Het traditionele auto-ontwerpproces is een marathon. Decennia lang heeft één enkel nieuw model een half decennium aan intensieve arbeid gekost, van handgetekende schetsen naar kleimodellen en uiteindelijk naar complexe digitale 3D-simulaties. Deze lange doorlooptijd betekent dat de auto’s die vandaag de dag in de showrooms verschijnen vaak al jaren geleden werden bedacht, onder verschillende economische en regelgevende klimaten.
De sector wordt echter geconfronteerd met een periode van ongekende volatiliteit. Verschuivingen in het mondiale politieke landschap, het terugdraaien van EV-prikkels en nieuwe handelstarieven dwingen fabrikanten om snel te veranderen. Om wendbaar te blijven, wenden autofabrikanten zich tot agentische AI om de ontwerp- en ontwikkelingsperiode van jaren naar maanden te comprimeren.
Van schetsen tot 3D-realiteiten
De eerste grote verschuiving vindt plaats in de creatieve studio. Traditioneel vereiste het omzetten van de schets van een ontwerper in een high-fidelity 3D-model en animatie meerdere teams en maanden werk.
Bij General Motors (GM) gebruiken ontwerpers nu AI-gestuurde tools zoals Vizcom om deze kloof te overbruggen. Door handgetekende schetsen in deze systemen in te voeren, kunnen ontwerpers binnen enkele uren volledig gerealiseerde 3D-modellen en filmische animaties genereren.
- De rol van de mens: Ondanks de snelheid benadrukken ontwerpers dat AI niet de ‘schepper’ is. Het fungeert als een geavanceerde rendering-engine. Menselijke ontwerpers fungeren nog steeds als de ‘monniken’ van het merk en nemen de kritische esthetische beslissingen die bepalen of een voertuig aanvoelt als een Cadillac, een Buick of een Chevy.
- Snelle prototyping: Deze door AI gegenereerde beelden dienen als ‘rollende moodboards’, waardoor teams kunnen visualiseren hoe licht op een oppervlak valt of hoe een auto er rijdend uitziet, lang voordat er ooit een fysiek prototype wordt gebouwd.
De virtuele windtunnel
Naast de esthetiek wordt de vorm van een auto bepaald door de natuurkunde. Computational Fluid Dynamics (CFD) – de wetenschap van hoe lucht rond een voertuig stroomt – is essentieel voor het maximaliseren van het brandstofverbruik en de EV-actieradius.
Historisch gezien vereiste CFD enorme supercomputers en uren verwerkingstijd. Tegenwoordig gebruiken bedrijven als Neural Concept neurale netwerken om een revolutie op dit gebied teweeg te brengen:
- Directe feedback: Bij Jaguar Land Rover (JLR) kunnen luchtvaarttechnische taken die ooit vier uur in beslag namen, nu in slechts één minuut worden voltooid met behulp van GPU-versnelde AI.
- Iteratief ontwerp: GM ontwikkelt een “AI-aangedreven virtuele windtunnel.” In plaats van dat ontwerpers een voltooid model aan ingenieurs overhandigen en wekenlang wachten op feedback, kunnen ze nu digitale oppervlakken “duwen en trekken” en vrijwel onmiddellijke voorspellingen over de weerstand ontvangen.
- Vroege integratie: Omdat de fysica vrijwel onmiddellijk kan worden gesimuleerd, kunnen aerodynamische tests veel eerder in de ontwerpfase beginnen, waardoor dure herontwerpen later in de cyclus worden voorkomen.
Software en het codeerknelpunt
Nu voertuigen ‘softwaregedefinieerd’ worden, is de complexiteit van hun interne code een groot knelpunt geworden, waardoor lanceringen vaak worden vertraagd en de kosten worden opgedreven. Nissan pakt dit aan door AI te gebruiken om eenvoudige softwareontwikkelingstaken, zoals het testen van eenheden, te automatiseren. Door deze repetitieve codeerprocessen te automatiseren, willen fabrikanten zowel de snelheid van de implementatie als de algehele kwaliteit van de digitale architectuur van het voertuig verhogen.
De menselijke kosten van productiviteit
Hoewel fabrikanten beweren dat AI een hulpmiddel is voor ‘versterking’ in plaats van vervanging, blijft de industrie verdeeld over de langetermijnimpact op de beroepsbevolking.
“De waarde komt voort uit de combinatie van AI-snelheid en menselijk oordeel, niet uit het buiten beschouwing laten van de mens.” — Pierre Baqué, CEO van Neural Concept
De bedrijfslijn is dat AI werknemers in staat stelt zich te concentreren op creatief werk op hoog niveau in plaats van op ‘ondergeschikte taken’. Critici en docenten suggereren echter een andere realiteit. Matteo Licata, hoogleraar aan de IAAD, stelt dat een dergelijke enorme productiviteitsstijging onvermijdelijk zal leiden tot een vermindering van het personeelsbestand in ontwerpstudio’s. Dit schept een enorme barrière voor de volgende generatie ontwerpers, die moeten concurreren in een sector waar de handmatige taken op instapniveau worden geautomatiseerd.
Conclusie
De auto-industrie haast zich om een ontwikkelingscyclus van vijf jaar te vervangen door een veel flexibeler, AI-gestuurde workflow. Hoewel deze transitie snellere innovatie en betere efficiëntie belooft, roept het ook fundamentele vragen op over de toekomst van ontwerpbanen en de balans tussen machinesnelheid en menselijk talent.
