Jenseits des Chatbots: Wie die KI-Assistenten von Dassault Systèmes das Industrial Engineering neu gestalten

Die industrielle Welt lässt die Ära statischer Software hinter sich. Jahrzehntelang haben Ingenieure und Designer Computer-Aided Design (CAD) und Product Lifecycle Management (PLM) Tools als digitale Zeichenbretter genutzt. Doch der Aufstieg der generativen KI verwandelt diese Werkzeuge von passiven Instrumenten in aktive Partner. An der Spitze dieses Wandels steht Dassault Systèmes, der französische Software-Gigant, der vier Jahrzehnte damit verbracht hat, den „virtuellen Zwilling“ zu perfektionieren.

Mit der Einführung spezialisierter KI-Assistenten wie Aura, Leo und Marie fügt das Unternehmen nicht nur eine Suchleiste in seine Benutzeroberfläche ein; es bettet domänenspezifische Intelligenz direkt in den Engineering-Workflow ein. Dies sind keine Allzweck-Chatbots, wie man sie zum Schreiben von E-Mails verwendet; es sind Präzisionsinstrumente, die darauf ausgelegt sind, die Komplexität von Thermodynamik, Materialwissenschaft und Fertigungslogistik zu bewältigen.

Der virtuelle Zwilling trifft auf generative Intelligenz

Um zu verstehen, warum diese KI-Assistenten wichtig sind, muss man zunächst das Konzept des virtuellen Zwillings verstehen. Im Gegensatz zu einem einfachen 3D-Modell ist ein virtueller Zwilling eine mathematisch genaue, physikbasierte Darstellung eines realen Objekts oder Systems – sei es ein Strahltriebwerk, ein Wolkenkratzer oder ein menschliches Herz.

Durch die Integration generativer KI in diese Umgebung ermöglicht Dassault Systèmes den Ingenieuren den Übergang vom „Zeichnen“ einer Lösung zum „Beschreiben“ eines Problems. Anstatt die Geometrie einer Halterung manuell anzupassen, um Gewicht zu sparen, kann ein Ingenieur die KI bitten, das Bauteil für den 3D-Druck unter Verwendung einer spezifischen Titanlegierung zu optimieren. Die KI schlägt nicht nur eine Form vor; sie validiert diese Form gegen die Gesetze der Physik innerhalb der Umgebung des virtuellen Zwillings.

Lernen Sie die Spezialisten kennen: Marie, Leo und Aura

Dassault Systèmes hat sich vom „One-size-fits-all“-KI-Ansatz abgewandt und setzt stattdessen auf spezialisierte Personas, die auf unterschiedlichen Datensätzen trainiert wurden. Dies stellt sicher, dass die gegebenen Ratschläge technisch fundiert und kontextuell relevant sind.

• Marie: Positioniert als wissenschaftliche Expertin, ist Marie darauf ausgelegt, komplexe Anfragen zu Chemie, Biologie und Materialwissenschaft zu beantworten. Für einen Forscher, der ein neues Polymer entwickelt, kann Marie Einblicke in die molekulare Stabilität oder die Einhaltung gesetzlicher Vorschriften geben und dabei auf umfangreiche Bibliotheken wissenschaftlicher Literatur zurückgreifen.
• Leo: Dieser Begleiter ist die Brücke zur Welt des Engineerings. Leo ist darauf spezialisiert, das „Wie“ des Industriedesigns zu handhaben. Ob es sich um eine Frage zur mechanischen Spannungsverteilung oder um eine Anfrage zur besten Montagereihenfolge für einen komplexen Rumpf handelt – Leo liefert umsetzbare Engineering-Daten.
• Dominic: Während Marie und Leo sich auf das „Was“ und „Wie“ konzentrieren, dient Dominic als situativer Wegweiser. Kürzlich auf dem Mobile World Congress vorgestellt, fungiert Dominic als übergeordneter Navigator, der Benutzern hilft, die Logistik von Großveranstaltungen zu verwalten oder sich im weitläufigen Ökosystem der 3DEXPERIENCE-Plattform zurechtzufinden.

Florence Verzelen, Executive Vice President EMEA bei Dassault Systèmes, beschreibt diese Werkzeuge als „Superkräfte“. Das Ziel ist es, die „Routinearbeit“ der Datenbeschaffung und einfachen Berechnung zu eliminieren, damit sich menschliche Experten auf die kreative Problemlösung auf hohem Niveau konzentrieren können.

Von Generative Design zu Generative Engineering

Es gibt einen entscheidenden Unterschied zwischen dem generativen Design des letzten Jahrzehnts und dem KI-gesteuerten Engineering von heute. Traditionelles generatives Design nutzte Algorithmen, um Tausende von geometrischen Permutationen basierend auf festgelegten Randbedingungen zu durchlaufen. Es war leistungsstark, lieferte aber oft „Black-Box“-Ergebnisse, die schwer zu modifizieren waren.

Moderne KI-Assistenten bieten eine Ebene der Interaktion in natürlicher Sprache. Dies ermöglicht eine „Human-in-the-Loop“-Erfahrung, bei der der Ingenieur mit der KI diskutieren, Begründungen anfordern und Parameter in Echtzeit verfeinern kann. Es verwandelt den Designprozess in ein Gespräch. Wenn Leo ein bestimmtes Verstärkungsmuster vorschlägt, kann der Ingenieur fragen: „Warum dieses Muster gegenüber einer Wabenstruktur?“ und erhält eine technische Rechtfertigung basierend auf den spezifischen Lastanforderungen des Projekts.

Praktische Auswirkungen für die Fertigung

Die Auswirkungen dieser Assistenten erstrecken sich über das Konstruktionsbüro hinaus. Im Manufacturing Engineering werden die Einsätze in Ausfallzeiten und Materialverschwendung gemessen.

So bereiten Sie Ihren Workflow auf die KI-Integration vor

Die Einführung dieser KI-Assistenten ist nicht so einfach wie das Umlegen eines Schalters. Sie erfordert ein Umdenken im Datenmanagement industrieller Teams. Um das Beste aus diesen Werkzeugen herauszuholen, sollten Unternehmen folgende Schritte in Betracht ziehen:

1. Bereinigen Sie Ihre Datenbasis: Eine KI ist nur so gut wie die Daten, auf die sie zugreift. Stellen Sie sicher, dass Ihre PLM-Daten strukturiert und Ihre virtuellen Zwillinge auf dem neuesten Stand sind.
2. Definieren Sie spezialisierte Anwendungsfälle: Versuchen Sie nicht, KI sofort für alles einzusetzen. Beginnen Sie mit dem Einsatz von Marie für Forschung und Entwicklung oder Leo für die mechanische Optimierung, um zu sehen, wo der höchste ROI liegt.
3. Investieren Sie in Prompt-Engineering für Ingenieure: Den Mitarbeitern beizubringen, wie man präzise, technische Fragen stellt, ist die neue „Zeichenfertigkeit“. Eine vage Frage führt zu einem vagen Design.
4. Behalten Sie die menschliche Aufsicht bei: Betrachten Sie KI-Vorschläge immer als Hypothesen. Die endgültige Validierung muss weiterhin durch strenge Simulationen und physische Tests erfolgen.

Die Zukunft der industriellen Innovation

Die Einführung dieser KI-Assistenten markiert einen Wendepunkt, an dem Software aufhört, ein Werkzeug zu sein, und beginnt, ein Teammitglied zu werden. Indem Dassault Systèmes generative KI in der physikalischen Genauigkeit des virtuellen Zwillings verankert, löst das Unternehmen das „Halluzinationsproblem“, das allgemeine KI oft plagt.

Da diese Modelle kontinuierlich aus den riesigen Datenmengen lernen, die innerhalb der 3DEXPERIENCE-Plattform generiert werden, wird die Lücke zwischen einer Idee und der gefertigten Realität immer kleiner. Für den Ingenieur des Jahres 2026 besteht die Herausforderung nicht mehr darin, wie man die Software bedient, sondern wie man ein Team aus digitalen Experten am besten führt, um die drängendsten industriellen Herausforderungen der Welt zu lösen.

Quellen

• Dassault Systèmes Official Newsroom
• 3DEXPERIENCE Platform Documentation
• Mobile World Congress 2024/2025 Tech Briefings
• Interviews with Florence Verzelen, EVP EMEA, Dassault Systèmes