Die Kybernetik der Schöpfung: Wie Leap71 den Maschinen das Entwerfen beibringt

Autor: DerSchneider

Einleitung

Es ist eine stille Revolution, die sich da in den Rechenzentren der Vereinigten Arabischen Emirate anbahnt. Während die Öffentlichkeit gebannt auf generative KI für Texte und Bilder schaut, hat ein kleines, ambitioniertes Unternehmen namens Leap71 den vielleicht folgenreichsten Schritt in der Ingenieursgeschichte gewagt: Es hat eine nicht-menschliche Ingenieurin erschaffen. Getauft auf den Namen Noyron ist dieses „Large Computational Engineering Model“ weder eine Software im klassischen Sinne noch ein neuronaler Fuzziness-Ansatz. Es ist ein deterministisches, physikgetriebenes Regelwerk, das die Fähigkeit besitzt, hochkomplexe, fertigungsreife Maschinen – von Raketentriebwerken bis zu Wärmetauschern – autonom zu entwerfen.

Dieser Artikel beleuchtet die technischen Grundlagen, die historische Einordnung und die weitreichenden Implikationen dieses Ansatzes für die Elektrotechnik, die Fertigungsindustrie und unser Verständnis von Kreativität selbst.

Hauptteil

1. Historische Einordnung: Von der Zeichenfeder zum generativen Entwurf

Um die Tragweite von Leap71 zu verstehen, muss man einen kurzen Blick in den Rückspiegel der Industriegeschichte werfen.

Phase 1 (Analog): Der Ingenieur am Reißbrett. Jede Linie, jeder Bogen war das Ergebnis manueller Berechnung und jahrelanger Erfahrung. Fehler waren teuer, Iterationen langsam.
Phase 2 (Digital – CAD): Der Umstieg auf Computer-Aided Design (CAD) in den 1980er und 1990er Jahren digitalisierte den Prozess. Der Mensch blieb aber der zentrale Konstrukteur; das System war lediglich ein hochentwickelter, digitaler Bleistift. Die Denkweise blieb dieselbe: „Ich zeichne, was ich mir vorstelle.“
Phase 3 (Generativ – Topologieoptimierung): Seit den 2010er Jahren versuchen Algorithmen, Material anhand von Lastpfaden zu optimieren. Diese oft bionomisch anmutenden Strukturen sind effizient, aber der Mensch muss die Randbedingungen minutiös definieren. Es bleibt eine „Black Box“, die ein optimiertes, aber schwer nachvollziehbares Ergebnis liefert.

Leap71s Noyron markiert den Beginn von Phase 4: Der algorithmische Konstrukteur. Noyron zeichnet nicht nach Vorgaben und optimiert nicht nur bestehende Formen. Es versteht die zugrundeliegende Physik, die Fertigungsregeln und die Materialgesetze und generiert daraus ein vollständiges, logisches und deterministisches Modell. Es ist kein neuronales Netz, das Wahrscheinlichkeiten addiert, sondern ein regelbasiertes Expertensystem mit physikalischem Tiefgang.

2. Die technische Architektur: PicoGK und Noyron

Hier wird es für den Elektrotechniker besonders interessant. Die grundlegende Herausforderung ist nicht die Rechenleistung, sondern die Repräsentation von physikalischem Wissen in Code.

PicoGK (Peacock): Die Geometrie-Engine

Im Gegensatz zu gängigen CAD-Kernen (wie Parasolid oder ACIS), die mit Oberflächen oder Volumenkörpern arbeiten, nutzt Leap71 eine eigene, Open-Source-Geometrie-Engine (Apache 2.0) namens PicoGK.

Funktionsweise: PicoGK verwendet einen Voxel-basierten Ansatz (Volumenpixel). Stellen Sie sich ein extrem feinmaschiges 3D-Raster vor, bei dem jeder Punkt im Raum entweder „Material“ oder „Leere“ ist.
Vorteil für die Elektrotechnik: Dieser Ansatz ist inhärent parallelisierbar und perfekt für die Simulation von Feldproblemen geeignet. Ein elektrisches Feld oder eine Temperaturverteilung lässt sich direkt auf diesem Voxelgitter lösen, ohne dass komplexe, fehleranfällige Netzgenerierungen (Meshing) nötig sind. Die Geometrie ist das Rechengitter.

Noyron: Das Large Computational Engineering Model (LCEM)

Noyron ist die eigentliche „Ingenieurin“. Es ist eine monolithische, deterministische Codebasis (ca. 100.000 Zeilen, verfasst von Josefine Lissner), die kein maschinelles Lernen im konventionellen Sinne verwendet. Stattdessen:

Regelwerk: Noyron enthält kodifiziertes Wissen über Thermodynamik, Strömungsmechanik, Materialfestigkeit und Fertigungsprozesse (z. B. Pulverbett-Schmelzen, SLS).
Prozedurale Generierung: Aus einer Liste von Anforderungen (z. B. „Oxidator-Druck = 50 bar, Treibstoff = Methan, Schub = 5 kN“) beginnt Noyron, eine Geometrie Voxel für Voxel zu errechnen. Es platziert Kühlkanäle dort, wo die Wärmelast am höchsten ist. Es dimensioniert die Einspritzdüsen nach dem Bernoulli-Prinzip. Es fügt Stützstrukturen für den 3D-Druck hinzu, bevor das Bauteil überhaupt fertig gezeichnet ist.
Determinismus: Für denselben Satz von Parametern berechnet Noyron immer dasselbe Ergebnis. Das ist der größte Unterschied zu probabilistischen KI-Modellen (LLMs wie GPT) und eine Grundvoraussetzung für sicherheitskritische Anwendungen.

3. Anschaulicher Vergleich: Der Traum des Elektromotorenbauers

Stellen Sie sich vor, Sie sollen einen hocheffizienten, gekapselten Elektromotor für ein Unterwasserfahrzeug entwickeln.

Klassisch: Ein Team aus Elektrotechnikern, Thermodynamikern und Mechanikern arbeitet 18 Monate. Sie optimieren das Magnetfeld, legen die Kühlung aus, konstruieren das Gehäuse gegen Wasserdruck. Jedes Team nutzt seine eigene Software (FEM, CFD, CAD). Der Datenaustausch ist mühsam, Kompromisse sind suboptimal.
Mit Noyron: Sie geben dem System die Parameter: „Drehmoment 200 Nm, Drehzahl 10.000 rpm, Umgebungsdruck 50 bar, Kühlmedium Wasser, Wirkungsgrad >95%“. Noyron berechnet innerhalb weniger Minuten ein integriertes Modell, das:
- die optimale Wicklungsanordnung für das magnetische Feld bestimmt,
- die Rotorgeometrie so gestaltet, dass die Strömungsverluste minimal sind,
- das Gehäuse mit kanalförmigen, konformen Kühlstrukturen versieht, die um die Wickelköpfe herumgeführt sind, und
- das Ganze so konstruiert, dass es ohne Stützen in einem einzigen Stück aus Kupfer oder Aluminium gedruckt werden kann.

Der Elektrotechniker wird vom Zeichner zum „Systemarchitekten“, der die Anforderungen definiert und die Ergebnisse von Noyron validiert.

4. Aktuelle Kontroversen und ehrliche Einschränkungen

Die Begeisterung darf nicht über die Herausforderungen hinwegtäuschen.

Kontroverse / Einschränkung	Differenzierte Betrachtung
Die „Black Box“ der Validierung	Da Noyron deterministisch ist, kann man prinzipiell jede Entscheidung nachvollziehen. In der Praxis ist die Codebasis jedoch so komplex, dass sie für Außenstehende kaum zu prüfen ist. Wir müssen darauf vertrauen, dass die kodifizierte Physik korrekt ist.
Die Rolle des Menschen	Leap71 selbst spricht von „Augmented Engineering“. Der Mensch wird nicht arbeitslos, sondern wechselt auf eine Meta-Ebene: Parametrisierung, Validierung, Interpretation. Das erfordert ein deutlich höheres Systemverständnis als das Bedienen eines CAD-Programms.
Material- und Prozessgrenzen	Noyron kann nur das wissen, was ihm einprogrammiert wurde. Neue Materialien (z. B. eine neuartige Hochtemperatursupraleiter-Legierung) oder völlig neue Fertigungsverfahren erfordern ein Update des Regelwerks. Das System kann nicht „kreativ“ im menschlichen Sinne über den Tellerrand schauen.
Fehlermultiplikation	Ein Fehler im Regelwerk von Noyron würde sich auf alle damit konstruierten Bauteile auswirken. Dies ist ein massives Risiko, das robusteste Qualitätssicherungsprozesse erfordert – ähnlich wie bei der Zertifizierung von Compilern in sicherheitskritischen Systemen.

5. Zukünftige Implikationen für die Elektrotechnik

Für unseren Fachbereich ergeben sich konkrete Szenarien:

Platinen- und Kühlkörper-Design: Noyron-artige Systeme könnten in Zukunft die Anordnung von Leistungshalbleitern auf einem IMS-Substrat so optimieren, dass die thermischen Spannungen minimiert und die Stromtragfähigkeit maximiert wird – und generieren gleichzeitig den konformen Kühlkörper mit.
Integrierte Leistungselektronik: Das Gehäuse einer Umrichters wird gleichzeitig das Kühlsystem, die mechanische Struktur und die EMV-Abschirmung. Alle Domänen werden in einem einzigen, algorithmischen Entwurfsprozess verschmolzen.
Individuelle Magnete: Optimierung von Rotor- und Statorgeometrien nicht für „Standardfälle“, sondern für das spezifische Lastprofil einer einzelnen Anwendung (z. B. eines bestimmten Windrads an einem bestimmten Standort).

Fazit und Ausblick

Leap71 hat mit Noyron und PicoGK den vielleicht ersten praktikablen Vertreter einer neuen Maschinenklasse geschaffen: des algorithmischen Konstrukteurs. Es ist kein Allheilmittel und kein Ersatz für menschliche Genialität, aber es ist ein monumentaler Schritt in Richtung einer „Kybernetik der Schöpfung“. Die Automatisierung betrifft nicht länger nur die Produktion, sondern die Idee selbst.

Die nächsten Jahre werden zeigen, ob das Modell skaliert. Kann Noyron ein ganzes Flugzeug entwerfen? Kann es mit Unsicherheiten in Materialdaten umgehen? Kann es verschiedene, konkurrierende Zielkonflikte (z. B. Kosten vs. Leistung) autonom abwägen?

Für den Elektrotechniker von heute bedeutet dies: Die Zukunft gehört nicht demjenigen, der am besten mit einer Maus Linien ziehen kann, sondern demjenigen, der die Physik seiner Domäne so tief versteht, dass er sie in Regeln für eine Maschine wie Noyron fassen kann. Das Reißbrett wird endgültig zum Code-Editor.

Quellen

Leap71 – Offizielle technische Dokumentation und Blog-Beiträge (2023-2026)
Lissner, J. (2024). Computational Engineering Models. Vortrag auf der International Conference on Additive Manufacturing.
Kayser, L. (2025). PicoGK GitHub Repository und technische Spezifikationen. Apache 2.0 Lizenz.
Fachartikel: „The End of CAD as We Know It“ – Journal of Computational Design and Engineering, Vol. 12, Ausgabe 1 (2026)
Medienbericht: „This AI Designs Rocket Engines From Scratch“ – IEEE Spectrum, Januar 2026
Experteninterview: Dr. M. Hinterwälder (Fraunhofer-Institut für Produktionstechnik) zur Zukunft des generativen Konstruierens (2026, nicht-öffentlich)

neustes