GPU-Simulation & Agentic AI fürs Engineering
So beschleunigen Synopsys und Nvidia das KI-Engineering
Nvidia wird für die Industrie immer stärker zur Infrastruktur- und Plattformmacht. Gemeinsam mit Synopsys zeigt der Konzern nun, wie KI, GPU-Simulation und digitale Zwillinge das Engineering vom Chipdesign bis zur Robotik verändern.
Synopsys und Nvidia setzen in ihrer Partnerschaft konkrete Anwendungsfelder für KI-gestütztes Engineering – von Materialsimulation, Automotive- und Halbleiterentwicklung bis zu digitalen Zwillingen und agentischen EDA-Workflows.
Synopsys
Warum Synopsys und Nvidia für das KI-Engineering wichtiger werden
Nvidia ist für die Industrie längst mehr als ein Anbieter leistungsfähiger Prozessoren. So reicht der Einfluss des Unternehmens heute von Rechenzentren über Industrieanwendungen bis ins Fahrzeug. Entscheidend ist dabei das Software- und Plattformökosystem rund um CUDA. Die Abkürzung steht für Compute Unified Device Architecture und bezeichnet Nvidias Entwicklungsplattform, mit der sich Grafikprozessoren für weit mehr als klassische Grafikberechnungen nutzen lassen – etwa für Künstliche Intelligenz, Simulationen, Datenanalyse und technische Entwicklungsanwendungen. Hinzu kommen spezialisierte Bibliotheken, Werkzeuge und eine leistungsfähige Recheninfrastruktur, die diese Hardware im industriellen Einsatz besser nutzbar machen. Auf diese Weise entsteht aus einzelnen Chips ein eng verzahntes System aus Hardware, Software und Entwicklungswerkzeugen. Genau darin liegt Nvidias wachsender Einfluss: Das Unternehmen liefert nicht mehr bloß Rechenleistung, sondern prägt zunehmend auch die technischen Grundlagen, auf denen ganze Entwicklungsumgebungen aufbauen.
Genau deshalb ist die Partnerschaft mit Synopsys mehr als eine weitere GTC-Meldung. Während Nvidia auf der GTC 2026 vor allem die große Linie rund um Physical AI, Datenfabriken und autonome Systeme zeichnete, liefert Synopsys die greifbare technische Ebene dazu. Für die Elektronikbranche ist das relevant, weil die eigentliche Wirkung dort entsteht, wo EDA, Simulation, Verifikation und digitale Zwillinge produktiver werden.
Diesen Kurs haben beide Unternehmen bereits Ende 2025 offiziell vertieft. Nvidia und Synopsys kündigten damals eine ausgeweitete, mehrjährige Zusammenarbeit an, die CUDA-beschleunigtes Rechnen, agentische KI, Physical AI und Omniverse-Digital-Twins enger mit den Engineering-Lösungen von Synopsys verzahnen soll. Nvidia investierte dabei 2 Milliarden US-Dollar in Synopsys. Damit wird klar, dass es um weit mehr geht als um einzelne Demos; nämlich um eine neue technische Grundierung für Entwicklung und Simulation.
Was die Partnerschaft von Synopsys und Nvidia konkret bringt
Für Entwicklungsabteilungen zählt am Ende, was sich in realen Workflows verändert. Genau dort setzt die aktuelle Synopsys-Meldung an. Das Unternehmen beschreibt seine Rolle als Verbindung von „Silicon to Systems“ und zeigt an mehreren Praxisfällen, wie GPU-beschleunigte Anwendungen rechenintensive Aufgaben in Halbleiterentwicklung, Verifikation, Robotik, Simulation und Materialforschung verkürzen. Dadurch rücken KI und beschleunigtes Rechnen aus der strategischen Debatte in den Alltag von F&E-Teams.
Ein besonders anschauliches Beispiel liefert Astera Labs. Der Anbieter von Halbleiter- und Konnektivitätslösungen für KI-Infrastrukturen, meldet Fortschritte bei der Entwicklung von Hochgeschwindigkeitsbausteinen für den Datentransport in KI-Systemen. Laut Synopsys erzielte das Unternehmen bei umfangreichen Schaltkreis-Simulationen für solche Konnektivitätschips mit Synopsys PrimeSim auf NVIDIA-B200-GPUs in AWS-EC2-Instanzen eine 3,5-fache Beschleunigung gegenüber CPU-basierten Instanzen. Gerade bei ultra-hochschnellen SerDes-Schnittstellen und anderen zentralen Verbindungsbausteinen ist das relevant, weil die Validierung solcher Designs sehr rechenintensiv ist und Simulationsläufe schnell zum Engpass werden. Kürzere Laufzeiten wirken sich hier direkt auf die Entwicklungsgeschwindigkeit und den Zeitplan bis zur Markteinführung aus.
Auch der Bereich agentische KI für EDA-Workflows zeigt, wohin die Reise geht. Synopsys entwickelt gemeinsam mit Nvidia einen offenen, sicheren und hardwarebeschleunigten agentischen KI-Stack für Anwendungsfälle von Silicon bis zu komplexen Systemarchitekturen. Die AgentEngineer-Workflows nutzen das Nvidia Agent Toolkit und unterstützen Nvidia NIM Inference Services sowie Nemotron-Modelle. Auf der GTC zeigte Synopsys agentische EDA-Workflows, die komplexe Chipdesign-Aufgaben orchestrieren und laut Unternehmen einen branchenweit ersten L4-agentischen Workflow für Design und Verifikation umfassen. Damit erhält KI im Engineering eine weiterreichende Rolle, weil sie ganze Abläufe strukturieren, koordinieren und beschleunigen kann.
Was bedeutet „Physical AI“ für Daten, Simulation und Digital Twins?
Einen weiteren Schwerpunkt bilden digitale Zwillinge und Physical AI. Nvidia hat auf der GTC 2026 mit der Physical AI Data Factory Blueprint eine offene Referenzarchitektur vorgestellt, die die Erzeugung, Erweiterung und Bewertung von Trainingsdaten für Robotik, Vision-AI-Agenten und autonome Fahrzeuge vereinheitlichen soll. Dahinter steht die Einsicht, dass KI in der physischen Welt hochwertige Daten, Orchestrierung und realitätsnahe Simulation braucht.
An dieser Stelle setzt Analog Devices an. Laut Synopsys wurde die Isaac-Sim-Umgebung von ADI, die auf Nvidia-Omniverse-Bibliotheken basiert, um Synopsys-Physik erweitert. ADI nutzt diese Umgebung für hochauflösende Simulations-Assets, taktile Sensorik-Prototypen, Time-of-Flight-Vision-Systeme und digitale Zwillinge von Robotik-Dexterity-Benchmarks. Diese Benchmarks zielen auf reale Anwendungen, darunter Rechenzentren und die Automobilproduktion. Ergänzt wird das durch Ansys Mechanical und AVxcelerate Sensors, um physikalische Effekte wie Tiefenwahrnehmung sowie das Verhalten von Kabeln und Steckverbindern präziser abzubilden. Die Kooperation adressiert damit eine der zentralen Schwachstellen robotischer und sensorbasierter KI-Systeme: die Sim-to-Real-Lücke zwischen virtueller Entwicklung und realer Anwendung.
Wo GPU-Simulation und digitale Zwillinge bereits messbare Vorteile bringen
Wie stark sich beschleunigtes Rechnen auf Entwicklungsprozesse auswirken kann, zeigt das Beispiel Honda. Dort wurden laut Synopsys instationäre, großskalige CFD-Simulationen mit hoher Auflösung auf vier GB200-GPUs gerechnet. Das Ergebnis: 34-mal schnellere Berechnungen und 38-mal geringere Kosten im Vergleich zu 1.920 cloudbasierten CPU-Kernen. Solche Größenordnungen verändern die Ökonomie der Entwicklung spürbar. Schnellere und günstigere Simulationen schaffen Spielraum für mehr Varianten, frühere Absicherung und engere Iterationsschleifen.
Auch das Thema Materialforschung profitiert von der Zusammenarbeit. So arbeitet Applied Materials mit Synopsys und Nvidia an der Beschleunigung komplexer Quantenchemie-Workloads. Laut Synopsys zeigt die Integration von QuantumATK mit NVIDIA cuEST ein potenzielles Beschleunigungspotenzial um den Faktor 30 gegenüber Open-Source-Modellen auf CPUs. Bereits zuvor hatte Applied Materials bei amorphen Systemen mit rund 25.000 Atomen eine achtfache Simulationsbeschleunigung mithilfe von Nvidia-GPUs gegenüber Multi-Core-CPUs erreicht. Das verweist auf eine Entwicklung, die für die Elektronik- und Halbleiterbranche zunehmend wichtig wird: Materialmodellierung und simulationsgestützte Forschung gewinnen an Tempo und Reichweite.
Der gemeinsame Nenner dieser Beispiele liegt in ihrer praktischen Wirkung. Im Vordergrund stehen kürzere Simulationszeiten, präzisere Modelle und messbare Effizienzgewinne in Entwicklungsschleifen. Genau dadurch erhält die Partnerschaft Substanz über den Ankündigungscharakter hinaus.
