EP4702510A1 - System und verfahren zur erstellung von szenarien - Google Patents

Abstract

Die Erfindung betrifft ein System zur Erstellung von Szenarien eingerichtet zur Ausführung eines Verfahrens umfassend folgende Schritte: a) Empfangen einer textuellen Beschreibung eines Szenarios, b) Empfangen von Erstellungsanweisungen, c) Erzeugen einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst, d) Ausgabe der maschinenlesbaren Beschreibung des Szenarios. Die Erfindung betrifft ferner ein entsprechendes Verfahren zur Erstellung von Szenarien.

Description

23-022-EM - 1 - Beschreibung Titel System und Verfahren zur Erstellung von Szenarien Die Erfindung betrifft ein System zur Erstellung von Szenarien gemäß dem Oberbegriff des Patentanspruchs 1. Ferner betrifft die Erfindung ein computer- implementiertes Verfahren zur Erstellung von Szenarien gemäß dem Oberbegriff des Patentanspruchs 11. Stand der Technik Aus der veröffentlichten Deutschen Patentanmeldung DE 102021100395 A1 sind Szenarien bekannt, welche eine Verkehrssituation beschreiben. Diese werden mittels der beanspruchten Methode verglichen. Vor diesem Hintergrund besteht die Aufgabe der Erfindung darin, ein System anzugeben, das den Stand der Technik weiterbildet und insbesondere ein Verfahren anzugeben, mit welchem neue Szenarien einfach erzeugt werden können. Die Aufgabe wird durch ein System zur Erstellung von Szenarien mit den Merkmalen des Patentanspruchs 1 gelöst. Die Aufgabe wird ferner durch ein computer- implementiertes Verfahren zur Erstellung von Szenarien mit den Merkmalen des Patentanspruchs 11 gelöst. 23-022-EM - 2 - Die Aufgabe wird erfindungsgemäß ferner durch ein Computerprogramm mit den Merkmalen des Patentanspruchs 14 sowie einen computerlesbaren Datenträger mit den Merkmalen des Patentanspruchs 15 gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von abhängigen Unteransprüchen. Gemäß dem Gegenstand der Erfindung wird ein System zur Erstellung von Szenarien eingerichtet zur Ausführung eines Verfahrens umfassend folgende Schritte: a) Empfangen einer textuellen Beschreibung eines Szenarios, b) Empfangen von Erstellungsanweisungen, c) Erzeugen einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst, d) Ausgabe der maschinenlesbaren Beschreibung des Szenarios beansprucht. Gemäß dem Gegenstand der Erfindung wird ferner ein computer-implementiertes Verfahren zur Erstellung von Szenarien umfassend folgende Schritte: a) Empfangen einer textuellen Beschreibung eines Szenarios, b) Empfangen von Erstellungsanweisungen, c) Erzeugen einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst, 23-022-EM - 3 - d) Ausgabe der maschinenlesbaren Beschreibung des Szenarios beansprucht. Es sei angemerkt, dass Szenarien im Sinne der beanspruchten Erfindung als Abstraktionen einer Verkehrssituation bezeichnet werden können. Sie kommen bei der Testmethodik des „Szenario-basierten Testen“ von Systemen und Systemkomponenten zur autonomen Führung eines Kraftfahrzeugs verwendet bzw. benötigt. Ein Szenario beschreibt dabei die zeitliche Entwicklung von Szenen, welche mit einer Startszene beginnen. Im Gegensatz zu Szenen decken Szenarien eine gewisse Zeitspanne ab. Eine einzelne Szene kann als eine Momentaufnahme des Umfelds angesehen werden, welche die Szenerie, dynamische Elemente und alle Akteure umfasst. Die Akteure und insbesondere die Fahrzeuge einer Szene. Ein grundsätzliches Unterscheidungsmerkmal von Verkehrsszenarien bzw. Szenarien sind die Bewegungen der Verkehrsteilnehmer. Damit werden zur Unterscheidung nicht statische Parameter, wie Umfeld, Bebauung oder Fahrbahnbreite herangezogen, sondern insbesondere das Fahrverhalten der einzelnen Verkehrsteilnehmer. Die Bewegungen der Verkehrsteilnehmer und damit das Fahrverhalten wird durch Trajektorien beschrieben. Trajektorien beschreiben einen Pfad sowohl in räumlicher als auch in zeitlicher Richtung. Durch die Beschreibung der Bewegungen / Trajektorien eines Verkehrsteilnehmers kann ein Bewegungsprofil erstellt werden. Eine autonome Fahrfunktion ist durch ein System, beispielsweise ein Steuergerät, realisiert. Das 23-022-EM - 4 - Steuergerät wird herkömmlicherweise im realen Fahrzeug in realen Verkehrssituationen getestet, durch Hardware-in- the-loop Tests oder alternativ durch vollständig virtuelle Tests validiert. Für die Absicherung von autonomen Fahrfunktionen benötigt man simulationsgestützte Verfahren, z.B. Szenario- basiertes Testen. Hiermit möchte man eine möglichst hohe Testabdeckung entsprechend der Fahrfunktion und der zugehörigen ODD (Operational Design Domain) erreichen, gerade auch für kritische Situationen, die nur selten auftauchen, sogenannte „corner cases“. Grundlage solcher Validierungsverfahren sind Szenarien. Ein Szenario besteht hierbei aus einer Straßenbeschreibung, dem darauf ausgeführten Verkehr, als auch bei Bedarf einer entsprechenden 3D-Umgebung. Es gibt aktuell verschiedene Formate, um ein Szenario zu beschreiben wie z.B. die ASAM Standards OpenRoad und OpenScenario. Die Beschreibung eines Szenarios findet dabei in drei Ebenen statt: abstrakte Szenarien, logische Szenarien, konkrete Szenarien. Im Rahmen der vorliegenden Erfindung ergibt sich somit ein sehr einfacher und effizienter Weg, um anhand einer formlosen textuellen Beschreibung mit Stichwörtern oder von gewünschten Inhalten automatisch eine ausführbare Szenario-Datei zu erzeugen. 23-022-EM - 5 - Ferner besteht die Möglichkeit, abstrakte Szenarien entsprechend z.B. dem OpenScenario 2 Standard in eine Vielzahl ausführbarer Szenarien zu überführen, welche wiederum als Grundlage für eine Szenario-basierte Validierung einer automatisieren Fahrfunktion eines Kraftfahrzeugs genutzt werden können. Eine abstrakte Szenariodefinition ist dabei z.B. eine Kombination von Elementen einer Operational Design Domain (ODD) zur Definition eines Einsatzbereichs der automatisierten Fahrfunktion des Kraftfahrzeugs. Die ODD gibt dabei an, in welchem Bereich die Fahrfunktion Gültigkeit hat, wobei beliebige Bedingungen für die Ausführung definiert werden können. Als Beispiel kann die ODD einer deutschen Autobahn mit zwei Fahrspuren sowie ohne Baustellen angesehen werden. Ein vortrainiertes Modell des maschinellen Lernens weiß allein anhand dieser abstrakten Informationen, dass keine Ampeln, keine Stoppschilder und auch (typischerweise) kein Gegenverkehr zu erwarten ist, so dass sich ausführbare Szenarien sinnvoll automatisch erstellen lassen, wie z.B. ein Spurwechsel auf der Autobahn. Unter Verwendung des erfindungsgemäßen Verfahrens kann ferner beispielsweise ein sogenanntes Cut-In-Szenario erzeugt werden. Das Cut-In-Szenario kann als Verkehrssituation bezeichnet werden, bei welcher ein hochautomatisiertes bzw. autonomes Fahrzeug in einer vorgegebenen Fahrspur fährt und ein anderes Fahrzeug mit gegenüber dem Ego-Fahrzeug verringerter Geschwindigkeit 23-022-EM - 6 - von einer weiteren Fahrspur in die Fahrspur des Ego- Fahrzeugs in einem bestimmten Abstand einschert. Das Ego- Fahrzeug bezeichnet hier das zu testende Fahrzeug. Die Geschwindigkeit des Ego-Fahrzeugs und des weiteren Fahrzeugs, welches auch als Fellow-Fahrzeug bezeichnet wird, ist dabei konstant. Da die Geschwindigkeit des Ego- Fahrzeugs höher ist als die des Fellows, muss das Ego- Fahrzeug abgebremst werden, um eine Kollision der beiden Fahrzeuge zu vermeiden. Aber auch ein Cut-in-Szenario kann in verschiedenen Ausprägungsformen vorliegen, wie z.B. durch eine Unterscheidung in der Geschwindigkeit der Verkehrsteilnehmer. Des Weiteren ist ein Szenario möglich, indem das Ego- Fahrzeug das überholende Fahrzeug darstellt, so dass das Ego-Fahrzeug in einer vorgegebenen Fahrspur fährt und ein anderes Fahrzeug mit gegenüber dem Ego-Fahrzeug verringerter Geschwindigkeit überholt. Dabei wechselt/scherrt das Ego-Fahrzeugt auf eine weitere Fahrspur aus und fährt mit höherer Geschwindigkeit an dem Fellow-Fahrzeug vorbei. Die Geschwindigkeit des Ego- Fahrzeug muss in diesem Szenario nicht konstant sein. Nachdem das Ego-Fahrzeug an dem Fellow-Fahrzeug vorbeigefahren ist, scherrt das Ego-Fahrzeug wieder auf die vorherige Fahrspur ein. Ein Vorteil der erfindungsgemäßen Vorrichtung ist es, dass mit dem System zur Erstellung von Szenarien sehr einfach und mit wenig Kenntnissen über die Formale Beschreibung von Szenarien diese erstellt werden können. Damit kann sehr schnell der Bedarf nach Szenarien mit 23-022-EM - 7 - bestimmten Eigenschaften, die für die Entwicklung autonomer Fahrfunktionen und entsprechender Steuergeräte notwendig sind erstellt werden. In einer alternativen Ausführungsform ist das System dadurch gekennzeichnet, dass die Erstellungsanweisungen eine Version der maschinenlesbaren Beschreibung des Szenarios vorgeben sind. Eine Weiterbildung ist ein System, wobei das Modell des maschinellen Lernens zumindest teilweise eine Transformer Architektur aufweist. In einer Ausführungsform ist es bevorzugt, dass das System, dadurch gekennzeichnet ist, dass das Modell des maschinellen Lernens für die Verarbeitung natürlichsprachlicher Anweisungen vorgesehen und trainiert worden ist. Gemäß einer anderen Weiterbildung ist das System, dadurch gekennzeichnet, dass das Modell des maschinellen Lernens mit unüberwachtem Lernen trainiert worden ist und insbesondere eine Large Language Model ist. In einer Weiterbildung umfasst das System weiter ein Testsystem, wobei mittels des Testsystem und der maschinenlesbaren Beschreibung des Szenarios ein Test durchgeführt wird. In einer anderen Ausführungsform des Systems testet der Test ein Steuergerät oder eine Funktion eines Steuergerätes. 23-022-EM - 8 - Gemäß einer bevorzugenden Weiterbildung ist das System, dadurch gekennzeichnet, dass das Steuergerät oder die Funktion des Steuergerätes für zur Kontrolle eines hochautomatisierten oder autonomen Fahrzeuges vorgesehen ist. Gemäß einer anderen Weiterbildung ist das System, dadurch gekennzeichnet, dass das System weiter ein Simulationssystem umfasst und mittels des Simulationssystems und der maschinenlesbaren Beschreibung des Szenarios eine Simulation durchgeführt wird. Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist vorgesehen, dass die textuelle Beschreibung des Szenarios auf Elementen, insbesondere einer Kombination von Elementen, einer Operational Design Domain zur Definition eines Einsatzbereichs einer automatisierten Fahrfunktion eines Kraftfahrzeugs basiert. Somit kann in vorteilhafter Weise eine automatisierte Erstellung von eine Operational Design Domain abdeckenden Szenarien erstellt werden. Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist vorgesehen, dass der Algorithmus konfiguriert ist, eine maschinenlesbare Beschreibung zumindest eines, insbesondere kritischen, Szenarios zu erzeugen, welches mit einer definierbaren Mindestwahrscheinlichkeit zu einem vorgegebenen Ereignis, insbesondere einer Fahrzeugkollision, führt. 23-022-EM - 9 - Die Mindestwahrscheinlichkeit kann beispielsweise anhand zumindest eines Schwellwerts definiert werden. Gemäß einer weiteren bevorzugten Weiterbildung der Erfindung ist vorgesehen, dass die Mindestwahrscheinlichkeit, dass das Szenario zu einem vorgegebenen Ereignis führt, durch einen durch die textuelle Beschreibung des Szenarios umfassten Key Performance Indicator, insbesondere eine Zeitdauer (TTC) bis zu einer Fahrzeugkollision gegeben ist. Das vorgegebene Ereignis kann dabei eine Fahrzeugkollision oder alternativ eine Umweltbedingung sein, welche eine erschwerte Fahrsituation bewirkt. Beispiele hierfür sind z.B. Gegenlichteinstrahlung, Niederschlag, Nebel, Nachtfahrten, etc. Der Key Performance Indicator ist hierbei zum Beispiel ein numerischer Wert, welcher eine bestimmte Bedingung, z.B. die Umweltbedingung oder den TTC-Wert repräsentiert. Die hierin beschriebenen Merkmale des Systems zur Erstellung von Szenarien sind ebenso auf das computer- implementierte Verfahren zur Erstellung von Szenarien und umgekehrt anwendbar. Die Erfindung wird nachfolgend unter Bezugnahme auf die Zeichnungen näher erläutert. Hierbei werden gleichartige Teile mit identischen Bezeichnungen beschriftet. Die dargestellten Ausführungsformen sind stark schematisiert 23-022-EM - 10 - und zeigen nicht alle Details des zur Umsetzung der Erfindung notwendigen Systems. Darin zeigt: Fig. 1 einen schematischen Aufbau des Systems in einer erfindungsgemäßen Ausführungsform; Fig. 2 ein Ablaufdiagramm eines computer- implementierten Verfahrens zur Erstellung von Szenarien gemäß der bevorzugten Ausführungsform der Erfindung; und Fig. 3 eine schematische Darstellung eines Abbiegeszenarios eines virtuellen Tests gemäß der bevorzugten Ausführungsform der Erfindung. Die Abbildung der 1 zeigt eine Ansicht einer Ausführungsform, aufweisend eine Textuelle Beschreibung des Szenarios (Funktionale Beschreibung) 10, Erstellungsanweisungen 20, welche zusätzliche generische, Szenario-typische „Anweisungen“ an den Algorithmus 30, umfassend ein trainiertes Modell des maschinellen Lernens, enthält. Weiter eine maschinenlesbare Szenario- beschreibung 40 (z.B. OpenSCENARIO in den Versionen 1 oder 2). Sowie ein Testsystem 50 zum Testen autonomer Fahrfunktionen oder entsprechender Steuergeräte. Das System ist ferner konfiguriert, dass die textuelle Beschreibung des Szenarios auf Elementen, insbesondere einer Kombination von Elementen, einer Operational Design 23-022-EM - 11 - Domain zur Definition eines Einsatzbereichs einer automatisierten Fahrfunktion eines Kraftfahrzeugs basiert. Fig. 2 zeigt ein Ablaufdiagramm eines computer- implementierten Verfahrens zur Erstellung von Szenarien gemäß der bevorzugten Ausführungsform der Erfindung. Das Verfahren umfasst ein Empfangen einer textuellen Beschreibung eines Szenarios sowie ein Empfangen von Erstellungsanweisungen. Des Weiteren umfasst das Verfahren ein Erzeugen einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst. Das Verfahren umfasst überdies eine Ausgabe der maschinenlesbaren Beschreibung des Szenarios. Der Algorithmus ist konfiguriert, eine maschinenlesbare Beschreibung zumindest eines, insbesondere kritischen, Szenarios zu erzeugen, welches mit einer definierbaren Mindestwahrscheinlichkeit zu einem vorgegebenen Ereignis, insbesondere einer Fahrzeugkollision, führt. Die Mindestwahrscheinlichkeit, dass das Szenario zu einem vorgegebenen Ereignis führt, ist durch einen durch die textuelle Beschreibung des Szenarios umfassten Key Performance Indicator, insbesondere eine Zeitdauer (TTC) bis zu einer Fahrzeugkollision gegeben. 23-022-EM - 12 - Fig. 3 zeigt eine schematische Darstellung eines Abbiegeszenarios eines virtuellen Tests gemäß der bevorzugten Ausführungsform der Erfindung. Um die Ergebnisse der Ausgabe des Algorithmus zu verbessern, kann ein Fine-Tuning erfolgen, wobei man das Modell, insbesondere ein Sprachenmodell, mit einer größeren Anzahl an funktionsfähigen Szenario-Dateien oder auch der zugehörigen Dokumentation weiter trainiert. Neben der reinen Beschreibung des Verkehrs können mit dem Ansatz auch komplette Straßenbeschreibungen, z.B. entsprechend dem ASAM OpenDrive Standard erzeugt werden. Ein solches trainiertes Sprachenmodell liefert somit auf Basis einer geringfügig geänderten Eingabe unterschiedliche Ausgaben, was zum schnellen Erzeugen von randomisierten Fahrszenarien genutzt werden kann. Das Modell kann daher z.B. auch auf kritische Fahrsituationen adaptiert werden, um möglichst effizient eine Testabdeckung zu erhöhen. Ein kritisches Szenario liegt beispielsweise dann vor, wenn der Anteil der Möglichkeiten, die zu einer Crash-Situation bzw. Fahrzeugkollision führt, ab einem gewissen Zeitpunkt im Szenarioverlauf hoch ist. Z.B. liegt ein kritisches Szenario beim Abbiegen eines EGO-Fahrzeugs 70 im Stadtverkehr dann vor, wenn sich nahezu keinerlei Trajektorien 60 finden lassen, um einen Crash mit dem Gegenverkehr, z.B. einem FELLOW-Fahrzeug 80 zu verhindern. 23-022-EM - 13 - Ein Modell des maschinellen Lernens kann somit darauf trainiert werden, dass aus abstrakten Szenarien nur solche ausführbaren Szenarien erstellt werden, die mit einem hohen Anteil an Möglichkeiten zu einem Crash führen. Genau diese kritischen Szenarien werden dann zur Absicherung einer automatisierten Fahrfunktion herangezogen. Ein kritisches Szenario kann darüber hinaus als eine Verkehrssituation angesehen werden, welche real selten auftritt, aber wenn, dann zu einer Crash-Situation führen würde. Für die Kritikalität kann beispielsweise ein KPI (Key Performance Indicator) definiert werden, welches die Wahrscheinlichkeit angibt, mit der sich eine Crash- Situation im Szenarioverlauf ergibt. Das Modell des maschinellen Lernens kann z.B. mittels eines Back- Propagation Ansatzes mit diesem Kritikalitätsmaß trainiert werden. Die Prozesskette sieht dabei wie folgt aus: Beschreibung des Szenarios, z.B. Abbiegen, Anwenden des Modell des maschinellen Lernens, ausführbares Szenario mit hoher Kritikalität. Obwohl hierin spezifische Ausführungsformen illustriert und beschrieben wurden, ist es dem Fachmann verständlich, 23-022-EM - 14 - dass eine Vielzahl von alternativen und/oder äquivalenten Implementierungen existieren. Es sollte beachtet werden, dass die beispielhafte Ausführungsform oder beispielhaften Ausführungsformen nur Beispiele sind und nicht dazu dienen, den Umfang, die Anwendbarkeit oder die Konfiguration in irgendeiner Weise einzuschränken. Vielmehr liefert die vorstehend genannte Zusammenfassung und ausführliche Beschreibung dem Fachmann eine bequeme Anleitung zur Implementierung zumindest einer beispielhaften Ausführungsform, wobei verständlich ist, dass verschiedene Änderungen im Funktionsumfang und der Anordnung der Elemente vorgenommen werden können, ohne vom Umfang der beigefügten Ansprüche und ihrer rechtlichen Äquivalente abzuweichen. Im Allgemeinen beabsichtigt diese Anmeldung, Änderungen bzw. Anpassungen oder Variationen der hierin dargestellten Ausführungsformen abzudecken. Beispielsweise kann eine Reihenfolge der Verfahrensschritte abgeändert werden. Das Verfahren kann ferner zumindest abschnittsweise sequentiell oder parallel durchgeführt werden.

23-022-EM DSP051S - 15 - Bezugszeichenliste 10 Szenario 20 Erstellungsanweisungen 30 Algorithmus 40 Szenario-Beschreibung 50 Testsystem 60 Trajektorien 70 EGO-Fahrzeug 80 FELLOW-Fahrzeug S1-S4 Verfahrensschritte

Claims

23-022-EM DSP051S - 16 - Ansprüche 1. System zur Erstellung von Szenarien eingerichtet zur Ausführung eines Verfahrens umfassend folgende Schritte: a) Empfangen einer textuellen Beschreibung eines Szenarios, b) Empfangen von Erstellungsanweisungen, c) Erzeugen einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst, d) Ausgabe der maschinenlesbaren Beschreibung des Szenarios. 2. System nach Anspruch 1, dadurch gekennzeichnet, dass die Erstellungsanweisungen eine Version der maschinenlesbaren Beschreibung des Szenarios vorgeben. 3. System nach Anspruch 1 oder Anspruch 2, dadurch gekennzeichnet, dass das Modell des maschinellen Lernens zumindest teilweise eine Transformer Architektur aufweist. 4. System nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Modell des maschinellen Lernens für die Verarbeitung natürlichsprachlicher Anweisungen vorgesehen und trainiert worden ist. 5. System nach Anspruch 4, dadurch gekennzeichnet, dass das Modell des maschinellen Lernens mit -022-EM DSP051S - 17 - unüberwachtem Lernen trainiert worden ist und insbesondere eine Large Language Model ist. 6. System nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das System weiter ein Testsystem umfasst und mittels des Testsystem und der maschinenlesbaren Beschreibung des Szenarios ein Test durchgeführt wird. 7. System nach Anspruch 6, dadurch gekennzeichnet, dass der Test ein Steuergerät oder eine Funktion eines Steuergerätes testet. 8. System nach Anspruch 7, dadurch gekennzeichnet, dass das Steuergerät oder die Funktion des Steuergerätes für zur Kontrolle eines hochautomatisierten oder autonomen Fahrzeuges vorgesehen ist. 9. System nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das System weiter ein Simulationssystem umfasst und mittels des Simulationssystems und der maschinenlesbaren Beschreibung des Szenarios eine Simulation durchgeführt wird. 10. System nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die textuelle Beschreibung des Szenarios auf Elementen, insbesondere einer Kombination von Elementen, einer Operational Design Domain zur Definition eines Einsatzbereichs einer automatisierten Fahrfunktion eines Kraftfahrzeugs basiert. -022-EM DSP051S - 18 - 11. Computer-implementiertes Verfahren zur Erstellung von Szenarien umfassend folgende Schritte: a) Empfangen (S1) einer textuellen Beschreibung eines Szenarios, b) Empfangen (S2) von Erstellungsanweisungen, c) Erzeugen (S3) einer maschinenlesbaren Beschreibung des Scenarios mittels eines Algorithmus, wobei der Algorithmus ein trainiertes Modell des maschinellen Lernens umfasst, d) Ausgabe (S4) der maschinenlesbaren Beschreibung des Szenarios. 12. Computer-implementiertes Verfahren nach Anspruch 11, wobei der Algorithmus konfiguriert ist, eine maschinenlesbare Beschreibung zumindest eines, insbesondere kritischen, Szenarios zu erzeugen, welches mit einer definierbaren Mindestwahrscheinlichkeit zu einem vorgegebenen Ereignis, insbesondere einer Fahrzeugkollision, führt. 13. Computer-implementiertes Verfahren nach Anspruch 12, wobei die Mindestwahrscheinlichkeit, dass das Szenario zu einem vorgegebenen Ereignis führt, durch einen durch die textuelle Beschreibung des Szenarios umfassten Key Performance Indicator, insbesondere eine Zeitdauer (TTC) bis zu einer Fahrzeugkollision gegeben ist. 14. Computerprogrammprodukt mit einem Computerprogramm, das Softwaremittel zur Durchführung eines Verfahrens nach Anspruch 11 -022-EM DSP051S - 19 - umfasst, wobei das Computerprogramm auf einem Computer ausgeführt wird. 15. Computerlesbarer Datenträger mit Programmcode eines Computerprogramms, um zumindest Teile eines Verfahrens Anspruch 11 auszuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.