KI In der Industrie: Die Anti-ChatGPT-Strategie von Dassault und Nvidia
Als Dassault Systèmes CEO Pascal Daloz und Nvidia Gründer Jensen Huang sich auf der 3DExperience World in Houston auf die Bühne stellen, formulieren sie einen gemeinsamen Anspruch: Künstliche Intelligenz soll in der Industrie nicht länger ein Werkzeug sein, sondern ein tragendes System.
Virtuelle Zwillinge, Industry World Models und eine fehlerfreie KI: Wie Dassault Systèmes und NVIDIA industrielle KI neu aufstellen möchten.
Foto: Dassault Systems
Im Zentrum dieses Anspruchs stehen virtuelle Zwillinge und eine neue Kategorie von Modellen, die beide Unternehmen „Industry World Models“ (Industrielle Weltmodelle) nennen. Sie sollen die Lücke schließen zwischen generativer KI und der Realität der Industrie.
Inhaltsverzeichnis
- Vom digitalen Zwilling zum industriellen Referenzsystem
- Industry World Models: KI, die Physik versteht
- KI für industrielle Entscheidungen: Keine Halluzinationen, sondern Physik
- Die drei Virtual Companions: Die Gesichter der industriellen KI
- Live-Demonstration: 3D-Modelle in wenigen Minuten
- Abgrenzung zur generativen KI
- KI-Agenten stellen das bisherige Geschäftsmodell von Dassault Systèmes infrage
- Dassault und Nvidia: Eine Partnerschaft für eine neue KI-Architektur
- KI-Fabriken als neue industrielle Infrastruktur
- Souveränität und Datenschutz
- Was sich für Ingenieure und Unternehmen ändert
Quick-Check: Das Wichtigste in Kürze
- Industry World Models: Eine neue KI-Klasse, die nicht auf Wahrscheinlichkeiten (LLMs), sondern auf physikalischen Gesetzen basiert. Das Ziel: Null-Fehler-Toleranz.
- Virtual Companions: In Solidworks unterstützen künftig drei spezialisierte KI-Agenten: Aura (Management), Leo (Engineering) und Marie (Forschung).
- Abrechnungs-Revolution: Dassault plant den Abschied von klassischen Nutzer-Lizenzen („Seats“). Bezahlt wird künftig nach erbrachter Leistung („Units of Work“).
- Partnerschaft mit Nvidia: KI wird als Infrastruktur begriffen. Sogenannte „KI-Fabriken“ liefern die Rechenpower für die Skalierung physikalischer Simulationen in Echtzeit.
Vom digitalen Zwilling zum industriellen Referenzsystem
Virtuelle Zwillinge sind für Dassault Systèmes kein neues Thema. Schon länger werden sie eingesetzt, um Produkte, Anlagen oder Fabriken digital abzubilden. Der erste Zwilling geht zurück auf die späten 1960er Jahre und wurde von der NASA während der Apollo Mission entwickelt – ironischerweise ebenfalls in Houston.
Neu ist jedoch der Stellenwert, den Daloz ihnen zuschreibt. Auf der 3DExperience World bezeichnet er den virtuellen Zwilling ausdrücklich als „mission-critical system of record“, also als Instanz, auf die sich zukünftig industrielle Entscheidungen stützen sollen.
Der Anspruch geht dabei deutlich über klassische Simulation hinaus. Der virtuelle Zwilling soll nicht nur zeigen, wie ein Produkt theoretisch funktioniert, sondern kontinuierlich mit realen Daten abgeglichen werden. Er bildet Zustände, Alterung, Abnutzung und Prozessvarianten ab.
Industry World Models: KI, die Physik versteht
Genau an diesem Punkt setzen die sogenannten Industry World Models an. Sie sind der Gegenentwurf zu den bekannten Large Language Models (LLMs), die ausschließlich aus Texten, Bildern oder Beobachtungsdaten lernen. Statt Wahrscheinlichkeiten aus großen Datenmengen abzuleiten, beruhen Industry World Models auf wissenschaftlich validierten virtuellen Welten, in denen physikalische Gesetze, Materialeigenschaften, Fertigungsprozesse und Systemabhängigkeiten explizit modelliert sind.
Der Anspruch von Dassault und Nvidia ist hoch: Diese Modelle sollen nicht nur beschreiben, was war oder was wahrscheinlich ist, sondern berechnen, was unter gegebenen physikalischen Randbedingungen passieren wird. Und das komplett fehlerfrei. Pascal Daloz formuliert das in Houston unmissverständlich: KI entfalte ihren Wert in der Industrie erst dann, „wenn KI in Wissenschaft, Physik und validiertem industriellem Wissen verankert ist. Fehler kann man sich in einer industriellen Umgebung nicht erlauben.“
Jensen Huang prägt für diesen Ansatz den Begriff der „Physical AI“. Gemeint ist eine KI, die nicht nur Muster erkennt, sondern die Funktionslogik der realen Welt versteht. In der exklusiven Pressepräsentation beschreibt er es so: Rechenleistung ohne industrielles Wissen sei „blind“, Wissen ohne Rechenleistung lasse sich nicht skalieren. Erst die Kombination aus beidem ermögliche industrielle KI im eigentlichen Sinn.
KI für industrielle Entscheidungen: Keine Halluzinationen, sondern Physik
Der Unterschied zu generativer KI soll dabei fundamental sein. Während große LLMs plausible Vorschläge auf Basis natürlicher Sprache erzeugen, berechnen Industry World Models Zustände und Szenarien. Sie nutzen dazu Informationen über mechanische Belastungen, Energieflüsse, Materialermüdung oder Produktionsabläufe, und zwar innerhalb klar definierter physikalischer Grenzen.
Morgan Zimmerman, CEO von 3DExperience, bringt diesen Unterschied in einer Diskussionsrunde auf den Punkt: KI, die ausschließlich aus realen Beobachtungsdaten lernt, stößt in der Industrie schnell an Grenzen. Gerade bei Neuentwicklungen existieren oft noch keine physischen Prototypen. Entsprechend fehlen reale Mess- und Betriebsdaten. Erst virtuelle Weltmodelle ermöglichen es in solchen Fällen, physikalisch realistische Trainingsdaten zu erzeugen und damit KI-Systeme überhaupt sinnvoll zu trainieren.
Genau darin liegt der industrielle Mehrwert. Industry World Models ermöglichen Aussagen über Produkte, Fabriken oder Prozesse, bevor sie gebaut werden. Sie erlauben es, Varianten durchzuspielen, Risiken zu bewerten und Entscheidungen abzusichern, ohne reale Tests in großem Maßstab durchführen zu müssen. Dassault und Nvidia sprechen deshalb bewusst von KI-gestützten Systemen, deren Ergebnisse direkt in sicherheits-, haftungs- und kostenrelevante industrielle Entscheidungen einfließen und entsprechend verlässlich, nachvollziehbar und überprüfbar sein müssen.
Die drei Virtual Companions: Die Gesichter der industriellen KI
Die theoretische Kraft der ‚Industry World Models‘ wird in Solidworks durch drei spezialisierte KI-Assistenten – die Virtual Companions – greifbar.
- Aura (Die Entdeckerin): Sie ist die „Konnektorin“, spezialisiert auf Unternehmens- und Webwissen. Ihr Name steht für „Assisting you to realize your ambitions“. Aura soll vor allem Projektmanager, Business-Analysten und Einkäufer dabei unterstützen, Strategien zu validieren, Risiken zu managen und die Einhaltung von Vorschriften sicherzustellen.
- Leo (Der Ingenieur): Inspiriert von Leonardo da Vinci, verkörpert Leo den „Ingenieur“. Er ist darauf spezialisiert, komplexe technische Herausforderungen über alle Ingenieursdisziplinen hinweg zu lösen. Leos Fachgebiet sind die Validierung, das mechanische Design und die Systemintegrität. Er kann beispielsweise proaktiv Optimierungen vorschlagen.
- Marie (Die Wissenschaftlerin): Benannt nach Marie Curie, bringt sie tiefes wissenschaftliches Wissen in die Entwicklungsprozesse ein. Marie soll Forscher und Materialwissenschaftler bei der Formulierung von Hypothesen, der Simulation von Legierungen und mikrobiologischen Analysen unterstützen.
Die drei Virtual Companions Aura, Leo und Marie von Solidworks erklärt.
Foto: Präsentation Manish Kumar, Solidworks CEO und Research & Development Vice President, Dassault Systèmes
Diese Agenten arbeiten nicht isoliert, sondern agieren im Verbund, um komplexe Abwägungen zu treffen, die eine einzelne Super-KI überfordern würden. Durch das Aufsplitten in drei Agenten, sollen Fehler vermieden und Spezialisierungen besser möglich sein.
Aura ist bereits in Solidworks verfügbar, Leo und Marie sollen Mitte 2026 folgen.
Live-Demonstration: 3D-Modelle in wenigen Minuten
Auf der Veranstaltung zeigte Solidworks CEO Manish Kumar eine Live-Demonstration mit Leo. Ausgangspunkt war eine hochgeladene 2D-Zeichnung. Aus dieser leitete der virtuelle Ingenieur zunächst ein dreidimensionales Modell ab und entwickelte daraus anschließend ein vollständig parametrisiertes 3D-CAD-Modell in Solidworks, das sich weiterbearbeiten und validieren ließ.
Auffällig war neben der Geschwindigkeit – die Aufgabe dauerte nur etwa drei Minuten statt der sonst üblichen 25 bis 30 Minuten – die Art der Umsetzung: Leo erzeugte das Modell nicht als Black Box, sondern legte dem Nutzer jeden einzelnen Konstruktionsschritt offen. Die KI zeigte, welche Annahmen sie trifft, welche Features sie erzeugt und warum sie bestimmte Modellierungsentscheidungen wählt. Damit agiert Leo nicht nur als Ausführender, sondern auch als didaktischer Begleiter, der Vorgehensweisen nachvollziehbar macht.
Live-Demonstration von Leo im CAD-Programm Solidworks.
Foto: Dassault Systèmes
Abgrenzung zur generativen KI
Mehrfach wurde aber auch betont, was dieser Ansatz nicht sein soll. Industry World Models sind keine Allzweck-KI, keine Kreativwerkzeuge, keine dialogorientierten Chatbots. Sie sollen weder brainstormen noch überraschen. Ihr Zweck ist funktional und strikt eingegrenzt: Entscheidungen in komplexen, sicherheitskritischen industriellen Systemen abzusichern.
Daloz formulierte diese Trennlinie bereits in seinem Eröffnungsstatement sehr klar. Künstliche Intelligenz sei für die Industrie nur dann sinnvoll, „wenn KI mit der realen Welt verbunden ist“ und auf validiertem industriellem Wissen beruhe. Reine Rechenleistung oder generative Fähigkeiten reichten nicht aus. Ohne physikalische und prozessuale Verankerung bleibe KI spekulativ und damit für industrielle Anwendungen ungeeignet.
Anwendungsbeispiele der KI in 3DExperience.
Foto: Dassault Systèmes
Denn: Ein Fehlversuch bedeutet in der Industrie nicht einen Absturz im Testsystem, sondern im Zweifel Ausschuss, Produktionsstillstand oder ein gescheitertes Zertifizierungsverfahren. Genau deshalb, so Daloz, müsse industrielle KI „von Grund auf vertrauenswürdig gestaltet“ sein.
Zimmerman warnt ausdrücklich davor, KI als autonomes Entscheidungssystem zu verstehen, solange die Entscheidungslogiken – etwa zu Kosten-, CO₂- oder Sicherheitsabwägungen – nicht formal definiert seien. Ohne diese sogenannten „Arbitration Laws“ könne KI nicht sinnvoll automatisieren, sondern verstärke lediglich Unsicherheiten
KI-Agenten stellen das bisherige Geschäftsmodell von Dassault Systèmes infrage
Mit der Einführung von KI-Agenten stellt Dassault Systèmes auch sein Geschäftsmodell infrage. Jahrzehntelang wurde Industriesoftware nach dem gleichen Prinzip verkauft: Lizenzen pro Nutzer, sogenannte Seats. Doch dieses Modell greift nicht mehr, wenn ein wachsender Teil der Arbeit von KI-Systemen übernommen wird, die keine menschlichen Anwender sind.
Pascal Daloz äußerte sich offen zu dem Konflikt: „Jetzt hast du virtuelle Begleiter. Es ist kein echter Nutzer. Müssen wir also weiterhin die Seats zählen, oder müssen wir etwas anderes zählen?
Als Antwort skizziert Dassault ein neues Abrechnungsmodell, das sich nicht am Zugang zur Software orientiert, sondern an der tatsächlich erbrachten Leistung. Künftig sollen drei Einheiten zählen:
- „Unit of Knowledge“, also zertifiziertes Fachwissen einer KI
- „Unit of Know-how“, die unternehmensspezifische Erfahrung widerspiegelt
- „Unit of Work“, also die konkret geleistete Arbeit – etwa eine berechnete Variante, eine optimierte Prozesskette oder eine validierte Simulation.
Daloz bezeichnet diese Kombination ausdrücklich als „die neue Währung“ der KI-Ära. Der Paradigmenwechsel ist erheblich: Unternehmen sollen nicht mehr dafür zahlen, dass sie Software nutzen dürfen, sondern was KI-Systeme tatsächlich leisten. Wie genau diese Abrechnung aussehen soll, wurde jedoch nicht gesagt. Unklar ist auch, inwiefern Unternehmen davon profitieren, wenn sie hier ihr Wissen mit der Plattform teilen.
Philip Laumeister, Mitglied des Executive Committee bei Dassault Systèmes, ordnet diesen Ansatz als logische Konsequenz der Automatisierung ein: Wenn KI nicht nur unterstützt, sondern eigenständig rechnet, analysiert und optimiert, müsse sich auch das ökonomische Modell an Ergebnissen messen lassen.
Dassault und Nvidia: Eine Partnerschaft für eine neue KI-Architektur
Huang ordnete Künstliche Intelligenz als elementare Voraussetzung moderner Industrie ein. Mit der Aussage „Artificial intelligence is infrastructure“ machte er deutlich, dass KI nicht als isoliertes Produkt zu verstehen ist, sondern als grundlegende technische Basis industrieller Systeme. Vergleichbar mit Energie- oder Kommunikationsnetzen schafft sie die Voraussetzungen für weitere Entwicklungen.
Genau an diesem Punkt wird deutlich, warum Dassault Systèmes diesen Ansatz nicht allein umsetzen kann. Nvidia liefert nicht nur Hardware, sondern die technologische Grundlage, auf der diese Form industrieller KI überhaupt erst praktikabel wird. Jensen Huang sprach in Houston deshalb ausdrücklich von einem neuen Plattformwechsel – vergleichbar mit dem Übergang von Mainframes zu Workstations oder von CPUs zu beschleunigtem Computing.
Dassault System CEO Pascal Daloz und Nvidia-Gründer Jensen Huang auf der Hauptbühne der 3DExperience World.
Foto: Tim Stockhausen
Konkret bringt Nvidia mehrere Ebenen zusammen: Hochleistungs-GPUs für Simulation und KI, CUDA-X- und KI-Bibliotheken für physikalische Berechnungen sowie Omniverse als Umgebung, um umfangreichen virtuellen Welten miteinander zu koppeln. Diese Komponenten sind darauf ausgelegt, physikalisch fundierte Modelle in großem Maßstab zu betreiben.
Beide Unternehmen betonen, dass erst diese Kombination aus beschleunigtem Computing und industriellem Kontext den virtuellen Zwilling von einem Analysewerkzeug zu einem operativen System macht. Nvidia stelle die Skalierung bereit, Dassault die wissenschaftliche und industrielle Validierung
Diese Rollenverteilung ist strategisch. Während Nvidia Rechenleistung und KI-Frameworks kontinuierlich weiterentwickelt, bringt Dassault jahrzehntelang aufgebautes Domänenwissen ein: validierte Modelle aus Luft- und Raumfahrt, Medizintechnik, Automobilindustrie, Maschinenbau.
KI-Fabriken als neue industrielle Infrastruktur
Industry World Models entfalten ihren Nutzen erst dann vollständig, wenn sie im industriellen Maßstab betrieben werden können. Einzelne Simulationen oder isolierte digitale Zwillinge reichen dafür nicht aus. Nvidia und Dassault Systèmes setzen für die Skalierung deshalb auf sogenannte KI-Fabriken. Spezialisierte Rechenzentren, in denen Hochleistungsrechnen, physikalische Simulation, KI-Training und KI-Inferenz zusammengeführt werden.
Für Jensen Huang ist diese Entwicklung Teil eines größeren industriellen Umbruchs. Neben Chipfabriken und klassischen Produktionsstätten entstünden nun KI-Fabriken als neue Form industrieller Infrastruktur.
Dassault Systèmes bringt diese KI-Fabriken unter anderem über die eigene Cloud-Tochter Outscale in Stellung. In der gemeinsamen Pressemeldung betonen beide Unternehmen, dass diese Infrastruktur auf mehreren Kontinenten aufgebaut wird und explizit Datenschutz, IP-Schutz und Souveränität gewährleisten soll. Ziel ist eine Architektur, die sowohl globale Skalierung als auch lokale Kontrolle ermöglicht.
Souveränität und Datenschutz
Mit der Skalierung wächst jedoch auch die Sensibilität der Daten. Denn virtuelle Zwillinge enthalten hochsensibles Wissen: Konstruktionsdaten, Materialmodelle, Prozessparameter, Lieferkettenlogik. Für Daloz in diesem Zusammenhang das geistige Eigentum ein souveränes Gut. Nicht alle Daten gehörten in „public sandboxes“, warnt er. Insbesondere dann nicht, wenn sie den Kern der eigenen Wettbewerbsfähigkeit ausmachen.
Deshalb betont Dassault immer wieder das Prinzip der Wahlfreiheit. Kunden sollen entscheiden können, welche Teile ihrer virtuellen Zwillinge lokal betrieben werden, welche in private oder souveräne Clouds wandern und welche sich für globale, skalierbare Umgebungen eignen. Souveränität bedeutet in dieser Logik nicht Abschottung, sondern die Fähigkeit, zwischen verschiedenen Betriebsmodellen zu wählen – technisch wie rechtlich.
Was sich für Ingenieure und Unternehmen ändert
Ziel dieser Entwicklung ist laut Daloz und Huang nicht eine vollständig autonome KI, sondern ein arbeitsteiliges Zusammenspiel von Menschen und technischen Systemen. Jensen Huang fasste dies prägnant zusammen: „Every engineer will have many AI agents working with them.“ Der einzelne Ingenieur wird dabei nicht verdrängt, sondern durch digitale Assistenten ergänzt, die Analyse-, Simulations- und Routineaufgaben übernehmen.
Gian Paolo Bassi, Senior Vice President bei Dassault Systèmes, betont in Houston, dass es sich nicht um einen disruptiven Bruch handle wie etwa beim Übergang von 2D zu 3D. Damals mussten Ingenieure ihre Denkweise, Werkzeuge und Prozesse gleichzeitig umstellen. Die Einführung von KI-gestützten virtuellen Zwillingen sei dagegen eher eine Erweiterung bestehender Arbeitsweisen als deren Ablösung.
Für Ingenieure soll das bedeuten: Sie arbeiten weiter mit den bekannten Programmen und Werkzeugen, erhalten aber durch die Industry World Models eine zusätzliche Ebene der Analyse, Simulation und Optimierung. KI übernimmt nicht die kreative oder verantwortliche Rolle, sondern beschleunigt Variantenbildung, Vorhersagen und Validierung. Für Unternehmen verschiebt sich der Fokus weg von einzelnen Tools hin zu durchgängigen Modellen, die Entwicklung, Fertigung und Betrieb verbinden.
Auch Bassi betonte in der Fragerunde, dass die Modelle die Ingenieursarbeit nicht ersetzen, sondern unterstützend und arbeitserleichternd agieren sollen. Wie tiefgreifend diese Modelle die Ingenieurarbeit tatsächlich verändern werden und welche Aufgaben sie lediglich beschleunigen oder langfristig ersetzen, wird sich jedoch weniger in Fragerunden als im industriellen Alltag zeigen.
Ein Beitrag von:
