NVIDIA Halos: Sicherheitsnachweise von der Cloud bis zum autonomen System

NVIDIA Halos ist kein einzelnes Bauteil, das ein autonomes Fahrzeug oder einen Roboter für sich genommen sicher macht. Das System ist vielmehr als Framework für verknüpfte Sicherheitsnachweise in der physischen KI gedacht. NVIDIA will damit sicherheitsrelevante Arbeit aus Modellentwicklung, Simulation, Hard- und Software-Engineering, Auslieferung sowie späteren Updates zusammenführen – und so eine nachvollziehbare Grundlage für die Bewertung eines Systems über seinen gesamten Lebenszyklus schaffen. 56

Der Unterschied ist entscheidend: Ein bewerteter Chip, eine zertifizierte Betriebssystemkomponente oder eine geprüfte Integration können einen Sicherheitsnachweis stützen. Für die Validierung des Gesamtsystems, behördliche Anforderungen und den sicheren Betrieb bleiben jedoch die Unternehmen verantwortlich, die Fahrzeug oder Roboter entwickeln und einsetzen. Das geplante autonome Schwerlast-Lkw-System von Einride verdeutlicht diese Aufgabenteilung. 4

Von der Cloud in die eingesetzte Maschine

Halos bündelt die Architektur von Fahrzeugen oder Robotern, Chips, Betriebssystemsoftware, KI-Modelle, Werkzeuge und Dienste. Für die Entwicklung autonomer Fahrzeuge beschreibt NVIDIA einen Ablauf von Modelltraining und Tests über Simulationen mit Omniverse und Cosmos bis zur Validierung des sicherheitsrelevanten Hard- und Software-Stacks und dem Einsatz im Fahrzeug. 56

Die praktische Idee dahinter ist Rückverfolgbarkeit: Nachweise aus einer Phase sollen in die nächste einfließen. Änderungen an einem Modell oder System können damit gegen frühere Validierungs- und Simulationsergebnisse bewertet werden, statt als isoliertes Software-Release behandelt zu werden. NVIDIA stellt dies als Weg dar, Sicherheitsengineering trotz weiterentwickelter Systeme, Sensorbestückungen und Software wiederholbarer zu machen. 6

NVIDIA unterteilt Halos in Plattform-, algorithmische und Ökosystem-Sicherheit. Erstere betrifft die zugrunde liegende Rechen- und Softwarebasis, die zweite das Verhalten der KI; zur dritten zählen Integration, Inspektion sowie das weitere Netzwerk aus Zulieferern und Zertifizierungsstellen. 13

Diese Bausteine umfasst der Stack für autonome Fahrzeuge

Für autonome Fahrzeuge nennt NVIDIA vor allem:

• NVIDIA DRIVE AGX Thor, eine sicherheitsorientiert entwickelte Plattform für beschleunigtes Rechnen.
• NVIDIA Hyperion, eine Full-Stack-Fahrzeugplattform und Referenzarchitektur für Autonomie der Stufe 4.
• Halos OS, eine einheitliche Sicherheitssoftware-Basis auf Grundlage von Halos Core, dem Nachfolger von NVIDIA DriveOS.
• NVIDIA Omniverse und Cosmos, die in NVIDIAs Cloud- und Simulationswerkzeugkette für Entwicklung und Validierung eingesetzt werden. 610

Hyperion ist dabei kein fertiges Robotaxi und kein autonomer Lkw. Es handelt sich um eine Referenzarchitektur, die Rechenleistung, Sensorik und Softwaregrundlagen integriert. Fahrzeugentwickler passen sie für ihre jeweilige Anwendung und ihren eigenen Sicherheitsnachweis an. 314

Einrides Plan mit Hyperion

Einride hat angekündigt, die nächste Generation seines autonomen Lkw-Systems Einride Driver auf NVIDIA Hyperion zu entwickeln. Die Zusammenarbeit umfasst die Anpassung von Hyperions Rechen-, Sensor-, Software- und Sicherheitsarchitektur an den Schwerlastgüterverkehr; Halos und Cosmos sollen für Entwicklung und Validierung einbezogen werden. 34

NVIDIA liefert die zugrunde liegende Rechenplattform, KI-Entwicklungswerkzeuge und das Sicherheitsframework. Einride bleibt hingegen für das vollständige Fahrsystem, die Sicherheitsvalidierung, regulatorische Genehmigungen und Kundeneinsätze verantwortlich. 4

Was Halos für die Robotik ergänzt

NVIDIA hat Halos mit einem domänenspezifischen Stack auf Robotik und physische KI ausgeweitet. Zu den genannten Grundlagen zählen NVIDIA IGX Thor für industrielle KI am Netzwerkrand und die NVIDIA Holoscan Sensor Bridge für Sensor-Ein-/Ausgabe und -Verarbeitung – ergänzt um die Halos-Softwarebasis und den Prüfpfad. 118

Die übergeordneten Sicherheitsprinzipien teilt Halos mit dem Fahrzeugbereich. NVIDIA betont jedoch, dass Plattformen, Standards und Nachweise weiterhin für die jeweilige Domäne spezifisch bleiben. Ein gemeinsames Framework bedeutet also nicht, dass ein Fabrikroboter, ein mobiler Roboter und ein autonomes Fahrzeug dieselben Sicherheitsanforderungen hätten. 6

Das Ökosystem: Entwickler, Sensorik, Chips und Integration

Nach Angaben von NVIDIA zählt das Halos AI Systems Inspection Lab 43 Ökosystemmitglieder. Zu den namentlich genannten Teilnehmern im Fahrzeugbereich gehören AUMOVIO, Bosch, Gatik, Hesai, Lucid, MIRA, onsemi, PlusAI, Sony, Valeo und Wayve. Für die Robotik nennt NVIDIA die Embedded-Softwareanbieter acontis und QNX; Advantech und NexCOBOT bauen sicherheitsorientierte IGX-Systeme. 17

Diese Unternehmen decken autonomes Fahren, Fahrerassistenzsysteme (ADAS), Sensorik, Halbleiter, Systemintegration, Validierung und Absicherung ab. Die Mitgliedschaft ist allerdings nicht gleichbedeutend damit, dass jedes Endprodukt eines Mitglieds zertifiziert oder bereits im Einsatz ist. 7

Daneben listet NVIDIA ein Hyperion-Ökosystem mit Aeva, AUMOVIO, Astemo, Arbe, Bosch, Hesai, Magna, OMNIVISION, Quanta, Sony und ZF. Astemo, AUMOVIO, Bosch, Magna, Quanta und ZF haben elektronische Steuergeräte auf Hyperion-Basis angekündigt. Aeva, Arbe, Hesai, OMNIVISION und Sony gehören zu den Partnern, die Sensorsuiten für die offene Plattform qualifizieren. 20

Auf der Halbleiterseite nennt NVIDIA onsemi im Prüfökosystem für autonome Fahrzeuge. Für die Robotik führt das Unternehmen Infineon, NXP, STMicroelectronics und Texas Instruments als Zulieferer von Sensor-, Sicherheits-Mikrocontroller- und weiteren Halbleitertechnologien auf. 7 NXP erklärt zudem, Mitglied des Halos AI Systems Inspection Lab zu sein. 21

Was unabhängige Prüfung und Akkreditierung aussagen – und was nicht

NVIDIA verweist für Halos-bezogene Technologien auf mehr als 30 Sicherheits- und Cybersecurity-Zertifikate sowie Bewertungsberichte. Nach Angaben des Unternehmens hat TÜV SÜD die automobilen Produktlebenszyklus- sowie Kern-Hard- und Softwareprozesse von NVIDIA bis zum Automotive Safety Integrity Level D (ASIL D) zertifiziert. DriveOS 6.0 ist demnach als konform zu ISO 26262 ASIL D zertifiziert, Thor-X wurde als ASIL-D-konform bewertet. NVIDIA nennt außerdem eine Zertifizierung seiner Cybersecurity-Prozesse nach ISO/SAE 21434 sowie eine unabhängige UNECE-Sicherheitsbewertung von NVIDIA DRIVE AV durch TÜV Rheinland. 1217

Zu Halos gehört außerdem das NVIDIA AI Systems Inspection Lab, eine nach ISO/IEC 17020 ANAB-akkreditierte Inspektionsstelle. NVIDIA zufolge führt das Labor unparteiische Bewertungen durch und betreibt das Programm Halos Certified. Damit sollen Partner ihre Integrationen auf eine Zertifizierung durch Dritte vorbereiten können, etwa durch TÜV Rheinland, UL Solutions, TÜV SÜD, exida, SGS oder CertX. 11118

Die entscheidende Einschränkung liegt im Umfang der jeweiligen Prüfung: Akkreditierung und Inspektion können belegen, dass eine Inspektionsstelle und ihr Verfahren definierte Anforderungen erfüllen. Ein Komponenten-Zertifikat oder eine Bewertung gilt für das untersuchte Produkt und den bewerteten Umfang. Beides zertifiziert nicht automatisch jedes mit Halos gebaute Fahrzeug oder jeden Roboter für jede Betriebsumgebung. Entwickler des Endsystems benötigen weiterhin anwendungsspezifische Validierung, Genehmigungen und betriebliche Sicherheitsmaßnahmen. 411

Warum NVIDIA skalierbare Sicherheitsinfrastruktur für nötig hält

NVIDIA begründet den Aufbau wiederverwendbarer Sicherheitsinfrastruktur mit erwarteten Stückzahlen. ABI Research prognostiziert bis 2035 einen installierten Bestand von 49 Millionen autonomen Fahrzeugen der Stufen 3 bis 5; Omdia schätzt die Zahl industrieller Roboter auf rund 60 Millionen. 6

In dieser Größenordnung kann jede Änderung an KI-Modell, Sensorpaket, Hardwarekonfiguration oder Softwareversion eine neue Frage für die Sicherheitsabsicherung aufwerfen. NVIDIAs These lautet daher: Entwicklung und Einsatz brauchen einen gemeinsamen, nachweisverknüpften Ansatz, damit sich solche Veränderungen konsistent bewerten und effizienter auditieren lassen. 6

Halos lässt sich somit am besten als Versuch verstehen, Sicherheitsabsicherung über den gesamten Lebenszyklus physischer KI zu einer kontinuierlichen Ingenieursdisziplin zu machen. Das Versprechen lautet nicht, dass Zertifizierung automatisch erfolgt. Vielmehr sollen Entwickler eine strukturierte Grundlage erhalten, um immer komplexere autonome Systeme zu entwickeln, zu dokumentieren, zu inspizieren und unabhängig bewerten zu lassen. 156