EMERYVILLE / LONDON (IT BOLTWISE) – Ein Startup namens Atomic Machines will aus Computer-Code physische Bauteile erzeugen: den sogenannten „matter compiler“. Der erste greifbare Ausfluss ist ein ultraschneller Schalter für Rechenzentrums-Stromnetze, der klein genug für den Zeigefinger ist. Der Ansatz soll Schritt für Schritt von der Planung durch Ingenieure zur weitgehend selbstständigen Fertigung führen. Damit verschiebt sich KI von der Design-Software hin zur Produktion im Prozess.
Im Maschinenraum der Rechenzentren entscheidet sich Effizienz oft an Details, die im Betrieb kaum jemand sieht: Schaltvorgänge, Schutzmechanismen und die Frage, wie schnell ein System auf einen Leistungssprung reagieren kann. Der Einstiegspunkt für Atomic Machines ist ein Problem, das aus der Praxis kommt: Schaltungen, die gefährliche Power-Surges erkennen und dann den Stromfluss unterbrechen sollen, sind in der Realität immer ein Kompromiss. Laut Darstellung aus der Quelle mussten Dr. Mauger und sein Umfeld zwischen einer mechanischen Lösung abwägen, die zwar robust ist, aber deutlich zu langsam schaltet, und einer auf Silizium basierenden Variante, die zwar sehr schnell ist, dafür aber enorme Energiemengen verschwendet und dabei viel Wärme erzeugt.
Genau an dieser Stelle beginnt die Idee, die der Technologie-Ansatz so sichtbar macht: Atomic Machines setzt auf KI, um Fertigungswege zu finden, die mit klassischem Engineering entweder schwer oder nur mit viel iterativem Handarbeit-Aufwand erreichbar sind. Die Firma bezeichnet ihr System als „matter compiler“ – als Gegenstück zu einem Software-Compiler, der aus Code eine lauffähige Anwendung macht. Der „matter compiler“ soll dagegen „physical output“ liefern: Er nimmt eine digitale Blaupause für ein Gerät und führt daraus eine Kette aus automatisierten Fertigungs- und Testschritten aus. Der erste Demonstrator ist ein neuartiger elektrischer Schalter, der schnell, effizient und so klein ist, dass er an der Fingerspitze sitzt – ein Design, das gleichzeitig die Grenzen sowohl mechanischer als auch rein silikonbasierter Ansätze adressieren will.
Technisch ist der Kern eng mit einem Feld verknüpft, das man häufig als MEMS kennt: Microelectromechanical Systems, also mikromechanische und elektrische Komponenten, die aus Halbleiterfertigung und Mikrostrukturierung hervorgehen. Solche Bauteile stecken etwa in winzigen Gyroskopen von Smartphones oder in Mikrofonen von Hörgeräten. Klassisch werden MEMS ähnlich wie Chips produziert, typischerweise über Photolithografie, bei der mikroskopische Strukturen in Silizium und andere Halbleitermaterialien geätzt werden. Die Schwierigkeit: Semikondutoren und die damit verbundenen Materialeigenschaften setzen Grenzen, insbesondere wenn es um die Kombination aus Leitfähigkeit, Schaltgeschwindigkeit und Verlustleistung geht. Die Quelle beschreibt deshalb einen Ansatz, der KI dafür nutzt, aus vielen Experimenten Muster zu lernen, wie sich Materialien und Prozessschritte kombinieren lassen, sodass am Ende ein funktionsfähiges Bauteil entsteht.
Der Weg vom Lernsignal zur realen Hardware erfolgt dabei nicht als „magische“ End-to-End-Suche in einem einzigen Schritt, sondern als Konstruktions- und Prozesskette. Laut Beschreibung analysiert das System Tausende von Versuchen mit Standard-Materialien und versucht, daraus die Bauregeln abzuleiten, die zu einem stabilen Design führen. Zu den beschriebenen Experimentvarianten gehören das Mischen verschiedener Materialien, das Erhitzen über einen Temperaturbereich, das Zusammenbauen in unterschiedlichen Kombinationen sowie das Testen des Verhaltens jeder Konfiguration. Danach liefert die KI zunächst eine Blueprint, die anschließend in eine Reihe von 13 automatisierten Fertigungsmaschinen eingespeist wird, um einzelne Komponenten zu bauen und zu prüfen. Noch fehlt offenbar der vollständige Griff des Systems über die gesamte Montage: Elektrische Ingenieure wie Eric Meshot unterstützen dabei, indem sie Komponenten von Maschine zu Maschine bewegen und die Einzelteile zu einem finalen Gerät zusammensetzen.
Gerade diese Mischung aus Automatisierung und menschlicher „letzter Meile“ ist strategisch wichtig, denn sie zeigt, wo der Unterschied zwischen KI-gestütztem Design und KI-gestützter Fertigung heute liegt. Die Quelle stellt das als seltenen, aber äußerst schwierigen Versuch dar, Manufacturing ähnlich zu modernisieren, wie KI bereits Design-Prozesse beschleunigt. Ein Beispiel für die Argumentationslinie liefert Eugene Chow vom Lawrence Livermore National Laboratory: Er verweist auf einen starken Anstieg KI-getriebener Design-Initiativen, betont aber, dass die Realisierung in Hardware noch „primitiv“ sei. Für die Branche heißt das: Wer KI wirklich in Produkte überführen will, muss nicht nur Modelle trainieren, sondern auch die physische Rückkopplung aus Testdaten, Prozessparametern und Materialverhalten in einen wiederholbaren Ablauf bringen.
Als Zielbild zeichnet die Quelle ungewöhnlich kleine Mechanik, angelehnt an mikrorobotische Systeme. Jeff Holden, Gründer von Atomic Machines und zuvor in einem selbstfahrenden Projekt bei Uber eingebunden, skizziert „unusually small gears and motors“, die zusammen mit einem Konzept namens „microrobots“ Einsatzfelder eröffnen sollen. Dazu zählt in der Darstellung auch die Medizin: Von der Unterstützung bei chirurgischen Anwendungen bis zu einem Gerät, das medizinische Tests „instant“ mit nur wenigen Tropfen Blut durchführen könnte. Gleichzeitig wird dabei ein früherer Hype aus der Biotech-Welt erwähnt: Wie aus Berichten hervorgeht, wurde Elizabeth Holmes und ihrem Unternehmen Theranos im Zuge eines Skandals stark misstraut; die Quelle ordnet an, dass ein solches Testgerät eine andere Art Manufacturing-Technologie verlangen würde. Das zeigt, wie sensibel die Übertragung von KI-Hoffnungen auf produktionsnahe Medizin bleibt.
Für Unternehmen ergibt sich daraus vor allem eine Lehre: KI-Innovation allein reicht nicht, wenn die Schnittstelle zur Fertigung nicht belastbar gemacht wird. Atomic Machines versucht genau diese Schnittstelle zu schließen, indem sie den „matter compiler“ als Prozesssystem versteht, das Blueprint und physisches Ergebnis koppelt. Für Betreiber von Rechenzentren wäre das konkret relevant, weil neue Schalterdesigns helfen können, Verlustleistung und Wärmeentwicklung zu senken – Faktoren, die im Hochlastbetrieb direkt auf Effizienzkennzahlen einzahlen. Gleichzeitig verschiebt sich der Wettbewerb: Nicht nur Plattformen für Software-Design, sondern auch Systemhäuser für automatisierte Mikrofertigung könnten künftig stärker wachsen. Wenn das Startup es schafft, die derzeit noch notwendige Unterstützung durch Ingenieure weiter zurückzufahren, steigt der Hebel von KI deutlich – und der Weg von der Idee zum gefertigten Bauteil könnte spürbar schneller werden.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "„Matter Compiler“: KI baut Mikrobauteile statt nur Software" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "„Matter Compiler“: KI baut Mikrobauteile statt nur Software" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »„Matter Compiler“: KI baut Mikrobauteile statt nur Software« bei Google Deutschland suchen, bei Bing oder Google News!