Europe 
Türkiye 
United Kingdom 
Global 
Anmeldung mit meinem Xometry-Konto 
Philip Lunn, CEO von Depix, erklärt, warum generative KI klassisches Rendering grundlegend verändert, wie sein Team den gesamten Pre-CAD-Designprozess von Wochen auf Minuten verkürzt und was passiert, wenn Designer nicht mehr durch knappe Ressourcen ausgebremst werden.
Echtzeit-Rendering für schnelle Entscheidungen
Welches Problem wollt ihr lösen?
Im Grunde möchte ich seit 2003 dasselbe Problem lösen: eine Idee so klar visualisieren, dass man schnell eine Entscheidung treffen kann. Damals wie heute geht es um Echtzeit-Rendering im Design.
Zu dieser Zeit habe ich Bunkspeed gegründet. Wir begannen mit einer Echtzeit-Game-Engine: Wir nahmen eine CAD-Wire-Datei, tessellierten sie, versahen sie mit Materialien und setzten sie in eine Umgebung mit Physik, sodass man ein Auto mit einem PlayStation-Controller herumfahren konnte.
Etwa 2005 fügten wir Echtzeit-Raytracing hinzu. Daraus entstand Hypershot, das sich zum Standard für Industriedesigner entwickelte, um Produkte zu visualisieren. Hypershot nutzte das Dateiformat .bip, was für „Bunkspeed Interactive Photograph“ stand – damals ein echtes Verkaufsargument. 2010 wurde aus Hypershot KeyShot. Es ist bis heute ein Standardwerkzeug und nutzt weiterhin dasselbe .bip-Dateiformat.
Der Grund für den Erfolg war, dass es den Weg zu einem hochwertigen Bild stark vereinfachte – entweder, um eine Entscheidung zu treffen, oder um ein Produkt zu verkaufen. Mit generativer KI wurde dieser gesamte Prozess nun auf den Kopf gestellt.
Es gibt die Haltung, dass man relevant bleibt, indem man immer wieder darüber nachdenkt, wie man sich selbst überflüssig machen kann. Klingt, als hättest du mit Depix genau das getan.
Das stimmt. Sonst landet man im Innovator’s Dilemma. Man entwickelt etwas Neues, wird erfolgreich – und steckt dann fest, weil man sich selbst neu erfinden müsste. Die Unternehmen, die am längsten bestehen, erfinden sich immer wieder neu. Wenn man das nicht tut, wird man vom Markt neu erfunden – und verschwindet. Depix ist ebenso eine große Neuerfindung.
Wie sieht der Visualisierungsprozess eines typischen Produktdesign-Teams heute aus?
Er beginnt mit Skizzen. Man erstellt zahlreiche Designvarianten, verfeinert sie und präsentiert sie anschließend. Dann kommt jemand dazu und entscheidet, welche Entwürfe weiterverfolgt werden. Diese Skizze geht an einen Modeller. Er erstellt ein 3D-Modell, arbeitet mit dem Designer zusammen, versieht es mit Materialien und rendert es anschließend. Davon entstehen vielleicht drei oder vier Versionen. Teilweise arbeiten acht bis zwölf Personen daran, diese 3D-Modelle zu erstellen.
In der Automobilindustrie werden diese Modelle anschließend visualisiert, und einige davon werden als physische Modelle gefräst. Sie werden auf Podeste gestellt und genau analysiert. Danach wählt man eines aus, baut es in Originalgröße aus Clay, schleift es von Hand, scannt es, modelliert die Flächen neu und übergibt es an das Engineering zurück. Dieser Prozess läuft im Kern seit dem Aufkommen digitaler Modelle vor rund 50 Jahren gleich ab.
Auf eurer Website sprecht ihr davon, dass sichere Designs gewinnen und dass das Volumen an Produktideen begrenzt ist. Was meint ihr damit?
Jedes Unternehmen hat dasselbe Problem: begrenzte Ressourcen. Man hat Ideen und möchte verschiedene Optionen dafür entwickeln, doch überall gibt es Engpässe. Das ist das größte Problem, das wir lösen: die Ressourcenknappheit.
Heute kann eine Person die Arbeit von zehn oder zwanzig Personen übernehmen. Der Chief Designer erhält eine deutlich größere Auswahl an Konzepten, aus denen er kuratieren kann. Er ist nicht mehr so stark durch Ressourcen begrenzt.
Aus dieser Perspektive ist generative KI das Beste, was dem Produktdesign zugefallen ist. Sie schafft keine Jobs ab, sondern stellt mehr Ressourcen bereit. Der Engpass verschiebt sich nachgelagert in Richtung Fertigung und Engineering. Aber auch dort hält KI zunehmend Einzug.
Von der Intention zum Produkt – ohne technische Umwege
Was macht Depix konkret?
Man muss heute nicht mehr mit 3D-Geometrie beginnen. Man kann mit einer einfachen Idee starten. Man beschreibt die Idee: Das System erzeugt eine Reihe von Bildern, man wählt eines aus, verändert es, generiert daraus ein 3D-Modell und kann anschließend Features anpassen und Varianten erkunden.
Wir haben festgestellt, dass dieser gesamte Prozess in wenigen Minuten möglich ist: vom ersten Ideenfunken bis zu einer fertigen Visualisierung, die konkret genug ist, um zu entscheiden, ob man das Produkt weiterverfolgen sollte oder nicht.
Wir nennen das Pre-CAD. Bevor man mit dem eigentlichen 3D-Modell und dem Engineering beginnt, komprimieren wir alles, was früher Wochen oder Monate gedauert hat, auf wenige Minuten. Der nächste Schritt ist dann der Engineering-Teil – der große, arbeitsintensive Bereich, der noch nicht vollständig automatisiert ist.
Kannst du die einzelnen Produkte unter dem Depix-Dach erklären?
Design Lab ist die Orchestrierungsebene. Es ist eine Art unendliche Arbeitsfläche, auf der man Bilder einfügt, mit Hunderten vordefinierten Prompts Varianten erzeugt und verschiedene Agenten startet. Man kann auch ein 3D-Modell importieren und visualisieren, wie man es aus klassischen Programmen kennt. Der Unterschied ist: Alles basiert auf generativer KI statt auf Raytracing.
Product Vision ist ein Agent für frühe Ideenphasen. Man gibt eine Idee ein, zum Beispiel „Luxus-Barbecue, Salvador Dalí“, und erhält beeindruckende Designvorschläge. Man braucht nicht einmal einen ausgefeilten Prompt. Man beschreibt einfach, was man entwickeln möchte. Das System recherchiert den Markt, fasst die Erkenntnisse zusammen und entwickelt kreative Konzepte.
Dann gibt es das CMF-Tool für Farbe, Materialien und Oberflächen. Man gibt sein Produkt ein; das System analysiert aktuelle Farbtrends im Markt, fasst sie zusammen und erzeugt Materialien und Oberflächen, die sich auf das Bild anwenden lassen. Damit komprimiert es Wochen an CMF-Arbeit auf wenige Minuten.
Und schließlich Product Shape, unser Generator für 3D-Modelle. Man nimmt ein Bild, erzeugt daraus ein 3D-Modell und bearbeitet die Feature-Linien mit Bézier-Kurven. Wenn man zum Beispiel einen Kotflügel etwas anheben möchte, legt man eine Kurve an, passt sie an, lädt das 3D-Modell wieder ein und rendert es erneut mit KI.
Kannst du ein konkretes Beispiel für diesen Workflow geben?
Mein Partner Chris Braun war über 20 Jahre lang Head of Visualisation bei Porsche Design. Er gab in Product Vision „Mercedes-Rückleuchte“ ein. Das System erzeugte einige Varianten. Er überführte sie ins Design Lab, erstellte weitere Bildvariationen, klickte auf den Animate-Button – und das System generierte animierte Lichtsequenzen. Der gesamte Prozess dauerte nur wenige Minuten.
Er veröffentlichte das Ergebnis auf LinkedIn, und der Beitrag ging regelrecht durch die Decke. Wenn man darüber nachdenkt: Diese Rückleuchte existiert nicht. Vielleicht ist sie eine Variation aus fünf realen Rückleuchten, kombiniert mit etwas Neuem. Aber genau das tun Designer auch. Sie betrachten Dinge, kombinieren Einflüsse und schaffen daraus etwas Neues. Die KI macht diesen Prozess nur erheblich schneller.
Lass uns über diesen Punkt sprechen: „etwas Neues schaffen“. Wenn ich keine eigene Skizze eingebe, sieht das Ergebnis dann nicht einfach so aus, als ob es schon gäbe?
Das könnte man denken, aber es stimmt nicht wirklich. Man kann sehr kreative Ergebnisse für Dinge erzeugen, die überhaupt nicht existieren.
Viele sagen, KI sei nicht kreativ. Aber sie ist auf ähnliche Weise kreativ wie Menschen. Designer studieren Kunst, betreiben Marktforschung, analysieren Wettbewerber. KI macht im Prinzip dasselbe – nur viel schneller.
Man kann die Ergebnisse so radikal oder so nah am Bestehenden gestalten, wie man möchte. Der Designer wird dadurch stärker zum Kurator als zum Techniker.
Wie viel Kontrolle hat der Designer über das Ergebnis?
Man kann mit einer Skizze starten, wenn man möchte, sie importieren und weiterentwickeln. In Product Vision gibt es Steuerungsmöglichkeiten, um bestimmte Elemente gezielt zu lenken. Schon eine kleine Änderung der Wortwahl kann eine neue Richtung vorgeben. Man kann ein Logo hinzufügen oder Details anpassen.
Noch kann man nicht sagen: „Heb diese Linie um zwei Millimeter an.“ Aber wir erwarten, dass diese Art von constraint-basierter Kontrolle kommen wird. Unsere Vision ist, dass man seine Absicht sehr detailliert beschreibt und dass das System alle Informationen zusammenführt.
Der Musikproduzent Rick Rubin hat einmal gesagt, er werde für das Vertrauen in seinen Geschmack bezahlt. Entwickelt sich das Produktdesign genau in diese Richtung?
Genau das passiert. Chief Designer werden dafür bezahlt, etwas Geschmackvolles und Attraktives zu schaffen, das andere Menschen begehren. Das war schon immer so.
Früher brauchte man dafür allerdings eine große Armee von Menschen, die diese Vision unterstützte. Nach dem Motto: „Ich habe 150 Leute, die zehn Ideen so weit ausarbeiten, dass ich sie beurteilen kann.“ Das passiert heute immer noch, aber die Zeit dafür schrumpft nahezu auf null.
Und die Person, die für ihren Geschmack bezahlt wird, braucht nicht mehr zwingend technische Fähigkeiten in der 3D-Modellierung oder im Rendering. KI macht gute Menschen zehnmal besser. Aber wer nicht gut ist, wird es schwer haben.
Zuerst Automotive, danach jedes Produkt
Wer nutzt Depix heute?
Ford, Nissan, Lamborghini, Porsche. Ich bin zu meinen früheren Kunden gegangen und habe gesagt: „Ich werde dieses Ding bauen. Würdet ihr es kaufen?“ Und sie alle sagten ja.
Außerdem arbeiten wir mit Produktdesign-Agenturen. Unser Produktangebot ist noch relativ jung, und wir werden sehr bald eine komplett neue integrierte Suite veröffentlichen.
Was treibt die Einführung voran?
Die Ergebnisse. Viele Early Adopter haben zunächst experimentiert. Unser Ziel ist jetzt, vom Experiment in den unternehmensweiten Einsatz zu kommen. Wir sind bereits bei einem Unternehmen angekommen.
Generell verläuft die Einführung solcher Technologien in großen Unternehmen sehr langsam. Grundsätzlich sehen wir jedes Unternehmen, das ein Produkt herstellt, als potenziellen Kunden. Noch konkreter sind es Unternehmen, die diese Designarbeit bereits heute leisten – häufig mit KeyShot. Wir sind im Grunde der neue Weg, um dieselbe Arbeit schneller zu erledigen.
Wie sieht die Einführung aktuell aus?
2026 ist das erste Jahr, in dem wir echte Adoption sehen. 2027 werden viele sagen: „Das ist eine neue Art zu arbeiten, und wir müssen sie übernehmen.“ Und wenn man heute noch nicht darüber nachdenkt, wird es irgendein anderes Unternehmen tun – und einem den Markt wegnehmen.
Vom Design zur Fertigung an einem Tag
Beim Testen eurer eigenen Software müsst ihr auf ziemlich spannende Produktideen gestoßen sein. Gibt es etwas, das besonders heraussticht?
Hin und wieder kommt etwas aus unserem System, worüber wir sagen: „Das sollten wir bauen.“ Chris hat einen Bürostuhl entworfen, der so außergewöhnlich war, dass ich noch nie etwas Ähnliches gesehen hatte. Ich habe eine umgekehrte Google-Bildsuche durchgeführt und nichts Ähnliches gefunden.
Wir haben intern tatsächlich eine Sammlung gestartet, die wir „Stealth Product Company“ nennen. Dort legen wir solche Designs ab. Vielleicht werden wir irgendwann selbst zu einem Produktfertigungsunternehmen. Ich glaube, das wäre der richtige Schritt. Dafür bräuchten wir einen Fertigungspartner, und wir haben bereits darüber nachgedacht, Angebote für einige dieser Designs einzuholen.
Die meisten Tools unserer Interviewserie kommen in der Fertigung oder im detaillierten Engineering zum Einsatz. Depix sitzt viel früher im Prozess, im konzeptionellen Design. Siehst du einen Weg hin zu echten Engineering-Ergebnissen?
Absolut. Unsere Vision reicht von der Idee bis zum fertigungsreifen Produkt. Vollständige Pläne, alle Informationen, direkt an den Hersteller übergeben – das ist der Traum.
Ich finde es interessant, was Bench macht, weil sie im Grunde sagen: Man gibt eine Zeichnung ein und erhält daraus ein 3D-Modell, das für das Engineering bereit ist. Das ist genau der nächste Schritt nach dem, was wir tun.
Da wir bereits ein agentisches System sind, erwarten wir, dass Design Lab künftig auch Drittanbieter-Agenten steuern kann. Dann gibt es beispielsweise einen Strömungsanalyse-Agenten oder einen Spannungsanalyse-Agenten. Diese werden wir in unser System einbinden.
Design-to-Manufacturing in einem Tag – das ist unser Ziel.
Warum wird KI im Design bislang nur langsam eingeführt?
Der MIT-Bericht sagt, dass 85 Prozent aller KI-Projekte scheitern. Ich glaube, sie scheitern, weil sie sabotiert werden – nicht absichtlich. Die Menschen, die beauftragt werden, solche Tools zu bewerten, merken, dass es sich um eine radikal neue Arbeitsweise handelt. Das macht ihnen Angst. Also finden sie einen Grund zu sagen, dass es nicht funktioniert.
Erst wenn eine Führungskraft versteht, dass das Unternehmen unter Ressourcenknappheit leidet, sagt: „Ich muss Kapazitäten aufbauen, habe aber kein Budget dafür – und jetzt habe ich eine Lösung“, ändert sich alles.
Demis Hassabis, CEO von DeepMind, sagte, diese Entwicklung sei zehnmal so groß und zehnmal so schnell wie die industrielle Revolution. Und wer sich jetzt nicht damit beschäftigt, sollte bedenken: China ist bei allem, was produziert wird, auf der Überholspur. Wenn wir diesen Wandel im Westen nicht schaffen, riskieren wir, in der Fertigung dauerhaft an Bedeutung zu verlieren.
Gibt es interessante KI-Unternehmen im Engineering-Bereich, die du hervorheben würdest?
Ein gutes Beispiel dafür, was im Engineering durch KI passiert, ist Leo.
Related Topics
Javier López Picazo
2
Contact VED
2
Comment(0)