Verbesserte Analyse und Auswertung

BMW und Mistral schärfen KI für virtuelle Crashtests

BMW und Mistral wollen Crashsimulationen mit spezialisierten KI-Modellen schneller und genauer auswerten. Grundlage ist ein Datensatz aus virtuellen Tests, der über Jahre in der Fahrzeugentwicklung entstand und weitere Anwendungen bei BMW stützt.

1 min
Das Bild zeigt ein Fahrzeug in Seitenansicht in einer Crashtest-Umgebung. Die linke Bildhälfte wirkt wie ein realer Prüfstand mit Beleuchtung, Messvorrichtungen und einer Crashbarriere vor der Fahrzeugfront. In der rechten Bildhälfte geht die Szene in eine digitale Darstellung über. Über dem Fahrzeug liegt ein leuchtendes, blaues Gitternetz, das die Karosserie, Räder und Fahrzeugkonturen als Simulationsmodell visualisiert. Eine helle vertikale Lichtlinie trennt den realen Testaufbau von der virtuellen Darstellung. Das Motiv verbindet reale Fahrzeugprüfung mit digitaler Crashsimulation und künstlicher Intelligenz.
Realer Prüfstand trifft digitale Simulation: BMW und Mistral AI nutzen Engineering-Daten aus Crashsimulationen, um spezialisierte KI-Modelle für Entwicklungsaufgaben zu trainieren.

automotiveIT Kongress 2026

Am 14. Oktober 2026 geht Deutschlands größtes Branchentreffen der Automobil- und IT-Industrie in Berlin in die nächste Runde. CIOs und IT-Experten, darunter in diesem Jahr auch BMWs neuer CIO Franz Decker, stellen in Ingolstadt ihre Strategien und Projekte vor. Erleben Sie spannende Vorträge, Paneldiskussionen, Insights auf unseren Deep Dive-Bühnen, die Verleihung der nächsten IT Team Awards und natürlich das Networking mit der Community hautnah.

🎫 Jetzt Ticket sichern!

Die BMW Group und Mistral AI sind eine Partnerschaft eingegangen, um künstliche Intelligenz in der Crashsimulation weiterzuentwickeln. Nach Angaben des Münchner Konzerns sollen Qualität, Genauigkeit und Geschwindigkeit komplexer Entwicklungsaufgaben verbessert werden. Die Kooperation gilt zugleich als erster Schritt, um spezialisierte KI-Anwendungen auf weitere Bereiche der Fahrzeugentwicklung und entlang der Wertschöpfungskette auszuweiten.

Im Mittelpunkt steht die Auswertung virtueller Crashsimulationen. Der Automobilhersteller führt nach eigenen Angaben jede Woche mehrere tausend dieser Simulationen durch. Dabei entstehen umfangreiche Engineering Daten, die Rückschlüsse auf Fahrzeugstrukturen, Materialverhalten und Sicherheitskonzepte ermöglichen. Über die Jahre habe sich daraus ein historischer Datensatz von mehr als einem Petabyte gebildet.

Industrielle Daten stärken die Crashsimulation

BMW will diese Datenbasis nutzen, um KI-Modelle stärker auf konkrete Entwicklungsaufgaben auszurichten. „Für die BMW Group ist die Nutzung industrieller Daten ein zentraler Faktor, um künstliche Intelligenz in Wertschöpfung zu übersetzen“, erklärt Franz Decker, CIO und Senior Vice President der bei BWM. „Durch die Kombination unserer Engineering-Datensätze mit den Trainingsfähigkeiten von Mistral AI entwickeln wir spezialisierte KI, die komplexe Entwicklungsaufgaben unterstützt.“

Für den Autobauer ist die Crashsimulation ein naheliegendes Anwendungsfeld. Die Daten sind technisch anspruchsvoll, stark domänenspezifisch und eng mit sicherheitsrelevanten Entwicklungsprozessen verbunden. Generische KI Systeme stoßen in solchen Umgebungen häufig an Grenzen, weil sie branchenspezifische Zusammenhänge nur begrenzt abbilden können. BMW setzt bei der Skalierung auf sogenannte Large Industry Models. Diese Systeme werden mit branchenspezifischen Engineering und Simulationsdaten aus Fahrzeugentwicklung und Sicherheitstests trainiert. Der Unterschied zu allgemeinen KI-Modellen liegt laut Unternehmen darin, dass Domänenwissen direkt in das Modell eingebunden wird.

BMW und Mistral zielen auf breitere Anwendungen

Mistral steuert in der Partnerschaft die KI-Expertise bei. „Diese Kooperation zeigt, wie branchenspezifische KI-Modelle helfen können, komplexe technische Herausforderungen wie die Crashsimulation zu bewältigen", kommentiert Marjorie Janiewicz, Chief Revenue Officer des französischen KI-Startups. 

Für BMW geht es über die einzelne Anwendung hinaus. Die Kooperation soll zeigen, wie vorhandene Entwicklungsdaten systematischer genutzt werden können. Der Konzern stärkt damit zugleich sein KI- und Innovationsumfeld. Perspektivisch könnten ähnliche Ansätze auch in anderen Bereichen der Fahrzeugentwicklung eingesetzt werden, sofern Datenlage, Prozessreife und technischer Nutzen zusammenpassen.