End-to-End-Systeme für autonome Fahrt (ADS), die aufgrund ihrer starken Fähigkeiten in der Umwelterkennung und generalisierbaren Fahrentscheidungen zunehmend Aufmerksamkeit sowohl in der Akademie als auch in der Industrie erlangen, stoßen jedoch bei ihrer Einsetzung auf öffentlichen Straßen zwangsläufig auf vielfältige Fahrunfälle, die Sicherheit gefährden und die Systemleistung beeinträchtigen können. Dies schafft einen hohen Bedarf an Resilienz von ADS, insbesondere hinsichtlich der Fähigkeit, Fahrunfälle kontinuierlich zu überwachen und sich adaptiv auf potenzielle Sicherheitsverstöße einzustellen – eine entscheidende Voraussetzung für robuste Fahrverhalten in komplexen Verkehrsszenarien.Um diese Lücke zu schließen, stellen wir einen runtime-orientierten Resilienzrahmen namens Argus vor, der Fahrunfälle reduziert, um potenzielle Sicherheitsverstöße zu verhindern und die Fahrdynamik eines ADS zu verbessern. Argus überwacht kontinuierlich die von dem ADS generierten Fahrtrajektorien auf mögliche Gefahren und übernimmt bei Bedarf nahtlos die Steuerung über einen Gefahrenminderungsmechanismus, sobald das EGO-Fahrzeug als unsicher eingestuft wird. Wir integrieren Argus in drei state-of-the-art-End-to-End-ADS, nämlich TCP, UniAD und VAD. Unsere Evaluation zeigt, dass Argus die Resilienz von ADS effektiv und effizient steigert: Im Durchschnitt verbessert sich der Fahrscore des ADS um bis zu 150,30 %, und bis zu 64,38 % der Sicherheitsverstöße können verhindert werden – mit nur geringem zusätzlichen Zeitoverhead.