Latest / ChinaHotPod / Episode 198 - ● Humanoid Roboter: Vom China-Markt in die deutsche Fabrik - Was jetzt zu tun ist

Transcript

Episode 198 - ● Humanoid Roboter: Vom China-Markt in die deutsche Fabrik - Was jetzt zu tun ist · ChinaHotPod

• 0:12
  Speaker 0: Hallo Rufen, wie geht's dir?
• 0:15
  Speaker 1: Ja super.
• 0:16
  Speaker 1: Ich kann mich nicht beklagen wenn ich auch etwas wehmütig gewesen bin als du geschrieben hast was du alles in China jetzt gerade entdeckt hast.
• 0:24
  Speaker 0: Ja ich habe mich auch daran erinnern können dass wir eigentlich nur zwei Wochen nicht gesehen haben aber in dieser zwei Woche habe ich echt viel erlebt.
• 0:34
  Speaker 0: unter anderem war ich diese Woche mit der Delegation vom ITS-OWL GmbH, also Unternehmer, Mittelständler aus Nordrhein-Westfalen und die ich begleitet habe in China.
• 0:47
  Speaker 0: Also das war echt ein großes Glück!
• 0:49
  Speaker 0: Und ich hab gedacht, ich habe so viel gesehen muss ich unbedingt mit dir einmal eruieren was deiner Meinung so ist und habe dazu auch viele Fragen vorbereitet und nicht einfach dass Dort gesehen habe ich nicht trauen würde, sondern einfach.
• 1:09
  Speaker 0: Ich brauche so eine neutrale Meinung von dir, dass mal die Sache nochmal zu evaluieren.
• 1:18
  Speaker 0: Und vielleicht noch einmal zur Hintergrund für die Zuhöre auch und zwölfte bis sechzehnter Oktober zwei sechsundzwanzig.
• 1:27
  Speaker 0: wir sind eine Delegation vor einundzwantig Personen und unter anderem auch die Cluster Organisation ICOWL als der Veranstalter und Fraunruf-Institut aus Paderborn, aber auch viele mittelständische und etwas größere Mittelständler oder Unternehmen.
• 1:52
  Speaker 0: Die haben ihre verantwortliche Technologie für Produktionstechnologie und für Innovation in diese Delegation geschickt und nach China eine Woche um ein paar Namen zu nennen.
• 2:05
  Speaker 0: Das sind unter anderem Miele haben drei Kollegen geschickt und die Firma Brose ist zwar nicht aus Nordrhein-Westfalen, aber Brose haben zwei Kollegen geschikt.
• 2:16
  Speaker 0: Wir haben Wago für Nixkontakt also auch viele bekannte Namen und ich denke das war insofern eine interessante Erfahrung auch für mich Uwe weil ich habe auch der Delegation wegen der Reise erzählt.
• 2:35
  Speaker 0: Vor fünfzehn Jahren, als ich meine letzte Anstellung noch hatte, habe ich die Verbratungsgesellschaft aus Deutschland den Niederlassung in China gegründet.
• 2:50
  Speaker 0: Damals habe ich als Arbeitstitel, als Vermarktungsinstrument Industrie four-null sozusagen genutzt und fünfzehnt Jahre später vor fünfzehr habe ich quasi chinesische Unternehmen Industrievier Null vermittelt und fünfzehn Jahre später habe ich einen busvolle deutsche Roboter Experte mitgenommen, um in China Industrie Fünfe Null sich anzugucken.
• 3:15
  Speaker 0: Das ist schon echt verrückt was die Zeit so mit sich macht.
• 3:20
  Speaker 0: Und ja also Ich denke viel viel darüber gesprochen.
• 3:25
  Speaker 0: aber wir kommen gleich zum Thema.
• 3:27
  Speaker 0: Du warst zwar nicht auf der Reise Aber du kennst den Markt aus jahr lange Praxis mit deiner Lieferantin.
• 3:35
  Speaker 0: Und ich erzähl dir etwas, was ich gesehen habe und du kannst ein bisschen einordnen ist das repräsentativ oder haben wir nur die Rosinen gesehen?
• 3:46
  Speaker 0: Lass uns da direkt mit einem Trend einsteigen, den ich auf der CIIF unter bei der Firma Besucher sehr überrascht habe nämlich es ist nämlich statt zwei Beine haben die Romano-Röder Roboter jetzt einen Plattformen um konkret zu sein.
• 4:03
  Speaker 0: Auf der CI-EiF habe ich, haben wir gleich gesehen, es gibt kaum einen Aussteller die ihre humanoider Roboter ausgestellt haben aber sind sehr viele mit Plattformen, mit vielen Rollenrädern und die sind sozusagen kann man sagen halb humanoide Systeme und sehr viel näher an echter Produktion dran.
• 4:30
  Speaker 0: Und wie ist jetzt so die Meinung deiner deutschen Kunden zu dieser Veränderung?
• 4:37
  Speaker 0: Ist es so auch als der neue Weg anerkannt für die Industrie oder ist er von der Kunde eher ein Rücksprich zu sehen.
• 4:46
  Speaker 1: Also erstmal müsste man natürlich definieren, was ist ein humanoider Roboter.
• 4:51
  Speaker 1: Ab wann nennt man es halb humanoid?
• 4:53
  Speaker 1: Wann ist es ein Viertel-Humanoid?
• 4:55
  Speaker 1: Das ist natürlich erst mal so.
• 4:57
  Speaker 1: eine erste Frage die das ganz gut einschätzen kann Ich würde in dieser Situation immer dazu schätzen und sagen okay einen humanoider Oberkörper präzisiert das vielleicht ein bisschen, denn es gibt natürlich ganz viele Vorteile warum da unten drunter Rollen dran sind.
• 5:10
  Speaker 1: Also gerade im industriellen Umfeld wir sind sowieso auf dem Shopfloor fast immer und überall ebenerdig.
• 5:15
  Speaker 1: Wir nutzen sowieso Flurförderzeuge um eben halt Paletten von A nach B zu bringen und alles irgendwie auf Rollen zu transportieren.
• 5:21
  Speaker 1: Und von daraus ist natürlich der nächste logische Schritt, Rollen unter den Humanoiden drunterzusetzen anstatt auf Beinen zu setzen ist natürlich in vielen vielen Applikationen sinnvoll.
• 5:29
  Speaker 1: Es gibt natürlich einzelne Bereiche Da macht das überhaupt gar keinen Sinn.
• 5:32
  Speaker 1: ja also immer dann wenn ich irgendwo etwas übersteigen muss, was auch immer auf dem Fußboden liegen könnte drüber steigen dann machen deinen natürlich Sinn weil ich mich damit reifere und zweifel festfahre.
• 5:44
  Speaker 1: Das ist aber in den seltensten Fällen tatsächlich in der Fabrik so.
• 5:47
  Speaker 1: ja das heißt also ich habe eben einen sehr großen Vorteil von Rollen.
• 5:51
  Speaker 1: die sind halt dann nicht nur dass sie eben halt stabiler stehen sondern dadurch dass sich die Beine wegnehme habe ich natürlich den vorteil ich kam unten in der Basis noch zusätzlich einfach verschiedene Akkus mit einbauen.
• 6:01
  Speaker 1: Das bedeutet, ich kriege einfach eine höhere Akkulaufzeit nachher hin.
• 6:05
  Speaker 1: also in dem Moment halt viele Vorteile.
• 6:08
  Speaker 1: Es gibt aber auch einen Nachteil der dabei mit schwingt.
• 6:10
  Speaker 1: deswegen hat das auch ein bisschen länger gedauert bis jetzt die ersten Systeme davon wirklich funktionieren ist die Fusion aus dem rollenden Roboter der dann ja sich irgendwie positionieren muss Und die ersten Modelle, die dann eben tatsächlich nur mit einer Antriebsachse zwei Reifen, die einfach vorwärts und rückwärtes fahren können.
• 6:27
  Speaker 1: Die damit halt navigieren und keine omnidirektionalen Rollen angebaut haben.
• 6:31
  Speaker 1: Also Rollen, die egal in welche Richtung ich jetzt Gas gebe das sich wirklich in alle vier Ebenen fahren kann nach vorne, nach hinten und entsprechend zu den beiden Seiten.
• 6:39
  Speaker 1: Dann kann es natürlich sein dass ich wenn nicht genau und korrekt anfahre An die Position an der ich etwas greifen soll Dass sich ein Offset zusammenbau ist bedeutet also Ich fahre zum Beispiel einfach versetzt an die eigentliche Position ran.
• 6:51
  Speaker 1: Um das jetzt richtig zu positionieren, müsste ich jetzt wie bei einem Auto, wenn ich mit dem Auto fahre, müsste quasi rückwärts fahren, wieder ein Stückchen nach vorne, rück wärts vorwärz bis ich eben dann diese richtige Positionen erreicht habe.
• 7:01
  Speaker 1: Das heißt dass macht das Ganze natürlich immer ein bisschen langsamer.
• 7:05
  Speaker 1: Dafür hab' ich aber eben halt höhere Stabilität da drinne Ich kann einen höheren Payload meistens mitnehmen.
• 7:09
  Speaker 1: also sprich ich kann diese Geräte halt einfach mehr Gewicht in den Arm nachher beladen weil sie eben halt einfach quasi einen Kontergewicht haben auf dem Rücken oder auf der Fahrplattform.
• 7:17
  Speaker 1: dann in dem Moment Und von daher ist es ganz, ganz spannend zu beobachten.
• 7:21
  Speaker 1: Dass das natürlich viele Vorteile hat und dass man diese Vorteile dann halt nutzt und man sich jetzt aber natürlich noch Gedanken darüber machen muss wie kriege ich die Navigation von einem AMR?
• 7:29
  Speaker 1: Das ist ja jetzt quasi dieser Autonomous Mobile Robot der unten drunter gebaut ist.
• 7:33
  Speaker 1: Wie krieg ich diese Navigation eben mit der Koordination nachher so gut hin, dass das wirklich eine einwandfreie Benutzung möglich macht.
• 7:40
  Speaker 1: Und da bin ich jetzt persönlich immer ein großer Fender von zu sagen, ich muss nicht immer alle Softwareseitig lösen wenn ich es auch mechanisch lösen kann heißt also wenn ich mit dieser Fahrplattform zum Beispiel in eine Einführhilfe fahre.
• 7:53
  Speaker 1: Also ich fahrene nicht einfach eben wohin bleibe stehen und arbeite dort sondern ich fähre vorne gegen den Anschlag gegen.
• 7:58
  Speaker 1: dann habe ich halt eben mechanisch den letzten Millimeter geklärt.
• 8:01
  Speaker 1: ja das ist Bezeichne ich ganz gerne als mechanischen Millimeter, steht bei mir so im Buch drin.
• 8:06
  Speaker 1: Da ist es dann halt eben sozusagen okay.
• 8:07
  Speaker 1: müssen wir immer alles bis zum letzten Millimeter auf von der Software Seite lösen?
• 8:11
  Speaker 1: oder gibt es einfache Möglichkeiten wie einen Anschlag, wie eine Einführhilfe an die ich mich zentriere indem ich einfach irgendwo gegen fahre oder in ein Trichter reinfahre und mich dadurch auf die letzten zwei drei Millimeter positioniere?
• 8:23
  Speaker 0: Das erinnert mich auch damals an den Automatisierungszeiten Da, wo die Japaner eher diese Philosophie fahren, dass man möglichst wenig automatisiert und vieles auch so wie du sagst mit mechanischer Einrichtung einiges löst.
• 8:39
  Speaker 0: Und dann die deutschen Hersteller für ihre vollautomatisierte Linie und das ist sowas ähnliches was ich auch gesehen habe.
• 8:51
  Speaker 0: es ist wirklich interessant.
• 8:53
  Speaker 0: Wir gleich war ja auch auf Hannover Messe in diesem Jahr im April.
• 8:56
  Speaker 0: Ich habe auch schon viele chinesische, ja chinesischen Hersteller mit ihrer humanoide Roboter in der Halle gesehen.
• 9:08
  Speaker 0: Aber die sind eher keine industrielle Aufgabe gezeigt was sie da machen.
• 9:14
  Speaker 0: und auf CIIF jetzt in Shanghai im Oktober haben wir hier deutlich mehr Szenarien gesehen wo diese halben humanoiden Roboter mit Plattform unten Ich muss zugeben, dass mehr in der logistischen Bereich etwas tragendes bestücken und noch wenig in den Produktionsumfeld deutlich mehr gesehen ist.
• 9:40
  Speaker 0: Und was ich aber dennoch egal welchen Marke ist wir haben nicht nur auf dem Messer und spät haben wir an den weiteren dreieinhalb Tage.
• 9:51
  Speaker 0: Wir waren eine halbe Tag auf Messe und drei Halb Tage auf Unternehmensbesucher.
• 9:56
  Speaker 0: Da haben wir unterschiedliche Marke, unter anderem die große Narbe wie Jagdgeburt und Unitree haben wir auch besucht.
• 10:03
  Speaker 0: Ich muss sagen, die Geschwindigkeit, Stabilität und Genauigkeit von so einem humanoiden Roboter ist noch nicht auf ein Niveau wo die ganze Roboterexperte automatisieren, Experte jetzt mit uns in der Delegation überzeugt haben sollen.
• 10:23
  Speaker 0: Jetzt könnte man schon... schon gleich anwenden.
• 10:28
  Speaker 0: Ja, also oft merkt man ja dass der humanoide Robot noch viel nachdenken, bevor mal eine Aktion durchführt.
• 10:36
  Speaker 0: und wie ist dann etwa aus dem Praxis mit einem Kunden?
• 10:39
  Speaker 0: Ab welchen Zeitpunkt wird es für eine Industriekunden wirklich sozusagen interessant?
• 10:47
  Speaker 1: Also zuallererst finde ich mal den Wortwahl von dir, dass der Humanoide-Roboter nachdenken muss ganz spannend.
• 10:53
  Speaker 1: Denn denken können die ja gar nicht, sondern es ist am Ende des Tages.
• 10:56
  Speaker 1: sind das jetzt verschiedene Software-Layer, die wir übereinander haben, die eben halt aufeinander warten müssen.
• 11:01
  Speaker 1: Das heißt also tatsächlich ist es so, wenn wir jetzt mal verschiedene Automatisierungssysteme vergleichen dann ist es nun nämlich einen ganz normalen klassischen Clubarm-Robotter, so ein Industrieroboter.
• 11:11
  Speaker 1: Dann hat er ein paar Vorteile.
• 11:13
  Speaker 1: Der ist sehr schnell!
• 11:15
  Speaker 1: wesentlich schneller als alles andere.
• 11:16
  Speaker 1: Warum?
• 11:17
  Speaker 1: Der hat einen festen Standort, hat eine maximale Outrange also er kann maximal bis zu einem gewissen Punkt greifen und alles was da drinnen ist ist ein fest definierte XYZ-Achse.
• 11:26
  Speaker 1: die kann ich ziemlich genau anfahren und damit eben natürlich auch in einer sehr hohen Geschwindigkeit.
• 11:30
  Speaker 1: das hat der Humanoid jetzt nicht!
• 11:32
  Speaker 1: Und das weiß es jetzt völlig egal.
• 11:33
  Speaker 1: ob eine Fahrplattform unten drunter ist oder ob der auf zwei Beinen, auf vier Beine, auf sechs Beinen durch die Gegend läuft hat halt immer eine relative Positionierung.
• 11:40
  Speaker 1: ja das heißt also er muss mit einem Kamerasystem weiß, ob es nun tiefen Kameras ist.
• 11:46
  Speaker 1: Ob's nur über Stereo-Kameras und einem wirklichen Kamerabild identifizierbar ist oder über eine Leiderkarte muss der halt mehrere verschiedene Softwarestrukturen übereinanderlegen.
• 11:55
  Speaker 1: Eine davon ist eben überhaupt zu erkennen wo bin ich dann?
• 11:59
  Speaker 1: Und das zu verarbeiten.
• 12:00
  Speaker 1: Also in einem Raum die eigene Lage festzubestimmen und jetzt mit dem nächsten Layer, nachdem ich halt eben das Ganze erkannt habe, eben die Vorausplanung zu machen.
• 12:07
  Speaker 1: Diese Voraussplanung braucht natürlich auch wieder ein kleines bisschen Zeit.
• 12:10
  Speaker 1: Jeder Layer einzeln gesehen brauche nicht lange dadurch dass wir aber natürlich mehrere hintereinander haben.
• 12:14
  Speaker 1: also einmal Ich muss das ganze erkennen.
• 12:15
  Speaker 1: es zweit ich muss planen was sich überhaupt vorab um das dritte mal sehr vereinfacht gesprochen ist dann des ausführen der eigentliche Aktion.
• 12:23
  Speaker 1: und alldass kostet zeit ja und dementsprechend ist der humanoid roboter langsamer so ähnlich wie beim Cobot auch der Fall ist.
• 12:28
  Speaker 1: Der Cobot ist am Ende des Tages auch langsamer als der Industrieroboter, er darf dann zwar offiziell mit Menschen also dichter zusammenarbeiten und braucht deswegen höhere Sicherheitsanforderungen.
• 12:37
  Speaker 1: und hier ist es dann am Ende eines Tages nachher das gleiche plus halt.
• 12:40
  Speaker 1: eben noch die Besonderheit dass das nach wie vor das System einfach nicht örtlich fest verbunden ist sondern eben halt relativ zu seiner Bewegung die er gerade gemacht hat eine Greifbewegung zum Beispiel jetzt ausführen muss.
• 12:50
  Speaker 1: wann ist der richtige Zeitpunkt damit zu starten?
• 12:52
  Speaker 1: Jetzt!
• 12:53
  Speaker 1: Also eigentlich gestern, wenn man genau sagen möchte.
• 12:55
  Speaker 1: Warum?
• 12:56
  Speaker 1: Weil alles was momentan gebaut wird die Hardware ist soweit.
• 12:59
  Speaker 1: Die Hardware kann das jetzt händeln.
• 13:00
  Speaker 1: ja also alles was jetzt noch entschieden werden muss und alles was noch gebaut werden muss ist dieses Zusammenspiel von verschiedenen Software-Layern dass das Ganze dann schnell funktioniert.
• 13:09
  Speaker 1: Wenn ich das redig im Kopf hatte war Geschwindigkeit eine deiner Fragen Das zweite war die Stabilität.
• 13:13
  Speaker 1: Stabilitet ist natürlich ein Thematik.
• 13:15
  Speaker 1: Die ist für uns Deutschen natürlich unfassbar wichtig.
• 13:17
  Speaker 1: Wir wollen das robusteste Modell auf diesen Planeten haben.
• 13:20
  Speaker 1: wir bauen zu hundertzehn Prozent.
• 13:22
  Speaker 1: Ja, wir werden mit neunzig Prozent wahrscheinlich deutlich besser dran und hätten viel weniger Zeit in Entwicklung gebraucht.
• 13:27
  Speaker 1: aber der Anforderungskatalog aus dem Lastenheft ist ein Hundertzehnte Prozent umsetzen und dementsprechend bauen wir auch für den letzten Null Komma Null Eins prozentige Abweichungen.
• 13:36
  Speaker 1: Bauen Wir auch eine Einabfang der dafür sicherstellt dass wenn dieser einzelne Fall Aus Zehntausend Eintritt das wir da für Ne richtige entsprechende Algorithmen haben die das ganze Ding dann sofort einfängt so deswegen braucht Das bei uns immer länger.
• 13:49
  Speaker 1: Deswegen die Frage ab welchen Zeitpunkt ist die Stabilität?
• 13:52
  Speaker 1: soweit, dass ich sagen kann damit traue ich mich ins Feld und die es jetzt weil wir müssen sowieso alles ausprobieren und testen.
• 13:58
  Speaker 1: Es gibt halt einfach man kann das jetzt wirklich vergleichen mit der Kurve die wir damals bei den Industrie Robotern haben.
• 14:03
  Speaker 1: Die ersten Industrie Roboter bei VW die angefangen haben zu schweißen haben Also mit Nichten eine Genauigkeit hingekriegt, wie Sie sie heute an den Tag legen.
• 14:11
  Speaker 1: Und die gleiche Kurve machen wir.
• 14:13
  Speaker 1: im Übrigen ist ja völlig egal ob das jetzt humanoider Robotik oder irgendeine andere Innovationen sind.
• 14:17
  Speaker 1: Jede Innovation am Anfang braucht ein bisschen mehr Zeit.
• 14:19
  Speaker 1: Trial and Error ausprobieren herausfinden was nicht funktioniert und dann eben halt im Prozess besser werden.
• 14:24
  Speaker 1: Das ist das was die Chinesen einfach sehr gut können.
• 14:26
  Speaker 1: Es hatte ich auch im letzten Mal gesagt der Chineses entwickelt zu achtzig Prozent fertig geht auf den Markt und als erster Kunde bist du dann derjenige der Beta-Tester ist.
• 14:33
  Speaker 1: in Deutschland sucht man erst beta tester die auch wissen, dass sie Beta-Tester sind und dann halt wissen, das Sie daran eben das Modell trainieren.
• 14:40
  Speaker 1: Und hier ist es jetzt eben so... Es ist eine wunderbare Zeit um genau das auszuprobieren!
• 14:45
  Speaker 1: Jetzt diesen China Speed mitzunehmen und zu sagen okay Die Hardware ist fertig wir müssen nur noch gucken wie wir das jetzt bei uns im eigenen Unternehmen vernünftig umgesetzt bekommen und diese Robustheit nachher selber darstellen also die Stabilität selbst nachher bauen.
• 14:57
  Speaker 1: Deswegen meine wichtigste Werbung immer nicht sofort mit dem Roboter anfangen sondern eben halt mit dem Prozess sich angucken nachher überhaupt geeignet und dann Stück für Stück daran gehen.
• 15:08
  Speaker 1: Je niedriger die Einstiegshürden sind, desto einfacher ist das Umsetzen nachher.
• 15:12
  Speaker 1: und das ist natürlich auch der letzte Punkt mit der Genauigkeit.
• 15:15
  Speaker 1: Die Genauigkeit ist nachher einfach nur eine Frage der Datenpunkte.
• 15:18
  Speaker 1: wie häufig habe ich das Ganze schon hintereinander gemacht?
• 15:21
  Speaker 1: Und wenn ich einem Roboter jetzt tausendmal die Aufgabe gebe und die Varianz daraus definiere wie häufig ist er wie weit abgewichen, kann ich darauf nachher eingreifen und kann die Genauigkeit besser machen.
• 15:30
  Speaker 1: aber all das setzt eins voraus wir brauchen erstmal Daten.
• 15:35
  Speaker 0: Da hast du das genaue Stichwort und dazu komme ich auch nämlich, damit der Roboter sich nachdenken kann, kostet nicht nur Zeit und auch Daten.
• 15:44
  Speaker 0: Und eins hat mich hier schon sehr beeindruckt, egal ob es eine klassische große Hersteller-Markel wie Algebord oder Unitry haben natürlich ihre Datensänte aufgebaut und uns gezeigt.
• 15:55
  Speaker 0: Das war wirklich auch sehr schön dass wir die datensänten besuchen dürfen.
• 16:00
  Speaker 0: Hast Du ja auch mich empholen damals?
• 16:02
  Speaker 0: Und wir haben auch noch weitere zwei Unternehmen, die Firma Damoon und die Firma Pia.
• 16:09
  Speaker 0: Beide interessanterweise sind klassische Automationsfirma.
• 16:14
  Speaker 0: Eine Firma kommt eher aus der Logistik-Bereich, eine Firma eher aus den Industrieautomationslinien bereits unter Maschinenbau.
• 16:23
  Speaker 0: Und beide Firmen haben jetzt auch ihre Human Reader Roboter Sparte aufgebaut.
• 16:31
  Speaker 0: und was machen sie?
• 16:32
  Speaker 0: Sie haben ihre Datencollection-Center aufgebaut.
• 16:35
  Speaker 0: Warum tun sich deutsche Firmen so schwer, eine Installation aufzubauen?
• 16:40
  Speaker 0: Und warum bauen dich Nese, was ich auch noch nicht ganz weiß?
• 16:44
  Speaker 0: Weil in allen diesen Datenzentren habe ich eigentlich nur Szenarien aus dem Alltag überwiegend im Haushalt oder relativ einfachen Aktionen für die Sammlung von Daten.
• 16:57
  Speaker 0: Also das fähigt nicht so ganz ab.
• 16:59
  Speaker 0: Ist das Tun, die sich Deutschland von dem beschwert?
• 17:01
  Speaker 0: Das sind zwei Fragen.
• 17:01
  Speaker 0: Ich weiß es komplex.
• 17:03
  Speaker 0: Das zweite ist warum bauen die Chinesen nur die A-Tax-Szenarien auf?
• 17:07
  Speaker 1: Also A stimmt das ja so nicht!
• 17:09
  Speaker 1: Also A Punkt eins wir haben auch in Deutschland eine ganze Menge Unternehmen, die sie damit beschäftigen.
• 17:15
  Speaker 1: Wir haben hier zwei ganz, ganz wichtige Unterschiede.
• 17:18
  Speaker 1: Nummer eins der deutsche Unternehmer oder das deutsche Unternehmen möchte gar nicht dass irgendjemand davon partizipiert wenn da irgendwie an einem eigenen KI-Modell gebaut wird und damit Daten trainiert werden.
• 17:28
  Speaker 1: wir wollen das schön abgekapselt nur für uns.
• 17:30
  Speaker 1: das darf kein anderer benutzen sondern nur exakt die Firma weil wir haben hier ganz viel Ingenieurswissen
• 17:35
  Speaker 1: etc.,
• 17:35
  Speaker 1: ist jetzt ein bisschen blasphemisch zeigt es aber ganz gut.
• 17:38
  Speaker 1: das heißt also Daten Erfassung und Daten oder Datensammlung sagen wir vielleicht mal so überhaupt mit Daten zu arbeiten.
• 17:46
  Speaker 1: Das findet schon in vielen Unternehmen, die mit humanoiden Robotern arbeiten statt.
• 17:51
  Speaker 1: Was jetzt quasi den Unterschied nachher macht so richtig dicke große Datentrainingcenter, indem man sagt, man setzt da fünfhundert Roboter hin und die trainieren alle gleichzeitig Aufgaben.
• 17:59
  Speaker 1: Das hängt natürlich davon ab was für ein KI-Modell ich nachher nutzen möchte.
• 18:02
  Speaker 1: So immer wenn ich jetzt ein öffentliches verfügbares KI Modell nutze dann bin ich irgendwann natürlich davon Abhängig und irgendjemand der dieses KI Model gebaut hat muss natürlich sicherstellen dass da genug Daten Grundlage drin sind das es mir als Endanwender irgendwann sehr einfach macht.
• 18:16
  Speaker 1: Und dann kommt so die Vision, Roboter auspacken, Knopf drücken den per Sprache mitzuteilen was er denn tun soll und dann kann der das schon.
• 18:22
  Speaker 1: Aber eben woher muss dieses Kontextwissen ja kommen?
• 18:24
  Speaker 1: Ja und das sind diese Modelle die eben halt trainiert werden.
• 18:26
  Speaker 1: Die werden weltweit trainiert.
• 18:28
  Speaker 1: da ist China sogar nicht ganz vorne dran sondern tatsächlich sind rein von den Datenpunkten die aufgenommen werden in den USA noch vorne.
• 18:34
  Speaker 1: zumindest Stand heute.
• 18:35
  Speaker 1: Das kann sich von einem auf dem nächsten Tag natürlich ändern.
• 18:37
  Speaker 1: wenn China Bock darauf hat und sagt ich will jetzt Weltmarktführer sein Dann ist es für dir Und dann sind die das morgen.
• 18:43
  Speaker 1: Das ist ein Fingerschnipsen, aber lange Rede kurzer Sinn.
• 18:46
  Speaker 1: Das Training findet überall schon statt bei uns eher im Kleineren gesprochen und dann lokal auf den einzelnen Anwendungsfall bezogen als es dann halt eben die großen Datenmodelle sind.
• 18:56
  Speaker 1: Warum werden diese Datenmodele jetzt mit Haushaltstätigkeiten bespielt?
• 19:00
  Speaker 1: Am Ende des Tages ist das eine ganz einfache mathematische Frage.
• 19:04
  Speaker 1: Wo werden am Ende dieser Dekade am meisten manuelle Roboter eingesetzt also auch die mit Bein?
• 19:10
  Speaker 1: Das werden dann vorwiegend im privaten Haushalt sein.
• 19:13
  Speaker 1: Und wenn ich mir jetzt die Anzahl der Firmen weltweit angucke, im Vergleich zu der Anzahl an privaten Haushalten weltweit, dann ist es ganz klar dass sich natürlich darauf trainiere im privarten Haushalt der Erste zu sein und das ist gerade das Race was da stattfindet.
• 19:27
  Speaker 1: einfach darum wer ist der erste der einen wirklichen humanoiden Roboter Zuhause mit einer wirklichen Tätigkeit nachher einsetzen kann?
• 19:34
  Speaker 1: ja und da sind sie alle noch nicht soweit dass man sagen kann knopfdrücken und per Sprache immer sagen, räumen wir den Spülmaschine aus.
• 19:40
  Speaker 1: Das wäre mein persönliches Highlight ja weil ich bin aber dafür zu Hause bei uns zuständig.
• 19:44
  Speaker 1: also das wär mein Highlight eben tatsächlich sagen zu können Ich muss das nicht mehr trainieren Ja und dafür braucht man dann aber ja irgendwo anders dieses Training her.
• 19:51
  Speaker 1: Und dafür werden eben halt genau diese riesigen Daten Center nachher gebaut, die genau das Ganze da nachher machen.
• 19:56
  Speaker 1: Das Spannende ist ja, man sieht dann dass die Tätigkeiten ja alle ganz ganz unterschiedlich sind.
• 20:00
  Speaker 1: also in den ersten weisen nicht zehn zwanzig Buches werden dann halt trainiert wie man dann Wäsche wegpackt.
• 20:07
  Speaker 1: ja und die nächsten trainieren dann eben tatsächlich irgendwie Staubsaugen und so weiter, und sofort.
• 20:12
  Speaker 1: Also man lernt ganz viele von diesen Haushaltsnahentätigkeiten.
• 20:15
  Speaker 1: Gleichzeitig führt uns das aber ja trotzdem auch im industriellen Kontext weiter weil wir ja trotzdem in diesen Modellen viel viele Datenpunkte für grundsätzliche Bewegungen wenn ich irgendein Arbeitswerkzeug in der Hand habe ob dass nun ein Hamptstaubsauger ist oder irgendwas anderes das bringt uns ja schon weiter Aber zur Gesamtheit gehört natürlich auch dazu das spezifisches Training da drinnen nicht enthalten es.
• 20:36
  Speaker 1: Das heißt also wenn aller Weltsmodelle nehme, was eben halt mit der allgemeinen Welt sehr gut klar kommt und möchte das auf den Shopfloor nutzen um zum Beispiel zu sagen er soll mir eine Springfeder in irgendetwas einsetzen.
• 20:47
  Speaker 1: Dann wird ja mit dem mit dem Wort springfeder schon nicht richtig etwas anfangen können weil das Datenmodell was es momentan gibt nirgends so einen industriellen Kontext hat dass das allgemein verfügbar wäre.
• 20:56
  Speaker 1: Das heißt das muss ich nach trainieren.
• 20:58
  Speaker 1: wenn ich zum Beispiel sage ich möchte eine Qualitätskontrolle von gewissen Produkten machen dann brauche ich eine positive und negative Liste.
• 21:04
  Speaker 1: die ist in einem Allgemeinen-Weltmodell nicht drinne weil das interessiert niemanden privaten Haushalt, wie gut eine Schweißnaht um irgendein Produkt herum gemacht wurde außer in einem industriellen Umfeld.
• 21:15
  Speaker 1: Und das sind dann halt eben lokale KI-Modelle die man dann im Unternehmen trainieren muss ist im Übrigen auch meistens eine Sache die man zuerst machen sollte bevor man sich einen humanoiden Roboter anschafft überhaupt den Prozess klarzuhaben.
• 21:25
  Speaker 1: und bleiben wir bei dem Beispiel mit den Schweißnähten dass es dafür eine positiv und negativ Liste in der QC gibt bei der man sagt okay es entscheidet ein Algorithmus ob das jetzt eine Schweissnaht ist die in Ordnung oder dass die nicht in Ordnung ist.
• 21:38
  Speaker 1: Und erstaunlicherweise ist im Mittelstand dieses Wissen in den Köpfen von Menschen.
• 21:43
  Speaker 1: Also es ist noch gar nicht so weit, dass das also in vielen... ich tue jetzt einigen Unrecht.
• 21:47
  Speaker 1: Aber in vielen Unternehmen ist es so, dass einfach dieses Wissen im Menschen existiert.
• 21:51
  Speaker 1: Der Mensch guckt dann drauf und hat seit, weil sie nicht hundert Jahren machen, die das in diesem Unternehmen so.
• 21:56
  Speaker 1: Die gucken sich die Schweißnaht an und sagen, ist in Ordnung oder nicht?
• 21:58
  Speaker 1: Und das wird von Generation zu Generation weitergegeben ohne, dass da irgendjemand aufgeschrieben hat oder geschweige denn was davon irgendwann Fotos gemacht hat um zu dokumentieren, das hier ist eine Schweißnatt, diese in Ordnungen, die sind nicht in Ordnen.
• 22:09
  Speaker 1: muss man das Ganze natürlich nach KI überhaupt erst mal beibringen, die dann später, wenn er da in einem Roboter steht und das entscheiden soll.
• 22:15
  Speaker 1: Und auch da nochmal völlig egal ob das Humanoid ist oder irgendwas anderes, die daraus eben aus dieser Datengrundlage der ganzen Bilder abschätzen kann wie gut ist diese Schmeißnaht?
• 22:24
  Speaker 1: Und sortiere ich die aus dieses Produkt oder lasse ich es drinne weil's eben halt in Ordnung ist?
• 22:30
  Speaker 0: Also ihr seht Maier dass den Dachenzentren durch Teleoperation oder Motion Capture den Robotern vielleicht nicht trainiert werden, die Daten werden gesammelt.
• 22:42
  Speaker 0: Glaubst du das, dass die Daten, die jetzt so mühsam vom Menschen gesammelten werden auch für die Zukunft überhaupt noch nutzbar sind?
• 22:49
  Speaker 0: Oder wird es in Zukunft die KI selbst das Datentraining und die Roboter-Schule übernehmen?
• 22:55
  Speaker 1: Ich glaube es dahin ist noch ein bisschen Zeit.
• 22:58
  Speaker 1: Es gibt einfach so viele verschiedene Bewegungstypen, die wir brauchen.
• 23:01
  Speaker 1: Und wenn ich jetzt einmal ein Glas in die Hand nehme und der Roboter guckt dabei zu... ...und ich kann in meiner Zukunftsvision einen Roboter damit einlernen, dass ich den Facharbeiter neben dem Roboter stelle und sage lieber Roboter, gucke zu was der Facharbeiter macht!
• 23:17
  Speaker 1: und nachdem er das einmal gemacht hat, kannst du das eigenständig umsetzen.
• 23:19
  Speaker 1: Also quasi wie damals in einem Lehrling oder einem Auszubildenden etwas beizubringen durch Vormachen und Nachmachen, dass dadurch dann halt eben ein Roboter das kann.
• 23:27
  Speaker 1: Das funktioniert jetzt ja schon.
• 23:28
  Speaker 1: nur wir brauchen sehr viele Datenpunkte.
• 23:30
  Speaker 1: dafür heißt Wir machen es nicht einmal vor und der Roboter hat's dann einfach nur aufgenommen sondern wir machen es hundertmal oder tausend mal vor bevor das Ganze dann entsprechend funktioniert.
• 23:39
  Speaker 1: Und ob ich das nun über Daten Capturing mache indem ich zum Beispiel Handschuhe anziehe Oder gleich einen ganzen Anzug anziele Also ich fernsteuere den Roboter und zeichne diese Daten nachher auf.
• 23:50
  Speaker 1: Das sind alles die Grundlagen, die wir dafür brauchen.
• 23:52
  Speaker 1: Es wird aber Stück für Stück immer einfacher werden weil Grundmuster schon drin sind ja Und dann wird es nachher nur noch sein.
• 23:57
  Speaker 1: okay Ich weiß nicht wie ich den Gegenstand jetzt genau greifen soll.
• 24:00
  Speaker 1: Wie ich mit dem Arm dahin komme ist dann schon in so einem Modell nachher drinnen.
• 24:04
  Speaker 1: Aber ich brauche da nachher nun auch die Manipulation des einzelnen Objektes zu machen.
• 24:09
  Speaker 1: Dann gehe ich davon aus, dass aufgrund der gesamten Videodaten die ich dann habe und auch momentan ist das ja ein sehr, sehr valides Geschäftsmodell Datensammeln.
• 24:17
  Speaker 1: Also man kann jetzt ja momentan Geld dafür bekommen als Handwerksbetrieb zum Beispiel indem man eben halt seinen Monteuren beim Installieren von weiß ich nicht Heizungen, dass man den dabei eben halt Kameras umhängt und jede Stunde die dort dann halt eben aufgenommen wurde wird nachher vergütet.
• 24:32
  Speaker 1: so spannendes Modell dahinter weil einfach in dem Moment Daten gesammelt werden die nachher einfließen in genauso Tätigkeiten, wie es soll zukünftig in humanoider Roboter eine Heizung wechseln.
• 24:43
  Speaker 1: Eine ganz einfache und je mehr Datenpunkte ich dazu habe, je robuster.
• 24:47
  Speaker 1: da komme wieder auf die auf einer der ersten Fragen zurück, hier robust wird das Modell weil's einfach die ganzen verschiedenen Abweichungen nachher gibt so ne Variantenhäufigkeit, die zum Beispiel bei einem Heizkörperwechsel da sind.
• 24:58
  Speaker 1: Der eine ist länger als breit, der nächste ist höher als lang, dicker, dünner und was auch immer.
• 25:03
  Speaker 1: Das sind natürlich dann alles Varianten von eigentlich einer oder anderen Tätigkeit.
• 25:07
  Speaker 1: Die Tätigkeiten tauscht einmal den Heiz-Körper aus.
• 25:10
  Speaker 1: Und dann ist es aber ja ein Boah!
• 25:12
  Speaker 1: Es ist ja irgendwie irgendwas hoch.
• 25:14
  Speaker 1: N, die Variantenvielfalt.
• 25:15
  Speaker 1: Die da stattfinden könnte.
• 25:16
  Speaker 1: Rechteranschluss links angeschlossen und so weiter.
• 25:18
  Speaker 1: Das sind ja unfassbar viele Möglichkeiten, die bestehen.
• 25:21
  Speaker 1: Dementsprechend wird das noch eine ganze Zeit dauern bis wir dieses Datentraining so gut haben dass nur anhand der Datenlage, die schon da ist ein Roboter ähnlich wie es in der Matrix als Film damals war mit einem Knopfdruck halt einfach eben das gesamte Wissen einmal lädt und es dann direkt umsetzen kann.
• 25:35
  Speaker 1: Das ist so ein
• 25:37
  Speaker 0: bisschen wie JetGBT, diese large language Modelle.
• 25:40
  Speaker 0: Da muss irgendwann eine gewisse Masse von Daten da sein bevor überhaupt die erste Version für das breite Publikum sozusagen zum Test freigegeben wird.
• 25:52
  Speaker 0: und ich habe jetzt bei Agibor zum Beispiel gesehen oder gehört dass sie mit Alibaba Cloud zum Beispiel kooperieren die das Projepa-Inhalt, nämlich eine Reihe von umzähligen Hausfrauen, die zu Hause ihre Hausarbeit machen und dabei sozusagen die Daten gesammelt werden.
• 26:16
  Speaker 0: Wir haben ja vorhin gesprochen vermutlich werden viele romano- oder robotisch später in den Haushaltbereich genutzt und da sind dann auch die Daten so gesammeldet.
• 26:25
  Speaker 0: Es ist so analog wie du das in der Handwerksbetriebe auch vorhin gesagt hast.
• 26:29
  Speaker 0: Und wir haben auch in dem ersten Interview schon gesagt Die deutschen Unternehmen wird jetzt eigentlich damit starten.
• 26:37
  Speaker 0: Du hast es vorhin auch noch mal gesagt, weil spätestens wie das hast du schon so deutlich gesagt die der ChatGbt Moment wird kommen?
• 26:46
  Speaker 0: Wir haben ja vorhin gesagt mehr eine gewisse Anzahl von Daten da ist, da wurde damals ChatGBT für uns normale User freigegeben.
• 26:55
  Speaker 0: und was sind aus deiner Sicht die wichtigsten Funktionen und Weiterentwicklung meines Steines damit dieser Chat-Divitimoment in der Industrie tatsächlich eintritt.
• 27:07
  Speaker 0: Also, was musste der Romanoider vom Morgen wirklich können?
• 27:12
  Speaker 0: Was er heute noch nicht kann?
• 27:14
  Speaker 0: und um jetzt sagen wir mal diesen Chat-divitemoment für Industrie da ist.
• 27:22
  Speaker 1: Ich glaube, dass wir hardwareseitig haben alles, was wir brauchen.
• 27:25
  Speaker 1: also das funktioniert alles schon.
• 27:28
  Speaker 1: Der Besondere ist jetzt, dass da so viele Freiheitsgrade drin sind.
• 27:31
  Speaker 1: Die wir... Ich vergleiche das ganz gerne mit zum Zirkusdom-Tör.
• 27:35
  Speaker 1: Irgendjemand muss diesen Roboter durch die Manege führen und da spielen so unfassbar viele Sensoren eine Rolle und Motoren gesteuert werden müssen.
• 27:45
  Speaker 1: Von der einen Seite bekomme ich Informationen, die werde ich dann aus und die werden in einer Aktion überführt.
• 27:50
  Speaker 1: Ganz vereinfacht gesprochen!
• 27:51
  Speaker 1: Und das ist halt einfach eine riesige Datenflut, die in allen Richtungen stattfindet.
• 27:56
  Speaker 1: Die muss sich beherrschen und schnell genug bearbeiten können.
• 27:59
  Speaker 1: Momentan zeigt sich zum Beispiel das ein oder andere Ventilationsproblem.
• 28:03
  Speaker 1: Heißt also humanoidere Roboter werden an einzelnen Stellen schnell sehr heiß, eventuell zu heiß für das eigene System.
• 28:08
  Speaker 1: Da gibt es noch hardwareseitig Sachen, die definitiv besser werden können in den nächsten Jahren.
• 28:13
  Speaker 1: aber ansonsten ist es vorwiegend alles was eben mit der Verarbeitung von Daten zu tun hat.
• 28:17
  Speaker 1: Das heißt also die angesprochenen verschiedenen Software-Layer so schnell zusammenzuführen, dass eben halt diese Latenz nicht mehr da ist.
• 28:24
  Speaker 1: Denn momentan ist es einfach so alles was ein humanoider Roboter gerade trainiert und dann ausführt ist langsamer als der Mensch.
• 28:30
  Speaker 1: das heißt also wenn ich tatsächlich jetzt auf dem Shopfloor bleiben wir mal rein im industriellen Bereich Wenn ich damit tatsächlich eine menschliche Arbeitskraft ersetzen möchte oder eine Tätigkeit davon ersetzen Möchte Dann ist es halt eben so dass sich aktuell immer deutlich langsame bin weil ich einfach viel viel mehr Rechenzeit brauche was ich als Mensch mit einem unfassbar guten Computer auf dem Kopf tatsächlich dann oder als Kopf, was sich damit einfach sehr gut schon gleichzeitig machen kann.
• 28:52
  Speaker 1: Also als Mensch komme ich schon auf die Idee und plane die nächsten Schritte vorausschaut mit und weiß schon dass ich da hingreife um da irgendwas zu nehmen guck schon in die andere Richtung und weiß wo ich es danach herabsetzen möchte kann ich jetzt technisch aktuell in der Geschwindigkeit noch nicht darstellen.
• 29:04
  Speaker 1: Und solange das eben halt auch so viel Zeit dauert, ist es halt relativ langwierig dem was beizubringen und solange dann eben nachher jemand aus dem Vorstand nachher nur den Endprozess haben möchte und nicht versteht dass die Reise vorne weg durchaus da mit ein Her geht dem das alles erst beizubringen.
• 29:21
  Speaker 1: also Eigentlich heißt es ja programmier, aber heutzutage reden wir ja bei humanoiden Robotern schon davon dass wir den irgendwas beibringen.
• 29:26
  Speaker 1: So wie wir Kindern was beibregen also bleiben auch in der Sprache quasi.
• 29:30
  Speaker 1: das heißt diese Trainingszeit vorne weg ist genau das gleiche wie beim Menschen und wenn wir das verstehen und das akzeptieren.
• 29:36
  Speaker 1: also wenn ich jetzt anfange eine Ausbildung zu machen zum Feinmechaniker dann lässt man mich erst nach drei Jahren an eine wirkliche Tätigkeit, weil ich dann Geselle bin.
• 29:44
  Speaker 1: Dann habe ich genug gelernt und häufig genug ausprobiert hab auch häufig genug Fehler gemacht und wir verlangen jetzt aber von der Robotik dass die auspacken, knopfdrücken und dann die Tätigkeit kannt.
• 29:54
  Speaker 1: Und das ist vielleicht ein ganz gutes Sinnbild dafür zu sagen okay sich den Prozess vorne weg durchzudenken ist der jetzt genau richtige Zeitpunkt dafür um einfach zu sagen ja es gibt noch Schwachstellen in der Feindmotorik und ja die Wahrnehmung dauert momentan noch zu lang und ja das ist noch nicht so dass wir von heute auf morgen sofort eine tätigkeit damit ersetzen können.
• 30:12
  Speaker 1: aber es ist die beste zeit um jetzt damit anzufangen und damit spielerisch zu lernen weil der Druck noch nicht da ist ab dem zeiten dieser chat gbt-moment erreicht Also sprich, dass humanoider Robotik produktiv eingesetzt werden können.
• 30:24
  Speaker 1: Eine gleiche wenn nicht sogar bessere Schlagzeilen nachher haben als es der Mensch hat.
• 30:28
  Speaker 1: also wir haben einfach eine höhere Prozessgeschwindigkeit und wir sind nicht mehr limitiert auf klassische Arbeitszeiten Gruß geht raus an die dreißig Stundenwoche sondern das einfach die Limitierung dahinter dadurch gerissen werden.
• 30:40
  Speaker 1: dann ist es halt ein Muss Weil dann wird es sehr, sehr schnell gehen.
• 30:42
  Speaker 1: Das Robotik, egal ob sie nun auf Rollen unterwegs ist als Humanoid oder auf zwei Beine oder vier oder sechs Bein werden die sehr schnell kommen.
• 30:49
  Speaker 1: und dann habe ich aber Druck weil alle anderen das jetzt machen und alle anderen auch einmal einen deutlich niedrigeren Stundenkostensatz nachher ansetzen können als jemand der in diesen einzelnen Teilbereichen den Menschen einsetzt.
• 30:59
  Speaker 1: Und jetzt ist die Zeit es vorne weg auszuprobieren ohne diesen Druck zu haben zu definieren für sich selber wo will ich denn damit überhaupt hin als Unternehmen?
• 31:09
  Speaker 1: Noch habe ich nicht diesen Druck, es zu tun und es machen zu müssen.
• 31:13
  Speaker 1: Noch kann ich ausprobieren und das Tempo selbst bestimmen.
• 31:16
  Speaker 1: Und deswegen ist jetzt der richtige Zeitpunkt, das Ganze auszuprobieren.
• 31:20
  Speaker 0: Mit anderen Worten beschrieben letztendlich ist die Fähigkeit der humanoide Roboter mit deine Worte beizubringen, jetzt schon zu trainieren.
• 31:30
  Speaker 0: Das ist das was wir sozusagen jetzt starten sollten.
• 31:33
  Speaker 0: In Grunde genommen, du hast Kinder.
• 31:39
  Speaker 0: Du bringst den Kinder was bei aber du bist ja nicht als Lehrer ausgebildet und das heißt in Grunde genannt die Fähigkeit dem Kinder was beizubringen musst du heute schon starten zu lernen
• 31:50
  Speaker 1: damit.
• 31:51
  Speaker 0: Das verstehe ich und was ich natürlich erlegdote ist das weißt du auch wenn du jetzt Roboter-Experte hast du vom gestandenen Mittelstandsfirma, vieler vertreten ja die Meinung.
• 32:06
  Speaker 0: Die Technik ist noch nicht ausgereift, da warten wir lieber zwei Jahre bis die Technik ausgereicht ist.
• 32:11
  Speaker 0: Da kennst du diese Aussage sicherlich auch.
• 32:13
  Speaker 0: aber denke das nach unserer Diskussion ist deutlich es geht nicht darum die Techniken dann abzuwarten.
• 32:19
  Speaker 0: und weil selbst da musst du trotzdem deine Fähigkeit der Roboter beizubringen auch noch lernen.
• 32:25
  Speaker 0: Dann solltest du jetzt schon starten zu trainieren.
• 32:31
  Speaker 1: Das muss ein Mensch machen, also es ist ja so lange der Roboter vom Roboter nicht lernen kann, muss ein Menschen dem das herbeibringen.
• 32:37
  Speaker 1: Also muss ein Mensch irgendwie lernen und wissen, wie er dann so'n humanoides System programmiert oder dem was beibringt.
• 32:43
  Speaker 1: wenn wir jetzt weiterhin in der Sprache bleiben.
• 32:45
  Speaker 1: Genau dafür ist es halt eben ja ganz wichtig dass wir uns jetzt Gedanken darüber machen unsere zukünftigen Fachleute auszubilden die mit humanoiden Roboter nachher arbeiten können also nicht nur Arbeiten in Form von Anwender zu sein sondern denen auch tatsächlich etwas beizubringen.
• 32:59
  Speaker 1: und genau deswegen haben wir eine Humanoid Academy gegründet wo's genau darum geht eben zu sagen Wir nehmen Leute an die Hand im sehr kurzen Zeitraum bringen dann denjenigen bei, idealerweise Leute die schon aus dem technischen Bereich kommen.
• 33:10
  Speaker 1: Das ist da nämlich etwas einfacher dass wir denen halt beibringen wie man eben so einen humanoiden Roboter programmiert.
• 33:16
  Speaker 1: das sind dann Anfänge.
• 33:17
  Speaker 1: Wir können jetzt in fünf Tagen können wenn ich ein komplettes Informatikstudium ersetzen aber eben tatsächlich dass man eben weiß wo man die Anfangsfehler nicht macht.
• 33:24
  Speaker 1: es ist gewissermaßen kann man sich das so ein bisschen vorstellen wie eine Startrampe.
• 33:27
  Speaker 1: Man schnallt sich durch die Hilfe von zum Beispiel uns in der Academy eine Rakete auf den Rücken und ist halt einfach viel schneller auf Flughöhe als Man kann das auch alles im Eigenstudium selbst herausfinden.
• 33:38
  Speaker 1: Aber Zeit ist momentan, dass was allen Unternehmen fehlt und von daher ist das hier der kleine Werbeblock dafür Leute drin ausbilden zu lassen wie man mit humanoiden Robotern dann tatsächlich programmiert.
• 33:51
  Speaker 0: Das ist sehr wichtig.
• 33:52
  Speaker 0: ich finde es mit deinem Buch und die Akademie trägt dazu bei, dass viele deutsche Unternehmen die Distanz zu humanoider abgebaut bekommen.
• 34:02
  Speaker 0: Und ich frage die ganze Zeit auch, wie denn der Reise ist?
• 34:05
  Speaker 0: Was ist eigentlich die Rolle der deutschen Firmen in dieser Ökosysteme vom humanoiden Roboter.
• 34:11
  Speaker 0: Ist es tatsächlich nur als Anwender oder gibt das irgendwas was die chinesischen Hersteller eigentlich noch nicht können?
• 34:18
  Speaker 0: egal ob das was sie jetzt gut könne ist hat wer ob Sie wirklich perfekt hier können weiß ich jetzt nicht.
• 34:24
  Speaker 0: und KI Modelle aber welche Rollung können deutsche Firme in diesen humanoidern Ökosystem, Industrie-Ökossystem übernehmen in der Zukunft.
• 34:33
  Speaker 0: Wie kann die deutsche Industrie nicht nur verstehen, worum das geht durch die Akademieaktivität von dir durch dein Buch sondern wirklich konkret dazu beitragen dass dieser Chattivity Moment für die Industrie
• 34:45
  Speaker 1: schneller kommt?
• 34:46
  Speaker 1: Also Modelle trainieren, also anfangen eigenständig Wissen da drin aufzubauen wie man etwas handhabt.
• 34:53
  Speaker 1: Du hast das beschrieben mit.
• 34:54
  Speaker 1: es sind jetzt viele Tätigkeiten die im Privathaushalt stattfinden, die trainiert werden und wenig was man öffentlich sieht was im industriellen Umfeld zu tun hat.
• 35:02
  Speaker 1: Das ist natürlich auch ein Grund.
• 35:03
  Speaker 1: ja ich als Autobauer einer bestimmten Marke wenn ich jetzt sagen würde Ich habe jetzt trainiert wie ich zum Beispiel weiß ich nicht irgendeinen Autobau Teil in eine Maschine einlege und sie da wieder rauskriege Dann könnte mit dem Aufwand, den ich dahinter betrieben habe aber ein Wettbewerber auf dieses Modell zugereichen könnte.
• 35:18
  Speaker 1: Der spart sich ja unfassbar viel Zeit dahinter ein, dass der genau dieses Training nicht mehr machen muss und dementsprechend hat natürlich der Betreiber A oder Autobauer A hat natürlich kein Interesse jetzt sein eigenes KI-Modell zu mit jedem anderen zu teilen in dem Moment Das ist so'n bisschen der Protektionismus.
• 35:35
  Speaker 1: Wenn wir das aber machen Und da sind natürlich Bestrebungen die auch da sind Die eben halt durch Hersteller Deutschner also anders gesagt, deutsche Hersteller die dann halt auch humanoides Systeme in Deutschland herstellen.
• 35:47
  Speaker 1: Dass die dann eben sagen okay wir stellen das zur Verfügung was auf dem Shopfloor benötigt wird Dann kann das im Ökosystem natürlich sehr gut funktionieren und das Ökosesystem wird natürlich nachher auch durch die Anwender bestimmt.
• 35:57
  Speaker 1: Das bedeutet wenn ich jetzt einen besonderen Anwendungsfall definiert habe und den schon sehr gut kann, dann wird es ein riesigen Markt geben an Second Developments.
• 36:07
  Speaker 1: also Ich baue bei einem Standard Roboter Also ich würde es vielleicht die Tuning Szene der humanoiden Robotik nennen, bei dem man eben sagt okay einige brauchen halt für andere Temperaturbereiche eine andere Schutzpanzer.
• 36:19
  Speaker 1: Wir brauchen andere Werkzeuge an den Händen.
• 36:21
  Speaker 1: also ne Hand macht definitiv nicht überall Sinn.
• 36:24
  Speaker 1: ja also ne fünffängelige hand ist unfassbar komplexes sind unfassbare viele Freiheitsgrade da drinne all diese ganzen Bewegungen die wir hier wirklich können dann damit reinzubringen ein eigenes Forschungsthema für sich.
• 36:34
  Speaker 1: wenn ich jetzt aber die Hand wegnehme und keine fünffängeligen Hand mehr habe sondern zum Beispiel direkt einen Akkuschrauber anbauen kann.
• 36:39
  Speaker 1: Ich brauche diesen Pistolengriff nicht, den haben wir entwickelt dafür dass wir als Mensch mit einem Akkuschrauber gut arbeiten können das es ergonomisch ist.
• 36:45
  Speaker 1: wenn ich jetzt aber eben sage das brauche ich als humanoider Roboter nicht, ich nehme einfach die Hand ab packt die irgendwo hin und weg und nehme einfach zum Beispiel aus einem Werkzeuggürtel ein anderes Werkzeug was dann ein Akkuschauber wäre?
• 36:56
  Speaker 1: Dann kann der einfach verlängert sein und dann ist statt meinem Finger jetzt vorne einfach eine Bitspitze dran mit der ich jetzt eben in der Lage bin irgendwie eine Schraube reinzuschrauben.
• 37:03
  Speaker 1: ja und daraus werden sich natürlich riesige riesige Ökonomien außenrum entwickeln, die nur Zubehör dazu entwickeln.
• 37:11
  Speaker 1: So wie es bei den Industrierobottern auch ist.
• 37:12
  Speaker 1: also jeder der jetzt im Industrie-Roboter Bereich aktuell zuliefert für denen macht das definitiv Sinn in die humanoide Robotik zu gucken und zu fragen Wie kann ich mein Geschäftsmodell an Zulieferer oder Zubehör zu Industrie Robotern auch so umbauen, dass die für Humanoide-Robotik nachher interessant sind.
• 37:28
  Speaker 1: Alle Sensorenhersteller für nicht nur warmkalt sondern Messungen von irgendwas anderem was ich ansonsten auch immer an so einem Industrieroboter anbaue könnte hier interessant sein.
• 37:38
  Speaker 1: alles was irgendwie mit Druckluft zu tun hat alles was mit Vakuum zu tun haben da werden ganz viele Bereiche gerade für den für den industriellen Bereich sehr interessant.
• 37:46
  Speaker 1: im privatwirtschaftlichen Haushalt halte ich nachher die menschliche Hand als am sinnvollsten weil sie dann am ehesten die menschlichen Tätigkeiten nachher nachmachen kann.
• 37:56
  Speaker 1: Auch da kommen wir wieder zu dem ersten Thema, was wir mal hatten zurück.
• 38:00
  Speaker 1: Wird es eine riesige Ersatzteilökonomie geben?
• 38:02
  Speaker 1: Es wird eine Menge an Austauschmotoren geben müssen, Aktuatoren noch und nöcher, die durchgetauscht werden müssen.
• 38:10
  Speaker 1: Das heißt also alles, was sich irgendwie in diesem Hardware-Bereich befindet ist unfassbar interessant.
• 38:14
  Speaker 1: Und softwareseitig wird's natürlich so sein dass das zumindest meine Vision oder meine Prophezeiung dahinter dass wir nachher Branche und Software haben werden.
• 38:21
  Speaker 1: Das heißt also, ich bin ja ein absoluter Feind von einem generalistischen AI-Modell.
• 38:27
  Speaker 1: Es kann man sich trefflich darüber streiten, es kann auch stundenlang gehen so eine Diskussion.
• 38:31
  Speaker 1: Mein Standpunkt relativ einfach ist warum muss ein Roboter nachher schweißen soll?
• 38:36
  Speaker 1: Wissen wie ich eine Herztransplantation mache?
• 38:40
  Speaker 1: Kollegen, die der generalistischen AI zugewandt sind, sind ja der Meinung, es braucht ein riesiges Weltmodell in dem eine AI alles nachher weiß.
• 38:47
  Speaker 1: Und ich bin der Meinung wir brauchen spezialisierte Modelle einen Roboter, der dafür eingesetzt wird in einem Stahlwerk eben Sachen zu verschweißen.
• 38:55
  Speaker 1: Der muss nicht wissen wie er im Lebensmittel Einzelhandel dann Tomaten richtig sortiert und im Krankenhaus dann irgendwie eine Operation durchführt.
• 39:03
  Speaker 1: Das dürfen einzelne Spezialisten sein, die dieses Wissen nachher haben Vielleicht mit ein paar Randbereichen außen rum, dass man eben nicht mehr den Spezialisten auf eine Aufgabe setzt.
• 39:14
  Speaker 1: Sondern dass man einen Roboter für eine gesamte Örtlichkeit trainiert.
• 39:19
  Speaker 1: Bleiben wir im Stahlwerk wo irgendwas geschweißt wird kann es natürlich auch noch sein das es sinnvoll ist dass der weiß wie er mit dem Winkelschleifer umgehen kann und dass der genau auch weiß wie ihr dann die Maschinen XYZ zum schneiden und sonst was irgendwie nutzen kann.
• 39:29
  Speaker 1: Dann macht das in meiner Welt Sinn Das wäre für mich ein Spezialistin-Weltmodell Was genau auf die Tätigkeit an diesem Ort zugeschnitten ist und funktioniert, da eben halt alles zu wissen.
• 39:41
  Speaker 0: Der Eindruck natürlich war in China was wir gesammelt haben für die mitreisenden Experten Wissenschaftler und Manager sehr stark und einige habe ich ja gesagt ihre erste Reaktion ist leider sagen wir warten lieber ein bisschen ab bis die Technologie ausgereiftet.
• 40:03
  Speaker 0: Das haben wir schon ausgeblich gesagt.
• 40:06
  Speaker 0: Einige sein auch, ja eigentlich müssen wir was tun.
• 40:09
  Speaker 0: aber das ist auch sehr oft zu hören.
• 40:13
  Speaker 0: man denkt so sehr an die Restriktion in seiner eigenen Organisation und häufig wird das Wort Roboter Ready also man sagt seine eigene Organisation oder seine eigene Produktionsumfälle noch nicht Roboter ready.
• 40:30
  Speaker 0: Und wie genau bedeutet das?
• 40:31
  Speaker 0: Was muss man in Unternehmen oder ein Produkt an die Linie im Prozess tun, um Robert Reddy zu sagen.
• 40:39
  Speaker 1: Das sind eigentlich zwei Fragen dahinter.
• 40:41
  Speaker 1: Das eine ist einmal die Frage dahinter was muss die Organisation tun.
• 40:45
  Speaker 1: also hat überhaupt nichts mit dem eigentlichen Prozess zu tun, sondern wen muss ich mitnehmen?
• 40:49
  Speaker 1: Das sind die Betriebsräte.
• 40:50
  Speaker 1: Das ist alles was irgendwie mit IT-Sicherheit zu tun hat, überhaupt IT-Datenschutz
• 40:54
  Speaker 1: etc.,
• 40:55
  Speaker 1: das sind alles Sachen, die ich einfach überhaupt erstmal auf der, ich nenn's mal die politische Seite mitnehmen muss.
• 40:59
  Speaker 1: ja damit habe ich noch gar kein Prozess beschrieben und dann hab' ich überhaupt nachher noch gar keine Sinnhaftigkeit dafür geschaffen ob der... eigentlicher Arbeitsplatz für einen Roboter geeignet ist.
• 41:09
  Speaker 1: Das ist der zweite Teil der Frage, aber im ersten Teil geht es überhaupt erst mal darum zu verstehen und auch für alle Anspruchsgruppen nachher zu verstehen was verändert sich denn dadurch?
• 41:19
  Speaker 1: Wir brauchen die Diskussion nicht mehr führen, dass humanoid der Robotik kommt.
• 41:22
  Speaker 1: Sondern es ist ja nur noch die Frage wann?
• 41:24
  Speaker 1: Wann kommen die Flächendecken, das sie auch wirklich sinnvoll eingesetzt werden können?
• 41:27
  Speaker 1: Also brauchen wir die Diskussionen nicht mehr führen ob wir sie einführen oder nicht?
• 41:30
  Speaker 1: Das ist durch das Thema sondern es geht nur noch wann und wie.
• 41:33
  Speaker 1: Und mit diesem Wie das sind jetzt genau diese Anspruchsgruppen, die jetzt alle irgendwie ein Mitspracherecht dahinter haben zu sagen okay wie sicher muss das Ganze sein?
• 41:40
  Speaker 1: Wie compliancemäßig muss ich damit unterwegs sein?
• 41:42
  Speaker 1: was müssen die Menschen, die im direkten Umkreis mit den Roboter nachher arbeiten?
• 41:46
  Speaker 1: Was müssten die alle können Fall tun.
• 41:48
  Speaker 1: Das sind alle Sachen, die kann man erst mal vorne wegdefinieren.
• 41:50
  Speaker 1: und hier muss natürlich ganz klar sein, hier muss ein Bekenntnis vom Unternehmen dazu da sein das machen zu wollen auch wenn man jetzt schon weiß dass es nicht komplett ready ist.
• 41:59
  Speaker 1: Es ist noch nicht ein komplett fertig einsetzbares System.
• 42:02
  Speaker 1: Das muss der politische Wille da sein auszuprobieren vielleicht ein bisschen vergleichen ist ein bisschen unfair für die Kollegen von Jugendforscht.
• 42:08
  Speaker 1: aber vergleichbar mit Jugendforsch ist es vielleicht an dieser Stelle zu sagen dass man damit erstmal überhaupt spielt Erstmal ausprobiert und einfach wirklich sagt okay mit einem sehr, sehr niedrigschwelligen Ansatz einfach zu sagen sind wir überhaupt offen dafür uns dahin zu entwickeln.
• 42:21
  Speaker 1: Wollen wir das einfach mal ausprobieren?
• 42:24
  Speaker 1: Da ist vielleicht eine ganz, ganz spannende Situation die man dazu ganz gut als Bild nutzen kann.
• 42:29
  Speaker 1: Das sind ja am Ende des Tages erst mal ne Entscheidung.
• 42:31
  Speaker 1: Am Anfang steht ne Entscheidung es machen zu wollen und viele Deutsche sind eben der Meinung dass man dieser Entscheidung nicht reversibel verändern kann.
• 42:37
  Speaker 1: Und das gibt ein sehr gutes Zitat dazu von Jeff Bezos Der in dem Moment unterscheidet in Eintür und zwei Türentscheidungen Ein-Tür.
• 42:45
  Speaker 1: Entscheidungen sind zum Beispiel so etwas wie Ich spende eine Niere Rückgängig machen.
• 42:51
  Speaker 1: Ein Tür, ich gehe durch die Tür.
• 42:52
  Speaker 1: wenn die Tür zu ist komme ich nicht wieder zurück.
• 42:54
  Speaker 1: Beim Nieren spenden wird das schwierig.
• 42:55
  Speaker 1: dass sich die irgendwie wieder zurückriege wäre eine Eintürentscheidung und es gibt zwei Entschuldungen.
• 42:59
  Speaker 1: Die zwei Entscheidungen besagen Wenn ich durch die Türe durchgegangen bin dann ist aber auf der Rückseite immer noch ein Knopf.
• 43:04
  Speaker 1: Ich kann selbst wenn ich die Tür von außen zugemacht habe diese Tür wieder aufmachen kann er wieder durchgehen.
• 43:08
  Speaker 1: Das heißt ich kann diese diese Entscheidung quasi revidieren.
• 43:12
  Speaker 1: Fast alles in unserem Leben, wenn man mal so überlegt.
• 43:14
  Speaker 1: Wie häufig spende ich Neniere und wie viele andere Entscheidungen die ich treffen kann nicht im Nachhinein nochmal korrigieren.
• 43:19
  Speaker 1: Und deswegen finde ich eine der wichtigsten Themen, die sich gerade dann dem Moment deutsche Unternehmen vornehmen sollten ist ein bisschen mutiger zu sein und zu sagen okay das Schlimmste was passieren kann ist wir verbrennen ein bisschen Geld und wir haben ein bisschen dabei aufgebaut dass das Schlimmste was passieren kann.
• 43:33
  Speaker 1: Und dann entscheide ich mich, okay wir lassen es ruhen und machen es vielleicht zwei Jahre später weil wir wirklich zu der Entscheidung gekommen sind, dass das Ganze dann trotz dessen das wir's ausprobiert haben noch nicht einsatzreif ist.
• 43:42
  Speaker 1: Das ist aber das schlimmste was passiert kann!
• 43:43
  Speaker 1: Es wird aber immer so hingestellt als wenns eine Eintür-Entscheidung ist.
• 43:46
  Speaker 1: Sobald ich ein humanoides Projekt anfangen möchte gibt es keinen Möglichkeit mehr zurückzugehen und irgendwas reversibel wieder von vorne zu starten.
• 43:53
  Speaker 1: Von daher ist meine ganz klare Werbung dafür zu sagen ausprobieren man muss am Anfang ja nicht gleich den Roboter kaufen.
• 43:59
  Speaker 1: Man kann ja so einen humanoiden Roboter auch auf einem Projekt anlegen und sagen, komm lass uns ein sechs Monatsprojekt draus machen.
• 44:04
  Speaker 1: Sechs, neun, zwölf, je nachdem wie komplex die Aufgabe ist.
• 44:06
  Speaker 1: Lass uns das erste Projekt gemeinsam machen und lasst uns dann einfach klare KPIs festlegen, die eben halt sagen war das ein sinnvoller Test oder kein sinnvolles Test?
• 44:15
  Speaker 1: Und unter welchen Kriterien brechen wir ab?
• 44:17
  Speaker 1: und wann?
• 44:17
  Speaker 1: sagen wir, dass war erfolgreich und dann hat man wenig Geld also überschaubarem Betrag in daher investiert und hat trotzdem einen ordentlichen Wissensgewinn dabei.
• 44:26
  Speaker 0: Auf einem Tür oder zwei Tür mache ich noch eine deutsche Unternehmung hoffe ich, hauptsächlich nicht eine Drehtür haben, haupt sich haben sie eine Entscheidung und das Spaß beiseite.
• 44:38
  Speaker 0: Und wenn Sie jetzt die Entscheidung getroffen haben, dass er mit einem Integrationsprojekt zu starten, mit euch als Partner beispielsweise?
• 44:48
  Speaker 0: Welche Aufgaben sind unbedingt sozusagen, welche Aufgabe kann einen Partner wie Integrator ausgelagend werden?
• 44:57
  Speaker 0: und was ist so kritisch, dass es unbedingt im Unternehmen selbst bleiben muss?
• 45:03
  Speaker 1: Ja das kommt natürlich immer ein bisschen darauf an.
• 45:05
  Speaker 1: Was finde ich im Unternehmen vor?
• 45:06
  Speaker 1: ja also wie gut ist das eigene technische Personal?
• 45:09
  Speaker 1: Ich kann ganz viel auslagern auf der einen Seite Das wäre dann halt eben.
• 45:13
  Speaker 1: Also wir zerlegen das quasi bei uns in so drei verschiedene Bereiche.
• 45:16
  Speaker 1: Der Bereich wenn ich eben sage, ich möchte als Unternehmen gar nichts damit zu tun haben Bauen mir bitte die Lösung fertig.
• 45:21
  Speaker 1: Es muss humanoid sein Und der soll in sechs Monaten hier laufen.
• 45:24
  Speaker 1: Dann gebe ich alles an den Integrator denken Beispielsweise an uns, unser Haltbau ist komplett fertig.
• 45:29
  Speaker 1: Dann bleibt aber natürlich eine Sache die ganz wichtig ist das Prozesswissen weil es soll ja andere Anbieter auf diesem Planeten geben die sich zutrauen nach einer Stunde in dem sie durch eine Produktion gelaufen sind zu sagen dieser Roboter passt dahin und dann funktioniert das alles.
• 45:44
  Speaker 1: Da bin ich ein unheimlicher Feind von Weil.
• 45:46
  Speaker 1: Ich Bin Definitiv.
• 45:47
  Speaker 1: Ich gucke mir sehr, sehr viele Fabriken den lieben Langtag an.
• 45:50
  Speaker 1: Ich darf bei sehr vielen Industrieunternehmen unterwegs sein und das ist wirklich ganz breit gestreut von Lebensmittel bis Automotivzulieferung.
• 45:56
  Speaker 1: Und wer bin ich denn?
• 45:58
  Speaker 1: Dass ich mich selber zutraue Der Meinung bin, dass ich nach einer Stunde in einem Lebensmittelwerk Schokolade, Käse oder was weiß ich.
• 46:06
  Speaker 1: Und bei einem Autobauer der Dreh- und Fris, das ist der richtige Roboter den kannst du nutzen.
• 46:11
  Speaker 1: Morgen hast du ein Angebot von mir!
• 46:12
  Speaker 1: Das finde ich unfassbar unseriös sondern ich finde den Weg unfassberwichtig des Prozesswissen von dem entsprechenden Unternehmen damit reinzunehmen.
• 46:20
  Speaker 1: Und deswegen kann es nur darüber funktionieren, dass das Prozesswissen darüber wie etwas aktuell gemacht wurde.
• 46:25
  Speaker 1: Das heißt ja nicht, dass es in der Zukunft auch so weitergemacht werden muss aber wir brauchen einen Ausgangspunkt.
• 46:29
  Speaker 1: Irgendwo von müssen wir starten.
• 46:31
  Speaker 1: Wenn man das vergleicht mit einem Bahnhof muss ich ja wenigstens wissen wenn ich dich irgendwo einsammeln soll muss ich wissen an welchem Bahnhof du stehst.
• 46:35
  Speaker 1: Wenn wir nur telefonieren und sagen hol mich mal am Bahnhof ab dann gibt das in Deutschland... Ich weiß nicht wie viele Bahnhöfe es gibt aber es gibt sehr viele Möglichkeiten um dich irgendwo aufzusammeln.
• 46:42
  Speaker 1: Wenn du mir sagst wo du stehest ist es einfach da kann ich dahin fahren.
• 46:45
  Speaker 1: und hier ist es genau das gleiche.
• 46:46
  Speaker 1: das Prozess Wissen muss immer in jeglicher Art mit dabei sind.
• 46:50
  Speaker 1: Das hier wäre jetzt eben die Do-it for you oder dann für your Lösung, also sprich der Kunde hat möglichst wenig damit zu tun.
• 46:56
  Speaker 1: es bleibt bei ihm aber das Prozesswissen.
• 46:58
  Speaker 1: und dann gibt's halt eben die Abstufung davon, die Universitäten auf diesen Planeten haben genug Zeit Sachen auszuprobieren.
• 47:03
  Speaker 1: Die kaufen sich am Ende des Tages die Hardware ein brauchen hin und wieder mal ein bisschen Support weil sie einzelne Sachen einfach in der Tiefe nochmal etwas genauer verstehen wollen.
• 47:11
  Speaker 1: Die sind halt eben do it yourself.
• 47:12
  Speaker 1: Das ist das IKEA-Prinzip, ne?
• 47:13
  Speaker 1: Ich fahr los!
• 47:14
  Speaker 1: Ich muss mir irgendwas baut es halt selber auf und spare dadurch natürlich im Vergleich nachher ein paar Kosten ein.
• 47:18
  Speaker 1: Und was wir am häufigsten haben und wo wir auch unsere größte Stärke drinne haben, ist halt eben die Do It With You Lösung.
• 47:23
  Speaker 1: Das heißt also eine Partnerschaft mit dem Unternehmen zusammen.
• 47:26
  Speaker 1: Wir bilden die, ja wenn man das so nennen möchte, die Architekten... ...wir zeigen halt eben auf wie so'n Haus aussehen könnte.. ..die Baupläne dafür und gießen die Bodenplatte.
• 47:35
  Speaker 1: Wenn dieses Fundament einmal steht und man weiß okay aus vielen anderen Projekten mit Industrieunternehmen das so funktioniert hat und dass es robust ist.
• 47:42
  Speaker 1: Und dann baut man innen drin nachher einzellend den Innenausbau, wenn man mal in diesem Bild bleiben möchte, das macht das Unternehmen selber.
• 47:50
  Speaker 1: Dann verteilt man die Arbeitspakete und wir gehen immer weiter raus aus dem Projekt.
• 47:55
  Speaker 1: Gleichzeitig steigt das Wissen im Unternehmen an, sodass sie immer mehr übernehmen können.
• 47:58
  Speaker 1: Ich glaube, das ist eines der besten Wege um relativ schnell zu einem Ergebnis zu kommen.
• 48:03
  Speaker 1: Das Prozesswissen bleibt nachher definitiv im Unternehmen.
• 48:06
  Speaker 1: Als drittes wird Wissen aufgebaut was im Unternehmen nachhaltig ist.
• 48:10
  Speaker 1: Also wenn ich ja einen humanoiden Roboter fertig mit der ersten Tätigkeit ausgestattet habe, dann soll er ja weiter lernen.
• 48:16
  Speaker 1: Der soll jetzt nicht nur eins können, dann könnte ich dafür auch ein Cobot nehmen oder ein Industrieroboter sondern der soll in der Lage sein flexibel A B C und D zum Beispiel zu machen.
• 48:25
  Speaker 1: Und wenn ich ihn jetzt nur A beigebracht habe, denn möchte ich ihm jetzt ja auch noch b und c beibringen Und das ist natürlich ganz spannend, wenn ich das dann zukünftig eigenständig machen kann und nicht mehr auf den Integrator angewiesen bin.
• 48:35
  Speaker 1: Wir machen uns gewissermaßen selbst ein bisschen überflüssig dabei.
• 48:37
  Speaker 1: Warum?
• 48:38
  Speaker 1: Weil wir den Ansatz dass du den Integratoren immer anrufen musst um irgendetwas lösen zu können einfach nicht gut finden.
• 48:45
  Speaker 1: Es ist dann ja immer eine Abhängigkeit von demjenigen, der nachher den Code geschrieben hat für genau diese Tätigkeit und keiner anderer weiß wie das funktioniert.
• 48:51
  Speaker 1: Da gibt viele Menschen oder viele Betriebe in denen jetzt noch alte Industrierobotter laufen bei dem man sagt bloß nicht anfassen weil kein Mensch weiß wie die Programmierung dahinter geläuft.
• 49:00
  Speaker 1: Den Menschen gibt es nicht mehr, der ist im Ruhestand was auch immer Und jetzt wird's irgendwie nur am Leben erhalten weil keiner genau verstanden hat was da hinter der Fall ist.
• 49:08
  Speaker 1: und wenn man dieses Wissen halt im Unternehmen eigenständig aufbaut halte ich dass für den nachhaltigsten Weg.
• 49:13
  Speaker 0: Alles, was du so jetzt erzählst von so einem Interaktionsprojekt hat eine gewisse Ähnlichkeit wie ein SAP-Projekt.
• 49:20
  Speaker 0: Und ich vergleiche mit einem SAP Projekt der Projektleitekundenseite.
• 49:27
  Speaker 0: Ich hatte eine besondere wichtige Rolle auch und was ist aus deiner Sicht die wichtigste oder die größte Herausforderung für den Projektleiter humanoider Integrationsprojekt verantwortet und ob das technisch oder soft ist.
• 49:49
  Speaker 0: Was ist für ihn das Wichtigste?
• 49:52
  Speaker 1: Es muss am Ende des Tages jemand sein, der der Welten verbinden kann Also die ganzen verschiedenen Anspruchsgruppen, die schon intern im Unternehmen nachher da sind und er muss eins haben.
• 50:00
  Speaker 1: Er muss nachher eben halt auch eine freie Gabe dafür haben, Entscheidungen treffen zu dürfen.
• 50:03
  Speaker 1: Verantwortlichkeit wäre die Kurzform davon also verantwortlich zu sein A fürs Ergebnis und B aber eben auch dafür wie in Zukunft damit gearbeitet wird.
• 50:14
  Speaker 1: Und wenn das klar ist und es eben halt verlässliche klare Absprachen gibt, wie die Verantwortlichkeit ist und vor allen Dingen, wie auch entschieden wird nachher?
• 50:22
  Speaker 1: Welche KPIs liegen demnach her zugrunde?
• 50:24
  Speaker 1: Das brauchen wir ja schon, wenn wir in so eine Testphase nachher reingehen.
• 50:27
  Speaker 1: Wir wollen ganz klar festlegen, wann war ein Testerfolgreich?
• 50:31
  Speaker 1: Wenn man jetzt eben sagen will, probieren wir mal was aus, dann besteht die Möglichkeit am Ende einer Phase immer zu sagen okay wie bewerten wir das jetzt?
• 50:38
  Speaker 1: und dann wird das so wischy-waschy weil es keine wirklichen echten KPIs gibt an denen ich da etwas messen kann.
• 50:42
  Speaker 1: Und wenn ich zum Beispiel festlege ok am Ende dieser eines sechs Monats Zeitraums soll der Roboter Einwandfrei ein einzelnes Produkt in eine Maschine einzulegen, also eine Maschinenbestückung.
• 50:52
  Speaker 1: Ja dann können wir ganz genau sagen okay am Tag X führen wir genau diese Tätigkeit durch.
• 50:56
  Speaker 1: schafft der Roboter das dort einzulehnen war?
• 50:59
  Speaker 1: der gesamte POC den man dadurch geführt haben war erfolgreich.
• 51:02
  Speaker 1: und wenn er erfolgreich ist dann haben wir vorne weg schon definiert.
• 51:04
  Speaker 1: was bedeutet das dann für das Projekt dass es weitergeht?
• 51:07
  Speaker 1: aus dem POC machen wir dann als nächstes eben halt einen MVP also das Minimum Valuable Product ein kleinstes Produkt was dann eigenständig funktioniert.
• 51:14
  Speaker 1: ja und deswegen ist der wichtigste Punkt dieser der im Unternehmen da ist, der muss ausgestattet sein mit einer Verantwortlichkeit und einer Entscheidungsbefugnis.
• 51:23
  Speaker 0: Du hast ja schon von Ziele gesprochen für Use-Cases und ich denke besonders auch darüber spreche wie soll ein Unternehmen eine sinnvolle Use Case nämlich auswählen?
• 51:35
  Speaker 0: Weil wir haben ja davor gesprochen die Momente sind noch alle humanoider Lösungen oder Roboter noch nicht so reif für die Industrie.
• 51:46
  Speaker 0: Das heißt, es geht nicht um eine sofortige Wirtschaftlichkeit sondern es gibt vielleicht auch andere Kriterien.
• 51:53
  Speaker 0: Wie wählt man eigentlich so einen Use-Case aus für solche Interaktionsprojekte?
• 51:58
  Speaker 1: Also am Einfassenden ist das natürlich erstmal immer also grundsätzlich bei jeder Sache, die man neu macht vom leichten ins Komplexe zu gehen.
• 52:05
  Speaker 1: Heißt also Tätigkeiten zu haben, die jetzt keine verkettete Automatisierungen herdarstellen.
• 52:10
  Speaker 1: Also zum Beispiel ich nehme aus einer Kiste vier Bauteile raus, lege sie in die Maschine ein.
• 52:15
  Speaker 1: Nehme aus einer nächsten Kiste zwei Bauteille heraus, leGE Sie auch in diese Maschine Ein.
• 52:18
  Speaker 1: Positioniere dann alles, fahre dann meinetwegen die Maschinen eben entsprechend an, guck ob alles passt und löse dann so einen Verbindungselement aus also dass es angeschweißt wird angeklebt was auch immer.
• 52:28
  Speaker 1: das sind zu viele Schritte bei denen Fehler passieren können.
• 52:30
  Speaker 1: wenn man das jetzt klein schneidet und eben halt sagt und das wäre halt so eine Sache wie man an ein Huskies ran gehen könnte indem man sagt man nimmt ein Teil davon zum Beispiel das erste Greif im Aus einer Kiste heraus und dann sagen, okay positioniere das in der Maschine.
• 52:43
  Speaker 1: Dann habe ich den ersten Teil, den ersten wirklichen Nachweis dafür kriege ich diesen einzelnen Schritt hin.
• 52:48
  Speaker 1: Das klingt manchmal nach sehr wenig ist aber meiner Meinung nach viel sinnvoller als die Erwartungshaltung dahin zu packen und zu sagen nach sechs Monaten kann er diesen gesamten Zusammenbauprozess komplett alleine und dann triffst du die nicht.
• 52:59
  Speaker 1: Das ist, dann ist die Enttäuschung größer und dann heißt das habe ich ja von vorne rein gesagt.
• 53:02
  Speaker 1: Alle diejenigen, die dann vorne weg der Meinung waren dass ein humanoides Projekt keinen Sinn macht, das für die jetzt natürlich Öl aufs Feuer weil sie natürlich genau sagen können guck mal, ich hab's euch ja gesagt Fuchs nicht.
• 53:11
  Speaker 1: Dann ist der Scope aber auch zu groß gewählt sondern anfangs klein machen Die Erwartungshaltung nicht so hoch anzusetzen Sondern zu sagen lasst uns doch mal bitte in sechs Monaten das hinbekommen Dass wir die Maschine mit Einbauteil bestimmen.
• 53:28
  Speaker 1: Also es ist vielleicht die Psychologie Politik, es ist Unterrichtspolitik.
• 53:31
  Speaker 1: Es gibt Leute, die sind Feuer und Flamme dafür zu Recht ja?
• 53:34
  Speaker 1: Und das ist natürlich eine ganze Menge Kritiker.
• 53:36
  Speaker 1: so und das Einfassende ist natürlich immer zu sagen oder zu zeigen dass etwas funktioniert und da wie gesagt würde ich jetzt einfach den Messstaaten nicht soweit hochhängen, dass der sehr schwer zu erreichen ist sondern kleine Schritte und zu sagen okay anstatt dieser fünf Bauteile fangen wir mit einem Bauteil an und definieren, dass ein Bauteils soll.
• 53:52
  Speaker 1: in dieser Zeit also eine Tagzeit von x Minuten soll das in die Maschine eingelegt werden muss immer in einem, was weiß ich?
• 53:59
  Speaker 1: Was eine Iterationszahl von ein tausend.
• 54:01
  Speaker 1: Muss dabei ninety fünf Prozent Erfolgsquote liegen.
• 54:03
  Speaker 1: Dann haben wir wirklich KPIs und können sagen, guck mal das haben wir hingekriegt und damit haben wir als allererstes Mal bewiesen ist es funktioniert.
• 54:08
  Speaker 1: Das heißt nicht dass der das jetzt für alle anderen Sachen auch kann sondern es kann jetzt erstmal genau diese eine Thematik und das ist für mich dann einen sinnvollen Use Case an dem man ran gehen kann.
• 54:17
  Speaker 1: Und der wichtigste Teil ist da einfach mit offenen Augen durch die Produktion zu gehen, weil wir lernen ja alle innerhalb sehr, sehr kurzer Zeit so Scheutklappen aufzusetzen und in unserem eigenen Unternehmen irgendwie nicht mehr nach links und nach rechts zu gucken.
• 54:28
  Speaker 1: Sondern das ist schon immer so gewesen.
• 54:29
  Speaker 1: Das haben wir schon immer gemacht und machen auch weiter so.
• 54:31
  Speaker 1: Das funktioniert ja!
• 54:32
  Speaker 1: Ja?
• 54:32
  Speaker 1: Und dann einfach mal mit einem frischen Blick dadurch zu gehen und zu sagen okay guck mal dass machen wir häufiger als einmal in einer Schicht.
• 54:39
  Speaker 1: Dann wäre das ein Grund für mich das Ding auf eine Use Case Tabelle zu schreiben Und jetzt erstmal einmal zusammen.
• 54:44
  Speaker 1: Gar nicht in dem Moment zu bewerten, sondern zu sagen okay alle Tätigkeiten die ich häufiger als ein Mal an einer Schicht mache erst mal aufzuschreiben.
• 54:50
  Speaker 1: Dahinter klar ganz klar zu definieren ok was mach' ich denn da überhaupt?
• 54:53
  Speaker 1: Also wie gut kann ich diese Tätigkeit beschreiben?
• 54:55
  Speaker 1: und wenn ich es schaffe diese Tättigkeit zu beschreiben ohne das Wort humanoiden Roboter zu nutzen oder generell Roboter Dann ist das schon mal gar nicht so schlecht, wenn ich den so gut beschreiben konnte dass einfach ein System dahinter ist.
• 55:09
  Speaker 1: Sobald ich ein gutes System erkenne dann ist es meistens schon sehr gut einen Prozess der gut beschrieben ist immer eine sehr gute Ausgangslage dafür ihn auch zu automatisieren und dann idealerweise als letztes Bilder und Videos davon nachherzumachen um es dann jemandem zu zeigen und zu sagen guck mal hier habe ich meine use case Tabelle bin einmal durch die Welt gegangen Ich hab mir alles aufgenommen hab da mal Fotos hinter gemacht.
• 55:29
  Speaker 1: Was meinst du dazu?
• 55:30
  Speaker 1: Und dann den Experten zu fragen, ob das ein guter Einstieg wäre.
• 55:34
  Speaker 0: Wir haben vorhin gesprochen, der Sinn dahinter jetzt schon mit humanoider Roboter zur Staate ist unter anderem zu lernen wie man einen humanoiden Roboter beibringt bestimmt Tätigkeit durchzuführen.
• 55:49
  Speaker 0: aber wenn ich jetzt von dir so höre denke ich dass es zusätzlich nochmal eine Möglichkeit wie so ein Integrationsprojekt gestaltet wird oder konzipiert werden, durchgeführt werden.
• 56:02
  Speaker 0: Das ist eigentlich an sich auch eine so prozessuale Kompetenz was ein Unternehmen da ausüben muss und lernen muss.
• 56:11
  Speaker 0: Deswegen haben wir vorhin gesagt die Psychologie ist das Wichtigste aber nicht nur die Psychologie sondern die Methodik wie man so einen Integrationsprojekt durchgeführten werden.
• 56:21
  Speaker 0: gelernt werden.
• 56:22
  Speaker 0: Das ist, glaube ich auch eine wichtige.
• 56:24
  Speaker 0: Du hast ja vorhin gesprochen über die prächende Phase von Proof of Concept und Minimum Variable Product
• 56:30
  Speaker 0: usw.,
• 56:31
  Speaker 0: aber um konkret zu sein wie sieht so ein Dauer aus für so ein Integrationsprojekt aus?
• 56:40
  Speaker 0: Wie lange dauert es in der Praxis für sozusagen Umsetzung von einige wenige Use Cases?
• 56:48
  Speaker 0: Ich denke mal, hier wird wahrscheinlich so ein Projekt zu definieren.
• 56:51
  Speaker 0: Nicht nur ein Use Case nehmen, sondern vielleicht eine kleine Bündel von Use Cases nehmen als ein Projekt.
• 56:56
  Speaker 0: und wie lange dauert es ungefähr?
• 56:58
  Speaker 0: Und welche Kapazität muss unternehmenseitig selbst einbringen personell und zeitlich?
• 57:05
  Speaker 0: Was ist beispielsweise die Maschinenbestückung?
• 57:09
  Speaker 0: Wie konkrete sieht das dann so aus?
• 57:12
  Speaker 1: Das ist so eine klassische BWLA-Frage.
• 57:16
  Speaker 1: Die klassische Antwort, wenn man die sich nicht von vornherein festlegen kann weil zu wenig Variablen geklärt sind, dann natürlich immer es kommt darauf an und das ist die Antwort dazu.
• 57:26
  Speaker 1: Das sind halt ganz viele Faktoren, die davon abhängen wie man sowas definiert.
• 57:30
  Speaker 1: aber mal jetzt einfach um ein bisschen Fleisch an den Knochen zu bringen oder wir sehen bei uns einige Projekte aus.
• 57:35
  Speaker 1: Wenn wir an so einer Maschinenbestückung denken ja also ich nehme zum Beispiel etwas was gedreht gefräst werden soll Maschine einspannen.
• 57:42
  Speaker 1: Dann ist es natürlich so, sollte ich jetzt eben halt als Mensch immer noch irgendwie mit einer Spindel irgendwas festdrehen oder irgendwie Klemmbacken anschrauben oder sonst was?
• 57:50
  Speaker 1: Dann sage ich von vornherein schon das ist kein gutes Projekt ja weil dass immer individuell natürlich von einem Werkstück abhängig ist.
• 57:56
  Speaker 1: wenn ich jetzt aber etwas habe wo ich das automatisiert schon darstellen kann.
• 57:59
  Speaker 1: das heißt also ich lege den sagen wir mal einfach Metallblock entsprechend in die Maschine ein und durch einen Automatismus ziehen sich eben halt die Backen alleine fest.
• 58:07
  Speaker 1: dann wäre das halt eine Sache die schon besser dafür geeignet ist.
• 58:10
  Speaker 1: alles wo ich auch hier jetzt wieder damit arbeiten kann, dass ich einen Anschlag habe macht es für mich einfach ab.
• 58:15
  Speaker 1: Bleiben wir bei einem Metall Quader oder Metallquadrat, was ich da irgendwie einsetze.
• 58:21
  Speaker 1: Oder Würfel und ich kann ihn irgendwo gegen drücken und ihn dann absetzen.
• 58:25
  Speaker 1: Dann habe ich eine viel, viel bessere Positioniergenauigkeit.
• 58:27
  Speaker 1: Das heißt also, ich gucke mir als Allererstes einmal an in so einem Projekt wie viele Randbedingungen können wir ausschließen?
• 58:32
  Speaker 1: Da kommen wieder zu den mechanischen Millimeter zu sagen okay welche Sachen kann ich schon mal wegnehmen von der Tätigkeit damit ich mich auf eine Sache wirklich konzentrieren kann.
• 58:40
  Speaker 1: Ich hab jetzt einen Anschlag dahinter und führe das ordentlich ein.
• 58:43
  Speaker 1: Da ziehen sich zwei Klemmbacken vom vornherein automatisch zusammen, sobald ich eben halt das Ereignis auslöse.
• 58:49
  Speaker 1: Dann ist es jetzt ja reduziert in der ersten Konstellation.
• 58:53
  Speaker 1: der wirkliche Go Live wäre ja dass diese Tätigkeit völlig eigenständig gemacht wird.
• 58:57
  Speaker 1: also der Roboter identifiziert die Maschine ist fertig und kann das fertige Bauteil rausnehmen und jetzt startet er neue Zyplos.
• 59:03
  Speaker 1: Ich nehme einen Roeling, lege den Roeling ein, starte die Maschinen nehmen wir nachher wieder raus.
• 59:07
  Speaker 1: So dann ist es halt eben so, dass das jetzt zerschnitten wird.
• 59:10
  Speaker 1: im einzelnen Container Ja, und die Container sind dann eben halt überhaupt erst mal erkennen.
• 59:13
  Speaker 1: Ist es ein fertiger Fertiges Produkt oder ist das ein Rohling?
• 59:17
  Speaker 1: Das wäre das erste Training.
• 59:18
  Speaker 1: Das Training was danach kommt ist dann halt eben Disperception also zu sagen wie sollte die Bewegung nachher aussehen?
• 59:23
  Speaker 1: Und sie dann wir kommen aus der echten Welt.
• 59:25
  Speaker 1: das heißt also unser Ansatz ist immer real world first.
• 59:27
  Speaker 1: Wir würden es als allererstes Nachbauen mit den Kunden Also wirklich zu sagen okay wir trainieren wirklich physisch einmal dieses Einlegen von diesem Würfel ja Und dann gehen wir danach eben halt über in das Training, in der Simulation.
• 59:39
  Speaker 1: Da gibt es auch verschiedene Ansätze dafür.
• 59:41
  Speaker 1: Nvidia ist momentan sehr stark da drin und da gibt es verschiedenste Ansätze.
• 59:44
  Speaker 1: Groot ist ein Ansatz, der sehr gut funktioniert momentan.
• 59:47
  Speaker 1: Es ist noch nicht perfekt aber ziemlich nah dran.
• 59:50
  Speaker 1: Dann kann man das Ganze durch verschiedene Modelle digital einfach besser werden lassen – in der simulation.
• 59:56
  Speaker 1: Das ist so'n bisschen Bestrafen- und Belohnmodell heißt also das was wir schon einmal eintrainiert haben.
• 1:00:02
  Speaker 1: In einer echten Welt.
• 1:00:02
  Speaker 1: nehmen wir jetzt packen das in die Simulation zum Beispiel Geschwindigkeit trainieren, dass einfach immer schneller werden.
• 1:00:08
  Speaker 1: Und irgendwann funktioniert das nicht mehr.
• 1:00:09
  Speaker 1: wenn es dann nicht funktioniert in der Simulation bestrafen wir das Modell was es nicht geschafft hat und wir belohnen das Modelle was es geschafft hat dann halt eben einfach diese Griffbewegung schneller zu machen.
• 1:00:18
  Speaker 1: Und so kann man unterschiedlichste Sachen trainieren.
• 1:00:20
  Speaker 1: Andere Griffpunkte, generell eine andere Handhabung dahinter.
• 1:00:23
  Speaker 1: was passiert wenn ich nicht mehr nur mit dem Arm arbeite sondern die Hüfte mit dazunehme?
• 1:00:27
  Speaker 1: und so kann das Modell halt eben einfach besser werden.
• 1:00:29
  Speaker 1: Das ist ein Training was halt stattfindet.
• 1:00:31
  Speaker 1: Das wäre ein eigenes KI-Modell was man jetzt aufbaut.
• 1:00:33
  Speaker 1: Ein eigenes neuronales Netzwerk!
• 1:00:35
  Speaker 1: In diesem neuronalen Netzwerk lernen wir jetzt eben halt die meiste Zeit.
• 1:00:38
  Speaker 1: dafür brauchen wir in der Situation aber nichts anderes.
• 1:00:41
  Speaker 1: Das heißt, wir brauchen nicht mal Zeiten vor Ort.
• 1:00:44
  Speaker 1: Wir brauchen jetzt viel GPU-Zeit, also viel Rechenpower die nachher da ist um das Ganze dann herumzusetzen.
• 1:00:50
  Speaker 1: und daraus wenn wir das alles fertig haben gehen wir wieder an die Maschine zurück und lassen den Roboter diese Tätigkeit dann eigenständig ausprobieren.
• 1:00:56
  Speaker 1: Das wäre so der erste POC.
• 1:00:58
  Speaker 1: Das wär noch kein Go Live sondern das wäre tatsächlich wirklich.
• 1:01:00
  Speaker 1: jetzt beweise ich gerade dass es sich jetzt hinkriege einen Rolling zu nehmen in die Maschinen einzulegen zu warten bis der Zyklus durchgelaufen ist den aus der Maschine rauszunehmen und in eine andere Kiste rein zu packen.
• 1:01:10
  Speaker 1: Das heißt, ich habe eine ganz engen Grenze gezogen.
• 1:01:13
  Speaker 1: Ich habe keine Abweichung drinne sondern nur bewiesen in dem Moment dass sich diese Tätigkeit unter genau den Bedingungen die ich gerade festgelegt habe schaffe.
• 1:01:21
  Speaker 1: und hier baut man jetzt einfach hinten und vorne alles weiter an.
• 1:01:23
  Speaker 1: was ich brauche also komme nachdem ich das dann durchgeführt habe auf die Idee verändere so etwas wie zum Beispiel umgebungsbeleuchtung, dass der zb auch nachts arbeiten könnte weniger Beleuchtungsintensität da ist etc.. Das sind dann alle Sachen die ich dann abändern kann komme.
• 1:01:40
  Speaker 1: Bis ich irgendwann sagen kann, das Ding kann ich jetzt bei allen Abweichungen die es irgendwie gibt mit Maschinenfehler und mit... Ich habe das Ding nicht richtig eingelegt, habe Qualitätsprobleme erkannt
• 1:01:49
  Speaker 1: etc.,
• 1:01:50
  Speaker 1: das hab' ich alles angebaut!
• 1:01:51
  Speaker 1: Dann wäre das für mich der erste Punkt go live.
• 1:01:53
  Speaker 1: Bei uns ist es Generation zwei in der Generation zwei eben zu sagen okay am Ende der Generation Zwei nachdem alles funktioniert ohne dass ein Mensch eingreifen muss dann zu sagen Jetzt könnte ich eben halt in die Skalierung gehen, könnte in den Rollout gehen und könnte das ganze jetzt vervielfältigen Ja?
• 1:02:07
  Speaker 1: Für eine Bleiben wir bei dieser Würfelthematik, sechs Monate, irgendwas zwischen sechs und neun Monaten müsste man aktuell kalkulieren um das Ganze dann komplett durchzuziehen.
• 1:02:16
  Speaker 1: Und es setzt voraus dass eben halt auf Seite des Kunden auch Seiten des Unternehmens nachher auch die Bereitschaft da ist nicht nur Geld zur Verfügung zu stellen sondern eben halt auch Kapazität bei Menschen.
• 1:02:26
  Speaker 1: ja und das ist eine ganz ganz wichtige Sache die hin und wieder vergessen wird Wir brauchen natürlich Leute, die vor Ort nachher den Prozess mit unterstützen.
• 1:02:34
  Speaker 1: Und nur wenn dafür nachher White Space im Kalender mit eingeplant wird und das heißt hey da haben wir jemanden, denen können wir dafür eine halbe Stelle zur Verfügung stellen und dann wird es nachher auch ein Erfolg.
• 1:02:43
  Speaker 1: denn sobald nachher irgendjemand wie wir als Integrator gegangen ist und keiner weiß was da eigentlich funktioniert ist, dann wird dass der teuerste Gardinständer, den man sich vorstellen kann.
• 1:02:51
  Speaker 1: Dann steht so einen Roboter in einer Ecke, wird halt nicht benutzt weil keiner weiß, was damit wirklich zu tun ist und wie man ihn weiterentwickeln kann.
• 1:02:56
  Speaker 1: Und deswegen ist es ganz, ganz wichtig von vornherein schon direkt.
• 1:03:02
  Speaker 1: Du sagt das Psychologie in der Methodik nachher eben von vorne rein gleich klar zu sagen Es geht nicht nur um Geld sondern es geht vor allen Dingen auch darum Mitarbeiter Zeit zu bekommen die das ganze dann mit umsetzen und unterstützen können.
• 1:03:15
  Speaker 0: Am Anfang von diesen sechs Monaten gibt es noch eine Eintür-Entscheidung, nämlich die Bestellung einer humanoider Hobot.
• 1:03:24
  Speaker 0: Wann ist der Zeitpunkt da, dass das Unternehmen tatsächlich jetzt die Bestellerung sozusagen platziert wird bis es sobald diese Use Case ausgewählt oder andere Konzepte erstellt werden?
• 1:03:38
  Speaker 0: Das
• 1:03:40
  Speaker 1: macht so eine BWL-Frage.
• 1:03:41
  Speaker 1: Man könnte auch sagen, dass die Weihnachtsmannfrage zum Schluss, also eine Frage, die du nicht falsch behaupten kannst... Wir haben ganz unterschiedliche Kunden.
• 1:03:49
  Speaker 1: Also wir haben Kunden, die kaufen einfach direkt eine Maschine ohne das in Newscase haben und sagen dann, wir suchen danach wenn wir das Gerät da haben.
• 1:03:55
  Speaker 1: Das heißt ja
• 1:03:56
  Speaker 0: auch für den...
• 1:03:58
  Speaker 1: Ich verwehr mich ja nicht dagegen, Geld zu verdienen.
• 1:04:00
  Speaker 1: Ist ja alles okay.
• 1:04:01
  Speaker 1: Aber das ist vielleicht nicht der richtige... Also sagen wir anders es gibt halt Wege die nachher ein deutlich höheres Erfolgspotenzial versprechen und dass es eben tatsächlich wirklich erst Use Case Tabelle festzulegen welchen Use Case man umsetzen möchte.
• 1:04:13
  Speaker 1: und selbst dann würde ich noch keinen Roboter kaufen sondern ich würde jetzt hier mit diesem beschriebenen Mietmodell arbeiten also zu sagen Miete das bei dem entsprechenden Integrator mit dem du das Ganze zusammen umsetzten möchtest.
• 1:04:23
  Speaker 1: legt diese Zeit fest.
• 1:04:24
  Speaker 1: Das macht man in Kooperation definiert halt die verschiedenen Arbeitspakete.
• 1:04:29
  Speaker 1: Und nachdem man die festgelegt hat, kann man sagen wird das ein sechsmonatsprojekt, wird es neunmonat projekte, wird das zwölfmonat lang gehen.
• 1:04:35
  Speaker 1: und innerhalb dieser Zeit muss es häufig genug KPI Review Meetings geben indem man einfach sagt okay wie weit sind wir dann?
• 1:04:41
  Speaker 1: Da muss es dann Abbruchkriterien geben.
• 1:04:43
  Speaker 1: bei uns ist zum Beispiel so erreichen wir die Zielmarken nicht besteht für das Unternehmen immer die Möglichkeit den Stecker zu ziehen zu sagen hey ok an dieser Stelle machen wir sind wir raus.
• 1:04:52
  Speaker 1: Halte ich für eine sehr transparente und faire Methode, dann wenn wir es nicht schaffen von uns selbst gemachte Zusagen einzuhalten warum soll das Unternehmen nachher darunter leiden?
• 1:05:01
  Speaker 1: Also Nachtragshaushalte und sowas.
• 1:05:02
  Speaker 1: da man merkt schon Ich bin nicht so unbedingt der Fan von solchen Geschichten sondern ich möchte mich dann halt einfach gerne in dem Budget auch aufhalten was man dann mal besprochen hat Und nicht drei Tage später an die Tür klopfen und sagen hier Das wird doch länger.
• 1:05:14
  Speaker 1: ja also dass gibt's immer.
• 1:05:15
  Speaker 1: und würde ich jedem raten ganz klar festzulegen okay Was müssen wir erreicht haben?
• 1:05:21
  Speaker 1: Zu welchen Zeitpunkt, um dann sicherheitshalber sagen zu können.
• 1:05:24
  Speaker 1: Wenn man es nicht erreichen kann die Reißleine ziehen und dann merkt man einfach das ist bei uns bis jetzt in jedem Projekt passiert.
• 1:05:29
  Speaker 1: also wirklich jeder einzelne Roboter den wir vermietet haben ist im Nachhinein oder während der Projektlaufzeit auch verkauft worden.
• 1:05:34
  Speaker 1: Also dieses kein einziger Roboter bis jetzt zurückgekommen.
• 1:05:36
  Speaker 1: Das heißt man merkt also innerhalb dieser Zeit okay so meistens mit dem Einsetzen des POCs.
• 1:05:41
  Speaker 1: Man hat bewiesen dass das jetzt funktioniert das einlegen in die Maschine das rausnehmen in die maschine immer noch buggy.
• 1:05:47
  Speaker 1: Also es ist jetzt nicht so, dass man sagen könnte das ist genauso schnell wie der Mensch oder es ist fehlerfrei sondern das ist dann vielleicht immer noch zittrig.
• 1:05:53
  Speaker 1: und da ist es immer noch so dass man sagt ja da müssen wir noch ein bisschen ran das ist noch nicht ein hundert prozent gut positioniert.
• 1:05:58
  Speaker 1: aber man sieht eben dass das was man vorneweg besprochen hat langsam Wahrheit wird.
• 1:06:02
  Speaker 1: und dann ist es der richtige meistens die richtige Zeitung zu sagen okay lass uns darüber diskutieren.
• 1:06:07
  Speaker 1: Wir haben herausgefunden wir hatten am Anfang Skepsis.
• 1:06:09
  Speaker 1: Jetzt wissen wir geht in die richtige Richtung.
• 1:06:12
  Speaker 1: Wir haben schon bewiesen, dass das grundsätzlich funktioniert und jetzt können wir daran weiterarbeiten was es wirklich voll eingesetzt wird.
• 1:06:18
  Speaker 1: Und meistens ist das dann der Zeitpunkt wo bei uns dann heißt hey können wir nicht aus der Miete ein Kaufobjekt machen und dann verkaufen wir eben entsprechend auf den Roboter.
• 1:06:26
  Speaker 0: Vielen zu lernen.
• 1:06:27
  Speaker 0: wir haben also du bist echt von einer Emotionsjedi-Fighter für Roman Uido-Roboter.
• 1:06:33
  Speaker 0: Ich freut mich sehr, dass wir diese Glegenheit haben Austauschen diese Review zu machen Und ich denke, da haben wir heute einiges besprochen.
• 1:06:43
  Speaker 0: Was eine potenzielle Kunde von dir oder beziehungsweise ein Industrieunternehmen viel mitnehmen können für sich um zu entscheiden wie er mit humanoider Projekte starten kann und vielen Dank!
• 1:06:56
  Speaker 0: Ich hoffe dass wir bald uns wieder in leifem Farbe treffen in Hallofa und lass uns im Haus ausbleiben.
• 1:07:04
  Speaker 0: Vielen Dank
• 1:07:05
  Speaker 1: Ich danke dir und vielleicht noch als letzter Teil, wenn irgendjemand diese Use Case Tabelle haben möchte von denjenigen die hier zugehört haben.
• 1:07:11
  Speaker 1: Dann meldet euch einfach sehr gerne bei uns.
• 1:07:14
  Speaker 1: Die schicken wir euch sehr gerne zu.
• 1:07:15
  Speaker 1: dann habt ihr so ein bisschen was als Excel-Sheet wo dran ihr euch orientieren könnt.
• 1:07:18
  Speaker 1: Dann sitzt ihr nicht vor einem leeren weißen Papier sondern habt eine Ausfüllhilfe.
• 1:07:22
  Speaker 1: und ja dann füllt das gerne aus.
• 1:07:23
  Speaker 1: und wenn ihr irgendwelche weiteren Fragen dazu habt, meldet Euch einfach gerne bei.
• 1:07:26
  Speaker 1: Und vielen, vielen
• 1:07:29
  Speaker 0: Dank.
• 1:07:30
  Speaker 0: nochmal in Ruhe.
• 1:07:35
  Speaker 0: Lass uns bitte im Kontakt bleiben!
• 1:07:38
  Speaker 1: Danke auch!
• 1:07:39
  Speaker 0: Wiedersehen!
• 1:07:40
  Speaker 1: Ciao ciao!
• 1:07:42
  Speaker 0: Das war die heutige Episode von China Hotpot – Podcast für deutsche Unternehmer, Manager und junger Talente mit Bezug auf China-Business.
• 1:07:50
  Speaker 0: Chinateam GmbH berät kleine deutsche Firmen den Durchbruch in China zu schaffen und sich langfristig erfolgreich im Markt zu positionieren.
• 1:07:58
  Speaker 0: Folgen Sie uns auf LinkedIn und bleiben sie stets gut informiert.