Westinghouse und Google Cloud stellen 3D-Digital-Twin ins Zentrum des Kernkraftwerksbaus

Die Zahl, die das gesamte Projekt einordnet: 60 %

Die Ankündigung nennt ein konkretes Ziel. Der Bau macht historisch 60 % der Kosten eines Reaktors aus, und bis vor kurzem wurde dieser Bau mit Tabellenkalkulationen und Papierdokumenten gesteuert. Verzögerungen bei einer Aufgabe wirkten sich kaskadenartig auf Tausende voneinander abhängige Aufgaben aus.

Genau darauf zielt die Partnerschaft mit Google Cloud ab. Das gemeinsame System verbindet die Modelle und Vorhersagewerkzeuge beider Unternehmen mit WNEXUS, dem 3D-Digital-Twin von Westinghouse für seine Reaktoren. Gespeist mit aktuellen und historischen Daten, soll es Engpässe vorhersagen, Bauabläufe neu sequenzieren, den Personaleinsatz anpassen und Lieferkettenbeschränkungen berücksichtigen.

Das ist eine konkrete Aussage darüber, wo Geld und Verzögerungen tatsächlich entstehen – keine allgemeine Behauptung, dass KI helfen wird. Das erklärte Ziel dahinter: bis 2030 zehn AP1000-Reaktoren im Bau zu haben, mit einer Gesamtleistung, die für 7,5 Millionen Haushalte ausreicht.

Westinghouse brachte sein eigenes Fundament mit

Der auffällige Punkt ist, dass Westinghouse nicht mit leeren Händen kam. Vor der Partnerschaft hatte das Unternehmen bereits Hive aufgebaut, eine proprietäre KI-Infrastruktur, die auf die regulatorischen Anforderungen und Exportkontrollen der Nuklearbranche ausgelegt ist, sowie Bertha, einen generativen Assistenten mit Zugriff auf 75 Jahre nukleare Dokumentation.

Die Quelle berichtet, dass Google-Ingenieure überrascht waren, dass ein 140 Jahre altes Unternehmen bereits genau das Fundament aufgebaut hatte, das nötig ist, um KI sicher in einem stark regulierten Umfeld einzusetzen. Diese Einordnung ist wichtig: Die eigentliche Hürde in der Nuklearbranche ist nicht die Modellqualität, sondern ob ein System überhaupt innerhalb von Exportkontrollen und regulatorischer Prüfung funktionieren kann.

In der Praxis lieferte Westinghouse die compliance-fähige Grundlage und die Fachdaten; Google Cloud lieferte Modelle und Vorhersagewerkzeuge. Der Digital-Twin ist die verbindende Schicht, die aus jahrzehntelangen Dokumenten etwas macht, worüber ein Modell tatsächlich schlussfolgern kann.

Der Anspruch des 'Technologiebaustein'-Prinzips für die Wiederverwendung

CTO Lou Martinez Sancho beschreibt die Bauoptimierung als 'Technologiebaustein-Ansatz' – das heißt, dieselben Werkzeuge lassen sich über das erste Projekt hinaus einsetzen. Dem Artikel zufolge werden sie bereits genutzt, um Genehmigungsverfahren zu verkürzen und den Betrieb zu optimieren.

Energie für KI und KI für EnergieMontana Labs

Im Betriebsbereich besteht der konkrete Einsatz darin, den schnellsten Weg durch Wartungs- und Betankungsaufgaben zu finden, um die Ausfallzeit der Reaktoren zu minimieren. Das ist dasselbe Planungs- und Sequenzierungsproblem wie beim Bau, nur angewendet auf eine andere Phase des Reaktorlebenszyklus – und genau das macht den Wiederverwendungsanspruch plausibel statt nur ambitioniert.

Was die Abhängigkeit vom Digital-Twin für dieses Bauprojekt bedeutet

Die Implikation, die speziell für diese Ankündigung gilt, ist, dass der Nutzen hier durch die Qualität der bestehenden Aufzeichnungen von Westinghouse und seines WNEXUS-Twins begrenzt wird, nicht durch die aufgesetzten Google-Modelle. Das System sagt Engpässe voraus und sequenziert Arbeiten nur so gut, wie es die historischen Baudaten zulassen, die es verarbeitet.

Die bisherigen Ergebnisse werden lediglich als 'signifikante Zeit- und Kosteneinsparungen' aus 'ersten Pilotprojekten' beschrieben – konkrete Zahlen werden nicht genannt. Der überprüfbare Meilenstein bleibt extern: ob die KI-gestützte Planung diese zehn Reaktoren tatsächlich in den Bau bringt, gemessen an Zeitplänen, die sich seit Jahrzehnten verzögern. Die AP1000-Einheiten in Vogtle wurden 2023 und 2024 fertiggestellt, es gibt also eine konkrete Baubasis, an der sich die nächsten Projekte messen lassen.