Europe 
Türkiye 
United Kingdom 
Global 
Anmeldung mit meinem Xometry-Konto 
Vincent Ung, COO und Mitgründer von Cognitive Design Systems (CDS) , nahm sich die Zeit, das Siloproblem zwischen Konstruktion und Fertigung zu beleuchten, zu erklären, wie sich generatives Design über den 3D-Druck hinaus entwickelt und wo KI in der Ingenieursarbeit ihren Platz findet.
Die Lücke zwischen Konstruktion und Produktion
Welches Problem möchten Sie lösen?
Das Problem ist, dass die Konstruktion viel schneller werden muss. Die Anforderungen an Ingenieure bei der Entwicklung neuer Produkte sind deutlich gestiegen, und wir müssen uns mit der Technologie weiterentwickeln. Daher wollen wir die Zykluszeiten für die Produktentwicklung, insbesondere für mechanische Bauteile, verkürzen.
Sie sind ein dreiköpfiges Gründerteam. Wer hatte Erfahrungen aus erster Hand mit diesem Problem?
Ich komme nicht aus dem Maschinenbau, sondern eigentlich aus dem Finanzwesen. Aber Rhushik und Henri Henri sind Maschinenbauingenieure. Sie haben lange in Japan bei Fertigungsdienstleistern gearbeitet, waren dort für Fertigung und Konstruktion zuständig und haben das Problem hautnah miterlebt. In großen Unternehmen gibt es auf der einen Seite die mechanische Konstruktion, dann Simulationen und Machbarkeitsstudien, und ganz am Ende stehen die Mitarbeitenden in der Fertigung, die fast nie bei diesen Konstruktionen hinzugezogen werden. Diese Lücke wollten sie schließen. Sie haben zudem viel Erfahrung mit der additiven Fertigung, was uns weiter angetrieben hat.
Wie passt die additive Fertigung hier rein?
Die additive Fertigung bietet mehr Gestaltungsfreiheit, wodurch die Ergebnisse des generativen Designs auch in der Produktion umsetzbar sind. Wir haben mit AM begonnen, uns dann aber nach und nach konventionelleren Fertigungsverfahren zugewandt. Wir sind der Überzeugung, dass generatives Design nicht nur für AM geeignet ist. Es kann auch für Druckguss, CNC-Bearbeitung, Spritzguss und Ähnliches eingesetzt werden, und wir können diese Technologien für die Fertigung als Ganzes nutzen.
Sie sagen, Sie glauben das. Glaubt der Markt das auch?
Das ist es, was wir beobachten, und es scheint, als ob Unternehmen wie InfinitiForm das auch so sehen. AM ist immer noch eine Nische. Wenn ich AM sage, meine ich industriellen 3D-Druck, und dieser hat sein volles Potenzial noch nicht erreicht. In Branchen wie der Luft- und Raumfahrt gibt es strenge Zertifizierungsauflagen. Die Frage lautet nie AM versus konventionell. Es kommt darauf an, was man braucht: die Leistung des Bauteils, die Kompromisse, die man eingehen kann, die Stückzahl. Unter dem Druck, produktiver zu werden, müssen wir die Art und Weise ändern, wie wir konstruieren.
Generatives Design und Topologieoptimierung gibt es in gängigen CAD-Tools schon länger. Warum haben sie das Problem der Konstruktionszykluszeiten nicht gelöst?
Mit der Topologieoptimierung reduziert man Material und platziert es dort, wo die Belastungen am höchsten sind. Das Ergebnis ist ein theoretisches Bauteil. Das bedeutet jedoch nicht, dass das Ergebnis auch herstellbar ist. Bei Cognitive Design machen wir das in zwei Schritten. Zuerst verbessert man die Leistung des Bauteils, dann nutzt man unser sogenanntes fertigungsgetriebenes Design, also ein automatisiertes Design für die Fertigung (DfM), das das Bauteil für ein bestimmtes Fertigungsverfahren neu gestaltet. Man koppelt beide Schritte, um das Maximum herauszuholen. Dabei ist die Topologieoptimierung nur ein Ansatz. Wir haben eigene Algorithmen für Gehäuse und für Topologien entwickelt, die nicht auf Spannung basieren.
Sie sind nun schon eine Weile im Bereich AM tätig. Alle sind sich einig, dass es schnelle Iterationen und die hausinterne Fertigung ermöglicht, doch die Akzeptanz ist langsamer als erwartet. Was hält die Entwicklung zurück?
Einige Dinge. Das Erste sind die Kosten. Metall-3D-Druck ist im Vergleich zu Druckguss oder CNC-Bearbeitung immer noch teuer. Das Zweite ist die Zertifizierung, die zusätzliche Kosten verursacht. Hinzu kommt die Reife. Nicht jeder hat den gleichen Wissensstand darüber, was AM wirklich leisten kann, welche Nachbearbeitung nötig ist und welche Konstruktion es erfordert. Viele Leute denken, sie könnten ein für die konventionelle Fertigung konzipiertes Teil einfach per 3D-Druck herstellen, und das schlägt manchmal fehl. Zudem haben viele im Kopf verankert, dass 3D-Druck nur für günstiges, schnelles Polymer-Rapid Prototyping gedacht ist, obwohl wir über echte Anwendungen sprechen. Es gibt großartige Anwendungsfälle, aber es ist noch nicht vollständig akzeptiert worden.
Bauteil generieren und dann herstellbar machen
Wie löst Cognitive Design alle diese Probleme?
Die Kernfunktion besteht darin, mehrere Designs zu generieren und diese erkunden zu lassen. Man wägt Faktoren wie Spannung, Leistung, Kosten und CO2-Fußabdruck ab und entscheidet, welche Richtung für die eigenen Anforderungen am besten ist. Zusätzlich nutzen wir KI, um schneller zu sein. Die Erkundung, die früher lange dauerte, weil die Teile manuell konstruiert wurden, erfolgt jetzt durch KI.
Welche Inputs liefert der Mensch und wer erstellt das erste Modell?
Als Ausgangspunkt bringt man ein bestehendes 3D-Modell mit, ein STL-Netz oder eine STEP-Datei, und fügt seine Lastfälle hinzu, falls man eine Simulation hat. Die Software verfügt über eine integrierte netzfreie Simulation. Wir berechnen also die Leistung des Bauteils und stellen sicher, dass es die Kriterien erfüllt. Außerdem stehen verschiedene Materialien zur Verfügung, und man kann eigene importieren. So lassen sich Titan, Aluminium oder Inconel über Fertigungsverfahren wie AM und CNC-Bearbeitung hinweg vergleichen.
Wie nutzen Sie generatives Design und was macht es so schnell, wie auf Ihrer Website behauptet?
Generatives Design kommt fast immer zum Einsatz. Wir nutzen es für die Topologieoptimierung, um das beste theoretische Bauteil zu finden. Wir haben einen speziellen Algorithmus für Gehäuse, zum Beispiel für ein Getriebe, und einen weiteren, den wir Topology Weaving (Topologieweben) nennen. Dabei werden Designs erstellt, die nicht von Spannungen abhängen, sondern funktionale Bereiche entlang eines Pfades verbinden. Vor Kurzem haben wir eine Funktion für statistische Versuchsplanung (Design of Experiments) veröffentlicht, mit der man Designs über eine Reihe von Parametern hinweg generieren kann. Statt eines festen Wertes sagt man beispielsweise: Ich möchte, dass dieser Wert zwischen 0,5 und 10 getestet wird. Die Software erstellt eine Matrix und generiert automatisch zahlreiche Designs. Die Geschwindigkeit kommt von unserem eigenen impliziten Kernel. Implizite Modellierung stellt ein 3D-Modell durch Felder dar, ähnlich wie bei nTop, und wir führen dort alle Modifikationen durch. Deshalb haben wir auch die Simulation netzfrei gestaltet. Alles läuft fast bis zum Schluss implizit ab. Sobald ein Netz benötigt wird, exportiert man ein Netz oder eine STEP-Datei mit einer Rekonstruktion von Netz zu B-Rep.
Die nächste Funktion ist Design für die Fertigung (DfM). Erzählen Sie uns davon.
Wir bieten heute fünf Hauptverfahren an: AM, CNC-Bearbeitung, Druckguss, Schmieden und Spritzguss. Wir nehmen DfM-Regeln und modifizieren damit die Teile. Das Besondere daran ist, dass die Regeln anpassbar sind. Kunden bringen ihre eigenen internen DfM-Regeln mit und wenden sie auf das Design an. Bei einem Formteil spielen Entformungsschrägen, Hinterschnitte und die Wandstärke eine große Rolle. Die Software gestaltet das Teil automatisch neu, um diese Beschränkungen einzuhalten.
Sie stellen also ein Regelwerk zur Verfügung, das ich bearbeiten kann. Ist das rein algorithmisch oder gibt es auch eine KI-Komponente?
Dieser Teil ist algorithmisch, er basiert auf Regeln.
Wie sieht der Ablauf aus? Erhalte ich zuerst Iterationen aus dem generativen Design und führe dann Design für die Fertigung (DfM) aus?
Ja, es ist sequenziell, in zwei Schritten. Das ist tatsächlich ein gutes Unterscheidungsmerkmal im Vergleich zu einigen bestehenden Tools, die Fertigungsbeschränkungen in den Solver der Topologieoptimierung einbetten und am Ende möglicherweise keine herstellbaren Teile liefern. Wir trennen das, weil man sonst zu viele Beschränkungen auf einmal hat und das System nicht gut konvergiert.
Nehmen wir die CNC-Bearbeitung als Beispiel: Sehr schwierige Designs sind zwar herstellbar, haben aber auch ihren Preis. Wie verhindern Sie, dass das Ergebnis ein teures, übermäßig komplexes Teil wird?
Bei der CNC-Bearbeitung haben wir derzeit nur 3-Achsen-Bearbeitung. Aber Sie haben recht, die CNC-Bearbeitung kann komplex werden. Wir generieren eher prismatische Teile, und man kann Richtungen in X, Y und Z definieren, sodass das Ergebnis besser für die CNC-Bearbeitung geeignet ist. Man wird nicht in das teuerste und komplexeste Teil gedrängt, auch wenn das bei der Bearbeitung möglich wäre. Wir liefern auch Kostenkalkulationen, um diese Entscheidungen zu steuern. Das funktioniert genauso wie DfM und ist vom Kunden konfigurierbar: Löhne, Stundensätze, Maschinenpreise, Material. Die Idee ist nicht, die Kosten auf den Cent genau zu berechnen, sondern zu verstehen, ob die CNC-Bearbeitung wirtschaftlicher ist als ein anderes Verfahren und in welcher Größenordnung der Preisunterschied liegt.
Was ist simulationsbasiertes Design?
Wir führen mechanische und thermische Simulationen durch, um die Teile zu validieren und sicherzustellen, dass sie die Anforderungen erfüllen. Dann nutzen wir die Spannungsdaten, um weiter zu optimieren. Man fügt Material hinzu, wo hohe Spannungen auftreten, und entfernt es, wo geringere Spannungen auftreten. Bei AM kann man Gitter- oder TPMS-Strukturen je nach Spannungsniveau platzieren, Offsets vornehmen oder Rippen hinzufügen. Man kann auch Spannungsdaten aus einem externen Solver wie Ansys, Abaqus oder Nastran importieren. Wir lesen diese Ergebnisse und passen die Geometrie entsprechend an.
Es wird also zu einem Kreislauf.
Genau. Die Idee ist ein Kreislauf zwischen allen diesen Elementen. Sobald man seinen Workflow erstellt hat, kann man ihn auf viele verschiedene Teile anwenden und Parameter oder Randbedingungen ändern, um die Designs zu generieren.
Wenn der Computer schon so viel erledigt, muss der Ingenieur es trotzdem noch verstehen. Werden Ingenieure nach zehn guten Ergebnissen nicht anfangen, der Software blind zu vertrauen?
Die meisten Ingenieure nutzen unsere Software, um so schnell wie möglich zum besten Konzept zu konvergieren und es dann am Ende in einem zertifizierten Tool wie Ansys zu validieren. Ansys kann Stunden oder sogar Tage in Anspruch nehmen. Der Punkt ist also, dass sie darin nicht iterieren, sondern es nur einmal am Ende ausführen, wenn sie bereits das beste theoretische Bauteil gefunden haben.
Was bedeutet die Funktion für wiederverwendbare Workflows auf Ihrer Website?
Während man die Software nutzt, baut man einen Workflow auf, im Grunde eine Methodik oder Konstruktionswissen, das man als Ingenieur versteht. Man verpackt ihn, sendet ihn an ein anderes Team, und dieses nutzt die Inputs und Outputs wieder, um ein ähnliches Ergebnis mit anderen Daten zu erhalten. Man bündelt das Wissen von Fertigungs- und Konstruktionsingenieuren. Das meinte ich damit, die Lücke zwischen ihnen zu schließen, und all dieses Wissen bleibt intern im Unternehmen.
Welche Rolle spielt hier KI?
Wir setzen sie auf verschiedene Arten ein, und zwar nicht so wie andere. Manchmal, um Kosten schneller zu schätzen, manchmal für die Merkmalserkennung, zum Beispiel das Erkennen von Zylindern und Flächen, wenn wir ein Netz zu B-Rep rekonstruieren. Aber am wichtigsten ist, dass wir uns in bestehende LLMs integrieren. Wir haben Integrationen mit Claude und anderen vorgenommen, wir sind da unabhängig. Anstatt die Benutzeroberfläche zu nutzen, kann man in seinem LLM bleiben und sagen: Hier ist der Ordner mit meinen Teilen, optimiere sie für CNC-Bearbeitung, Druckguss und AM, gib mir ein Design of Experiments über verschiedene Materialien, hier sind die Lastfälle in meiner Excel-Tabelle, leg los. Das LLM ist als MCP-Server integriert, hat also den Kontext und kann die Software autonom nutzen, fast so, als würde es den Workflow selbst erstellen.
Sie haben 2021 gegründet. Wie viel KI wäre dabei, wenn Sie 2025 oder 2026 gegründet hätten?
Ähnlich viel, denn unser Standpunkt ist, dass KI ein Wegbereiter (Enabler) ist. Man ersetzt den Menschen nicht, man beschleunigt die Entscheidungsfindung, damit man mehr Designvarianten prüfen kann. Ich glaube nicht, dass Ingenieure ersetzt werden. Man bekommt viel effizientere, kleinere Teams, die mehr produzieren, und das sehen wir bereits. Die Zeiten, in denen jemand ein Experte war, weil er CATIA seit 20 Jahren kannte und wusste, welche Knöpfe er drücken musste, sind vorbei. Ein Ingenieur definiert sich nicht mehr über seine Fähigkeit, eine Software zu bedienen, sondern darüber, wie er aus seinem Wissen und seinen Ergebnissen Entscheidungen trifft.
Mir scheint, je weiter Gründer von der Ingenieurspraxis entfernt sind, desto sicherer sind sie, dass KI autonome Konstruktion übernehmen wird. Gründer mit Ingenieurshintergrund sagen, KI hilft, indem sie die Arbeit der Ingenieure beschleunigt, vor allem durch die Beseitigung mühsamer Abläufe und repetitiver Aufgaben.
Wir stehen auf dieser Seite. Zwei der Gründer sind Maschinenbauingenieure, und wir haben viele Ingenieure, nicht nur in der Konstruktion, sondern auch in der Fertigung. Wir verstehen also die realen Beschränkungen von Maschinen und Produktion. Selbst bei starker Automatisierung braucht man einen Menschen zur Validierung, für die Einhaltung von Vorschriften und um sicherzustellen, dass die Berechnung stimmt, denn KI kann halluzinieren. In einer sehr sensiblen Branche sehe ich nicht, wie die EASA ein KI-Bauteil zulässt, das nie in Ansys oder einem anderen zertifizierten Tool simuliert wurde. Es gibt Unternehmen, die KI-Simulationen durchführen, also Vorhersagen statt tatsächlicher Berechnungen. Das ist großartig, um Varianten zu prüfen und sich der besten anzunähern. Aber ich sehe nicht, dass wir die FE-Berechnung am Ende abschaffen. Es bleibt ein Werkzeug, das validiert werden muss.
Im Dienst von OEMs der Luft- und Raumfahrt, Rüstung und Automobilindustrie
An wen richten Sie sich?
Wir konzentrieren uns auf drei Hauptbranchen: Luft- und Raumfahrt, Rüstung und Automobilindustrie, und wir bedienen große OEMs. Unser größter Kunde heute ist Safran in der Luft- und Raumfahrt. Zwei der Gründer waren in Japan ansässig, daher haben wir enge Verbindungen zu japanischen Kunden, hauptsächlich in der Automobil- und Raumfahrtbranche, während es in Frankreich vor allem um Rüstung und Aeronautik geht. Das Unternehmen hat seinen Sitz in Toulouse, der Heimat von Airbus. Es gibt dort also viele Zulieferer und große Akteure der Luftfahrt.
Wie viele Unternehmen nutzen die Software heute?
Zwischen 60 und 70.
Können Sie ein Beispiel für einen Kunden geben, der dies in der Praxis anwendet?
Ein gutes Beispiel ist Thales Alenia Space. Sie stellen Halterungen für Satelliten her und mussten eine Familie von etwa 80 Halterungen konstruieren, mit verschiedenen Kombinationen, Topologien und Formen. Das alles wurde zuvor manuell gemacht. Mit unserer Software haben sie einen Workflow erstellt, der jede Form optimiert und prüft, ob sie in AM oder per CNC-Bearbeitung besser herstellbar ist und welches Material am besten geeignet ist. Nachdem sie es für eine Halterung getan hatten, automatisierten sie die gesamte Familie, da die Lastfälle ähnlich waren und es parametrisch ist. Man nutzt also die Arbeit am ersten Bauteil wieder. Das funktioniert besonders gut, wenn man eine Familie ähnlicher Bauteile hat oder eine Methodik über mehrere Bauteile hinweg wiederverwenden möchte.
Welche Art von Erfolg ist für Sie am befriedigendsten?
Als Ingenieure lieben wir es, Bauteile zu sehen. Der Zweck von CDS ist es, von der Konstruktion zu einem real gefertigten Teil zu gelangen. Deshalb freuen wir uns sehr, wenn ein Kunde uns Bilder von etwas schickt, das er tatsächlich aus einem Design in unserer Software hergestellt hat. Der ROI liegt in der Effizienz: Der Aufwand sinkt von Hunderten von Stunden auf Dutzende, und manchmal erreichen Kunden eine Leistung, die sie mit ihren bisherigen Tools einfach nicht erzielen konnten.
Bewusst On-Premise
Was kostet Cognitive Design und wie ist Ihr Preismodell?
Es handelt sich um eine SaaS-Lizenz, aber die Software wird lokal (On-Premise) installiert, was ein echter Vorteil ist. Es gibt keine Cloud-Anbindung, sodass die Daten im Unternehmen bleiben. Wir bieten Fest- und Netzwerklizenzen an, und die Preisspanne liegt bei etwa 10.000 bis 20.000 Euro, je nach Lizenz und Modul.
Kam die On-Premise-Anforderung von den Branchen, die Sie bedienen, wie der Luft- und Raumfahrt?
Ja, und es war eine bewusste Entscheidung. Wir könnten es in der Cloud bereitstellen, aber das würde viele unserer Kunden davon abhalten, die Lösung zu nutzen.
Kann ich auch für eingeschränkte Funktionen bezahlen, wie nur generatives Design oder Design für die Fertigung (DfM)?
Ja, wir haben einige Pakete, je nach Modul, aber die meisten Kunden entscheiden sich für das Komplettpaket.
Wie lange dauert die Einrichtung vom Tag der Vertragsunterzeichnung bis zur Nutzung durch den ersten Ingenieur?
In der Regel ein paar Tage. Bei einigen Unternehmen gibt es Einschränkungen bezüglich Cybersicherheit und IT, aber es ist vergleichbar mit der Installation einer Anwendung auf dem Desktop. Wir führen Serverbereitstellungen für größere Kunden mit mehr als einer Lizenz durch und bieten Netzwerklizenzen an, damit mehrere Benutzer gleichzeitig arbeiten können.
Wie viel Support bieten Sie an?
Wir bieten immer Support an. Das Onboarding ist entscheidend, weil es eine neue Art der Konstruktion ist. Die Software ist sehr benutzerfreundlich. Man verbindet Blöcke mit Konnektoren, ähnlich wie bei Grasshopper oder Rhino, wenn man parametrisches Design auf diese Weise gemacht hat. Innerhalb von ein oder zwei Tagen ist man unabhängig, und wir unterstützen die Kunden dabei, die Plattform immer intensiver zu nutzen.
Lässt sich die Lösung in die CAD- und PLM-Tools integrieren, die die Teams bereits nutzen?
Das würden wir sehr gerne. Es ist nicht immer einfach, mit anderen Softwareherstellern zusammenzuarbeiten, da CAD-Unternehmen ihr PLM sehr schützen. Das PLM ist wirklich das Herzstück, wenn man an Dassault Systèmes oder Siemens denkt. Es gibt Lösungen von Unternehmen wie Tech Soft 3D, um Verbindungen zu diesen PLMs herzustellen, und das sehen wir uns an. Wir wollen stärker in den Engineering-Workflow integriert werden, da große Unternehmen Interoperabilität und vor allem Rückverfolgbarkeit mit PLM benötigen.
Wenn ich heute also SolidWorks nutze, exportiere ich eine STEP-Datei, verwende Ihre Software und importiere sie wieder?
Ja, optimieren und am Ende die STEP-Datei wieder in Ihre CAD-Software importieren.
Die nächsten fünf Jahre
Wie wird die Konstruktion in fünf Jahren aussehen?
Immer mehr Ingenieure werden Software nutzen, die sie effizienter macht. Generatives Design wird definitiv bleiben, und physikbasierte KI-Ansätze werden die Suiten ergänzen, die die Leute bereits nutzen, um zu validieren, zu generieren und produktiver zu sein. Heute gibt es nur drei große Suiten: Dassault, Siemens und PTC oder Autodesk, die alles von CAD über CAE bis hin zu PLM, MES und ERP abdecken. Für große Unternehmen wird es schwer sein, sich von diesem Stack zu lösen, also positionieren wir uns daneben. Ich denke auch, dass es zu einer starken Konsolidierung kommen wird, bei der große und mittelständische Akteure mehr Funktionen integrieren. Interessant wird sein, ob ein KI-Unternehmen diesen Schritt macht und mit den Softwareherstellern konkurriert, etwa indem sich Anthropic eines Tages als Engineering-Tool positioniert. Sie sind durch Akquisitionen in viele Branchen vorgedrungen, also könnten sie auch diese Industrien auf die gleiche Weise disruptieren.
Was ist eine Sache, die die Branche in Bezug auf KI unterschätzt, und eine, die sie überschätzt?
Das ist eine knifflige Frage. Ich denke, wir unterschätzen das Tempo, mit dem KI Fortschritte macht. Die älteren Modelle waren wie ein Absolvent mit grundlegenden Physikkenntnissen. Bei neueren Modellen sind die Schlussfolgerungen deutlich tiefgehender und komplexer. Auf der anderen Seite überschätzen wir unsere eigene Fähigkeit, das alles zu verarbeiten. KI bringt ständig neue Dinge hervor, und als Menschen passen wir uns viel langsamer an neue Technologien an, als die Maschinen dazu in der Lage sind, besonders in dieser Branche.
Viele der KI-Unternehmen in diesem Bereich scheinen freundschaftlich miteinander verbunden zu sein und sprechen sogar über Kooperationen, was bei Start-ups nicht immer der Fall ist. Wie optimistisch sind Sie, diese Lösungen zusammenzubringen?
Ehrlich gesagt kennen sich die meisten Gründer von Engineering-Software, also pflegen wir ein freundschaftliches Verhältnis, auch als Konkurrenten. Wir wissen, dass wir nicht alles selbst machen können, und letztendlich wollen wir das Leben der Ingenieure verbessern. Niemand möchte eine Software für CAD, eine andere für PLM, eine weitere für MES und Simulation. Man möchte eine Plattform, die alles bündelt, weshalb wir von Komplementarität sprechen. Und mit KI und LLMs ist Interoperabilität ein viel geringerer Engpass. Ein LLM-Agent verbindet sich über MCP-Server mit vielen verschiedenen Tools. Man muss also sein 3D-Modell nicht zwischen ihnen importieren und exportieren. Das erledigt der Agent für einen. Man könnte sich KI-Unternehmen als Kernstück vorstellen, das sich mit verschiedener Software verbindet, wobei der Agent die mühsame Arbeit erledigt, die wenig Mehrwert bringt.
Gibt es interessante KI-Unternehmen im Bereich Design oder Fertigung, die Sie hervorheben würden?
Einige. Letzte Woche haben wir mit PhysicsX gesprochen. Wir kennen Neural Concept und Synera recht gut. Da ist InfinitiForm, ein Unternehmen, das etwas Ähnliches macht wie wir. Es ist immer noch ganz am Anfang, und es wird spannend sein zu sehen, ob sich einige dieser Start-ups am Ende ergänzen, um mit den großen Playern wie Dassault und Siemens zu konkurrieren.
Related Topics
Efe Erdem Akın
1
Contact VED
2
Comment(0)