Siemens belooft simulaties tot 1.000 keer sneller met AI
Siemens zet AI midden in het simulatiewerk van ingenieurs. De nieuwste Simcenter-release voorspelt hoe een ontwerp zich gedraagt tot 1.000 keer sneller dan een klassieke rekenmethode. Tegelijk houdt het bedrijf vol dat de ingenieur het laatste woord heeft.
Wat Simcenter PhysicsAI doet
PhysicsAI leert van bestaande simulatiedata en voorspelt daarna het gedrag van een nieuw ontwerp, zonder dat de volledige berekening opnieuw hoeft te draaien. Siemens Digital Industries Software bracht die techniek eind juli samen met de simulatiesoftware van het overgenomen Altair in een portfolio, blijkt uit het persbericht van 28 juli. Nieuw daarin is PhysicsAI Generate, dat in seconden 3D-ontwerpvoorstellen genereert op basis van prestatie-eisen, waar eerder weken iteratie voor nodig waren. Sam Mahalingam, executive vice president Simulation bij Siemens, zegt in dat bericht dat de toekomst van engineering afhangt van de snelheid waarmee een organisatie inzicht omzet in actie.
Andere onderdelen kregen dezelfde behandeling. Simsolid, gekoppeld aan Designcenter, brengt analyses terug van uren naar minuten. In stromingspakket STAR-CCM+ maakt ondersteuning voor meerdere GPU’s het trainen van AI-modellen tot tien keer sneller.
Snellere training, minder geheugen
De cijfers uit release 2026.1 zijn concreter dan het gebruikelijke marketingverhaal. Op de Simcenter-blog schrijft Siemens dat trainen tot vijf keer sneller gaat dan in versie 2026.0 en dat het piekgeheugengebruik tot de helft daalt. In een van de benchmarks zakte dat van 175 GB naar 75 GB. Dat verschil bepaalt of een middelgroot bedrijf zo’n model op eigen hardware traint of moet uitwijken naar de cloud, een afweging die ook speelt bij de stijgende AI-uitgaven van Nederlandse bedrijven.
Inhoudelijk is de uitbreiding naar SPH-deeltjes de opvallendste stap. Daarmee komen botsproeven en grote vervormingen binnen bereik van het AI-model, simulaties die tot nu toe buiten beeld bleven. Ook modale analyse hoort er nu bij, met automatische extractie van eigenfrequenties.
De ingenieur blijft controleren
Siemens plaatst er nadrukkelijk een rem op. Het bedrijf zegt de deterministische berekening schaalbaar en direct beschikbaar te maken; vervangen doet het die niet. Elke voorspelling krijgt foutmarges en een gelijkenisscore tussen 0 en 1, die per invoerkenmerk laat zien hoe sterk een nieuw ontwerp lijkt op de data waarop het model getraind is. Wijkt het te ver af, dan hoort er alsnog een volledige simulatie te draaien. Vakblad AI News publiceerde vandaag een stuk over precies die grens, onder de kop dat de mens bij Siemens aan het roer blijft.
Die voorzichtigheid past bij de sector. Een verkeerde voorspelling over de spanning in een ophangarm kost geen rekentijd maar een terugroepactie. Je ziet hetzelfde patroon bij AI-agents die chips ontwerpen bij Synopsys en Cadence: het genereren gaat snel, de verificatie blijft mensenwerk.
Wat dit betekent
Voor Nederlandse maakbedrijven verschuift de rekenkracht naar voren in het ontwerpproces. Wie tien varianten kan doorrekenen in de tijd die eerst voor een enkele nodig was, kiest anders. De vraag wordt vooral hoe goed de trainingsdata is, want het model kent alleen de fysica die het heeft gezien. Dezelfde logica zit achter het cyclonenmodel WeatherNext van DeepMind, dat weersimulaties leert nabootsen in plaats van uitrekenen.
Industriele software beweegt intussen dezelfde kant op. Schneider Electric legde eerder 3,1 miljard dollar neer voor Cognite om industriele data en AI te koppelen, en het aantal AI-agenten binnen bedrijven verdrievoudigde in een jaar. Simulatie was lang een eiland van specialisten. Dat eiland loopt nu vol.
