Wie weit kann Künstliche Intelligenz fehlende Erfahrung bei anspruchsvollen Ingenieursaufgaben ausgleichen? Genau dieser Frage sind Studierende des Massachusetts Institute of Technology im Rahmen der Jarvis-Challenge nachgegangen. Innerhalb von nur vier Wochen sollten sie ein funktionsfähiges Gasturbinentriebwerk entwickeln, fertigen, montieren und testen – unterstützt durch die KI-Plattform Parley.
An der Challenge beteiligten sich 31 Studierende aus den Ingenieurswissenschaften, aufgeteilt auf sieben Teams. Ziel war ein kleines, einwelliges Gasturbinentriebwerk mit einer Schubkraft von bis zu 100 Pfund. Materialien, Konstruktion und Fertigungsverfahren konnten die Teams selbst wählen.
Besonders anspruchsvoll war die Aufgabe, weil viele Teilnehmer zuvor kaum oder gar keine Erfahrung mit Gasturbinentriebwerken hatten. Auch notwendige Grundlagen wie Thermodynamik oder kompressible Strömungen waren teilweise nur wenig bekannt. Diese Wissenslücken sollten mithilfe von Parley ausgeglichen werden.
KI als Werkzeug für Konstruktion und Recherche
Parley bündelt verschiedene große Sprachmodelle auf einer Plattform. Gleichzeitig konnte die Projektleitung nachvollziehen, welche Modelle und Prompts die Studierenden verwendeten und welche Kosten beim KI-Einsatz entstanden.
Wie intensiv die Teams auf KI zurückgriffen, hing stark von ihren jeweiligen Vorkenntnissen ab. Sprachmodelle wurden beispielsweise eingesetzt, um Lehrbücher zusammenzufassen, den Umgang mit Konstruktionssoftware zu erlernen, Lieferanten zu finden oder Excel-Tabellen zu erstellen. Hinzu kamen konkrete technische Fragen, die Suche nach Referenzen sowie vergleichende Analysen unterschiedlicher Konstruktionsansätze. Lehrkräfte begleiteten die Studierenden zusätzlich beim Umgang mit den KI-Werkzeugen.
Die Ergebnisse zeigten dabei deutliche Unterschiede. Ein Team schied bereits in der ersten Woche aus, während andere Gruppen schnell zu grundsätzlich funktionsfähigen Konzepten gelangten. Drei Teams erreichten schließlich das Finale.
Das Team „Fast and Fractured“ konnte seine Turbine bereits beim ersten Versuch zünden. Trotz geringer Erfahrung mit Gasturbinen nutzte die Gruppe KI erfolgreich für Architekturvergleiche und Kosten-Nutzen-Analysen. Im späteren Testbetrieb zeigte sich allerdings ein technisches Problem: Der Rotor blockierte im Gehäuse.
Die ebenfalls unerfahrene „811 Crew“ absolvierte dagegen sämtliche Tests ihres Triebwerks erfolgreich. Bemerkenswert ist, dass dieses Team dem KI-Einsatz eher skeptisch gegenüberstand. Neben den KI-Werkzeugen setzte die Gruppe stark auf Zusammenarbeit und vorhandenes Fachwissen, etwa beim Einsatz von Konstruktionssoftware.
Fachwissen bleibt zentrale Voraussetzung
Die Jarvis-Challenge macht damit deutlich, wo die Stärke von KI im Ingenieursbereich liegt: Sie kann Recherche, Wissensaufbau, Vergleichsanalysen und einzelne Entwicklungsschritte erheblich beschleunigen. Sie nimmt den beteiligten Menschen jedoch nicht die Verantwortung für technische Entscheidungen ab.
Gerade bei komplexen oder sicherheitskritischen physischen Systemen bleibt Fachwissen entscheidend, um Vorschläge von KI-Systemen beurteilen, Fehler erkennen und geeignete Lösungswege auswählen zu können. KI kann Entwicklungsprozesse beschleunigen – erfolgreich wird ihr Einsatz aber erst im Zusammenspiel mit menschlicher Expertise, praktischer Arbeit und technischer Verantwortung.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.