Dassault Systèmes introduceert op zijn gebruikersconferentie in Houston een nieuwe generatie AI die niet alleen taal, maar ook fysica en engineering begrijpt. Het Franse softwarebedrijf kondigt drie ‘virtual companions’ aan die engineers ondersteunen bij ontwerpkeuzes, en intensiveert daarvoor zijn 25-jarige samenwerking met NVIDIA. De verschuiving naar wat het bedrijf de generatieve economie noemt, heeft verstrekkende gevolgen voor IT-architectuur en datagovernance.
De maakindustrie maakt een fundamentele verschuiving door. Wie het product maakt wordt minder belangrijk dan wie weet hóe je het maakt. “In de vorige eeuw draaide de industrie om produceren van objecten,” legt CEO Pascal Daloz uit. “Nu produceert de industrie kennis en knowhow die de objecten genereren.” Die kennis, – vastgelegd in CAD-modellen, simulaties en productieprocessen – wordt daarmee de echte waarde. En de virtuele wereld waarin die kennis leeft, bepaalt wat er fysiek gebouwd wordt.
AI die fysica begrijpt
De AI die Dassault inzet is van een andere orde dan wat we gewend zijn. Waar ChatGPT en vergelijkbare tools uitblinken in taal, bouwt Dassault wat het Industry World Models noemt: AI die begrijpt hoe de fysieke wereld werkt. Voor de rekenkracht achter deze Industry World Models werkt Dassault nauw samen met NVIDIA. “De echte wereld bestaat niet uit tekst en afbeeldingen,” stelt Daloz. “Het bestaat uit fysica, materialen, energie en beperkingen. In de digitale wereld zien veel dingen er geweldig uit, maar in de fysieke wereld moeten ze werken.”
Het verschil zit hem in de fundering. Large Language Models leren van patronen in tekst en kunnen indrukwekkende verhalen schrijven. Maar ze ontwerpen geen vliegtuigen die daadwerkelijk vliegen. NVIDIA-CEO Jensen Huang legt uit: “Een world model moet de wetten van de fysica gehoorzamen en causaliteit begrijpen. Als je een dominosteen omgooit, weet je dat de meeste die ermee verbonden zijn ook zullen vallen. Het moet inertie, wrijving en zwaartekracht begrijpen.”
Die grondslag in fysica is cruciaal voor sectoren waar fouten levens kosten. Een vliegtuigonderdeel moet niet met grote waarschijnlijkheid werken – het móet werken, en je moet kunnen bewijzen dat het werkt. Dassault combineert daarom wetenschappelijke kennis met decennia aan praktijkervaring uit het maakproces. “Een standaard AI-model kent patronen uit data,” legt Daloz uit. “Een industry world model – AI die begrijpt hoe de fysieke wereld werkt – weet ook hoe je die kennis toepast in de praktijk.”
Virtuele assistenten aan het werk
Deze Industry World Models komen voor gebruikers beschikbaar via drie ‘virtual companions’ die medio 2026 worden uitgerold. Manish Kumar, CEO van SOLIDWORKS, presenteerde tijdens de conferentie hoe deze AI-assistenten engineers gaan ondersteunen. Vorig jaar introduceerde Dassault Systèmes de eerste al: Aura. Dit jaar worden daar Leo en Marie aan toegevoegd. De namen zijn niet toevallig gekozen. Leo is vernoemd naar Leonardo da Vinci, de ingenieur en uitvinder. Marie verwijst naar Marie Curie, de wetenschapper. En Aura? Die bedacht haar eigen naam. “We vroegen onze AI-agents om een naam te verzinnen,” vertelt Kumar glimlachend. “Daar kwam Aura uit. Toen we vroegen hoe het systeem daaraan kwam, vertelde het dat het een afkorting is voor ‘Assisting You to Realize your Ambitions’.”
De drie companions hebben elk hun eigen expertise. Aura richt zich op business en strategische keuzes, verbindt kennis binnen en buiten de organisatie. Leo focust op maakbaarheid en systeemintegriteit – hij valideert of ontwerpen daadwerkelijk te produceren zijn. Marie is de wetenschapper, gespecialiseerd in fysica en materiaalonderzoek. Ze versterken engineers in plaats van ze te vervangen. “AI is er om te versterken wat je doet, niet om je te vervangen,” zegt Daloz in gesprek met Kumar tijdens de keynote. De AI-assistenten fungeren als sparringpartner. Leo genereert bijvoorbeeld een ontwerp en valideert direct of het te produceren is. Maar de uiteindelijke beslissing ligt bij de engineer. “De mens die de keuze maakt, draagt de verantwoordelijkheid,” stelt Daloz.
Cruciaal is dat deze companions worden getraind op de specifieke data van de klant zelf. Elk bedrijf heeft eigen ontwerpregels en standaarden – vaak niet eens opgeschreven, maar verweven in hun CAD-modellen en werkwijzen. “Wat klanten willen is dat het volgende ontwerp deze regels volgt,” legt Kumar uit. De modellen blijven exclusief voor die klant. Data wordt niet gemengd tussen verschillende bedrijven, claimt Dassault.
De tijdwinst is fors. Kumar toonde tijdens een demo hoe een 2D-bouwtekening binnen enkele seconden wordt omgezet in een volledig parametrisch 3D-model. Een ander voorbeeld: een complete staalstructuur voor een watertank, klaar in vijf minuten – zonder één command aan te klikken, puur door te typen wat je wilt. Engineers kunnen via chat hun ontwerp bevragen: hoeveel onderdelen zijn er nodig, welke materialen zijn de beste keuze, waar zitten eventuele knelpunten.
NVIDIA als enabler
Om de immense rekenkracht te leveren die voor deze AI-modellen nodig is, intensiveert Dassault Systèmes zijn 25-jarige samenwerking met NVIDIA. “Dit is de grootste samenwerking die onze twee bedrijven ooit hebben gehad,” verklaarde Huang op het hoofdpodium. De samenwerking omvat de diepe integratie van NVIDIA’s technologieën – CUDA-X, RTX, AI en Omniverse – in het 3DEXPERIENCE-platform. Dit moet leiden tot een versnelling van simulaties met een factor 100 tot 1.000.
Huang schetst een toekomst waarin alles software-defined is, van auto’s en de robots die ze bouwen tot de fabrieken waarin dat gebeurt. “Wat vroeger pre-rendered of offline simulaties waren, wordt nu de virtual twin-visie die we altijd al voor ogen hadden. Alles gebeurt nu in real-time.” De samenwerking is overigens wederkerig: NVIDIA gebruikt op zijn beurt de Model-Based Systems Engineering (MBSE)-software van Dassault voor het ontwerpen van zijn eigen, uiterst complexe AI-fabrieken.
Praktische impact en ROI
De resultaten zijn er al. Dassault traint AI-modellen op duizenden virtuele simulaties, waarna ontwerpers zelf direct kunnen checken of hun design het houdt – zonder wekenlang te wachten op een simulatie-expert. “Dit is een fysisch accurate analyse,” benadrukte Kumar tijdens een demo.
Een Italiaanse fietsenfabrikant halveerde het aantal fysieke prototypes en bracht producten 25 procent sneller op de markt. Autofabrikant Lucid Motors test voertuigprestaties al vroeg in het ontwerpproces. Voedingsconcern Bel Group (La Vache qui rit) ontwikkelt nieuwe plantaardige eiwitten volledig virtueel – van honderd fysieke labtests naar nul.
Voor luxemeubelmaker Molteni Group lost de technologie een ander probleem op: hoe schaal je vakmanschap op zonder de kwaliteit te verliezen? Het bedrijf, dat merken als Dada Kitchen en Citterio exploiteert in meer dan honderd landen, werkt al decennia samen met gerenommeerde architecten als Norman Foster. Maar veel kennis zit nog in de hoofden van ambachtslieden – welke houtverbinding het beste werkt, welke afwerking bij welk materiaal past, welke ontwerpkeuzes in de productie problemen geven.
“We moeten het Molteni-erfgoed virtualiseren zodat het wereldwijd kan opereren, terwijl het vakmanschap behouden blijft,” legt Andrea Roero, Chief Information and Innovation Officer uit. Het 3DEXPERIENCE-platform met AI moet die expertise vastleggen – niet als instructiehandleidingen, maar als intelligente begeleiding die designers ondersteunt bij elke keuze. Welke verbindingstechniek past bij dit ontwerp? Welke afwerking kan de fabriek in Korea uitvoeren? Welke aanpassingen zijn nodig voor deze specifieke klant?
Die gecodeerde kennis wordt vertaald naar een modulaire aanpak die met precisie uitvoerbaar is via geautomatiseerde productiesystemen. Zo wordt gepersonaliseerde luxe op industriële schaal mogelijk – zonder dat elk land een meester-ambachtsman nodig heeft, maar met behoud van de kwaliteit die Molteni definieert.
IP Lifecycle Management
Maar die digitalisering van kennis – of het nu Molteni’s ambachtelijke expertise is of de engineeringdata van een toeleverancier – creëert meteen een nieuw probleem. Als kennis eenmaal in AI-modellen zit, wie is dan eigenaar? En hoe voorkom je dat je eigen intellectueel eigendom tegen je gebruikt wordt?
De verschuiving naar een generatieve economie, waarin data en de daaruit gedestilleerde kennis de kernwaarde vormen, creëert een nieuwe, urgente uitdaging voor IT-managers: het beheer van dat intellectueel eigendom. “In het AI-tijdperk is het grootste probleem niet zozeer de algoritmes, want die zijn redelijk beschikbaar. De data is wat ertoe doet,” stelt Morgan Zimmerman, CEO van 3DEXPERIENCE bij Dassault Systèmes. Wanneer een autofabrikant bijvoorbeeld data van honderden toeleveranciers gebruikt om een AI-model te trainen, wie is dan de eigenaar van dat model?
Dassault Systèmes heeft daarom Product Lifecycle Management uitgebreid naar wat het Intellectual Property Lifecycle Management noemt. “PLM was lange tijd product lifecycle management. Nu denk ik dat het intellectual property lifecycle management is,” aldus Daloz. De vraag is niet meer “kun je het lezen”, maar “mag je ervan leren”.
Zimmerman illustreert de urgentie met het voorbeeld van Valeo, een Franse toeleverancier van componenten, die levert aan autofabrikanten zoals Volkswagen, BMW en Renault. Vroeger deelde Valeo koplampontwerpen veilig met deze klanten – die konden de koplamp alleen gebruiken en in hun auto’s plaatsen. Maar nu kan een autofabrikant alle koplampdata die Valeo ooit deelde, gebruiken om zelf te leren hoe je koplampen bouwt. “Dat is een fundamenteel ander risico,” aldus Zimmerman. “En veel bedrijven realiseren zich dat pas nu. Daarom wordt IP lifecycle management cruciaal.”
Het 3DEXPERIENCE-platform houdt daarom nauwgezet bij welke data voor wat gebruikt mag worden. “We doen zeer gedetailleerde IP-tracking zodat we begrijpen wat er met deze data gebeurt,” legt Zimmerman uit. “Als de IP-eigenaar geen toestemming heeft gegeven, gebruiken we die data niet voor leerprocessen.” Organisaties kunnen per dataset aangeven of die gebruikt mag worden voor machine learning. Zo blijft kennis binnen de juiste grenzen, ook in complexe supply chains waar data standaard wordt gedeeld.
Cloudtransitie en nieuwe businessmodellen
Die governance en AI-capaciteiten vereisen echter enorme rekenkracht. En die rekenkracht dwingt bedrijven naar de cloud, of ze willen of niet. “Geen enkele klant kan de GPU-kracht betalen die nodig is voor AI op eigen infrastructuur,” stelt Zimmerman. Een GPU kost twee ton en is binnen anderhalf tot twee jaar verouderd. Daarnaast is er de innovatiesnelheid. “Er is elke week een technologische doorbraak. On-premise betekent wekelijkse upgrades. Die IT-kosten kan geen enkel bedrijf dragen.”
Dassault Systèmes bouwt daarom een eigen AI Factory om deze infrastructuur als schaalbare SaaS-dienst aan te bieden. Dat dwingt ook tot nadenken over nieuwe businessmodellen. Veertig jaar lang verkocht Dassault licenties per gebruiker. Maar hoe tel je AI-assistenten? “Virtual companions zijn geen echte gebruikers,” zegt Daloz. “Blijven we gebruikers tellen, of moeten we iets anders meten?”
Het antwoord ligt in wat Daloz ‘units of knowhow’ en ‘units of work’ noemt. In plaats van per ingelogde gebruiker te betalen, betaal je straks mogelijk voor expertise en beschikbaarheid. Virtual companion Leo kan bijvoorbeeld worden ingezet als mechanical engineer, chemicus of manufacturing specialist – elk met eigen gecertificeerde kennis. “Dezelfde companion heeft andere knowhow voor de auto-industrie dan voor luchtvaart,” legt Daloz uit.
En daar komt de tweede dimensie bij: Leo werkt 24 uur per dag. “Hij werkt door wanneer jij slaapt – dat noemen we units of work,” aldus Daloz. Waar een menselijke engineer 40 uur per week beschikbaar is, levert een AI-companion 168 uur. Die combinatie – welke expertise je nodig hebt en hoeveel ‘werktijd’ je afneemt – wordt de nieuwe rekeneenheid voor licenties.
Strategisch kantelpunt voor IT-organisaties
Deze drie verschuivingen samen – hoe je intellectueel eigendom beschermt, waar je rekenkracht vandaan haalt, en hoe je software afrekent – dwingen tot een fundamentele herbezinning op de rol van IT. De focus verschuift van het beheren van on-premise applicaties naar het orkestreren van cloud-diensten, het bewaken van data-soevereiniteit en het implementeren van IP-governance die bepaalt welke data voor AI-training gebruikt mag worden.
En dat moet snel. De aangekondigde functionaliteit werkt al. “Alles wat ik heb getoond is operationeel,” benadrukt Kumar. “Sommige functies komen over een of twee maanden beschikbaar. Andere over zes maanden.” De eerste release, MD01, staat gepland voor maart/april 2026. Functionaliteit zoals image-to-mesh en parametric feature recognition worden dan uitgerold. Text-to-CAD en de virtual companions volgen in de zomer van 2026.
De uitdaging voor IT-beslissers is timing. De virtual companions arriveren medio 2026. Maar de architectuur die dat mogelijk maakt – de cloud-infrastructuur, de IP-governance, de nieuwe licentiemodellen – moet nu worden vormgegeven. Organisaties die wachten tot de software beschikbaar is, zijn te laat. Want tegen die tijd bepaalt niet de technologie meer wie voorop loopt, maar wie zijn IT-fundamenten op orde heeft. De race is niet om de beste AI te hebben, maar om de beste basis ervoor te bouwen.