Ein Fahrzeug-Prototyp wurde jahrzehntelang gegen eine Wand gefahren, um zu prüfen, ob die Insassen den Aufprall überstehen. Jeder Test bedeutete ein neues, physisch gebautes Modell. Wer so arbeitete, kam im Jahr auf eine Handvoll ernsthafter Varianten. Später wanderte der Crashtest in die Simulation: Ein Rechner prüfte die Physik, bevor überhaupt etwas gebaut wurde, und die Zahl der möglichen Durchläufe stieg deutlich.
Thomas von Tschammer, Mitgründer des Schweizer Unternehmens Neural Concept, beschreibt im Podcast The Cognitive Revolution den nächsten Schritt. Seine Firma trainiert spezialisierte KI-Modelle für Aerodynamik, Wärmeableitung oder Aufprallsicherheit. Sie liefern in Minuten Ergebnisse, für die eine klassische, physikbasierte Simulation Stunden oder Tage braucht. Selbst ein stark optimierter Simulationsprozess kam am Ende auf etwa fünfzig geprüfte Entwürfe pro Tag. Ein Hersteller wie Jaguar Land Rover testet mit den gelernten Modellen inzwischen über tausend.
Der Sprung von fünfzig auf tausend klingt nach mehr vom Gleichen, ist aber etwas anderes. Solange das Durchrechnen einer Variante Zeit und Geld kostet, besteht ein großer Teil der Ingenieursarbeit darin, überhaupt Ergebnisse zu bekommen: den Fall aufsetzen, rechnen lassen, warten, auswerten. Kostet dieser Schritt fast nichts mehr, bleibt die schwierigere Aufgabe übrig — zu entscheiden, welche der vielen Entwürfe es wert sind, weiterverfolgt zu werden. Von Tschammer beschreibt, wie die Modelle die Ingenieure davon entlasten, jeden Durchlauf selbst zu fahren, und ihnen Raum geben, größere Teile des Entwurfsraums zu erkunden und die Abwägungen zu treffen, die andere Abteilungen berühren: Kosten gegen Leistung, Aerodynamik gegen die Form, die das Designstudio will.
Damit wandert der Engpass nach oben. Über die Qualität eines Autos entscheidet jetzt vor allem, wie gut jemand die Kompromisse zwischen Kosten, Leistung und Aussehen abwägt. Die Fachleute für die einzelnen Physikbereiche bleiben nötig — jetzt vor allem, um zu beurteilen, welches Ergebnis in einem Feld widersprüchlicher Ziele das richtige ist. Gelegentlich liefern die Modelle einen Entwurf, auf den kein Mensch gekommen wäre, und machen die Ingenieure so auf Möglichkeiten aufmerksam, die sie übersehen hatten.
Von Tschammer erwartet, dass diese Entwicklung den Markt hart trennt. Zwischen den Herstellern, die ihre Entwicklung auf diese Arbeitsweise umstellen, und denen, die es nicht tun, werde die Lücke in den nächsten Jahren immer größer. Die Trennung beginnt schon innerhalb der Unternehmen. Die Forschungs- und Methodenteams stürzen sich auf neue Modelle, probieren aus, vergleichen; der Rest der Organisation bleibt bei den vertrauten Werkzeugen. Wer die Technik besitzt, hat damit noch nicht entschieden, ob sie im Alltag ankommt.
Das Muster reicht über den Maschinenbau hinaus. Überall dort, wo Fachleute bisher viel Zeit darauf verwenden, Ergebnisse zu produzieren, verlagert gute KI die knappe Ressource auf das Urteil darüber, was mit diesen Ergebnissen geschehen soll. Die Technik dafür lässt sich kaufen. Die Fähigkeit, tausend Optionen sinnvoll zu sortieren, nicht.