Van CAD-commando naar ontwerpintentie

Op het jaarlijkse SolidWorks-gebruikersevenement 3DExperience World, evenals vorig jaar in het Texaanse Houston, kregen de aanwezigen alweer de volgende in het bloemrijke rijtje ‘generative experiences’, ‘virtual companions’ en ‘3D UNIV+RSES’ voorgeschoteld: ‘Industry World Models.’ Van het universum naar de wereld? Gelukkig had Dassault Systèmes-ceo Pascal Daloz niet zomaar iemand meegenomen voor de uitleg: NVIDIA-oprichter en ceo Jensen Huang.

Door: Robin Zander

Maar voordat Huang in Houston het podium beklom, begon SolidWorks-ceo Manish Kumar een stuk dichter bij huis. Want wat moet je eigenlijk met al die kunstmatige intelligentie? Want zelfs in het land van de onbegrensde mogelijkheden wordt niet alles voetstoots aangenomen. Niet voor niks proberen ze al zo lang de engineeringgeesten rijp te maken, eerst voor hun platform en wat nu lijkt voor een hele nieuwe invulling van hun baan.

Kumar bezigde wellicht daarom de fraaie term cognitive energy. Hij trok een parallel met eerdere technologische doorbraken. Neem de stoommachine die eigenlijk alleen was ontwikkeld om water uit ondergelopen mijngangen te pompen. Daarop voortbordurend en met het zetten van de stap van heen-en-weergaande beweging naar een draaiende kwamen de fabrieken, locomotieven en stoomschepen.

Volgens de SolidWorks-baas zitten we met kunstmatige intelligentie nu nog een beetje te modderen in die eerste fase. De motor is er. En nu? Wie zich als engineer zorgen maakt dat hij of zij toch overbodig wordt gemaakt, had Kumar nog een aardige oneliner: “AI is the multiplier. You are the value.” Dat klinkt natuurlijk lekker op een podium voor een paar duizend engineers. Maar daar zit wel wat achter en in.

Niet voor het eerst

Constructeur hoort dat tenslotte niet voor het eerst. Twee jaar geleden presenteerde Bernard Charlès, die net had plaatsgemaakt voor Daloz en nu nog als strategisch adviseur aan het bedrijf is verbonden, al zijn ‘Magic SolidWorks’. Vertel de software wat je wilt ontwerpen, laat AI automatisch de benodigde ontwerp- en simulatieapplicaties inzetten en kies vervolgens uit oplossingen die het systeem genereert. De toekomst van ontwerpen lag volgens Charlès in de verbinding tussen ontwerp, simulatie en AI.

Vorig jaar volgde de volgende stap. Pascal Daloz introduceerde 3D UNIV+RSES, waarin 3D-modelleren, simulatie, datawetenschap en door AI gegenereerde content bij elkaar komen. Bovendien verscheen Aura als virtual companion ten tonele, die je helpt met best practices, de handleiding kent en groeit naarmate de interactie toeneemt. En Aura beantwoordt niet alleen vragen, maar de virtuele assistent – of is het assistente? – kan ook daadwerkelijk taken uitvoeren.

Nieuwe virtuele vrienden

Aura heeft dit jaar gezelschap gekregen van Leo en Marie. Elk hebben ze hun eigen domein meegekregen. Waar je kan zeggen dat Aura zich toelegt op bedrijfskennis, requirements, projecten en wijzigingen, is Leo, vrij naar Leonardo da Vinci, de echte engineer die zich richt op ontwerp, simulatie en productie. Marie, met Marie Curie als naamgever, mag zich als wetenschapper buigen over onder meer materialen, chemie en biowetenschappen. Anders gezegd, Aura weet wat je bedrijf weet, Marie weet waarom een materiaal zich gedraagt zoals het zich gedraagt en Leo kan er iets van construeren.

Dassault probeert dus niet één alleswetende chatbot naast SolidWorks te zetten. De achterliggende gedachte is dat verschillende gespecialiseerde AI-agents gebruikmaken van verschillende soorten kennis en gereedschappen. De constructeur vertelt uiteindelijk wat hij wil bereiken; de digitale collega’s zoeken uit welke informatie en software daarvoor nodig zijn. Daarmee begint agentic AI voor engineering meer inhoud te krijgen en denk nou niet: “Drie ChatGPT’s in een CAD-pakket, leuk hoor.”

Tijd besparen

Leo kan inmiddels informatie uit een ontwerp halen, mislukte features onderzoeken en zoeken naar de achterliggende oorzaak. De Assembly Performance Analysis zoekt bijvoorbeeld uit waarom grote samenstellingen langzaam openen en geeft aanbevelingen om daar iets aan te doen. Ook product- en ontwerpdata worden steeds meer via gewone taal toegankelijk. En met de recente release R2026x FD04 van 12 september kan Leo bijvoorbeeld de downstream-gevolgen van een ontwerpwijziging onderzoeken voordat die wordt doorgevoerd (Design Change Impact). Dit zijn nu precies de taken waar een constructeur iedere dag tijd aan kwijt is. Wel iets waar je maandagochtend daadwerkelijk tijd mee kunt besparen.

Ook AI Drawing Generation is sinds Houston verder ontwikkeld. Vorig jaar vertelde Kumar nog dat de eerste ontwikkelfase van automatische 2D-tekeninggeneratie net was afgerond. Het bepalen van de verschillende aanzichten was daarbij niet eens het grootste probleem; uitvinden welke doorsneden een bepaalde gebruiker bij een bepaald component verwachtte, bleek heel wat lastiger. Nu gaat het met de recente release over productieklare tekeningen waarbij AI het bladformaat, de maatvoering en toleranties kan helpen bepalen en eigen standaarden over meerdere tekeningen kan toepassen. Hetzelfde geldt voor geïmporteerde geometrie. Leo kan STEP- en IGES-parts terugbrengen tot parametrische modellen, zodat het resultaat niet alleen een ‘domme’ B-rep blijft.

Magic SolidWorks of Leo?

Nog interessanter wordt het wanneer Leo niet langer helpt bij een bestaand ontwerp, maar zelf aan het construeren slaat. Tijdens een demonstratie in Houston kreeg de AI requirements voor een gelaste vakwerkconstructie voor een industriële watertoren, die je in elke roadmovie aan het begin van een dorp of stad ziet staan. Het gewenste volume en de locatie waren bekend. Op basis van dat laatste werd achterhaald hoe het met de mogelijke windbelasting zat. Het systeem bepaalde daaruit onder meer het gewicht van de gevulde tank en de optredende krachten, genereerde een staalconstructie en onderwierp die vervolgens aan een simulatie. Je kon zien dat Kumar zelf flink onder de indruk was. De reden gaf hij ook: hij had zelf nogal wat uurtjes of waren het maanden gestoken in het fatsoenlijk integreren van weldments in SolidWorks. Van requirements naar geometrie naar simulatie en validatie.

Dit past precies in de richting die Dassault zelf voor AI in productontwikkeling beschrijft. De constructeur legt steeds minder vast hoé de geometrie eruit moet zien en steeds meer wáaraan een oplossing moet voldoen: gewicht, sterkte, materiaal, productiemethode en kosten. Software kan vervolgens alternatieven genereren, doorrekenen en verbeteren. Leo begint aardig op dat Magic SolidWorks te lijken.

‘Knowledge’ en ‘knowhow’

Interessant was daarom ook het verhaal van 3Dexperience-ceo Morgan Zimmermann. Hij maakte onderscheid tussen knowledge en knowhow. In modellen, tekeningen, eisenpakketten en documenten ligt de kennis van een onderneming vast: wát hebben we gemaakt? Maar in ontwerpbeslissingen, eerdere iteraties, processen en de manier waarop problemen zijn opgelost, zit ook kennis over hóe je dat voor elkaar hebt gekregen. Voor dat laatste is AI interessant. Tijdens de persconferentie die Daloz en Huang later tijdens het evenement gaven, vatte Daloz het probleem kernachtig samen: “If you have the computing without knowledge, it’s blind. And if you have the knowledge without the computing, we cannot scale.”

Daarmee wordt ook duidelijker waarom Dassault NVIDIA nodig heeft. Dassault brengt tientallen jaren aan engineeringkennis, virtual twins en simulatie mee; NVIDIA levert de rekeninfrastructuur en AI-technologie om daar op grote schaal modellen mee te bouwen. Maar daarvoor moet de AI wel bij de kennis van een onderneming kunnen. Vorig jaar zei Daloz in Houston al dat de data die engineers creëren de valuta van de nieuwe generative economy vormen. Tegelijkertijd zijn die gegevens het intellectuele eigendom van de onderneming. Als een virtual companion toegang krijgt tot zowel de formeel vastgelegde productinformatie als de opgebouwde knowhow, kan hij meer doen dan een bestaand model of document terugvinden. Hij kan een constructeur helpen op basis van eerdere oplossingen, ontwerpregels en ervaringen van de eigen onderneming. Niet alleen zoeken in bedrijfskennis dus, maar ermee redeneren.

Leo wil wel muntjes zien
Nu heette de vorige hoofdredacteur van Constructeur ook Leo. Die stond net zomin op een virtuele loonlijst als de Leo die je op het platform kan bijstaan. Want wil je serieus met virtuele Leo aan de gang, ook dan moet je betalen. In Blue Tokens. Of dat betekent dat jij je blauw betaalt? Constructeur weet niet hoe snel je ze verbruikt. Wel dat hoe complexer de vragen aan de ‘virtual companions’, hoe meer het je kost. Alleen met praten laat de meter niet lopen. Zodra de AI daadwerkelijk gaat analyseren, genereren, wijzigen of automatiseren, worden tokens verbruikt. Een geschikte SolidWorks-licentie krijgt als introductie eenmalig in totaal 2000 gratis tokens en daar komen er via de 3DSwymer-rol op het platform nog 100 bij. Zijn de tokens op, dan kan je via de online Dassault-winkel nieuwe aanschaffen. Voor USD 1250,- krijg je er 25.000. Dat gaat op abonnementsbasis. Na een jaar vervallen niet gebruikte tokens en ontvang je 25.000 nieuwe als je niet opzegt. Daarmee krijgt AI naast een plaats in het ontwerpproces dus ook een plek op de begroting: variabele engineeringkosten. En dat is misschien interessanter dan de prijs van één token. Als AI steeds vaker tekeningen genereert, modellen onderzoekt, geïmporteerde geometrie omzet of analyses uitvoert, verschuift een deel van de softwarekosten van wat hebben we gekocht? naar hoe intensief gebruiken we de digitale collega? Of dat goedkoper is dan de constructeur het zelf laten doen, hangt uiteraard af van hoeveel tijd Leo hem of haar bespaart.

‘Industry World Models’

En daarmee zijn we ook bij die Industry World Models beland. Op het hoofdpodium bleef die term nog behoorlijk abstract. Tijdens de persconferentie maakte Daloz duidelijker wat Dassault ermee bedoelt. Huangs physical AI draait om systemen die de fysieke wereld moeten begrijpen. Volgens Daloz is dat voor industrie alleen niet voldoende. Een Industry World Model moet naast natuurkunde ook industriële knowhow bevatten: niet alleen begrijpen hoe iets zich fysiek gedraagt, maar ook hoe je het ontwerpt, produceert en in de praktijk gebruikt. Daarmee wordt de formule een stuk begrijpelijker: fysica + industriële knowhow + rekenkracht.

‘Savant la lettre’

Dassault en NVIDIA willen daarvoor virtualtwin-technologie, simulatie en industriële kennis combineren met NVIDIA’s AI-infrastructuur, modellen, CUDA-X-softwarebibliotheken en Omniverse. Want Dassault heeft al gereedschap waarmee die echte wereld kan worden doorgerekend. Met Simulia kunnen FEM-, CFD- en multifysische modellen voorspellen wat er gebeurt wanneer geometrie, materiaal, belasting en/of temperatuur veranderen. De resultaten van dergelijke simulaties kunnen vervolgens ook worden gebruikt om een AI-model het gedrag van een product te leren.

Voer bijvoorbeeld een reeks hoogwaardige simulaties uit voor verschillende geometrieën, materialen en belastingen. De resultaten kunnen worden gebruikt om een surrogaatmodel te trainen. Zo’n AI-model kan bij een nieuwe ontwerpvariant veel sneller voorspellen wat er waarschijnlijk gebeurt dan wanneer iedere variant opnieuw volledig numeriek wordt doorgerekend. Interessante kandidaten kunnen daarna weer aan de volledige multifysische analyse worden onderworpen.

AI maakt simulatie dus niet overbodig. AI heeft simulatie nodig. Dat vertelde SolidWorks’ AI-baas Shrikant Savant dat Constructeur twee jaar geleden eigenlijk al. AI vraagt voldoende goede data, training, tuning en validatie. En daarna moet je nog steeds controleren of de uitkomst aan je eisen voldoet. Blind aannemen dat het resultaat klopt, was volgens hem geen optie. Wat Dassault en NVIDIA nu bouwen, kun je zien als een poging dat probleem op industriële schaal aan te pakken.

‘Shift left’

Daar zit voor de constructeur misschien wel een interessantere belofte in dan in het automatisch tekenen van een onderdeel. Een uitgebreide FEM- of CFD-analyse kost rekentijd. Daardoor kun je maar een beperkt aantal ontwerpvarianten onderzoeken. Wanneer een gevalideerd AI-model het gedrag van duizenden varianten razendsnel kan voorspellen, verandert dat de verhouding. Niet minder simuleren dus, maar veel meer oplossingen onderzoeken in dezelfde beschikbare tijd. De AI doet de snelle voorselectie. De hoogwaardige numerieke simulatie blijft nodig voor de oplossingen waarbij het er echt toe doet.

Dat past weer bij die andere ontwikkeling die je shift left noemt. Dat houdt in dat je in het ontwikkelproces eventuele fouten veel eerder ontdekt. Dus links op de tijdlijn van idee naar product en niet rechts als je het product bij wijze van spreken alleen nog maar in de verpakking hoeft te doen. Geen Dassault-jargon overigens. Nu blijkt een verkeerde ontwerpkeuze soms pas tijdens simulatie, prototyping, productie of zelfs gebruik. Hoe verder je dan bent, hoe duurder het wordt om terug te gaan. AI moet de constructeur al tijdens het ontwerpen waarschuwen dat hij mogelijk de verkeerde kant op gaat. Ontwerpen en valideren worden daarmee steeds minder afzonderlijke werkzaamheden.

Intellectual Property Lifecycle Management

Er zit nog een addertje onder het gras. Wanneer een bedrijf zijn knowhow gebruikt om AI-modellen te trainen, wie bezit dan eigenlijk wat? Ook daar blijkt Dassault inmiddels over na te denken. Daloz sprak tijdens de persconferentie over iPLM: Intellectual Property Lifecycle Management. Het moet mogelijk worden te traceren welke kennis, gegevens en andere bronnen zijn gebruikt om een AI-model op te bouwen en wie daarvan eigenaar is. Dat is eigenlijk een logische uitbreiding van PLM. Vroeger wilde je weten uit welke onderdelen en revisies een product bestond. Straks wil je misschien ook weten waar een AI zijn wijsheid vandaan heeft.

Daarbij speelt ook de AI-factory van Dassault-dochter 3DOUTSCALE een rol. Volgens Daloz zou die vanaf juni eerst worden ingezet om Dassaults eigen modellen te trainen en vervolgens ook beschikbaar komen voor klanten die gevoelige bedrijfskennis niet zomaar elders willen onderbrengen. De cloud krijgt daarmee nog een taak: niet alleen je CAD-data bewaren, maar ook voorkomen dat de kennis waarmee je digitale collega slimmer wordt ineens van iedereen is.

Ander verhaal

Savant waarschuwde Constructeur in 2024 al dat generative AI weliswaar indrukwekkende teksten, beelden en muziek kan maken, maar dat een fout antwoord bij engineering een ander verhaal is. Een systeem dat met groot zelfvertrouwen onzin verkoopt, is vervelend wanneer je een tekst schrijft. Bij een dragende constructie kan het wat vervelender aflopen. De oplossing die Dassault nu presenteert, het Industry World Model, is daarom niet simpelweg een groter taalmodel. De AI moet worden gevoed met industriële kennis, context van het eigen ontwerp, bedrijfsregels en natuurkundige modellen. Een virtual companion moet bovendien de juiste engineeringsoftware kunnen inschakelen om een antwoord te controleren. Of dat voldoende is om uiteindelijk autonoom complexe producten te ontwerpen?

Van commando naar intentie

Tijdens de persconferentie legde Huang misschien nog wel duidelijker dan op het hoofdpodium uit waar hij uiteindelijk naartoe wil. De meeste software en automatisering werkt nu met expliciete commando’s. Een mens vertelt het systeem stap voor stap hoe het iets moet doen. Dat geldt voor een geprogrammeerde robot, maar in feite ook voor CAD. Een constructeur maakt een sketch, geeft een extrude-commando, legt mates vast en start daarna zelf een simulatie.

AI moet daar volgens Huang een laag tussen zetten. De mens vertelt wat hij wil bereiken. De AI interpreteert die intentie en gebruikt vervolgens zelf de beschikbare gereedschappen om daar te komen. Dat idee trok Huang tijdens de persconferentie zelfs door naar kleinere machinebouwers. Juist doordat huidige robots voor iedere toepassing expliciet moeten worden geprogrammeerd, loont automatisering vooral bij grote aantallen en sterk repetitief werk. Wanneer een robot een taak via instructie of demonstratie kan leren, wordt automatisering volgens hem ook aantrekkelijker bij kleinere series en meer variatie.

Virtuele gebruikers

Voor CAD geldt uiteindelijk hetzelfde principe. Niet langer ieder commando voorschrijven, maar de ontwerpintentie vastleggen. En daar zit nog een interessante consequentie aan. AI-agents gaan volgens Huang straks zélf engineeringsoftware gebruiken. Een virtual companion interpreteert de opdracht van de constructeur en start vervolgens bijvoorbeeld SolidWorks, Catia of Simulia om die opdracht uit te voeren. Niet alleen de engineer wordt daarmee softwaregebruiker, de digitale collega’s worden dat ook. Huang ging tijdens de persconferentie zelfs zover dat hij een toekomst schetste waarin tegenover iedere menselijke engineer misschien wel tientallen of honderd virtuele engineers staan die dezelfde gereedschappen gebruiken. Daar zal bij Dassault niemand een slapeloze nacht van krijgen. Maar technisch is het wel interessant. De waarde van CAD-kennis verschuift dan van weten welk commando je waar moet aanklikken naar weten welke opdracht je de software moet geven en of het antwoord deugt.

Wat betekent CAD?

En daar komt de constructeur weer om de hoek kijken. Daloz had daar tijdens de persconferentie nog een aardige vondst voor. CAD staat volgens hem straks niet langer voor Computer Aided Design, maar voor Cognitive Augmented Design.

Dat klinkt uiteraard precies zoals je van een Dassault-ceo mag verwachten. Maar zijn achterliggende redenering is interessanter. Veel ingewikkelde engineeringkennis zit nu bij een relatief kleine groep specialisten. AI kan volgens hem helpen die kennis beschikbaar te maken voor veel meer mensen.

Hij trok daarbij een vergelijking met de opkomst van 3DCAD. Dertig jaar geleden konden vooral grote ondernemingen zich de benodigde computers en specialistische systemen veroorloven. SolidWorks en vergelijkbare systemen hebben 3DCAD vervolgens voor een veel grotere groep toegankelijk gemaakt. AI zou hetzelfde kunnen doen met engineeringkennis.

Dat betekent niet automatisch dat iedereen constructeur wordt. Integendeel misschien. Want iemand moet nog altijd weten welke belasting geldt, welke veiligheidsfactor verantwoord is, welke norm van toepassing is, of het onderdeel te maken is en of de gekozen oplossing überhaupt verstandig is. En, prettig bij die watertoren, of de boel blijft staan.

Eindelijk weer construeren

Misschien zit daar uiteindelijk de interessantste consequentie. Als je in gewone taal kunt vertellen wat een constructie moet doen en een virtual companion kan dat vertalen naar parametrische geometrie, materiaalkeuze, simulatie en uiteindelijk productie-informatie, hoef je steeds minder te weten over hoe de software bediend moet worden. Je moet des te beter weten wat je van die software verlangt. Daar zit volgens Kumar de waarde van de engineer. Of anders gezegd: misschien neemt AI de constructeur uiteindelijk een deel van het CAD-werk uit handen, zodat hij eindelijk weer wat meer tijd overhoudt om te construeren.

‘Naar links…’
Wie wil weten hoe Dassault Systèmes de rol van kunstmatige intelligentie ziet in verhouding tot de software en wat dit voor de constructeur en de productontwikkeling kan betekenen, is er nu een e-book: The Five Ways Artificial Intelligence Will Revolutionize Product Development. Maar wat zijn die dan?
De eerste die wordt aangehaald voor de productontwikkeling is de verschuiving in het ontwikkelproces. ‘Shift left’ houdt in dat je in het ontwikkelproces eventuele fouten veel eerder ontdekt. Dus links op de tijdlijn van idee naar product en niet rechts als je het product bij wijze van spreken alleen nog maar in de verpakking hoeft te doen. Of zelfs daarna als de helpdesk de problemen voorgeschoteld krijgt en je eigenlijk weer terug moet naar de ‘tekenplank’.
Maar ook daar kan kunstmatige intelligentie van pas komen en het ontwikkelproces zelf versnellen. Dassault noemt specifiek de Design Assistent die je helpt met het routinewerk: welke geometrie waar met welke afronding. De andere is Generative Design: de constructeur stelt de eisen, bepaalt de randvoorwaarden en de software zoekt naar de geometrische oplossingen. Het ‘3D-ervaringsbedrijf’ tekent daar zelf nog bij aan dat AI-gestuurd generatief ontwerpen van complexe mechanische producten in ontwikkeling is.
De volgende logische is simulatie en kan je ook wel onder ‘shift left’ scharen, maar benoemt Dassault toch apart: realtime simulatie vroegtijdig in het ontwerp- en ontwikkelproces. Vooral als hulpje bij het goed opzetten van eindige-elementen- en multifysische analyses, een nogal specialistisch domein. Simulatie gaat zo dichter tegen het dagelijkse ontwerpwerk aan schurken.
Als vierde in de revolutie-top5 komt patronen ontdekken uit klant- en marktfeedback en aanverwante data. Kunstmatige intelligentie helpt niet alleen hierbij, maar ook naar de vertaling richting productontwerp.
De laatste is dan wat wetenschappelijker van toon. Dassault trekt de vergelijking met de farmaceutische industrie die AI gebruikt bij de analyse en ontwikkeling van nieuwe medicijnen. Dat moet ook met materialen en hun eigenschappen kunnen. En dan zouden ook functionally graded materials in combinatie met additive manufacturing eindelijk werkelijkheid kunnen worden.
Van hulp bij een commando en serieus ontwerp, geavanceerde simulatie, materiaalontwikkeling en productie dus. Het begint ook al aardig concrete softwarefunctionaliteit te worden.

Dossiers

• 
  (Not) Safe for Designers?
• 
  PCB-ontwerp en productie
• 
  Wim van der Hoek Award