KI kennt keinen Halt: warum wir bei CAD jetzt starten müssen, auch wenn es noch nicht ausgereift ist

Wenn ich Kunden erkläre, wie schnell sich KI entwickelt, fehlt uns meist das richtige Bild. Wir denken Technologiefortschritt in Jahren. Zwischen zwei Windows-Generationen liegen sechs, zwischen zwei CAD-Major-Releases oft acht.

Mit KI funktioniert diese Rechnung nicht mehr.

Zwischen dem Release von Claude Opus 4.6 und 4.7 lagen gerade einmal ein paar Monate. Und doch hat sich an einer Sache etwas verschoben, das für die Konstruktionswelt weitreichender ist, als die meisten Ingenieurabteilungen gerade realisieren.

Die unterstützte Bildauflösung wurde mehr als verdreifacht: auf bis zu 3,75 Megapixel. Was das bedeutet: Das Modell kann dichte technische Zeichnungen, enge Bemaßungsketten und Symbolbibliotheken erstmals so auflösen, dass verlässliche Extraktion möglich wird. Das ist kein Inkrement. Das ist ein Kategoriesprung.

In diesem Beitrag bringe ich drei Dinge nüchtern zusammen: Was sich konkret verändert hat. Warum das für CAD noch nicht ausgereift ist, aber dennoch ein riesiges Potential bedeutet. Und warum genau das der Grund ist, heute mit Proof of Concepts zu starten. Nicht in einem Jahr.

Die Kurve, die wir unterschätzen

Menschen sind lineare Denker. Wenn sich eine Technologie in den letzten zwei Jahren „ordentlich verbessert" hat, extrapolieren wir das geradlinig in die Zukunft. Genauso viel Fortschritt in den nächsten zwei Jahren? Erscheint plausibel, ist aber fast immer falsch.

KI-Fähigkeiten entwickeln sich in Sprüngen: lange Plateaus, in denen man das Gefühl hat, nichts Relevantes passiert, und dann innerhalb weniger Wochen eine Schwelle, die vorher als unerreichbar galt.

Opus 4.7 ist so ein Schwellenmoment. Die maximale Bildauflösung stieg von rund 1,15 auf 3,75 Megapixel. Was das für einen Konstrukteur bedeutet: Das Modell kann dichte technische Zeichnungen, Bemaßungen, Schraffuren und Symbolbibliotheken jetzt erstmals in einer Qualität auflösen, die verlässliche Arbeit erlaubt. Dazu kommt eine deutlich bessere Fähigkeit, direkt mit Software zu interagieren und komplexen Code zu schreiben.

In der Summe entsteht eine neue Klasse: Modelle, die Konstruktionsartefakte nicht nur „sehen", sondern auch strukturiert damit arbeiten können.

Das Wichtige dabei: Die nächste Schwelle kommt bestimmt. Und sie wird wieder schneller kommen, als wir erwarten.

Der ehrliche Stand von KI + CAD

Parallel zu den Modellen ist ein Ökosystem gewachsen, das fast niemand im deutschen Mittelstand auf dem Schirm hat. Das Model Context Protocol (MCP), ein offener Standard den Anthropic 2024 eingeführt hat, erlaubt die direkte Anbindung von CAD-Systemen an Claude. Es gibt aktive Integrationen für FreeCAD, Blender und Onshape, und die Community arbeitet an Anbindungen für Fusion 360, AutoCAD und SolidWorks.

Ein Modell wie Opus 4.7 kann heute schon:

• 2D-Zeichnungen analysieren und Bemaßungen, Features und Stücklisteninformationen extrahieren
• in FreeCAD oder Onshape parametrische Sketches, Extrudes und Assemblies direkt erzeugen
• Baugruppen aufbauen und als STEP oder STL exportieren
• in Blender 3D-Szenen aus Text-Prompts generieren (für Visualisierung, nicht Fertigung)

Das ist beeindruckend. Und trotzdem bin ich der Letzte, der diesen Stand als „reif" bezeichnen würde.

Diese drei Kategorien sauber zu trennen, ist meine tägliche Arbeit. Wer den Hype für Reife hält, wird enttäuscht. Wer die Unreife als Beweis nimmt, dass man noch nicht anfangen muss, verpasst den eigentlichen Punkt.

Das Potential, das die meisten noch nicht sehen

Ich habe die letzten Jahre damit verbracht, FEM-Simulationen von Stunden auf Minuten zu beschleunigen. Mit Graph Convolutional Neural Networks haben wir Berechnungen, die drei Stunden dauerten, auf unter drei Minuten gebracht.

Das war vor wenigen Jahren so weit weg von der Praxis, dass die meisten CAE-Abteilungen es für eine Spielerei hielten. Heute ist ML-beschleunigte Simulation in führenden Häusern Standard-Werkzeug.

Genau diesen Bogen sehe ich jetzt bei CAD kommen. Was FEM vor fünf Jahren durchgemacht hat, von „Forschungsthema" zu „produktiv im Alltag", macht die Konstruktionsseite jetzt durch. Nur schneller. Weil die Modelle besser starten, die Infrastruktur bereits steht, und weil der Druck durch Fachkräftemangel und Variantenvielfalt real ist.

Wenn ich heute mit Inhabern mittelständischer Konstruktionsbüros spreche, höre ich oft: „Wir warten, bis das ausgereift ist." Ich verstehe die Haltung. Aber sie ist die teuerste Strategie.

Warum Abwarten nicht funktioniert

Wer bis zur Reife wartet, wartet auf zwei Dinge gleichzeitig: dass die Technologie stabil wird, und dass das eigene Team damit umgehen kann. Letzteres ist das eigentliche Problem.

KI-Kompetenz entsteht nicht durch ein Seminar. Sie entsteht durch das Ausprobieren an echten, kleinen Aufgaben. Durch das Scheitern an Toleranzen, das Lernen, welche Prompts zuverlässig welche Ergebnisse liefern, das Entwickeln eines Gefühls dafür, wo die Maschine hilft und wo nicht.

Dieses Wissen lässt sich nicht kaufen. Es wird über Monate aufgebaut. Oder eben nicht.

Unternehmen, die jetzt starten, sind in drei Jahren nicht einfach „ein bisschen weiter". Sie sind in einer anderen Liga. Nicht wegen der Technik, sondern wegen des Teamwissens und der eingespielten Workflows.

Die Antwort ist kein Strategiepapier, sondern ein PoC

Klassische Digitalisierungsstrategien mit 18-Monats-Roadmap funktionieren bei KI nicht. Die Technologie entwickelt sich während der Planungsphase weiter. Wer mit großen Papieren arbeitet, ist bei der Umsetzung immer einen Schritt hinter dem, was schon möglich wäre.

Die Antwort heißt Proof of Concept. Klein, konkret, zeitlich begrenzt, mit einem klaren Lernziel. Zum Beispiel:

• eine Variante einer Halteranwendung, die automatisiert aus Parametern generiert wird
• die Extraktion von Stücklisten aus archivierten PDF-Zeichnungen
• ein KI-Assistent, der aus Kundenanforderungen einen Vorschlag für das CAD-Modell macht

Solche PoCs dauern Wochen, nicht Quartale. Sie dürfen scheitern, denn das ist ihr Zweck. Was sie liefern, steht in keinem Whitepaper: die ehrliche Antwort darauf, was in Ihrem Unternehmen mit Ihren Daten und Ihren Prozessen funktioniert. Und Teamerfahrung, die jedes nächste Projekt schneller macht.

Was konkret zu tun ist

Wenn Sie heute in einer Konstruktions-, Entwicklungs- oder Ingenieurverantwortung sind, sehe ich drei pragmatische Schritte:

Was bleibt

KI entwickelt sich weiter. Sie macht keine Pause, während Unternehmen noch überlegen, ob sie bereit sind.

Der entscheidende Vorteil entsteht nicht beim Werkzeug, sondern beim Team: bei den Menschen, die gelernt haben, damit umzugehen.

Wer jetzt einen konkreten Usecase auswählt, einen kleinen PoC startet und das dabei entstehende Wissen im Team verankert, baut etwas auf, das sich nicht kaufen lässt. Keine Beraterpräsentation liefert das. Kein Whitepaper. Nur das eigene Tun.

Wenn Sie wissen möchten, welcher Usecase in Ihrer Konstruktionsabteilung als erstes Sinn ergibt und wie ein PoC bei Ihnen konkret aussehen könnte, sprechen Sie mich an. Das erste Gespräch kostet nichts, und Sie wissen danach mehr als vorher.