TL;DR. SEAT, Teil des Volkswagen-Konzerns, verlagert die Fertigbarkeitsprüfung vom Ende der Rohbau-Entwicklung an den Anfang. Beim CDFAM in Barcelona zeigte das Team eine Gruppe von Agenten in Synera, die die Umformsimulation ausführt, die Fertigbarkeit bewertet und ein strukturiertes Ergebnis liefert. So erhalten Konstrukteurinnen und Konstrukteure eine Antwort bereits in der Designphase statt erst nach dem Werkzeugbau. Erster Benchmark aus der CDFAM-Demonstration: Eine Fertigbarkeitsprüfung, die früher vier Wochen dauerte, läuft jetzt in etwa dreißig Minuten.
Die Fertigbarkeitsfrage kam bei SEAT erst, wenn alle nachgelagerten Entscheidungen längst gefallen waren
Der Rohbau (Body-in-White, BIW) ist die Phase der Fahrzeugfertigung, in der das strukturelle Grundgerüst aus Blechbauteilen zusammengesetzt wird, bevor Motor, Interieur und Außenverkleidung montiert werden. Er ist das Skelett des Fahrzeugs. Die in dieser Phase getroffenen Entscheidungen bestimmen Gewicht, Crashverhalten, passive Sicherheit und Produktionskosten.
Bei SEAT folgte die Rohbau-Entwicklung stets nach dem gleichen Ablauf: zuerst Design, dann Simulation, zuletzt die Fertigungsvalidierung. So floss das Wissen abteilungsübergreifend durch die Organisation, doch die Kosten vervielfachten sich, je später im Zyklus eine Entscheidung fiel.
Das richtige Fachwissen war bei SEAT vorhanden. Es kam nur zum falschen Zeitpunkt zum Einsatz.
SEAT ging von Workflow-Automatisierung zu agentenbasierter KI über, während die Branche noch Pilotprojekte plante
SEAT und Synera begannen im Jahr 2025 mit der Zusammenarbeit im Bereich der Automatisierung von Engineering-Arbeitsabläufen. Die ersten Produktionsergebnisse bestätigten, dass das Potenzial tatsächlich gegeben war:
- Eine Rohbau-Optimierung, die 42 Stunden dauerte, wurde auf 1 Stunde reduziert.
- Eine zweistündige Aufgabe wurde auf 5 Minuten reduziert, und das präziser als zuvor.
- Eine sechsstündige Designoptimierung wurde auf 5 Minuten reduziert.
Diese Zahlen waren schon für sich genommen beeindruckend. Aufbauend auf diesen Erfolgen entschied sich das Engineering-Team von SEAT jedoch, ihrem Fertigbarkeitsprozess ein agentisches KI-System hinzuzufügen, um Geschwindigkeit und Qualität der Entscheidungen zu optimieren.
Wir sprengen die Grenzen. Die Zeitersparnis ist wichtig, aber genauso wichtig sind Präzision und Qualität insgesamt.
Juan de Dios Escribano Felguera, Manager SEA/EK-K1 Body Development & Corrosion Protection, SEAT
SEATs Rohbau-Engineering-Team entschied sich, die Simulation zur Konstruktion zu bringen. Gemeinsam mit Synera bauten sie ein Team von Agenten für die Fertigbarkeitsanalyse von Blechbauteilen. Die ersten Live-Komponentenanalysen wurden bereits im April 2026 im Vorfeld von CDFAM durchgeführt, und das System, das das Potenzial hat, vier Wochen Arbeit auf 30 Minuten zu verkürzen, wird nun im gesamten Rohkarosserie-Programm von SEAT eingeführt.
So funktioniert der Agent zur Überprüfung der Fertigungsmachbarkeit: ein Supervisor und spezialisierte Agenten, die auf bereits von SEAT genutzten Tools aufbauen
Synera ist die offene agentenbasierte KI-Plattform für das Engineering, vernetzt mit jedem Tool in Ihrem F&E-Tech-Stack.
Bei SEAT bedeutete das ein Team von Agenten, das in drei Schichten oberhalb der bestehenden Engineering-Toolchain aufgebaut ist:
- Grundlage: Schnittstellen zu CAD-Software, Altair-Simulationstools und der Materialdatenbank, wodurch das System über dieselben Daten verfügt, mit denen Ingenieure direkt arbeiten.
- Automatisierungsebene: Regelbasierte Engineering-Workflows übernehmen die Umformsimulation, die Geometrieextraktion und die Materialabfrage mithilfe der bewährten Prozesse und geschäftskritischen Tools von SEAT. Jede technische Berechnung läuft deterministisch ab. LLMs interpretieren, delegieren Aufgaben und liefern Berichte.
- Agentenebene: Ein Supervisor-Agent erhält vom Konstrukteur eine Anweisung in Klartext. Spezialisierte Agenten aus den Bereichen Geometrie, Simulation und Kostenkalkulation bewerten die Eingaben, interpretieren sie anhand der SEAT-Engineering-Methodik und leiten Maßnahmen ein. Ein Berichtsagent fasst anschließend das Ergebnis und etwaige markierte Problembereiche in einem strukturierten Bericht zusammen, auf dessen Grundlage der Konstrukteur Maßnahmen ergreifen kann.
Inwiefern vertrauen die Ingenieure den Ergebnissen des agentenbasierten KI-Systems?
Das LLM bewertet nicht, ob das Bauteil fertigbar ist. Das übernimmt die deterministische Umformsimulation. Das LLM interpretiert die Simulationsergebnisse anhand von SEATs Engineering-Methodik und stellt sie dem Konstrukteur in strukturierter Form dar. Jedes Ergebnis lässt sich bis zur zugrunde liegenden Berechnung zurückverfolgen.
Der End-to-End-Ablauf, bei dem der Ingenieur bei jedem Schritt die Kontrolle behält:
- Der Konstrukteur lädt ein Bauteil hoch und stellt dem System eine Frage in natürlicher Sprache.
- Der Supervisor-Agent ruft die Spezialagenten der Reihe nach auf.
- Die Agenten extrahieren die Geometrie, führen die Umformsimulation aus und bewerten die Fertigbarkeit anhand der Materialdatenbank.
- Das System liefert ein Ergebnis, mit markierten Problembereichen.
- Der Ingenieur entscheidet: CAD überarbeiten, erneut einreichen oder Kosten- und CO2-Nachfragen stellen.
Die Aufgabe von SEATs Ingenieurinnen und Ingenieuren ist die fachliche Beurteilung. Die Aufgabe der Agenten ist Koordination und Analyse.
SEAT baute das System auf bereits in der Produktion eingesetzten Automatisierungssystemen auf und behielt das technische Know-how innerhalb von SEAT.
Werkzeugen und der Logik, nach denen SEAT bereits arbeitet. Das agentenbasierte KI-System erfordert nicht, dass die Entwicklungsteams ihre Tools ersetzen oder das System von Grund auf neu einrichten. Es lässt sich nativ mit über 80 CAx- und PLM-Werkzeugen verbinden, läuft sicher innerhalb der bestehenden Infrastruktur und baut auf dem vorhandenen technischen Know-how auf.
Durch eine sichere LLM-Orchestrierung in Verbindung mit der Datenverarbeitung on Premises bleibt das technische Know-how von SEAT innerhalb des Unternehmens. Die Kunden wählen ihre eigene LLM-Infrastruktur, binden ihre eigenen Tools ein und behalten die volle Kontrolle über ihre Daten und die Modellkonfiguration.
Das Wissen eines erfahrenen Simulationsingenieurs, das in einer deterministischen Automatisierung kodiert ist und jedem Konstrukteur im Team ohne den Aufwand einer Anforderungswarteschlange zur Verfügung steht: Der Agent für Fertigungsmachbarkeit von SEAT ist ein Beispiel dafür, wie dies in der Produktion aussieht.
Was sich bei SEAT geändert hat: von Wochen auf Minuten, Klärung der Machbarkeit bereits in der Entwurfsphase, Ingenieure können sich wieder auf wertschöpfendere Aufgaben konzentrieren
Ein Rohbau-Programm kann eine Machbarkeitsprüfung für Dutzende von Blechteilen erfordern. Jedes Teil, das zuvor in eine Simulationswarteschlange aufgenommen wurde, liefert nun innerhalb von etwa dreißig Minuten ein Ergebnis. Über ein gesamtes Programm hinweg lässt sich die Machbarkeitsprüfung, die früher Monate in Anspruch nahm, nun innerhalb weniger Tage abschließen.
Für die bereits produktive Workflow-Automatisierung des Rohbau-Teams sind die zugrunde liegenden Gewinne dokumentiert: 42 Stunden auf 1 Stunde bei einem Prozess, 2 Stunden auf 5 Minuten bei einem anderen (wobei das automatisierte Ergebnis präziser ist als das manuelle).
Über SEAT hinaus: Kürzere Zyklen und knappe Budgets in der europäischen Automobilbranche
Das Fertigbarkeitsproblem endet nicht an SEATs Werkstoren. Jede europäische Automotive-Engineering-Organisation kämpft gegen dieselben zwei Makrofaktoren.
Programmzyklen verkürzen sich. OEMs bewegen sich von 48 bis 60 Monaten hin zu 24 bis 36 Monaten (Microsoft, CES 2026). Gleichzeitig wächst Europas Kostenlücke: Der Draghi-Bericht von 2024 beziffert die strukturelle Kostenlücke zwischen europäischen und chinesischen Fahrzeugherstellern auf etwa 30 %.
Ein Rohkarosserie-Programm kann in diesem Umfeld wochenlange Nacharbeiten nicht auffangen, und selbst wenn man weitere Simulationsingenieure hinzunimmt, werden alle Anfragen weiterhin über dieselbe Spezialisten-Warteschlange geleitet.
Der SEAT-Ansatz ist ein Beispiel dafür, wie Fachwissen skaliert werden kann, ohne dass eine Warteschlange von Spezialisten entsteht.
Drei Erkenntnisse, die andere Automobilentwicklungsteams aus dem Weg von SEAT gewinnen können
Schauen Sie sich an, womit SEAT begonnen hat: CAD-Modelle, eine etablierte Simulations-Toolsuite, eine Materialdatenbank und ein Entwicklungsteam für Rohkarosserien mit fundiertem Fertigungswissen. Die meisten Automobilhersteller und Tier-1-Zulieferer verfügen bereits über dasselbe. Das Gleiche gilt für die meisten Hersteller aus der Luftfahrt- und Verteidigungsindustrie. Die Entscheidung, den Schritt zu wagen, ist es, die den Unterschied ausmacht zwischen einem Programm, das innerhalb von dreißig Minuten eine Machbarkeitsantwort liefert, und einem, das noch immer wochenlang warten muss.
Was SEATs Weg konkret zeigt:
- Dort anfangen, wo Automatisierung bereits bewährt ist. SEAT begann nicht mit einem Team von Agenten. Sie begannen damit, ihre bestehenden Engineering-Prozesse zu automatisieren, brachten mehrere Anwendungsfälle in den Produktivbetrieb und fügten die Agentenebene erst hinzu, als die zugrunde liegenden Prozesse als verlässlich galten. Regelbasierte Workflows halten die technischen Berechnungen deterministisch. Die Agentenebene koordiniert, bewertet, interpretiert und handelt. Der Ingenieur gibt frei.
- Die Warteschlange durchbrechen, die die gesamte Abfolge blockiert. Die Fertigbarkeitsprüfung lief über eine Warteschlange von Spezialisten, weil dort das Fachwissen saß. Dieses Fachwissen dem Konstrukteur über das agentenbasierte System zugänglich zu machen, verändert die Struktur des gesamten Programms.
- Den Ingenieur in Kontrolle lassen. Das System entscheidet nicht für den Konstrukteur. Es führt die Analyse durch, markiert die Probleme und liefert ein Ergebnis, auf dessen Basis der Ingenieur handeln kann: CAD überarbeiten, erneut einreichen oder eine Kosten- oder CO2-Nachfrage stellen. Die Aufgabe von SEATs Ingenieurinnen und Ingenieuren ist die fachliche Beurteilung. Die Aufgabe der Agenten ist Koordination und Analyse.
Die Entwicklungsteams, denen es am frühesten gelingt, die Lücke zwischen der Konstruktionsvorgabe und der Fertigungsrealität zu schließen, sind diejenigen, die das Programm als Erste abschließen.
Fangen Sie dort an, wo SEAT angefangen hat
Drei Wege, um hier den nächsten Schritt zu gehen:
- Sehen Sie sich eine 7-minütige On-Demand-Demo an, in der agentische KI für den Ingenieurbereich in Aktion gezeigt wird.
- Lesen Sie, wie SEAT mit Synera ein agentenbasiertes System aufbaut – die ausführliche Kundenreportage mit detaillierten Informationen zur Grundlage der Workflow-Automatisierung, zum Implementierungspfad und zu den Ergebnissen.
- Nutzen Sie das Synera Value Assessment, um den wertvollsten Engineering-Prozess für den Einstieg in Ihrer Organisation zu identifizieren. Das Synera Value Assessment ordnet Ihren wertvollsten Engineering-Prozess einem Workflow zu, der sich in Wochen umsetzen lässt.
Möchten Sie sehen, wie das System funktioniert? Juan de Dios Escribano Felguera erläutert gemeinsam mit Tilman von Synera in der vollständigen CDFAM-Präsentation die SEAT-Implementierung. Vorgestellt auf dem CDFAM Computational Design Symposium in Barcelona im April 2026. Die Aufzeichnung ist auf YouTube verfügbar.
