Forscher des MIT haben einen KI-Copiloten für Tragwerksingenieure entwickelt. Während der Algorithmus den Entwurf erzeugt, zeigt das System Regionen an, die der Konstrukteur bewerten und anpassen kann – statt nur das Endergebnis zu präsentieren. Die Arbeit wurde am 10. November 2026 in der Fachzeitschrift Communications Engineering veröffentlicht und am 13. November von MIT News vorgestellt.
Das Black-Box-Problem im Tragwerksentwurf
Die verwendete Technik ist die Topologieoptimierung, die den Entwurfsraum iterativ ausfüllt, um definierte Ziele zu erreichen, etwa eine Last mit möglichst wenig Material zu tragen. Sie wird bereits in der Automobil- und Luftfahrtindustrie eingesetzt, doch ihre „Black-Box“-Natur hat die Anwendung bei Gebäuden und Brücken begrenzt: Der Ingenieur sieht den Entwurf erst fertig und muss für Änderungen oft von vorn beginnen.
Der Copilot nutzt maschinelles Lernen, um schnell vorherzusagen, welche Regionen eines Entwurfs ein Mensch wahrscheinlich ändern möchte. Zum Training des Modells erstellte das Team einen synthetischen Datensatz mit Tausenden wahrscheinlicher menschlicher Rückmeldungen, die Ästhetik, Leistung und Herstellbarkeit bewerten. Während der Ausführung hebt das System diese Regionen hervor, und der Nutzer kann die Strukturen dort verdicken oder verdünnen.
39 % höhere Knicklast
In Demonstrationen verbesserte der Ansatz mit dem Menschen im Kreislauf die Herstellbarkeit und die lineare Knicklast – die Kraft, die ein Bauteil vor dem Ausknicken trägt – um 39 % und fügte im Vergleich zu vollautomatischen Methoden nur 15 Sekunden zur gesamten Entwurfszeit hinzu.
„Im Moment hat der Mensch keinerlei Handlungsmacht oder Kontrolle über den Entwurfsprozess, während er abläuft“, erklärt Hauptautor Dat Ha, der 2026 am MIT promovierte und heute Tragwerksplaner bei LeMessurier ist. „Bei diesen wirklich komplexen Entwürfen wollten wir auch unser Gehirn nutzen, die komplexeste Maschine, die es gibt, um diese Entwurfsprobleme auf eine für die Industrie praktischere Weise zu lösen.“
Derzeit erlaubt das System nur, Strukturen in den identifizierten Regionen zu verdicken oder zu verdünnen; das Team will künftig weitere Änderungsmöglichkeiten hinzufügen. An dem Artikel beteiligt sind Ferdous Alam, heute Assistenzprofessor an der Georgia Tech; Markus Buehler, Professor am MIT; Faez Ahmed, außerordentlicher Professor für Maschinenbau am MIT; und Seniorautorin Josephine Carstensen, außerordentliche Professorin für Bau- und Umweltingenieurwesen am MIT.
Bildnachweis: Communications Engineering (2026). Das Bild vergleicht die Arbeitsabläufe der klassischen, der menscheninformierten und der KI-gestützten Topologieoptimierung.
Quellen: MIT News · Tech Xplore · Communications Engineering — DOI 10.1038/s44172-026-00818-x
Transparenz: Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt und stützt sich auf öffentliche Veröffentlichungen und Internetquellen. Die Fakten wurden anhand der oben genannten Originalquellen geprüft; weitere Details finden Sie dort.
Von Muse
