Bitten Sie ein generatives KI-System, eine Tasse für den 3D-Druck zu entwerfen, und Sie werden wahrscheinlich eine hübsche Tasse erhalten, die Ihren Kaffee nicht fassen kann. Forscher am Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT haben in Zusammenarbeit mit Google und der Northeastern University ein Tool entwickelt, um genau das zu beheben: InstructMesh, ein Designsystem, mit dem jeder – Experte oder Anfänger – KI-generierte 3D-Modelle reparieren und so herstellen kann, wie er es eigentlich beabsichtigt hatte, so MIT News.

Das Problem, auf das InstructMesh abzielt, ist von grundlegender Bedeutung für die Funktionsweise heutiger generativer Modelle. KI-Systeme verstehen, wie ein Objekt aussehen sollte, aber nicht, wie es funktioniert, was zu unpraktischen Designs führt, die den beabsichtigten Verwendungszweck eines Artikels untergraben. Und selbst wenn Benutzer den Fehler entdecken, sind 3D-Modelle in der Regel schwer zu bearbeiten, insbesondere für Leute, die neu im 3D-Design sind. InstructMesh, angekündigt von MIT News am 1. Oktober 2026, ist eine KI-gesteuerte Schnittstelle, die sowohl verstehen soll, wie Designs aussehen sollten als auch, welche Änderungen Benutzer vornehmen möchten, und so die Lücke zwischen dem, was Sie auffordern, und dem, was Sie drucken, schließt. Für Teams, die die [neuesten KI-Entwicklungen] (https://aibuzzwire.news) verfolgen, ist dies ein seltenes Beispiel dafür, dass generative KI verwendet wird, um die eigenen Fehler der generativen KI zu überwachen.

So funktioniert InstructMesh

InstructMesh kombiniert das TRELLIS-System von Microsoft, das 3D-Modelle aus Text- und Bildaufforderungen generiert, mit GPT-4, dem großen Sprachmodell hinter ChatGPT – und kombiniert so visuelles und textuelles Wissen in einem einzigen Workflow. Ein Benutzer kann das System veranlassen, einen 3D-Entwurf beispielsweise für eine Brille zu erstellen und dann bestimmte Teile des Entwurfs hervorzuheben, die er vor dem Drucken verfeinern möchte.

„Wir wollten die Talente von 3D-Generatoren und die Denkfähigkeiten von LLMs in einem interaktiven Raum vereinen, um Objekte zu schaffen, die die Menschen tatsächlich wollen“, sagte Faraz Faruqi, Hauptautor des Artikels zur Vorstellung des Projekts, ein frischgebackener MIT EECS-Absolvent und CSAIL-Partner, der jetzt bei Google arbeitet.

Die Manipulation erfolgt im latenten Raum des generativen Modells: Benutzer beschreiben Probleme in natürlicher Sprache und InstructMesh erzeugt interpretative Änderungen an der Geometrie, die der Benutzer bewerten und genehmigen kann. Schieberegler erhöhen die Präzision bei Optimierungen wie dem Vergrößern oder Extrudieren eines bestimmten Teils des Modells. Das Ergebnis, so Faruqi, sei, dass „das, was sie sahen, das war, was sie bekamen, und dass die Artikel wie beworben funktionierten.“

Die Zahlen hinter der Demo

Das Team unterzog das Tool einem strukturierten Test. Sie ließen TRELLIS beliebte 3D-Modelle von Thingiverse, einer Plattform mit Millionen druckbarer Designs, nachbilden und stellten fest, dass fast 80 Prozent der generierten Modelle in irgendeiner Weise strukturelle Mängel aufwiesen. CSAIL-Forscher baten dann Neulinge, diese Probleme mithilfe von InstructMesh zu identifizieren und zu beheben – und den Neulingen gelang beides, wie ein Experte bestätigte, in etwa 90 Prozent der Fälle.

Diese Erfolgsquote ist wichtig, weil sie darauf hindeutet, dass die Fähigkeit, die InstructMesh bietet, in der Beurteilung der Funktion liegt und nicht in jahrelanger CAD-Schulung. „Was diesen Neuankömmlingen an Fachwissen fehlte, machten sie durch Intuition wett“, wie es MIT News ausdrückte.

Die Vorführstücke zeigen das Sortiment. InstructMesh holte einen Becher hervor, der von einem Drachen umhüllt war und dessen Schwanz den Henkel bildete. eine glänzende blaue Pfeife in Form einer Muschel; Brillen mit Schmetterlingsflügeln, die sich über den Gläsern ausbreiten; und ein oktopusartiger Getränkespender, dessen Tentakel jeweils in einen separaten Becher fließen. MIT-Wissenschaftler haben mit diesem Werkzeug eine Kniestütze im Denim-Look hergestellt, die zu den Jeans eines Patienten passt, und einen farbenfrohen, garnelenförmigen „Borstenbot“ – ein Robotergehäuse, in dem sich ein Motor verbirgt, der das Gerät wie ein aufziehbares Spielzeug über Oberflächen treibt.

Warum es wichtig ist

Generative KI hat bereits Texte, Bilder und Code verändert, aber die physische Fertigung bleibt ein hartnäckiges Hindernis. Das Forschungsteam begründet das Problem mit einem alten Softwareprinzip: „Was Sie sehen, ist was Sie bekommen“ – Programme, bei denen der Inhalt, den Sie bearbeiten, genauso aussieht wie das Endprodukt. Generative 3D-Tools brechen dieses Versprechen regelmäßig, da das Modell, das sich einen Becher vorstellt, keine interne Überprüfung der Wandstärke, der Griffstärke oder der Frage hat, ob der Innenraum überhaupt Flüssigkeit aufnehmen kann. Die Lücke zwischen einem plausibel aussehenden Netz und einem Objekt, das den Kontakt mit der realen Welt übersteht, ist der Punkt, an dem die meisten 3D-Druckambitionen der Verbraucher scheitern.

Indem InstructMesh die Reparatur interaktiv und sprachgesteuert macht, geht es das letzte Problem der KI-gestützten Herstellung an. Das System bildet das Gerüst eines Modellierungsprozesses, der zuvor umfassende Fachkenntnisse in professionellen 3D-Tools erforderte, und ersetzt Menüs und Modifikatoren durch Beschreibungen der Fehler in natürlicher Sprache und Schieberegler für Feineinstellungen. Für die Verwirklichung der Entwürfe ist kein Experte mehr erforderlich, und die Expertenbewertung in der MIT-Studie legt nahe, dass die Korrekturen nicht kosmetischer Natur sind – Objekte, die durch unerfahrene Hände gingen, erwiesen sich als funktionsfähig.

Die Forschung hat auch einen kommerziellen Hintergrund. Faruqi, jetzt bei Google, könnte InstructMesh in eine Augmented-Reality-Plattform integrieren – die Vision besteht darin, dass Sie im Kontext Ihrer Umgebung erklären, was Sie brauchen, und das System es schnell in 3D druckt, wie eine Handyhülle, die zu Ihrem Geldbeutel passt.

Für die 3D-Druckindustrie ist das provokativere Ergebnis der Studie die Fehlerquote von 80 Prozent in KI-generierten Modellen eines führenden generativen Systems. Da Text-zu-3D-Tools auf dem Weg zu Verbraucherprodukten sind, argumentiert InstructMesh, dass Generierung allein nicht ausreicht – Verifizierung und Reparatur müssen in einem Paket erfolgen.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →