BMW lär AI att förstå krocksimuleringar

BMW lär inte AI att prata, utan att läsa en krock.

BMW Group ska använda egna industridata för att analysera krocksimuleringar. Enligt bolaget körs tusentals virtuella krocksimuleringar varje vecka under BMW:s utvecklingsarbete. Under åren har företaget samlat mer än en petabyte data från olika krockscenarier. Materialet beskriver karossstrukturer, materialbeteenden och deformationsmönster, vilket ger BMW och Mistral AI en grund för att träna en branschspecifik AI-modell.

Krocksimulering är ett område där varje millimeter deformation i stål, aluminium, höghållfast stål, limfogar och batterikapslingar kan påverka belastningen i kupén, hur dörrar går att öppna, hur säkerhetsbälten fungerar eller hur högvoltsbatteriet skyddas. Värdet med AI ligger inte i dramatiska beslut. Det ligger i att hitta mönster i en mycket stor mängd ingenjörsdata.

Large Industry Model är BMW:s svar på den allmänna chattboten.

BMW beskriver den tekniska grunden som en Large Industry Model. I praktiken handlar det om en stor industrimodell som inte lär sig av allmän text från internet, utan av ingenjörsdata, simuleringsnät, materialmodeller och utvecklingslogik från ett specifikt område. Mistral AI beskriver samarbetet på liknande sätt: målet är att bygga branschspecifika AI-modeller som börjar med krocksimuleringar och senare kan utvidgas till andra delar av BMW:s värdekedja.

Det skiljer BMW:s projekt från vanlig generativ AI. En chattbot kan förklara vad en krockbalk eller en sidokollision innebär. En industrimodell måste hjälpa en ingenjör att förstå varför en viss karossnod fallerar på fel sätt, hur laster vandrar genom karossstrukturen och vilket simuleringsresultat som förtjänar en närmare granskning.

Krocksimulering är för komplext för enkla löften.

En krock är inte ett linjärt problem. I kollisionsögonblicket böjs och slits material, komponenter möts på nya ställen, svetsar och limfogar arbetar vid gränsen för sin förmåga och hela förloppet sker inom millisekunder. Ny CarCrashNet-forskning pekar på samma sak: strukturell krocksimulering är svår på grund av stora deformationer, icke-linjär kontakt, plastiskt materialbeteende och högupplösta finita elementnät.

Därför behöver löftet från BMW och Mistral AI läsas nyktert. AI kommer inte att ersätta ingenjören eller det fysiska krocktestet. Däremot kan tekniken minska tiden som går åt till att sortera simuleringar, hitta avvikelser och jämföra varianter. När en ingenjör tidigare kan se vilken karossstruktur som beter sig dåligt, kan profilformen, materialtjockleken eller lastvägen ändras tidigare i processen.

Europeiska säkerhetsregler gör virtuell utveckling mer värdefull.

BMW:s projekt kommer vid rätt tidpunkt. Euro NCAP går över till ett nytt bedömningssystem 2026, där säkerhet granskas i fyra steg: säker körning, krockundvikande, krockskydd och säkerhet efter krock. Euro NCAP betonar också den växande rollen för virtuell provning, särskilt för framtida säkerhetsbetyg och bedömning av ny teknik.

Det gör bilutvecklingen mer krävande. En stark front och en bra sidokrockkudde berättar inte längre hela historien. I en elbil måste högvoltsbatteriet förbli isolerat efter en krock, räddningspersonal måste snabbt kunna öppna bilen och dörrhandtag eller elsystem får inte hindra utrymning efter en kollision. Euro NCAP:s protokoll för säkerhet efter krock använder också krocktester för att kontrollera elsäkerheten i elbilar och hybridbilar.

BMW:s fördel ligger i datamängdens storlek.

Alla stora biltillverkare har simuleringsteam och fysiska testlabb. BMW:s styrka här ligger i den egna datamassan. Mer än en petabyte historiska krocksimuleringsdata innebär att modellen inte börjar från ett tomt blad. Den kan studera år av utveckling: vilka lösningar som fungerade, vilka karossnoder som betedde sig dåligt, vilka simuleringar som förutsade fysiska testresultat väl och var luckorna uppstod.

Det finns också en risk. Industriell AI blir användbar först när datan håller hög kvalitet, är korrekt märkt och är meningsfull för ingenjörerna. En dålig simulering eller en missförstådd materialmodell kan lära AI:n fel samband. BMW:s egen ingenjörskompetens står därför kvar i centrum för projektet. Mistral AI tillhandahåller verktyget, inte en automatisk sanningsmaskin.

Konkurrenterna rör sig åt samma håll.

BMW är inte ensamt om att se simulering och AI som ett nytt sätt att snabba upp utvecklingen. Bil- och flygindustrin flyttar mer arbete till virtuella miljöer eftersom fysiska prototyper kostar mycket och varje utvecklingscykel behöver bli kortare. Euronews placerade nyheten i ett bredare sammanhang och noterade att Mistral AI även har tecknat ett partnerskap med Airbus, ett tecken på att europeisk industri vill använda lokala AI-lösningar inom strategiska områden.

För BMW är insatserna särskilt höga. Elbilar, stora batteripaket, karosser med flera material och hårdare säkerhetsprotokoll tvingar tillverkarna att testa fler varianter snabbare. Om AI hjälper BMW att korta analysen av simuleringar och hitta svaga punkter tidigare kan det ge en fördel inom säkerhet, utvecklingstid och kostnad.

Teknisk sammanfattning

BMW Group och Mistral AI utvecklar AI för analys av krocksimuleringar.

BMW ska använda mer än en petabyte historiska krocksimuleringsdata för att träna modellerna.

Lösningen fokuserar på industrimodeller av typen Large Industry Model, inte allmänna chattbotar.

AI ska hjälpa ingenjörer att snabbare bedöma karossdeformation, materialbeteende och avvikelser i simuleringar.

För Europa får projektet extra betydelse genom Euro NCAP:s säkerhetssystem för 2026 och den växande rollen för virtuell provning.