HOUSTON / LONDON (IT BOLTWISE) – Ein Ex-Manager von Tesla hat Klage gegen den Konzern eingereicht und dabei systemische Sicherheitsmängel bei Full Self-Driving (FSD)-Tests in Houston behauptet. Laut Klageschrift stieg die Zahl der betreuten Sicherheitsfahrer von 15 auf 38 und habe interne Vorgaben übertroffen. Außerdem habe ein von mehreren Faktoren getriebener Testbetrieb nach Darstellung des Klägers die Belastung eines einzelnen Managers bis an ihre Grenzen geführt. Parallel hat die US-Verkehrsaufsicht ihre Analyse zu FSD ausgeweitet und prüft speziell Zuverlässigkeit bei eingeschränkter Sicht.
Die Diskussion um Teslas Full Self-Driving (FSD) bekommt neue juristische und regulatorische Schärfe: In Houston läuft eine Klage, in der der ehemalige Tesla-Manager Javier Medrano dem Unternehmen systemische Defizite bei der Sicherheitsaufsicht während der FSD-Testflotte vorwirft. Medrano beschreibt die eingesetzten Fahrzeuge in der Klageschrift als „rollende Gefahrenquellen“ und macht geltend, er habe wiederholt auf schwere Mängel hingewiesen, bevor er gekündigt worden sei. Besonders brisant ist dabei nicht nur die grundsätzliche Sicherheitskritik, sondern die behauptete organisatorische Überlastung im operativen Testbetrieb.
Medrano, der nach eigenen Angaben von Oktober 2024 bis zu seiner Kündigung am 1. Mai 2025 die operative Testflotte für FSD in Houston leitete, verknüpft seine Vorwürfe mit einem konkreten Test-Setup. Laut Klage wuchs die Zahl der betreuten Sicherheitsfahrer im Zuge einer Ausweitung von 15 auf 38. Diese 38 Fahrer seien auf drei durchgehende Schichten verteilt worden, also rund um die Uhr verfügbar gewesen, während die Betreuungsstruktur zugleich nach Darstellung des Klägers aus seiner eigenen Verantwortlichkeit heraus „unklar“ organisiert gewesen sei: In seinem Bereich sollte er allein für die Auswertung von Kameraaufnahmen, wöchentliche Mitfahrten und die Untersuchung von Vorfällen zuständig gewesen sein, während andere Teststandorte üblicherweise auf mehrere Sicherheitsverantwortliche setzen.
Die Klageschrift bettet die Sicherheitsfrage zusätzlich in eine konkrete Ereigniskette ein: Am 30. März 2025 soll ein Testfahrzeug gegen 2.05 Uhr nachts von einem anderen Fahrzeug gestreift worden sein. Medrano war zu diesem Zeitpunkt als einziger verantwortlicher Manager im Einsatz. Er trägt in der Klage vor, dass er sich aus Erschöpfung nicht mehr an den Anruf und die Absprachen im Zusammenhang mit dem Vorfall erinnern könne. Ergänzend beschreibt er, er habe zuvor in einem Gespräch mit einem Tesla-Direktor für das Autopilot-Programm seine Belastung adressiert, sei aber mit seinen Hinweisen nach seiner Darstellung nicht ausreichend durchgedrungen. Für die Bewertung ist dabei entscheidend, wie gut die Sicherheitsorganisation in solchen Tests tatsächlich skaliert, wenn sowohl die Fahrzeuganzahl als auch die Schichtabdeckung zunehmen.
Juristisch setzt Medrano vor allem auf einen Verstoß gegen den Motor Vehicle Safety Whistleblower Act. Er macht geltend, seine Entlassung sei erfolgt, während die Personalabteilung seine Sicherheitsbedenken noch prüfte. Neben der Wiedereinstellung verlangt er demnach auch entgangenes Gehalt sowie eine Entschädigung für nicht ausgezahlte Aktienanteile. Solche Whistleblower-Fälle sind häufig weniger eine „Wahrheitsfrage“ über Einzelfälle, sondern drehen sich um Timing, Prozessabläufe und Dokumentation: Ob Bedenken formell als Sicherheitsangelegenheit behandelt wurden, wie sie eskaliert sind und in welchem Status sich interne Entscheidungen zur Kündigung im Verhältnis zur Prüfung befanden.
Unabhängig von dem Gerichtsverfahren verschiebt sich das Gewicht zugleich in die technische und regulatorische Ebene. Die US-amerikanische National Highway Traffic Safety Administration (NHTSA) stuft ihre bereits laufende Untersuchung PE24031 nun zu einer Engineering Analysis mit der Bezeichnung EA26002 hoch. In einem Auskunftsersuchen vom 2. Juli fordert die Behörde umfangreiche zusätzliche Informationen von Tesla an. Im Kern geht es um die Frage, ob FSD eingeschränkte Sichtbedingungen durch Blendung, Nebel oder Staub zuverlässig erkennt und Fahrer rechtzeitig warnt. NHTSA verweist dabei auf neun Unfälle, bei denen Fahrer nach den vorliegenden Angaben möglicherweise nicht bemerkt hätten, dass eine solche Bedingung die Erkennungsfähigkeit des Systems beeinträchtigen könnte.
Technisch betrachtet adressiert die Fragestellung eine typische Schwachstelle autonomer Fahrfunktionen: Sensorik und Wahrnehmungsmodelle können bei veränderten Licht- und Kontrastbedingungen sowie bei partikeldominierten Luftmassen (z. B. Staub) zwar Muster erkennen, aber die Unsicherheit steigt. Genau an dieser Stelle hängt die Systemleistung nicht nur an der KI selbst, sondern an der Pipeline aus Vorverarbeitung, Kalibrierung, Unsicherheitsabschätzung und dem Übergang in einen sicheren Warn- oder Rückfallemodus. Wenn ein KI-gestütztes System Fahrer erst „spät“ warnt, wird aus Wahrnehmungsunsicherheit schnell ein Verantwortlichkeitsproblem – und genau darauf zielt die Engineering Analysis ab. Für das Unternehmen und seine Entwickler ist zudem entscheidend, wie belastbar die Trainings- und Testdaten die jeweiligen Sichtphänomene abbilden und wie konsequent die Tests auf seltene, aber sicherheitskritische Zustände skaliert werden.
Für die Marktkommunikation rund um Teslas Robotaxi-Ambitionen bedeutet die Gemengelage aus Klage und NHTSA-Vertiefung vor allem eins: Der Fahrassistenz-Stack wird nicht mehr nur am Funktionsumfang gemessen, sondern stärker an Nachweisführung, Testorganisation und Systemverhalten in schwierigen Umweltbedingungen. In der Klage wird zudem beschrieben, dass aus der Testreihe im April 2026 der kommerzielle Robotaxi-Betrieb in Houston und Dallas hervorgegangen sei. Damit verschiebt sich die Relevanz des Themas vom Laborbetrieb hin zu produktionsnahen Abläufen, in denen Governance, Schichtplanung, Ereignismanagement und regulatorische Anforderungen ineinandergreifen müssen. Für Unternehmen, die KI-Entwicklung im Verkehrsbereich vorantreiben, signalisiert der Fall außerdem, dass Skalierung nicht nur bedeutet, mehr Daten und mehr Fahrzeuge einzusetzen, sondern auch die Sicherheitsprozesse so zu designen, dass sie bei wachsendem Testvolumen nicht unter die selbst gesetzten Qualitätsmaßstäbe rutschen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Tesla-FSD unter Druck: Ex-Manager wirft systemische Sicherheitsmängel bei Tests vor" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Tesla-FSD unter Druck: Ex-Manager wirft systemische Sicherheitsmängel bei Tests vor" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Tesla-FSD unter Druck: Ex-Manager wirft systemische Sicherheitsmängel bei Tests vor« bei Google Deutschland suchen, bei Bing oder Google News!