Eine Pagode mit Garten aus 2.175 Teilen zeigt eindrucksvoll, wie ein KI-Agent einen CAD-Ablauf steuern kann. Sie beweist noch nicht, dass sich der Entwurf mit LEGO-Steinen bauen lässt. Zwischen LDraw Novas ausdrucksstarken digitalen Modellen und einer Konstruktion, die Aufbau und Handhabung übersteht, liegt ein Problem, das auch der Entwickler nicht als gelöst bezeichnet.
Carlos Antelos Open-Source-Werkzeug lässt allgemeine Agenten Programme schreiben, die LDraw-Modelle erzeugen. Im Bericht vom 4. Oktober umfasst Sakura Garden eine fünfstöckige Pagode, Kirschbäume, ein Torii und einen Koiteich. Claude Opus 5.5 erhielt die offene Aufgabe, sich das schönste mögliche Modell auszudenken. Die 2.175 Teile stammen aus einem digitalen Katalog; es handelt sich nicht um ein fertig gebautes physisches Set.
Programme statt Tausender Koordinaten ändern
LDraw Nova ist weder ein speziell trainiertes LEGO-Modell noch lediglich ein Bildgenerator. Der Agent liest Anleitungen und Beispiele, erstellt einen JSON-Plan für Modell und Untermodelle und schreibt Python mit höherstufigen Konstruktionsprimitiven und wiederverwendbaren Mustern. Das Programm erzeugt LDraw-Dateien. Ein Renderer ohne grafische Bedienoberfläche liefert Ansichten, die ein multimodaler Agent prüft, bevor er das Programm überarbeitet.
Diese Abstraktion ist wesentlich. LDraw beschreibt Teilekennungen, Farben, Positionen und Orientierungstransformationen ausdrücklich. Antelos frühere Versuche, lange Koordinatenlisten und Rotationsmatrizen direkt erzeugen zu lassen, scheiterten. Wiederverwendbarer Code ermöglicht dagegen Änderungen an einem Dach, einer wiederholten Wand oder einer ganzen Baugruppe statt Tausender einzelner Platzierungsbefehle.
Das Werkzeug bietet Teile- und Beispielsuchen, Kollisions- und Lückenprüfungen, Rendering und eine Docker-Webanwendung. Unterstützt werden OpenAI, Anthropic und OpenRouter. Optionales semantisches Reranking benötigt eine API; die Volltextsuche bleibt als Rückfallmöglichkeit. Die LDraw-Bibliothek ist ein inoffizielles Gemeinschaftsprojekt, kein von der LEGO Group gefördertes Produkt. 16.873 unterschiedliche Formen und bedruckte Teile bezeichnet den Stand nach der Aktualisierung vom Juni 2026, nicht den heutigen Lagerbestand.
Das Repository enthält editierbares Python und LDraw, Ansichten, einen interaktiven Viewer, glTF-Export für Blender sowie Gespräche und Überlegungen des Agenten. In der Galerie stehen außerdem eine Kathedrale und das Tidal Observatory von GPT-6 Astra, Copper-Bean-Wohnhäuser eines früheren Claude Opus und ein unfertiger Atlas Crane von Opus 5.5. Verschiedene Beispiele sind jedoch keine kontrollierte Rangliste der Anbieter.
Eine gültige Teilenummer garantiert keine tragfähige Konstruktion
Katalogteile lassen sich identifizieren, anders als erfundene Bausteine in einem Bild. Die Existenz einer Kennung garantiert aber weder die gewünschte Farbe noch ausreichende Stückzahlen oder den fortgesetzten Verkauf älterer Teile. Beschaffung und Bestand müssen gesondert geprüft werden.
Antelo räumt fehlende Physikvalidierung ein. Die präsentierten Modelle waren dem Bericht zufolge noch nicht physisch aufgebaut. Kollisions- und Lückenprüfungen entdecken manche geometrischen Fehler, belegen aber keine Klemmkraft, Lastpfade, Balance oder Torsionsfestigkeit. Auch ob überhängende Dächer und Bäume normale Handhabung überstehen, bleibt offen.
Zusätzlich zählt die Reihenfolge. Eine fertige Form kann stabil aussehen, während ein Zwischenzustand zusammenbricht oder später eingesetzte Teile den Zugang versperren. Eine ausführbare Anleitung muss reale Verbindungen, Erreichbarkeit und den Zeitpunkt entstehender Abstützung berücksichtigen, nicht nur attraktive Ansichten des Endzustands.
Größe kann Fehler vervielfachen. Eine mangelhafte Hilfsfunktion wiederholt womöglich dieselbe schlechte Verbindung Hunderte Male. Renderings zeigen Oberflächen, keine Kräfte. Mehr Teile bedeuten mehr Bestands- und Strukturprüfung und machen diese nicht überflüssig.
LegoGPT liefert einen anderen Nachweis
Die 2025 von Forschenden mit Beteiligung der Carnegie Mellon University vorgestellte LegoGPT-Arbeit untersucht eine stärker begrenzte Aufgabe. Das Modell sagt den nächsten Stein statt des nächsten Wortes voraus. StableText2Lego umfasst über 47.000 Strukturen aus mehr als 28.000 unterschiedlichen 3D-Objekten mit Beschreibungen und Stabilitätsbewertung. Die voxelbasierte Darstellung deckt 21 verbreitete Objektkategorien ab.
Die Einschränkungen verringern die Gestaltungsfreiheit gegenüber Novas ambitionierten Szenen, rücken aber physische Gültigkeit in die Erzeugung. LegoGPT prüft Platzierungen und nutzt physikbewusstes Rollback: Ungültige Schritte werden verworfen, danach geht es von einem vorherigen gültigen Zustand weiter. Stabilität umfasst dort keine schwebenden oder kollabierenden Steine und hohe strukturelle Integrität. Baubarkeit verlangt zudem Standardteile und schrittweise Montage durch Menschen oder Roboter.
Ausgewählte Ergebnisse wurden von Hand und mit einem zweiarmigen Roboter aufgebaut. Das ist ein stärkerer physischer Nachweis als ein Rendering, aber weder eine Garantie für jedes künftige Ergebnis noch ein direkter Vergleich mit Novas Garten aus 2.175 Teilen. Der Ausgangsbericht verbindet spätere Diskussionen auch mit dem Namen BrickGPT; daraus folgt kein Nachweis einer gleichwertigen neuen Veröffentlichung oder Benchmark.
Nova-Dateien lassen sich etwa in LeoCAD öffnen. LDR, MPD, Untermodelle und mehrstufige Anleitungen werden unterstützt. Formatunterstützung hilft bei Bearbeitung und Prüfung, bedeutet aber nicht, dass Nova bereits vollständige, physisch ausführbare Anleitungen erzeugt und validiert hat.
Physikalische Rückmeldung muss den Entwurf verändern
Der nächste sinnvolle Schritt wäre mehr als ein Stabilitätsscore für das fertige Rendering. Strukturfeedback müsste Planung, Teilewahl, Baugruppen und Reihenfolge ändern. Verbindungsgraphen, Schwerpunktabschätzungen und Hinweise auf schwache Verbindungen könnten helfen; sie sind mögliche Erweiterungen und keine im Bericht demonstrierten Nova-Funktionen.
Auch aufwendige Simulationen vereinfachen reale Klemmkräfte, Reibung, Fertigungstoleranzen und Handhabung. Ein physischer Prototyp bleibt entscheidend. Ein Pagodenstockwerk, eine Dachecke, ein Baum oder ein Krangelenk könnte unterschiedliche Fehler sichtbar machen, ohne sofort sämtliche Teile zu kaufen.
Antelo erwog einen kleineren 3D-Druck. Ein abgeschlossener Versuch wurde nicht berichtet, und eine gedruckte Miniatur validiert keine LEGO-Verbindungen. Eine aussagekräftige Demonstration würde ursprüngliche CAD-Daten, Stückliste, Anleitung, Bauzeit, manuelle Korrekturen und Fehlschläge veröffentlichen und normale Handhabung zeigen.
Woran sich Fortschritt erkennen ließe
Drei Signale wären überzeugend: ein dokumentierter Aufbau aus echten Steinen, Programmänderungen des Agenten nach gescheiterten Strukturtests und wiederholte Versuche mit mehreren Anbietern und Prompts bei fester Teilebibliothek und gleichen Kriterien. Bauzeit, ungültige Platzierungen, menschliche Eingriffe, Beschaffungsprobleme und physische Fehler sagen mehr als die Teilezahl allein.
Minifiguren, Technic-Maschinen und Motoren sind Pläne, keine etablierten Fähigkeiten. Achsen, Pins, bewegliche Verbindungen, Ausrichtung und Drehmoment schaffen weitere Anforderungen. VR-Ansichten existieren, doch Antelo berichtete Leistungs- und Bedienungsprobleme. Immersion ersetzt keine Mechanik- oder Montageprüfung.
Nova demonstriert bereits ein nützliches Softwaremuster: Ein Agent bedient ein strukturiertes Werkzeug über wiederverwendbaren Code, prüft das Ergebnis und korrigiert es. Für Bauende bleiben die Dateien jedoch editierbare Ausgangspunkte, keine zertifizierten Bausätze. Der nächste Meilenstein wäre keine aufwendigere Bildschirmansicht, sondern ein überprüfbarer Aufbau mit passenden Teilen, Reihenfolge und Struktur.
Quellen: Bericht vom 4. Oktober; ursprünglicher Aggregationseintrag.