Agentenbasierte KI verändert bereits die Geschwindigkeit der Produktentwicklung. Aktuell arbeiten die meisten Forschungs- und Entwicklungsorganisationen noch daran, die Lücke zwischen den heutigen Fähigkeiten von KI und Agenten und den alltäglichen Aufgaben ihrer Teams zu schließen. Rescale Frühjahrsausstellung 2026 ist hier, um diese Lücke zu schließen, indem es auf einer umfassenden digitalen Engineering-Plattform mit neuen Funktionen aufbaut, die für die Zusammenarbeit mit den Simulations-Workflows entwickelt wurden, auf die sich Engineering-Teams bereits verlassen.

In diesem Blogbeitrag stellen wir die drei neuen Funktionsbereiche vor, die ab sofort auf der Rescale-Plattform verfügbar sind:

• Agentic Digital Engineering – Simulationsnative vorkonfigurierte Agenten automatisieren manuelle Aufgaben wie Konfiguration, Fehlerbehebung und Berichtserstellung und behalten gleichzeitig die Kontrolle der Ingenieure.
• KI-Physik – Ein umfassendes KI-Physik-Betriebssystem wandelt fragmentierte Simulationsdaten in KI-fähige Datensätze, validierte Ersatzmodelle und produktionsreife Schlussfolgerungen um.
• Wirtschaftswissenschaften berechnen – Kosten- und Produktivitätskontrollen helfen Ingenieur- und IT-Teams, die Geschwindigkeit von Forschung und Entwicklung zu erhöhen, die Kosten zu kontrollieren und die Infrastrukturnutzung im großen Maßstab zu optimieren.

Agentisches digitales Engineering: Agentenbeschleunigte Innovation

Der größte Produktivitätsverlust in simulationsgetriebenen Entwicklungsorganisationen entsteht durch die damit verbundenen manuellen, sich wiederholenden Arbeiten: die Validierung der Eingaben vor Beginn eines Simulationslaufs, die Diagnose von Fehlern nach dessen Beendigung, die Zusammenstellung der Ergebnisse in Berichten und die Konfiguration der nächsten Iteration.

KI-Engineering ändert das. Mit Rescales Showcase im Frühjahr 2026 können F&E-Teams nun simulationsnative Agenten über den gesamten Produktentwicklungszyklus hinweg einsetzen und dabei bei jeder wichtigen Entscheidung menschliche Eingriffe einbeziehen.

Wie Agentic Engineering in der Praxis aussieht:

• Vorgefertigte Agenten für alltägliche Simulationsaufgaben – Ingenieure können auf die wachsende Bibliothek von Rescale mit speziell entwickelten Agenten für die Eingabedateivalidierung, die Diagnose von Jobfehlern, die solverspezifische Fehlerbehebung, die Hardwarekonfiguration und das Benchmarking, die automatisierte Berichtserstellung und vieles mehr zugreifen.
• Arbeitsabläufe mit eingebetteten Agenten – Simulationsmanager können bewährte Verfahren in kontrollierte, mehrstufige Arbeitsabläufe integrieren. Agentenknoten laufen automatisch im Kontext, leiten Ausgaben an nachgelagerte Schritte weiter und informieren die Ingenieure an definierten Kontrollpunkten, anstatt dass eine kontinuierliche, aktive Überwachung erforderlich ist.
• Sicherheit und kontrollierte Steuerung sind in die Plattform integriert – Rescale-Agenten arbeiten mit explizit definierten Autonomiestufen – von Beobachten und Empfehlen bis hin zum Handeln innerhalb festgelegter Richtlinien – und ermöglichen es Teams, die Automatisierung schrittweise auszubauen. Die Ausführung ist direkt an bestehende Zugriffskontrollen und Organisationsrichtlinien angebunden.

Die Ergebnisse dieser Plattformverbesserungen können für Forschungs- und Entwicklungsteams sowie Ingenieure unmittelbare, grundlegende Veränderungen mit sich bringen. Ingenieure können mehr Designkandidaten pro Zyklus bewerten, da Agenten die komplexe (und oft mühsame) Einrichtung, Ausführung und Auswertung der Ergebnisse übernehmen. Simulationsfehler werden durch automatisierte Validierungsabläufe eliminiert. Verschwendete Rechenzeit aufgrund unerkannter Jobfehler wird durch die agentenbasierte Fehlerbehebung reduziert, die Probleme proaktiv aufdeckt.

Daikin Industries, einer der weltweit größten und innovativsten Hersteller von HLK- und Industrieanlagen, baut auf der Rescale-Plattform ein KI-basiertes Forschungs- und Entwicklungsökosystem auf. Nach der Bereitstellung von Rescale für die Cloud Computergestütztes Engineering (CAE) Durch den Einsatz von Datenintelligenz an allen F&E-Standorten konnte Daikin den Aufwand für die manuelle Verwaltung von Simulationsdaten deutlich reduzieren und strebt nun nach umfassenderen agentenbasierten digitalen Engineering-Fähigkeiten in seiner globalen F&E-Organisation. 

„Daikin hat eine klare Vision davon, wie KI-gestützte Ingenieurskunst in unserer globalen Forschungs- und Entwicklungsorganisation aussehen soll. Besonders begeistert uns, wie direkt die neuen Fähigkeiten von Rescale mit unserer Vision für die Zukunft der industriellen Fertigung übereinstimmen. Wir verzeichnen bereits heute Produktivitätssteigerungen und verfügen über eine Roadmap für zukünftige Funktionen, die unseren ambitionierten Zielen entspricht“, so Satoru Takanezawa, Senior Engineer und Gruppenleiter der Digital Engineering Group im Technologie- und Innovationszentrum von Daikin Industries.

McLaren Automotive, deren Partnerschaft mit Rescale angekündigt auf der GTC 2026ist ein frühes Beispiel dafür, wie dies im großen Maßstab aussieht. Auf einer Plattform, die ausschließlich mit McLarens eigenen Konstruktionsdaten trainiert wurde und von der NVIDIA-Infrastruktur unterstützt wird, können McLarens Ingenieure nun Tausende von Designiterationen innerhalb weniger Stunden in verschiedenen physikalischen Bereichen auswerten, wobei agentenbasierte Arbeitsabläufe die Produktivität der Experten um das Dreifache steigern.

KI-Physik: Ein vollständiges Betriebssystem für Ersatzmodellierung

Ersatzmodellierung Neuronale Netze, reduzierte Modelle und Machine-Learning-Beschleuniger sind seit Jahren fester Bestandteil der Entwicklungsstrategie. Ihre Konzepte sind gut verstanden, daher liegt die Herausforderung heute nicht mehr im Verständnis der Technologien selbst. Vielmehr geht es darum, eine praktische und skalierbare Methode zu finden, um Rohdaten aus Simulationen in produktionsreife Modelle umzuwandeln, die von Entwicklungsteams genutzt und geschätzt werden.

Neu skalieren KI-Physik Das Betriebssystem (OS) löst die gesamte Pipeline in einer integrierten Umgebung:

• Daten, die in einer einzigen geführten Umgebung modelliert werden sollen – Das KI-Physik-Betriebssystem verbindet Simulationsdatenmanagement, Modelltraining, Versionierung und Bereitstellung, ohne dass Ingenieure separate Tools zusammenfügen oder dedizierte Data-Science-Teams einbeziehen müssen.
• Produktionsreife Modellarchitekturen – Ingenieure erhalten ohne Programmierung Zugriff auf führende Architekturen, darunter NVIDIA PhysicsNeMo und Multistream-Transformatoren, die die Anwendung KI-beschleunigter Methoden ohne tiefgreifende Expertise im Bereich maschinelles Lernen ermöglichen.
• Schlussfolgerungen in den Werkzeugen, die Ingenieure bereits verwenden – Die Inferenz von Ersatzmodellen läuft direkt in Autodesk Alias ​​und Blender, sodass Designteams Tausende von Designvarianten in ihrer gewohnten Umgebung auswerten und die Iteration von Tagen oder Wochen auf nahezu Echtzeit verkürzen können.
• Offene, flexible Architektur – Teams können Open-Source- oder kundenspezifische Frameworks verwenden und KI-Physik-Tools von Drittanbietern einbetten, ohne an einen bestimmten Anbieter gebunden zu sein, und die Tools im Zuge der Weiterentwicklung der Landschaft austauschen.

Der Engpass bei der Datenaufbereitung wird direkt durch einen Copiloten angegangen, der die Ingenieure bei der Umwandlung ihrer eigenen historischen Simulationsdaten aus ihrer CAE-Umgebung in einen trainingsbereiten Datensatz unterstützt und so die Lücke zwischen agentenbasierter digitaler Entwicklung und KI-Physik ohne kundenspezifische Skripterstellung oder Datenaufbereitungsarbeit schließt.

Kunden, die KI-Physik einsetzen, berichten von messbaren Verbesserungen über den gesamten Produktentwicklungszyklus hinweg:

• 4x mehr Designkandidaten pro Entwicklungszyklus bewertet
• 30x Verbesserung der Kosteneffizienz
• 60% schnellere Produktentwicklung

Compute Economics: Intelligenter ausgeben, bessere Leistung

Cloud-HPC ermöglicht Entwicklungsteams den Zugriff auf enorme Rechenkapazitäten. Ohne geeignete Kontrollmechanismen kann diese Skalierbarkeit jedoch zu hohen Kosten, schwankendem Durchsatz und Schwierigkeiten bei der Hardwareauswahl führen, wodurch wertvolle Entwicklungszeit für strategische Aufgaben verloren geht. Da Ressourcen- und Rechenentscheidungen zunehmend autonom getroffen werden, verstärken sich diese Herausforderungen. Daher sind automatisierte, regelbasierte Kontrollmechanismen und Echtzeit-Transparenz unerlässlich, um die Kosteneffizienz von KI-Initiativen sicherzustellen.

Die Rechenökonomiefunktionen von Rescale führen eine neue Ebene der Intelligenz und aktiven Steuerung ein:

• Geschwindigkeit versus Kostenkontrolle – Einzigartige unternehmensweite Steuerungsmöglichkeiten, die es Führungskräften aus den Bereichen Engineering und IT ermöglichen, Kosteneinsparungen und die Verfügbarkeit von Rechenressourcen flexibel abzuwägen. Führungskräfte können die Auslastung überwachen und transparente, kontinuierliche Abwägungen vornehmen, um die Programmziele ohne manuelle Konfiguration oder zusätzlichen Engineering-Aufwand zu erreichen.
• Coretype-Kollektionen – Sorgfältig zusammengestellte Hardware-Gruppen bieten eine gleichwertige oder bessere Leistung als Einzelkernsysteme. Die Plattform kann Ressourcen-Upgrades wie mehr Arbeitsspeicher, Speicherplatz oder Netzwerkbandbreite automatisch und ohne zusätzliche Rechenkosten bereitstellen und entlastet so die Entwicklungsteams von Hardware-Benchmarking.

Die Bereitstellung von HPC in der Cloud bietet Unternehmen die benötigte Skalierbarkeit. Diese Funktionen ergänzen die wirtschaftliche Kontrollebene, die diese Skalierung sowohl kosteneffizient als auch leistungsstark auf Unternehmens- und Projektebene macht.

Kontinuierliche Innovation auf der gesamten Plattform

Über agentenbasierte KI und Computerökonomie hinaus beinhaltet die Veröffentlichung im Frühjahr 2026 bedeutende Fortschritte in einem breiteren Spektrum. Rescale-Plattform.

Datenstruktur für vernetzten digitalen Faden Erweitert die Datenschicht von Rescale, um technisches Wissen über verschiedene Systeme hinweg zu erfassen, zu verknüpfen und zu aktivieren. Eine wachsende Bibliothek von Konnektoren unterstützt Plattformen wie Microsoft SharePoint, AWS S3, Azurblauer Klecksund vieles mehr.

Workflow-Builder für fortgeschrittene Modellierung und Simulation Bietet Simulationsmanagern eine Drag-and-Drop-Oberfläche, um validierte Prozesse in kontrollierte, wiederholbare Vorlagen zu kodieren, mit strukturierter Datenübergabe zwischen den Schritten und einer geführten Ausführungserfahrung für die Teammitglieder, die diese ausführen.

Diese Fähigkeiten verstärken sich gegenseitig: Data Fabric speist die Intelligenzschicht, die Agenten und KI-Physik neu skalieren Die Modelle greifen auf verschiedene Strukturen zurück; der Workflow Builder strukturiert die Prozesse, in denen sie ausgeführt werden.

Entwickelt für das KI-zentrierte Zeitalter

Die Veröffentlichung von Rescale im Frühjahr 2026 spiegelt wider, wie weit Rescales Plattform Die Vision ist Realität geworden. Organisationen, die Simulationswissen systematisch erfassen, strukturieren und nutzen können, werden schneller agieren, iterativer vorgehen und wettbewerbsfähiger sein. Die digitale Engineering-Plattform von Rescale bietet einen praktischen, produktionsreifen Weg dorthin und ermöglicht sofortige Workflow-Verbesserungen vom ersten Tag an.

Um agentenbasierte digitale Technik, KI-Physik und Computerökonomie in Aktion zu sehen, besuchen Sie die Landingpage der Frühjahrsausstellung 2026, oder fordere eine Demo anOder wenden Sie sich an Ihr Rescale-Kundenbetreuungsteam.