Wenn du einen Tesla kaufst, der nach April 2022 (Nordamerika) oder nach Mitte 2023 (Europa) gebaut wurde, hat dein Fahrzeug keinen Radarsensor mehr. Und wenn es ein Model Y Juniper oder ein Model 3 Highland ist, fehlt auch der Ultraschall – komplett. Das System, das all das ersetzt, heißt Tesla Vision.
Aber was genau ist Tesla Vision? Wie kann ein Auto sicher fahren, parken und autonom navigieren – nur mit Kameras? Und ist das wirklich besser als die Sensor-Fusion, die jeder andere Hersteller nutzt?
Kernthese: Tesla Vision ist nicht einfach „weniger Sensoren" – es ist ein fundamentaler Philosophiewechsel. Tesla argumentiert, dass ein ausreichend gutes neuronales Netz mit genug Kameradaten jede Information rekonstruieren kann, die Radar und Ultraschall liefern – und mehr.
Die Tesla-Sensorik im Überblick
Was hat ein Tesla 2026?
*Model 3/Y zwischen 2021–2023 wurden teilweise mit und teilweise ohne Ultraschall ausgeliefert.
Was fehlt – und warum?
Tesla hat zwei Sensoren entfernt:
- Radar (Continental ARS4-B): Ein 77-GHz-Radarsensor, der Objekte durch Regen, Nebel und bei Nacht erkennen konnte
- Ultraschallsensoren (USS): 12 Sensoren rund um das Fahrzeug für Nahbereichserkennung (Einparken, Totwinkel)
Wichtig zu verstehen: Tesla hat diese Sensoren nicht entfernt, weil sie „zu teuer" waren (Kosten: ~300 € pro Fahrzeug). Der Grund ist architektonisch: Tesla glaubt, dass Sensor-Fusion mit verschiedenen Sensortypen das neuronale Netz verwirrt statt es zu verbessern.
Warum Tesla auf „Vision only" setzt
Das Sensor-Fusion-Problem
Die meisten Autohersteller nutzen Sensor-Fusion: Daten von Kameras, Radar, Lidar und Ultraschall werden kombiniert, um ein Gesamtbild der Umgebung zu erstellen.
Das klingt logisch – mehr Daten = besseres Bild. Aber Teslas KI-Team unter Leitung von Andrej Karpathy (bis 2022) und Ashok Elluswamy argumentierte, dass Sensor-Fusion ein fundamentales Problem hat:
Konfliktierende Sensordaten. Was passiert, wenn die Kamera ein stehendes Fahrzeug erkennt, aber der Radar es nicht sieht (weil es unter einer Brücke steht und der Radar die Brücke als Hindernis interpretiert)?
Genau solche Konflikte führten zu den berüchtigten Phantom-Braking-Ereignissen: Das Auto bremste plötzlich auf der Autobahn, weil der Radar ein Signal reflektierte, das die Kamera nicht bestätigen konnte. Das Fusionssystem musste dann entscheiden, welchem Sensor es „glaubt" – und diese Entscheidung war oft falsch.
Die „Human-Vision"-Argumentation
Teslas philosophisches Argument:
Menschen fahren mit zwei Augen und einem Gehirn – ohne Radar, ohne Ultraschall, ohne Lidar. Wenn ein neuronales Netz mit acht hochauflösenden Kameras und einem leistungsstarken Computer die Welt besser sehen kann als ein Mensch, dann braucht es keine zusätzlichen Sensoren.
Diese Argumentation ist umstritten, hat aber eine logische Grundlage:
- Kameras sind der einzige Sensor, der Texturen, Farben, Verkehrszeichen und soziale Signale (Handzeichen, Blickkontakt) erkennen kann
- Radar kann keine Fahrspurmarkierungen lesen
- Ultraschall hat nur 5 Meter Reichweite
- Kameras liefern die reichhaltigsten Daten pro Dollar
Wie Tesla Vision funktioniert
Die 8-Kamera-Architektur
Teslas 8 Kameras bilden zusammen ein 360-Grad-Sichtfeld um das Fahrzeug:
| Kamera | Position | Sichtfeld | Reichweite | Hauptaufgabe |
|---|---|---|---|---|
| Main | Windschutzscheibe (Mitte) | 50° | 150 m | Fahrspurerkennung, Verkehr |
| Wide | Windschutzscheibe (Mitte) | 120° | 60 m | Ampeln, Kreuzungen, nahes Umfeld |
| Narrow/Tele | Windschutzscheibe (Mitte) | 35° | 250 m | Autobahn, entfernte Objekte |
| Pillar Left | B-Säule links | 90° | 80 m | Seitenverkehr, Einfahrten |
| Pillar Right | B-Säule rechts | 90° | 80 m | Seitenverkehr, Einfahrten |
| Repeater Left | Vorderer Kotflügel links | 90° | 80 m | Toter Winkel, Spurwechsel |
| Repeater Right | Vorderer Kotflügel rechts | 90° | 80 m | Toter Winkel, Spurwechsel |
| Rear | Heck (über Kennzeichen) | 140° | 50 m | Rückwärtsfahren, Heckverkehr |
HW3 vs. HW4: Der Unterschied ist real
Für HW3-Besitzer: Dein Tesla kann Tesla Vision nutzen, aber die niedrigere Kamera-Auflösung und Rechenleistung bedeuten, dass bestimmte Funktionen (besonders Nahbereichserkennung und Nachtsicht) deutlich schwächer sind als bei HW4-Fahrzeugen.
Das Occupancy Network: Teslas Geheimwaffe
Die vielleicht wichtigste Innovation hinter Tesla Vision ist das Occupancy Network – ein neuronales Netz, das aus 2D-Kamerabildern eine vollständige 3D-Voxel-Darstellung der Umgebung erstellt.
Statt einzelne Objekte zu erkennen und zu klassifizieren (wie traditionelle Computer-Vision-Systeme), baut das Occupancy Network eine 3D-Karte, in der jeder Punkt im Raum entweder „belegt" oder „frei" ist.
Traditionell: Kamerabild → "Das ist ein Auto" → "Es ist 30 m entfernt"
Occupancy Net: Kamerabild → "Dieser 3D-Raum ist belegt" → Fahrentscheidung
Der Vorteil: Das Occupancy Network kann Objekte erkennen, die es noch nie gesehen hat. Ein umgefallener Baum, eine Matratze auf der Autobahn, ein Stück Metall – all das wird als „belegt" erkannt, auch ohne spezifisches Training.
Praxistest: Wo Tesla Vision überzeugt – und wo nicht
✅ Autobahn (Autopilot)
Tesla Vision funktioniert auf der Autobahn exzellent:
- Spurführung: Stabil und präzise, auch bei verblassten Markierungen
- Abstandsregelung: Zuverlässig, reagiert auf Bremsvorgänge vorausfahrender Fahrzeuge
- Spurwechsel: Erkennt Fahrzeuge im toten Winkel über die B-Säulen-Kameras
- Phantom-Braking: Deutlich seltener als mit Radar-Fusion – das war tatsächlich der Hauptgrund für die Radar-Entfernung
✅ Kreuzungen und Stadtverkehr
In Kombination mit FSD v13 zeigt Tesla Vision in Kreuzungssituationen beeindruckende Fähigkeiten:
- Erkennt Ampelphasen (auch Pfeilampeln und Fußgängerampeln)
- Reagiert auf Handzeichen von Polizisten
- Erkennt Fußgänger, die die Straße überqueren wollen
⚠️ Einparken (ohne Ultraschall)
Hier zeigen sich die größten Schwächen von Tesla Vision:
- Nahbereichserkennung (unter 30 cm) ist weniger präzise als mit Ultraschall
- Niedrige Bordsteine werden manchmal nicht erkannt
- Dünne Objekte (Pfosten, Fahrradständer) können übersehen werden
- Dunkle Tiefgaragen sind eine Herausforderung für die Kameras
Tesla hat hier mit Software-Updates kontinuierlich nachgebessert – die USS-Vision-Parierität (Ultraschall-Parität) wurde Ende 2024 erreicht, aber viele Nutzer empfinden die Kamera-basierte Einparkhilfe immer noch als weniger vertrauenerweckend als die alte Ultraschall-Pieptöne.
Software-Update 2026.20: Tesla hat mit dem Update vom Mai 2026 ein verbessertes Park Assist eingeführt, das die Nahbereichserkennung durch ein neues neuronales Netz verbessert. Die Community berichtet von spürbaren Verbesserungen, besonders bei niedrigen Bordsteinen.
❌ Schlechtwetter und Nacht
Die größte Schwäche von Tesla Vision bleibt:
| Bedingung | Performance | Problem |
|---|---|---|
| Starkregen | Eingeschränkt | Wassertropfen auf Linsen, reduzierte Sichtweite |
| Nebel | Eingeschränkt | Kameras sehen nicht weiter als menschliche Augen |
| Schneetreiben | Stark eingeschränkt | Schneeflocken können als Objekte interpretiert werden |
| Nacht (beleuchtet) | Gut | Straßenbeleuchtung reicht aus |
| Nacht (unbeleuchtet) | Befriedigend | Abhängig von Scheinwerferreichweite (HW4 besser als HW3) |
| Direktes Gegenlicht | Eingeschränkt | Blendung, besonders bei tiefstehender Sonne |
Genau in diesen Situationen wäre Radar ein Vorteil gewesen: Radar sieht durch Regen, Nebel und Schnee, ist unempfindlich gegenüber Blendung und funktioniert bei Tag und Nacht gleich gut.
Die Kontroverse: Hat Tesla recht?
Die Kritiker
- Waymo setzt auf Lidar + Radar + Kameras und hat in Millionen autonomer Meilen null Unfälle mit schweren Personenschäden verzeichnet
- Mobileye (Intel) argumentiert, dass Redundanz durch verschiedene Sensortypen sicherheitskritisch ist
- Die UNECE (UN-Regulierung für Fahrzeuge) hat bisher kein rein kamerabasiertes System für Level-3-Autonomie zugelassen
Die Befürworter
- Teslas FSD v13 hat die niedrigste Unfallrate aller ADAS-Systeme in den USA (laut Teslas eigenem Safety Report)
- Die Datenmenge von 6 Millionen Fahrzeugen ist ein einzigartiger Trainings-Vorteil
- Kameras werden besser mit Software-Updates – Radar-Hardware ist fix
- Die Kosten für Lidar (~3.000–5.000 € pro Fahrzeug) machen es für Massenfahrzeuge unwirtschaftlich
Die differenzierte Antwort
Die Wahrheit liegt vermutlich dazwischen:
- Für Level 2+ (heute): Tesla Vision ist ausreichend und wird besser
- Für Level 3 (bald): Die Regulierer werden möglicherweise Redundanz durch Radar oder Lidar fordern
- Für Level 4/5 (Zukunft): Unklar – Teslas Datenvorteil könnte die Sensorlücke kompensieren
Regulatorische Realität in Europa: Die EU-Regulierung UN R157 (automatisierte Spurhaltung) verlangt für Level-3-Systeme aktuell eine redundante Sensorik. Ein rein kamerabasiertes System erfüllt diese Anforderung Stand 2026 nicht. Das ist einer der Gründe, warum FSD in Europa noch nicht als Level-3-System zugelassen ist.
Was kommt als Nächstes?
Phoenix-Radar: Kehrt der Radar zurück?
Gerüchte deuten darauf hin, dass Tesla an einem neuen, hochauflösenden Radar arbeitet (intern „Phoenix" genannt):
- 4D-Imaging-Radar statt klassischem Radar
- Erkennt nicht nur Abstand und Geschwindigkeit, sondern auch Höhe und Form von Objekten
- Könnte die Nachteile von Tesla Vision bei Schlechtwetter eliminieren
- Möglicher Einsatz: Cybercab (Robotaxi) und zukünftige HW5-Fahrzeuge
HW5 und 12-Megapixel-Kameras
Tesla arbeitet an der nächsten Hardware-Generation:
Mit höherer Kamera-Auflösung und mehr Rechenleistung könnten viele der aktuellen Schwächen von Tesla Vision durch Software und Hardware gemeinsam gelöst werden – insbesondere die Nachterkennung und die Nahbereichspräzision.
Fazit: Vision ist der Weg – aber noch nicht am Ziel
Tesla Vision ist kein Kompromiss aus Kostengründen – es ist eine bewusste technische Entscheidung, die auf einer klaren philosophischen Überzeugung basiert: Wenn du genug Kameradaten und genug Rechenleistung hast, kannst du jede andere Sensorik überflüssig machen.
In der Praxis zeigt sich: Auf der Autobahn und im Stadtverkehr funktioniert es bereits sehr gut. Beim Einparken, bei Nacht und bei Schlechtwetter gibt es noch spürbare Lücken – Lücken, die Tesla mit jedem Software-Update kleiner macht, die aber für manche Fahrer immer noch frustrierend sind.
Die entscheidende Frage ist nicht „Funktioniert Tesla Vision?" – denn das tut es. Die Frage ist: „Reicht es für vollautonomes Fahren?" Und diese Frage wird nicht Tesla beantworten, sondern die Regulierungsbehörden.
Erfahre mehr über die Hardware hinter Tesla Vision in unserem HW3 vs. HW4 Vergleich und über die neueste FSD-Version in FSD v13 erklärt.