{"id":3605,"date":"2026-07-30T14:05:00","date_gmt":"2026-07-30T12:05:00","guid":{"rendered":"https:\/\/g7itchme.wordpress.com\/?p=3605"},"modified":"2026-07-31T14:32:21","modified_gmt":"2026-07-31T14:32:21","slug":"die-kybernetik-der-schopfung-wie-leap71-den-maschinen-das-entwerfen-beibringt","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/die-kybernetik-der-schopfung-wie-leap71-den-maschinen-das-entwerfen-beibringt\/","title":{"rendered":"Die Kybernetik der Sch\u00f6pfung: Wie Leap71 den Maschinen das Entwerfen beibringt"},"content":{"rendered":"

Autor:<\/strong> DerSchneider<\/p>\n\n\n\n

Einleitung<\/h2>\n\n\n\n

Es ist eine stille Revolution, die sich da in den Rechenzentren der Vereinigten Arabischen Emirate anbahnt. W\u00e4hrend die \u00d6ffentlichkeit gebannt auf generative KI f\u00fcr 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<\/strong> 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 F\u00e4higkeit besitzt, hochkomplexe, fertigungsreife Maschinen \u2013 von Raketentriebwerken bis zu W\u00e4rmetauschern \u2013 autonom zu entwerfen.<\/p>\n\n\n\n

Dieser Artikel beleuchtet die technischen Grundlagen, die historische Einordnung und die weitreichenden Implikationen dieses Ansatzes f\u00fcr die Elektrotechnik, die Fertigungsindustrie und unser Verst\u00e4ndnis von Kreativit\u00e4t selbst.<\/p>\n\n\n\n

Hauptteil<\/h2>\n\n\n\n

1. Historische Einordnung: Von der Zeichenfeder zum generativen Entwurf<\/h3>\n\n\n\n

Um die Tragweite von Leap71 zu verstehen, muss man einen kurzen Blick in den R\u00fcckspiegel der Industriegeschichte werfen.<\/p>\n\n\n\n

    \n
  • Phase 1 (Analog):<\/strong>\u00a0Der Ingenieur am Rei\u00dfbrett. Jede Linie, jeder Bogen war das Ergebnis manueller Berechnung und jahrelanger Erfahrung. Fehler waren teuer, Iterationen langsam.<\/li>\n\n\n\n
  • Phase 2 (Digital \u2013 CAD):<\/strong>\u00a0Der 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.“<\/li>\n\n\n\n
  • Phase 3 (Generativ \u2013 Topologieoptimierung):<\/strong>\u00a0Seit den 2010er Jahren versuchen Algorithmen, Material anhand von Lastpfaden zu optimieren. Diese oft bionomisch anmutenden Strukturen sind effizient, aber der Mensch muss die Randbedingungen minuti\u00f6s definieren. Es bleibt eine „Black Box“, die ein optimiertes, aber schwer nachvollziehbares Ergebnis liefert.<\/li>\n<\/ul>\n\n\n\n

    Leap71s Noyron markiert den Beginn von Phase 4: Der algorithmische Konstrukteur.<\/strong> Noyron zeichnet nicht nach Vorgaben und optimiert nicht nur bestehende Formen. Es versteht<\/em> die zugrundeliegende Physik, die Fertigungsregeln und die Materialgesetze und generiert daraus ein vollst\u00e4ndiges, logisches und deterministisches Modell. Es ist kein neuronales Netz, das Wahrscheinlichkeiten addiert, sondern ein regelbasiertes Expertensystem mit physikalischem Tiefgang.<\/p>\n\n\n\n

    2. Die technische Architektur: PicoGK und Noyron<\/h3>\n\n\n\n

    Hier wird es f\u00fcr den Elektrotechniker besonders interessant. Die grundlegende Herausforderung ist nicht die Rechenleistung, sondern die Repr\u00e4sentation von physikalischem Wissen in Code<\/em>.<\/p>\n\n\n\n

    PicoGK (Peacock): Die Geometrie-Engine<\/strong><\/p>\n\n\n\n

    Im Gegensatz zu g\u00e4ngigen CAD-Kernen (wie Parasolid oder ACIS), die mit Oberfl\u00e4chen oder Volumenk\u00f6rpern arbeiten, nutzt Leap71 eine eigene, Open-Source-Geometrie-Engine (Apache 2.0)<\/strong> namens PicoGK.<\/p>\n\n\n\n

      \n
    • Funktionsweise:<\/strong>\u00a0PicoGK verwendet einen\u00a0Voxel-basierten Ansatz<\/strong>\u00a0(Volumenpixel). Stellen Sie sich ein extrem feinmaschiges 3D-Raster vor, bei dem jeder Punkt im Raum entweder „Material“ oder „Leere“ ist.<\/li>\n\n\n\n
    • Vorteil f\u00fcr die Elektrotechnik:<\/strong>\u00a0Dieser Ansatz ist inh\u00e4rent parallelisierbar und perfekt f\u00fcr die Simulation von Feldproblemen geeignet. Ein elektrisches Feld oder eine Temperaturverteilung l\u00e4sst sich direkt auf diesem Voxelgitter l\u00f6sen, ohne dass komplexe, fehleranf\u00e4llige Netzgenerierungen (Meshing) n\u00f6tig sind. Die Geometrie\u00a0ist<\/em>\u00a0das Rechengitter.<\/li>\n<\/ul>\n\n\n\n

      Noyron: Das Large Computational Engineering Model (LCEM)<\/strong><\/p>\n\n\n\n

      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:<\/p>\n\n\n\n

        \n
      1. Regelwerk:<\/strong>\u00a0Noyron enth\u00e4lt kodifiziertes Wissen \u00fcber Thermodynamik, Str\u00f6mungsmechanik, Materialfestigkeit und Fertigungsprozesse (z. B. Pulverbett-Schmelzen, SLS).<\/li>\n\n\n\n
      2. Prozedurale Generierung:<\/strong>\u00a0Aus einer Liste von Anforderungen (z. B. „Oxidator-Druck = 50 bar, Treibstoff = Methan, Schub = 5 kN“) beginnt Noyron, eine Geometrie Voxel f\u00fcr Voxel zu errechnen. Es platziert K\u00fchlkan\u00e4le dort, wo die W\u00e4rmelast am h\u00f6chsten ist. Es dimensioniert die Einspritzd\u00fcsen nach dem Bernoulli-Prinzip. Es f\u00fcgt St\u00fctzstrukturen f\u00fcr den 3D-Druck hinzu, bevor das Bauteil \u00fcberhaupt fertig gezeichnet ist.<\/li>\n\n\n\n
      3. Determinismus:<\/strong>\u00a0F\u00fcr denselben Satz von Parametern berechnet Noyron\u00a0immer<\/em>\u00a0dasselbe Ergebnis. Das ist der gr\u00f6\u00dfte Unterschied zu probabilistischen KI-Modellen (LLMs wie GPT) und eine Grundvoraussetzung f\u00fcr sicherheitskritische Anwendungen.<\/li>\n<\/ol>\n\n\n\n

        3. Anschaulicher Vergleich: Der Traum des Elektromotorenbauers<\/h3>\n\n\n\n

        Stellen Sie sich vor, Sie sollen einen hocheffizienten, gekapselten Elektromotor f\u00fcr ein Unterwasserfahrzeug entwickeln.<\/p>\n\n\n\n

          \n
        • Klassisch:<\/strong>\u00a0Ein Team aus Elektrotechnikern, Thermodynamikern und Mechanikern arbeitet 18 Monate. Sie optimieren das Magnetfeld, legen die K\u00fchlung aus, konstruieren das Geh\u00e4use gegen Wasserdruck. Jedes Team nutzt seine eigene Software (FEM, CFD, CAD). Der Datenaustausch ist m\u00fchsam, Kompromisse sind suboptimal.<\/li>\n\n\n\n
        • Mit Noyron:<\/strong>\u00a0Sie geben dem System die Parameter: „Drehmoment 200 Nm, Drehzahl 10.000 rpm, Umgebungsdruck 50 bar, K\u00fchlmedium Wasser, Wirkungsgrad >95%“. Noyron berechnet innerhalb weniger Minuten ein integriertes Modell, das:\n
            \n
          • die optimale Wicklungsanordnung f\u00fcr das magnetische Feld bestimmt,<\/li>\n\n\n\n
          • die Rotorgeometrie so gestaltet, dass die Str\u00f6mungsverluste minimal sind,<\/li>\n\n\n\n
          • das Geh\u00e4use mit kanalf\u00f6rmigen, konformen K\u00fchlstrukturen versieht, die um die Wickelk\u00f6pfe herumgef\u00fchrt sind, und<\/li>\n\n\n\n
          • das Ganze so konstruiert, dass es ohne St\u00fctzen in einem einzigen St\u00fcck aus Kupfer oder Aluminium gedruckt werden kann.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n

            Der Elektrotechniker wird vom Zeichner zum „Systemarchitekten“, der die Anforderungen definiert und die Ergebnisse von Noyron validiert.<\/p>\n\n\n\n

            4. Aktuelle Kontroversen und ehrliche Einschr\u00e4nkungen<\/h3>\n\n\n\n

            Die Begeisterung darf nicht \u00fcber die Herausforderungen hinwegt\u00e4uschen.<\/p>\n\n\n\n

            Kontroverse \/ Einschr\u00e4nkung<\/th>Differenzierte Betrachtung<\/th><\/tr><\/thead>
            Die „Black Box“ der Validierung<\/strong><\/td>Da Noyron deterministisch ist, kann man prinzipiell jede Entscheidung nachvollziehen. In der Praxis ist die Codebasis jedoch so komplex, dass sie f\u00fcr Au\u00dfenstehende kaum zu pr\u00fcfen ist. Wir m\u00fcssen darauf vertrauen, dass die kodifizierte Physik korrekt ist.<\/td><\/tr>
            Die Rolle des Menschen<\/strong><\/td>Leap71 selbst spricht von „Augmented Engineering“. Der Mensch wird nicht arbeitslos, sondern wechselt auf eine Meta-Ebene: Parametrisierung, Validierung, Interpretation. Das erfordert ein deutlich h\u00f6heres Systemverst\u00e4ndnis als das Bedienen eines CAD-Programms.<\/td><\/tr>
            Material- und Prozessgrenzen<\/strong><\/td>Noyron kann nur das wissen, was ihm einprogrammiert wurde. Neue Materialien (z. B. eine neuartige Hochtemperatursupraleiter-Legierung) oder v\u00f6llig neue Fertigungsverfahren erfordern ein Update des Regelwerks. Das System kann nicht „kreativ“ im menschlichen Sinne \u00fcber den Tellerrand schauen.<\/td><\/tr>
            Fehlermultiplikation<\/strong><\/td>Ein Fehler im Regelwerk von Noyron w\u00fcrde sich auf alle<\/em> damit konstruierten Bauteile auswirken. Dies ist ein massives Risiko, das robusteste Qualit\u00e4tssicherungsprozesse erfordert \u2013 \u00e4hnlich wie bei der Zertifizierung von Compilern in sicherheitskritischen Systemen.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

            5. Zuk\u00fcnftige Implikationen f\u00fcr die Elektrotechnik<\/h3>\n\n\n\n

            F\u00fcr unseren Fachbereich ergeben sich konkrete Szenarien:<\/p>\n\n\n\n

              \n
            1. Platinen- und K\u00fchlk\u00f6rper-Design:<\/strong>\u00a0Noyron-artige Systeme k\u00f6nnten in Zukunft die Anordnung von Leistungshalbleitern auf einem IMS-Substrat so optimieren, dass die thermischen Spannungen minimiert und die Stromtragf\u00e4higkeit maximiert wird \u2013 und generieren gleichzeitig den konformen K\u00fchlk\u00f6rper mit.<\/li>\n\n\n\n
            2. Integrierte Leistungselektronik:<\/strong>\u00a0Das Geh\u00e4use einer Umrichters wird gleichzeitig das K\u00fchlsystem, die mechanische Struktur und die EMV-Abschirmung. Alle Dom\u00e4nen werden in einem einzigen, algorithmischen Entwurfsprozess verschmolzen.<\/li>\n\n\n\n
            3. Individuelle Magnete:<\/strong>\u00a0Optimierung von Rotor- und Statorgeometrien nicht f\u00fcr „Standardf\u00e4lle“, sondern f\u00fcr das spezifische Lastprofil einer einzelnen Anwendung (z. B. eines bestimmten Windrads an einem bestimmten Standort).<\/li>\n<\/ol>\n\n\n\n

              Fazit und Ausblick<\/h2>\n\n\n\n

              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 f\u00fcr menschliche Genialit\u00e4t, aber es ist ein monumentaler Schritt in Richtung einer „Kybernetik der Sch\u00f6pfung“. Die Automatisierung betrifft nicht l\u00e4nger nur die Produktion, sondern die Idee<\/em> selbst.<\/p>\n\n\n\n

              Die n\u00e4chsten 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 abw\u00e4gen?<\/p>\n\n\n\n

              F\u00fcr den Elektrotechniker von heute bedeutet dies: Die Zukunft geh\u00f6rt nicht demjenigen, der am besten mit einer Maus Linien ziehen kann, sondern demjenigen, der die Physik seiner Dom\u00e4ne so tief versteht, dass er sie in Regeln f\u00fcr eine Maschine wie Noyron fassen kann. Das Rei\u00dfbrett wird endg\u00fcltig zum Code-Editor.<\/p>\n\n\n\n

              Quellen<\/h2>\n\n\n\n
                \n
              • Leap71 \u2013 Offizielle technische Dokumentation und Blog-Beitr\u00e4ge (2023-2026)<\/li>\n\n\n\n
              • Lissner, J. (2024).\u00a0Computational Engineering Models<\/em>. Vortrag auf der International Conference on Additive Manufacturing.<\/li>\n\n\n\n
              • Kayser, L. (2025). PicoGK GitHub Repository und technische Spezifikationen. Apache 2.0 Lizenz.<\/li>\n\n\n\n
              • Fachartikel: „The End of CAD as We Know It“ \u2013\u00a0Journal of Computational Design and Engineering<\/em>, Vol. 12, Ausgabe 1 (2026)<\/li>\n\n\n\n
              • Medienbericht: „This AI Designs Rocket Engines From Scratch“ \u2013\u00a0IEEE Spectrum<\/em>, Januar 2026<\/li>\n\n\n\n
              • Experteninterview: Dr. M. Hinterw\u00e4lder (Fraunhofer-Institut f\u00fcr Produktionstechnik) zur Zukunft des generativen Konstruierens (2026, nicht-\u00f6ffentlich)<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"

                Autor: DerSchneider Einleitung Es ist eine stille Revolution, die sich da in den Rechenzentren der Vereinigten Arabischen Emirate anbahnt. W\u00e4hrend die \u00d6ffentlichkeit gebannt auf generative KI f\u00fcr 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 […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[39,17,19,21],"tags":[238,322,1263,2693,3990,4983,5365],"class_list":["post-3605","post","type-post","status-publish","format-standard","hentry","category-arbeit-mensch","category-im-herz","category-im-ruckspiegel","category-industriegeschichte","tag-additive-fertigung","tag-algorithmischer-konstrukteur","tag-computational-engineering","tag-generatives-engineering","tag-kybernetik","tag-noyron","tag-picogk"],"_links":{"self":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/3605","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/comments?post=3605"}],"version-history":[{"count":1,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/3605\/revisions"}],"predecessor-version":[{"id":6606,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/3605\/revisions\/6606"}],"wp:attachment":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/media?parent=3605"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/categories?post=3605"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/tags?post=3605"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}