München/Parijs. BMW Group en Mistral AI zijn een samenwerking aangegaan om het gebruik van kunstmatige intelligentie (AI) in crashsimulaties verder te ontwikkelen. Het doel is om de kwaliteit, nauwkeurigheid en snelheid van complexe ontwikkelingsprocessen te verbeteren. De samenwerking vormt een eerste stap in het opschalen van toepassingsgerichte AI naar andere onderdelen van de voertuigontwikkeling en de totale waardeketen van BMW Group.

“Voor de BMW Group is het gebruik van industriële data een sleutel om kunstmatige intelligentie om te zetten in waardecreatie,” aldus Dr. Franz Decker, CIO en Senior Vice President van de BMW Group. “Door onze engineeringdata te combineren met de modeltrainingscapaciteiten van Mistral AI bouwen we gespecialiseerde AI die complexe ontwikkeltaken ondersteunt.”

Complexiteit en datavolume bij crashesimulatie
De schaal en complexiteit van crashesimulaties bij BMW Group onderstrepen de noodzaak van domeinspecifieke AI. Elke week voert het bedrijf duizenden virtuele crashesimulaties uit, waarbij enorme hoeveelheden engineeringdata worden gegenereerd. In de loop der tijd heeft dit geleid tot een historisch dataset van meer dan één petabyte aan crashesimulatiegegevens. Deze data biedt zeer gedetailleerde inzichten in voertuigstructuren en materiaalgedrag en vormt een unieke basis voor het trainen van een industrieel AI-model.

“Nu Industrial AI de nieuwe grens binnen kunstmatige intelligentie vormt, zijn we er trots op samen te werken met BMW Group,” zegt Marjorie Janiewicz, Chief Revenue Officer van Mistral AI. “Deze samenwerking laat zien hoe sectorspecifieke AI-modellen kunnen helpen bij het oplossen van complexe technische vraagstukken, zoals crashesimulaties.”

Large Industry Models als technische basis
Om deze aanpak op te schalen, richt BMW Group zich op zogeheten Large Industry Models (LIM). Dit zijn AI-systemen die zijn getraind op industriespecifieke engineering- en simulatiegegevens uit voertuigontwikkeling en veiligheidstests. In tegenstelling tot generieke AI-systemen, verankeren LIM’s domeinspecifieke kennis direct in het AI-model. Dit vereist niet alleen industriële data, maar ook diepgaande domeinkennis en technische omgevingen 

München. De BMW Group zet de digitalisering en het gebruik van kunstmatige intelligentie in de productie consequent voort. Een belangrijk element hierbij is de zogeheten “Physical AI”, die digitale kunstmatige intelligentie verbindt met echte machines en robots. Intelligente systemen zoals menselijke robots kunnen zo in productieprocessen worden geïntegreerd.

Voor het eerst brengt de BMW Group Physical AI nu naar Europa en start een pilotproject met menselijke robots in de fabriek in Leipzig. Doel van het project is om humanoïde robotica te integreren in de bestaande serieproductie van auto’s en aanvullende toepassingsmogelijkheden te onderzoeken in de batterijproductie en de fabricage van componenten.

“Digitalisering verbetert het concurrentievermogen van onze productie – hier in Europa en wereldwijd. De symbiose van ingenieurskunde en kunstmatige intelligentie biedt volledig nieuwe mogelijkheden in de productie,” zegt Milan Nedeljković, Lid van de Raad van Bestuur van BMW AG, verantwoordelijk voor productie.

Reeds vorig jaar heeft de BMW Group een pilotproject met menselijke robots succesvol gerealiseerd in haar Amerikaanse fabriek in Spartanburg. De opgedane kennis uit dit project vormt de basis voor de verdere ontwikkeling en opschaling van Physical AI-toepassingen.

Kunstmatige intelligentie is inmiddels een vast onderdeel van het productiesysteem van de BMW Group. Van de virtuele fabriek met digitale twins tot AI-ondersteunde kwaliteitscontroles en interne logistiek met autonome transportsystemen – intelligente systemen worden in bijna alle stappen van het productieproces gebruikt.

Voor de effectieve inzet van kunstmatige intelligentie in de productie is een uniform IT- en datamodel noodzakelijk binnen het gehele productiesysteem. De BMW Group heeft daarom geïsoleerde datasilo’s geïntegreerd in één uniform dataplatform. Dit betekent dat alle gegevens consistent, gestandaardiseerd en altijd beschikbaar zijn. Hierdoor kunnen geavanceerde softwaresystemen ‘AI-agenten’ steeds complexere taken zelfstandig uitvoeren in uitdagende omgevingen, terwijl ze leren en geschikt worden voor nog meer toepassingen. De introductie van intelligente, autonome agenten markeert een paradigmaverschuiving in de productie. Gecombineerd met robots vormen deze digitale AI-agenten de Physical AI.

“Onze ambitie is om technologieleider te zijn en nieuwe technologieën vroegtijdig in de productie te integreren. Pilotprojecten helpen ons om het gebruik van Physical AI – dus AI-gestuurde, lerende robots – onder echte, industriële omstandigheden te testen en verder te ontwikkelen,” aldus Michael Nikolaides, hoofd van het productienetwerk en logistiek van de BMW Group.

Digitalisering en kunstmatige intelligentie zijn centrale elementen van de BMW iFACTORY en vormen de basis voor een toekomstbestendige, flexibele en concurrerende productie.

De BMW Group breidt haar automatiseringsportfolio gericht uit met Physical AI en menselijke robotica. Humanoïde robots worden gezien als waardevolle aanvulling op de bestaande automatisering. Hun potentieel ligt vooral bij monotone, ergonomisch veeleisende of veiligheid-kritische taken. Het doel is om medewerkers te ontlasten en de werkplekken verder te verbeteren.

Met het consistente dataplatform is de BMW Group een aantrekkelijke partner voor technologiebedrijven om de mogelijkheden van Physical AI – en vooral menselijke robotica – te testen in een industriële omgeving en onder echte omstandigheden. Met de oprichting van het nieuwe Center of Competence for Physical AI in Production zet de BMW Group een volgende stap om expertise te bundelen en kennis breed binnen het bedrijf te benutten.

De BMW Group hanteert hiervoor een gestructureerde aanpak. Technologiepartners worden beoordeeld aan de hand van vooraf gedefinieerde criteria voor volwassenheid en industrialisatie en in pilotprojecten onder daadwerkelijke productieomstandigheden getest. Na een theoretische evaluatie volgt een beoordeling bij de leverancier in het laboratorium, met praktijkvoorbeelden uit het BMW-productiesysteem. Bij een positieve uitkomst wordt eerst een test in de fabriek uitgevoerd, gevolgd door de eigenlijke pilotfase.

Samen met Hexagon, een ervaren en gevestigde partner van de BMW Group op het gebied van sensoren en software, start nu het eerste pilotproject in Europa. De divisie Hexagon Robotics uit Zürich is gespecialiseerd in Physical AI en presenteerde in juni 2025 haar eerste menselijke robot AEON. Na een eerste theoretische beoordelingsfase en succesvolle labtests volgde in december 2025 een eerste test in de BMW Group fabriek in Leipzig. Vanaf april 2026 volgt een tweede test, om vanaf zomer 2026 de volledige integratie voor de pilotfase te waarborgen.

De focus in Leipzig ligt op het testen van een multifunctionele toepassing van de robot. Het uitgangspunt is het ontwerp van AEON, waarvan het mensachtige lichaam verschillende hand- en grijpelementen of scan-instrumenten flexibel kan verbinden en dankzij wielen flexibel inzetbaar is. Tijdens de test en later in de pilot wordt AEON ingezet bij de montage van hoogvoltbatterijen en in de productie van componenten.

De allereerste pilot met menselijke robots bij een BMW Group fabriek vond in 2025 plaats in Spartanburg (VS), samen met technologiebedrijf Figure AI. Daarbij bleek dat Physical AI onder echte omstandigheden meetbare meerwaarde kan leveren. Gedurende tien maanden ondersteunde de robot Figure 02 de productie van meer dan 30.000 BMW X3’s en hij werkte elke werkdag in een dienst van tien uur. Figure 02 nam het nauwkeurig nemen en positioneren van plaatdelen voor het lasproces over – een taak die niet alleen hoge eisen stelt aan snelheid en precisie, maar ook fysiek belastend is. In totaal verplaatste de robot meer dan 90.000 onderdelen en legde in 1.250 bedrijfsuren ruim 1,2 miljoen stappen af.

De pilot toonde aan dat menselijke robots nauwkeurige, herhaalbare handelingen – zoals het tot op de millimeter positioneren van componenten – veilig kunnen uitvoeren en leverde belangrijke inzichten voor het verdere gebruik van Physical AI in de productie.

Al tijdens de eerste testfases met Figure 02 was het essentieel om de IT-infrastructuur, arbeidsveiligheid, het management van productieprocessen en de logistiek direct te betrekken. Een belangrijke taak was het aanpassen van bestaande veiligheidsconcepten aan het gebruik van menselijke robots – bijvoorbeeld met extra afschermingen en wanden, en een verbeterde 5G-dekking binnen de hal om soepele operaties te garanderen.

Een belangrijk resultaat was dat de overgang van het laboratorium naar de productieomgeving sneller verliep dan verwacht. In het laboratorium getrainde bewegingen konden snel worden omgezet in een stabiele ploegendienst. Om een goede samenwerking met bestaande systemen te garanderen, werd de integratie in het BMW Smart Robotics-ecosysteem gerealiseerd via gestandaardiseerde interfaces.

Voor de testfase in Spartanburg werd bewust voor de carrosserie-afdeling gekozen vanwege het hoge automatiseringsniveau. Medewerkers in dit deel van de fabriek hebben veel ervaring met de integratie van nieuwe technologieën en processen. Zo wordt de aanvoer van materialen aan de band bijna volledig verzorgd door automatische Smart Transport Robots (STR). Dankzij vroegtijdige communicatie binnen het projectteam werd direct transparantie gecreëerd en acceptatie bevorderd. Het gebruik van menselijke robots wekte veel interesse en werd snel een natuurlijk onderdeel van de werkdag.

Aanvullende citaten:

Michael Nikolaides, hoofd productienetwerk en logistiek BMW Group: “Onze ambitie is om technologieleider te zijn en nieuwe technologieën vroegtijdig in de productie te integreren. Pilotprojecten helpen ons om het gebruik van Physical AI – AI-gestuurde, lerende robots – onder echte industriële omstandigheden te testen en te ontwikkelen. Het succesvolle, eerste gebruik van menselijke robots in onze fabriek in Spartanburg, VS, bewijst dat een menselijke robot niet alleen in gecontroleerde laboratoriumomstandigheden functioneert, maar ook in een bestaande productieomgeving voor auto’s.”

Michael Ströbel, hoofd procesmanagement en digitalisering in de productie, BMW Group: “We zijn verheugd dat we nu ook in een Duitse fabriek voor het eerst een menselijke robot kunnen inzetten in een pilotproject. Na de evaluatie door ons Center of Competence for Physical AI in Production hebben we eind vorig jaar al tests in het laboratorium en in Leipzig uitgevoerd. Dit jaar richten we ons op de stapsgewijze integratie in ons productiesysteem om de veelzijdige toepassingsmogelijkheden te testen. De focus ligt op het multifunctionele gebruik van de robot, onder meer in de productie van batterijen en van exterieurcomponenten. Met Hexagon hebben we een ervaren en innovatieve partner gevonden voor dit project.”

Felix Haeckel, teamleider Center of Competence for Physical AI in Production: “In ons nieuwe Center of Competence for Physical AI in Production bundelen we onze expertise om de kennis over AI en robotica breed beschikbaar te maken binnen het concern. In de afgelopen jaren hebben we een internationaal expertteam opgebouwd, dat zich naast in-house onderzoek en ontwikkeling inzet voor de integratie van AI in het bestaande productiesysteem. Tegelijkertijd voert ons team in München eigen robotonderzoeksprojecten uit om pilots rondom Physical AI te starten, professioneel te begeleiden en gericht verder te ontwikkelen.”

Arnaud Robert, president Hexagon Robotics: “We zijn verheugd over de samenwerking met de BMW Group om het gebruik van menselijke robots in echte omgevingen te stimuleren.”

Munich. The high-voltage battery is a vital component of every electric vehicle. With the high-voltage batteries for the sixth generation (Gen6) of BMW eDrive, the BMW Group has made a big step in technology, delivering major improvements in energy density, charging speed and range. In readiness for series production, the BMW Group is currently building five assembly sites across three continents: in Irlbach-Straßkirchen (Lower Bavaria), Debrecen (Hungary), Shenyang (China), San Luis Potosí (Mexico) and Woodruff (USA). Before the series launch, production processes will be developed and tested at the BMW Group’s pilot plants for high-voltage batteries in Parsdorf and Hallbergmoos, and at the Research and Innovation Centre (FIZ) in Munich. As a data scientist andIT project manager, Patrick Zimmermann is responsible for implementing the Industrial Internet of Things (IIoT) and data analytics in the high-voltage battery production of the BMW Group. His role is to weave all relevant software strands together.

Patrick, what do you do as a data scientist and IT project manager in high-voltage battery production?

Patrick Zimmermann (PZ): I coordinate an interdisciplinary team that oversees the entire data processing chain: from data provision at the manufacturing facilities to edge applications that transfer our production data to the cloud and to analytics platforms.

What kind of expertise do you need for that?

PZ: First and foremost, the job requires a solid understanding of the technologies used to manufacture our high-voltage batteries. For this latest generation, which uses the new cylindrical round cells, we’ve developed a completely new production process. Of course, strong IT knowledge is also essential – with a clear focus on the software architectures behind the data analytics and artificial intelligence. Understanding the individual software modules and interfaces is crucial for choosing the right solutions for our production from the wide range of technologies and applications available.

This means you always have your finger on the pulse and can anticipate IT trends?

PZ: Data analytics and AI for production are evolving at a tremendous pace right now. That's why it’s important to keep an eye on new approaches and evaluate whether they’re suitable for BMW. Or whether they could even replace existing solutions – perhaps by offering lower costs or enhanced features. Not every analysis or AI solution that performs well in a particular industry or use case can be directly applied to battery production.

Production of Gen6 high-voltage batteries is groundbreaking for the BMW Group. What, in your opinion, makes this project unique?

PZ: One unique aspect is the end-to-end responsibility – from data provision and data transfer to the cloud, all the way through to selective and even continuous analyses. We process both numerical data and visual representations from the equipment. Throughout the process, we maintain a consistent zero-defect approach to producing our high-voltage batteries. Highly intelligent, AI-supported quality checks are integrated into the production process to help us achieve this. We rely on OPC UA interface technology for plant connectivity. This enables us to model standardised digital twins directly at our plants, eliminating the need for additional data processing. Data is transferred to the BMW Group's clouds, using the same data structure across all production sites. This allows us to roll out standardised analysis dashboards worldwide and, for example, implement process optimisations more rapidly. We’ve already established this IT architecture at our high-voltage battery pilot plants. We have now been able to transfer our analysis dashboards to the first series production plants with minimal effort.

Entire new plants and assembly halls are being built for production of the new Gen6 high-voltage batteries. Is this beneficial for the IT structure?

PZ: Absolutely! Building several plants for Gen6 high-voltage batteries on greenfield sites gives us a whole new level of design freedom. This allows for much bigger leaps in IT, compared to integrating new solutions into existing plants – a so-called brownfield. I, for one, find it really exciting to help shape the Industrial Internet of Things and data analytics on such a large scale right from the start.