KI-Wissenschaftler brechen aus dem Bildschirm heraus! Ein MIT-Professor wirft 4 Fotos, drei Groks fertigen innerhalb einer Stunde Bauteile an.

Vier Fotos, die keinerlei Zusammenhang zueinander aufweisen.

Markus Buehler, Professor für Ingenieurwissenschaften am MIT, hat diese vier Fotos zusammen mit einem anspruchsvollen mechanischen Problem an drei KI-Systeme übergeben.

Nach etwas mehr als einer Stunde spuckte der 3D-Drucker auf seinem Schreibtisch zwei Kunststoffteile mit einem Gesamtgewicht von 19,48 Gramm aus.

Den gesamten Weg von den Fotos zu den Bauteilen legten die drei KI-Systeme in gemeinsamer Arbeit zurück:

Sie erkannten die Muster in den Bildern, leiteten die strukturellen Regeln ab, schrieben einen funktionsfähigen physikalischen Simulator, führten 47 Experimente durch, exportierten die Modelldateien, schnitten sie auf und schickten sie an den Drucker.

Alle bisherigen Demonstrationen von „KI-Wissenschaftlern“ blieben an der gleichen Stelle stehen: bei einem Bericht, einem Codeabschnitt und einem Simulationsdiagramm.

Wenn man etwas tatsächlich herstellen wollte, brauchte man ein automatisiertes Labor mit Anschaffungskosten ab einer Million US-Dollar.

Dieses Mal umging die KI die Hürde von einer Million Dollar und stellte das Objekt direkt her.

Buehler äußerte sich direkt in seinem Beitrag erstaunt: Leben wir bereits in der Zukunft?

Das von xAI bereitgestellte Organisationsmodell

wurde vom MIT-Professor direkt angewendet

Die arbeitenden Einheiten sind drei Grok Bots.

Das Diagramm zur Aufgabenverteilung der drei Bots: Ein Chief of Staff koordiniert die Arbeit in der Mitte, der intelligente Physik-Experimentator schreibt den Simulator und führt die Forschung durch, und der 3D-Druck-Bot steuert Bambu Studio an.

Dieses Organisationsmodell wurde von xAI bereitgestellt, und Buehler hat damit ein echtes Projektteam aufgebaut.

Chief of Staff: Der Projektleiter.

Er ist die einzige Rolle, die keine direkten Ergebnisse erzeugt. Er überwacht, was die anderen beiden tun, holt die Ergebnisse zurück in den Hauptdialog, überträgt Dateien zwischen ihnen und sorgt dafür, dass die Arbeit nicht unterbrochen wird.

Physics Experimenter: Wissenschaftler und Programmierer zugleich.

Er liest die Bilder, schreibt den Simulator, führt Experimente durch, analysiert die Ergebnisse und erstellt schließlich einen Forschungsbericht im LaTeX-Format.

3D Printing Bot: Der Werkstattleiter.

Er bereitet das Material vor, schneidet die Modelle auf, erstellt den Fertigungscode, sendet die Aufträge und überwacht den Drucker.

Diese Aufgabenteilung ist nicht zufällig von Buehler entstanden.

Am 11. August hat xAI die frühe Testversion von Grok Bot veröffentlicht.

Jeder Bot ist mit einem eigenen Cloud-Computer ausgestattet, der sich wie ein Mensch bei Konten anmeldet und Webseiten öffnet, um zu arbeiten. Mehrere Bots können gleichzeitig nebeneinander arbeiten, und normalerweise ist ihnen ein Chief of Staff übergeordnet.

xAI selbst nutzt dieses System intern: Ein Ingenieur-Bot reproduziert den Fehler in der Produktoberfläche, erstellt direkt ein Ticket und übergibt die Fehlerbehebung an den benachbarten Debugging-Bot.

Die offizielle Seite hat zudem eine deutliche Aussage getroffen: Zwischen 90 % erledigter Arbeit und 100 % erledigter Arbeit liegt eine ganze Welt.

Die meisten KI-Systeme können Sie nur bis zur Station „fast fertig“ bringen, und die letzten 10 % müssen Sie selbst erledigen.

Das Ziel von Grok Bot ist es, Sie direkt zum Ziel zu bringen.

20 Minuten

Drei Grok-Systeme bauen ein Labor auf

Buehler hat nur zwei Eingaben gemacht: 4 Referenzfotos und ein Problem.

Ein fiederförmiges Blattgewebe, ein netzartiges Muster ähnlich einem Voronoi-Diagramm, ein Haufen zufällig angeordneter Faserzellen und ein strahlenförmiges und ringförmiges Spinnennetz.

Die vier Bilder haben unterschiedliche Maßstäbe, unterschiedliche Objekte, sind nicht zueinander ausgerichtet und es gibt keine fertigen technischen Zeichnungen.

Neben den Fotos hat er noch ein Problem gestellt:

Wie verändern die Hierarchietiefe, die Redundanz, die Unordnung und die Festigkeit zwischen den Schichten die Steifigkeit, die Spitzenlast, die Energieabsorption und den Übergang von „sprödem Bruch“ zu „schrittweisem Versagen“, wenn die Gesamtmenge des Materials festgelegt ist?

Einfach ausgedrückt: Warum sind Objekte in der Natur gleichzeitig leicht und stabil? Blattgewebe, Spinnennetze und Knochen haben alle Strukturen, die ineinander verschachtelt sind. An welcher Stelle hilft diese „Hierarchie“ tatsächlich?

Er hat den intelligenten Einheiten nicht gesagt, wie sie modellieren sollen, und keine Software vorgegeben.

Er hat nur eine Anforderung gestellt: Leiten Sie aus diesen 4 Bildern übertragbare Gestaltungsgrundsätze ab und bauen Sie damit eine Versuchsplattform für die Bruchforschung auf.

Nach etwa 20 Minuten lief ein interaktives zweidimensionales geschichtetes Euler-Bernoulli-Balkennetz-Labor.

Es hat keine fertige mechanische Simulationssoftware aufgerufen, sondern einen solchen Simulator von Grund auf neu geschrieben.

Er nannte den Simulator HIER-FRACTURE v1.0.0. Vor Beginn der Forschung führte er 9 Selbstprüfungen durch, die 220 Millisekunden dauerten und alle erfolgreich bestanden wurden.

Erst nachdem die Selbstprüfung bestanden war, begann er mit der eigentlichen Arbeit.

Dieses Labor ist einerseits mit der Simulation und andererseits mit dem Drucker verbunden: Nach Abschluss der Experimente wird direkt die Modelldatei für den 3D-Druck ausgegeben.

In diesem Schritt hat er nicht nur ein fertiges Tool aufgerufen, sondern das Tool zuerst selbst erstellt.

47 Simulationsvorgänge

Die KI widerlegt ihre eigene Annahme

Anschließend begann er mit den Experimenten.

Es wurden 47 Simulationsversuche durchgeführt, von denen 6 für die spätere Überprüfung reserviert waren.

Das bedeutet, dass diese 6 Datensätze vorab nicht zur Parameteranpassung verwendet wurden, sondern nur dazu, am Ende zu überprüfen, ob die Schlussfolgerung haltbar ist. Das ist eine Vorgehensweise, die bisher nur Menschen bei Experimenten anwenden.

Die Schlussfolgerung ist etwas kontra-intuitiv: Bei fester Gesamtmenge des Materials sind die Steifigkeiten dieser Strukturen ähnlich, die maximale Abweichung beträgt 20 %; aber ihre Widerstandsfähigkeit gegen Stöße unterscheidet sich stark, zwischen der besten und der schlechtesten Variante gibt es einen Unterschied von mehreren Malen.

Der Grund liegt einfach in der Umverteilung des Materials: Je mehr feine Strukturen hinzugefügt werden, desto dünner wird der Hauptträger. Netzwerke mit tieferer Hierarchie sind oft sogar weniger stoßfest als ein einfaches einschichtiges Gitter.

Diese schwächeren Verbindungsstellen wirken wie eine Reihe von Sicherungen: Sie brechen zuerst, verteilen die Aufprallenergie und verwandeln das gesamte Strukturversagen von einem plötzlichen Bruch in einen allmählichen Ablauf.

Der interessanteste Teil ist der letzte Schritt.

Vor Beginn der Experimente hat er selbst eine Annahme namens H2 aufgestellt: Der Grund für die Schädlichkeit zusätzlicher Hierarchien liegt hauptsächlich in den Verbindungsstellen zwischen den Schichten, die zu schwach sind und die gesamte Struktur behindern.

Nach Abschluss der 47 Versuche widerlegte er seine eigene Annahme. Der wahre Grund ist: Das Material ist begrenzt, jede zusätzliche Schicht muss Material von anderen Stellen abziehen.

Dass eine KI eine in dem Prozess voreingestellte Annahme widerlegt und die Gründe dafür angibt, ähnelt viel mehr echter wissenschaftlicher Arbeit als jeder Leistungsbenchmark.

Software wird zur Hand der KI

Nachdem das optimierte Design an den 3D-Druck-Bot übergeben wurde, ergaben sich neue Möglichkeiten.

Der Chief of Staff sortierte die 47 Versuche nach der Brucharbeit, wählte zwei Designs aus, exportierte die Modelldateien und vergrößerte sie einheitlich um das 50-fache.

Er öffnete die Slicer-Software Bambu Studio, stellte die Verbindung zum Drucker namens Leonas3DP her, platzierte die beiden Modelle auf derselben Druckplatte, vergrößerte sie einheitlich um das 50-fache, stellte die Parameter für das Schneiden ein, klickte auf Senden und überwachte die Echtzeitkamera des Druckers, um zu sehen, wie die Düse das Kunststoffmaterial Schicht für Schicht auftrug.

In weniger als einer Stunde waren die beiden Teile fertig gedruckt.

Grok Bot hat nicht die Motoren des Druckers direkt angesteuert und keine spezielle Schnittstelle verwendet. Er hat wie ein Mensch einfach auf die Oberfläche der Software geklickt.

Das ist möglicherweise der wichtigste Schritt in dieser ganzen Angelegenheit.

Bisher war die allgemeine Annahme, dass intelligente Einheiten in die physische Welt eingreifen können, wenn sie Roboterarme, verkörperte Intelligenz oder ein neues Hardware-Protokoll verwenden.

Dieses Mal wurde ein anderer Weg gewählt: Die Fertigungsindustrie hat sich längst in die Software verlagert, und die grafische Oberfläche ist der fertige Zugangspunkt.

Mit der Fähigkeit, mit der Maus zu klicken, hat die KI sozusagen eine Hand bekommen.

Die automatisierte Wissenschaft wird seit mehr als zehn Jahren entwickelt, und das schwierigste Problem ist die Steuerung: Jedes Gerät hat eine eigene Schnittstelle. Um es von einer KI bedienen zu lassen, muss man entweder das Gerät umbauen oder einen Roboterarm einsetzen.

Der Roboter-Chemiker an der Universität Liverpool hat in acht Tagen etwa 700 Experimente durchgeführt, wobei er den Weg des Roboterarms gewählt hat – mit dem Nachteil, dass ein automatisiertes Labor mit Kosten ab einer Million US-Dollar erforderlich ist.

Grok Bot geht einen dritten Weg: Kein Umbau der Geräte, kein Einsatz von Roboterarmen, sondern direktes Klicken auf die Software, die Menschen täglich verwenden.

Solange ein Gerät über eine grafische Oberfläche verfügt, hat es bereits eine Schnittstelle: CNC-Maschinen, Oszilloskope, Mikroskopsteuerungen – alle Geräte mit GUI sind theoretisch erreichbar.

Auf der einen Seite steht ein automatisiertes Labor im Wert von einer Million Dollar, auf der anderen Seite ein Desktop-3D-Drucker für 1749 US-Dollar, der direkt auf E-Commerce-Plattformen bestellt werden kann.

Die Kostenstruktur hat sich dadurch grundlegend geändert.

Der Mensch bleibt immer im Regelkreis

Die Aufgabe wurde von Buehler gestellt, die 4 Bilder wurden von ihm ausgewählt, und das wissenschaftliche Problem wurde ebenfalls von ihm definiert.

Die offizielle Seite von xAI gibt zudem an, dass die Bots bei Angelegenheiten, die eine Genehmigung erfordern, auf den Menschen zurückgreifen.

In dem gesamten Designprozess bleibt der Mensch immer im Regelkreis.

Buehler hat diese Art von Arbeit nicht zum ersten Mal durchgeführt.

Markus Buehler ist der Jerry McAfee-Professor für Ingenieurwissenschaften am MIT und Preisträger des Washington-Preises 2025

Er ist der McAfee-Professor für Ingenieurwissenschaften am MIT, hat Lehrbefugnisse in den Bereichen Maschinenbau sowie Bau- und Umweltingenieurwesen. Seine Forschungsgebiete umfassen KI, Bruchmechanik, hierarchische Materialien und additive Fertigung. Er hat mehr als 800 wissenschaftliche Arbeiten veröffentlicht und ist Mitglied der National Academy of Engineering der USA.

Das ist also kein zufälliges Experiment eines normalen Nutzers, sondern ein Belastungstest, der von einem der erfahrensten Experten auf diesem Gebiet in seinem eigenen Fachgebiet durchgeführt wurde.

Bereits 2024 hat er die Studie zu MechAgents veröffentlicht, bei der mehrere intelligente Einheiten durch Arbeitsteilung mechanische Probleme lösen und sich gegenseitig auf Fehler hinweisen.

In dieser Arbeit wurde auch ehrlich vermerkt: Die intelligente Einheit hat einmal die Spannungskomponente falsch entnommen und konnte den Fehler erst nach einem Hinweis