In dieser Folge spricht Dr. Moritz Maier, Co-Gründer und CEO von Synera, darüber, wie Multiagenten-AI Entwicklungsprozesse von der CAD-Manipulation bis zur Simulation automatisiert. Die Vision: ein System wie J.A.R.V.I.S. aus Iron Man, das Ingenieur:innen vollautomatisch bei der Produktentstehung unterstützt. In einem Pilotprojekt schafften KI-Agenten eine Entwicklungsaufgabe in 2 Minuten statt 2 bis 3 Wochen, und mit der NASA arbeitet Synera an einem Text-to-Spaceship-Projekt.
Das wichtigste aus der Folge
In großen Automobilunternehmen sind 400 bis 800 Software-Tools für den Entwicklungsprozess freigegeben, mit unterschiedlichen Datenformaten von SysML über NURBS-Geometrie bis zu FE-Ergebnissen. Synera verbindet diese Tools über einen Digital Thread und automatisiert die Prozesskette mit Low-Code und KI-Agenten. Die zentrale These: Nicht das Bauteil wird entwickelt, sondern der Prozess, der das Bauteil automatisch erzeugt.
Strategische Kernthemen & Engineering-Hebel
- Low-Code als gemeinsame Sprache: Inspiriert von Grasshopper für Rhino nutzt Synera grafisches Programmieren mit Blöcken. Konnektoren steuern Tools wie Ansys, Altair oder CATIA über ihre APIs, ein lizenzierter Parasolid-Kern liefert eigene CAD-Grundfunktionen. So lässt sich eine Kette von CAD über Vernetzung, FE- und Spritzgusssimulation bis zum Report automatisieren.
- Regelbasierte Automatisierung zuerst: Schon ohne KI erreichen Business Cases das 10- bis 20-Fache. Ein US-Aerospace-OEM wies im Cost Engineering 99,8 % Zeitersparnis aus. Ein einmal digitalisierter Prozess läuft für ganze Bauteilfamilien oder tausendfach in Optimierungsschleifen.
- KI-Agenten für kognitive Aufgaben: Ein Agent kombiniert ein Large Language Model mit deterministischen Werkzeugen. Seit Multiagenten-Frameworks wie LangGraph 2024 lassen sich auch Expertenentscheidungen und Zielkonflikte automatisieren. Im Piloten mit BMW und AWS koordinierte ein Supervisor-Agent Konstruktions-, Simulations- und Kostenagenten: 2 Minuten statt 2 bis 3 Wochen, mit echten CATIA- und Nastran-Rechnungen im Hintergrund.
- Neue Rollen im Engineering: Editors bauen Workflows und Agentensysteme und sichern die Qualität, ähnlich früheren Methodenentwickler:innen. Consumers nutzen sie per Chat, Sprache oder unsichtbar über APIs, etwa ein Should-Costing-Agent in SAP Ariba. In der Luftfahrt sind sonst nur 10 bis 20 % der Bauteile kostenseitig bewertet.
- Daten und Qualität als Grundlage: Ohne maschinenlesbare Daten raten auch die besten Agenten. Workflows können Daten anreichern, etwa falsche Gewichte im PLM aus Geometrie und Material neu berechnen. Evaluationsagenten prüfen Ergebnisse auf Plausibilität, Guardrails verhindern falsche Fertigmeldungen.
- Einführung in Unternehmen: Lohnend ist es bei wiederkehrenden Prozessen, ab etwa 50 Entwicklungsingenieur:innen ist es ein No-Brainer. Starten sollte man mit High-Impact-Use-Cases wie RFQ-Prozessen, LLM-Zugang im eigenen Tenant und einer Scherenstrategie aus Management-Buy-in und motivierten Pionier:innen. Das Onboarding dauert 1 bis 3 Monate, die größte Hürde ist das Mindset.
Fazit
KI-Agenten machen aus dem Produktentstehungsprozess einen digitalisierten, wiederverwendbaren Ablauf. Der nächste Schritt ist Text-to-Low-Code: Agenten, die ihre Werkzeuge selbst bauen. Moritz erwartet das um 2027/28, Organisationen werden sich dann von der Pyramide zur Diamantform verändern.
Häufige Fragen
Was sind KI-Agenten in der Produktentwicklung? Ein KI-Agent kombiniert ein Large Language Model mit Werkzeugen, die er aufrufen kann, etwa CAD-, Vernetzungs- oder Simulationssoftware. Mehrere spezialisierte Agenten können wie ein Entwicklungsteam zusammenarbeiten, koordiniert von einem Supervisor-Agenten.
Wie viel Zeit sparen KI-Agenten im Engineering? Im Piloten mit BMW und AWS lösten Agenten eine Entwicklungsaufgabe in 2 Minuten statt 2 bis 3 Wochen. Schon regelbasierte Automatisierung erreicht das 10- bis 20-Fache, ein Aerospace-OEM wies im Cost Engineering 99,8 % Zeitersparnis aus.
Wann lohnt sich die Automatisierung der Produktentwicklung? Bei wiederkehrenden Prozessen und mehreren verbundenen Software-Tools. Ab etwa 50 Entwicklungsingenieur:innen ist der Business Case meist klar, in Einzelfällen auch schon bei 2.
Wie führt man KI-Agenten im Unternehmen ein? Mit High-Impact-Use-Cases auf dem kritischen Pfad oder im RFQ-Prozess beginnen. Dazu braucht es LLM-Zugang im eigenen Tenant, Unterstützung durch das Management und motivierte Pionier:innen für erste Leuchtturmprojekte.
Welche Rolle spielt Datenqualität für KI im Engineering? Eine zentrale: Ohne maschinenlesbare Daten und APIs können Agenten nur raten. Workflows können Daten anreichern, Evaluationsagenten prüfen Ergebnisse auf Plausibilität.
Shownotes
Kontakt Moritz: https://www.linkedin.com/in/moritzmaier/
Synera: Synera | Die KI-Plattform für Ingenieure
NASA Text to Spaceship: https://www.youtube.com/watch?v=DV_DVw0UIF0
Eine Folge des Product Engineering Podcast: www.productengineeringpodcast.de
Kontakt Gregor: mail@productengineeringpodcast.de
LinkedIn: https://www.linkedin.com/company/product-engineering-podcast/