Generatives Design für den 3D-Druck: Vom Algorithmus zum Objekt

The Sovereign Digital Workplace: A Roadmap from Today to 2055

My long-term vision for a sovereign, open, and human-centered digital workplace — and a phased roadmap showing how we move from vendor lock-in today to a federated, AI-companioned workplace by 2055.

3D-Druck gibt Ihnen die Freiheit, fast alles herzustellen – aber was wäre, wenn das Design selbst durch Algorithmen generiert werden könnte? Das ist das Versprechen von generativem Design: Anstatt jede Halterung, jeden Griff oder jede Stützstruktur manuell zu modellieren, beschreiben Sie die Rahmenbedingungen und lassen eine Software Tausende von Möglichkeiten ausloten.

Dieser Artikel beleuchtet die Schnittstelle zwischen generativem Design und 3D-Druck aus einer praktischen, auf digitale Souveränität ausgerichteten Perspektive. Ich werde die Kernkonzepte, die derzeit besten Open-Source-Tools und die Rolle der KI bei der Veränderung druckbarer Geometrien behandeln.

Was ist generatives Design?

Generatives Design ist ein iterativer Prozess, bei dem Software optimierte Geometrien basierend auf einem Satz von Constraints generiert: Lastanforderungen, Materialgrenzen, Fertigungsmethode und Gewichtsziele. Im Gegensatz zu traditionellem CAD, bei dem Sie jedes Feature von Hand modellieren, geben Sie an, was Sie benötigen, und der Algorithmus erforscht, wie dies erreicht werden kann.

Für den 3D-Druck ist dies eine ideale Kombination – die additive Fertigung kann Formen realisieren, die maschinell oder durch Guss nicht herstellbar wären. Organisch wirkende Gitterstrukturen (Lattices), hohle interne Strukturen und Infills mit variabler Dichte sind einfach zu drucken, aber extrem schwierig manuell zu modellieren.

Zentrale Techniken

Topologieoptimierung: Das Unnötige entfernen

Die Topologieoptimierung ist die zugänglichste Technik des generativen Designs für den 3D-Druck. Die Idee ist simpel: Definieren Sie einen Designraum (einen Materialblock), legen Sie fest, wo Lasten angreifen und wo das Teil fixiert ist, und der Algorithmus entfernt das Material, das strukturell nicht notwendig ist.

Probieren Sie es selbst aus: Die folgende Demo führt einen vereinfachten SIMP-Topologieoptimierungs-Solver direkt in Ihrem Browser aus. Wählen Sie einen Lastfall, passen Sie den Ziel-Volumenanteil an und beobachten Sie, wie sich das Materiallayout Iteration für Iteration entwickelt.

Open-Source-Tools

FreeCAD mit CalculiX ist die leistungsfähigste Open-Source-Pipeline für die Topologieoptimierung:

Ein praktisches Beispiel: Eine GoPro-ähnliche Halterung, die ich optimiert habe, reduzierte ihr Gewicht von 12 g auf 4,7 g ohne Verlust der strukturellen Integrität. Die optimierte Form sah organisch aus – fast wie ein Knochen – etwas, das ich niemals von Hand modelliert hätte.

Einschränkungen

• Topologieoptimierte Teile benötigen oft eine Nachbearbeitung, um druckbar zu sein (der Rohoutput kann papierdünne Wände aufweisen).
• Symmetriebedingungen sind wichtig, wenn Sie ein visuell ausgewogenes Ergebnis wünschen.
• Der Schritt der Konvertierung von Mesh zu Solid kann in Open-Source-Tools mühsam sein.

# Solver → Topology Optimization → Minimum Member Size
# Set to: 0.8mm (for 0.4mm nozzle)

Gitterstrukturen: Stabilität ohne Gewicht

Lattices sind sich wiederholende Zellmuster, die ein Volumen ausfüllen. Sie kommen in der Natur überall vor (Knochen, Bienenwaben, Kork) und das aus gutem Grund: Sie maximieren Steifigkeit und Festigkeit bei minimalem Materialeinsatz.

Für den 3D-Druck erfüllen Gitterstrukturen zwei Zwecke:

1. Ersatz für Infill – anstatt eines einfachen Gitters wird ein strukturelles Lattice verwendet, das den Lastpfaden folgt.
2. Vollvolumen-Füllung – ein gesamtes Objekt wird als Lattice gedruckt, um extremes Leichtbau-Design zu realisieren.

Open-Source Lattice-Generierung

OpenSCAD ist überraschend leistungsfähig für parametrische Lattices:

// Simple gyroid lattice cell
module gyroid_cell(size=10, thickness=1) {
    // Gyroid is defined by sin(x)*cos(y) + sin(y)*cos(z) + sin(z)*cos(x) = 0
    // We approximate it by subtracting the isosurface from a cube
    difference() {
        cube(size, center=true);

        // The gyroid surface approximation
        for (x = [-size/2:1:size/2]) {
            for (y = [-size/2:1:size/2]) {
                for (z = [-size/2:1:size/2]) {
                    value = sin(x)*cos(y) + sin(y)*cos(z) + sin(z)*cos(x);
                    if (abs(value) < thickness/2) {
                        translate([x, y, z])
                            cube(1, center=true);
                    }
                }
            }
        }
    }
}

// Generate a 3x3x3 lattice
for (x = [0:2]) {
    for (y = [0:2]) {
        for (z = [0:2]) {
            translate([x*12, y*12, z*12])
                gyroid_cell();
        }
    }

This generates a gyroid lattice structure — the same pattern many slicers use for infill, but now as a full volumetric object. You can combine it with solid shells for a printable part.

**Better approach:** Use **nTopology** (commercial, free tier available) or the open-source **Lattices** plugin for FreeCAD. The FreeCAD plugin adds dedicated lattice pattern generation (simple cubic, body-centered cubic, gyroid, diamond, etc.) with adjustable cell size and strut thickness.

<details>
<summary><strong>Printing Lattice Parts: Settings Tips</strong></summary>

- **Layer height:** 0.12-0.16mm for better strut resolution
- **Wall thickness:** At least 3 perimeters to make struts solid
- **Support:** Most lattices are self-supporting if the cell orientation is correct (struts at ≤45° from vertical)
- **Cooling:** Full fan — lattice parts have lots of overhangs that need quick cooling
- **Material:** PLA works well; PETG for more flexibility; avoid materials that need enclosures unless you have one

</details>

---

## Parametric Generation: Design by Numbers

Parametric design isn't new — CAD has always had parameters — but generative design takes it further by _searching_ the parameter space automatically.

**OpenSCAD** excels here. Unlike mouse-based CAD, OpenSCAD is purely code-driven:

```openscad
// Parametric bracket generator
module bracket(
    width = 40,
    height = 60,
    depth = 20,
    thickness = 4,
    screw_hole_diameter = 4.2,
    fillet_radius = 3
) {
    // Base plate
    cube([width, thickness, height]);

    // Support flange
    translate([0, 0, height - depth])
    cube([width, depth, thickness]);

    // Screw holes
    for (x = [thickness*2 : width - thickness*2 : width - thickness*2]) {
        for (z = [thickness*2 : height - thickness*2 : height - thickness*2]) {
            translate([x, -1, z])
                rotate([-90, 0, 0])
                    cylinder(h = thickness + 2, d = screw_hole_diameter);
        }
    }

    // Fillet (simplified — for production use hull() or minkowski())
}

// Generate 6 variants with different thicknesses
for (t = [2, 3, 4, 5, 6, 7]) {
    translate([(t-2) * 50, 0, 0])
        bracket(thickness = t);
}

You can then script an automated search: generate 50 bracket variants with different thicknesses, fillet radii, and hole positions, then pick the one that prints fastest or uses the least material.

AI-Assisted Parameter Search

This is where things get interesting for 2026. You can now use local LLMs or optimization algorithms to search the parameter space automatically:

# Example: Optimize bracket parameters for minimum material
# using a simple evolutionary search

import random
import subprocess
import json

def evaluate_bracket(thickness, fillet):
    """Generate OpenSCAD, render, and estimate material usage."""
    scad_code = f'''
    bracket(thickness={thickness}, fillet_radius={fillet});
    '''
    # Write to temp file, render with openscad, read STL volume
    # Return material estimate
    ...

# Evolutionary search
best = {"thickness": 4, "fillet": 3, "material": float('inf')}
for generation in range(100):
    candidate = {
        "thickness": random.uniform(2, 8),
        "fillet": random.uniform(1, 5)
    }
    candidate["material"] = evaluate_bracket(**candidate)
    if candidate["material"] < best["material"]:
        best = candidate

print(f"Optimal: thickness={best['thickness']:.1f}mm, "
      f"fillet={best['fillet']:.1f}mm, "
      f"material={best['material']:.1f}g")

Dies ist ein einfacher evolutionärer Algorithmus, aber dasselbe Prinzip funktioniert auch mit anspruchsvolleren Methoden – Bayesianische Optimierung, genetische Algorithmen oder sogar LLM-gesteuerte Suchen, bei denen man das Ziel in natürlicher Sprache beschreibt.

KI in der 3D-Druck-Pipeline

Über generative Design-Algorithmen hinaus hält KI auf verschiedene praktische Arten in den 3D-Druck-Workflow Einzug:

Erkennung von Druckfehlern

Lokale KI-Modelle (die auf einem Raspberry Pi oder Ihrem Host-Rechner laufen) können Drucke über eine Webcam überwachen und Fehler erkennen:

• Spaghetti-Erkennung: Stringing und fehlgeschlagene Layer
• First-Layer-Analyse: Prüfung der Haftung, bevor es weitergeht
• Layer-Shift-Erkennung: Mechanische Probleme frühzeitig erkennen

Open-Source-Projekte wie Obico (früher The Spaghetti Detective) laufen mittlerweile vollständig lokal mit On-Device-ML-Modellen. Keine Cloud-Abhängigkeit.

Vorhersage von Slicer-Parametern

KI-Modelle können optimale Slicer-Einstellungen basierend auf einer Geometrieanalyse vorhersagen:

• Empfehlungen zur Schichthöhe basierend auf Überhangwinkeln
• Optimierung der Platzierung von Stützstrukturen
• Vorschläge zur Druckausrichtung für Festigkeit und Oberflächengüte

Tools wie OrcaSlicer enthalten bereits integrierte Kalibrierungstests; der nächste Schritt sind KI-gestützte Parameter-Vorschläge basierend auf dem Druckverlauf.

Generatives Design mit LLMs

Die Nutzung lokaler LLMs (via Ollama, vLLM oder Ähnlichem), um bei parametrischem Design zu helfen:

# Example: Ask a local LLM to generate OpenSCAD code
ollama run deepseek-coder-v2 "Generate OpenSCAD code for a
parametric phone stand with adjustable angle (15-45 degrees),
minimum material usage, and a cable channel. The stand should
be printable without supports."

Das LLM wird es beim ersten Versuch nicht perfekt machen, aber es ist ein bemerkenswerter Ausgangspunkt. Den Output verfeinern, in OpenSCAD rendern, iterieren. Hier zeigt sich die Schnittmenge von Art & Curiosity wirklich – man optimiert nicht nur, sondern man exploriert Form und Funktion im Dialog.

Ein praktischer Workflow: Vom Konzept zum Druck

Hier ist mein aktueller Workflow für generatives Design im 3D-Druck:

Die entscheidende Erkenntnis: Man benötigt für keinen dieser Schritte teure kommerzielle Software. FreeCAD, OpenSCAD, CalculiX und OrcaSlicer sind alle Open-Source und laufen vollständig lokal.

Der Aspekt der Souveränität: Warum Local-First Generatives Design wichtig ist

Generatives Design wird zunehmend als Cloud-Service angeboten – man lädt sein Modell hoch, lässt die Simulation auf deren Servern laufen und lädt das Ergebnis herunter. Dies wirft bekannte Fragen zur Souveränität auf:

• Die Geometrie Ihres Bauteils (potenziell proprietär) verlässt Ihre Maschine
• Die Optimierungsalgorithmen sind eine Blackbox – man kann sie weder prüfen noch modifizieren
• Die Preisgestaltung der Dienste schafft eine dauerhafte Abhängigkeit
• Keine Offline-Fähigkeit, wenn das Internet nicht verfügbar ist

Jedes in diesem Artikel empfohlene Tool läuft vollständig offline: FreeCAD, OpenSCAD, CalculiX und lokale KI-Modelle via Ollama. Ihre Designs bleiben auf Ihrer Hardware und unter Ihrer Kontrolle.

Erste Schritte

Wenn Sie generatives Design für den 3D-Druck erkunden möchten, ist hier ein minimales Setup:

1. FreeCAD installieren — apt install freecad oder Download von freecad.org
2. OpenSCAD installieren — apt install openscad oder openscad.org
3. CalculiX einrichten — apt install calculix-ccx (Solver für Topologieoptimierung)
4. Das Bracket-Beispiel ausprobieren — Ein einfaches Bracket modellieren, Topologieoptimierung mit 50 % Massenreduktion durchführen, Ergebnis drucken
5. Mit Lattices experimentieren — Das FreeCAD Lattices-Plugin nutzen, um ein Volumen mit Gyroid-Zellen zu füllen

Die Lernkurve ist steiler als bei kommerziellen Tools, aber die gewonnene Kontrolle ist es wert. Und sobald die Pipeline steht, ist das Iterieren von Designs dramatisch schneller als manuelles Modellieren.

Fazit

Generatives Design und 3D-Druck sind ein natürliches Paar: Das eine ist exzellent darin, optimierte und organische Geometrien zu erschaffen, das andere darin, diese ohne Werkzeugbeschränkungen zu fertigen. Open-Source-Tools sind mittlerweile so ausgereift, dass man die gesamte Pipeline – vom algorithmischen Design bis zum fertigen Druck – ohne Cloud-Abhängigkeit oder kommerzielle Lizenzen betreiben kann.

Die Ergänzung durch lokale KI-Modelle für die Parametersuche und Codegenerierung macht dies noch zugänglicher. Man muss kein Experte für Topologieoptimierung oder Programmierer sein, um generatives Design zu erkunden – man braucht nur Neugier und die Bereitschaft, sich von den Algorithmen überraschen zu lassen.

Genau das passt perfekt zu Art & Curiosity: Generatives Design ist nicht nur Engineering-Optimierung. Es ist ein kreativer Dialog zwischen menschlicher Intention und algorithmischer Exploration, bei dem die Ergebnisse oft durch ihre Eleganz überraschen.