Überrollbügel Formel-1-Rennwagen, Bild: Autodesk

Computer sollen in Zukunft Entwickler beim Design tatkräftig unterstützen. Etwa für das neue Design eines Überrollbügels im Formel-1-Rennwagen. Mit eingegebenen Informationen beginnt er, auf ihrer Basis alle möglichen Designvarianten zu generieren. Bild: Autodesk

Erinnern Sie sich noch an den klassischen C:\> Befehl? Ein weißer Text auf schwarzem Hintergrund und dieser macht - nichts. Genau so arbeitet man seit Jahrzehnten mit Computern. Sie sind passive Werkzeuge, die auf Anwender warten, die ihnen sagen, was sie machen sollen. Kann ein Computer mehr sein als das? Wie wird er zu einem Partner in der Entwicklung? Neuentdeckte Fähigkeiten machen jetzt diesen Traum wahr: Computer können heutzutage kreativ und lernfähig sein.

Computer sind das Herzstück des generativen Designs, weil sie mittlerweile selbst Ideen und Vorschläge in den Designprozess einbringen. Beim generativen Design sagen Sie dem Computer nur, wohin Sie wollen und welche Bedingungen eingehalten werden müssen. Danach durchforstet der Computer den gesamten, ihm bekannten Informationsraum nach Lösungen und schlägt Konzepte vor, auf die Sie selbst nie gekommen wären.

Hier ist ein Beispiel für diese Arbeitsweise: Das Bild zeigt eine Antenne, die von der NASA in den 1960er Jahren entwickelt wurde. Sie flog mehrfach ins Weltall, wurde von einem Ingenieur entwickelt und galt als elegante, höchst leistungsfähige Lösung.

NASA-Antenne, Bild: Autodesk
Die Antenne wurde von der NASA in den 1960er Jahren ernwickelt und flog mehrfach ins Weltall. Bild: Autodesk

Vor etwa zehn Jahren entwickelten Ingenieure einen Algorithmus, der eine Unzahl verschiedener Antennenstrukturen analysieren und ihre Leistungsfähigkeit simulieren kann. Auf Basis dieser Simulationen entwickelte dieser Algorithmus weitere Antennen mit immer besserer Leistungsfähigkeit. Aus diesem Prozess entstand das Antennendesign unten. Obwohl es eher seltsam aussieht, bringt es die doppelte Leistung der älteren Antenne.

Verbesserte NASA-Antenne, Bild: Autodesk
Mit Hilfe von Simulationen wurde die NASA-Antenne verbessert. Sie bringt die doppelte Leistung als ihr Vorgängen. Bild: Autodesk

Schon 1915 sagte der Biologe D’Arcy Wentworth Thompson „Die Gestalt eines Objekts ist eine Skizze seiner Fähigkeiten.“ Ich finde das großartig. Denn jetzt, 100 Jahre später, wendet Autodesk dieses Konzept fast schon wortwörtlich in der Software Dreamcatcher an. Dreamcatcher ist ein Forschungsprojekt, in dem Designer dem Computer die Kräfte beschreiben, die auf ein Objekt wirken – und der Computer legt los und erstellt das Objekt. Die Kräfte können unter anderem strukturelle Belastungen sowie Herstellungsmethoden sein.

Beispiel aus der Formel 1

Um Ihnen noch ein Beispiel zu geben: Stellen Sie sich vor, ich wollte einen Überrollbügel für einen Formel-1-Rennwagen entwickeln. Bei der alten Arbeitsmethode würde ich mit der Idee im Kopf beginnen, das Bauteil am Computer designen und dann mit einer Analysesoftware testen. Und dann hätte ich lediglich eine einzige Designvariante.

Mit Dreamcatcher geben Sie dem Computer das Ziel vor. Sie sagen ihm nicht, was Sie machen, sondern, was Sie erreichen wollen. Sie beschreiben präzise Ihr Problem und der Computer kreiert eine ganze Reihe möglicher Lösungen. Danach analysiert er sie automatisch, indem er auf Cloud-Computing-Ressourcen zugreift.

Das Schlüsselerlebnis: In der Zeit, in der Sie bisher gerade mal ein Design erstellt und analysiert hätten, hat Dreamcatcher sie alle durchdacht. Die besten Vorschläge werden in einem Übersichtstool dargestellt und Sie können sich die verschiedenen Varianten mit all ihren Vor- und Nachteilen anschauen. Dieser Prozess kann zu interessanten Erkenntnissen führen, auf deren Basis Sie vielleicht sogar die Aufgabe neu definieren, überarbeiten und/oder präzisieren wollen. Dann wiederholen Sie den Prozess – aber letzten Endes wählen Sie ein vom Computer generiertes Design.

Überrollbügel-Modell, Bild: Autodesk
Für das neue Design eines Überrollbügels im Formel-1-Rennwagen spielt der Computer anhand gesammelter Daten alle Designvarianten durch. Bild: Autodesk

Für die Herstellung dieses Überrollbügels hat sich ein Computer die technischen Daten eines Formel-1-Rennwagens über Google aus dem Internet geladen und die Spezifikationen durch eine Worterkennung eigenständig gelesen und verstanden. Er übernimmt die Informationen und beginnt damit, auf ihrer Basis alle möglichen Designvarianten zu generieren.

An diesem Punkt sitze ich wieder am Design Explorer, kann die einzelnen Vorschläge betrachten und ihre Unterschiede in Sachen Materialien, Teilen und Kosten analysieren. Im Bild unten sehen Sie einen Überrollbügel, der von einem Computer auf Basis eines Anforderungsdokuments entwickelt wurde, ohne dass ein Mensch bei der Zeichnung eingegriffen hätte.

Auf diese Weise werden Computer kreativ und sind in der Lage, Ideen zu entwickeln, die Menschen bei Arbeiten weiter bringen. Nicht nur diese Kreativität bringt eine Zeitenwende in der Arbeit mit dem Computer, sondern auch seine Fähigkeit zu lernen.

Automatische Bildbeschriftung, Bild: Autodesk
Zeigt man einem Computer mehrere Millionen Bilder, kann man ihn trainieren. Hier versah er die Bilder selbst mit einer Beschriftung. Bild: Autodesk

Die Beschriftungen der Bilder (links) hat ein Computer automatisch generiert. Ihm wurden zuvor Millionen von Bildern gezeigt, um ihn quasi zu trainieren. Jetzt ist der Computer in der Lage, Dinge zu erkennen und außerdem mit den richtigen Bildunterschriften zu versehen. Selbst wenn er die Bilder nie zuvor gesehen hat. Es sind Bilder mit komplexem Inhalt, aber der Computer weiß, dass es sich um „Eine Gruppe junger Menschen, die Frisbee spielen“ handelt. Das weiße Ding, eigentlich nur eine kleine, weiße Linie, ist tatsächlich ein Frisbee.

Neue Designmethoden

Autodesk übernimmt exakt diese Methoden und überträgt sie auf Design- und Analysesoftware. Bei all den Analysen, die ich durchführe, ist es geradezu absurd, dass ich sie am Ende doch über den Haufen werfe. Und der Computer vergisst sofort, dass sie jemals existierten. Gute und schlechte Ergebnisse, die alle etwas aussagen und lehren – sie alle verflüchtigen sich, und der Computer behandelt die nächste Aufgabe so, als ob er nie etwas Vergleichbares gesehen hätte. Doch was wäre, wenn in dieser Arbeitsschleife ein Lernsystem integriert wäre, sodass der Computer jedes Mal, wenn ich etwas auf die Aerodynamik hin untersuche, eine Verbindung zwischen Ursache und Wirkung knüpfen könnte? Und was würde passieren, wenn dieser Vorgang immer und immer wieder ablaufen würde?

Letztendlich bräuchte ich keine tiefergehende Analyse, um zu einem Ergebnis zu kommen, da ich ein hochgebildetes System zur Verfügung habe, das mir seine Ahnung verrät. Natürlich kann ich dann immer noch eine genauere Analyse vornehmen, aber oft genug reicht mir diese erste schnelle Antwort: eine Idee, die den Kern dessen beschreibt, was Aerodynamik ausmacht. Ich wäre dann in der Lage, dem Computer etwas komplett Neues zu zeigen, und er könnte mir sagen, ob es aerodynamisch ist oder nicht.

Ich finde es bemerkenswert, dass Computer damit anfangen, eine Meinung zu haben. Das wirklich Interessante ist aber die Vorstellung: Was wäre, wenn Computer es gerade dann machen, wenn sie keine aktuellen Aufgaben bearbeiten? Wenn sie neue Formen ganz von selbst kreieren, analysieren und die Zusammenhänge zwischen Ursache und Wirkung erforschen würden? Die Systeme, die solche Verbindungen verstehen, bekommen automatisch eine Ahnung von den Themen, an denen ein Unternehmen arbeitet.