Vier Wochen, 31 Studierende, ein Strahltriebwerk: Das MIT hat KI-Copiloten an echter Hardware vermessen
In der JARVIS Challenge (Jet-engine AI Research and Validation Intensive Sprint) hat das MIT 31 Studierende in sieben Teams ein einwelliges Strahltriebwerk entwerfen, fertigen, montieren und testen lassen – „four weeks to design, fabricate, assemble, and test“, Vorgabe 50 bis 100 Pfund Schub und fünf Läufe zu je 60 Sekunden auf Jet-A. Gearbeitet wurde mit MIT Parley, der hauseigenen Plattform, die mehrere Spitzenmodelle bündelt, dazu Claude und ChatGPT neben Concepts NREC, SolidWorks und ABAQUS. Weil alle Anfragen über Parley liefen, konnten die Organisatoren mitlesen, welche Prompts gestellt, welche Modelle gewählt und welche Kosten je Anfrage verursacht wurden. Ein Team stieg in Woche eins aus, ein zweites zündete die Brennkammer und beschädigte später das Triebwerk im Testlauf, ein drittes schloss den Volltest ab. Der Bericht erschien am 14. Juli 2026.
✓ Aussagen gegen die Quellen geprüft · 10. August 2026
Der Aufbau: 31 Studierende aus praktisch allen Ingenieurdisziplinen, verteilt auf sieben Teams mit gemischter Erfahrung von Erstsemestern bis zu Studierenden im Abschlussjahr. Die Aufgabe war ein einwelliges Strahltriebwerk mit 50 bis 100 Pfund Schub, das mindestens fünf Läufe zu je 60 Sekunden mit Jet-A-Treibstoff übersteht. Neben MIT Parley, Claude und ChatGPT kam die übliche Fachsoftware zum Einsatz: Concepts NREC für die Turbomaschinen-Auslegung, SolidWorks für die Konstruktion, ABAQUS für die Festigkeitsrechnung.
Der methodisch interessante Teil ist die Instrumentierung. Weil die Teams über die hauseigene Plattform arbeiteten, war die KI-Nutzung nicht Selbstauskunft, sondern Messgröße: „Through Parley, JARVIS leads could see directly how the students were using the AI tools, including their prompts, the cost per prompt, the specific LLMs being used, and other critical information.“ Erhoben wurde damit auch, wie häufig Studierende verschiedener Studienjahre zur KI griffen – eine Auflösung, die Umfragen zur KI-Nutzung im Ingenieurwesen sonst nicht haben.
Wofür die Assistenz taugte, ist erstaunlich einheitlich: Lehrbuchkapitel zusammenfassen, sich in Konstruktions- und Simulationssoftware einarbeiten, Lieferanten und Bezugsquellen suchen, Tabellen bauen, Belegstellen finden, Entwurfsentscheidungen gegeneinanderstellen. Wo sie versagte, ebenso: Die Auswertung nennt Halluzinationen und Lücken im physikalischen Verständnis als wiederkehrende Probleme, und bei der Beschaffung erwiesen sich persönliche Kontakte zu Lieferanten als wirksamer als jede KI-Recherche. Sinngemäß hält der Bericht fest, dass ein Entwurf in dem Moment unzuverlässig wird, in dem die Ingenieurin den Überblick verliert und die KI führt.
Die Ergebnisse: Ein Team gab in der ersten Woche auf. „Fast and Fractured“ brachte die eigene Mini-Brennkammer zum Zünden, beschädigte das Triebwerk aber später im Testlauf. Das Team „811 Crew“ gewann mit einem erfolgreich abgeschlossenen Volltest auf Jet-A. Andreea Bobu formuliert die Lehre daraus allgemeiner: „Getting value from AI takes two things: enough expertise to judge what it tells you and catch it when it’s wrong, and enough curiosity to actually lean on it where it could help.“
⚠️ Zur Einordnung: Das ist kein kontrolliertes Experiment. Es gibt keine Kontrollgruppe ohne KI, keine Vorher-nachher-Messung und mit sieben Teams keine Stichprobe, aus der sich Effektstärken ableiten ließen; die veröffentlichten Kosten- und Nutzungsdaten liegen bislang nur als Beschreibung vor, nicht als Datensatz. Belastbar ist die Beobachtung, nicht die Verallgemeinerung. Aufgefallen ist uns der Fund über die deutschsprachige Rezeption bei heise vom 10. August, deren Überschrift („MIT-Studenten konstruieren Jet-Triebwerk mit KI innerhalb eines Monats“) die Aussage der Quelle in die Richtung dreht, die die Quelle selbst zurückweist – gebaut haben das Triebwerk die Studierenden, die KI half beim Lesen und Sortieren.