LEAP 71: Warum sie Europa den Rücken gekehrt haben
| Video | |
| |
| Josefine Lissner und Lin Kayser im Interview bei Mars Chroniken | |
| Plattform | youtube.com |
| Kanal | Mars Chroniken |
| URL | youtube.com/watch?v=z9Bp0aRcFXI |
| Datum | 20.09.2026 |
| Länge | 2 Stunden, 49 Minuten, 44 Sekunden |
Zusammenfassung des Interviews
LEAP 71 – Computational Engineering als neue Methode zur Entwicklung technischer Systeme
LEAP 71 versteht sich als ein auf Computational Engineering spezialisiertes Technologieunternehmen. Im Mittelpunkt steht der Versuch, Ingenieurwissen nicht mehr überwiegend in Form individueller Erfahrung, manueller Konstruktion und klassischer CAD-Arbeit anzuwenden, sondern es systematisch in Algorithmen zu überführen. Auf diese Weise sollen technische Systeme nicht lediglich gezeichnet, sondern durch Software erzeugt, hergestellt, betrieben und anhand ihrer realen Eigenschaften weiterentwickelt werden.
Das Unternehmen wird von der Luft- und Raumfahrtingenieurin Josefine Lissner und dem Unternehmer und Softwareentwickler Lin Kayser geführt. Beide lernten sich im Umfeld von Hyperganic kennen. Aus der dort entstandenen Zusammenarbeit entwickelte sich nach dem Bruch mit dem früheren Unternehmen dann LEAP 71. Das Unternehmen arbeitet mit Sitz in Dubai als bewusst sehr kleine, vollständig eigenständige Organisation und finanziert sich nach eigenen Angaben aus Kundenprojekten statt aus externem Beteiligungskapital.
Ausgangspunkt: Warum sich physische Technik langsamer entwickelt als Software
Der Ausgangspunkt der Unternehmensidee ist eine Beobachtung zur unterschiedlichen Entwicklungsgeschwindigkeit von Informationstechnologie und klassischer Ingenieurtechnik. Während Computer, Halbleiter und Software innerhalb weniger Jahrzehnte enorme Leistungssteigerungen erfahren haben, erscheinen viele physische Produkte – etwa Fahrzeuge, Gebäude oder Flugzeuge – aus dieser Perspektive wesentlich langsamer weiterentwickelt.
Als wesentlicher Grund wird die traditionelle Arbeitsweise des Ingenieurwesens identifiziert. Ein Ingenieur entwickelt eine Konstruktion, bildet sie in einem CAD-System ab, lässt sie fertigen und sammelt anschließend Erfahrungen mit dem Ergebnis. Ein großer Teil des vorhandenen Wissens bleibt dabei an Personen, Projekte und Organisationen gebunden. Fehler und Verbesserungen werden nicht zwangsläufig systematisch in eine gemeinsame, wiederverwendbare Wissensbasis überführt.
Die Informationstechnologie habe dagegen einen entscheidenden Vorteil: Eine einmal entwickelte Lösung kann als Software gespeichert, vervielfältigt und unmittelbar in nachfolgenden Entwicklungsstufen wiederverwendet werden. Verbesserungen wirken dadurch nicht nur auf ein einzelnes Produkt, sondern auf alle später erzeugten Versionen.
Genau diesen Mechanismus soll Computational Engineering auf das Ingenieurwesen übertragen.
Von der klassischen Konstruktion zur programmierbaren Maschine
Die Entwicklung von LEAP 71 geht auf Hyperganic zurück, das 2016 mit dem Ziel gegründet wurde, Ingenieuren eine wesentlich freiere Form der computergestützten Konstruktion zu ermöglichen. Ein persönlicher Ausgangspunkt war die Erfahrung, dass klassische CAD-Systeme insbesondere bei organischen und hochkomplexen Geometrien erhebliche Einschränkungen besitzen.
Der entscheidende Perspektivwechsel erfolgte, als Ingenieure nicht mehr über eine vereinfachte grafische Bedienoberfläche, sondern unmittelbar über programmierbare Grundfunktionen auf die Geometrieerzeugung zugreifen konnten. Die Konstruktion wurde dadurch von einer Tätigkeit des Zeichnens zu einer Tätigkeit des Programmierens.
Die zentrale Idee lautet: Nicht der Ingenieur zeichnet jedes einzelne Objekt, sondern er beschreibt die Regeln, nach denen ein Objekt erzeugt wird. Das Ergebnis ist damit nicht nur eine einzelne Geometrie, sondern ein Verfahren zur Erzeugung einer ganzen Klasse von Geometrien.
Diese Arbeitsweise wird im Gespräch als eine Form der kreativen Programmierung beschrieben. Der Algorithmus übernimmt dabei gewissermaßen die Funktion eines Konstruktionswerkzeugs, dessen Möglichkeiten weit über die klassischen geometrischen Primitive eines CAD-Systems hinausreichen.
Der Bruch mit Hyperganic und die Entstehung von LEAP 71
Aus dieser Entwicklung entstand die Überzeugung, dass die eigentliche Aufgabe nicht darin besteht, traditionelle CAD-Systeme lediglich zu automatisieren. Vielmehr sollte eine grundsätzlich andere Methode des Ingenieurwesens entstehen: Computational Engineering.
Diese strategische Neuausrichtung führte zu einem Konflikt mit den damaligen Investoren von Hyperganic. Nach dem Bruch wurde die Arbeit an dem Konzept außerhalb von Hyperganic fortgesetzt und daraus LEAP 71 aufgebaut. Der ursprüngliche Plan bestand zunächst darin, die vorhandene Hyperganic-Technologie weiterzuverwenden. Nachdem diese Technologie jedoch vom Markt genommen wurde, musste ein eigener technologischer Unterbau entwickelt werden.
Aus dieser Erfahrung entstand eine weitere Grundentscheidung: Eine zentrale Basistechnologie des Computational Engineering sollte nicht von einem einzelnen kommerziellen Unternehmen abhängig sein.
PicoGK als offener geometrischer Unterbau
LEAP 71 entwickelte deshalb den Geometriekern PicoGK und veröffentlichte ihn als Open-Source-Software. Ziel war nicht allein, einen möglichst leistungsfähigen Geometriekern zu schaffen. Entscheidend war vielmehr, eine dauerhaft verfügbare technische Grundlage für das neue Paradigma zu schaffen.
Die Überlegung dahinter ist strategischer Natur: Wenn eine fundamentale Technologie ausschließlich in der Hand eines einzelnen Unternehmens liegt, kann dieses Unternehmen sie verkaufen, einstellen oder vom Markt nehmen. Damit wäre auch das darauf aufbauende technologische Ökosystem gefährdet.
PicoGK soll deshalb als offener Unterbau dienen, auf dem andere Unternehmen und Entwickler eigene Lösungen aufbauen können. LEAP 71 sieht darin eine Art technologische Absicherung des gesamten Ansatzes. Der eigentliche wirtschaftliche und technologische Schwerpunkt des Unternehmens liegt nicht in diesem offenen Geometriekern, sondern in der darauf aufbauenden Ebene Noyron.
Der Name PicoGK wird im Gespräch mit einem augenzwinkernden Bezug zu den Pfauen in Dubai erklärt. Inhaltlich entscheidend ist jedoch seine Funktion als geometrische Grundlage des Systems.
Warum klassische CAD-Systeme für diese Aufgabe als problematisch angesehen werden
Klassische CAD-Systeme beruhen überwiegend auf geometrischen Flächen, Kurven und mathematisch exakt definierten Körpern. Diese Systeme sind für die menschliche Bedienung entwickelt worden und funktionieren in der Praxis unter anderem deshalb, weil Menschen mit kleinen Fehlern und geometrischen Problemen intuitiv umgehen können.
Ein Mensch kann eine Konstruktion verändern, erneut versuchen, eine Geometrie leicht verschieben oder eine andere Vorgehensweise wählen. Ein Algorithmus benötigt dagegen eindeutige Regeln. Eine Situation, in der ein Mensch intuitiv erkennt, was „ungefähr funktionieren“ könnte, lässt sich nicht ohne Weiteres programmatisch abbilden.
Als Alternative wird bei PicoGK eine volumetrische, auf Voxeln beruhende Beschreibung verwendet. Ein Voxel lässt sich vereinfacht als dreidimensionales Gegenstück zu einem Pixel verstehen. Damit wird die Geometrie nicht primär als mathematisch perfekte Oberfläche beschrieben, sondern als räumliche Belegung.
Die daraus resultierende Logik ist wesentlich einfacher: Ein Volumenelement ist vorhanden oder nicht vorhanden. Dadurch entsteht nach der Darstellung im Interview eine geometrische Beschreibung, die wesentlich robuster automatisiert verarbeitet werden kann.
Der entscheidende Vorteil liegt nicht allein in der Darstellung einzelner Formen. Vielmehr bildet diese Geometrieebene die Grundlage dafür, dass Algorithmen unmittelbar technische Objekte erzeugen können, ohne auf die zahlreichen Sonderfälle und Fehleranfälligkeiten traditioneller CAD-Kernsysteme angewiesen zu sein.
Computational Engineering: Ingenieurwissen als Algorithmus
Computational Engineering wird im Gespräch als die Übersetzung des Ingenieurwissens in ausführbare Algorithmen beschrieben. Dazu gehören physikalische Grundlagen, mathematische Zusammenhänge, konstruktive Regeln, Materialeigenschaften, Fertigungsbedingungen und betriebliche Anforderungen.
Ein wesentlicher Anspruch besteht darin, dass ein Algorithmus bei gleichen Eingabewerten und gleicher Modellversion reproduzierbar dasselbe Ergebnis erzeugt. Damit unterscheidet sich die Methode grundsätzlich von einem Vorgehen, bei dem ein Ingenieur bei jedem neuen Projekt von seiner individuellen Erfahrung ausgeht.
Das Ziel ist nicht, den Ingenieur durch eine Blackbox zu ersetzen. Im Gegenteil: Das Verfahren soll gerade die technischen Überlegungen explizit machen, die für die Entstehung eines Bauteiles notwendig sind.
Das Computational Model beschreibt deshalb nicht nur die äußere Geometrie. Es umfasst die Regeln, nach denen das Objekt entsteht, gefertigt, bearbeitet, montiert und betrieben wird.
Die schwierigen 80 Prozent liegen nicht in den Formeln
Ein zentraler Punkt des Gespräches ist die Unterscheidung zwischen formalem Fachwissen und praktischem Ingenieurwissen.
Mathematik und Physik lassen sich vergleichsweise direkt in Programmcode überführen. Schwieriger sind die zahlreichen praktischen Regeln, die erfahrene Ingenieure häufig intuitiv anwenden.
Dazu gehören beispielsweise Fragen der Montage, der Zugänglichkeit von Schraubverbindungen, der Erreichbarkeit von Schweißstellen, der notwendigen Dichtungen, der Bearbeitung eines Bauteiles, der verwendeten Materialien oder der Reihenfolge verschiedener Fertigungsschritte.
Ein Bauteil ist demnach nicht allein durch seine Geometrie definiert. Zu einem vollständigen technischen Objekt gehören nach der im Interview vertretenen Auffassung vielmehr die gesamte Prozesskette und die Bedingungen seines späteren Einsatzes.
Das umfasst insbesondere:
- die physikalischen Eigenschaften des Materials,
- die Fertigungsverfahren,
- die notwendigen Nachbearbeitungsschritte,
- die Montage,
- die Zugänglichkeit für Werkzeuge,
- die erforderlichen Verbindungen und Dichtungen,
- die Betriebsbedingungen,
- die zeitliche Entwicklung während des Betriebs und
- die tatsächliche technische Leistung.
Gerade diese praktischen Zusammenhänge werden als der Teil des Ingenieurwissens beschrieben, der schwerer zu formalisieren ist als die reine Mathematik und Physik. Im Gespräch wird dieser Bereich pointiert als ein sehr großer Anteil des tatsächlichen technischen Wissens bezeichnet.
Von der Konstruktion zur geschlossenen Entwicklungsschleife
Noyron soll deshalb nicht lediglich eine Geometrie erzeugen. Das System soll einen technischen Gegenstand beschreiben, die für seine Herstellung erforderlichen Schritte festlegen und schließlich auch die Betriebsbedingungen berücksichtigen.
Die reale Hardware liefert anschließend neue Daten. Diese Daten werden zur Kalibrierung des Computational Models verwendet. Dadurch entsteht eine Rückkopplung zwischen Software und physischem Objekt.
Das Prinzip lässt sich als geschlossene Entwicklungsschleife beschreiben:
Regeln → Konstruktion → Fertigung → Betrieb → Messdaten → Modellverbesserung → neue Konstruktion
Damit soll ein Fehler möglichst nicht bei jeder neuen Konstruktion erneut auftreten. Wird ein Fehler im Modell erkannt und korrigiert, sollen alle nachfolgenden Ergebnisse von dieser Korrektur profitieren.
Das angestrebte Ziel wird als „first time right“ beschrieben: Ein Modell soll so weit entwickelt sein, dass bereits die erste erzeugte und gefertigte Version eines Bauteiles grundsätzlich funktioniert. Feinabstimmungen und weitere Iterationen bleiben möglich, sollen aber auf einer bereits funktionsfähigen Grundlage erfolgen.
Der behauptete Zinseszinseffekt des Computational Engineering
Daraus ergibt sich nach der im Interview vertretenen Argumentation ein entscheidender Unterschied zur traditionellen Ingenieurarbeit.
Wenn jeder Ingenieur bei einem neuen Projekt weitgehend von vorne beginnt, gehen Verbesserungen nur langsam in nachfolgende Konstruktionen ein. Wird dagegen das Wissen in Software kodiert, kann jede Verbesserung unmittelbar Bestandteil des nächsten Entwurfes werden.
Das führt zu einem kumulativen Effekt: Ein Fehler wird einmal identifiziert und anschließend im Algorithmus korrigiert. Alle folgenden Konstruktionen profitieren automatisch davon.
Als praktisches Beispiel wird die Entwicklung von Raketentriebwerken genannt. LEAP 71 habe innerhalb von zwei Jahren etwa 20 unterschiedliche Triebwerke getestet, obwohl das Unternehmen nur aus zwei Personen bestehe. Die hohe Zahl wird nicht auf eine außergewöhnlich große personelle Kapazität zurückgeführt, sondern auf die Wiederverwendbarkeit der im Algorithmus kodierten Entwicklungsschritte.
Raketentriebwerke als Demonstrationsfeld
Raketentriebwerke bilden einen besonders sichtbaren Teil der Arbeit von LEAP 71. Das Unternehmen bezeichnet diese Arbeiten allerdings eher als besonders anspruchsvolles Anwendungs- und Demonstrationsfeld seines Computational-Engineering-Ansatzes.
Ein entscheidender Vorteil des Systems besteht darin, dass die wesentlichen Eingangsgrößen eines Triebwerkes abstrakt beschrieben werden können. Dazu gehören beispielsweise Schub, Treibstoff und Brennkammerdruck. Aus diesen Vorgaben erzeugt der Algorithmus die konkrete Konstruktion.
Die zugrunde liegende Logik kann deshalb unterschiedliche Triebwerkskonzepte hervorbringen. Im Gespräch wird insbesondere die Möglichkeit beschrieben, aus vergleichbaren funktionalen Anforderungen sowohl eine Glockendüse als auch eine Aerospike-Konfiguration abzuleiten.
Das Entscheidende ist damit nicht die einzelne Geometrie, sondern die Übertragbarkeit der zugrunde liegenden Regeln.
Aerospike-Triebwerke als besonders anspruchsvoller Test
Eine besondere Rolle spielt der Aerospike. Diese Triebwerksbauart wird als technisch besonders anspruchsvoll beschrieben, insbesondere wegen der thermischen Belastung.
Die klassischen Auslegungsregeln für Raketendüsen stammen zu großen Teilen aus der Entwicklung von Raketentriebwerken für konventionelle Glockendüsen. Ein Aerospike unterscheidet sich geometrisch jedoch so stark, dass diese traditionellen Berechnungsansätze nicht ohne Weiteres übernommen werden können.
LEAP 71 beschreibt deshalb die Entwicklung eigener Modelle, die unterschiedliche Düsengeometrien berücksichtigen können.
Der Aerospike dient zugleich als besonders harter Test des thermischen Modells. Während eine Glockendüse gewisse Toleranzen aufweist, können Fehler bei einem Aerospike unmittelbar zum Versagen des Bauteiles führen. Im Interview wird deshalb betont, dass ein falsch ausgelegtes Triebwerk nicht lediglich eine kleine Konstruktionsabweichung darstellt, sondern im Extremfall als nicht funktionsfähiges Metallbauteil endet.
Ein weiterer Vorteil des Aerospike wird in seiner prinzipiellen Eignung für unterschiedliche atmosphärische Druckbereiche gesehen. Eine konventionelle Glockendüse muss auf einen bestimmten Umgebungsdruck ausgelegt werden. Eine für das Vakuum optimierte Düse verhält sich beim Betrieb auf Meereshöhe völlig anders als eine auf Bodenniveau optimierte Düse.
Der Aerospike soll diese Abhängigkeit deutlich reduzieren und wird deshalb als interessant für wiederverwendbare Oberstufen angesehen.
Methan, Kerosin und die nächste Generation von Triebwerken
Die Entwicklung umfasst sowohl kerosin- als auch methanbetriebene Triebwerke. Bei den bisherigen Tests handelt es sich überwiegend um druckgespeiste Triebwerke. Für größere Leistungsklassen reichen solche Systeme jedoch nicht mehr aus, weil die erforderlichen Drucktanks zu schwer würden.
Der nächste Entwicklungsschritt liegt deshalb bei Turbopumpen, Turbomaschinen und Vorverbrennern. Besondere Aufmerksamkeit gilt dabei leistungsfähigen Triebwerkszyklen wie der gestuften Verbrennung mit Vorverbrennung.
Gerade bei diesen Systemen steigen die Anforderungen an Materialien, Druck, Massenströme und Prüfstände erheblich. Die Computational-Engineering-Methode soll hier einen entscheidenden Vorteil bieten, weil die geometrische Entwicklung nicht jedes Mal vollständig manuell neu aufgebaut werden muss.
Die Entwicklung komplexer Triebwerkskomponenten kann dadurch stärker als bisher als iterativer Softwareprozess behandelt werden.
Der eigentliche Engpass: die physische Erprobung
Die Rechenleistung und die Geschwindigkeit der geometrischen Erzeugung stellen nach den Angaben des Interviews inzwischen nicht mehr die größte Einschränkung dar. Ein Triebwerk kann bei reduzierter Auflösung innerhalb weniger Minuten erzeugt werden. Eine hochaufgelöste Version kann je nach Komplexität innerhalb von Stunden entstehen.
Der entscheidende Zeitaufwand liegt anschließend in Herstellung, Transport und Erprobung.
Besonders limitierend ist die Verfügbarkeit geeigneter Teststände. Die bisher genutzten Prüfstände setzen den getesteten Schubleistungen Grenzen. Für größere Triebwerke sind erheblich leistungsfähigere Prüfstände erforderlich.
Als Beispiel wird ein bereits hergestellter Aerospike mit einer Schubklasse von etwa 200 Kilonewton genannt, für den nach den Angaben im Interview zum damaligen Zeitpunkt kein geeigneter eigener Teststand verfügbar war. Der weitere Ausbau der Testinfrastruktur in den Vereinigten Arabischen Emiraten wird deshalb als wesentlicher nächster Schritt beschrieben.
Fertigung als Bestandteil des Computational Models
Ein weiterer Schwerpunkt liegt auf der additiven Fertigung. LEAP 71 arbeitet mit großen industriellen 3D-Drucksystemen und nutzt die Fertigung nicht lediglich zur Herstellung fertiger Konstruktionen, sondern auch zur Rückkopplung in die Entwicklung der Algorithmen.
Das Modell muss berücksichtigen, welche Strukturen mit den verfügbaren Fertigungsverfahren tatsächlich hergestellt werden können. Eine mathematisch erzeugbare Geometrie ist deshalb noch lange keine fertigungsgerechte Geometrie.
Mit zunehmender Größe und Komplexität wird diese Unterscheidung besonders relevant. Große Triebwerksbauteile sind kostenintensiv, sodass eine Vielzahl erfolgloser Fertigungsversuche vermieden werden soll.
Die Fertigungserfahrung fließt deshalb zurück in die Algorithmen. Auf diese Weise soll das System nicht nur physikalisch sinnvolle, sondern auch tatsächlich herstellbare Konstruktionen erzeugen.
Der Hypersonic Precooler
Als weiteres Beispiel für die Möglichkeiten des Ansatzes wird ein etwa 1,5 Meter hoher Wärmetauscher für den Hyperschallbereich genannt.
Das Bauteil wurde nach den Angaben des Interviews mit einem industriellen Großdrucker gefertigt, aber zum Zeitpunkt des Gespräches noch nicht unter realen hypersonischen Bedingungen getestet. Für einen solchen Test wäre ein entsprechender Hochgeschwindigkeits-Windkanal erforderlich.
Das Ziel des Bauteiles besteht daher zunächst darin, die Grenzen der herstellbaren Geometrie und die Möglichkeiten des Algorithmus zu demonstrieren.
Die Konstruktion verwendet eine spezielle, gefaltete beziehungsweise fraktal aufgebaute Struktur, die eine sehr große Wärmeübertragungsfläche ermöglicht. Im Gegensatz zu klassischen verzweigten Strukturen soll die Geometrie die Strömung gezielt führen und gleichzeitig die erforderliche Oberfläche bereitstellen.
Der Precooler wird als Beispiel dafür präsentiert, dass additive Fertigung zusammen mit algorithmischer Geometrieerzeugung Bauteile ermöglicht, die mit herkömmlicher manueller CAD-Konstruktion nur schwer oder überhaupt nicht realisierbar wären.
Die Bedeutung von Fertigungswissen
Damit erweitert sich der Begriff des technischen Entwurfes erheblich. Ein Computational Model muss nicht nur wissen, welche Form physikalisch sinnvoll ist. Es muss auch berücksichtigen, ob diese Form gefertigt, bearbeitet, montiert und betrieben werden kann.
Gerade darin sieht LEAP 71 einen wesentlichen Unterschied zu Ansätzen, die lediglich eine geometrische Optimierung durchführen.
Eine Simulation kann beispielsweise eine theoretisch optimale Form erzeugen. Wenn diese Form anschließend nicht gedruckt, geschweißt, verschraubt oder gewartet werden kann, ist sie als technisches Produkt nicht ausreichend.
Computational Engineering soll deshalb die gesamte Kette von der physikalischen Anforderung bis zum fertigen und betriebenen Bauteil umfassen.
Die Zwei-Personen-Unternehmung als Organisationsprinzip
LEAP 71 beschreibt seine geringe Mitarbeiterzahl nicht als vorübergehenden Zustand, sondern als Teil des eigenen Arbeitskonzeptes.
Die beiden Gründer arbeiten mit einer klaren, aber komplementären Aufgabenteilung. Die Engineering-Projekte liegen überwiegend bei Josefine Lissner, während Lin Kayser einen großen Teil der übrigen unternehmerischen, technischen und organisatorischen Aufgaben übernimmt.
Ihre Arbeitsweisen werden als unterschiedlich, aber sich ergänzend beschrieben. Der eine Zugang ist stärker intuitiv und physikalisch geprägt, der andere stärker analytisch und mathematisch. Ein Problem kann dadurch zunächst intuitiv erfasst und anschließend formal durchgerechnet werden.
Die unmittelbare Kommunikation zwischen zwei Personen wird als erheblicher Produktivitätsvorteil verstanden. Entscheidungen können ohne Hierarchien, Abstimmungsrunden oder lange organisatorische Prozesse getroffen und unmittelbar umgesetzt werden.
Die Software übernimmt dabei einen Teil jener Kommunikationsfunktion, die in größeren Unternehmen normalerweise durch Meetings, Dokumentation, Abteilungen und organisatorische Prozesse geleistet werden muss.
Kritik am klassischen Unternehmenswachstum
Aus dieser Erfahrung leitet LEAP 71 eine grundsätzliche Kritik am klassischen Start-up-Modell ab.
Nach dieser Sichtweise wird Unternehmenswachstum häufig anhand der Zahl der Beschäftigten oder des eingeworbenen Kapitals gemessen, obwohl diese Größen nur indirekt etwas über den tatsächlichen technologischen Fortschritt aussagen.
LEAP 71 verfolgt stattdessen das Prinzip, mit möglichst wenigen Menschen möglichst viel technologische Leistung zu erzeugen. Externe Finanzierung wird als potenzielle Einschränkung der unternehmerischen Freiheit betrachtet, weil Investoren und größere Organisationen zusätzliche Entscheidungs- und Abstimmungsprozesse erzeugen.
Die eigene Organisation soll deshalb klein, eigenfinanziert und schnell entscheidungsfähig bleiben.
Finanzierung aus Kundenprojekten
LEAP 71 gibt an, ohne Investoren gegründet worden zu sein. Nach dem Ende von Hyperganic standen nach den Angaben im Interview lediglich rund 20 000 Euro als persönliches Startkapital zur Verfügung. Ein früher Kunde in den Vereinigten Arabischen Emiraten sorgte mit einem Engineering-Projekt für die erste wichtige Einnahmequelle.
Anschließend wurde ein internationaler Kundenstamm aufgebaut. Das Unternehmen arbeitet nach eigenen Angaben projektbasiert und verkauft nicht primär eine klassische Standardsoftware, sondern entwickelt Computational-Engineering-Lösungen für konkrete technische Aufgaben.
Das Geschäftsmodell besteht damit im Kern darin, einen technischen Wert für Kunden zu schaffen und sich aus den daraus entstehenden Einnahmen zu finanzieren.
Warum Dubai als Unternehmensstandort gewählt wurde
Die Wahl Dubais wird im Gespräch sowohl wirtschaftlich als auch strategisch begründet.
Die Gründer beschreiben die Stadt als unternehmerisch geprägtes Umfeld mit hoher internationaler Offenheit. Sie betonen insbesondere die schnelle Entwicklung Dubais und die Tatsache, dass die Stadt in einer extrem ressourcenarmen Umgebung eine hochentwickelte Infrastruktur aufgebaut hat.
Dubai wird dabei als eine Art technologisches Labor betrachtet: Wasser, Kühlung, Begrünung, Energieversorgung und Infrastruktur müssen unter Bedingungen bereitgestellt werden, unter denen natürliche Ressourcen nur begrenzt verfügbar sind.
Die Wahl des Standortes wird zugleich mit dem Wunsch begründet, sich geopolitisch möglichst unabhängig zu positionieren und die eigene Technologie nicht unnötig in eine bestimmte politische Einflusssphäre einordnen zu lassen.
Nach ausdrücklicher Aussage im Gespräch wurde LEAP 71 nicht von den Vereinigten Arabischen Emiraten mit einer speziellen staatlichen Finanzierung ausgestattet. Die Finanzierung erfolgte vielmehr aus den eigenen Mitteln und anschließend aus Kundenprojekten.
Kritik an den europäischen Rahmenbedingungen
Ein erheblicher Teil des Gespräches beschäftigt sich mit den unterschiedlichen Bedingungen für Unternehmensgründungen in Europa und den Vereinigten Arabischen Emiraten.
Dabei wird insbesondere die hohe steuerliche und administrative Belastung in Deutschland kritisiert. Die These lautet, dass ein Unternehmen, das in der frühen Phase nur geringe Einnahmen besitzt, durch Steuern, Sozialabgaben und Bürokratie einen erheblichen Teil seiner finanziellen Ressourcen verliert.
Die Gesprächspartner leiten daraus die Einschätzung ab, dass bestimmte technologieintensive Geschäftsmodelle in Europa wesentlich schwieriger aufzubauen seien als in Dubai.
Diese Aussagen werden im Interview ausdrücklich als persönliche unternehmerische Erfahrung und politische beziehungsweise wirtschaftliche Bewertung vorgetragen; sie stellen innerhalb des Gespräches keine systematische volkswirtschaftliche Untersuchung dar.
Die nächste Entwicklungsstufe: künstliche Intelligenz als Beschleuniger
Eine besonders wichtige Wendung des Gesprächs betrifft die rasche Entwicklung generativer künstlicher Intelligenz.
LEAP 71 hatte bereits vor dieser Entwicklung große Teile der eigenen Ingenieurarbeit in Software überführt. Mit den neuen KI-Systemen verändert sich nach eigener Einschätzung nun jedoch die Ebene, auf der gearbeitet werden kann.
Bisher wurde Ingenieurwissen von Menschen analysiert, formalisiert und anschließend in Programmcode überführt. Die neuen KI-Systeme können einen Teil dieser Programmierarbeit übernehmen.
Dadurch entsteht die Möglichkeit, die bisherige Methode selbst zu automatisieren.
LEAP 71 hat deshalb nach eigener Aussage einen zeitlich begrenzten Einschnitt vorgenommen: Neue Projekte wurden zunächst nicht mehr angenommen, um sich auf die Weiterentwicklung der eigenen Arbeitsweise zu konzentrieren. Vorgesehen war ein Zeitraum von etwa 18 Monaten.
Die Entscheidung wird damit begründet, dass sich die technologische Landschaft derzeit so schnell verändert, dass es riskanter sein könne, die bisherige Arbeitsweise einfach fortzusetzen, als sie grundsätzlich neu zu organisieren.
Noyron und die neue Rolle großer Sprachmodelle
Noyron selbst wird als proprietäres Computational-Engineering-System beschrieben. Es soll nicht einfach ein großes Sprachmodell sein, sondern eine strukturierte Umgebung, in der Ingenieurwissen in reproduzierbare Algorithmen überführt wird.
Große Sprachmodelle werden dabei als Hilfsmittel für den Umgang mit unstrukturiertem Wissen betrachtet. Sie können beispielsweise Informationen aus Texten erschließen, Zusammenhänge erkennen oder bei der Wissensgewinnung unterstützen.
Die entscheidende Transformation besteht anschließend darin, dieses Wissen in strukturierte, überprüfbare Regeln zu überführen.
Das Ziel ist ein reproduzierbares und kohärentes technisches Weltmodell. Ein generatives Sprachmodell soll also nicht unmittelbar die endgültige Konstruktion eines Raketentriebwerkes erzeugen. Es soll vielmehr Teil eines größeren Systems sein, das Wissen sammelt, strukturiert, prüft und schließlich in deterministische Rechenverfahren überführt.
Die verwendeten Sprachmodelle werden dabei als austauschbare Infrastruktur betrachtet. Entscheidend sei nicht, welches einzelne Sprachmodell im Hintergrund eingesetzt werde, sondern wie Wissen organisiert und in reproduzierbare Verfahren überführt werde.
Warum Leap 71 vor „Blackbox Engineering“ warnt
Ein zentraler Punkt des Gespräches ist die Ablehnung eines rein probabilistischen Ansatzes für sicherheitskritisches Ingenieurwesen.
Bei einem klassischen technischen System muss nachvollziehbar sein, warum eine Konstruktion funktioniert. Berechnungen, Annahmen, Materialien, Dimensionierungen und Randbedingungen müssen überprüfbar sein.
Ein System, das lediglich eine plausible Geometrie erzeugt, reicht dafür nicht aus.
Die im Gespräch formulierte Grundfrage lautet sinngemäß: Würde man in ein Flugzeug steigen, dessen Konstruktion von einer nicht nachvollziehbaren künstlichen Intelligenz erzeugt wurde und dessen Funktionsfähigkeit sich nicht überprüfen lässt?
Die Antwort fällt eindeutig aus.
Damit wird zwischen zwei Formen künstlicher Intelligenz unterschieden:
Unstrukturierte Wissensverarbeitung: Große Sprachmodelle können Muster erkennen und Informationen aus umfangreichen Datenbeständen erschließen.
Strukturiertes technisches Wissen: Ingenieurwissen wird in explizite Regeln und Algorithmen überführt, die reproduzierbar ausgeführt und überprüft werden können.
Erst das Zusammenspiel beider Ebenen soll nach der im Interview vertretenen Konzeption eine belastbare Automatisierung des Ingenieurwesens ermöglichen.
Noyron als Wissenssystem
Die im Gespräch genannte Größenordnung von etwa 1,5 Millionen Zeilen physikalischer und logischer Operationen verdeutlicht, welchen Umfang die in Noyron gespeicherte Wissensbasis inzwischen erreicht haben soll.
Dabei geht es nicht lediglich um die Beschreibung einzelner Gegenstände. Die Algorithmen enthalten Regeln dafür, wie technische Systeme erzeugt werden.
Die nächste Entwicklungsstufe besteht nach der Darstellung im Interview darin, die Erstellung und Weiterentwicklung dieser Algorithmen selbst stärker zu automatisieren.
Damit verschiebt sich die Rolle des Menschen erneut. Der Ingenieur arbeitet nicht mehr zwangsläufig auf der Ebene jeder einzelnen Codezeile, sondern definiert zunehmend Anforderungen, Strukturen und Kontrollmechanismen, während KI-Systeme Teile der Umsetzung übernehmen.
Die menschliche Kontrolle bleibt dabei nach der dargestellten Philosophie erhalten.
Engineering als Verbindung von Physik, Logik und Fertigung
Ein wiederkehrender Gedanke des Interviews besteht darin, dass Engineering nicht mit Physik oder Geometrie gleichgesetzt werden kann.
Physik beschreibt, welche Vorgänge möglich sind und welchen Gesetzmäßigkeiten sie folgen. Engineering muss darüber hinaus entscheiden, welches technische Problem gelöst werden soll und welche logische Struktur dafür erforderlich ist.
Als Beispiel wird ein Türschloss genannt. Seine Funktion lässt sich nicht einfach aus einem physikalischen Feld ableiten. Es handelt sich um einen logisch konstruierten Mechanismus, der physikalischen Gesetzen unterliegt, aber durch eine technische Funktionslogik definiert wird.
Aus dieser Sicht ist Simulation nur ein Bestandteil des Engineering-Prozesses. Eine Simulation kann eine physikalische Situation beschreiben, ersetzt aber nicht automatisch die Entscheidung darüber, welches technische Objekt überhaupt gebaut werden soll.
Die Auseinandersetzung mit großen KI- und Raumfahrtunternehmen
Im Gespräch wird die zunehmende Aktivität großer Technologie- und Raumfahrtunternehmen in diesem Bereich als Bestätigung der grundsätzlichen Entwicklungsrichtung interpretiert.
Insbesondere die Aktivitäten von Elon Musk beziehungsweise SpaceX und von Jeff Bezos beziehungsweise Projekt Prometheus werden angesprochen. Nach der Darstellung im Interview arbeiten auch diese Unternehmen daran, umfangreiches Ingenieurwissen mit KI-Systemen zu verbinden.
LEAP 71 sieht darin grundsätzlich eine positive Entwicklung. Ziel sei nicht, dauerhaft das einzige Unternehmen auf diesem Gebiet zu bleiben. Im Gegenteil: Die Gründer betrachten es als wünschenswert, wenn Computational Engineering von weiteren Unternehmen aufgegriffen und weiterentwickelt wird.
Gleichzeitig wird zwischen dem eigenen Ansatz und vermuteten stärker datengetriebenen Ansätzen großer Unternehmen unterschieden.
Nach der im Gespräch vertretenen Auffassung ist klassisches „Big Data“ für Engineering nur begrenzt geeignet, weil es nicht annähernd genügend hochwertige reale Datensätze gibt. Zehntausende existierender Triebwerke würden beispielsweise nicht automatisch erklären, wie ein neues Triebwerk konstruiert werden muss.
Der entscheidende Schritt bestehe daher darin, zuerst die Regeln zu formalisieren, mit denen neue technische Konstruktionen erzeugt werden können. Simulation, Fertigung und Messdaten können anschließend zur weiteren Verbesserung eingesetzt werden.
Die Bedeutung von Open Source für das entstehende Ökosystem
LEAP 71 versteht die Veröffentlichung von PicoGK als Beitrag zum Aufbau eines größeren technischen Ökosystems.
Die Idee besteht darin, dass verschiedene Unternehmen unterschiedliche Geometriekerne, Algorithmen und Anwendungen entwickeln können, ohne dass die gesamte Entwicklung von einer einzelnen proprietären Basistechnologie abhängt.
Die Gründer sehen darin eine Voraussetzung dafür, dass Computational Engineering langfristig zu einer allgemeinen Arbeitsweise des Ingenieurwesens werden kann.
Der eigene Wettbewerbsvorteil soll deshalb nicht allein aus dem Besitz des technischen Unterbaus entstehen, sondern aus der Fähigkeit, auf diesem Unterbau komplexe Computational-Engineering-Systeme aufzubauen.
Raketentriebwerke als Nachweis der praktischen Skalierbarkeit
Die Vielzahl der getesteten Triebwerke dient im Gespräch letztlich als praktischer Nachweis für die zentrale These des Unternehmens: Eine technische Entwicklung kann ähnlich wie Software iteriert werden, wenn die zugrunde liegende Konstruktion in Algorithmen überführt wurde.
Bei konventioneller Entwicklung muss ein Ingenieursteam jede neue Triebwerksvariante erneut konstruieren, dimensionieren und fertigungsgerecht ausarbeiten. Bei LEAP 71 wird dagegen der bereits vorhandene Algorithmus mit neuen Eingangsgrößen ausgeführt.
Die eigentliche Entwicklungsarbeit verschiebt sich dadurch von der wiederholten Erstellung einzelner Objekte auf die Verbesserung des zugrunde liegenden Regelwerks.
Das erklärt nach der Darstellung des Unternehmens auch, warum ein zweiköpfiges Team innerhalb relativ kurzer Zeit eine größere Zahl unterschiedlicher Triebwerke entwickeln und testen konnte.
Von der Raumfahrt zur allgemeinen Zivilisationstechnik
Die Gründer betrachten die Raumfahrt nicht als einzigen Zielbereich. Sie verstehen Computational Engineering vielmehr als allgemeine Methode für technische Systeme.
Genannt werden unter anderem Wärmetauscher, Fusionssysteme, Turbomaschinen, Hyperschalltechnik und andere komplexe technische Strukturen.
Die langfristige Motivation wird dabei weit über einzelne Produkte hinaus formuliert. Engineering wird als eine der grundlegenden Fähigkeiten der menschlichen Zivilisation verstanden, weil technische Infrastruktur letztlich die Voraussetzung für die Nutzung von Energie, Rohstoffen und Wissen bildet.
In diesem Zusammenhang wird auch der Klimawandel als technisches Problem eingeordnet. Nach der im Gespräch vertretenen Auffassung können viele der großen Herausforderungen der Menschheit durch bessere technische Systeme gelöst werden.
Fusionsenergie als besonders relevantes Anwendungsfeld
Fusion wird ausdrücklich als eines der Felder genannt, an denen LEAP 71 arbeitet. Dabei wird betont, dass die beiden Gründer selbst nicht auf allen Gebieten über die erforderliche fachliche Spezialisierung verfügen.
Die Vorgehensweise besteht deshalb darin, mit Fachleuten aus dem jeweiligen Gebiet zusammenzuarbeiten und deren implizites Wissen zu erfassen und zu formalisieren.
Gerade Fusionssysteme werden als Beispiel für ein technisches Gebiet betrachtet, in dem sehr komplexe Geometrien, physikalische Anforderungen und Fertigungsbedingungen zusammengeführt werden müssen.
Der Zugang zu Noyron wird im Gespräch grundsätzlich als offen beschrieben: Interessenten sollen Kontakt aufnehmen und ihr konkretes Vorhaben besprechen. Gleichzeitig wird darauf hingewiesen, dass LEAP 71 aufgrund seiner sehr kleinen Größe nicht beliebig viele Projekte gleichzeitig bearbeiten kann.
Energie als Voraussetzung technologischer Entwicklung
Die Bedeutung des Computational Engineering erschöpft sich nicht in der Beschleunigung einzelner Entwicklungsprozesse. Im Interview wird ein grundlegender Zusammenhang zwischen Energie und Zivilisationsfortschritt hergestellt: Technologische Entwicklung gewinnt ihre Dynamik aus der Verbindung von Intelligenz und verfügbarer Energie. So wie einst die Zugkraft eines Pferdes die Möglichkeiten landwirtschaftlicher Arbeit grundlegend erweiterte, eröffnet künstliche Intelligenz heute die Aussicht, technische Vorhaben zu verwirklichen, die bislang außerhalb unserer Reichweite lagen. Dazu zählen beispielsweise die Meerwasserentsalzung in großem Maßstab und neue Wege der Energiegewinnung.
Mit der künstlichen Intelligenz steht der Menschheit bereits eine Form von Intelligenz zur Verfügung, deren Nutzung immer stärker durch den Energiebedarf begrenzt wird. Der im Interview betonte Zusammenhang ist dabei eindeutig: Zwischen dem Fortschritt der Menschheit und ihrem Energieverbrauch besteht eine direkte Korrelation. Eine fortschreitende Zivilisation entwickelt neue Anwendungen, erschließt zusätzliche Möglichkeiten und schafft damit weiteren Energiebedarf. Entscheidend ist deshalb nicht, den Energieverbrauch grundsätzlich zu senken, sondern die energetische Grundlage des Fortschritts zu erweitern.
Eine besondere Perspektive eröffnet die Vorstellung von „freier Energie“: Wäre Energie praktisch kostenlos und in großer Menge verfügbar, könnte dies einen erheblichen Entwicklungssprung ermöglichen. Ein Energieüberschuss wäre dabei nicht bloß ein Überangebot, sondern die Grundlage für Anwendungen und technische Lösungen, die heute noch durch begrenzte Ressourcen eingeschränkt sind.
Die zentrale Aufgabe ist damit ein ingenieurtechnisches Problem: Es gilt, neue Wege zu finden, um mehr Energie sauber zu erzeugen und effizient bereitzustellen. Energieeffizienz bleibt dabei wesentlich; sie ersetzt jedoch nicht die Notwendigkeit, die verfügbare Energiemenge zu erweitern. Aus dieser Sicht entsteht technologischer Fortschritt nicht durch immer stärkere Begrenzung, sondern durch die Fähigkeit, zusätzliche Energie verantwortungsvoll nutzbar zu machen.
Eine neue Rolle des Ingenieurs
Aus dieser Entwicklung ergibt sich eine veränderte Vorstellung von der Rolle des Ingenieurs.
Der Ingenieur der Zukunft soll nach der im Interview vertretenen Perspektive nicht mehr hauptsächlich einzelne technische Objekte zeichnen oder Programmcode Zeile für Zeile schreiben. Seine zentrale Aufgabe verschiebt sich auf die Ebene der Anforderungen, der physikalischen Zusammenhänge, der technischen Logik und der Überprüfung.
Programmieren bleibt dabei wichtig, verändert aber seinen Charakter. Statt jede Einzeloperation selbst zu formulieren, geht es zunehmend darum, Systeme zu verstehen, zu strukturieren und ihre Ergebnisse zu kontrollieren.
Daraus leitet sich auch die Aufforderung ab, dass Ingenieure Programmierkenntnisse erwerben und künstliche Intelligenz als Werkzeug einsetzen sollten.
Leap 71 als bewusst kleines technologisches Unternehmen
Am Ende des Gespräches verdichtet sich die Unternehmensphilosophie zu einigen Grundprinzipien:
LEAP 71 möchte mit sehr wenigen Personen eine möglichst große technologische Wirkung erzielen. Das Unternehmen möchte seine Entscheidungsfreiheit behalten, externe Abhängigkeiten minimieren und wesentliche Basistechnologien offen zugänglich machen.
Die Geschwindigkeit der technologischen Entwicklung wird dabei als so hoch eingeschätzt, dass klassische Organisationsstrukturen zunehmend zum Hemmnis werden könnten. Große Organisationen benötigen zahlreiche Abstimmungen, während ein kleines Team unmittelbar entscheiden und handeln kann.
Die Gründer sehen darin keinen Selbstzweck. Entscheidend ist für sie die Konzentration auf die eigentliche technologische Aufgabe.
Gesamtaussage des Gespräches
Das Interview zeichnet das Bild eines Unternehmens, das Engineering grundsätzlich neu organisieren möchte. Im Zentrum steht nicht eine einzelne Software, ein einzelnes Triebwerk oder eine bestimmte Fertigungstechnologie, sondern eine neue Form der technischen Wissensorganisation.
Computational Engineering soll dabei drei Eigenschaften miteinander verbinden:
- Explizites Wissen: Physikalische und technische Regeln werden formalisiert.
- Algorithmische Reproduzierbarkeit: Aus diesen Regeln entstehen deterministische Verfahren, die mit definierten Eingaben reproduzierbare Ergebnisse liefern.
- Physische Rückkopplung: Die erzeugten Objekte werden gefertigt, getestet und anhand realer Ergebnisse weiterentwickelt.
PicoGK bildet in dieser Konzeption die offene geometrische Grundlage. Noyron bildet die darüberliegende Ebene, in der Ingenieurwissen, physikalische Modelle, konstruktive Regeln und Fertigungsanforderungen zusammengeführt werden.
Die Raketentriebwerke dienen als besonders anspruchsvolles Demonstrationsfeld für diesen Ansatz. Ihre Entwicklung zeigt nach der Darstellung von LEAP 71, dass komplexe physische Systeme mit einer Geschwindigkeit iteriert werden können, die eher aus der Softwareentwicklung bekannt ist.
Die zunehmende Leistungsfähigkeit künstlicher Intelligenz wird als nächste Entwicklungsstufe betrachtet. Große Sprachmodelle sollen dabei nicht die technische Validierung ersetzen, sondern vor allem bei der Erschließung und Strukturierung unorganisierten Wissens helfen. Die eigentliche technische Konstruktion soll weiterhin auf expliziten, reproduzierbaren und überprüfbaren Regeln beruhen.
Damit verbindet LEAP 71 eine technologische und eine organisatorische These: Wenn Ingenieurwissen als Software verfügbar wird, muss seine Anwendung nicht mehr proportional mit der Zahl der beteiligten Menschen wachsen. Ein kleines Team kann auf diese Weise eine wesentlich größere technische Wirkung entfalten.
Die langfristige Vision reicht deshalb über einzelne Raketentriebwerke hinaus. Computational Engineering soll zu einer allgemeinen Methode werden, mit der komplexe technische Systeme entwickelt, gefertigt, getestet und kontinuierlich verbessert werden können. Die Entwicklung von Raumfahrttechnik, Fusionssystemen, Hochgeschwindigkeitsanwendungen und anderen komplexen technischen Anlagen wird dabei als Teil eines größeren Übergangs verstanden: von einer Ingenieurtechnik, die überwiegend durch individuelle Erfahrung und manuelle Konstruktion geprägt ist, zu einem Ingenieurwesen, in dem Wissen zunehmend als ausführbare, überprüfbare und fortlaufend lernende Software organisiert wird.