Industrie-Experte: Kann KI einen Prozess allein steuern?

00:00:00: Es hat so heftig funktioniert in Labor-Umgebung, dann sind wir da mit Ihnen die Halle und es hat nichts mehr funktioniert.

00:00:05: Wir haben es zu einem Festpreis angeboten, da haben wir ein Fünfzehntausend angeboten, haben eine Hundertfünfzig investiert also war richtig gut!

00:00:11: Es hat nicht funktioniert.

00:00:12: warum willst du am Ende vermeintlich gute Lösungen wenn der komplette Prozess misst ist?

00:00:26: Wie dick die Schicht wird entscheidet darüber, ob das Blech später im Auto hält oder ob es rostet.

00:00:30: Früher hat man das hinterher gemessen und dann nachkorrigiert.

00:00:33: heute rechnet eine KI mit während des Blech durchläuft und regelt in unter einer Zehntel Sekunde nach.

00:00:40: Gebaut hat das mein heutiger Gast Simon Sack ist Gründer und Chef von Neurologic in Siegen.

00:00:45: Er hat mit achtzehn sein erstes Gewerbe angemeldet und nicht Shows parallel für Punk-Bands gebaut.

00:00:51: Heute bringt er mit dreißig Leuten KI in Werkhalen bei Düsseldorf und im Maschinenbaum Und er sagt über seine eigene Branche einen Satz, den ich sehr mag.

00:01:00: Da entstehen schöne Strategien, gute Folien und Lehre versprechen Aber selten eine Lösung die läuft.

00:01:06: Bei ihm läuft einer und nicht nur eine Seit Jahren im Dreistichbetrieb und sie wird gerade auf drei Kontinente ausgerollt.

00:01:12: Jetzt denken Sie vielleicht?

00:01:13: Ich habe ja keine Verzinkungsanlage.

00:01:15: was hat das mit mir zu tun?

00:01:16: Sehr viel Denn die eigentliche Frage dieser Folge ist keine Stahlfrage, sie lautet Ab wann darf ein System eigentlich entscheiden ohne dass noch jemand hinschaut?

00:01:26: Bestimmt gibt es auch in Ihrem Unternehmen Prozesse, die jeden Tag laufen müssen.

00:01:30: Angebote, Rechnungen, Wachtung, Qualitätsprüfung und genau da stellt sich die gleiche Frage nur eben ohne flüssiges Zink.

00:01:38: Volle Transparenz.

00:01:39: ich mache übrigens hier mit meinem Unternehmen im Kern dasselbe wie Simon.

00:01:44: wir bauen Data und AI-Lösung für Unternehmen allerdings nicht in Stahlwerken.

00:01:49: Wir sind also Kollegen aber an der einen oder anderen Stelle vermutlich auch irgendwie Wettbewerber.

00:01:55: Ehrlich gesagt, glaube ich macht das dieses Gespräch interessanter.

00:02:00: Siebzig Prozent der Industrie halten AI für relevant aber nur ein Bruchteil nutzt sie wirklich!

00:02:06: Ich will gerne von jemandem wissen, der jeden Tag solche Projekte sieht warum das so ist und wobei ihm selbst die Grenze liegt.

00:02:13: Simon herzlich willkommen!

00:02:14: Ja vielen Dank Simon.

00:02:15: es ist ja heute wie so ein Doublefeature zwei mal Simon absolut

00:02:20: Ja, das ist ein bisschen ungewohntlich so anzusprechen.

00:02:22: Der Name ist ja nicht so verbreitet aber mir wird es gelingen.

00:02:26: Ich hatte gerade schon in der Einleitung diesen Kunden in Duisburg angesprochen.

00:02:31: da läuft er also seit Jahren im Dreistich betriebene Mösung von euch tatsächlich womit KI wirklich was geregelt wird?

00:02:38: Du hast selbst gesagt, siebzig Prozent finden das relevant.

00:02:40: mittlerweile ist das wahrscheinlich sogar mehr.

00:02:42: Das wird fast eine veraltete Zahl sein.

00:02:44: nun Bruchteil setzt es um.

00:02:45: Was war bei diesem Kunden anders und warum hat er das zu früh umgesetzt?

00:02:50: Wirtschaftlicher Druck oder war das eine Person, die einfach mutig genug war, das Thema anzugehen?

00:02:55: Es war keine Person, der mutig genug war.

00:02:58: Sondern eigentlich ein Firma!

00:03:00: Ja weil man muss fairerweise sagen wir haben das nicht alleine gemacht bei Tyssenkrop sondern mit...oder der Initiator dahinter ist ein hidden Champion aus dem Sauerland.

00:03:11: Das ist eine Automatisierungstechniker, quasi EMG-Automation.

00:03:16: Die bauen Bandlaufregelungen und qualitätssichernde Systeme.

00:03:20: Und die hatten damals die initiale Entscheidung getroffen weil sie gesagt haben okay wir sind eh nah zu jeder BandlaufRegelung drin von solchen Feuerverzähnkungen.

00:03:29: also man muss sich so vorstellen dieser Spezialmaschinenbauer, spezielle Automatisierungstechniker dieses Unternehmen sorgt dafür dass so ein Band komplett Straft durch.

00:03:40: so ein Prozess läuft überhaupt.

00:03:41: Weil muss ich das so physikalisch vorstellen, wenn man mal so eine Club-Hapiroler abrollt und die einfach auf dem Boden schmeißt dann läuft die ja gar nicht gerade.

00:03:49: So geht man entweder nach links oder rechts.

00:03:51: Das liegt so ein bisschen an der Abwickelgeschwindigkeit.

00:03:53: Und nie sorgen dafür dass das gerade... Durchlaufen sind Weltmarktführer in der Bandlaufregelung.

00:03:58: Ja, das Coole ist diesen Relativzeiten auf uns zugekommen damals und haben gesagt hey gibt's so was?

00:04:05: Damals auch mit dem Anno Jordan ist der Projekt verantwortliche.

00:04:08: Und haben dann gesagt hier sehen wir eine Opportunität hier müssen wir es machen?

00:04:14: muss ich das so vorstellen?

00:04:15: Das war zwei tausend neunzehn lange Bevor überhaupt, sag ich mal so richtig der Hyplos ging mit durch JTBT bedingt oder ähnliches.

00:04:22: Sondern man war dann wir wollen Datengetriebene System machen gar nicht so mit dem Bassword Industrial AI oder AI und Genau, da war so der Punkt.

00:04:32: Der Startpunkt, da überhaupt mal reinzugehen und dass die Glück oder das Glück ist dadurch, dass EMG-Name in der Szene ist.

00:04:39: also wenn man bei Arztlohrmitteil oder diesen ganzen Stahlverarbeitern mal anklopfen würde und würde sagen hier ist die EMG, die auch zur SMS Group gehört, die kennt man vielleicht eher aus Essen würden sie sagen ja klar kommt vorbei wir haben eh sehr viel von euch im Betrieb

00:04:55: Und?

00:04:55: Die sind auf dich zugekommen damals aber noch gar nicht hast du gesagt mit dem Stichwort AI Wie habt ihr das Ganze dann umgesetzt?

00:05:02: Also nimm uns mal mit, wie das Projekt dann wird.

00:05:04: Die erste Iteration war tatsächlich eher so ein Forschungsprojekt, ne?

00:05:07: Wie man zu keinem Forschung gefördetes Forschungs-Projekt... Da wurden dann erste Versuche gemacht, da wurden erstmal Thesen belegt.

00:05:14: Kann man Daten getrieben überhaupt zu einer kompletten Anlage steuern?

00:05:17: Weil das Thema ist bei Sofeuerverzinkungen geht es immer um die optimale Schichticke.

00:05:22: Na möchte ich überverzinken!

00:05:24: Sonst senke ich meine Marge, ich will aber nicht unterverzinken.

00:05:27: Sondern produziere ich teuren Schrott und habe Materialabwertungen.

00:05:30: Und im Best Case hab' ich halt die optimale Schichticke.

00:05:34: Das war so die Kernfrage, die beantwortet werden musste!

00:05:37: Hat man festgestellt, ja kann man sehr schnell gerade auch als die ersten Parameter mal analysiert wurden.

00:05:43: Hat man auch festgestellt von so einem Zeitstempel aus einer Anlage wo wirklich so sechzig tausend Datenpunkte und mehr stehen können sind eigentlich nur zwanzig relevant, die man tatsächlich zur Bewertung braucht.

00:05:54: Und dann gibt es sehr viele Themen wie Dysentrehungen, dysen Druck weil wenn ein Zinkband bin ich wieder bei meiner quasi Metaphar mit dem Wenn das ein bisschen abgewickelt wird, so einen Zinkbad geht und wieder hochgezogen wird.

00:06:11: Damit dann die optimale Schichtecke getroffen wird muss es abgeblasen werden.

00:06:16: So dieser abdüsen Druck der sorgt dafür dass die Schichte optimal erreicht wird.

00:06:20: Und das war dann so der erste Schritt.

00:06:22: lasst man Modell bauen mit Machine Learning Daten getrieben dass wir da eine optimale schichteckel hinbekommen.

00:06:29: Und das war quasi der erste Schritt, den man da so gegangen ist.

00:06:32: Das ist so historisch das Projekt was du mir auch erzählt hast, wo aber noch gar nicht jetzt mal ein modernes Frontier AI-Modell irgendwie im Einsatz

00:06:42: ist?

00:06:42: Ist das etwas, was man auch gar nicht einsetzt im Industrial AI Bereich?

00:06:46: oder gibt es heute Projekte, wo du andere Technologien auch einsetzt?

00:06:50: It depends!

00:06:51: Also mittlerweile kann man hier schon sagen... Thema ist immer komplexer geworden.

00:06:55: Kann man sich ja vorstellen, hat man ein Thema gelöst, möchte man es nächste lösen?

00:06:59: Irgendwann hat man unterschiedliche Modelle die dann über Fitnessfunktionen quasi einmal zusammengefasst werden und dann die entsprechenden Aussagen bewerten und treffen zu können.

00:07:08: Da ist man jetzt so weit dass man mechs wird immer Komplexer.

00:07:10: Jetzt brauchen wir doch neuronale Netze, die wir mal trainieren müssen.

00:07:13: So aber du hast gesagt also wir setzen da nicht irgendwie von Open AI model ein oder entropic weil und das ist auch der Punkt häufig im industrial AI Space, ist es so?

00:07:25: Man muss ein bisschen unterscheiden.

00:07:26: Habe ich wirklich Systeme die an der Maschine in Echtzeit laufen müssen und wir sprechen Echt-Zeit dann so wirklich im Millisekunden Bereich von einer Reaktion getroffen werden muss?

00:07:35: und jetzt kann man wenn man mal einen Frontiermodell nutzt dann weiß man ich gebe irgendwie bei JetGPT was ein und dann ich sag mal rechnet die Kiste rödelt und gibt mir irgendwann die Antwort zurück das sind teilweise Sekunden je nachdem wie komplex ist kannst auch mal größer zehn sekunden Minuten werden deep research oder ähnlich.

00:07:53: Und was wir halt tatsächlich sehen, sind eher so die Trends das man gerade solche Modelle nutzt um in die Interaktion.

00:08:01: Interaktion mit den Mitarbeitenden, mit den Werkerinnen zu gehen um quasi mehr Informationen aus der Maschine zu bekommen.

00:08:08: Weil haben wir zum Beispiel verschiedene Vorhersagemodelle die jetzt sagen an deren der Maschinenstation wird was ausfallen und ich gebe z.B.

00:08:16: irgendeine Meldung ja in SAP rein und da wird die Instandhaltung geplant hier.

00:08:20: dann müsste man es machen denn ist oft nie so die Frage direkt beantwortet Was ist denn da kaputt?

00:08:26: oder Ich kann auch nicht so direkt mit dem System interagieren.

00:08:29: Das gibt zum Beispiel ein schönes Projekt von Bosch, was ich auf der NOFA-Messe gesehen habe.

00:08:33: Mit denen hatte ich mich da auch länger ausgetauscht und weil ich auch mal so'n bisschen verstehen wollte ganz im Ernst wie sie alle heißen Accenture Siemens die wollen ja auch alles mit Gen AI machen.

00:08:46: aber was man da irgendwie so wirklich feststellt ist an der Maschine ist es oft wirklich so wie so ein User Interface mehr zu verstehen So einen Top Layer nochmal oben drauf.

00:08:58: Das ist der eine Punkt.

00:08:59: Der andere Punkt, wo man es natürlich jetzt schon mehr mit generativen KI-Modellen auch zu tun hat geht Richtung Engineering.

00:09:05: Da gibt's ja Riesentrends CAD Zeichnungen wie oder... oder sage ich mal Schaltpläne zu generieren.

00:09:13: Auch so Themen Siemens hat das auch, dass du sagst so industrial AI co-pilot Ich schreibe meine Siemens S seven Steuerung, programmier' ich jetzt nicht irgendwie hart sondern ich schreiber einfach was ich haben möchte und dann wird mir das als Coding Unterstützung quasi genutzt.

00:09:28: aber es ist wenn man ehrlicherweise schon sehr ähnlich.

00:09:31: zum Nicht Industrial

00:09:35: Jetzt haben wir bei KI Entscheidungen, wenn wir genial uns angucken häufig das Problem.

00:09:41: Das ist ja auch im Büro-Job sage ich mal jetzt im Gegenteil zu deinen Industrial Anwendung das gleiche.

00:09:47: Kann ich mich auf die Entscheidung der KI verlassen?

00:09:49: am Ende tatsächlich?

00:09:52: Das ist jetzt kein Generei-Projekt korrekt, was da irgendwie eine Schicht Dicke regelt.

00:09:55: Sondern es ist am Ende ein Machine Learning Projekt.

00:09:57: Da ist wahrscheinlich das Ergebnis vorhersehbarer.

00:09:59: Aber ist das im Industrial AI Bereich ein besonderes Problem sich auf Ergebnisse von der AI zu verlassen?

00:10:05: Also definitiv!

00:10:07: Wir haben ja hier statistische Modelle auch.

00:10:10: Im Endeffekt ist ja wenn man so will, AI ist alles statistisch, probabilistische Systeme und das System ... Wenn ein System sagt dass zu hundert Prozent richtig dann weißt du es zu hundert Prozent falsch.

00:10:21: Es gibt keinen hundert Prozent.

00:10:22: Sondern man muss einfach mit Schwellwerten arbeiten.

00:10:25: So bedeutet, mit Annäherung ab wann definiere ich dass die Antwort korrekt ist?

00:10:30: Reich mir achtzig Prozent, neunzig Prozent!

00:10:32: Wie bewertet man sowas überhaupt?

00:10:34: Man lässt solche Systeme erst beim Schattenbetrieb mitlaufen also auch so bei einem Tüssenkorb wo wir es erfolgreich pilotiert haben.

00:10:42: das läuft lief und läuft erstmal im Schatten Betrieb mit wenn es an eine neue Anlage kommt um zu sehen wie verhält sich denn die Verzinkungen, die Düsentrehung, die komplette Steuerung.

00:10:52: Wie passt sich das überhaupt an?

00:10:54: Man kann es sich dann so vorstellen, wenn die Werkerinnen jetzt mal ein paar Parameter in der Anlage verfährt.

00:11:00: Dann sieht man, dass sich Parameter verändern ist.

00:11:03: Nehmen wir mal eine Kurve und dann sieht man unser Modell regelt direkt automatisch nach.

00:11:08: Und dann schaut man irgendwann, wann schlägt das Modell denn im Menschen?

00:11:12: Wenn man den Punkt so erreicht hat und dann sagt okay weil das ja auch wichtig ... Wir haben hier oft mit verschiedenen Qualitätsmanagement-Systemen mit ISO Zertifizierung tun.

00:11:21: Da müssen wir natürlich auch gucken, dass da die QS mit im Boot ist und da wird dann genau geguckt passen die Ergebnisse am Schluss wenn wir das erreicht haben.

00:11:31: Dann können wir die Schwellwerte und dann passt es unerlicherweise und das ist ja mittlerweile das Schöne kommt das auch jetzt mittlerweile so in das Mindset in die Köpfe an.

00:11:40: ok ich habe hier einen Menschen Der kann auch, der ist ja nie zu hundert Prozent richtig.

00:11:44: Sondern er macht das auf so primal Daumen Erfahrung und ich möchte eine Durchweg durch jede Schicht, wenn man die optimale Qualität haben und Schicht A macht was anderes wie Schicht B oder Schicht C Und da wird man dann also viel offener und sagt Ja klar passt doch ist doch cool.

00:12:02: Also let's go!

00:12:03: Je mehr ich über KI höre, desto mehr Fragen habe ich.

00:12:05: Ich bin selber Digitalunternehmer und mitten in diesem Umbruch In meinem Podcast AI&Y spreche ich mit Unternehmern, CIOs Geschäftsführern über genau diese Fragen Was funktioniert?

00:12:16: Und was funktioniert nicht?

00:12:18: Wo wird Geld verbrannt und warum funktionieren Projekte nicht?

00:12:22: Wenn dich die gleichen Fragen beschäftigen dann abonnier den Kanal die KI am Ende vielleicht sogar die bessere Entscheidung trifft als der Mensch.

00:12:34: Also ich finde diesen Gedanken ganz schön, den du gerade hattest weil denen kann man ja auch übertragen auf meine BüroKI dieses Ich baue mal Vertrauen auf.

00:12:42: Ich lass das mal im Schattenbetrieb mitlaufen und guck mal was das Ding so entscheidet bis ich genau wie vielleicht zu einem neuen Mitarbeitenden ein gewisses Vertrauen einfach auch aufgebaut habe.

00:12:53: zur den Entscheidungen ist es denn also Gerade im Industriebereich, wenn wir was gerade gesagt, so Prediction auf Maschinenausfall und der schwört ja die Industrie häufig darauf.

00:13:04: Ja, der Mitarbeiter X, der hier seit dreißig Jahren also diese Maschine fährt, der hört das eigentlich ob die Maschine morgen ausfällt oder nicht kann eine KI das überhaupt ersetzen?

00:13:14: Wir müssen Erfahrungswissen.

00:13:16: Also da ist jetzt ein großes Thema, was du sagst ne?

00:13:21: Eine Stufe kurz zurück Ja, zu sagen okay schlägt irgendwann die Maschine den Menschen.

00:13:27: Würde ich sagen ja gerade in der Bedienung weil wenn man mal in einem Industrieleitstand war und sieht dann das sieht teilweise aus wie bei der Flughafensicherung so du hast da X Bildschirme Da müssen X Parameter überwacht werden.

00:13:41: ab einem gewissen Punkt von einer gewissen Arbeitsdauer ist der Mensch gar nicht mehr in der Lage auf jeden einzelnen Parameter alert direkt zu reagieren.

00:13:48: also ein Regeln des System wird immer Zuverlässige ab einem gewissen Punkt sein.

00:13:54: So, und jetzt zurück zu deiner Frage.

00:13:57: Natürlich ist das Domänenwissend maximal entscheidend über den Projekt?

00:14:02: Erfolg und das Projekt Ergebnis.

00:14:05: Ja, du hast ja gesagt so da ist der Instandhalter Willi sage ich jetzt mal überspitzt.

00:14:10: er weiß wenn es da an der Maschine rasselt dann ist das das Kugellager irgendwie an der fünften Maschinenstation.

00:14:17: vor sechs Wochen gab's ein Workshop von einer Landesbank Da war ich unter Wunso Experteninterview Und auch Anwender und da war so eine ähnliche Situation.

00:14:26: nämlich auch einer sagt Boah Ich hab schon Panik.

00:14:28: Jetzt Irgendwie gehen meiner Mitarbeiter in Rente ich habe hier noch so einen guten Wenn der Weg ist, bordern wir zu eng.

00:14:33: Weil dann muss ich direkt jemandem immer von Trumpf kommen lassen, der meine Laser-Maschinen anpasst.

00:14:38: So was sind unfassbar hohe Kosten für mich!

00:14:40: Ich weiß nicht wie ich das hinbekommen soll und es ist aber am Schluss immer ein ähnlicher Prozess.

00:14:48: Schritt eins...ich muss immer erst mal gucken die Maschinen die ich habe ja also sie klingt jetzt erstmal maximal unsexy.

00:14:55: Die Maschine die ich hab' sind hier in der Lage mir irgendwie Daten rauszugeben Ja oder nein?

00:15:01: Wenn Nein, muss vielleicht ein Retrofit machen oder mir überlegen, kaufe ich direkt eine neue Maschine wenn wirtschaftlich.

00:15:06: Habe ich die Daten, muss sich gucken was für Daten sammel' Ich?

00:15:10: Ja, weil für die These jetzt zum Beispiel zu sagen ich möchte Predictive Maintenance machen.

00:15:15: Brauche ich zuverlässige Daten?

00:15:17: Zu gewissen Zeitpunkten immer in einer ähnlichen Abfolge, Iteration ja und muss Rückschlüsse auf meine Fehler machen so wie werden denn die Fehler überhaupt dokumentiert?

00:15:28: wenn der Instandhalter willi die gar nicht dokumentiert sondern nur in seinem Kopf hat Dann wird es schwierig.

00:15:33: So bedeutet, wie kriegen wir das Implicit zu wissen irgendwie raus?

00:15:36: Wie man es explizit so und da muss man sich früh genug Systeme Prozesse aufbauen, wie man das dokumentiert So.

00:15:44: Und wenn ich dann sage, ich habe eine saubere Datenbasis die schreibe ich weg.

00:15:48: Ich habe zu den Timestamps und die unterschiedliche Sensor-Daten zu einem Zeitpunkt zusammenfassen.

00:15:54: Es können Bilddaten sein Das können Beschleunigungsdaten seien Das können Hübe von der Presse sein Was auch immer whatever Ist mir eigentlich komplett egal.

00:16:02: Brauche ich das Ergebnis zu dem Zeitpunkt was ist passiert?

00:16:05: Wenn ich dann weiß okay zum gewissen Zeitpunkt X hat die Maschinen Fehler geworfen und in Standhalter Willi hat ein Kugellager ausgetauscht, dann kann ich eine Korrelation und kann das ableiten.

00:16:16: Und so baue ich mir einen Datensatz auf, auf dem ich lernen

00:16:21: kann.".

00:16:40: kommt dazu, was das eben gerade schon gesagt in.

00:16:42: Standhalter Willi geht vielleicht an Rente und ich finde den so nicht mehr.

00:16:47: Das ist ja immer die Argumentation auch dieser ganzen KI-Szene, die sagt wir setzen gar keine Leute sondern du hast in Zukunft sowieso viel zu wenige.

00:16:54: Jetzt muss sich aber den Willi dazu kriegen dass der heute dieses Wissen dokumentiert und das auch bereitwillig tut In dem Wissen, dass er unter Umständen irgendwann mal durch eine KI abgelöst wird.

00:17:03: wie fühlt es sich denn der Willi da?

00:17:05: Meistens Ist es so, dass das da schon ein bisschen enger wird?

00:17:10: Also gerade wenn man in größeren Konstrukten ist.

00:17:12: Ich glaube in kleineren Konstrukten kriegt man das noch gut verargumentiert.

00:17:16: aber ich glaub' wenn jetzt Blume heißen würde und wäre Vorstandsvorsitzender von Volkswagen dann würden die sagen ja genau, genau Kollege gehe ich erstmal zum Betriebsraten und baue mir da irgendwelche Abmachung.

00:17:29: Und ich glaube, das ist so der Punkt.

00:17:31: Das ist eine komplette Transformation.

00:17:33: Ich mag diesen Begriff jetzt auch nicht unbedingt weil es klingt sowieso Berater-Sprechner macht mir großes Transformationsprojekt.

00:17:40: Also ich bin eher an der Maschine lieber und schraubt da dran rum.

00:17:44: aber das ist halt einfach so.

00:17:45: der punkt man muss die Mitarbeitenden mitnehmen und ich glaub was da wirklich hilft immer zu gucken diese sind meine Prozesse im Unternehmen.

00:17:53: So, wie wird denn dokumentiert?

00:17:54: Wird überhaupt dokumentiert.

00:17:56: Kann ich mir vielleicht andere Ableitungen treffen weil irgendwo werde ich ja Kugel-Lager liegen haben in einem Lager die werden ja oft.

00:18:02: normalerweise sollten irgendwie ein und ausgebucht werden so wenn ich dann weiß Ich habe Probleme an der Maschine da wurde ein Kugellage ausgebucht Dann kriege ich meine Daten auch zusammen.

00:18:14: Und ich glaube Da muss man halt einfach kreativ sein.

00:18:17: aber auf der anderen Seite muss man fairerweise sagen und das erlebe ich jetzt schon bei vielen Unternehmen und Projekten, gerade die, ja sage ich mal diese Boomer-Szene, die jetzt stückweise immer mehr auch in Rente geht.

00:18:31: Die ist schon bereit auf Wissen zu teilen, gerade auch so an die nächste Generationen und Übergaben zu machen.

00:18:38: Ich glaube nur was viele vergessen ist halt man muss halt irgendwann mal starten und sollte das nicht irgendwie ein halbes Jahr vorhermachen bevor Kollege X dann in Rental geht.

00:18:50: Also ist eine These von mir, sollte man deutlich planbarer angehen und will sich auch nicht nur sagen das machen wir ein Jahr vorher sondern sagt er vielleicht mal drei bis fünf Jahre.

00:19:02: Gehen wir rechnen schon einmal vor machen Projekte an wie wir das überhaupt konsolidieren wollen?

00:19:08: Ich frage mich als Führungsverantwortlicher natürlich auch.

00:19:10: also das Eine ist du hast ja gerade gesagt ich kann jetzt das Kugellager aus dem Lager irgendwie mehr die Daten holen ob das Ein- oder Ausgebot worden ist.

00:19:16: Wie offen gehe ich mit dem Thema um?

00:19:19: Also wie sehr kommuniziere ich auch und wie kommunizier ich es optimal als Führungsverantwortlicher, dass KI ein Teil der neuen Arbeit sein wird?

00:19:30: Ich meine ehrlicherweise hast du ab gewissen Punkten gar keine Wahlen.

00:19:35: Also ich bin jetzt kein Arbeitsrechtler so dafür habe ich bessere Leute bei mir im Unternehmen.

00:19:42: Du musst halt einfach so schauen ja du hast gewisse Transparenzpflichten.

00:19:46: also wir haben ganz viel wir haben eine ganze Latte.

00:19:49: Wir dürfen ja, wir müssen aufpassen dass wir keine Performance Messungen machen.

00:19:52: So dann haben wir auch direkten Thema.

00:19:54: Dann müssen wir ganz schnell.

00:19:57: kommt der Betriebsrat wenn die da irgendwas mitbekommen so und dann haben mir auch Themen je nach dem was will für Technologie wie auch immer einsetzen.

00:20:06: sind wir beim AI Act ganz Schnell, ne?

00:20:10: Auch im Industrial-Bereich.

00:20:11: Also wo betrifft euch der AI Act im Industrial Bereich?

00:20:14: Glücklicherweise wurde da schon ganz gut lobbyiert auf an unterschiedlichen Stellen und dass das in einem Optimus Verfahren ein bisschen gelockert wird.

00:20:22: Weil ehrlicherweise sind wir an so viele Verordnung gebunden Maschinenbauverordnungen.

00:20:28: Wir haben so viele Themen und dann ist eher der AI act sage ich mal noch einmal so einen Punkt der nochmal Sachen ausbremst.

00:20:35: aber dennoch wenn man sich auch als industrial AI Engineering Company versteht ist es schon so, dass wir das jetzt bei uns zumindest mal den AI Act schon so als Baseline im Unternehmen haben regelmäßig darüber sprechen.

00:20:50: Auch nochmal immer wieder bewerten.

00:20:52: also ist eigentlich so eine dauerhafte Schulung die wir da haben.

00:20:55: weil Also ich möchte jetzt keine manipulierten Systeme bauen oder irgendwelche Systeme, die vermeintlich ja man sagt so Social Scoring irgendwie aufbetreiben.

00:21:05: Ist der Mitarbeiter schlecht?

00:21:06: Ist der Mitarbeiter gut?

00:21:07: Fühl' ich mich nicht so cool mit!

00:21:10: So All in all würde ich sagen kommen wir im Industriebereich ganz gut ohne ihn bis zu einem gewissen Grad aus.

00:21:19: Sobald wir sag ich mal, wirklich so an Kommunikationsschnittstellen sind zwischen Mensch und Maschine.

00:21:27: Und dann muss Sprachmodelle einsetzen.

00:21:29: Dann sollte man da schon mal einen OBE-Vorfall

00:21:31: haben.

00:21:31: Das ist übrigens im nicht industrial Bereich ähnlich.

00:21:35: Wir sehen das mindestens neunzig Prozent der Projekte die bei uns angefragt werden oder die wir durchführen mit dem AI-Akt überhaupt keinen Berührungspunkt eigentlich haben.

00:21:44: Die Leute haben sehr viel Angst vor dieser Regulaturweg häufig zu Unrecht, manchmal natürlich auch zur Recht.

00:21:50: Also man muss es schon betrachten aber meistens ist das gar kein so großer Hemmschuh wie es immer nach außen dargestellt wird.

00:21:58: Ich will nochmal ganz kurz das Thema Akzeptanz gerne abschließen.

00:22:01: wir haben eben schon gesagt okay Willi akzeptiert jetzt dass er also irgendwann während der Rente geht als Boomer.

00:22:07: dann die vielleicht die KI sein Nachfolger ist, aber wie geht es diesen Leuten in den Firmen und in den Werkhallen, die ihr da umrüstet?

00:22:19: Akut an ihrem Arbeitstag.

00:22:21: Also was vertrauen diese Regelungstechnik dann?

00:22:25: Der Punkt... also ich habe bis jetzt wirklich noch kein Projekt erlebt wo sich da wirklich Leute quergestellt haben.

00:22:33: Und das muss man fairerweise mal sagen, also wir können uns gleich mal in mein Auto setzen und dann fahren wir hier irgendwie mal eine Stunde von Köln weg und gehen meinen Werk rein.

00:22:41: Die sind da teilweise am Limit.

00:22:44: ja weil du in gewissen Branchen möchte niemand mehr diesen Job machen so und gerade im Stahlbereich.

00:22:52: Also Das ist schon rauere Arbeit So die sind.

00:22:57: und auch nochmal zu sagen KI ersetzt nicht immer direkt.

00:23:01: Also es gibt glaube ich Branchen, da gibt's super dokumentierte Daten die sind sehr gut verfügbar.

00:23:07: Da kann man gut ersetzen.

00:23:10: Aber gerade wo viel manuelle Tätigkeit ist dann muss man das auch so ein bisschen verstehen auch wenns schon automatisiert ist dass es mehr als Werkzeug zu verstehen.

00:23:17: also und deswegen isst es oft wirklich so... Das Mann!

00:23:20: Und ich hab's ja eben grad schon gesagt durch diesen Aufbau Ja.. Ich habe einen Shadowsystem und ich sehe ich regel' das.

00:23:26: Ich würde jetzt so regeln AI schlägt mir das so vor und ich merke, wenn ich sogar die Parameter eingebe wird es sogar noch besser.

00:23:34: Und ich habe dann erreiche meine Schichtziele schneller und kriege vielleicht sogar noch eine Bonifizierung.

00:23:40: cool

00:23:41: also ja mega then let's go!

00:23:44: Ok kommen wir mal zu dem Thema Kosten und Wirtschaftlichkeit von diesen Lösungen.

00:23:49: Das ist ein großes Thema.

00:23:50: gerade auch im Nicht-Industrial Bereich ist die Frage werden die Versprechen an Ja, Gewinn an Produktivität tatsächlich eingelöst durch diese AI-Lösungen.

00:24:03: Es gibt bestimmte Branchen wo das relativ klar ist.

00:24:05: wenn wir uns Callcenter angucken oder irgendwas dann kann man das sehr gut messen.

00:24:09: Wie ist es im Industriebereich?

00:24:10: Könnt ihr das messen?

00:24:11: Rechnet sich das, was kostet so eine Lösung eigentlich?

00:24:13: Definitiv.

00:24:14: Also wenn ich jetzt mal an meine ersten Jahre zurückdenke dann würde ich sagen, würde ich eher die Hände über den Kopf schlagen.

00:24:19: und da haben wir Sachen gemacht.

00:24:21: So Over Engineering.

00:24:22: es gibt so ein Projekt.

00:24:23: also da lachen wir mittlerweile drüber.

00:24:25: Da haben wir Blechblatten gezählt.

00:24:28: Es ging darum... Das waren ja richtige Greenhorns von der Uni so richtig Forschungsbegeister, dann kam jemand und sagt ey ich hab hier auch keine kleine Bude fairerweise.

00:24:42: Assistiv wird wahrscheinlich jeder kennen.

00:24:44: So... Ich habe eine Maschine die ist gefühlt noch kurz vor dem Krieg angeschafft worden und da hinten fallen Plechtafeln raus und aus den Plechthafen mit ganz viel gemacht.

00:24:54: Die werden gestanzt, gebogen können Schränke rauswerden oder ever.

00:24:59: Und die zählt hier jemand immer mit einem Bleistift.

00:25:02: Können wir nicht irgendeine Kamera hinmachen, um zu gucken?

00:25:05: Weil ihr müsst wissen... Wir gucken halt schon auf den Weg.

00:25:10: wie ist die Qualität?

00:25:11: und wenn da irgendwas nicht stimmt ziehen wir es raus!

00:25:13: Deswegen stimmt der Zähler da vorne nicht.

00:25:15: So ja klar können wir bauen, ey voll volle gute Idee relativ easy.

00:25:19: Und dann haben wir mit einem Engineer Der hat das maßgeblich gemacht.

00:25:23: Wir haben so das Set abgebaut und da waren wir noch wirklich in dieser Sturm-und-Trangphase, das war ich glaube ich so zwischen achtzehn und zwanzig.

00:25:34: Das war die Vorcorona Zeit.

00:25:39: Dass wir dann so ein komplettes System over-engineered haben.

00:25:42: Wir haben verschiedene Kameras geholt und wir merken, die europäischen Kameras reichen nicht aus.

00:25:47: Wir brauchen mehr Auflösung aber sie sind zu teuer.

00:25:49: also holen jetzt Kameras auf China Hyperspektalkameras gucken uns die Kanten an ziehen alles aus jeder mögliche Library OpenCV whatever raus und fangen an die Blechplatten zu zählen.

00:26:00: Und es hat so heftig funktioniert in Laborumgebung, dann sind wir da mit ihnen die Halle und das hat nichts mehr funktioniert.

00:26:08: Elektromagnetische Strahlung, Vibration der Kran, der uns Schatten geworfen hat... Es war einfach graus.

00:26:15: also wirklich in Laborbedingungen konnte das Ding Papier zählen nicht mehr funktioniert.

00:26:21: Wir haben es zu einem Festpreis angeboten, ich glaube den haben wir, ich hoffe es haben fünfzehntausend Angebote, haben uns da fünfzig investiert also war richtig gut.

00:26:29: Es hat nicht funktioniert so und seitdem war dann aber auch ne?

00:26:32: Und da haben wir jetzt so gemerkt okay bevor wir sowas überhaupt anbieten können überhaupt an Projekte reingehen müssen wir uns erstmal dem Prozess angucken

00:26:40: weil

00:26:41: ganz im März warum willst du am Ende eine vermeintlich gute Lösung?

00:26:44: wenn der komplette Prozess Und da fing das dann an und dann haben wir erst mal gemerkt, okay, wir müssen selbst überhaupt die Strukturen aufbauen.

00:26:53: Und unsere Prozesse damit wir dem Kunden Prozisse anbieten können um dann zu sagen können wie ist denn der Return of Invest?

00:26:59: Da sind wir mittlerweile echt wirklich gut weil wir knallhartes Anforderungsmanagement machen.

00:27:04: Das gefällt den Kunden manchmal nicht, weil sie haben Ideen Und die haben vielleicht am Wochenende Terminator oder iRobot gesehen, oder haben noch mal was selber gebastelt.

00:27:14: Wo die gesagt, ey guck mal ich hab programmiert!

00:27:17: Hey Zeit wann kannst du programmieren?

00:27:18: Ja mit Claude.

00:27:19: Guck mal, was das kann?

00:27:20: Könnt ihr das nicht auch dann so schnell umsetzen?

00:27:22: Das wird nicht funktionieren aus den und denen und den Gründen.

00:27:25: So gerade in der Industrie Echtzeitfähigkeit Belastbarkeit, dass Systeme usw.

00:27:29: laufen.

00:27:29: So knallhartes Anforderungsmanagement.

00:27:31: Dann gucken wir uns die Kompletten... ...und das ist ja mittlerweile wirklich gut weil unsere Kunden die haben die Prozesskosten dokumentiert.

00:27:37: So und da haben wir zum Beispiel, auch jetzt ein aktuelles konkretes Beispiel einfach mal dir zu geben.

00:27:44: Thema ist ja eben gerade Akzeptanz.

00:27:45: auch gesagt vielleicht wird es auch nochmal ein bisschen deutlich werden.

00:27:48: so einen Kunden Weltmarktführer die sortieren Feuerfeste Materialien.

00:27:54: Feuerfestematerialien was ist das?

00:27:56: Erklären uns das mal.

00:27:57: Wir sind nicht alle im Industrial Bereich unterwegs.

00:27:58: Genau.

00:27:59: Feuer feste Materialien was isst das?

00:28:01: Das sind ist die Inverkleidung von dem Hohrofen also wo Stahl geschmolzen wird.

00:28:07: Wenn man jetzt sich das so vorstellt, man hätte einen Topf.

00:28:10: So ein Edelstahl-Topf.

00:28:11: Nun kommst du auf die Idee ich schmilze in einem Edelstal-Topf?

00:28:14: Edelstaal!

00:28:15: Was passiert verbindet sich.

00:28:16: Ist schlecht.

00:28:17: Also ist er so ausgekleidet mit verschiedenen Arten von Stein.

00:28:21: So gibt es Magnesiasteine, Herbschamottsteine hat man vielleicht im Kachelofen zu Hause.

00:28:27: Speichert gut die Wärme.

00:28:28: Das alles da drin und das coole ist wirklich diesen recyclable.

00:28:34: zu hundert Prozent, die werden gemahlen und dann werden da wieder neue Steine rausgemacht.

00:28:37: Jetzt gibt es so ein Problem weltweit und noch mal bisschen spezieller in Deutschland.

00:28:43: Wir haben ein föderales System.

00:28:46: So wenn jetzt zum Beispiel ein Stahlbetrieb in Rheinland-Pfalz sitzt im Nordrhein Westfalen Bayern Brandenburg Die kompletten Recycling-Fahrnungen sind immer unterschiedlich.

00:28:57: Deswegen kann ich nicht einfach sagen, ach' ich knall hier alle Schamottsteine zusammen, Magnesia steigen und dann male ich die und mach neue Steine.

00:29:03: Nee!

00:29:04: Wenn ein Stein aus Rennen falsch kommt wird der anders sortiert wie wenn ein Stein auf Bayern kommt oder Primebox.

00:29:11: Jetzt muss man sich das so vorstellen... So Steine, die sortiert werden?

00:29:15: Wie wird denn das gemacht?

00:29:16: Wie stellst du es dir vor?

00:29:18: Ne weiß ja Sitte steht einer und er sortiert je.

00:29:21: Leider war da stehen dann so vier bis sechs Männer oft auf einem Art Schrottplatz in einem Container.

00:29:29: Die haben FFP-Zwei Masken an, Schutzbrillen und dann gehst du in so ein Container rein und sie ist komplett schwarze Menschen die diese Steine haben.

00:29:40: und ab und zu müssen wir die FFP Zwei Maske mal abziehen weil gewisse Sorten erkennst Du optisch nicht sondern musst mal dran riechen an einem gewissen Ammoniak Gehalt.

00:29:48: wenn da ein gewisser Ammoniac Gehalt drin ist dann ist das eine andere Stein wird er sortiert.

00:29:52: Und jetzt kann man sich vorstellen, würden die Gesicht über KI freuen.

00:29:55: Ja!

00:29:56: Das kann man wirklich nur sagen.

00:29:57: ja weil ganz immer ernst... Die finden niemanden mehr.

00:30:00: Die verdienen nicht schlecht aber es will auch keiner mehr machen.

00:30:04: So und da ist dieses Unternehmen auf die Idee gekommen okay wir müssen was machen.

00:30:09: Erster Schritt war Laserspektografie bedeutet wenn ich mit Laser auf ein so chemisches Element licht aus, sondern jetzt zurückgestrahlt in einem gewissen Frequenzbereich.

00:30:25: Dann kann ich sagen okay so und so ist die chemische Zusammensetzung.

00:30:28: Laserspektograph Viertelmillionen aufwärts das sind die Investitionskosten nur für den Laser-Spektor

00:30:33: ohne die KI weiter

00:30:34: Ja, K.I.

00:30:35: ist da noch gar nicht drin.

00:30:38: Viertelmillion und das dann auf ein regelbasiertes System hinter einfach nur sagt okay bisschen Prozent davon bis in Prozent davon.

00:30:45: Dann baue ich noch die komplette Automatisierung drin dann bin ich ganz schnell auch bei über einer Million so.

00:30:51: Und dann sortiert mir das Ding die Steine.

00:30:53: man muss feststellen so einen Laserspektro kraft Da sind spiegel drin Ganz kleinen Spiegel damit man auch das Licht ausgesondert wird prismen, dass gar nicht so industrietauglich wie man sich denkt.

00:31:03: Nicht in diesem Umgebung.

00:31:05: und dann ist dieser Kunde auf uns zugekommen.

00:31:08: gesagt könnt ihr also könnt ihr das AI-Base bauen, Kamera basiert.

00:31:13: Das muss da irgendwo gehen weil du kannst schon mit hochauflösenden Multispektalkameras kannst du gewisse Anomalien schon erkennen und gewisse Zusammensetzung kann sagen das ist der und er und der Stein.

00:31:24: wir haben Proof of Concept gemacht.

00:31:27: Wir waren erschreckt, weil die Ergebnisse so gut waren.

00:31:29: Dann haben wir noch mal validiert und die Engineers haben gesagt das ist zu gut!

00:31:33: Das kann nicht sein!

00:31:34: Und dann haben wir immer wieder Stichproben gemacht.

00:31:37: Wir waren echt so stark... Jetzt sind wir in der Lagensystem zu bauen was am Schluss ein Zehntel

00:31:44: kostet.

00:31:44: Und da muss keiner mehr dran riechen?

00:31:46: Keiner muss mehr riefen.

00:31:47: Da sieht man aber auch die... Einfach so das Thema.

00:31:50: und dann die Return-Investment auf Investments.

00:31:53: Rechnung ist eigentlich relativ simpel.

00:31:54: Du kriegst mehr Durchsatz, du wirst die Leute vielleicht noch für Sonnerfälle benötigen, die werden aber entlastet können mehrere Anlagen am Schuss überwachen bedienen.

00:32:06: irgendwie müssen die Steine ja auch in das System reinkommen also mit einem Radlader oder ähnliches vielleicht auch irgendwann autonomen so whatever.

00:32:13: Aber da sieht man halt so den Punkt so und sechs Mal Lohnkosten pro Monat plus neben Kosten.

00:32:22: So, dann hast du eine Amortisationsrate von einem halben Jahr so und das rechnet sich.

00:32:26: Und du hast eine skalierbare Lösung die industrie-tauglich ist weil Du kannst Schmutz wirklich komplett eliminieren durch Druckluft etc.

00:32:37: gibt zu viele Themen die ich jetzt aufzählen könnte aber da reicht die Zeit für mich.

00:32:40: also das ist so der Punkt.

00:32:42: Jetzt ist dein Job.

00:32:43: Hast du es ja gerade beschrieben dass ihr das individuell baut?

00:32:46: Das heißt Du machst ein Pufferkonzept, ihr probiert das mal aus.

00:32:49: Der Kunde kommt mit einer Idee zu euch.

00:32:51: Ich könnt dir auch die Idee kommen und das ist ja auch im Nicht-Industrial Bereich so, dass ich sage... ...ich wachte mal bis die Hersteller meiner Maschinen in eurem Fall oder meiner Software, die sowieso schon benutze diese AI Features da einbauen.

00:33:04: Warum sollte sich das individualisiert mit gewissen Risiken ihr damit auch behaftet eigentlich bei dir kaufen anstelle für abzuwarten?

00:33:11: Die Antwort ist relativ stumpf.

00:33:13: also Mit den Unternehmen, mit denen wir zusammenarbeiten, egal ob es die Maschinenbauer sind oder sage ich mal auch diese Industrieunternehmen sind Weltmarktführer in ihrer Nische.

00:33:23: Außerdem gibt's gar keine Bedeutung.

00:33:25: deren Anlagen sind oft individuell und die haben Anlagen, die die auch wieder verkaufen Aber die ganzen Lizenzen sind bei denen.

00:33:33: Das bedeutet, bei uns ist das weniger jetzt so dass es nur einmal entwickelt sondern wir haben eine Technologie-Partnerschaft mit unseren Kunden zusammen und skalieren über unsere Kunden.

00:33:42: So das zu der Punkt!

00:33:43: Und wir haben halt gewisse Komponenten schon wie sage ich mal eine Real-Time Engine oder ähnliches, gewisse Architekturen auf denen wir aufsetzen können um dann gewisse Geschwindigkeiten auch in die Projekte zu bekommen.

00:33:56: Um nicht immer alles neu entwickeln zu müssen.

00:33:58: aber wir haben oft so spezifische Probleme und so nüchten Probleme die sich gar nicht lohnen würden für Siemens, ABB, Cognax, Keans, EFM und wie die ganzen Sensorhersteller heißen die individuell zu lösen.

00:34:12: Das

00:34:12: heißt dein Geschäftsmodell ist weil du gerade gesagt hast ihr geht dann auch über diesen Hartner und über euren Kunden hinaus, mit den Kunden dann vielleicht raus.

00:34:22: Ist es eine reine Time and Material?

00:34:25: Geschäftsmodell was du hast oder lizenziert ihr denn auch eure Lösung?

00:34:28: Das ist der Punkt!

00:34:29: Also, das ist eine Mischung.

00:34:31: So bis zum gewissen Punkt ist Time und Material.

00:34:34: aber ab dem gewissen point weil man das halt auch versteht sag ich mir die Unternehmen mit denen wir zusammenarbeiten die möchten auch dass also das wirklich diese Bindung entschied damit wir es weiter für sie entwickeln ist halt dass wir halt auch an den Lizenzen partizipieren die verkauft werden.

00:34:48: okay jetzt Hast du einen ganz guten Einblick in Deutschlands Industrie?

00:34:53: Wir hören da draußen immer, oh das geht alles ein Bach runter in Deutschland.

00:34:58: Ist KI ein weiterer Angriff auf Deutschlandsindustrie oder ist es die Rettung?

00:35:04: Also erstmal habe ich gar keinen Bock auf hier irgendwie solche Dystopien aufzubauen.

00:35:10: ja weil man muss fairerweise sagen... Die ganzen Betriebe die gerade untergehen und ich hab's heute morgen noch gehört alle zwanzig Minuten haben wir den.

00:35:20: insolvenz ist schon heftig.

00:35:22: also wenn man sich das mal hochrechnet sind paar am tag so.

00:35:26: aber die die insolvent geben hatten vorher schon eine schlechte ausgangsbasis so oder haben halt irgendwann verpennt ihr geschäftsmodell weiter zu entwickeln.

00:35:36: so wenn ich immer nur gewohnt war günstiges, billiges russisches Gas einzukaufen.

00:35:41: Extrem günstige Energiepreise zu haben und dann irgendwelche Teile für VW oder irgendwie Automotive zu biegen und zu stanzen wird es halt irgendwann dünn.

00:35:51: da hätte ich mir mal vielleicht.

00:35:53: also klingt jetzt hart aber ich finde an der Stelle wirklich auch hart Hätte ich mir vor fünf bis zehn Jahren auch schon mal Gedanken machen müssen.

00:35:59: Was aber?

00:36:00: Und das muss man fairerweise sagen und deswegen gucken jetzt auch gerade die ganzen Private Equities aus den USA ein bisschen Einkaufen zu gehen, ist der Punkt dass sehr viel Domänen wissen einfach in unseren Werkzeilen liegt.

00:36:15: So, was meine ich?

00:36:16: Domänenwissen einmal teilweise dokumentiert in Daten aber auch in den Köpfen von den Werker-Werkerinnen.

00:36:21: und gerade diese Industriedaten da lecken sich die ganzen Hyperscaler die Finger nach macht man kostenloses Projekt ein.

00:36:28: ja komm kommst du bei uns auf die Google Cloud kannst mal ein bisschen was probieren.

00:36:32: Und der Punkt ist diese Verknüpfung von den Industriedarten mit dem Domäenwissen an der Maschine und so ein bisschen auch unsere Mentalität.

00:36:40: also Hans Uskurait, ich weiß nicht ob du den kennst.

00:36:43: Der hat es mal auf einen Punkt gebracht.

00:36:46: Er sagte in den USA ist dieses ganze Industriethema komplett andere Mentalität.

00:36:52: Das wird nicht aus den USA kommen das wird auch aus Europa kommen so und explizite auch tatsächlich aus Deutschland und das ist auch unsere Chance.

00:37:00: Und wenn Du jetzt mal ein bisschen durch die Wirtschaftsministerien gehst... Auf einmal und das finde ich ja total crazy steht doch überall dieser Begriff Industrial AI physical AI, embodied AI.

00:37:12: Weil du merkst dann irgendwie da geht mehr.

00:37:16: im Gegensatz wenn wir jetzt sagen wir bauen jetzt das neue generative Modell um Bilder zu generieren so und man merkt halt auch

00:37:26: OpenAI

00:37:27: oder auch wie die ganzen anderen Entropic und diese alle heißen es ist gar nicht so einfach ich sag mal easy Industriedaten shoppen zu gehen weil du kommst gar nicht an die Daten dran und wir müssen jetzt einfach lernen Wie wir Datenräume aufbauen?

00:37:42: Für gewisse Industrieprobleme, die wir lösen wollen.

00:37:46: Da muss man auch mal so ein bisschen von der Mentalität weg achten, dass mein Konkurrent mit dem mache ich nichts sondern also ist die Frage auch so möchte ich gemeinsam gewinnen oder gemeinsam verlieren?

00:37:56: Die Frage muss man sich beantworten und ich finde dann Gewinn besser.

00:37:59: Und wenn man sich dann zusammenschließt da gibt es verrückte Modelle.

00:38:02: Datengenossenschaften habe ich jetzt noch gelernt.

00:38:05: Total crazy Thema ist es halt einfach so, dass man diese Daten dann nehmen kann und industriespezifische Problemfälle lösen kann den Maschinen packen können die auch wieder verkaufen.

00:38:16: und für mich ist das wirklich so.

00:38:19: the next big thing der nächste Maschinbau unser nächstes Exportgut und dann ist irgendwann auch so der Punkt Aus Resilienzgründen klar, müssen wir hier noch produzieren.

00:38:29: Ja?

00:38:29: Aber am Schluss entscheidet dann auch eher darüber wie wir diesen Knowledge-Transfer jetzt hier schnell hinbekommen damit wir hier überhaupt produzieren können und auch exportieren können.

00:38:40: Ich hatte

00:38:40: kürzlich Andreas Weiß hier zu Gast vom ECO-Verband.

00:38:43: du bist ja selber auch im ECO Verband aktiv.

00:38:45: Und das was Du gerade gesagt hast mit diesem Wir müssen an die Daten rankommen eben auch und die Daten untereinander austauschen und Datenräume aufbauen in der Industrie ist eins zu eins Position des Eco-Verbandes.

00:38:57: Ich frage mich natürlich trotzdem, du hast gerade selbst gesagt die PES und die Ausländer, also in Deutschland einkaufen lecken sich die Finger genau nach dem Domainwissen.

00:39:07: Das hat zwei Fragen.

00:39:08: Erstens Warum sollte ich wenn ich weiß das ist mein eigentlicher Schatz den jetzt freigieben?

00:39:16: Dass du gesagt okay wir gewinnen gemeinsam ohne Frage.

00:39:19: und vielleicht die wichtigere Frage wie kann ich denn im AI Projekt was von dir vielleicht bei mir in der Werkerl umsetzen lasse sicher sein, dass diese Daten nicht rausgehen.

00:39:29: Bei mir direkt

00:39:30: auf die letzte Frage ein also das sie da nicht raus gehen.

00:39:34: und da sich ja zumindest im Prozess thema wo werden die daten verarbeitet?

00:39:37: so wir haben eine ISO seven tausend eins data compliance und die strukturen bei uns so abgebildet dass wir bei unseren Kunden verarbeiten so der kunde ist her über die daten wir operieren auf deren system das

00:39:51: er nutzt gar keine cloud holt sondern Nee, das wird bei dem im Keller.

00:39:57: Oder bei der Infrastruktur von einem Kunden.

00:40:02: Gerade an der Maschine sind es halt auf.

00:40:03: so Cloud Edge Komponenten.

00:40:05: So cloud klar braucht mir eine Cloud.

00:40:07: und was zu trainieren?

00:40:08: Dann ist immer die Frage wer steckt hinter dem Cloud Anbieter etc.

00:40:14: Die andere Frage Vielleicht kannst du Maxi gerade nochmal wiederholen, Frage eins und zwei.

00:40:20: Also

00:40:20: die eine Frage war genau wie sehe ich zu dass das nicht rauskommt aus meinem Haus?

00:40:24: Da hast Du gerade gesagt okay das ist in meiner Infrastruktur und es is an der Edge wobei mich Frage kann mit einem Edge-Modul in irgendeiner Form KI berechnet werden.

00:40:35: Wie funktioniert das?

00:40:36: Muss ich meinen eigenen GPU Stack aufbauen?

00:40:38: und die zweite Frage ist warum sollte ich jetzt diese Daten auch noch mit meinem Konkurrenten teilen?

00:40:42: Ja ok gehen wir noch mal auf die GPU Frage ein so... Das Punkt ist ja die Infarenz, also die Infarens is on the edge.

00:40:48: Ja auch bei Thyssen-Crop laufen die Modelle an der Maschine.

00:40:53: Also die Infarenz da läuft die.

00:40:55: Draining ist auf einem wirklich fetten, richtig fetten Data Cluster wo die berechnet werden.

00:41:00: Warum sollst du deine Daten mit deiner Konkurrenz teilen?

00:41:03: So und ich glaube das ...Mentalitätsthema, was wir mal aufbrechen müssen.

00:41:10: Ich muss doch überlegen okay... Was ist das denn für ein Konkurrent?

00:41:12: Ist es der Konkurrenz auch China aus den USA so?

00:41:16: oder?

00:41:17: und das haben wir ja ganz häufig in Deutschland.

00:41:19: Wir haben ja gewisse Automotive-Speckgürtel im Sauerland da ist sehr viel Wettbewerb know how was da lagert Überall über die Republik, immer gewisse Schwerpunkte.

00:41:34: Und die Frage, die ich mir doch stellen muss... Natürlich würde ich jetzt nicht mit China oder den USA teilen weil dann ist das eigentlich so ein Rauskaufen.

00:41:42: So einen Ausverkauf.

00:41:43: Wir haben bei KUKA gesehen.

00:41:45: Ich verstehe bis heute nicht warum man das gemacht hat.

00:41:49: Aber es ist auch immer die Frage okay was sind das denn für Daten?

00:41:55: Wie weit kann ich die vielleicht auch zum Teil anonymisieren?

00:41:58: Wie kann ich denn gewisse Basismodelle quasi entwickeln und die am Schluss nochmal mit Gewissen Daten, nicht vielleicht Nichtteile noch mal Feintune.

00:42:07: Heute redet doch wirklich jeder über Effizienz, Wettbewerbsfähigkeit, Geschwindigkeit.

00:42:14: Und wenn ich jetzt anfange alles selbst in meinem Ja Keller zusammenzubasteln Dann verliere es doch genau an der Stelle.

00:42:22: und deswegen musst du sehen das zusammenzubringen.

00:42:25: und deswegen zum Beispiel auch dieses, da war ich total beeindruckt von so einem Thema Datengenossenschaft.

00:42:30: Man baut eine Genossenschaft man legt einen genossenschaftlichen Zweck fest alle Daten fließen da rein.

00:42:35: Ich beteilige die ganzen Unternehmen daran.

00:42:38: Bauer dann zum Beispiel mein Blechbiege Modell und dieses Blechbiege Model geht dann am Schluss sogar durch die Decke sondern partizipieren ja auch alle da dran an Lizenzeinnahmen oder whatever.

00:42:50: Ist das eine Idee?

00:42:51: Oder ist es umgesetzt so?

00:42:52: Es gibt tatsächlich, also das fand ich... Also das kommt aus dem wissenschaftlichen Bereich.

00:42:56: Da gibst du Richtung Heilbronn tatsächlich, so ein Institut.

00:43:00: die haben das jetzt aufgesetzt und die haben jetzt durchgespielt und das total spannend.

00:43:05: Okay.

00:43:06: Biegen wir mal ein bisschen ab zu deiner eigenen Positionierung.

00:43:11: beschreibst und das ist ein bisschen dein Slogan, kein KI-Bullshit.

00:43:16: Und sagst andere liefern schöne Folien und bei mir gibt es also die richtigen Projekte.

00:43:23: Woran erkennt einen Kunde?

00:43:26: Das was da gerade präsentiert wird?

00:43:28: weil dass viel draußen unterwegs, dass das eine schöne Folie ist aber kein sinnvolles Projekt wird am Ende und kein erfolgreiches Projekt.

00:43:35: Wohin kann ich das erkennen?

00:43:37: Es gibt so ein paar Basics Wenn jemand total, sag ich mal, sagt nur easy gar kein Problem.

00:43:46: Ich löste alles so dann wäre schon vorsichtig ja und die das Thema ist so.

00:43:52: ich glaube und da muss dass das fängt ja und das ist ja das Schöne, dass es jetzt so anfängt.

00:44:01: Alles sehr breit, ne?

00:44:03: Also irgendwie sehr und definierte Raum.

00:44:05: Manchmal wurde man so ein bisschen... also am Anfang haben wir die F&E, also Forschung-Entwicklungsschublade reingeschmissen.

00:44:13: Und man hat gemerkt da fehlen noch so ein bischen die Spezifizierung.

00:44:17: Der Punkt ist glaube ich wo ich drauf achten würde es immer so ein bißchen die Heritage ja.

00:44:22: Wo kommt jemand her was hat der für Projekt Erfahrungen?

00:44:25: und vor allem welche Nische hat er denn gefunden?

00:44:28: weil ganz im Ernst Wir werden keine Sales Projekte machen, wir werden keine AI in Marketing Projekten machen oder whatever.

00:44:37: Bei uns gibt es wirklich nur Industrie Hardcore, Shopfloor an der Maschine und da kennen wir uns aus.

00:44:44: Da ist so die Nische und ich glaube auch da die Nischen-Experten auch im ganzen AI Space.

00:44:49: Es wird sich immer weiter profilieren, da wird man gewinnen.

00:44:52: Und dann ist auch immer die Frage welche Anspruchshaltung habe ich an das Thema mächtig?

00:44:58: Quick and Dirty gelöst wird?

00:45:00: Ja, dann suche ich mir auf LinkedIn einen Freelancer und der dingelt mir da irgendwas mit APIs zusammen.

00:45:06: Top-Layer Anwendungen muss nur immer Angst haben wenn da sich irgendetwas mal ändert und mir die API auseinanderfliegt dass das dann neu bauen muss.

00:45:13: so oder gucke ich halt einfach Bausysteme auf die tragen so und ehrlicherweise ist es auch so dass ein komplett anderes Segment an Wo wir dann auch unterwegs sind, weil das sind dann echt schon höhere Investitionsvolumina.

00:45:27: Also dann verkaufen wir kein Projekt für zwanzigtausend Euro oder so Sondern dass sind dann eher Budgets und langläufige Projekte wo wir reingehen.

00:45:35: Und das ist so glaube ich so ein bisschen die Erfahrung und auch eine gewisse Ehrlichkeit.

00:45:39: Themen ablehnen.

00:45:40: also Das mache ich auch total gerne Weil das Ding ist und das wirst du auch kennen wenn du mit Leuten sprichst und Du hast gute projekte bei Dingen macht an sagen ich habe hier noch ein Thema Hier noch ein thema hier noch einen thema.

00:45:51: klar kann zu sein Ja, ich luste alles.

00:45:53: Aber es ist auch viel cooler zu sagen.

00:45:55: Ey danke für die Anfrage!

00:45:57: Ist absolut gar nicht mein Thema... Ich hab's vielleicht bei uns in Ternsohn so gelöst aber das würde ich dir gar nicht anbieten.

00:46:04: Sprich mal lieber mit ABC, die sind darauf spezialisiert.

00:46:07: Jetzt

00:46:07: könnte man dir vorwerfen wenn man dich so online sieht.

00:46:12: Du bist super viel bei LinkedIn unterwegs.

00:46:14: du sitzt jetzt heute hier im Podcast.

00:46:15: fairerweise sitze ich auch hier.

00:46:18: Aber du bist Kolumnist bei BusinessPunk.

00:46:20: und wo bleibt da, bei diesem ganzen öffentlichkeitswirksamen Ding noch Zeit wirklich im Projekt zu sein?

00:46:26: Ja

00:46:27: das ist eine sehr berechtigte Frage.

00:46:29: also der Punkt ist.

00:46:30: Und ich glaube dass gehört halt auch zu so einer unternehmerischen Entwicklung dazu, ne Dass man halt auch lernen muss Man kann nicht neben Projekt drin sein.

00:46:39: So es gibt so zwei drei Projekte Im Jahr.

00:46:43: Das sind so Herzens Themen die ich total spannend finde wo ich auch wirklich mit dran arbeiten, das sind oft so hidden Projekte wo wir gar nicht so aktiv drüber reden können.

00:46:52: Aber der Punkt ist halt einfach.

00:46:55: mir ist es so wichtig geworden einfach da auch in einem Thema aufzuräumen dass ich mich dann auch gerne die Zeit nehme hier im Podcast zu sitzen oder auch meine Meinung beim Business Punk Kunst zu tun und ehrlicherweise ja Kolumnist bei dem Business Punk Das sind halt ein zwei Kolumnen pro Monat.

00:47:13: Das kriegt man auch am Wochenende mal ganz gut aus dem Handgelenk geschüttelt.

00:47:16: Also ich glaube, da müsste mein Ehemal meine Freundin fragen wie die das so findet!

00:47:23: Wenn ich dir so zuhöre und von deinen Beispiel-Projekten auch ein bisschen zuhören, dann frage ich mich... Ist das was ihr als KI verkauft?

00:47:33: Es ist ja auch in anderen Sektoren häufig der Fall.

00:47:35: Häufig eigentlich gar keine KI sondern es ist am Ende nur regelbasiertes Entscheidenden.

00:47:41: Braucht man wirklich immer überall die KI-Käule?

00:47:44: So, nein braucht man nicht.

00:47:47: Aber

00:47:48: und das ist glaube ich – und das sind wir uns auch mal total wichtig – wenn wir von AI sprechen ja Und ZeitJetGPT ist es wirklich die Seuche weil dann wird immer nur AI gleich GenAI große Sprachmodelle whatever.

00:48:00: Wir müssen ein bisschen aufräumen.

00:48:02: Ja!

00:48:04: Symbolik-Area, die gingen so bis in die Neunziger rein.

00:48:07: Das waren diese ganzen regelbasierten Systeme.

00:48:10: Dann haben wir eine Machine Learning Area wo wir gerade drin sind und die Ausläufer die wir da gerade haben.

00:48:15: das ist so das ganze Thema mit Gen AI große Sprachmodelle.

00:48:19: Das Ganze ist ein Sammelbecken von sehr vielen Begriffen.

00:48:22: Und was wir machen?

00:48:24: Das ISKI!

00:48:25: Das ist KI, das sind Machine Learning Modelle.

00:48:28: Und die ganzen AI-Gurus, die jetzt gelernt haben wie man mit Claude Cote ein bisschen rum Doktort und Hack & Buck macht, die werden sagen, dass es gar keine KI.

00:48:37: So was wir machen is an der Baseline arbeiten Daten auszuwerten, datengetriebene Lösungen bauen Systeme zu trainieren so an der Narbe direkt am Shopfloor.

00:48:48: Der Punkt ist braucht man das überall?

00:48:51: um Gottes Willen?

00:48:52: Nein!

00:48:53: Es gibt total einfache Abläufe, die entweder wirklich richtig stumpfe Excel.

00:49:01: Ich würde jetzt mal sagen wie man in Excel bauen würde.

00:49:05: wenn dann Bedingungen sind und da brauchst du das sind Schwellwerte die du dir anguckst so.

00:49:12: aber dann sehen wir auch ehrlich zu einer Kunden und sagen that's not AI.

00:49:18: Ja klar können wir das machen und sagen irgendwie können euch das mitmachen Easy Regression.

00:49:25: Wenn man guckt, würde auch unter statistische Systeme zum Teil zu Machine Learning zählen und wenn es noch nicht so komplex ist.

00:49:33: Aber klar macht man dann sowas mit, aber wir verkaufen den das nicht als AI-Projekt.

00:49:38: Solche Projekte sind ja super schnell umgesetzt.

00:49:40: Weil gerade die Kompetenz kommt... Wir bauen jetzt keine solche Dinge für Marketing oder Sales, sondern wenn's uns hilft auf dem Weg wirklich da Intelligenz an die Maschinen zu bringen.

00:49:54: Du

00:49:54: hast eben schon mal ein bisschen ausgeschlossen, welche Projekte ihr nicht macht.

00:49:57: also wenn du sagst im Marketing oder weiß ich nicht im Call Center das sind eben nicht eure Allprojekte sondern wir sagen sich will Shop floor in der Maschine.

00:50:05: das ist was ich machen will.

00:50:06: aber auch da wird es ja Projekten geben und das finde ich besonders spannend noch für die Zuhörer wo du sagest hey die machen keinen Sinn.

00:50:15: so woran erkenne ich?

00:50:17: oder erkennt der Kunde welches Projekt Sinn macht und welches nicht?

00:50:22: Hast du sogar ein Beispiel von irgendeinem Projekt, wo du das gerade schon aus eurer Anfangszeit von einem kleinen Projekt berichtet?

00:50:28: Wo du nachher dann sagen würdest boah er ob das Sinn gemacht hat.

00:50:31: Keine Ahnung!

00:50:32: Ja du also lass mich da mal grad ein bisschen überlegen.

00:50:37: Grundsätzlich kann man sagen dass man natürlich am Anfang immer die Prozessfrage stellen muss.

00:50:43: ja Also wenn ich schon merke Ich bin in dem Unternehmen wir gucken uns den Prozess an und der Prozess ist fragil und fliegt auseinander.

00:50:50: Dann will ich da auf gar keinen Fall jetzt noch so ein bisschen und dann in so metaphorisch AI als Gaffertape nehmen.

00:50:59: Und diesen schlechten Prozess zusammenkleben.

00:51:01: Erst mal den Prozess überhaupt im Griff haben, bevor ich ihn überhaupt AI...

00:51:05: Genau!

00:51:05: Weil du musst ja auch halt überlegen der Prozess, du musst dem Prozess auch... Du musst gucken an welchen Prozessschritt kommen welche Daten raus damit du auch überhaupt Systeme trainieren kannst und lernende Systeme bauen kannst.

00:51:19: Oft kannst du aber auch dann gucken, wenn du den Prozess dir angeguckt hast.

00:51:22: Und dann auch die Frage, lohnt sich da jetzt AI reinzubringen?

00:51:26: Ja oder nein?

00:51:27: Musst halt auch erst mal gucken, so auch die frage, baust du das selbst?

00:51:33: Oder kannst du es einkaufen?

00:51:34: Oder hast du vielleicht schon irgendwelche Lösungen, die du noch gar nicht ausschöpftest?

00:51:39: Ganz viele Lösungen zur Produktion... Also so ein-dimensionale Produktionsplanung!

00:51:43: Ich spreche jetzt nicht von mehrdimensionaler können auf die eap's und die leute nutzen es einfach nicht so dann oft und das sind dann die projekte wo man dann am anfang dacht ja man kanns vielleicht lösen macht aber überhaupt gar keinen sinn sind halt sehr komplexe vision cases also bildbasierte case.

00:52:03: also es gibt sehr sehr komplette komplexe, bildbasierende Cases wo man immer aufpassen muss.

00:52:09: Das ist gerade so der Punkt.

00:52:12: zum Beispiel dieser berühmte griffene Kiste.

00:52:14: Nehmen wir einen Mauteil raus und es egal welches.

00:52:17: da musste mal so drauf achten wenn du da spezifische Bauteile rausholen willst wie sind die Umgebungsbeleuchtung welche Technologie an sensorischer Natur?

00:52:29: Die Software an sich ist meistens gar nicht das Problem sondern die Frage Wie bekommst Du die Daten?

00:52:35: lässt sich das überhaupt über ein Sensor irgendwie abbilden.

00:52:38: Und wenn du das dann so betrachtest und zusammenfasst, dann ist das so der Punkt.

00:52:42: So was hatten wir auch schon in der Vergangenheit ja?

00:52:45: Es gab mal einen Fall Galvanisierung also eher nicht mit Feuerbarzen kochen im Zinkbad sondern Elektrostatik schlussendlich von Bauteilen.

00:52:58: Die werden manuell aufgehangen, galvanisiert manuell abgehangen werden und dann soll noch die Qualität wird gut acht werden, das machen Menschen aktuell.

00:53:08: So haben wir uns angeguckt.

00:53:12: und dann gibt es verschiedene Herausforderungen.

00:53:14: erstmal diese vermeintlich einfache Arbeit der Mensch hängt was auf und hängt etwas ab in einem Werk was seit achtzig Jahren läuft lässt sich gar nicht so einfach durch AI ersetzen weil du hast Hausaufgaben zu tun.

00:53:27: Du musst den kompletten Prozess ändern.

00:53:29: Robotik wird dann ein Thema.

00:53:31: Robotik sind wir keine Experten, da gibt es bessere.

00:53:33: Wir können Software bauen aber Robotik ist nicht unser Ding.

00:53:37: So am Schluss einfach nur jetzt sage ich mal dieses Bauteil zu nehmen, zu gucken, Pasta sind da irgendwelche?

00:53:45: Dann gibts so Themen wie Regenbogenfärbung das sind Qualitätsabstufungen.

00:53:51: Das kannst du alles easy erkennen!

00:53:53: Aber du musst an das Bauteil, an das Handlingen kommen und das sind die größten Themen.

00:53:56: Diese Handlingen-Themen in dem Pro-Prozess Produktionsablauf Die man onern muss Und dass ist auch so.

00:54:03: die Crux wo man dann ganz schnell feststellt Hier macht der AI jetzt noch gar keinen Sinn.

00:54:08: Weil am Schluss wenn Du jetzt dir vorstellst Das wird Aufgaben abgehangen Der Mensch guckt drauf sagt ne es schrott schmeiß ich weg.

00:54:14: Wenn er das jetzt noch irgendwo rein halten muss und die Maschine sagt gut oder schlecht, verlierst du wieder Zeit.

00:54:19: Und das ist ein kontinuierlicher Prozess.

00:54:21: Du musst aufhängen abhängen, aufhängig abhängig.

00:54:24: So da kläscht ja alles so.

00:54:27: Das ist halt auch wieder so'n Ding.

00:54:29: Da sind die Investitionskosten auf einmal so hoch dass du sagst, ja kann ich eine komplett neue Maschine bauen?

00:54:35: Und dann baue ich den Prozess komplett anders und mach das in Leil!

00:54:39: Okay jetzt baut ihr diese KI Prozesse relativ tief beim Kunden hier ein, das sind ja in der Produktion wahnsinnig relevante Schritte die da passieren und von KI zur Not auch entschieden werden.

00:54:54: Wenn da irgendwas hakt so dann hakt bei denen zur Not eben auch der Gesamtprozess und da kommt hinten kein Produkt mehr raus, so stelle ich mir das jedenfalls vor.

00:55:02: Ist das nicht was?

00:55:04: Was sich innenhaus besser selber machen sollte und selber die Kompetenz im Haus haben sollte anstatt jetzt zu dir zu gehen.

00:55:12: Und so was einzukaufen, weil ich es gerade halt nicht kann.

00:55:16: Klassische Frage schenken wir haben ganz viele Kunden, die AI-Kompetenz in dem Haus haben.

00:55:22: Die sind oft betriebsblind, lösen das bis zum gewissen Punkt und fragen sich ist der Ansatz jetzt richtig?

00:55:30: Und dann ist auf der Punkt, dass wir mit Expertise-Rangen geholt werden.

00:55:33: Mit einem externen Blick und das schon mal lösen.

00:55:36: Der zweite Punkt ist... Wir haben ganz viele Unternehmen und das ist ja oft so der Punkt die bauen saugute Maschinen Die haben die Kompetenz gar nicht.

00:55:46: Und die gehen dann eher Richtung Technologie-Partnerschaft, weil sie sagen Schuhsupplybeinleid leisten bevor wir jetzt hier ein AI Team aufbauen.

00:55:52: Wir holen vielleicht drei oder vier Leute, die die Modelle warten können und die Modellen pflegen.

00:55:56: Aber diese ganze Architektur das machen wir in der Partnerschaft mit anderen Unternehmen zusammen.

00:56:00: Okay

00:56:01: aber die drei Leute die das Ding nachher pflegeln können, die brauchen schon

00:56:04: Zum Teil, ja klar und das ist auch total der Erfolgsfaktor.

00:56:06: Ein Gegenspieler auf der anderen Seite die meisten Projekte kollabieren auch gerade bei uns in der Anfangsphase wo wir gar keinen Hatten.

00:56:13: wohl gesagt hier ist der Werkstudent der Werki macht das mal mit euch fährt gegen die Wand.

00:56:18: du brauchst jemanden der das Thema ohnt.

00:56:22: Also das würdest du schon empfehlen, dazu investieren auch ein eigenes Wissen.

00:56:27: Definitiv!

00:56:28: Das war ein sehr spannender Blick in die Werkhallen und für mich was völlig Fremdes wo auch tatsächlich KIA eingesetzt wird.

00:56:37: ich will mit dir zum Abschluss mal noch einen kleinen Blick in den Zukunft werfen.

00:56:43: Ich bin Wie du vielleicht merkst in diesem Industrial-Bereich eben genauso leier wie vielleicht der Zuhörer, das auch ist.

00:56:49: Das ist in anderen eher überreicht mir nicht so der Fall aber in diesem Bereich ist es so.

00:56:53: und jetzt gucke ich mir am Wochenende auf YouTube dieses neue Rennen an von wo also der Weltrekord von Usain Bolt von einem humanoiden Roboter geschlagen wird.

00:57:04: Du hast das eben auch schon mal angedeutet dass das nicht unbedingt euer Thema ist, das Thema Robotik.

00:57:10: Wie wird die Zukunft aussehen?

00:57:12: Wird es da nicht erst krass mit AI, wenn wir diese ganzen AI-Kompetenzen mit den humanoiden Robotern steuern oder ist das noch so weit entfernt.

00:57:20: Denkst du dass das heute für die Industrie noch kein Thema sein sollte?

00:57:24: Also wir sehen eine sehr hohe Entwicklung in dem Bereich.

00:57:27: also wie Du gesagt hast medial auf jeden Fall.

00:57:30: und jetzt auf die die sage ich mal die ganze Thema Die die Handsteuerung werden immer feiner und besser.

00:57:39: Das ist für mich ein Thema, was noch in den nächsten zehn Jahren weiterentwickelt wird.

00:57:42: aber gerade das Thema dann wirklich AI in die Maschine zu bringen anspricht man ja von embodied AI verkörperter KI dass wir schon riesen Ding werden weil erste Testläufe ja auch an Werk an Linien gemacht haben.

00:57:58: BMW hat da ja einiges gemacht.

00:57:59: so das wird schon nochmal ein komplett anderes Thema werden.

00:58:04: Und ich glaube, wenn wir uns dann in zehn Jahren hier treffen und dann läuft ja so einen Kollege rum – ich glaub' dann hat man echt so ein Gefühl von Science-Fiction!

00:58:13: Wie die aber am Schluss aussehen?

00:58:15: Und ob die an menschlich aussehen oder eher wie Wolli kommt auf den Newscase tatsächlich drauf an.

00:58:21: Aber das denke schon dass definitiv ein Thema wird.

00:58:24: Aber auch nur da wo es Sinn macht.

00:58:26: Aber ist heute noch, also ich muss mich heute nicht darauf vorbereiten als Unternehmen schon oder kann ich mich heute schon damit kennens bei euch anrufen und sagen lass uns das mal ausprobieren?

00:58:33: Naja bei uns kannst du eh nicht dann anrufeln.

00:58:35: Dann würde ich dich weiterleiten.

00:58:38: Ja es ist ein Zukunftshema wo gerade auch... sehr viel Venture Captur reinläuft.

00:58:42: Ich meine, sie ist auf der NOFA-Messe, siehst du tanzen Roboter als Zuschauer auf der Bühne und denkst wow bist Du Backstage?

00:58:49: Und siehst die, wie die da vorher am Umfallen sind und wieder alle aufgestellt werden.

00:58:53: weißt du auch wo wir da gerade technologisch sind.

00:58:56: Ja ich war vor ein paar Wochen hier in Köln gab es einen Roboter Fußball von dir und bin da hingegangen auch mit der Erwartungshaltung oh krass.

00:59:03: jetzt gucke ich mir mal Roboter Football an und das war absolut ernüchternd, dass diese Roboter wie hilflos die momentan noch sind tatsächlich in diesem komplexen Feld irgendwie sich zurechtzufinden.

00:59:15: Aber trotzdem spannend aber aktuell muss das nicht unbedingt ein Thema sein.

00:59:20: Simon vielen vielen Dank für diesen Einblick.

00:59:22: ich glaube da war super viel Spannendes dabei und zwar nicht nur für Industriekunden sondern auch was man aus der Industrie wirklich mitnehmen kann für vielleicht seine anderen AI-Anwendungen dann tatsächlich auch so an Kompetenzen und Wissen und Vorgehensmodellen.

00:59:38: Und was du so gesagt hast, auch zum Thema wo ein erkennigtes gutes Projekt und ein schlechtes und was muss ich so wissen?

00:59:45: Was muss ich nicht wissen, was muss sich intern aufbauen?

00:59:47: All das gilt aus unserer Erfahrung genauso auch für andere AI-Projekte und deshalb fand es spannend da mal reinzuschauen heute.

00:59:54: Danke dir!

00:59:54: Ja sehr gerne hat Spaß gemacht und vielleicht gibt's irgendwann nochmal ein Doublefeature

00:59:59: dann in zehn Jahren mit dem humanoiden Rollerteil.

01:00:01: Sehr gut, danke!

01:00:03: Ciao.