Praxistest im Turbinenbau Kann Künstliche Intelligenz ein Flugtriebwerk konstruieren?

Anbieter zum Thema

AFC Europe Ltd Bochum Technisches Zentrum

GWJ Technology GmbH

Xometry Europe GmbH

Generative KI und große Sprachmodelle (LLM) verändern die Softwareentwicklung – doch taugen sie auch für komplexe Hardware? Ein Experiment am Massachusetts Institute of Technology zeigt nun: KI-Copiloten können den Konstruktionsprozess drastisch verkürzen. Am Ende entscheidet jedoch weiterhin die menschliche Ingenieursexpertise.

Im Maschinen- und Anlagenbau wird viel über das Potenzial von Künstlicher Intelligenz diskutiert. Um herauszufinden, ob KI den klassischen Entwicklungs-, Bau- und Testzyklus physischer Produkte tatsächlich verkürzen kann, rief das Massachusetts Institute of Technology (MIT) Gas Turbine Laboratory die sogenannte JARVIS-Challenge (Jet-engine AI Research and Validation Intensive Sprint) ins Leben.Die Aufgabe für die angetretenen Teams: Innerhalb von nur vier Wochen sollte ein kleines Gasturbinen-Flugtriebwerk (Einwellen-Strahltriebwerk) entworfen, gefertigt, montiert und getestet werden.
Die Vorgaben waren streng: 50 bis 100 Pfund Schub (ca. 222 bis 444 Newton), Betrieb mit Jet-A-Kerosin und das Überstehen von fünf 60-sekündigen Testläufen. Bei Design, Materialwahl und Fertigungsverfahren hatten die Konstrukteure völlig freie Hand.

Konstruktionstools treffen auf unbegrenzten KI-Zugang

Neben klassischen Engineering-Werkzeugen wie Solidworks für das CAD-Design, Abaqus für die FEM-Berechnung und Concepts NREC für das Turbomaschinen-Design stand den Teams eine neu entwickelte KI-Schnittstelle namens MIT Parley zur Verfügung. Diese bündelt hochmoderne große Sprachmodelle (LLMs) wie Chat-GPT oder Claude. Durch Industriesponsoren – darunter Safran und Boom Technology – hatten die Teams praktisch unbegrenzten Zugriff auf diese KI-Ressourcen. Die Fragestellung: Kann die KI den Mangel an tiefgreifender Erfahrung im Bereich der Thermodynamik und Strömungsmechanik ausgleichen?

Kann die KI den Mangel an tiefgreifender Erfahrung im Bereich der Thermodynamik und Strömungsmechanik ausgleichen?

Konzeptphase beschleunigt, CAD-Design als Stolperstein

In der ersten Phase des Projekts erwies sich die KI als massiver Beschleuniger. Die Teams nutzten die Sprachmodelle für Literaturrecherchen, das Erlernen der CAD- und CAE-Software, das Erstellen von Excel-Kalkulationen und vor allem für Konzeptstudien (Variantenvergleiche). Als es in der zweiten Woche jedoch an die detaillierte CAD-Konstruktion und das Prototyping der Brennkammern ging, stieß die Künstliche Intelligenz an harte Grenzen. Die Teams stellten fest, dass KI-typische Halluzinationen, das blinde Bestätigen von falschen Annahmen und ein fehlendes physikalisches Grundverständnis der Modelle den Konstruktionsprozess ausbremsten.„KI ist ein hilfreiches Werkzeug. Sie ist großartig darin, Informationen zu finden und zu strukturieren, aber sie kann nicht konstruieren“, resümiert Elizabeth Tupaj, Mitglied des späteren Siegerteams. „In dem Moment, in dem der Ingenieur nicht genau weiß, was vor sich geht, und die KI das Ruder übernimmt, wird das Design unzuverlässig.“

KI ist ein hilfreiches Werkzeug. Sie ist großartig darin, Informationen zu finden und zu strukturieren, aber sie kann nicht konstruieren.

Elizabeth Tupaj, Mitglied des späteren Siegerteams

Beschaffung und Fertigung bleiben der Flaschenhals

Eine weitere Hürde, an der die Algorithmen scheiterten, war das Supply Chain Management. Die KI schlug bei der Lieferantensuche zwar Hersteller vor, diese hatten jedoch angesichts des straffen Zeitplans von vier Wochen kein Interesse an einer Zusammenarbeit. Die Teams mussten schnell feststellen, dass persönliche Beziehungen und der direkte Draht zu Lohnfertigern weitaus effektiver waren als KI-generierte Listen. Die physische Fertigung – und nicht das technische Design – blieb letztlich der geschwindigkeitsbegrenzende Faktor des Projekts.

Domänenwissen schlägt blinden KI-Glauben

Besonders aufschlussreich war der Ausgang der Challenge: Das Team, das die KI am intensivsten für die Konstruktion nutzte, kam zwar am schnellsten voran und erreichte eine erste Zündung, scheiterte aber beim abschließenden Heißlauftest (Hot Fire), da der Rotor am Gehäuse rieb und sich festfraß.Den Sieg holte stattdessen das Team, das von vornherein über mehr klassisches CAD- und Turbomaschinen-Wissen verfügte. Dieses Team stand der KI deutlich skeptischer gegenüber und verließ sich primär auf grundlegendes Ingenieurswissen („First Principles“) und etablierte Berechnungsmethoden. Ihr Triebwerk startete reibungslos, wechselte in den Kerosinbetrieb und erzeugte den geforderten Netto-Schub.

KI ist nur ein Multiplikator

„Die JARVIS-Challenge hat gezeigt, dass KI die sicherheitskritische Hardwareentwicklung erheblich beschleunigen kann. Das technische Urteilsvermögen bleibt jedoch das entscheidende Unterscheidungsmerkmal“, erklärt Professor Zolti Spakovszky, Direktor des MIT Gas Turbine Laboratory.Ein moderner Konstrukteur zeichne sich demnach nicht primär dadurch aus, dass er KI nutzt, sondern dass er sie kompetent führt. Er muss wissen, wann er den Ausgaben vertrauen kann, wann er sie kritisch hinterfragen muss und wie er KI-Konzepte in real fertigbare Hardware übersetzt. Der ideale Mittelweg, so die Erkenntnis der MIT-Dozenten, liege darin, genug Domänenwissen zu besitzen, um die Kontrolle über das CAD-Modell zu behalten, aber gleichzeitig offen genug zu sein, um die KI für Recherche- und Konzeptphasen effizient einzusetzen.

Ein moderner Konstrukteur muss wissen, wann er den Ausgaben vertrauen kann, wann er sie kritisch hinterfragen muss und wie er KI-Konzepte in real fertigbare Hardware übersetzt.

Das Event für Konstruktions- und Entwicklungsleiter

Herausforderungen in der Produktentwicklung effizient lösen

Der Schlüssel für den Erfolg eines Unternehmens liegt in Konstruktion und Entwicklung. Hier entstehen innovative Produkte, die die Wettbewerbsfähigkeit sichern. Das Konstruktionsleiter-Forum sensibilisiert für die Herausforderungen der Produktentwicklung des 21. Jahrhunderts, und zeigt praxisorientierte Lösungen auf. Dazu zählen Tools und Methoden, um innovative Ideen strukturiert zu entwickeln und den Produktentstehungsprozess schlank und effizient zu gestalten.

Jetzt anmelden!