Siemens und NVIDIA entwickeln gemeinsam industrielle KI-Systeme: Vom digitalen Zwilling zur autonomen Fabrik, um die Implementierung von KI in der Fertigungsindustrie zu beschleunigen

Siemens (Siemens) mit über 175 Jahren industrieller Erfahrung arbeitet offiziell mit NVIDIA (NVIDIA) zusammen, um die Zusammenarbeit im Bereich Industrial AI zu vertiefen. Die beiden Unternehmen integrieren nicht nur Hardware und Software, sondern kombinieren auch AI, Simulation, digitale Zwillinge und Automatisierung umfassend mit dem Ziel, ein Industrial-AI-Betriebssystem zu schaffen, das in echten Fabriken „tatsächlich funktioniert und skalierbar einsetzbar ist". Roland Busch, CEO von Siemens, und Jensen Huang, CEO von NVIDIA, erläutern erstmals vollständig den Implementierungsfahrplan dieses Industrial-AI-Systems, Anwendungsszenarien sowie die wesentlichen Auswirkungen auf die Fertigung, Energie und globale Lieferketten.

Industrial AI in der Fabrik: Von unterstützender Entscheidungsfindung zur automatisierten Handlung

Busch weist darauf hin, dass die wichtigste Veränderung bei Industrial AI heute darin besteht, dass neue Generationen von Modellen nicht nur Empfehlungen abgeben, sondern Menschen direkt bei Entscheidungen und deren Umsetzung vertreten können, wodurch das System autonome und selbstanpassende Fähigkeiten erhält.

Er erwähnt auch, dass viele Kunden ihre Fertigungsprozesse bereits in digitale Zwillinge umgewandelt haben, um Prozesse zunächst in der virtuellen Welt zu optimieren, bevor sie in echten Fabriken implementiert werden; AI arbeitet bereits an Produktionslinien, entwickelt sich aber zu höheren Ebenen weiter.

Skalierbarkeit ist die große Herausforderung – die Hürde bei Bereitstellung und Reproduzierbarkeit

Busch gibt offen zu, dass die wahre Schwierigkeit nicht darin liegt, ob AI funktioniert, sondern ob sie „in großem Maßstab und weit verbreitet" einsetzbar ist. Zu den wesentlichen Engpässen gehören:

Ob Kunden über ausreichende Fähigkeiten verfügen

Ob das System leicht bereitzustellen ist

Und ob es schnell über Fabriken und Branchen hinweg vervielfältigt werden kann

Da die Einführung von Industrial AI immer noch stark von Fachpersonal und komplexer Integration abhängig ist, konzentriert sich Siemens darauf, die Nutzungsschwelle zu senken, sodass die Bereitstellung einfacher und die Bedienung intuitiver wird. Er betont auch, dass von Schiffbau und Schwerindustrie bis zu Startups bereits beginnen, entsprechende Lösungen zu adoptieren, was darauf hindeutet, dass sich der Marktmomentum schnell aufbaut.

NVIDIA beschleunigt Siemens-Software – durchgehend vom Design zur Fabrik

Jensen Huang erklärt, dass diese Zusammenarbeit keine symbolische Allianz ist, sondern eine tiefe Integration über Software, Hardware und Prozesse hinweg. Die Höhepunkte der Zusammenarbeit umfassen:

Beschleunigung von Siemens’ EDA-Software

Beschleunigung von Physik- und Prozesssimulationssoftware

Integration von AI, physischer AI und großen Modellen in Teamcenter und Fabrikautomationssysteme

Das bedeutet, dass NVIDIA in Zukunft bei der Auslegung von Chips und Systemen direkter auf Siemens’ Simulations- und Digital-Twin-Tools angewiesen wird; gleichzeitig können NVIDIAs eigene Fabriken und Partnerunternehmen (wie Foxconn) dieses Industrial-AI-Betriebssystem bei Produktionslinien und Fabrikmanagement einsetzen, um eine vollständige Schleife von Forschung und Entwicklung bis zur Fertigung zu bilden.

( Hinweis: Teamcenter ist eine von Siemens entwickelte Product-Lifecycle-Management-Software, eine digitale Plattform, die Unternehmensressourcen, Prozesse und Daten verbindet und durch einen einheitlichen digitalen Thread mechanische, elektronische und Softwaredesigns, Stücklisten und Prozessmanagement integriert, um Unternehmen bei der Zusammenarbeit vom Produktkonzept, Design bis zur Fertigung und zum Service zu unterstützen, die Time-to-Market zu verkürzen und Entwicklungskosten zu senken. EDA-Software nutzt computergestützte Designwerkzeuge (CAD) zur Automatisierung komplexer Designs von integrierten Schaltkreisen (IC) und elektronischen Systemen, einschließlich logischer Entwurf, Schaltungssimulation, Layout und Verifikation usw.)

Digitale Zwillinge reduzieren Kosten für Fehlerversuche – Edge-Inferencing beschleunigt die Effizienz

Bei der Diskussion über die Auswirkungen von AI auf die reale Welt nennt Jensen Huang das Beispiel „Vera Rubin" und zeigt, dass die Systemkomplexität und der Kostendruck gestiegen sind, sodass völlig neue Entwurfsmethoden erforderlich sind. Dieses System besteht aus sechs integrierten Chips mit einer GPU-Leistung von bis zu 240.000 Watt, mit einer Energieeffizienz und Kosteneffizienz, die die vorherige Generation um das 10-fache übertrifft.

Sein Schwerpunkt liegt darauf, dass wenn das gesamte Systemdesign und die Validierung in Siemens’ Digital Twin abgeschlossen werden können, die Kosten für Fehlerversuche drastisch gesenkt werden können, das „Unmögliche" in „Massenproduktionsreife" umwandelt, und dem Ziel näher kommt, es beim ersten Mal richtig zu machen.

Busch ergänzt auch, dass die Kampfzone für AI nicht nur das Rechenzentrum ist, sondern der wahre Wert darin liegt, ob Low-Latency-Inferencing an der Fabrikgrenze ausgeführt werden kann; AI-Chips sind nun in Controller, Industrie-Computern und Edge-Geräten eingetragen, die es der Fabrik ermöglichen, sofort einzustellen und zu optimieren, anstatt im Nachhinein zu analysieren, was weitere Verbesserungen bei Ausschussquoten, Energieverbrauch und Gesamteffizienz bewirkt.

( Hinweis: Edge-Geräte sind Computer/Controller, die in Fabriken, Maschinen oder vor Ort installiert sind und in Echtzeit wahrnehmen, berechnen und reagieren können.)

Autonome Fabriken und Energieengpässe parallel – Lieferkettenbelastung erstreckt sich bis zum Weltall

Beide stimmen darin überein, dass die Nachfrage nach Autonomie und höchst automatisierten Fabriken steigt, angetrieben durch Arbeitskräftemangel, höhere Ausschussquoten, bessere Energieeffizienz und sind besonders für die Rückverlagerung der US-Fertigung von Bedeutung.

Jensen Huang beschreibt moderne Fabriken als „riesige Roboter", wobei die größte Herausforderung in der Vergangenheit darin bestand, dass Roboter schwer zu lehren sind und viel Softwarefachpersonal erfordern. Der Wert von Physical AI besteht darin, Roboter leichter „lehrbar" zu machen und Demonstrationen anstelle umfangreicher handgeschriebener Programme zu nutzen.

Bezüglich Energie sagt Jensen Huang unverblümt, dass alle industriellen Revolutionen durch Energieeinschränkungen begrenzt sind, und die AI-Revolution ist keine Ausnahme. Daher muss jede Produktgeneration energiesparsamer sein. Busch erweitert den Blickwinkel auf die gesamte Stromversorgungskette und weist darauf hin, dass die Anforderungen von Rechenzentren an hochwertige Elektrizität Belastungen für Stromerzeugung, Gasturbinen, Hochspannungstransformatoren bis hin zu Verteilungsanlagen verursacht haben, mit möglichen Engpässen in einigen Regionen.

Das Gespräch erstreckt sich auf den chinesischen Markt, wo Jensen Huang anführt, dass die Nachfrage weiterhin stark ist und die Haltung hauptsächlich über die Unternehmensseite indirekt widergespiegelt wird. Busch erwähnt auch, dass Siemens’ Softwareinvestitionen weiterhin expandieren werden, ohne Übernahmen auszuschließen, um Lücken zu schließen.

Abschließend erweitern die beiden ihre Vision auf einen längerfristigen Horizont – nämlich dass Weltraum-Rechenzentren möglicherweise Energie- und Kühlungsvorteile haben könnten, und wenn wirklich im Weltall produziert werden sollte, wären die am besten geeigneten Produkte diejenigen, die schnell zur Erde zurück übertragen werden könnten, nämlich Intelligenz und Rechenleistung. In den nächsten 2 bis 3 Jahren, mit der vollständigen Fusion von AI, digitalen Zwillingen und Automatisierung, wird die autonome Fabrik keine Konzept mehr sein, sondern ein neuer Startpunkt für den globalen Fertigungswettbewerb.

( NVIDIA Alpamayo-Ökosystem debütiert: Ermöglicht autonomen AI-Fahrzeugen Inferencing-Fähigkeiten und kann Entscheidungsgründe erklären)

Dieser Artikel Siemens und NVIDIA fördern gemeinsam Industrial-AI-System: Von digitalen Zwillingen zur autonomen Fabrik, beschleunigt die AI-Implementierung in der Fertigung erschien zuerst auf Chain News ABMedia.