BMW lærer AI å forstå kollisjonssimuleringer

BMW lærer ikke AI å snakke, men å lese en kollisjon.

BMW Group skal bruke egne industridata til å analysere kollisjonssimuleringer. Ifølge selskapet kjøres det tusenvis av virtuelle kollisjonssimuleringer hver uke i BMWs utviklingsarbeid, og over tid har selskapet samlet mer enn én petabyte data fra ulike kollisjonsscenarioer. Dataene beskriver karosseristrukturer, materialoppførsel og deformasjonsmønstre, og gir BMW og Mistral AI grunnlaget for å trene en bransjespesifikk AI-modell.

Kollisjonssimulering er et felt der hver millimeter deformasjon i stål, aluminium, høyfast stål, limte skjøter og batterikasser kan påvirke belastningen i kupéen, hvordan dørene kan åpnes, hvordan sikkerhetsbeltene fungerer, eller hvordan høyvoltbatteriet beskyttes. Verdien av AI ligger ikke i dramatiske beslutninger. Den ligger i å finne mønstre i enorme mengder ingeniørdata.

Large Industry Model er BMWs svar på den generelle chatboten.

BMW beskriver det tekniske grunnlaget som en Large Industry Model-tilnærming. I praksis betyr det en stor industrimodell som ikke lærer fra generell internettekst, men fra ingeniørdata, simuleringsnett, materialmodeller og utviklingslogikk fra ett bestemt fagfelt. Mistral AI beskriver partnerskapet på lignende måte: Målet er å bygge bransjespesifikke AI-modeller som starter med kollisjonssimuleringer, og som senere kan utvides til andre deler av BMWs verdikjede.

Det skiller BMWs prosjekt fra vanlig generativ AI. En chatbot kan forklare hva en kollisjonsbjelke eller en sidekollisjon er. En industrimodell må hjelpe en ingeniør med å forstå hvorfor et bestemt karosseripunkt svikter på feil måte, hvordan krefter forplanter seg gjennom karosseristrukturen, og hvilket simuleringsresultat som bør undersøkes nærmere.

Kollisjonssimulering er for komplekst for enkle løfter.

En kollisjon er ikke et lineært problem. I kollisjonsøyeblikket bøyes og rives materialer, komponenter møtes på nye steder, sveiser og limte skjøter arbeider helt på grensen, og hele forløpet skjer i løpet av millisekunder. Nyere CarCrashNet-forskning peker på det samme: Strukturell kollisjonssimulering er vanskelig på grunn av store deformasjoner, ikke-lineær kontakt, plastisk materialoppførsel og høyoppløste endelige element-nett.

Derfor bør løftet fra BMW og Mistral AI leses nøkternt. AI vil ikke erstatte ingeniøren eller den fysiske kollisjonstesten. Den kan derimot redusere tiden som går med til å sortere simuleringer, finne avvik og sammenligne varianter. Når en ingeniør tidligere ser hvilken karosseristruktur som oppfører seg dårlig, kan profilform, materialtykkelse eller lastvei endres tidligere i prosessen.

Europeiske sikkerhetsregler gjør virtuell utvikling mer verdifull.

BMWs prosjekt kommer på et riktig tidspunkt. Euro NCAP går over til et nytt vurderingssystem i 2026, der sikkerhet vurderes i fire faser: sikker kjøring, kollisjonsunngåelse, kollisjonsbeskyttelse og sikkerhet etter kollisjon. Euro NCAP understreker også den økende rollen til virtuell testing, særlig for fremtidige sikkerhetsvurderinger og evaluering av ny teknologi.

Det gjør bilutvikling mer krevende. En sterk frontstruktur og en god sidekollisjonspute forteller ikke lenger hele historien. I en elbil må høyvoltbatteriet forbli isolert etter en kollisjon, redningsmannskaper må kunne åpne bilen raskt, og dørhåndtak eller elektriske systemer må ikke hindre evakuering etter et sammenstøt. Euro NCAPs protokoll for sikkerhet etter kollisjon bruker også kollisjonstester til å kontrollere elektrisk sikkerhet i elbiler og hybridbiler.

BMWs fordel ligger i datamengden.

Alle store bilprodusenter har simuleringsteam og fysiske testlaboratorier. BMWs styrke her ligger i datagrunnlaget. Mer enn én petabyte med historiske kollisjonssimuleringsdata betyr at modellen ikke lærer fra et blankt ark. Den kan studere flere års utvikling: hvilke løsninger som fungerte, hvilke karosseripunkter som oppførte seg dårlig, hvilke simuleringer som traff godt på fysiske testresultater, og hvor avvikene oppsto.

Det finnes også en risiko. Industriell AI blir først nyttig når dataene holder høy kvalitet, er riktig merket og gir mening for ingeniørene. En dårlig simulering eller en misforstått materialmodell kan lære AI feil sammenheng. BMWs egen ingeniørkompetanse står derfor fortsatt i sentrum av prosjektet. Mistral AI leverer verktøyet, ikke en automatisk sannhetsmaskin.

Konkurrentene beveger seg i samme retning.

BMW er ikke alene om å se simulering og AI som en ny måte å akselerere utvikling på. Bil- og luftfartsindustrien flytter mer arbeid inn i virtuelle miljøer fordi fysiske prototyper koster mye, og fordi hver utviklingssyklus må bli kortere. Euronews satte nyheten inn i en bredere sammenheng og påpekte at Mistral AI også har inngått et partnerskap med Airbus, et tegn på at europeisk industri vil bruke lokale AI-løsninger på strategiske områder.

For BMW er innsatsen særlig høy. Elbiler, store batteripakker, karosserier med flere materialtyper og strengere sikkerhetsprotokoller tvinger produsentene til å teste flere varianter raskere. Hvis AI hjelper BMW med å korte ned analysen av simuleringer og oppdage svake punkter tidligere, kan det gi en fordel innen sikkerhet, utviklingstid og kostnader.

Teknisk sammendrag.

BMW Group og Mistral AI utvikler AI for analyse av kollisjonssimuleringer.

BMW skal bruke mer enn én petabyte historiske kollisjonssimuleringsdata til å trene modellene.

Løsningen fokuserer på industrielle modeller i Large Industry Model-stil, ikke generelle chatboter.

AI skal hjelpe ingeniører med å vurdere karosserideformasjon, materialoppførsel og avvik i simuleringer raskere.

For Europa får prosjektet ekstra betydning gjennom Euro NCAPs sikkerhetssystem fra 2026 og den økende rollen til virtuell testing.