Ideenfindung im Produkt- und Industriedesign

Das frühe Produktdesign ist ein Trichter: Dutzende Ideen werden skizziert, wenige modelliert, eine wird konstruiert. Generative KI erweitert das obere Ende dieses Trichters. Bildmodelle machen aus Briefings und groben Skizzen in Minuten viele gestaltete Konzepte, Sketch-to-Render-Werkzeuge machen sie präsentierbar, Bild-zu-3D-Modelle erzeugen grobe Geometrie, und Solver für generatives Design bzw. Optimierung schlagen fertigbare, leichte Bauteile für vorgegebene Lasten und Randbedingungen vor. Das Ergebnis sind mehr erkundete Optionen und eine schnellere Abstimmung mit den Beteiligten; die Übergabe an echtes CAD und die Validierung bleiben Handarbeit von Menschen.

Problem & Nutzen

• Heute: Industriedesigner skizzieren von Hand oder in Procreate/Alias/Rhino, erstellen Moodboards und beauftragen dann CAD- und Render-Studien; jede Schleife zwischen Design, Konstruktion und Marketing dauert Tage. Es werden wenige Konzepte erkundet, weil jedes teuer ist, und frühes Kundenfeedback kommt spät.
• Nutzen der KI: günstige Divergenz (viele Richtungen pro Briefing), schnellere visuelle Abstimmung (von der Skizze zum Rendering in Minuten), frühe Geometrie für Passungs- und Ergonomieprüfungen und optimierungsbasierte Konzepte, die Material oder Gewicht bei definierten Lastfällen senken.
• Belege: Anbieter berichten in Fallstudien von schnelleren Iterationen und Teilekonsolidierung, aber unabhängige, vergleichbare Zahlen sind selten; messen Sie Ihre eigene Ausgangslage, bevor Sie Einsparungen behaupten [1][2].

Varianten

• Konsumgüter / Möbel / Verpackung: Moodboards, CMF-Exploration, Verpackungs- und Regal-Mock-ups.
• Automobil / Mobilität: Erkundung von Exterieur-/Interieur-Styling, Studien nahe am Clay-Modell (große OEMs nutzen meist interne oder stark regulierte Werkzeuge).
• Maschinenbau / Industrieanlagen: generatives Design und Topologieoptimierung für Halterungen, Gehäuse, Wärmetauscher; Bauteile, die für die additive Fertigung geeignet sind.
• Start-ups & Maker: Sketch-to-Render plus Bild-zu-3D für Prototypen aus dem 3D-Druck.
• Privatnutzung: Hobbydesign, Heimwerken und Ideen für den 3D-Druck mit Verbraucherwerkzeugen.

So funktioniert es

1. brief + references + constraints
2. concept divergence (text/sketch/image-to-image, LLM-assisted brief expansion)
3. curation (designer + stakeholders shortlist; VLM can cluster and tag)
4. refinement (sketch-to-render, inpainting, style/brand locking via LoRA or reference images)
5. geometry (image-to-3D mesh | parametric CAD with LLM/CAD agents | generative design solver)
6. validation (CAD clean-up, simulation/FEA, manufacturability, ergonomics, IP check)
7. hand-off (PLM/CAD release, design review, documentation)

• Bildgenerierung: Diffusions-/Flow-Modelle mit Strukturkontrolle (Skizzen-, Tiefen- und Kantenkonditionierung, etwa über Adapter im Stil von ControlNet) erhalten die Proportionen der Designerin bzw. des Designers und variieren Stil und Material.
• 3D-Generierung: Bild-zu-3D-Modelle liefern texturierte Netze, die für die Visualisierung und frühe Passungs- prüfungen taugen, nicht für toleranzkritische Fertigung; die Umwandlung von Netz in CAD ist weiterhin verlustbehaftet.
• Generatives Design: kein Sprachmodell, sondern ein physikbasierter Solver (Topologieoptimierung, Gittergenerierung), gesteuert durch Lasten, Randbedingungen, Material und Verfahren (Fräsen, Gießen, additiv); die Ergebnisse sind gereihte Kandidaten, die die Konstrukteurin bzw. der Konstrukteur bewertet.
• Text-to-CAD: LLMs schreiben parametrischen Code (CadQuery, OpenSCAD, build123d, Onshape FeatureScript) oder steuern CAD-APIs; zuverlässig bei einfachen prismatischen Teilen, schwach bei komplexen Baugruppen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Designer wählen Konzepte aus und verfeinern sie; Konstrukteure verantworten Maße, sicherheitsrelevante Merkmale, Normenkonformität und die endgültige Freigabe.

Datenaufbereitung

Welche Daten. Design-Briefings, Moodboards, Skizzen, CMF-Richtlinien (Farbe, Material, Oberfläche), vorhandene CAD-Modelle, Teilebibliotheken, Konstruktionsvorgaben und Fotos früherer Produkte.

Wo sie liegen. PDM/PLM oder CAD-Tresor, ERP-Artikelstamm, Dateifreigaben, E-Mail-Anhänge, Agenturordner und teils Skizzen auf Papier.

Typische Lücken. Uneinheitliche Dateiformate und Versionen; fehlende Metadaten (Material, Verfahren, Status); Dubletten desselben Modells; Skizzen nur auf Papier; Marken- und CMF-Regeln nicht schriftlich festgehalten; Zugriffsrechte für vertrauliche Projekte zu weit gefasst.

Aufbereitungsschritte. 1. Die Design-Assets inventarisieren und entscheiden, welche mit KI verwendet werden dürfen (PREP-001, PREP-024). 2. Papierskizzen einscannen (PREP-006) und ältere CAD- und Bildformate umwandeln (PREP-007). 3. Modelle und Bilder mit Material, Verfahren und Produktlinie verschlagworten (PREP-010) sowie Ordnerstruktur und Rechte bereinigen (PREP-009, PREP-023). 4. Marken- und CMF-Regeln aufschreiben und Referenzbeispiele sammeln (PREP-016).

Aufwand. Etwa 25 bis 35 Prozent des Projekts. Werkzeuge nach Weg A brauchen wenig Daten; der Aufwand wächst, wenn die KI Ihre eigene Teilebibliothek und Vorgaben berücksichtigen soll. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• smb: Weg A, weil ausgereifte Design-KI-Produkte (Sketch-to-Render, generative CAD-Plug-ins) zu KMU-Preisen verfügbar sind und der Prozess weitgehend Standard ist.
• enterprise: Weg C, weil Produktkonzepte und CAD-Daten Geschäftsgeheimnisse sind und eine gemeinsame interne KI-Plattform mehrere Designteams bedient.
• developer: Weg B, weil sich Cloud-APIs für Bild und 3D schnell in eigene Designwerkzeuge und PLM einbinden lassen.

Weg A — Kaufen (für die meisten KMU empfohlen)

• Konzept- und Render-Werkzeuge: Adobe Firefly (Photoshop/Illustrator, positioniert als kommerziell unbedenklich), Midjourney, Krea, Vizcom (Sketch-to-Render, für Industriedesign gebaut), Leonardo. Prüfen Sie Lizenzbedingungen für die kommerzielle Nutzung und Haftungsfreistellungen zu Trainingsdaten.
• In CAD integriertes generatives Design: Autodesk Fusion Generative Design, Siemens NX / Simcenter Topologieoptimierung, PTC Creo Generative Design, Dassault Systemes 3DEXPERIENCE (CATIA/SOLIDWORKS) mit generativen und KI-Assistenten, nTop (implizite Modellierung für additive Fertigung). EU-Anbieter: Dassault Systemes (FR), Siemens (DE).
• Bild-zu-3D: Meshy, Tripo, Rodin (Hyper3D); Autodesk und Adobe ergänzen 3D-fähige Generierung (siehe GEN-008).
• A wählen, wenn: Sie Ergebnisse innerhalb von Wochen wollen, nicht an eine strikte On-Premises-Vorgabe gebunden sind und Ihr CAD- Anbieter das Modul bereits anbietet.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Bilder: Black Forest Labs FLUX (Freiburg, Deutschland, EU-Anbieter), Google Imagen/Gemini image, OpenAI-Bildmodelle, Stability AI API, Adobe Firefly Services API.
• Sprache/VLM für Briefings, Verschlagwortung, Zusammenfassungen von Design-Reviews und CAD-Code: Claude, Gemini, GPT, Mistral (EU-Anbieter); nutzen Sie strukturierte Ausgaben, um CadQuery/OpenSCAD zu erzeugen und in einer Sandbox auszuführen.
• Orchestrierung: n8n oder ein kleiner Python-Dienst, der ein Briefing-Werkzeug, Bild-API, DAM/PLM und die APIs von Onshape/Fusion/SOLIDWORKS verbindet; bewahren Sie Generierungen samt Prompts und Seeds als Designhistorie auf.
• B wählen, wenn: Sie ein eigenes Ideenfindungswerkzeug im Markenauftritt oder die Anbindung an PLM/DAM brauchen.

Weg C — Selbst betreiben (Open Source)

• Bildmodelle: FLUX.1 [dev]/Kontext (nicht kommerzielle Lizenz für die dev-Gewichte; Bedingungen prüfen), Stable Diffusion 3.5 (Community-Lizenz), betrieben in ComfyUI oder diffusers mit ControlNet/IP-Adapter und Marken-LoRAs. Prüfen Sie die Lizenzen für die kommerzielle Produktnutzung.
• 3D: TRELLIS (Microsoft), Hunyuan3D (Tencent), TripoSR; Netzbereinigung in Blender, FreeCAD.
• CAD und Optimierung: CadQuery, build123d, OpenSCAD, FreeCAD; Topologieoptimierung mit offenen Codes wie Werkzeugen im Stil von ToPy oder FEniCS-basierten Pipelines; offene Text-to-CAD-Forschungsmodelle.
• Hardware: HW2 (GPU mit 24-32 GB) betreibt Bild- und Bild-zu-3D-Modelle; HW3 für Rendering großer Stapel.

Weg D — Eigenes Training

Feintuning einer Marken-/Stil-LoRA auf 20-200 ausgewählten Produktbildern des Unternehmens oder Training eines Domänenmodells auf eigenen CAD-Teilen, wenn Sie große Teilebibliotheken besitzen. Braucht saubere, rechtlich geklärte Datensätze und ML-Personal; außerhalb großer Hersteller selten gerechtfertigt.

Stand der Technik (2026)

• Bildmodelle folgen heute detaillierten Prompts, lassen sich in natürlicher Sprache bearbeiten und halten die Produktidentität über mehrere Ansichten (anweisungsbasierte Bearbeitung wie FLUX Kontext, Bildbearbeitung mit Gemini).
• Sketch-to-Render ist der praktische Sweet Spot: Designer behalten die Kontrolle über die Form, die KI liefert Materialien, Beleuchtung und Varianten.
• Bild-zu-3D hat sich bei Netzqualität und Textur verbessert, doch die Ergebnisse sind oft nicht wasserdicht, mit unkontrollierter Topologie und ohne Konstruktionsabsicht oder Maße.
• Text-to-CAD und CAD-Agenten sind aktive Forschung und frühe Produkte; Benchmarks zeigen begrenzten Erfolg bei komplexen Teilen, betrachten Sie sie daher als Assistenten für einfache Geometrie und Skripte.
• Generatives Design ist in simulationsgetriebenen Nischen (Leichtbau, additive Fertigung) ausgereift; sein Nutzen hängt von korrekten Lastfällen und Fertigungsvorgaben ab.
• Grenzen und Fehlerbilder: physikalisch unplausible oder nicht fertigbare Konzepte, Nachahmung bestehender geschützter Designs, inkonsistente Maße, Verlust der Konstruktionsabsicht bei der Umwandlung von Netz in CAD und Konzeptkonvergenz („alles sieht gleich aus“).

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (image-gen): GEN-001 Marketingbilder, GEN-011 Retusche, GEN-006 Marken-Assets; ein ComfyUI-/diffusers-Server (HW2) bedient alle.
• 3D (3d-gen): GEN-008 3D-Assets, GEN-025 Foto-zu-3D-Erfassung zum Scannen bestehender Produkte.
• Nachgelagerte Konstruktion: KNOW-020 Suche zur Wiederverwendung von CAD-Teilen, bevor neue Teile entworfen werden, DOC-013 Verständnis von Zeichnungen; Schutz des geistigen Eigentums: KNOW-022 Recherche zur Designfreiheit; Markteinblick: LANG-027 synthetische Personas für Feedback zu Konzepten.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen; Abonnements pro Designer, generative CAD-Module oft als Zusatzlizenz.
• Weg B: 1-3 Monate für ein integriertes Werkzeug; Kosten bestimmt durch das Volumen der Bild-/3D-Generierung und den Prüfaufwand.
• Weg C: 1-3 Monate; GPU-Workstation plus MLOps, Pflege der ComfyUI-Workflows.
• Weg D: Quartale; Datenrechte und Kuratierung dominieren.
• Kennzahlen: erkundete Konzepte pro Briefing, Zeit vom Briefing bis zum freigegebenen Konzept, Anzahl der Review-Schleifen, Anteil der KI-Konzepte, die es bis ins CAD schaffen, Masse-/Materialeinsparung generativer Bauteile (per FEM validiert), Zufriedenheit der Designer, Befunde der Schutzrechtsprüfung.

Menschen & Veränderung

Früh einbinden: die Geschäftsführung (welche Konzepte das Haus verlassen dürfen), die Leitung Design oder F&E als Prozessverantwortliche, Designer und Konstrukteure als Endnutzer, IT und IT-Sicherheit (Cloud-Werkzeuge verarbeiten vertrauliche CAD-Daten) sowie die Rechtsabteilung für Fragen zu geistigem Eigentum und Designrechten.

Betriebsrat. Ob ein Betriebsrat (oder im öffentlichen Dienst ein Personalrat) mitzubestimmen hat, hängt vom Unternehmen ab. Nach §87 Abs. 1 Nr. 6 BetrVG greift die Mitbestimmung bei Systemen, die objektiv geeignet sind, Verhalten oder Leistung von Beschäftigten zu überwachen (BAG); Werkzeuge mit Protokollen pro Nutzer können daher darunter fallen, auch wenn keine Überwachung beabsichtigt ist. Nach §90 Abs. 1 Nr. 3 ist der Betriebsrat in jedem Fall rechtzeitig über geplante KI-gestützte Arbeitsabläufe zu unterrichten. Wenn es einen Betriebsrat gibt, binden Sie ihn früh ein und erwägen Sie eine Rahmenbetriebsvereinbarung zu KI (siehe GUIDE-004).

Datenschutz. Meist keine personenbezogenen Daten; klären Sie Kundenfotos oder Mitarbeiterdaten in Prompts mit der bzw. dem Datenschutzbeauftragten und schließen Sie mit jedem Werkzeuganbieter einen AVV ab (GUIDE-005, GUIDE-010).

KI-Kompetenz und Kommunikation. Führen Sie kurze Schulungen zu Prompting, Verzerrungen (Bias) in Konzeptbildern und Risiken für geistiges Eigentum durch und fördern Sie so die KI-Kompetenz der Beschäftigten nach Art. 4 KI-Verordnung (AI Act) (GUIDE-006). Begegnen Sie der Sorge, KI ersetze Designer, indem Sie sie als Ideenverstärker positionieren.

Pilot. Eine Produktlinie und ein Designteam für einige Wochen (GUIDE-009). Konstrukteure prüfen jede generierte Geometrie auf Fertigbarkeit und Sicherheit; die KI schlägt vor, Menschen entscheiden.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Das Ideenfindungssystem selbst hat minimales Risiko; öffentlich verwendete synthetische Bilder fallen unter die Transparenzpflicht nach Art. 50 (maschinenlesbare Kennzeichnung durch Anbieter; Betreiber legen Deepfakes offen); daher „begrenzt“ für einen typischen Einsatz. Die KI-Kompetenz nach Art. 4 gilt. Die KI-Verordnung regelt nicht die entworfenen Produkte; Produktsicherheitsrecht (Maschinenverordnung 2023/1230, GPSR 2023/988, CE- Kennzeichnung) und die Produkthaftungsrichtlinie (EU) 2024/2853 gelten weiterhin, und Konstrukteure bleiben für KI-vorgeschlagene Geometrie verantwortlich [3][4].
• Urheberrecht & geistiges Eigentum: Rein KI-generierte Ergebnisse genießen möglicherweise keinen Urheberrechtsschutz; Designrechte (EU- Designverordnung) und Konflikte mit Marken/Ausstattungsschutz (Trade Dress) sind ein Risiko, wenn ein Modell bestehende Produkte nachbildet. Prüfen Sie Lizenzbedingungen und die Herkunft der Trainingsdaten; führen Sie eine Schutzrechtsprüfung durch (KNOW-022).
• Vertraulichkeit: Unveröffentlichte Designs und CAD sind Geschäftsgeheimnisse; vermeiden Sie öffentliche Werkzeuge ohne Zusage, nicht zu trainieren, und bevorzugen Sie EU-Region oder Selbstbetrieb.
• DSGVO: meist keine personenbezogenen Daten; sie gilt, wenn Referenzfotos Personen zeigen oder Daten aus Nutzertests enthalten.
• Gegenmaßnahmen: menschliche Freigabe, Simulation und Test vor der Freigabe, Protokollierung von Prompts/Seeds, C2PA- Content Credentials, Prüfschritt für geistiges Eigentum.

Erste Schritte

1. Eine wiederkehrende Briefing-Art auswählen (z. B. ein Produktzubehör) und Ausgangszeit sowie Konzeptanzahl festhalten.
2. Mit Ihren Designern 2 Sketch-to-Render- oder Bildwerkzeuge an einem früheren Projekt testen; mit dem realen Ergebnis vergleichen.
3. Den Prüfschritt festlegen: wer vor dem CAD Machbarkeit, Schutzrechtsfreiheit und Markenpassung beurteilt.
4. Wenn Sie CAD nutzen, das Modul für generatives Design Ihres Anbieters an einem halterungsartigen Teil mit FEM-Validierung testen.
5. Eine Richtlinie festlegen: erlaubte Werkzeuge, Zusage zum Nicht-Training, Protokollierung von Prompts, Kennzeichnung synthetischer Bilder.

Quellen

1. Autodesk — Generative design in Fusion — https://www.autodesk.com/solutions/generative-design
2. Siemens — Simcenter and NX topology optimization / generative design — https://plm.sw.siemens.com/en-US/simcenter/
3. Regulation (EU) 2024/1689 (AI Act), Art. 50 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
4. Directive (EU) 2024/2853 on liability for defective products — https://eur-lex.europa.eu/eli/dir/2024/2853/oj
5. Black Forest Labs FLUX documentation — https://docs.bfl.ai/
6. Microsoft TRELLIS (image-to-3D) — https://github.com/microsoft/TRELLIS
7. CadQuery project — https://github.com/CadQuery/cadquery
8. Vizcom (sketch-to-render for industrial design) — https://www.vizcom.ai/