Generative KI KI für Ingenieure: So gelingt Entwicklung ohne Vorbehalte

Anbieter zum Thema

Dell GmbH - Technologies

CADFEM Germany GmbH

Camtek GmbH

UberCloud

Die disruptive Kraft künstlicher Intelligenz (KI) ist in fast allen Branchen spürbar – so auch im Ingenieurwesen: KI wird diesen Sektor verändern und den Alltag von Konstrukteuren sowie den Beruf selbst auf ein neues Level heben. Um mit der raschen Entwicklung Schritt zu halten, brauchen sie neben den entsprechenden Fähigkeiten auch leistungsfähige Workstations, um KI für Ingenieure richtig nutzen zu können.

Die Zeiten, in denen Bauteile von Automobilen, Flugzeugen, Maschinen aller Art am Reißbrett entstanden, sind lange vorbei. Heute findet all dies digital statt, was den Aufwand für Kreation, Design und die anschließende Fertigung erheblich reduziert und so das Leben von Konstrukteuren und Ingenieuren erleichtert. Computer Aided Design (CAD) für das Erstellen von Modellen und Computer Aided Engineering (CAE) für die Simulation sind seit langem das Maß aller Dinge im Ingenieur­wesen – und werden es wohl auch noch auf absehbare Zeit bleiben. Dennoch steht mit dem Aufkommen generativer KI eine Revolution ins Haus, deren Auswirkungen gigantisch sein werden.

Generative KI für Ingenieure?

Der Begriff generative KI – oder GenAI – ist seit einigen Monaten in aller Munde, und beinahe täglich gibt es neue Anwendungen oder digitale Assistenten, die sich dieser Zukunftstechnologie bedienen. Die bekanntesten Beispiele dürften wohl ChatGPT von OpenAI und der Copilot von Microsoft sein. Unter der Haube dieser Anwendungen arbeiten Large Language Models (LLMs), also große Sprachmodelle, die zweierlei Funk­tionen erfüllen: Erstens fungieren sie als Wissensdatenbanken, die von ihren Entwicklern mit Milliarden von Datensätzen gefüttert werden und somit Antworten auf alle Arten von Fragen geben können. Zweitens sind sie fähig, natürliche Sprache zu verarbeiten und auszugeben: So fühlt sich die Konversation mit Copilot oder ChatGPT wie ein Austausch mit einem echten Menschen an. Und die Modelle werden immer leistungsstärker: So hat OpenAI im Mai 2024 GPT4o veröffentlicht, das nun in Echtzeit mit menschlicher Stimme sprechen und auch simultan übersetzen kann. Bei eingeschalteter Kamera kann das KI-Tool zudem visuelle Impressionen verarbeiten. Der Sprung zu einem vollfunktionsfähigen und interagierenden Roboter ist da nicht mehr weit.

KI ante Portas

Gerade für das Ingenieurwesen sind diese Entwicklungen von größter Bedeutung, denn generative KI kann – sinnvoll in CAD- und CAE-Anwendungen integriert – die Effizienz von Konstrukteuren maßgeblich steigern. Oft müssen sie in diesen Programmen Formeln anwenden, um bestimmte Teile ihrer Konstruktion zu modifizieren oder bestimmte Faktoren für Simulationen manuell einzugeben. Mit generativer KI werden sie zukünftig einfach in natürlicher Sprache die gewünschte Berechnung unter Berücksichtigung aller relevanten und abstrakten Anforderungen durchführen lassen können.

In Verbindung mit KI-gestützter Bildgenerierung, wie sie in Form von DALL-E 3, Midjourney oder Stable Diffusion bereits existiert, wird GenAI auch ihre unkonventionellen Fähigkeiten voll ausspielen. Zur Erklärung: Menschen denken bei der Problemlösung im Bereich der Konstruktion ungern komplett unkonventionell. Das liegt insbesondere daran, dass bei ihnen immer die Frage der Machbarkeit, der Produzierbarkeit und der Kosten mitspielt. Soll ein Ingenieur einen Flügel für ein Flugzeug neu konzipieren, wird er möglicherweise auf eine neuartige Legierung, also anderes Material, oder eine leichte Anpassung der ursprünglichen Form setzen. Einer künstlichen Intelligenz sind diese Faktoren erst einmal egal, und sie löst das konkrete Problem auf die effizienteste Weise. Das kann unter Umständen bedeuten, dass – um beim Beispiel des Flügels zu bleiben – keine Strebe des Endproduktes mehr gerade sein wird. Es ist daher umso wichtiger, dass die KI-basierten Konstruktionstools von morgen richtig trainiert werden.

Grenzen setzen ist wichtig

Sowohl beim Einsatz von operativen KI-Assistenten, die in CAD- und CAE-Anwendungen implementiert sind, als auch bei Tools, die selbst konstruieren, müssen deren Entwickler der eingesetzten künstlichen Intelligenz sinnvolle Grenzen vorgeben und Kontextwissen einimpfen. Was zunächst wie eine drastische Beschneidung der kreativen Innovationskraft von GenAI klingt, erweitert den Horizont des Möglichen dennoch immens: Wir können heute beispielsweise das volle Potenzial neuer Fertigungsverfahren für Bauteile wie dem Sintern noch gar nicht voll ausschöpfen. Dabei wird generative KI also trotz vorgegebener Einschränkungen der kreativen Freiheit helfen. Um am Ende ein sinnvolles, funktionierendes und auch realisierbares Endprodukt von KI erstellen zu lassen, braucht generative KI das Wissen darüber, was technologisch machbar ist, ansonsten baut sie sprichwörtliche Luftschlösser.

Für bestmögliche Ergebnisse benötigt KI im Kontext des Konstruktionswesens möglichst umfangreiches Wissen über Materialien, Fertigungsverfahren und Aerodynamik – und das idealerweise nicht aus der eingeschränkten Sicht eines Herstellers, sondern auf Basis holistischer Informationen nach aktuellem Stand der Technik. Damit ausgestattet könnte eine KI beispielsweise ein Flugzeug entwerfen, das unseren ähnelt, in vielerlei Hinsicht aber komplett anders aufgebaut ist und dennoch einwandfrei oder sogar besser funktioniert. Um dann auch auf stets aktuellem Niveau zu bleiben, kommt „Widening AI“ ins Spiel, also die Notwendigkeit, die KI so zu entwickeln, dass sie sich selbst weiterbilden kann. Dafür fehlt es bisher allerdings noch an Regularien, auch wenn es bereits technologische Ansätze dafür gibt, die derzeit noch nicht für die Öffentlichkeit zugänglich sind.

KI für Ingenieure: Software ist nicht alles

Trotz all dieser spannenden und zukunftsweisenden Entwicklungen können Konstrukteure nach wie vor nicht auf ihre speziellen Workstations verzichten – im Gegenteil. Auch wenn Cloud Computing auf dem Vormarsch ist und in vielen Bereichen Sinn ergibt, gilt das für CAD-Anwendungen nur bedingt. Gerade die oft sehr großen Dateien machen die Nutzung sehr teuer. Außerdem sind Cloud-Server selten den speziellen Anforderungen des Computer Aided Designs gewachsen: Da CAD-Anwendungen auf einem Kernel basieren, der schon rund 40 Jahre alt ist, sind auch heute die meisten Anwendungen nicht in der Lage, ihre Workloads auf mehrere Rechenkerne zu verteilen. Einige Betriebssysteme bieten Funktionen wie den Windows Scheduler, der die Tasks sehr effizient verteilen kann, doch die perfekte Workstation für Konstrukteure hat aus diesem Grund eher CPUs mit hohen Taktraten (bis zu sechs Gigahertz) als mit vielen Rechenkernen.

Bei GPUs verhält es sich genau anders herum: Hier können es gerade für die Ingenieure, die sehr große Konstruktionen und nicht nur einzelne Bauteile erstellen, oft nicht genug Grafikbeschleuniger sein. Natürlich bieten Hersteller wie Dell Technologies mit den Precision Workstations sowohl stationäre Tower als auch mobile Varianten für Konstrukteure an. Dabei eignen sich insbesondere die Modelle der Precision-3000er-Reihe für das Ingenieurwesen: Sie setzen auf eine niedrigere Anzahl extrem leistungsstarker Prozessorkerne in der CPU und auf eine hohe Grafik-Performance. Ob mobil oder stationär, bleibt dabei Geschmackssache, auch wenn Tower natürlich mehr Platz für zusätzliche Grafikbeschleuniger bieten.

Der Autor Peter Beck ist Field Product Manager Workstations and Rugged bei Dell Technologies in Deutschland.