Neural Concept nutzt neuronale Netzwerke und Deep Learning, um innovative Design- und Ingenieurprozesse zu gestalten. Von den Anfängen bis hin zu wegweisenden Durchbrüchen hat das Unternehmen die Entwicklung der Technologie vorangetrieben und beeindruckende Anwendungsbereiche in verschiedenen Branchen erschlossen.

Das Unternehmens konzentriert sich darauf, neuronale Netzwerke und Deep Learning einzusetzen, um Design- und Ingenieurprozesse zu optimieren. Deep Learning, als eine Methode des maschinellen Lernens, spielt hierbei eine zentrale Rolle. Pierre Baqué, Mitgründer und CEO, erklärt den Prozess des Deep Learning auf anschauliche Weise: «Stell dir vor, du bist Student und lernst, mathematische Gleichungen zu lösen. Du durchläufst eine Reihe von Schritten, um vom Problem zur Lösung zu gelangen.» Nach wiederholtem Durchführen einer ähnlichen Übung kannst du Abkürzungen nehmen und die Lösung wird wesentlich effizienter. Ähnlich erlernen die neuronalen Netzwerke von Neural Concept, spezifische physikalische Gleichungen für wiederkehrende Problemtypen zu lösen. Ein Beispiel dafür ist, dass einige Automobilhersteller die Aerodynamik von 10’000 verschiedenen Autovarianten pro Jahr simulieren, um aerodynamische Designs zu finden.

Wenn Technologie hilft beim Optimieren und Ideen entwickeln

Ursprüngliche Projekte fokussierten darauf, wie neuronale Netzwerke Ingenieuren dabei helfen könnten, Entwürfe zu entwickeln, die spezifischen Kriterien entsprechen – sei es die Sicherstellung struktureller Integrität, die Reduzierung von Gewicht oder die Bewältigung anderer komplexer Anforderungen.

Ein entscheidender Durchbruch kam mit der Entwicklung von Algorithmen, die es ermöglichten, Entwürfe zu generieren, die spezifische funktionale Anforderungen erfüllen und zugleich ein hohes Mass an Kreativität und Innovation aufweisen. Ab diesem Zeitpunkt wurde die Technologie von Neural Concept nicht mehr nur als Werkzeug für Ingenieure angesehen, sondern auch als treibende Kraft für Ideenfindung und Konzeptualisierung.

Pierre Baqué erkannte schon früh das enorme Potenzial dieser Technologie im Ingenieursbereich: «Bereits 2016, während meiner Promotionszeit an der EPFL, waren wir Teil eines Teams, das an der Entwicklung von 3D-Deep-Learning-Technologien beteiligt war. Ingenieure arbeiten hauptsächlich mit 3D-Daten – wie Geometrie- und Simulationsdateien – und generieren diese in grossen Mengen. Dabei erkannte ich, dass diese Daten mit Technologie kombiniert neue Lösungsansätze für Ingenieure generieren könnten.»

Anwendungsbereiche in der Industrie sind zahlreich

Die Technologie von Neural Concept hat in verschiedenen Industriebereichen, darunter Luft- und Raumfahrt, Automobilbau und Architektur zahlreiche Anwendungsmöglichkeiten gefunden. Von der Gestaltung von Batteriekühlplatten bis hin zu Belüftungssystemen, Federarmen, Beleuchtungssystemen, Elektromotoren und Fahrzeugchassis – die Bandbreite ist beeindruckend. Insbesondere im Automobilsektor wird die Technologie derzeit stark genutzt.

Neben dem Automobilsektor sind weitere Bereiche, in denen die Technologie von Neural Concept eingesetzt wird, beispielsweise die Luft- und Raumfahrt zur Gestaltung von Flugzeugen oder Satelliten, die Unterhaltungselektronik für das Design von Mobiltelefonen oder Headsets sowie der Energiesektor zur Entwicklung effizienter Turbinen für die Energieerzeugung, wie hydraulische Turbinen.

Pierre Baqué betont das zunehmende Interesse des Unternehmens an Kooperationen im medizinischen Sektor, wo Simulationen einen immer grösseren Stellenwert einnehmen. Darüber hinaus strebt er mehr Projekte im Bereich der Energiewende und Dekarbonisierung an, mit potenziellen Partnerschaften mit Herstellern von Windturbinen und Ingenieuren von Kernkraftwerken, um direkte Kohlenstoffabscheidung Systeme zu verbessern. Ein neues, vielversprechendes Gebiet, das an Bedeutung gewinnt, ist auch der Motorsport.

Die Schweiz als Sprungbrett für DeepTech-Unternehmen

Die Schweiz als kleines Land mit nur wenigen Kunden im Automobilsektor zwang Neural Concept von Anfang an zu einer internationalen Ausrichtung. Daher begann das junge Unternehmen frühzeitig mit Kunden in Frankreich, Deutschland, den USA, Korea und Japan zusammenzuarbeiten. Pierre Baqué merkt an: «Ich denke, unsere Entwicklung wäre anders verlaufen, wenn wir in Deutschland oder Frankreich gestartet wären. Das EPFL-Ökosystem ist ebenfalls von unschätzbarem Wert und hat uns mit fantastischen Ingenieuren unterstützt, die sich unserer Mission angeschlossen haben.»

Parallel dazu steht das Teamwachstum als eine der nächsten grossen Herausforderungen bevor. Aktuell zählt das Team rund 40 Mitarbeiter. Ab einer Grösse von 60 bis 80 Teammitgliedern wird es jedoch zunehmend schwierig sein, die ursprüngliche Unternehmenskultur eines Startups aufrechtzuerhalten. Doch mit einem Bewusstsein für diese Herausforderung und der Unterstützung durch Experten von SEF.Growth wird Neural Concept auch diesen Schritt erfolgreich meistern.

Redaktion

Author: Redaktion

Innovation
Startups
Tipps
Geistiges Eigentum
Startup Ökosystem
Female Entrepreneur
Investoren & Fundraising
Interview

Neural Concept nutzt neuronale Netzwerke und Deep Learning, um innovative Design- und Ingenieurprozesse zu gestalten. Von den Anfängen bis hin zu wegweisenden Durchbrüchen hat das Unternehmen die Entwicklung der Technologie vorangetrieben und beeindruckende Anwendungsbereiche in verschiedenen Branchen erschlossen.

Das Unternehmens konzentriert sich darauf, neuronale Netzwerke und Deep Learning einzusetzen, um Design- und Ingenieurprozesse zu optimieren. Deep Learning, als eine Methode des maschinellen Lernens, spielt hierbei eine zentrale Rolle. Pierre Baqué, Mitgründer und CEO, erklärt den Prozess des Deep Learning auf anschauliche Weise: «Stell dir vor, du bist Student und lernst, mathematische Gleichungen zu lösen. Du durchläufst eine Reihe von Schritten, um vom Problem zur Lösung zu gelangen.» Nach wiederholtem Durchführen einer ähnlichen Übung kannst du Abkürzungen nehmen und die Lösung wird wesentlich effizienter. Ähnlich erlernen die neuronalen Netzwerke von Neural Concept, spezifische physikalische Gleichungen für wiederkehrende Problemtypen zu lösen. Ein Beispiel dafür ist, dass einige Automobilhersteller die Aerodynamik von 10’000 verschiedenen Autovarianten pro Jahr simulieren, um aerodynamische Designs zu finden.

Wenn Technologie hilft beim Optimieren und Ideen entwickeln

Ursprüngliche Projekte fokussierten darauf, wie neuronale Netzwerke Ingenieuren dabei helfen könnten, Entwürfe zu entwickeln, die spezifischen Kriterien entsprechen – sei es die Sicherstellung struktureller Integrität, die Reduzierung von Gewicht oder die Bewältigung anderer komplexer Anforderungen.

Ein entscheidender Durchbruch kam mit der Entwicklung von Algorithmen, die es ermöglichten, Entwürfe zu generieren, die spezifische funktionale Anforderungen erfüllen und zugleich ein hohes Mass an Kreativität und Innovation aufweisen. Ab diesem Zeitpunkt wurde die Technologie von Neural Concept nicht mehr nur als Werkzeug für Ingenieure angesehen, sondern auch als treibende Kraft für Ideenfindung und Konzeptualisierung.

Pierre Baqué erkannte schon früh das enorme Potenzial dieser Technologie im Ingenieursbereich: «Bereits 2016, während meiner Promotionszeit an der EPFL, waren wir Teil eines Teams, das an der Entwicklung von 3D-Deep-Learning-Technologien beteiligt war. Ingenieure arbeiten hauptsächlich mit 3D-Daten – wie Geometrie- und Simulationsdateien – und generieren diese in grossen Mengen. Dabei erkannte ich, dass diese Daten mit Technologie kombiniert neue Lösungsansätze für Ingenieure generieren könnten.»

Anwendungsbereiche in der Industrie sind zahlreich

Die Technologie von Neural Concept hat in verschiedenen Industriebereichen, darunter Luft- und Raumfahrt, Automobilbau und Architektur zahlreiche Anwendungsmöglichkeiten gefunden. Von der Gestaltung von Batteriekühlplatten bis hin zu Belüftungssystemen, Federarmen, Beleuchtungssystemen, Elektromotoren und Fahrzeugchassis – die Bandbreite ist beeindruckend. Insbesondere im Automobilsektor wird die Technologie derzeit stark genutzt.

Neben dem Automobilsektor sind weitere Bereiche, in denen die Technologie von Neural Concept eingesetzt wird, beispielsweise die Luft- und Raumfahrt zur Gestaltung von Flugzeugen oder Satelliten, die Unterhaltungselektronik für das Design von Mobiltelefonen oder Headsets sowie der Energiesektor zur Entwicklung effizienter Turbinen für die Energieerzeugung, wie hydraulische Turbinen.

Pierre Baqué betont das zunehmende Interesse des Unternehmens an Kooperationen im medizinischen Sektor, wo Simulationen einen immer grösseren Stellenwert einnehmen. Darüber hinaus strebt er mehr Projekte im Bereich der Energiewende und Dekarbonisierung an, mit potenziellen Partnerschaften mit Herstellern von Windturbinen und Ingenieuren von Kernkraftwerken, um direkte Kohlenstoffabscheidung Systeme zu verbessern. Ein neues, vielversprechendes Gebiet, das an Bedeutung gewinnt, ist auch der Motorsport.

Die Schweiz als Sprungbrett für DeepTech-Unternehmen

Die Schweiz als kleines Land mit nur wenigen Kunden im Automobilsektor zwang Neural Concept von Anfang an zu einer internationalen Ausrichtung. Daher begann das junge Unternehmen frühzeitig mit Kunden in Frankreich, Deutschland, den USA, Korea und Japan zusammenzuarbeiten. Pierre Baqué merkt an: «Ich denke, unsere Entwicklung wäre anders verlaufen, wenn wir in Deutschland oder Frankreich gestartet wären. Das EPFL-Ökosystem ist ebenfalls von unschätzbarem Wert und hat uns mit fantastischen Ingenieuren unterstützt, die sich unserer Mission angeschlossen haben.»

Parallel dazu steht das Teamwachstum als eine der nächsten grossen Herausforderungen bevor. Aktuell zählt das Team rund 40 Mitarbeiter. Ab einer Grösse von 60 bis 80 Teammitgliedern wird es jedoch zunehmend schwierig sein, die ursprüngliche Unternehmenskultur eines Startups aufrechtzuerhalten. Doch mit einem Bewusstsein für diese Herausforderung und der Unterstützung durch Experten von SEF.Growth wird Neural Concept auch diesen Schritt erfolgreich meistern.

Redaktion

Redaktion