Materialforschung: KI spart 70% Zeit bei Wirkstoff-Screening

Künstliche Intelligenz treibt die industrielle Transformation voran, von automatisierten Simulationen bis zur Entdeckung neuer Materialien für die Wundheilung.

Künstliche Intelligenz treibt den Wandel in der globalen Fertigungsindustrie massiv voran. Von automatisierten Simulationen bis zur Entdeckung neuer Materialien – die Technologie verändert grundlegend, wie Ingenieure arbeiten und Produkte entwickelt werden.

Die Integration von KI in Simulations-Workflows verspricht enorme Zeitersparnisse. Unternehmen wie SimScale setzen dabei auf sogenannte Engineering AI und Physics AI, um manuelle Einrichtungsprozesse zu automatisieren. Das Ziel: Ingenieure sollen hunderte Designvarianten parallel bewerten können, statt jede einzeln aufwendig konfigurieren zu müssen. Simulation wird damit vom reinen Validierungsschritt zum proaktiven Explorationswerkzeug.

Anzeige

Die industrielle Revolution durch künstliche Intelligenz schafft massive Investitionschancen in den Bereichen Robotik und Fertigung. Dieser kostenlose Report enthüllt, welche Unternehmen die Technologietrends von morgen bereits heute anführen. Jetzt gratis herausfinden, wer die Gewinner der neuen Industrierevolution sind

Maschinelles Lernen automatisiert Arbeitsabläufe

Ein zentrales Problem traditioneller Simulation war stets der manuelle Aufwand bei der Datenauswertung. Am 25. Mai diskutierten Branchenexperten den Einsatz großer Sprachmodelle (LLMs) als Co-Piloten für die automatisierte Nachbearbeitung von HPC-Simulationslogs. Diese KI-Assistenten durchforsten komplexe Protokolle von etablierten Plattformen wie Star-CCM+, Abaqus und Ansys Fluent.

Sie extrahieren kritische Ergebnisse, identifizieren Fehlermuster und ermöglichen eine automatisierte Fehlerbehandlung. Die Idee dahinter: Datensätze entstehen, die direkt für weiteres KI-Training nutzbar sind – ein sich selbst verstärkender Effizienzkreislauf. Bisher mussten Ingenieure bei Simulationsfehlern oder der Extraktion von Leistungskennzahlen aus riesigen Logdateien manuell eingreifen.

Parallel verändert KI auch das Zusammenspiel von Hard- und Software. Keysight Technologies launchte am 26. Mai seine ADS 2026-Plattform, die eine durchgängige Simulation für optische Rechenzentren ermöglicht. Der Fokus liegt auf elektrisch-optisch-elektrischer Modellierung für Hochgeschwindigkeitsverbindungen. Branchenprognosen zufolge werden die meisten hyperskalaren optischen Transceiver bis 2029 Geschwindigkeiten von 800 Gbit/s oder mehr erreichen – solche Simulationswerkzeuge sind für die Modellierung ganzer Signalpfade unverzichtbar.

Strategische Partnerschaften und Übernahmen

Die Nachfrage nach Echtzeit-Analysen treibt auch enge Kooperationen zwischen Hardwareherstellern und Ingenieurteams voran. Eine Zusammenarbeit zwischen Intel und McLaren Racing zeigt, wie Intel Xeon- und Core-Ultra-Systeme Computational Fluid Dynamics (CFD)-Simulationen in der Formel 1 antreiben. Während eines einzigen Rennens verarbeiten diese Systeme rund 1,5 Terabyte Daten und nutzen Edge-Computing für Analysen innerhalb von Millisekunden. Die Technologie wird nun für breitere Anwendungen in Fabriken und Industrieanlagen adaptiert.

Auch strategische Konsolidierung spielt eine Rolle. Altair übernahm am 25. Mai den Flow Simulator von GE Aviation. Die Software, ursprünglich für integriertes Strömungs-, Wärmeübertragungs- und Verbrennungsdesign in der Luftfahrt entwickelt, soll nun für die Automobilindustrie, E-Mobilität, Batterieentwicklung, Verteidigung und erneuerbare Energien nutzbar gemacht werden. Beide Unternehmen vereinbarten zudem eine langfristige strategische Partnerschaft zur Weiterentwicklung der Tools.

Im Halbleiterbereich weiteten Cadence und TSMC am 25. Mai ihre Zusammenarbeit aus. Sie entwickeln zertifizierte Design-Flows für KI-Chips der nächsten Generation – konkret für die Prozessknoten N3, N2, A16 und A14. Die Kooperation umfasst Design-Infrastruktur für chiplets und 3D-ICs. Cadence liefert geistiges Eigentum für den TSMC N2P-Prozess und unterstützt Hochleistungsstandards wie DDR5, PCIe 6.0 und HBM4E. Ein zentrales Element ist der Einsatz von agentischer KI für zielgerichtete Aufgaben in der elektronischen Designautomatisierung (EDA).

KI entdeckt neue Materialien

Die transformative Kraft der KI zeigt sich besonders bei der Entdeckung neuer Materialien und Wirkstoffe. Forscher der National University of Singapore (NUS) identifizierten am 25. Mai mit einem KI-gestützten Workflow Folsäure als vielversprechenden Kandidaten für die Wundheilung bei Diabetikern. Das KI-System durchsuchte fast 3.000 Verbindungen gegen über 8.700 Proteine und sparte dabei mehr als 70 Prozent Zeit ein. Labortests bestätigten später, dass die identifizierte Verbindung die Heilung signifikant verbesserte.

Ein gemeinsames Projekt der Flinders University und der Khalifa University führte zur Entwicklung einer KI-Plattform für die Entdeckung von Halbleitern auf Galliumbasis. Das System nutzt Bayes'sche Optimierung, um chemische Regeln zu erlernen und Materialzusammensetzungen mit spezifischen elektronischen Eigenschaften vorherzusagen. Das reduziert kostspielige und zeitaufwendige physikalische Experimente erheblich.

Die Northwestern University präsentierte eine Megalibrary-Plattform, die die Materialwissenschaft revolutionieren könnte. Sie kann Millionen von Materialproben auf einem einzigen Chip synthetisieren und über eine Million Proben in weniger als 30 Minuten screenen. Bereits jetzt wurden damit spezialisierte piezoelektrische Materialien entwickelt, die bei Temperaturen bis zu 80 Grad Celsius funktionieren. Solche Plattformen generieren riesige, hochwertige Datensätze – den Rohstoff für immer ausgefeiltere KI-Modelle.

Das Produktivitätsparadoxon

Trotz der rasanten Verbreitung dieser Werkzeuge kämpft die Branche mit den menschlichen Auswirkungen der KI-Integration. Forschungsergebnisse vom 26. Mai zeigen potenzielle Nachteile einer übermäßigen KI-Abhängigkeit – ein Phänomen, das Forscher als kognitive Ermüdung oder "AI Brain Fry" bezeichnen. Eine Studie mit 5.000 Büroangestellten ergab, dass 40 Prozent glaubten, KI spare ihnen keine Zeit. Bei Softwareentwicklern dauerten Aufgaben in einigen Fällen sogar 19 Prozent länger, wenn KI eingesetzt wurde – insbesondere nach der Einführung mehrerer konkurrierender KI-Tools, was zu einem Produktivitätsabfall führte.

Anzeige

Während die Industrie die Potenziale von KI ausschöpft, sollten Anleger die wirtschaftlichen Gewinner dieser Revolution im Blick behalten. Dieser exklusive Gratis-Report nennt die 3 vielversprechendsten KI-Aktien, die aktuell den Markt dominieren. Kostenlosen Insider-Report direkt in Ihr Postfach sichern

Dieses Paradoxon deutet darauf hin, dass der Erfolg von KI im Ingenieurwesen weniger von universellen Werkzeugen abhängt, sondern von "vertikaler KI" – Lösungen, die auf spezifische industrielle Probleme zugeschnitten sind. Im Bereich der Luftfahrtwartung wird vertikale KI bereits als unverzichtbar angesehen, um die Rekordnachfrage trotz struktureller Arbeitskräfte- und Teileknappheit zu bewältigen.

Ausblick: Physical AI und Infrastruktur

Der Trend zur "Physical AI" wird die Wettbewerbsvorteile im Ingenieurwesen neu definieren. NVIDIA stellte kürzlich seinen Physical AI Data Factory Blueprint vor und veröffentlichte sein Cosmos-Modell unter einer offenen Lizenz. Ziel ist die Standardisierung der Pipeline für Datenkuratierung und -auswertung in industriellen Umgebungen. Da horizontale KI-Aufgaben zunehmend zur Standardware werden, wird der entscheidende Vorteil eines Unternehmens wohl in seiner operativen Expertise und der Fähigkeit zur regulatorischen Rückverfolgbarkeit liegen.

Bergbaukonzerne wie Rio Tinto setzen diese Konzepte bereits um. Das Unternehmen entwickelt einen KI-Assistenten, um sein 30 Jahre altes "Metpro"-Aluminiumproduktionssystem zu dokumentieren. Mit Tools wie Amazon Bedrock und SageMaker werden tausende fragmentierte Dokumente zentralisiert – ein Versuch, institutionelles Wissen zu bewahren und die Betriebseffizienz zu steigern.

Die Ingenieurswelt bewegt sich auf ein Modell zu, in dem die menschliche Rolle von der Ausführung zur übergeordneten Validierung wechselt. Während das Produktivitätsparadoxon im Büroalltag noch Anlass zur Sorge gibt, zeigen die massiven Zeitersparnisse in der Wirkstoffforschung und der Formel-1-Telemetrie: In hochspezialisierten technischen Bereichen ist der Einfluss der KI messbar und tiefgreifend.