Maor Farid, Gründer und CEO von Leo AI – Interview-Serie

Dr. Maor Farid, Gründer und CEO von Leo AI, ist ein israelisch-amerikanischer Ingenieur, KI-Forscher, Sozialaktivist und Unternehmer. Er führte KI- und Maschinenbauforschung am MIT als Fulbright-Stipendiat durch und wurde zum jüngsten PhD-Absolventen in der Geschichte des Technion – Israel Institute of Technology. Er hat eine Gemeinschaft von 60.000+ Ingenieuren aufgebaut und unterstützt benachteiligte Jugendliche durch eine Non-Profit-Initiative.

Leo AI ist die erste KI für Maschinenbau – ein großes mechanisches Modell für die physische Produktgestaltung, das es Teams ermöglicht, Ideen in Sekunden in produktionssreife 3D-Modelle umzuwandeln. Die Plattform hilft Unternehmen, die Ingenieurzeit um 70 % zu reduzieren und die Zeit bis zur Markteinführung um 18 % zu beschleunigen. Gegründet im Jahr 2023, wird Leo AI bereits von Ingenieuren in globalen Unternehmen wie Toyota, HP, Mobileye (von Intel (INTC )), Philips und Scania verwendet. Nur wenige Monate nach der Seed-Runde (geführt von Flint Capital) ist der ARR um 300 % im ersten Quartal gestiegen.

Sie haben Ihren Hintergrund in Maschinenbau, nichtlineare Dynamik, KI-Forschung, MIT und dem Technion aufgebaut, bevor Sie Leo AI gründeten. Was führte Sie dazu, sich speziell auf den Bau von KI für Maschinenbauingenieure zu konzentrieren, und welches Problem fühlten Sie, dass die Branche noch nicht lösen konnte?

Ehrlich gesagt, Frustration.

Bevor Leo, arbeitete ich als Maschinenbauingenieur in der Verteidigungsindustrie, und ich erkannte etwas Merkwürdiges: Ingenieure verbringen einen absurd hohen Anteil ihrer Zeit mit allem, nur nicht mit Ingenieursarbeit. Ernsthaft. Wir verbringen Zeit damit, alte Ordner zu durchsuchen, in Lieferkatalogen zu stöbern, nach Standards zu suchen, alte Designs manuell wiederzuverwenden und einen Senior-Ingenieur zu fragen, der sich noch an den Grund erinnert, warum diese Entscheidung 2011 getroffen wurde. Nennen Sie es.

Software-Ingenieure haben GitHub Copilot, und Schriftsteller haben ChatGPT. Währenddessen öffnen Maschinenbauingenieure noch PDFs von gemeinsam genutzten Laufwerken mit Namen wie „FINAL_v7_REAL_FINAL.pdf“. Die Branche sprach immer von „digitaler Transformation“, aber die meisten Ingenieursteams arbeiteten noch, als wäre es 1998.

Das wurde zur Besessenheit hinter Leo: Können wir eine KI aufbauen, die tatsächlich Ingenieursarbeit versteht? Nicht nur Sprache, sondern Geometrie, Einschränkungen, Toleranzen, Fertigungslogik, Physik. Etwas, das Ingenieure mit echter Arbeit vertrauen können, nicht nur mit Demo-Programmen.

Denn wenn Sie einen Marketing-Absatz falsch schreiben, stirbt niemand. Aber wenn Sie einen Toleranzstapel in der Luft- und Raumfahrt oder in medizinischen Geräten falsch berechnen, sterben Menschen absolut.

Warum haben allgemeine KI-Systeme wie ChatGPT und Gemini Schwierigkeiten mit Maschinenbauaufgaben, die reale Physik, Einschränkungen, Toleranzen und Fertigung erfordern?

Weil sie nicht dafür gebaut wurden, als generische KI-Modelle, die hauptsächlich auf Internet-Skala-Text trainiert wurden: Reddit, Blogs, Wikipedia, soziale Medien und zufällige Foren. Das ist in Ordnung, wenn Sie E-Mails schreiben oder Dokumente zusammenfassen, aber es ist ein Desaster, wenn Sie Fatigue-Lebensdauer auf einem geschweißten Bügel in einem Verteidigungssystem berechnen.

Maschinenbau ist nicht Autocomplete. Es ist eingeschränktes Problemlösen unter Physik. Ein generisches Modell kann nicht wirklich über Fertigung, thermische Expansion, GD&T, Materialverhalten, Sicherheitsfaktoren oder Toleranzansammlung nachdenken. Die meisten davon können nicht einmal ein CAD-Datei nativ öffnen.

Der gefährliche Teil ist, dass sie trotz all dessen überzeugend klingen. Ingenieure sind nicht anti-KI. Sie sind anti-BS. Wenn es um Ingenieuraufgaben geht, sind die meisten generischen KI-Systeme extrem flüssige BS-Generatoren.

Das ist, warum wir Leo AI anders trainiert haben, mit über einer Million geprüfter Ingenieurbasis. Wir integrierten es direkt in Ingenieurssysteme und machten jede Antwort rückverfolgbar auf Standards, Formeln und Referenzen, die Ingenieure selbst überprüfen können.

Der Maschinenbau hat historisch gesehen langsamer KI angenommen als die Software-Entwicklung. Was sind die größten Hindernisse, die Ingenieure und Hersteller daran hindern, KI-getriebene Workflows vollständig zu akzeptieren?

Ich denke, das größte Hindernis ist kulturelles Vertrauen. Es ist nicht technisch. Software kann fehlschlagen und morgen gepatcht werden, aber physische Systeme funktionieren nicht so. Wenn Ihre KI-generierte Code eine App zum Absturz bringt, werden Benutzer verärgert. Wenn Ihr KI-generierter Ingenieurfehler in einem Flugzeug, einem medizinischen Implantat oder einem Fabrikroboter landet, sind die Konsequenzen sehr unterschiedlich.

Ingenieure werden von Tag eins an darauf trainiert, über Ausfallmodi nachzudenken. Wir wachsen auf, indem wir Geschichten über zusammenbrechende Brücken hören, weil jemand die falsche Annahme getroffen hat. Wenn also Silicon Valley auftaucht und sagt: „Vibrieren Sie einfach“, lehnen Maschinenbauingenieure es sofort ab.

Das zweite Hindernis ist, dass Herstellerunternehmen auf Jahrzehnte ungedokumentetes Stammwissen in PLMs, PDFs, CAD-Dateien, ERP-Systemen und den Köpfen ausscheidender Ingenieure sitzen. Generische KI kann nicht auf dieses Kontext zugreifen oder darüber nachdenken.

Und drittens: Ich will nicht zu brutal klingen, aber aus meiner Perspektive sind die meisten KI-Produkte für die Industrie im Grunde nur Automatisierungstheater. Schöne Dashboards auf oberflächlichen Modellen, mit denen man tatsächlich nicht ingenieurstechnisch arbeiten kann. Ingenieure sehen durch das sehr schnell.

Leo AI konzentriert sich auf das, was Sie „Mechanische Intelligenz“ nennen. Was bedeutet dieser Begriff für Sie, und wie unterscheidet er sich von der breiteren Welle von KI-Copiloten, die in den Unternehmensmarkt eindringen?

„Mechanische Intelligenz“ bedeutet KI, die die physische Welt versteht, nicht nur Sprache.

Wie ich bereits erwähnt habe, sind die meisten Copiloten heute grundlegend Textsysteme. Sie fassen zusammen, schreiben um und generieren Inhalte. Das ist nützlich, aber es funktioniert noch innerhalb digitaler Abstraktion. Mechanische Intelligenz erfordert die Fähigkeit, unter Physik, Geometrie, Einschränkungen, Fertigung, Materialverhalten, Montage-Logik, Kosten, Zuverlässigkeit, thermische Leistung und Sicherheit zu denken.

Für uns bedeutet mechanische Intelligenz den Aufbau von Systemen, die verantwortungsvoll an Ingenieur-Arbeitsabläufen teilnehmen können. Es bedeutet, CAD-Dateien nativ zu lesen, Zusammenbauten zu verstehen, Gleichungen zu lösen, gegen Standards zu validieren und direkt in PLM- und ERP-Systeme zu integrieren.

Wie nahe sind wir an KI-Systemen, die unabhängig hochkomplexe Maschinen wie Strahltriebwerke, industrielle Roboter oder humanoide Systeme entwerfen können?

Es ist näher, als die meisten Menschen denken, aber nicht ganz so, wie Hollywood es sich vorstellt.

Die Leute stellen sich vor, dass ein Held mit einem Computer spricht und ein perfektes Gerät sofort erscheint. Was tatsächlich passiert, ist, dass KI allmählich repetitive Schichten in der Ingenieurarbeit entfernt, und sie tut es so schnell. Also erhalten wir eine gut gestaltete Projektion, die mit der richtigen Dokumentation verknüpft ist, die Menschen selbst überprüfen können – und mit KI wird diese Projektion in Minuten statt Monaten erstellt.

Könnte KI große Teile einer Strahltriebwerksarchitektur in naher Zukunft generieren? Absolut. Wir haben das in simulierten Tests mit Leo AI ausprobiert, und wir sind ziemlich nah dran. Aber vollständig autonome Ingenieurarbeit ohne menschliche Aufsicht? Ich kann mir das nicht vorstellen, dass das bald passiert. KI wird Ingenieure nicht ersetzen, aber Ingenieure, die KI verwenden, werden vielleicht diejenigen ersetzen, die es nicht tun.

Die KI-Infrastruktur selbst schafft große ingenieurtechnische Herausforderungen im Bereich Energieverbrauch und thermische Verwaltung. Wie sehen Sie die Beiträge von KI-getriebenem Maschinenbau zu Bereichen wie fortschrittlichen Kühlsystemen und Next-Generation-Rechenzentrumsdesign?

Eine der Unternehmen, mit denen wir zusammenarbeiten, ZutaCore, baut wasserlose Kühlsysteme für KI-Rechenzentren, wo thermische Verwaltung zu einem der größten Flaschenhälse für die Skalierung von KI-Infrastruktur wird. Ihre Ingenieure stießen auf ein überraschend teures Problem: Jede neue Bereitstellung erforderte das manuelle Neudesign von Rohrkonfigurationen, um das System anzupassen, was Ingenieurzeit verbrauchte und die Fertigungskomplexität erhöhte.

Sie baten Leo um eine kreative Lösung, die von der Natur inspiriert war, und Leo half, ein einfaches, anpassbares Rohrkonzept zu generieren, das die Notwendigkeit, das System für jedes Projekt neu zu entwerfen, eliminierte. Stattdessen konnten das Team standardisierte, vorrätige Teile verwenden. Das reduzierte die Kosten um etwa 400 $ pro Einheit und eliminierte eine ganze repetitive Ingenieurphase aus dem Arbeitsablauf.

Also, wie wir sehen können, ist KI bereit, einige der Probleme zu lösen, die durch ihre eigene Infrastruktur entstanden sind.

Ingenieurfehler können ernsthafte Konsequenzen in der realen Welt haben. Wie balancieren Sie die Geschwindigkeits- und Automatisierungsvorteile von KI mit der Notwendigkeit von Zuverlässigkeit, Validierung und Sicherheit in Ingenieur-Umgebungen?

Sie entfernen den Ingenieur nie von der Verantwortung. Das ist das Kernprinzip. Wir glauben nicht an „Black-Box-Ingenieurwesen“: Jede Empfehlung, die Leo gibt, ist rückverfolgbar, erklärbar und überprüfbar. Ingenieure können die Quelle, Formeln, Standards und Annahmen überprüfen.

In der Praxis sind die besten KI-Systeme im Maschinenbau nicht die, die die Sorgfalt ersetzen. Sie sind die, die die langweilige Arbeit um die Sorgfalt herum komprimieren. Die gefährliche Erzählung ist derzeit „Geschwindigkeit um jeden Preis“. Diese Mentalität funktioniert, bis man die digitale Welt verlässt und beginnt, physische Systeme zu bauen. Die physische Welt ist unerbittlich.

Sie sagten, KI werde Ingenieure nicht ersetzen, aber Ingenieure, die KI verwenden, werden vielleicht diejenigen ersetzen, die es nicht tun. Welche neuen Fähigkeiten glauben Sie, dass die nächste Generation von Maschinenbauingenieuren benötigen wird, um wettbewerbsfähig zu bleiben?

Die wichtigste Fähigkeit wird tatsächlich tieferes ingenieurtechnisches Urteilsvermögen.

Ironischerweise, während KI mehr der Ausführungsarbeit automatisiert, werden menschliche Ingenieure immer mehr für die Definition von Einschränkungen, die Validierung von Ausgaben, das Verständnis von Kompromissen und das Erkennen von Ausfallmodi verantwortlich.

Junge Ingenieure, die KI blind vertrauen, werden sehr schnell gefährlich. Die besten Ingenieure werden diejenigen sein, die wissen, wie sie KI-Systeme orchestrieren können, während sie gleichzeitig ein tiefes Verständnis der Grundprinzipien beibehalten.

Ich denke, wir werden auch eine enorme Verschiebung hin zu Systemdenken sehen. Maschinenbauingenieure werden zunehmend gleichzeitig in Software, Elektronik, Fertigung, Simulation und KI arbeiten. Der isolierte Maschinenbauingenieur mag verschwinden, aber der multidisziplinäre Ingenieur wird extrem wertvoll.

Wir sehen eine zunehmende Dynamik um Robotik, verkörperte KI und physische KI-Systeme. Glauben Sie, dass der nächste große Durchbruch in KI aus Systemen kommen wird, die mit der physischen Welt interagieren, anstatt rein digitale Copiloten?

Ja. Ich denke, wir bewegen uns definitiv in diese Richtung, aber wir sind noch nicht ganz dort.

Die erste Welle von KI war die Sprache und die Information. Die nächste wird die Interaktion mit der Realität sein. Sobald KI den Bildschirm verlässt und in die physische Welt eintritt, ändert sich das Schwierigkeitsniveau dramatisch, weil die Realität Reibung, Unsicherheit, Materialvariabilität und echte Sicherheitskonsequenzen einführt. Die Unternehmen, die das nächste Jahrzehnt von KI gewinnen werden, werden nicht nur bessere Generierungen erstellen, sondern Systeme, die über die physische Welt nachdenken und mit ihr interagieren können.

Wenn KI tiefer in Ingenieur-Arbeitsabläufe integriert wird, welche Teile des Design- und Innovationsprozesses glauben Sie, werden immer eine einzigartige menschliche Kreativität und Urteilsfähigkeit erfordern?

Verantwortung. Das ist die einzige Antwort. Wie ich bereits sagte, ist die physische Welt unerbittlich gegenüber Ingenieurfehlern, und selbst bei einem sehr hohen Niveau von KI-Argumentation wird sie nie in der Lage sein, den menschlichen Entscheidungsprozess zu ersetzen.

KI kann optimieren, generieren, enorme Design-Räume schneller als Menschen durchsuchen – aber Menschen sollten immer noch entscheiden, was in der Welt existieren sollte, welche Kompromisse akzeptabel sind, welche Risiken ethisch sind und welche Einschränkungen am wichtigsten sind.

Ehrlich gesagt, einige der besten Ingenieurideen kommen aus Intuition, die über Jahre des Scheiterns, der Erfahrung und der seltsamen menschlichen Mustererkennung entsteht, die sehr schwer zu formalisieren ist. Also, ja, ich denke nicht, dass KI jemals die menschliche Verantwortung hinter Ingenieursentscheidungen ersetzen wird. Das ist, was es tatsächlich unmöglich macht, es zu ersetzen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Leo AI besuchen.