KI-Modelle und Plattformen
OpenAI testet Astra bei der Entwicklung physischer Produkte – von Geräten bis zu Fahrzeugen
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
OpenAI kündigte am 3. November 2026 eine Reihe von Entwicklungsprojekten für physische Produkte an. Dazu gehören ein von Astra entworfenes Testgerät, eine ausgeweitete Zusammenarbeit mit Chip Ganassi Racing im Bereich Engineering und ein neues Forschungsprojekt zur Fahrzeugentwicklung mit Mazda.
Die Fähigkeiten umfassen Maschinenbau und Elektrotechnik sowie die durchgängige Systementwicklung – von der Erstellung technischer Zeichnungen und der Einrichtung von Simulationen bis zur Abstimmung von Änderungen über verschiedene Fachbereiche hinweg. Ziel ist es, Ingenieurinnen und Ingenieuren mehr Zeit zu geben, Ideen auszuloten und Entwürfe zu verbessern, und zugleich die Arbeit mit spezialisierten Werkzeugen zu verknüpfen.
Ein durchgängiges Geräteexperiment
Bei dem Geräteexperiment wurden die multimodalen Fähigkeiten von GPT-6 Astra und seine Fähigkeit zur Computernutzung getestet. Dazu ließ man das Modell ein Gerät entwickeln, mit dem sich mit Codex kommunizieren lässt, ohne dass Teammitglieder die Entwurfsergebnisse direkt bearbeiteten. Astra legte die funktionalen Anforderungen fest, entwickelte das Gehäuse und die Halterungen für die internen Komponenten, wählte elektrische Bauteile aus und entwarf die Leiterplatte einschließlich der Platzierung und Verbindungen der Komponenten. Außerdem gestaltete das Modell die Benutzeroberfläche und erstellte die Firmware sowie die Software-Integrationen, die für die Verbindung des Geräts mit Codex erforderlich waren.
Bei einer früheren Astra-Demonstration platzierte das Modell Komponenten und führte Kupferbahnen in KiCad. So überführte es einen elektronischen Schaltplan in ein Leiterplattenlayout.
Zwei Teammitglieder entwickelten das Testgerät gemeinsam mit Astra in weniger als einer Woche als Nebenprojekt. Anschließend fertigte ein Auftragshersteller innerhalb von weniger als einem Monat eine kleine Serie von Prototypen.
Bis zur Fertigungsreife waren dennoch mehrere Überprüfungs- und Überarbeitungsrunden erforderlich. Astra berücksichtigte die Produktionsbeschränkungen, Toleranzen und Montageanforderungen des Herstellers nicht durchgängig. Diese Schwächen dienen dazu, Verbesserungsbedarf bei künftigen Modellen zu ermitteln. Zugleich wird damit deutlich, dass ein vollständiger Entwurf zu erstellen und für die Produktion vorzubereiten zwei verschiedene Schritte sind.
Interne Nutzung und BenchCAD 2.0
Bei Arbeiten an Robotik und Computerinfrastruktur nutzen die Hardware- und Infrastrukturteams von OpenAI Codex und ChatGPT für CAD-Modellierung und -Überarbeitungen, Fertigungszeichnungen, die Einrichtung von Simulationen und Entwurfsprüfungen. OpenAI zufolge ist die tokenbasiert gemessene Modellnutzung in den Hardwareteams seit Februar auf das 23-Fache gestiegen. Diese Zahl erfasst den Modellverbrauch und misst weder den technischen Entwicklungsfortschritt noch die eingesparte Zeit direkt.
BenchCAD 2.0 bewertet die Entwurfsfähigkeiten unabhängig davon: Die Modelle sollen 3D-Teile und -Baugruppen nachbilden und Verbindungen auf Leiterplatten bestimmen. OpenAI zufolge erzielte ein neueres internes Modell durchschnittlich 0,875 Punkte, verglichen mit 0,594 Punkten für GPT-6 Astra bei der höchsten Reasoning-Stufe. OpenAI wertet diesen Zugewinn als frühen Hinweis darauf, dass KI-Modelle iterative Entwicklungsarbeit im professionellen Umfeld beschleunigen könnten, weist jedoch darauf hin, dass die Konstruktion nur einen Teil des Entwicklungszyklus ausmacht.
Damit bleibt eine deutliche Lücke zwischen der Leistung im Benchmark und der Fertigungsreife: Die Bewertung umfasst konstruktionsbezogene Aufgaben, während das Geräteexperiment zeigt, dass Fertigungsanforderungen weiterhin zusätzliche Prüfungen erforderlich machen können.
Technische Prüfungen bei Chip Ganassi Racing und Mazda
OpenAI testet diese Fähigkeiten gemeinsam mit einer kleinen Gruppe von Industriepartnern, deren Ingenieurinnen und Ingenieure die Modellergebnisse auf Genauigkeit und praktische Verwendbarkeit prüfen. Ihre Einschätzungen sollen zeigen, welche Aufgaben Modelle unterstützen können und was verbessert werden muss, damit sie sicher und zuverlässig eingesetzt werden können.
Bei Chip Ganassi Racing wird die ausgeweitete Zusammenarbeit genutzt, um Arbeitsabläufe zu erproben, bei denen 3D-Scans vorhandener Teile in bearbeitbare CAD-Modelle und zweidimensionale Fertigungszeichnungen umgewandelt werden – insbesondere dann, wenn die ursprünglichen Konstruktionsdateien nicht verfügbar sind. Die Ingenieurinnen und Ingenieure von CGR prüfen die resultierenden Modelle und Zeichnungen auf Genauigkeit und Fertigungstauglichkeit. Sie geben Rückmeldung dazu, wo sich manuelle Arbeit reduzieren lässt und wo die Modelle verbessert werden müssen.
Im ersten Jahr konzentrierte sich die Partnerschaft mit Chip Ganassi Racing darauf, Daten von Fahrzeugsensoren, Rennen und der Leistung der Boxencrew auszuwerten. Die neuen Arbeitsabläufe ergänzen diese bisherige Datenarbeit um die Entwicklung und Prototypenfertigung physischer Teile.
Bei der Zusammenarbeit mit Mazda arbeiten die Forschungs- und Forward-Deployed-Engineering-Teams von OpenAI mit Fachleuten von Mazda für Aerodynamik und Crashsicherheit zusammen. Mithilfe von Simulationen zu Luftströmungen und Strukturverhalten entwickeln und bewerten die Teams Fahrzeugentwürfe und berücksichtigen dabei sowohl das Design als auch die Kosten. Im Bereich Aerodynamik erzeugt GPT-6 Astra alternative Frontpartien, simuliert die Luftströmung und verfeinert aussichtsreiche Entwürfe, um den Luftwiderstand zu verringern.
Akihiro Nakata, leitender Ingenieur bei Mazda, sagte, dass die Simulation Dutzender Varianten den Ingenieurinnen und Ingenieuren dabei helfe, zu verstehen, welche Merkmale für die Aerodynamik entscheidend seien und wo den Designerinnen und Designern Spielraum für neue Ideen bleibe. OpenAI plant, weitere Fortschritte und Ergebnisse der Forschung zu veröffentlichen.
OpenAI lädt außerdem Ingenieurbüros und Softwareanbieter, die an Design, Simulation, Fertigung und Produktion beteiligt sind, dazu ein, Vorschläge für besonders wirkungsvolle Anwendungsfälle und Werkzeuge für künftige Kooperationen einzureichen. Die zentrale Frage bei diesen Projekten lautet, ob sich bessere Design-Ergebnisse auch unter den Einschränkungen der Produktion und bei der technischen Prüfung umsetzen lassen – in den Phasen also, die nach wie vor darüber entscheiden, ob aus einem generierten Entwurf ein fertigungstaugliches Produkt wird.
