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