen Spurwechsel auf einer vielbefahrenen Autobahn ausführt, werden die Sensorinputs, die Trajektorie und das Timing alle Teil der Trainingsdaten. Sobald das Modell aktualisiert ist, könnte ein Austin Cybercab, das einen ähnlichen Spurwechsel bewältigt, diesen etwas natürlicher ausführen. Mit anderen Worten, diese riesige Konsumentenflotte verkauft nicht nur Autos – sie lehrt kontinuierlich dieselbe KI, die letztendlich das Robotaxi-Geschäft betreiben wird. Eine von Morgan Stanley im April 2026 veröffentlichte Analyse bewertete das kommende FSD V15 optimistisch und argumentierte, es könnte die Lücke zwischen den aktuellen Fähigkeiten von FSD und den Leistungsanforderungen für den unbeaufsichtigten Robotaxi-Betrieb im großen Maßstab erheblich schließen.
Unabhängige Validierung: Was 78 Videos tatsächlich zeigten
Der am meisten übersehene Datenpunkt dieser Woche kam weder von Tesla noch von der Wall Street – er kam vom unabhängigen Forscher F. Scott Moody. Nachdem er methodisch 78 unbearbeitete, reale Videos von Austins Robotaxi im Betrieb durchgearbeitet hatte, kam er zu dem Schluss, dass das System weitaus besser funktionierte, als er erwartet hatte.
Das ist wichtig, denn Moody hat kein finanzielles Interesse daran, ob Tesla erfolgreich ist oder scheitert, und seine Methode – das Ansehen von Rohmaterial statt kuratierten Highlight-Reels – kommt einem unvoreingenommenen, realen Audit so nahe, wie es der Öffentlichkeit derzeit zugänglich ist. Es stimmt auch mit dem überein, was die Logik des Daten-Schwungrads vorhersagen würde: Ein System, das eine Million Meilen pro Tag hinzufügt und bereits die 10-Milliarden-Meilen-Marke überschritten hat, sollte auf einem Niveau performen, das jeden überrascht, der auf frühere FSD-Versionen eingestellt ist. Ein separater Datenpunkt, der von Crypto Briefing gemeldet wurde, verstärkt dies – eine vollständige Hin- und Rückfahrt von San Francisco nach Palo Alto wurde ohne Interventionen abgeschlossen, wobei einige der komplexesten Autobahn- und Straßenkombinationen der Bay Area überquert wurden. Gleichzeitig treibt Tesla eine parallele Validierungsanstrengung in Europa voran, einschließlich eines Antrags zum Testen von überwachtem FSD in Jönköping, Schweden, was bedeutet, dass das Modell kontinuierlich einem völlig anderen Satz von Straßenbedingungen und Randfällen ausgesetzt ist.
Austins 20 Autos: Ein Proof of Concept, nicht das Produkt
Die geringe Größe der Robotaxi-Flotte in Austin – von Electrek und Benzinga mit etwa 20 Fahrzeugen bestätigt, die das gesamte Stadtgebiet ohne Sicherheitsüberwachung abdecken – wird oft als Beweis dafür angeführt, dass Teslas Robotaxi-Ambitionen übertrieben sind. Diese Lesart verkennt den Sinn der Architektur.
Diese 20 Autos sind nicht das Produkt; sie sind die Validierungsebene. Sie sammeln die eine Kategorie von Daten, die nur ein vollständig unüberwachter, kommerzieller Betrieb erzeugen kann: echte Interaktionen mit zahlenden Passagieren, echte Randfälle, die in einer kommerziellen Live-Umgebung auftreten, und echte Daten zur Einhaltung gesetzlicher Vorschriften. Das ist der Datenbereich, den die Konsumentenflotte einfach nicht generieren kann, da alltägliche FSD-Fahrer keine zahlenden Kunden in einem kommerziellen Robotaxi-Dienst sind.
In der Zwischenzeit zeigen diese Woche gemeldete Genehmigungsanträge, dass Tesla in Nevada die Zulassung für bis zu 5.000 Robotaxis beantragt – ein Zeichen dafür, dass der interne Zeitplan des Unternehmens für die Skalierung möglicherweise schneller voranschreitet, als öffentliche Kommentare vermuten lassen. Fünftausend Fahrzeuge allein in einem einzigen Bundesstaat würden Teslas Robotaxi-Flotte weit vor jeden vergleichbaren Betrieb in den USA bringen. Das Tempo der Downloads für die Robotaxi-App, die bereits die Allzeithochs von Uber und Waymo übertroffen hat, deutet darauf hin, dass die Nachfrageseite bereit ist, diese Art von Umfang aufzunehmen.
Die Skalierungsasymmetrie
Der bedeutsamste Unterschied zwischen Tesla und allen anderen Betreibern autonomer Fahrzeuge ist nicht die aktuelle Flottengröße – es ist die Art und Weise, wie jeder einzelne skaliert.
Waymo muss jedes Fahrzeug einzeln kaufen, ausrüsten, versichern und einsetzen, und jede neue Stadt erfordert neue Kapitalausgaben, behördliche Genehmigungen und eine von Grund auf neu aufgebaute Betriebsinfrastruktur. Das begrenzt das Flottenwachstum auf ein ungefähr lineares Tempo, gebunden durch Kapital und Logistik. Tesla hingegen hat Waymo bereits bei der gesamten Serviceabdeckung übertroffen – mit einem Bruchteil der Fahrzeuganzahl.
Teslas Weg zur Skalierung ist im Wesentlichen ein Software-Update. Sobald das Modell die Leistungsanforderungen für den unbeaufsichtigten Betrieb in verschiedenen Umgebungen erfüllt, bedeutet die Bereitstellung lediglich, ein Over-the-Air-Update an jedes Fahrzeug mit kompatibler FSD-Hardware zu senden. Das Flottenwachstum ist an diesem Punkt nicht mehr linear – es könnte innerhalb eines einzigen Update-Zyklus um Millionen von Fahrzeugen ansteigen.
Diese Millionen von Fahrzeugen sind bereits unterwegs und das schon seit Jahren. Jeden Tag fügen sie dem Modell, das sie schließlich autonom steuern wird, eine weitere Million Meilen hinzu.
Abschließender Gedanke
Austins 20 Robotaxis sind hier nicht wirklich die Geschichte – sie sind ein Proof of Concept für ein System, das Tag für Tag von Millionen von Autos trainiert wird, die die meisten ihrer Besitzer einfach als ihr tägliches Pendelfahrzeug betrachten. Wenn das Modell endlich bereit ist, wird die Flotte nicht Auto für Auto wachsen. Sie wird um so viele Tesla-Besitzer wachsen, die sich dafür entscheiden, und das alles am selben Tag, an dem ein Update veröffentlicht wird.