Die Dissertation entwickelt einen methodischen Ansatz zur Auswahl repräsentativer konkreter Szenarien aus logischen Szenarien, um die Absicherung und Freigabe hochautomatisierter Fahrfunktionen effizient zu gestalten. Dabei wird ein mehrstufiger Selektionsprozess vorgestellt, der kombinatorische Exploration, Szenarienreduktion sowie Ähnlichkeits- und Unsicherheitsanalysen kombiniert, um den Testaufwand zu reduzieren und gleichzeitig eine belastbare Aussage über die Abdeckung des Szenarioraums zu ermöglichen.

Ziel ist es, mit einer begrenzten Anzahl von Testfällen eine valide Generalisierung auf nicht getestete Szenarien zu erreichen und so die Sicherheit und Validität automatisierter Fahrfunktionen im Open-World-Kontext nachzuweisen.