Jaegher FL.X Ascender Phoenix kurz & knapp
Die belgische Marke Jaegher läutet mit ihrem Modell FL.X Ascender Phoenix eine neue Stufe in ihrem Rennrad-Maßrahmenbau ein. Das neue Rennrad feierte am Wochenende auf der Velofollies Fahrrad-Messe – der größten Bike Show der BeNeLux-Länder – Premiere. Das Besondere daran: Der Rahmen, der ausschließlich nach Kundenmaßen gefertigt wird, ist aus Edelstahl-Rohren hergestellt, die mit 3D-Druck-Teilen verbunden sind. Und bei der Auslegung der Rahmengröße und Geometrie kommt laut Jaegher künstliche Intelligenz zum Einsatz, die aus Kundenwünschen Winkel, Längen und Materialstärken errechnet.
Preise
Eine Beratung und eine Produktions-Reservierung für das neue Custom Rennrad der belgischen Edelmarke können Interessierte aktuell für 250 € auf der Webseite von Jaegher buchen. Ein Komplettrad-Aufbau mit Ultegra Di2-Gruppe und den Lufrädern und Komponenten wie am Showbike gibt es ab 13.590 €. Der Preis für das auf der Velofollies 2024 ausgestellte Bike war am Stand mit rund 15.000 € ausgewiesen.
FL.X Ascender Phoenix Details
Jaegher haben wir auf unserem Rundgang über die Bespoked Bike Show bereits einmal vorgestellt. Die belgische Custom-Rennradbau Marke fertigt ausschließlich Rennräder und Gravel Bikes aus Edelstahl und ähnelt darin Quirk Cycles aus Großbritannien.
Jetzt stellten die Belgier auf der Messe Velofollies ihr erstes Rennrad aus Edelstahl mit Rahmenknoten-Punkten aus 3D-Druck aus dem gleichen, korrosionsbeständigen Material vor: FL.X Ascender Phoenix. Für die Hauptrohre kommt Columbus XCR-Edelstahlrohre zum Einsatz, die nach den Anforderungen der Belgier gefertigt werden. Die Konstruktion der Muffen und das System der Geometrie-Anpassung an die Kundenwünsche entwickelte Jaegher zusammen mit einer belgischen Universität.
Das Herzstück dieser Innovation ist ein geschlossener Kreislauf aus Künstlicher Intelligenz (KI) und einem parametrischen Modell, das eine präzise Anpassung der wichtigsten Rahmenkomponenten durch 3D-Druck ermöglicht. Dieser bahnbrechende Ansatz stellt sicher, dass der Rahmen zu 100 % nach den Maßen, Stärken und Vorlieben des Fahrers gebaut wird.
Jaegher
Das Jaegher FL.X Ascender Phoenix ist ein Straßen-Rennrad, kann aber auf unterschiedliche Reifenfreiheiten hin optimiert werden: 30 mm, 32 mm und 35 mm stellen die Belgier zur Wahl. Wahlfreiheit gibt es auch bei den Lackierungen: 250 verschiedene Designs und Farben nennt Jaegher. Der Lack des Show Bikes lässt dabei an verschiedenen Stellen die polierte Edelstahl-Oberfläche durchscheinen – theoretisch benötigt Edelstahl keine Lackierung, sie dient mehr als Schmuck, denn als funktionales Element.
Der Rahmen wiegt laut Jaegher geringe 1,4 kg. Er ist für runde Sattelstützen in 27,2 mm ausgelegt und besitzt ein T47-Tretlager mit Gewinde. Alle Leitungen sind innen verlegt. Das FL.X Ascender Phoenix Rahmen-Set mit Enve Carbongabel kann bei Jaegher für 6.750 € bestellt werden. Außerdem schlagen die Belgier verschiedene Built-Kits vor. Los geht es für 13.590 € mit wahlweise SRAM Force AXS-Gruppe oder Shimano Ultegra Di2. Zur Komplettierung schlägt Jaegher unter anderem Beast Components Teile und Laufräder vor wie am Ausstellungsstück oder Enve Parts. Preislich machen diese Ausstattungen keinen Unterschied.
Mehr Infos: www.jaegher.be
Was sagt ihr zum Jaegher FL.X Ascender Phoenix?
Hier lest ihr mehr zum Thema Custom Bikes auf Rennrad-News
- Bespoked 2024 Dresden Bike Show: 26 abgefahrene Rennräder- und Gravel Bikes
- Premiere auf der Velofollies Bike Show: KI hilft bei neuem Jaegher Custom-Rennrad
- Best of Bespoked Dresden 2023 – Teil 3: 10 + 20 Gründe fürs Custom-Bike
- Best of Bespoked Dresden 2023 – Teil 2: 14 Rennräder & Randonneure im Rundgang
- Best of Bespoked Dresden 2023 – Teil 1: 21 Highlights des Handmade-Fahrradbaus
34 Kommentare
» Alle Kommentare im ForumAllerdings erlauben Fortschritte wie 3D-Druck und Entwicklungswerkzeuge, die Maschinenlernen und potentiell biomimetische Optimierungen nutzen weitere Verbesserungen und Erleichterungen in der Produktion, was wiederum zu einer massenmarkt-fähigen Konstenstruktur führen könnte.
Auf die zukunftsweisende Technologie von KI und 3D-Druck (oder auch nicht) geht ich hier gar nicht ein,
genauso wenig wie auf den Preis 😇
- was mich vordergründig stört: wenn ich einen Stahl- oder Titanrahmen kaufe, dann möchte ich eine klassische Optik, gerade Rohre, sichtbare Schweißnähte oder Muffen, und keinen Rahmen der komplett lackiert nicht von einem 350€ China Carbonrahmen zu unterscheiden ist? 🤷🏻♂️
Ist eben ein bisschen so wie bei Oldtimern - die will man auch genau so haben wie sie sind, wegen Optik/Charme/Feeling, auch wann es technisch weit Besseres gibt.
Ich sehe durchaus Möglichkeiten, KI sinnvoll für solche Konstrukte zu nutzen. Ob das nun hier geschehen ist, oder letztendlich nur das Slicing für den Druck von einer KI gemacht wird, weiß ich nicht. Es scheint mir jedenfalls auch plausibel, dass vor allem dort die KI angewandt wurde.
Es geht ja nicht nur um die äußeren Dimensionen des Rades, es geht um Layering (ja, auch bei Edelstahl, wenn es gedruckt wird) und genau definierte Wandstärken an unterschiedlichsten Stellen. Da hat man hier letztendlich noch mehr Freiheiten als bei Carbon.
Ob man damit jetzt schon merklich besser ist als traditioneller Rahmenbau weiß ich auch nicht, aber prinzipiell kann man mit solcher Technologie durchaus bessere Rahmen bauen als man es mit ein bisschen konifizierten Rohren kann. Wie gesagt, "kann", ich behaupte nicht, dass wir hier angelangt sind.
Ich denke, man muss das Rad in Konkurrenz zu Carbonrahmen betrachten, und da finde ich den Ansatz sehr vielversprechend auch in der Zukunft eine entscheidende Rolle zu spielen.
Ich werde ihn mir nicht kaufen, aber ich finde es einen schönen Rahmen. Eher in der Herstellung revolutionär als im Ergebnis, aber auch das ist ein wichtiger Schritt.
Kleiner Exkurs:
Mein Beruf ist zu großen Teilen computational science, KI ist dabei ein sehr wertvolles Werkzeug geworden. Es ist weder so nutzlos, wie es hier viele darstellen, noch ist es eine alles lösende Universalwaffe. Letzteres liegt aber in großen Teilen daran, dass manche Aufgaben auf diese Weise ineffizient gelöst werden, mehr als dass sie nicht gelöst werden können. Wir verweben das immer mehr. Wo jetzt AI anfängt oder man eigentlich nur ein deterministisches Programm hat, da ist Marketing aber oft natürlich sehr ungenau.
Ich lasse seit einiger Zeit LLMs auf meine Klausuren für Studenten los, das sind alles fortgeschrittene Veranstaltungen, ich mache keine Bachelorvorlesungen und allgemeinen Themen mehr, nur Schwerpunktseminare und Vorlesungen. Ich bin durchaus beeindruckt, wie viel da schon herauskommt. Zum Beispiel habe ich dem LLM ein Bild geben, auf dem ein Strömungsquerschnitt einer Jet-Engine zu sehen war. Es hat erfolgreich mehrere Effekte erkannt, wie zum Beispiel Kelvin-Helmholtz-Instabilitäten. Es hat insbesondere auch verstanden, dass der Aufbau eine horizontale Anordnung war. Es hat im hinteren Bereich statische Auftriebseffekte erkannt, die wirklich minimal waren (es hatte die Information, dass es ein Helium-Jet war) und daraus geschlossen, wie die Anordnung des Aufbaus war. Ich fand das durchaus beeindruckend, muss ich sagen.
Letztendlich gibt es eben auch sehr unterschiedliche Bereiche, was AI eigentlich ist. Alltäglich am beeindruckendsten sind natürlich LLMs, wie eben ChatGPT. Es gibt aber eben auch anderes, was sehr gut weiterhilft. Klar, nur ein Werkzeug im Gürtel, aber ich würde es mit dem Akkuschrauber in Analogie bringen wollen. Es ist doch sehr universell einsetzbar und vieles geht schneller und einfacher, als es vor der technischen Reife war. Da AI unglaubliche Datenmengen verarbeiten kann, ist es menschlicher Intelligenz in mancher Anwendung eben durchaus überlegen.
Gleichzeitig muss man natürlich auf vorsichtig sein. Die falsch konvergierenden AIs sind gerade in kleineren Projekten auch immer noch keine Seltenheit. Das klassischste Beispiel, das relativ primitiv ist, aber nicht so unglaublich selten in irgendeiner vergleichbaren Form vorkommt:
Man soll anhand von Bildern zwei Zustände unterscheiden. Ganz einfaches Beispiel wäre hier ein erfolgreicher Vorgang in einer Produktion vs ein fehlerhaftes Produkt. Dann geht einer hin, erstellt die Trainingsdaten, anhand der die AI lernt. Die AI hat dann ihre 99.98 % Trefferquote und alle freuen sich. Leider war es dann aber so, dass die Bilder mit den erfolgreichen Vorgängen an einem Tag aufgenommen wurden, die Fehler alle an einem anderen. Schon hat man die AI darauf trainiert, das Umgebungslicht der beiden unterschiedlichen Tage fast fehlerfrei zu erkennen. Das sind eigentlich Probleme vergangener Tage, aber es zeigt eben, wie schnell man AI falsch anwenden kann.
Wir laden dich ein, jeden Artikel bei uns im Forum zu kommentieren und diskutieren. Schau dir die bisherige Diskussion an oder kommentiere einfach im folgenden Formular: