Los Sistemas Avanzados de Asistencia al Conductor (ADAS) atraen una atención en constante crecimiento por parte de académicos e industria, ya que cada vez más vehículos están equipados con esta tecnología. Se espera que los ADAS de nivel 3, como el DRIVE PILOT de Mercedes-Benz AG, aparezcan cada vez más en el mercado en los próximos años. Sin embargo, la conducción automatizada plantea nuevos desafíos para la validación del sistema requerida para la aprobación en serie. La sustitución de un conductor humano como instancia de control amplía el rango de variantes que deben ser validadas y verificadas. El enfoque de validación basado en escenarios enfrenta estos desafíos al simular solo escenarios de conducción críticos para la seguridad específicos utilizando simulación de software en el bucle. Según el estado actual de la técnica, varios escenarios de conducción relevantes para la seguridad son parametrizados como maniobras idealizadas, lo que requiere un gran esfuerzo de modelado y, al mismo tiempo, tales simplificaciones pueden sesgar la evaluación de la seguridad. Por lo tanto, aquí se adopta un enfoque novedoso utilizando métodos de inteligencia artificial para generar escenarios de conducción más realistas. En concreto, se entrena un modelo generativo basado en un autoencoder variacional con datos del mundo real y luego se utiliza para generar trayectorias para una maniobra de conducción específica. A través de un análisis exhaustivo de las trayectorias sintéticas, queda claro que el modelo generativo puede aprender y replicar propiedades relevantes de los datos de conducción reales, así como sus probabilidades, mucho mejor que los modelos matemáticos utilizados hasta ahora. Además, se demuestra que tanto las propiedades estadísticas como las características temporales son casi iguales a las de los datos de entrada.