NVIDIA beschreibt agentenunterstützten Arbeitsablauf für digitale Zwillinge in KI-Fabriken

NVIDIA erklärte, dass Entwickler einen agentenunterstützten Workflow nutzen können, um KI Fabrik-Digitalzwillinge aus Lageplänen, Ausrüstungsressourcen und technischen Anforderungen mithilfe seines Omniverse DSX Blueprint und OpenUSD-basierter Tools zusammenzustellen und zu überarbeiten. Der Beitrag vom 21. Oktober 2026 beschreibt einen Prozess, der Teams dabei helfen soll, Designalternativen zu inspizieren, Szenen für die technische Überprüfung vorzubereiten und den digitalen Zwilling mit der Downstream-Simulation zu verbinden.

Beweise und Kontext

In dem Blogbeitrag, der am 21. Oktober 2026 veröffentlicht wurde, erklärte NVIDIA, dass der Omniverse DSX Blueprint, Teil von NVIDIA DSX Sim, Referenz-Digitalzwillings-Assets, Beispielskripte und Workflows für die Entwicklung KI Fabrik-Digitalzwillinge bereitstellt. Das Unternehmen erklärte, der Blueprint sei auf OpenUSD- und NVIDIA Omniverse-Bibliotheken aufgebaut und soll Entwicklern helfen, Facility- und Ausrüstungsmodelle mit SimReady-Assets zusammenzustellen und diese mit Engineering-Simulationstools zu verknüpfen.

Der Beitrag beschreibt einen Workflow, bei dem ein Frontier-KI-Modell innerhalb eines Agenten-Harnesss arbeitet, das Kontext, Anweisungen und Werkzeugaufrufe verwaltet. NVIDIA sagte, Entwickler könnten Agenten anleiten, Designeingaben zusammenzuführen, OpenUSD-Szenen zusammenzusetzen und zu überarbeiten sowie die Ergebnisse zu inspizieren. Das Unternehmen erklärte, der Ansatz solle editierbare Campus- und Hallenmodelle unterstützen, die vor der technischen Abgabe und Simulation überprüft werden können.

NVIDIA veranschaulichte den Arbeitsablauf mit einem Beispiel KI Fabrikcampus, das DSX-3D-Modelle, architektonische Referenzen, Lagepläne, Anforderungsdokumente und geografische Daten kombiniert. Die Eingaben umfassten Datenhalle, Versorgungs- und Kühlanlagen; Bilder des NVIDIA Santa Clara Hauptquartiersgebäudes, Voyager; PDFs, die die Anordnung des Campus beschreiben; indexierte Zeichnungen und Konstruktionsbasisdaten; sowie USGS-Luftaufnahmen und Höhendaten für den ausgewählten Standort, so der Beitrag. NVIDIA erklärte, dass diese Quellen Teams dabei helfen, Designentscheidungen bis zu ihrem Ursprung zurückzuverfolgen, während die Maßgenauigkeit weiterhin von der Überprüfung von Zeichnungen, Spezifikationen und Standortbeschränkungen abhängt.

Wie der Arbeitsablauf funktionieren soll

NVIDIA sagte, das Campus-Beispiel sei gebaut worden, indem bestehende DSX-Referenzdesign-Geometrie mit neuen architektonischen Elementen in additiven USD-Schichten kombiniert wurde, wodurch Änderungen von Quellressourcen getrennt blieben. Das Unternehmen sagte, sein Team nutzte USD Content Agents, um die Geometrie und Materialien einer Solarhaube zu generieren, und verfeinerte das Ergebnis anschließend mit Voyager-Referenzen. Das Dach wurde als konzeptionell beschrieben und bedurfte weiterhin einer technischen Überprüfung hinsichtlich Maßen, Struktur und Simulationseignung.

Der Beitrag sagt außerdem, dass Entwickler Systems Modeling Language verwenden können, um Anforderungen an Systemelemente zu verknüpfen, und dass ein Agent diese Beziehungen abfragen kann, wenn Tools sie über eine API, MCP oder eine andere unterstützte Schnittstelle bereitstellen. NVIDIA sagte, Zeichnungen und CAD würden Maße und Platzierungsreferenzen liefern, während Gerätekataloge Parameter für die Analyse liefern würden. Die Übergabe in diesem Rahmen ist eine vorgeschlagene Designüberarbeitung, begleitet von den betroffenen Anforderungen, Ausrüstung und Folgestudien.

Zur Simulationsvorbereitung erklärte NVIDIA, dass OpenUSD Gebäudegeometrie, Geräte-Assets und zugehörige Daten in eine gemeinsame Szene bringt, während USD Attribute und benutzerdefinierte Schemata Verbindungen zu technischen Datensätzen und Anforderungen erhalten können. Das Unternehmen verwies außerdem auf die SimReady Foundation und die SimReady Central Library auf Hugging Face, die es als kostenlose Bibliothek mit mehr als 2,000 simulationsbereiten OpenUSD-Assets beschreibt. NVIDIA erklärte, dass diese Ressourcen die Asset-Vorbereitungsarbeit reduzieren können, indem sie OEM-Racks sowie Strom- und Kühlausrüstung bereitstellen.

Beispiel und Grenzen der Kapazitätsplanung

eins vorgeschlagene Erweiterung im Beitrag ist eine Planungsstudie zur Festleistungskapazität für eine KI Fabrikhalle. NVIDIA sagte, ein illustrativer Vera-Rubin-NVL72 Schlussfolgerungsvergleich kontrastiere eine Basislinie mit MaxP, beschrieben als die höchste statische GPU-Level-Leistungseinstellung, mit DSX MaxLPS, einem KI Werksdesign- und Betriebsrahmen, das das Anlagendesign, die dynamische Stromverteilung und die Optimierung der Leistung pro Watt koordiniert.

Normalisiert auf eine 1 MW-Leistung und unter der Annahme einer Stromverbrauchseffizienz von 1.1 zeigt der Beitrag das illustrative Szenario eine DSX MaxLPS-Kapazität von 400 GPUs und einen aggregierten Token-Durchsatz von 1.35 Mal des MaxP-Basiswerts. NVIDIA erklärte, diese Zahlen seien Referenzannahmen für die vorgeschlagene Studie und nicht Ergebnisse aus dem Campus-Modell. Das Unternehmen erklärte außerdem, dass die Vera-Rubin-Tests weiterhin im Gange sind.

Der Beitrag besagt, dass ein technischer Workflow weiterhin Designprüfungen, Solver-Verbindungen, Geräteeigenschaften, Systemverbindungen und Randbedingungen vor der Simulation erfordern würde. NVIDIA erklärte, das Ziel sei es, das elektrische Belastungs- und Kühlverhalten zu bewerten und die Ergebnisse dann in das editierbare Design für eine weitere Iteration einzuspeisen. Das Unternehmen betonte, dass jedes Ergebnis die getestete Designüberarbeitung identifizieren und berechnete Ergebnisse von gespeicherten Ergebnissen oder KI-Approximationen unterscheiden sollte.

Verwandte Werkzeuge und Partneranwendungen

NVIDIA beschrieb außerdem Hardwareoptionen für verschiedene Phasen des Workflows, darunter DGX Spark für die Entwicklung persönlicher Agenten, RTX PRO Blackwell Workstation Edition GPUs für interaktives Design und Simulation, DGX Station für größere lokale KI Workloads und RTX PRO Server für gemeinsame Entwicklung und Simulation. Es verwies auf seine RTX PRO KI Factory Referenzarchitektur, die acht RTX PRO 6000 Blackwell Server Edition GPUs pro Server spezifiziert und Server vier einer skalierbaren Einheit zusammenfasst.

Der Beitrag verweist auf Anwendungsanbieter, die in den Bereichen Anforderungsmanagement, Produktdaten und Simulation arbeiten. NVIDIA hob die CATIA Magic und A2A -Unterstützung von Dassault Systèmes hervor, die Integration der Windchill- und Omniverse-Bibliotheken von PTC, die Cadence Reality Digital Twin Platform für Leistungs- und Kühlstudien sowie Siemens' Simcenter STAR-CCM+ für Fluidfluss- und Wärmeübertragungsanalysen. NVIDIA erklärte, dass diese Tools dazu dienen, Anforderungen, Gerätedaten und physikalische Verhaltensstudien während der gesamten Designiterationen miteinander verbunden zu halten.

Jüngste verwandte NVIDIA-Beiträge geben Kontext zu der breiteren DSX-Initiative des Unternehmens. Am 21. Oktober 2026 gab NVIDIA außerdem bekannt, dass es DSX POD KI Factories eingeführt hat, um den europäischen Infrastrukturausbau zu beschleunigen, nach einem Beitrag am 7. Oktober 2026 zur Validierung KI Fabrikänderungen mit digitalen Zwillingen und KI Agenten sowie einer 2026-03-16 Ankündigung des Vera Rubin DSX KI Factory Reference Design und des Omniverse DSX Digital Twin Blueprint.