- Spectral Labs hat SGS-1 vorgestellt, das erste generative KI-Modell zur Erzeugung von strukturiertem CAD (B-Rep)
- SGS-1 nimmt Bilder oder 3D-Meshes als Eingabe und erzeugt leicht bearbeitbare parametrische CAD-Dateien
- Im Vergleich zu bestehenden Modellen wie GPT-5, HoLa BRep erzeugt SGS-1 präzisere und vielfältigere komplexe Formen
- Skizzen, technische Zeichnungen, STL-Dateien usw. können für automatisiertes Reverse Engineering automatisch in STEP-Dateien umgewandelt werden
- Es gibt noch Einschränkungen bei der Erzeugung von organischen Oberflächen oder kompletten Baugruppen, für die nächste Modellgeneration sind jedoch zusätzliche Verbesserungen wie multimodale Unterstützung und physikalisches Schlussfolgern geplant
Einführung in SGS-1 und wichtigste Merkmale
- Mit der Veröffentlichung von SGS-1 präsentiert Spectral Labs ein generatives KI-Basismodell, das 3D-Geometrien mit fertigungstauglichen und parametrischen Eigenschaften erzeugen kann
- SGS-1 verarbeitet Bilder oder 3D-Meshes als Eingabe und gibt STEP-Dateien im B-Rep-Format (Boundary Representation) aus, die sich leicht bearbeiten lassen
- Diese Ergebnisse können in klassischer CAD-Software einfach und präzise angepasst und genutzt werden
Funktionsweise und Ergebnisse von SGS-1
- Nutzer können Bilder oder einfache 3D-Dateien hochladen und sie in parametrische B-Rep-Dateien umwandeln, bei denen sich bestimmte Maße anpassen lassen
- SGS-1 erzeugt deutlich komplexere und vielfältigere CAD-Formen als bisherige Modelle
- Es ist für echte Engineering-Entwürfe einsetzbar und liefert Beispiele für Bauteilentwürfe auf Basis von teilweisen Baugruppeninformationen und Textbeschreibungen
Vergleichsexperimente mit bestehenden Modellen
- SGS-1 wurde mit GPT-5 (OpenAIs großes Modell, das CadQuery-Code erzeugen kann), HoLa BRep (ein Modell zur B-Rep-Erzeugung auf Basis von Bildeingaben) und weiteren Systemen anhand von 75 komplexen CAD-Bildern vergleichend evaluiert
- Die Experimente wurden für jedes Modell 10-mal wiederholt und anhand der Erfolgsquote (Success Ratio) gemessen
- SGS-1 zeigt selbst bei den meisten komplexen Formen die beste Leistung und überzeugt gegenüber anderen Modellen durch präziseres räumliches Verständnis und stärkere Geometrie-Umsetzung
- Andere Modelle liefern häufig einfache oder wenig brauchbare Ergebnisse, was den Einsatz für reale Baugruppenkonstruktionen erschwert
Erzeugung parametrischer Strukturen im Baugruppenkontext
- Mit SGS-1 lassen sich allein auf Basis einer bestehenden Teilbaugruppe (ein Teil einer CAD-Baugruppe) und einer Beschreibung oder eines Bildes neue Bauteilentwürfe erzeugen, die zum jeweiligen Kontext passen
- Ablauf
- Ein Rendering der Teilbaugruppe und eine Beschreibung des hinzuzufügenden Bauteils erstellen
- In SGS-1 eingeben, um ein B-Rep im Format einer STEP-Datei zu erzeugen
- Die erzeugte STEP-Datei in die Baugruppe importieren und per Maßanpassung passend übernehmen
- Es werden außerdem Beispielvideos für verschiedene Szenarien des Halterungsdesigns bereitgestellt
Automatische Umwandlung von Skizzen und technischen Zeichnungen
- Gibt man handgezeichnete Skizzen oder formale technische Zeichnungen in SGS-1 ein, lassen sie sich automatisch in bearbeitbare parametrische 3D-CAD-Dateien umwandeln
- Auch nicht allzu komplexe Handskizzen lassen sich wirksam transformieren und können so zur Innovation im Designprozess beitragen
Reverse Engineering und automatische Konvertierung von Mesh (STL) → STEP
- Auch Scandateien sowie einzelne STL-/Mesh-Dateien lassen sich mit SGS-1 automatisch in parametrische STEP-Dateien umwandeln
- Dadurch wird vollautomatisiertes Reverse Engineering ohne manuelle Arbeit möglich, was Vorteile bei der Digitalisierung unterschiedlich geformter Bauteile bietet
Einschränkungen
- SGS-1 ist ein Modell, das für die parametrische 3D-Erzeugung im technischen/ingenieurwissenschaftlichen Einsatz optimiert wurde
- Bei der Erzeugung von komplexen Oberflächen oder organischen Freiformstrukturen, sehr dünnen Strukturen und der gesamten Erzeugung kompletter Baugruppen auf einmal bestehen noch Einschränkungen
- Für die nächste Modellgeneration sind multimodale Unterstützung, komplexere räumliche Wahrnehmung, fortgeschrittenes physikalisches Schlussfolgern sowie feedbackbasiertes Reinforcement Learning geplant
Ausblick und Vorstellung des Teams
- Spectral Labs arbeitet bereits an der nächsten Generation von SGS-1 mit dem Ziel, komplexere physikalische Systeme zu entwerfen, multimodale Eingaben zu unterstützen sowie räumlichen Kontext und physikalisches Schlussfolgern weiter zu verbessern
- Durch den Einsatz moderner KI-Techniken wie Reinforcement Learning und feedbackbasierter physikalischer Simulation will das Unternehmen eine führende Rolle im Bereich generativer KI für 3D-Engineering einnehmen
- Das Team besteht aus KI-Forschern und Ingenieuren mit Hintergrund bei Autodesk Research, Samsung Research, CMU, Meta
- Anfragen zu Forschungskooperationen oder zur Bereitstellung können über die offiziellen Kanäle von Spectral Labs gestellt werden
1 Kommentare
Hacker-News-Kommentare
Sie behaupten, SGS-1 könne vollständig parametrische 3D-Geometrie erzeugen, aber STEP-Dateien unterstützen parametrische Features überhaupt nicht, daher ist klar, dass das eine Lüge ist, ohne dass man es überhaupt testen müsste. Sie sagen, die Ausgaben von SGS-1 ließen sich in traditioneller CAD-Software leicht bearbeiten, aber als ich die Demo-Datei selbst getestet habe, stellte sich heraus, dass diese Behauptungen völlig absurd sind. Ich habe Eingabe und Ausgabe mit einem von mir korrekt modellierten Teil verglichen und die verschiedenen Fehler aufgelistet. Es sind nicht nur falsche Maße, sondern kaputte Features, die die Bearbeitung in CAD erschweren. Ich verstehe nicht, warum sie solche Behauptungen aufstellen und dann sogar eine Demo bereitstellen, die beweist, dass sie lügen. Ich frage mich, ob es nur um Schlagzeilen geht, ob sie es Leuten verkaufen wollen, die nichts davon verstehen, oder ob einfach CS-Leute ohne Domänenwissen glauben, das Problem gelöst zu haben. Die Hauptfehler sind: alle Maße falsch, ein Loch geht nicht vollständig durch, statt eines runden Lochs sind es zwei überlappende Löcher, die Verrundung ist fehlerhaft, das obere Loch ist versetzt, die vordere Fase reicht unter die Bezugsebene, Z-Achsen-Versatz der oberen Löcher, unterschiedliche Anbindung der Fasen auf beiden Seiten usw.<br>Vergleichsmaterial und Screenshots des tatsächlichen Modells: Beispiel für ein falsches Ergebnis, mein korrekt erstelltes Beispiel
Ich bin ebenfalls verwirrt darüber, dass STEP-Dateien keine parametrischen Features unterstützen. Ich frage mich wirklich, wie man so etwas behaupten kann. Offiziell sagen sie, sie erzeugen nur B-rep (Boundary Representation), und behaupten dann beim Rollenbeispiel: „Weil es parametrisch ist, lassen sich Maße leicht anpassen“ — das ergibt für mich keinen Sinn. Wenn man so eine Funktion braucht, würde ich das Modell lieber von Grund auf mit sauberer Feature-Historie und Zwangsbedingungen erstellen, statt an einer STEP-Datei herumzueditieren.
Du scheinst dich auf dem Gebiet gut auszukennen, deshalb hätte ich eine Frage. Ich bin absoluter Anfänger, aber ich habe gehört, dass zoo.dev/design-studio etwas Ähnliches anbietet. Mich würde eine fachliche Einschätzung interessieren, wie genau sich das unterscheidet.
Das ist eine offensichtlich betrügerische Behauptung. Ich frage mich, wen sie täuschen wollen. Vielleicht zielen sie auf Investoren ab.
Ich kenne mich mit diesen Formaten nicht tief aus, aber der entscheidende Unterschied von STEP-Dateien gegenüber STL-Dateien ist, dass sie „B-rep“-Daten speichern. Das heißt, sie speichern die geometrischen Beziehungen zwischen Flächen, wodurch sie sich leichter in parametrischen Editoren verwenden lassen. Wahrscheinlich stellen sie genau das als Unterscheidungsmerkmal heraus — im Gegensatz zu früheren Ansätzen, die nur Meshes verwendet haben.
Bei AI-News wird die tatsächliche Leistung oft verzerrt dargestellt; vermutlich wird in den Kommentaren jemand vage behaupten, dass es funktioniert.
Ich denke, es gäbe einen Markt für AI, die automatisch unvollständig eingelesene Daten aus 3D-Scannern bereinigt. Aus Point Clouds saubere 3D-Meshes zu erzeugen und Objekte über Farbe oder Beleuchtung zu identifizieren, wäre ebenfalls sehr spannend. Damit könnte man die Welt beschreiben und sogar Metadaten zu Objekten erzeugen. Aber diese Art automatisierter Konstruktion nimmt CAD eher den Reiz, als dass sie echte Probleme löst. Am meisten bringt AI etwas bei repetitiven und langweiligen Aufgaben. Solche Technologie mag für Investoren beeindruckend sein und Fachleuten Zeit sparen, aber ihre Grenzen sind offensichtlich, wenn es darum geht, wirklich größere Probleme zu lösen.
Ehrlich gesagt kümmert sich diese Branche nur darum, Investoren zu beeindrucken. Am Ende wird AI, sobald die Technik da ist, Wissensarbeitern die Arbeitszufriedenheit nehmen, sodass nur eine winzige Minderheit übrig bleibt, die noch AI beaufsichtigt oder Toiletten putzt. Im Moment scheint sie vor allem die Nachfrage nach Arbeit zu zerstören, und selbst ehemals stabile Gehälter dürften als Gewinn bei den Aktionären landen.
Tatsächlich macht nicht jeder CAD zum Vergnügen. Wenn ich schnell einen einfachen Prototyp drucken will, möchte ich Anfragen wie „Erstelle diese Board-Halterung, die Löcher im Abstand von X mm, Anzahl N“ an eine AI geben können. „Diese zwei Teile verbinden“, „hier ein Schraubloch hinzufügen“, „eine Snap-Fit-Verbindung erzeugen“, „8 cm breit“, „dieses Loch auf die andere Seite verschieben“ — ich wünsche mir, dass solche Aufgaben schnell und einfach erledigt werden.
In der frühen ChatGPT4-Zeit habe ich selbst einen offenen Markup-Standard für mechatronisches Design auf LLM-Basis entworfen. Ich war zu dem Schluss gekommen, dass LLMs eine für Menschen lesbare Markup-Sprache brauchen, um an vielen Beispielen zu lernen oder die Logik zu erfassen. Es war als Demo-Konzept für schnelle iterative Entwürfe gedacht, und ich habe es in mein GitHub-Projekt gestellt, damit es jeder erweitern oder selbst implementieren kann. Ich hoffe, dass ein solcher Open-Source-Ansatz langfristig die Freiheit von Open-Hardware-Entwicklern sichert.
Dass man statt bloß bestehender meshbasierter Modelle nun CAD-Teile als STEP (B-Rep) erzeugen kann, ist ein revolutionärer Fortschritt. Frühere Modelle waren im Grunde nur Spielzeug, aber ich bin sehr gespannt, wie weit sich diese Technologie entwickeln wird. Der nächste Schritt dürfte sein, STEP besser in proprietäre Formate wie SolidWorks oder NX zu konvertieren und Konstruktionsrestriktionen zu erschließen.
Schon wenn man 3D-Scan-Meshes ordentlich in echte STEP-Geometrie umwandeln könnte, wäre das ein großer Fortschritt.
Danke für das Feedback! Wir werden es im nächsten Modell aktiv berücksichtigen. Mich würde interessieren, was du dir konkret wünschst.
Als Ingenieur denke ich, dass diese AI die wirklich schwierigen Teile des Designs in Wahrheit nicht beseitigt. Das wirklich Schwierige sind Fertigung und Lastpfade sowie die Entscheidung, welche Struktur ein Teil für die tatsächlichen Lasten braucht.
Aus derselben Ingenieurperspektive: Wenn diese AI gut funktioniert, könnte sie die Prototyping-Phase stark verkürzen und es ermöglichen, bessere Produkte zu geringeren Kosten zu bauen. Sie könnte auch bei realen Lastfällen und der Strukturauslegung helfen.
In der Softwareentwicklung erleben wir tatsächlich, dass AI die banalen Teile reduziert und man sich stärker auf den eigentlichen Wert konzentrieren kann. Ich denke, dass sich das auch auf andere Bereiche übertragen lässt.
Auch dieses Problem wird bereits von AI angegangen: limitlesscnc.ai
Als Gründer eines konkurrierenden Produkts freue ich mich, dass viele Menschen Interesse zeigen und darüber diskutieren — das zeigt, dass es einen Markt gibt. Allerdings lassen die Ausgaben des aktuellen SGS-1-Modells in Bezug auf reale Fertigung und Nutzbarkeit noch stark zu wünschen übrig. Das aktuelle STEP-Output lässt sich zwar in verschiedene CAD-Systeme importieren, ist aber für Designer, Ingenieure und Hersteller kaum hilfreich (und auch für Fabriken oder 3D-Drucker problematisch). Die Hauptprobleme sind: schlechte Oberflächenqualität, daher unbrauchbar für Simulation oder Fertigung; einfache Geometrien werden unnötig komplex ausgegeben (eine Verrundung wird in mehr als 10 Flächen zerlegt); selbst ein einziges Teil wird in über 10.000 kleine Teile aufgespalten und ist damit faktisch kein einzelnes Produkt mehr. Ich bin gespannt auf Version V2. Zur Einordnung: Ich habe die Firma Transfigure gegründet und baue, nachdem ich die Grenzen von SGS-1 früh erkannt habe, aus Sicht eines Maschinenbauingenieurs eine AI-Architektur, die saubere Daten erzeugt, die direkt für Simulation und Fertigung verwendbar sind.<br>Wenn du mit von SGS-1 generierten Daten in unserer Fabrik ankommen würdest, wärst du auf der Stelle gefeuert.<br>yo@xfgr.ai
Ich hatte immer Schwierigkeiten damit, LLMs OpenSCAD-Modelle erzeugen zu lassen. Es fehlt ihnen an echtem Verständnis für den XYZ-Raum und für 3D-mathematisches Schlussfolgern. Ich nutze das inzwischen als Benchmark für die Leistungsbewertung von LLMs. Selbst einen einfachen Handyhalter bekommen sie nicht in einem Durchgang hin; ich musste den Prozess in Schritte zerlegen: Ebene erzeugen, Winkel neigen, Höhe mit Trigonometrie berechnen, neue Ebene erzeugen, Position verschieben usw.
Ich denke, die Umwandlung von Skizzen in CAD wäre für den Restaurationsmarkt ein enormer Durchbruch. Unzählige alte Zeichnungen existieren ohne Maße, aber wenn ein Ingenieur nur die Gesamtgröße oder Höhe bestimmen kann, könnte er zunächst einen Kasten erstellen und dann der AI sagen: „Mach dieses Teil passend für diese Maschine.“ Für 3D-Druck, Restaurierung, imaginatives Design, Teilefertigung — eigentlich für jeden Bereich, in dem CAD benötigt wird — könnte das die Spielregeln verändern.
Theoretisch wirkt diese Funktion in manchen Punkten widersprüchlich. Zum Beispiel frage ich mich, ob dabei auch Toleranzen definiert werden.
Die Demo ist interessant, aber wirklich entscheidend ist die Fähigkeit, textlich beschriebene Restriktionen korrekt in ein Design zu übertragen. Ein Teil zu entwerfen, das nur die gewünschten Funktionen erfüllt, ist leicht; viel schwieriger ist ein Design, das sich tatsächlich herstellen lässt, in den verfügbaren Bauraum passt und mechanische Eigenschaften sowie Kostenrestriktionen erfüllt (minimaler Materialeinsatz, einfache Fertigung usw.). Bei Teilen für den 3D-Druck gibt es zum Beispiel viele Restriktionen, etwa das Vermeiden von Stützmaterial oder eine bestimmte Druckausrichtung. Wirklich nützlich wäre es, wenn man solche Restriktionen der AI in Worten geben und sie sofort berücksichtigen lassen könnte.