Videoanalyse statt Bauchgefühl: Wie AI Vision Fabriken produktiver macht

00:00:00: Also das merke ich jetzt auch in San Francisco.

00:00:01: Die Qualität erläutert es natürlich schon extrem hoch hier, aber die Qualität wenn du jetzt im München bist oder in Berlin ist auch sehr, sehr hoch und das ist einfach der amerikanische Spirit.

00:00:08: Einfach halt mehr über den Storytelling zu kommen, größter zu denken, optimistischer zu sein... Das sehen wir auch bei unseren Kunden.

00:00:14: dass der deutsche Ingenieur natürlich immer versucht zu verstehen wo sind jetzt eigentlich genau die Grenzen der Technologie?

00:00:19: Was funktioniert nicht und eher Risiko halt zu verstehen und die Downside irgendwie besser zu verstehen.

00:00:24: Und der Amerikaner versucht halt eher so was ist eigentlich das generell Potenzial wenn ich das jetzt überall einsetze wie viel besser kann ich werden, wie viel größer kann mein Geschäft werden.

00:00:31: Das ist eher eine Mentalitätssache eigentlich, die in den Köpfen einfach drin ist.

00:00:44: Herzlich willkommen bei Digitale Vorreiterin!

00:00:46: Deinen Podcast zur Digitalisierung von Vodafone Business.

00:00:50: und heute haben wir ein tolles AI-Thema bei uns.

00:00:53: Ich habe nämlich den Max Fischer bei mir zu Gast.

00:00:55: Er macht das Unternehmen Almetra und Almetrah macht etwas was ich vorher noch gar nicht kannte.

00:01:01: Er überwacht mit AI, was in Fabriken passiert und leitet daraus ab.

00:01:08: Was diese Fabrike besser machen können um noch produktiver zu sein?

00:01:12: Um Fehler zu vermeiden?

00:01:14: Um Ausschuss zu verringern?

00:01:16: Um die richtigen Werkzeuge einzeln

00:01:17: usw.?

00:01:17: Also richtig, richtig spannende Arbeit!

00:01:20: Und wie das Ganze funktioniert?

00:01:23: Wie sie wachsen?

00:01:24: Wie schnell die Kunden auch irgendwie verstehen, Alter, das kann sich der Max jetzt am besten selber erzählen.

00:01:31: Herzlich willkommen, Max.

00:01:31: Schön dass du bei uns bist!

00:01:33: Hi Christoph, freu mich da zu sein.

00:01:36: Dein Job ist auf jeden Fall international.

00:01:38: Ich habe mitbekommen Du sitzt jetzt gerade in San Francisco oder?

00:01:42: Korrekt, genau bin in USA.

00:01:43: ja

00:01:44: Erklär'n's mal nochmal an zwei Sätzen was Almetra macht und ob das schon einigermaßen gut war wie es erklärt hab.

00:01:50: Oder ob du sagst naja In Wirklichkeit machen wir das und das.

00:01:53: Also ich glaube du hast es schon ganz gut zusammengefasst.

00:01:55: Am Ende gehts bei uns beim Metra darum Fabriken zu helfen Effizienzen zu steigern, am Ende mehr zu schaffen mit den Ressourcen die man hat.

00:02:04: Unser Fokus ist ganz stark auf eben Shopfloor Produktion nutzender für KI.

00:02:10: wir haben eine Vision AI also eine KI die Videodaten analysiert um am ende Transparenze machen.

00:02:17: was passiert eigentlich auf dem Shopfloar?

00:02:19: und wir schauen dann Roboter Zellen an Wir gucken uns Materialflüsse an, wir gucken uns manuelle Tätigkeiten an um möglichst umfassendes Bild zu darzustellen, was basiert euch in der Produktion?

00:02:31: Wo sind die Engpässe, wo ist Verschwendung?

00:02:34: und nutzen dann eben auch KI um den Shopfler-Managern und Ingenieuren halt aufzuzeigen, wo es Potenziale zur Verbesserung.

00:02:41: Definier bitte für mich nochmal shopfleur.

00:02:43: ich dachte als ich das Wort zum ersten Mal gelesen habe in der Vorbereitung dass damit natürlich der Boden einer Shopfläche also eines Ladens gemeint ist.

00:02:50: aber das ist falsch.

00:02:52: Ja genau also alles Produktionslogistik am Ende da wo die Maschinen eben die Produkte hergestellt werden, auch die Lagerhallen am Ende.

00:03:02: Das ist so im weitesten Sinne Shopfloor.

00:03:04: Und das Interesse an euch ist relativ gut?

00:03:06: Ich glaube von ein paar Wochen habt ihr eine... ...neinzehn Millionen Dollar Series A veröffentlicht.

00:03:13: Erzähl mal!

00:03:14: Korrekt genau also.

00:03:15: wir haben vor kurzem eine Series A gemacht mit unseren Bestandsimmistoren Merantix und NAP.

00:03:22: Bliss ist jetzt als neue Lead Investor dazugekommen eine Reihe weiterer Business Angels, die uns unterstützen.

00:03:27: Genau und das nutzen wir jetzt um den Wachstum der Firma anzukurbeln.

00:03:33: eben US-Markt da bin ich jetzt eben relativ viel.

00:03:36: Da gibt es sehr viele Nachfragen, da tut sich relativ viel auch im Industrieumfeld gerade mit den Zöllen

00:03:42: etc.,

00:03:43: werden jetzt immer mehr Fabriken kommen wieder zurück in die USA und da ist ein sehr hoher Bedarf.

00:03:48: natürlich dann auch Produktivität und Effizienz zu steigern irgendwie

00:03:51: Und das würde ich später natürlich gerne noch mal fragen, aber man machen wir später ob du das Gefühl hast dass durch diese ganze von uns immer ausgelachte Zoll Strategie wirklich mehr Produktionsrück ins Heimatland fließt.

00:04:02: Aber können wir nachher beantworten?

00:04:04: Ich habe in der Vorbereitung gelesen, dass du sagst Durchschnittliche Fabriken laufen auf nur zwei Drittel ihrer echten Kapazität was natürlich dramatisch erstmal anhört.

00:04:13: Wenn ich jetzt Werkleiter bin und das höre, glaubst du dass die Leute sagen, das kann überhaupt nicht sein.

00:04:20: Das ist irgendwie ein Salesversprechen.

00:04:22: oder kannst du gut erklären wo sich die fehlenden thirty- drei Prozent Kapazität da verstecken?

00:04:28: Ja, ich meine am Ende ist es ein Durchschnittswert muss man natürlich sagen.

00:04:31: Aber es gibt so einen OEE, eine Metrik die in der Produktion sehr viel genutzt wird.

00:04:37: Das ist am Ende die Produktivitätskennzahl im weitesten Sinne und der Durchschnitt ist bei sechzig Prozent.

00:04:43: So hundert Prozent ist auch nur theoretischer Wert aber wenn mal bei achtzig-fünfundachtzig ist dann ist man so Weltklasse sag' ich mir unterwegs, aber der Durchsschnitt ist bei Sechzig.

00:04:52: Das heißt man sieht schon dass da irgendwo ein Drittel eigentlich an Gap ist zu zeigen.

00:04:57: Best in Class eigentlich ist.

00:05:00: Ich würde schon sagen, dass die meisten Fabrikleiter das Gefühl haben und unterschreiben, dass mehr Potenzial da ist.

00:05:08: Man muss aber auch sagen, eine Fabrik einfach komplex ist.

00:05:11: Also ich weiß nicht ob du schon mal an der Fabrik warst, aber jedes Mal wenn du da irgendwie am Shopfloor stehst, so hast du irgendwie dutzende Maschinen, du hast hunderte von Mitarbeitern... Es sind ja ein komplexes System um da, wenn du am Shop floor stehst zu verstehen was ist denn gerade der Zustand?

00:05:25: Also wo stehe ich eigentlich gerade, schaffe ich grade mein Output?

00:05:28: Wo ist mein Engpass?

00:05:29: Das ist gar nicht so einfach.

00:05:31: Und es gibt halt typischerweise relativ wenig Daten vom Shopfloor.

00:05:36: Viele von den Fabriken mit denen wir zusammenarbeiten haben rudimentäre Informationen über Stückzahl, High-Level Produktivität wenn man weiß irgendwie was am Ende der Linie rauskommt.

00:05:47: aber wo's in der Linien hakt ist oft nicht wirklich bekannt und Es gibt oft zu wenig oder nicht die richtigen Daten.

00:05:55: Teilweise sammeln die Fabriken schon relativ viele Informationen, aber durch diese Daten dann durchzugehen und dann zu analysieren und wirklich zu verstehen was ist denn jetzt die Ursache dass die Maschine immer irgendwie am Dienstag hakt?

00:06:09: Ist halt ein extrem hoher manueller Aufwand und da kann halt KI massiv unterstützt werden.

00:06:14: Du hast gesagt richtig gute Firmen haben um wie Gibt es so ein paar Unternehmensnahmen, die man dann nennen kann?

00:06:27: Also in meinem Kopf wenn ich das höre.

00:06:29: Denke ich jetzt an diese anscheinend fast vollautomatisierten chinesischen Autoproduktionsfirmen.

00:06:34: oder ist das eigentlich je eine andere?

00:06:37: Genau also Automotive.

00:06:38: Ich meine die chinesische Fabriken sind extremst weit vorne muss man sagen.

00:06:41: Das ist auch auf die chinessischen Fabriksen.

00:06:43: Die Lighthouse Factories von unseren Kunden sehr oft.

00:06:48: Je höher der Automatisierung ist gerade, desto höher ist auf die Produktivität natürlich.

00:06:53: Und gerade Automotive ist generell schon der Segment, wo die Prototv mit Abstand am höchsten ist.

00:06:59: Weil da traditionell einfach am meisten Fokus auch gelegt wurde.

00:07:04: Es kommt ja aus dem japanischen Autobau die Kaizen-Methode, wo man sagt jeder im Fließband hat die Möglichkeit irgendwie auf Stopp zu drücken dann hält das ganze Fließ Band an und dann guckt man genau hin was war das Problem und lernt daraus dass dieses Problem irgendwie nie wieder stattfindet.

00:07:20: Kaisen,

00:07:20: genau.

00:07:21: Also das ist eigentlich an diese anderen Courts, dass der Mitarbeiter sozusagen das Bunch anhalten kann und dass das Problem sofort behoben wird.

00:07:30: Kaisan ist so eher dieses continuous Improvement eigentlich, dass ich immer wieder inkrementelle Verbesserungen mache.

00:07:39: Und das ist sehr stark von Toyota geprägt aus Japan die unglaublich ja also unglaublich weit sind.

00:07:48: viele Firmen versuchen das zu imitieren.

00:07:51: Es ist aber eher, also Kaisen und Andorne sind ein Teil von der größeren Philosophie.

00:07:56: Also Lin ist eine sehr umfassende Unternehmenskultur eigentlich als die einzelnen Methodik sag ich mal.

00:08:06: Aber Andorna und Kaisan sind auf jeden Fall zwei Methoden davon.

00:08:08: Ich

00:08:10: glaube du hast mal in einer Fabrik gestanden Wieso das hier aussieht, bin mir ziemlich sicher dass der Bediener irgendwo Fehler macht.

00:08:20: Und dann habt ihr Langzeit-Videodaten erzeugt und dann kam irgendwie raus es war eher die Art und Weise wie das Material irgendwie angeordnet ist.

00:08:28: Erstmal habe ich das richtig zusammengefasst.

00:08:29: und zum zweiten was habt ihr auf diesen Videodaten konkret sehen können?

00:08:35: Dass ihr auch darauf kommt irgendwie Material layout war nicht in Ordnung.

00:08:42: Genau also wir machen unter anderem eben manuelle Prozesse beobachten wir.

00:08:47: Das sind zum Beispiel so manuelle Montagelinien, wo du einzelne Stationen hast ein Mitarbeiter arbeitet in einer Station Du hast irgendwie Regale, wo Material gelagert wird oder Mitarbeiter immer mal wieder aufstehen muss sich was holen muss, wieder zurückgehen muss und sich dann auch teilweise.

00:09:02: seine Boxen sind dann so Elektronik Komponenten.

00:09:05: als Beispiel gibt es dann irgendwie zehn zwölf verschiedene Boxen an der station unterschiedlich anordnet.

00:09:11: Was wir jetzt erstmal sehen, über unser Daten ist A in dieser Linie was es eigentlich der Engen passt.

00:09:16: Das ist immer so.

00:09:16: erst mal die erste Fokus.

00:09:18: So was ist eigentlich die Station wo's am längsten dauert und das... ...was eigentlich die ganze Gesamtlinie limitiert?

00:09:24: Darauf fokussierst du dich!

00:09:26: Und dann guckst Du Dir an was passiert eigentlich in dieser Station.

00:09:30: und was wir halt sehr oft sehen ist Entweder der Mitarbeiter muss sehr oft zum Beispiel aufstehen und Material holen, Werkzeuge holen und Kisten von A nach B schieben.

00:09:40: Das ist so ein Thema und da guckt man sich dann an kann ich entweder das Layout verbessern, Kisten anders erordnen die Materialpuffer irgendwie veranpasst an der Station oder kann ich die Organisation der Linie ändern dass der Mitarbeiter gar nicht aufsteht sondern man bringt ihm das Material als Beispiel?

00:09:56: Das sind eben so Themen die man dann ganz gut sieht bei uns oder wirklich dann die Abläufe an sich.

00:10:02: Und da gibt es dann sehr, sehr oft unterschiedliche Vorgehensweisen.

00:10:05: Eine Mitarbeiter macht die Küsten so rum, der andere nutzt dann irgendwie zwei Hände und ein paar Produkte zu greifen.

00:10:11: Manche machen das beidhändig.

00:10:13: Das sind dann so unterschiedliche Vorgehenswesen, die man halt auf diesen Videos sieht.

00:10:16: Das dedikiert unsere KI.

00:10:18: Ich habe hier verschiedene Methoden gefunden.

00:10:21: Dann wird in der Diskussion mit den Mitarbeitern und den Ingenieuren entschieden was ist ein neuer Best Practice?

00:10:27: Wir hatten zum Beispiel einen Fall, er war auch eine Kunde von uns... Die machen so Schutzschalter und dann waren eigentlich zwei Methoden ungefähr gleichwertig von der Qualität und Effizienz.

00:10:38: Da war einmal, ich drück eine Komponente mit einem Daumen rein und die anderen haben es da mit einer Pinzette reingedrückt.

00:10:44: Und was machen wir jetzt sozusagen?

00:10:46: Was ist eigentlich der bessere Prozess?

00:10:48: Dann kam halt in den Disko mit den Mitarbeitern raus ja und tut ihr Daumen weh!

00:10:51: Deswegen nehmen mir die Pinzetten und die Anderen waren so ja, mir tut er Daumen nicht weh, deswegen drück ich's einfach rein.

00:10:56: Und dann hat man halt in so eine Kappe gekauft, dass sie alles reindrücken können.

00:11:00: Weil es ein bisschen schneller war und weniger fehleranfällig war.

00:11:05: Aber das sind Feinheiten in den Prozessen die man aufzieht.

00:11:08: aber oft sind es eben auch organisatorische Themen.

00:11:10: Mitarbeiter müssen viel zu oft irgendwie aufstehen sondern überrascht wie viele Kilometer die Mitarbeiter laufen müssen eigentlich weil man da vorne nicht die Tratsvariante hat.

00:11:20: Beobachten Videos aufnehmen?

00:11:22: Das ist irgendwie eine Art Wie er an diese Daten kommt.

00:11:24: gibt es weitere typische Datenerhebungssensoren oder Möglichkeiten?

00:11:33: Wir können auch in exzessine Daten anzapfen.

00:11:36: Also wenn man irgendwie von der Maschine schon Daten irgendwo hat, die sammelt ja oder speichert oft irgendwo schon mal Informationen dann können wir sie auch analysieren und integrieren.

00:11:46: Die Videodaten sind schon immer ein Kern der Installation.

00:11:50: also weil es ist halt eigentlich in jeder Produktion selbst bei einer voller Automatisierung Linie haben wir auch einen Automotive Zulieferer In Deutschland, völlig automatisierte Linie.

00:11:59: auch dort hast du nicht überall einen Sensor verbaut.

00:12:02: Also wenn in einer Roboterzelle hast mit sechs Robotern um zu verstehen warum der Roboter II gestanden ist musst Du halt genau verstehen was eigentlich passiert ist.

00:12:10: Wo war das Material?

00:12:11: Was irgendwie schief?

00:12:11: bei der Werkstückträger war da ein Defekt und dann kriegste halt über Videodaten immer zusätzliche Informationen.

00:12:16: aber wir kombinieren das halt eben mit anderen existenten Daten.

00:12:20: Schauen jetzt auch nach weiterer Sensation.

00:12:22: installieren

00:12:25: müsste auch so kreativ sein.

00:12:26: Also das hier sagt, als wir ankamen wurde siebzehnmal pro Schicht scheiße gesagt und unser Ziel muss sein ist auf drei mal runterzubringen weil dann wissen wir einfach es gibt viel weniger Sachen die... also könnte das auch mal irgendwann Teil dieser ganzen Systematik sein.

00:12:39: oder klingt das eher nicht zielführend?

00:12:44: Du meinst dass

00:12:46: der Mikrofon ausstellt und sagt hier dreizehnmal per Stunde hat sich Mitarbeiter aufgeregt das heißt ja da klappt irgendwas noch nicht und jetzt sind wir rund auf vier Mal.

00:12:55: Also Mikrofon ist tatsächlich interessant, also jetzt nicht hinsichtlich dass man da dauerhaft jetzt irgendwie Ton aufnimmt.

00:12:59: Das wäre jetzt nicht unser Ansatz.

00:13:01: aber was schon relativ relevante ist das Wissen der Mitarbeiter abzugreifen.

00:13:06: und Da sind die Überlegungen, dass wir über Sprache einfach viel mehr damit er mit den Mitarbeiter so Informationen verabholen, dass man weiß okay die Maschine stand jetzt Man hat irgendwie gewisse Sachen erkannt in den Daten Aber man hat trotzdem nicht immer den vollen Kontext weil der Mitarbeiter Manchmal die hören dann irgendwas oder haben irgendwas im Gefühl.

00:13:25: Oder machen dann auch irgendwas, was man gar nicht so einfach mitbekommt mit Video- oder andere Sensorik und da den Mitarbeiter dann zu fragen, hey, was hast du denn eigentlich gemacht?

00:13:34: Und er sagt das halt kurz zwanzig Sekunden und spricht das auf der... oder bringt es dabei.

00:13:38: Das ist eine absolute Richtung an die wir gerade denken.

00:13:42: Du sagst ihr versucht jetzt im US Markt Fuß zu fassen.

00:13:45: ich habe jetzt aus dem deutschen Markt würde mir vorstellen wenn das Wort Kameras über Arbeitsplätzen fällt dass da natürlich sofort alle Betriebsratsalarmglocken schrillen.

00:13:56: Gibt es konkrete Gesetze, wo du sagst so ja das ist leider genau das Gesetz Paragrafartikel der uns irgendwie das Leben schwer macht?

00:14:03: oder gibt's auch andere?

00:14:04: Wo du sagest ne zum Glück ist das deutsche Recht gar nicht so schlecht.

00:14:08: und genau für unseren Zweck gibts den Paragrafen der erlaubt, dass man Mitarbeiter eine Kamera übern Kopf hängen darf wenn sie arbeiten.

00:14:16: Genau, es ist generell natürlich ein Thema.

00:14:18: Weil Kameras ja klassischerweise immer diesen Überwachungskarakter haben.

00:14:22: Das ist auch der klassische Anmeldungsfall.

00:14:23: Ich installiere eine Kamera, habe einen Live-Filter und nehme alles auf.

00:14:26: Für uns ist die Kamerayan nicht anders wie ein smarter Sensor.

00:14:29: Also diese Rohvideos zum Beispiel werden nur von der KI analysiert oder in der Fabrik auf PCs.

00:14:36: Die KI guckt sich Videos an, sieht dann irgendwie Arbeitsschritt oder Maschine steht.

00:14:41: Diese Statistik wird gespeichert das Rohvideo über sofort wieder gelöscht.

00:14:46: Es werden dann teilweise so Videosequenzen gespeichert, die werden dann aber anonymisiert.

00:14:49: also man sieht die Mitarbeiter da nicht auf dem Video und werden ausgeschwert oder ausgeblaut.

00:14:55: Also man kann da technisch relativ viel machen und eigentlich durch KI überhaupt Kameras Datenschutzkonform einsetzen.

00:15:03: Und dadurch haben wir auch sehr gute Diskussionen was mal mit sagen mit den Betriebsräten die natürlich erstmal besorgt sind wie kommt das bei den Mitarbeitern an?

00:15:10: Überwachen wie jetzt die Personen.

00:15:12: Wenn wir dann erklären, wie unser System funktioniert.

00:15:15: Die Löschung der Rohvideos die Ausschuandemissionen der Mitarbeiter... ...die Akkligierung von Statistiken Dann haben wir eigentlich recht gute Diskussion.

00:15:22: mit den Betriebsreden muss man sagen Der Datenschutz ist natürlich ein sehr aufwendiges Gesetz und sehr einzelfallabhängig.

00:15:31: Also das ist so ein bisschen der Vor- und Nachteil sag ich mal der DSG VOR Dass es immer einzelfallenabhängiger ist.

00:15:38: Ich kann auch zum Beispiel jetzt nicht wenn ich einen Kunden habe Wie Bosch.

00:15:42: Also man kann das natürlich datenschutzkonformen überprüfen und freigeben, aber es muss dann immer.

00:15:46: trotzdem gibt's da noch gewisse Situationen wo nochmal Prüfungen gemacht werden müssen.

00:15:50: Und für uns wäre es natürlich am einfachsten wenn man sagt DSGVO-konforme also Zertifizierung.

00:15:54: Man kann das überall in Europa einsetzen und dann gehts wieder in der Spezifikas.

00:15:59: Es ist ein bisschen aufwendiges Gesetz.

00:16:01: eigentlich mal in der Durchführung von der Idee richtig dass man halt darlegen musste die Daten verarbeitet wobei sie gespeichert hat dass man dann eben die auch eine Grundlage hat, das überhaupt zu dürfen etc.

00:16:14: Sag mal in der Umsetzung ein bisschen bürokratisch vielleicht aber...

00:16:18: Aber wenn du dich entscheiden müsstest ob das DSG für Europa eher ein Standortvorteil ist oder eher nicht?

00:16:25: In welche Richtung tendierst du da?

00:16:27: Also ich würde sagen Richtung KI.

00:16:28: ist es schon so in der jetzigen Form ein Nachteil weil's einfach Sachen extremst verzögert und auch Unsicherheit einfach Es gibt halt Unsicherkeit.

00:16:37: was jetzt?

00:16:38: Wie gehe ich mit Daten um?

00:16:39: Was darf ich mit Daten machen, was darf ich nutzen für KI das Training von KI Modellen.

00:16:45: Ich würde sagen dass das schon eine starke Verzögerung von gewissen Projekten auch verursachen kann.

00:16:55: Grundsätzlich ist es trotzdem richtig also ich bin jetzt auch nicht ein Freund zu sagen wir machen jetzt keinen Datenschutz und machen das wie in Amerika.

00:17:02: Also das auf keinen Fall.

00:17:02: Man muss halt gucken, kann man das halt etwas vielleicht unburegratischer machen und auch klare regeln?

00:17:07: Das würde auch zum Beispiel stark helfen, dass man einfach klare definiert was geht, was geht nicht Und nicht immer eine Einzel ab weil wir jedes Mal halt ein Dokument mit dreißig Seiten dann ausfüllen sozusagen für jeden Einzelfall.

00:17:22: Ich glaube wenn ihr mit Unternehmen sprecht oder euer Versprechen ist so bisschen zwanzig Prozent mehr Produktivität Was natürlich unfassbar ist falls jetzt hier Unternehmen zuhören, die shopfloors betreiben.

00:17:35: Was passiert in den ersten zwei Wochen nachdem ihr irgendwie auf den Hof rollt und mit eure Arbeit anfängt?

00:17:43: Ja, das sind zwanzig Prozent klingt viel.

00:17:45: erst mal.

00:17:46: wir arbeiten ja auch mit ziemlich, sag ich mal führenden Produktionsunternehmen zusammen.

00:17:50: teilweise sind die Potenziale sogar noch höher.

00:17:53: es ist halt oftmals überraschend wie tatsächlich dann Prozesse und wo wirklich die Probleme eigentlich sind.

00:18:00: Also typischerweise, du kannst dir das vorstellen wie wird eigentlich klassische Optimierung gemacht ist.

00:18:05: Man hat so ein bisschen Daten man weiß welche Linie gut und schlecht läuft auf der Produktivitätsebene und wenn jetzt eine Linie schlecht läuft dann geschickt man in den Ingenieursteam an die Linie die am Ende beobachtet Und die machen das temporär ja, die gehen dann eine Schicht hin zwei schichten hin und nehmen dann Daten auf und oftmals kommen dann die falschen Erkenntnisse heraus.

00:18:23: also haben wir auch schon wo wir dann bevor wir unsere Lösungen installieren dann beobachten mit die Linien Und dann sehen wir, die Qualitätsprüfungsmaschine ist das Bottleneck.

00:18:33: Normalerweise was jetzt passieren würde ist dass diese Engineering Teams anfangen dieses Problem zu lösen.

00:18:38: wie kann ich die Testzeit reduzieren dieser Maschine etc.

00:18:41: und oft ist es so wenn wir unsere System installieren Dann ist das gar nicht das Bottlingeck.

00:18:46: Das war vielleicht in diesen zwei Schichten das bottlingecks.

00:18:48: aber sonst eigentlich war das Problem ganz woanders weil davor der Prozess langsamer weil dort auf Material fehlt sind dann die Erkenntnisse gar nicht so spektakulär, aber man hat halt einfach quantitative Daten und man weiß halt wo wirklich das Problem herkommt.

00:19:05: Und das führt dazu dass man relativ schnell eben sehr hohe Potenziale heben kann.

00:19:08: Also es ist ja wie ein Vertriebsfahren Last und am falschen Ende des Vertriebesfahrens auf einen Anfang zu optimieren.

00:19:16: Dann wird's nie besser.

00:19:18: wenn ihr genau weißt wo das Problem ist, dann bist du halt sehr effizient in der Lösung der Probleme.

00:19:24: Du hast eben gesagt, ihr habt teilweise große Kunden.

00:19:26: Ich glaube Bosch ist darunter Siemens Energy ABB Das sind wahrscheinlich auch nicht die einfachsten Kunden.

00:19:33: um mal zu sagen Lass uns mal ein Testcase in Piloten machen.

00:19:36: Ihr seid glaube ich knapp fünfzig Mitarbeitende.

00:19:42: Wie groß ist das Thema Procurement Vertriebs?

00:19:47: Also Ist das so schwierig wie so eine Vorstellung.

00:19:50: oder haben die eigentlich total Bock, wenn du sagst wir kommen zu euch können euch zum Beispiel zwanzig Prozent mehr Produktivität in der Fabrik hinbekommen?

00:20:00: Ja also ich würde sagen die Leute die operativen Leute diesen natürlich auch.

00:20:04: gerade bei so größeren Konzernen hast ja andere Strukturen die dann spezifische Teams die mehr nach Innovation suchen noch neuen Lösungen suchen.

00:20:11: Also da sehen wir schon dass diese Firmen sehr offen sind.

00:20:15: Es ist natürlich klar, dass man einen größeren Einkaufsprozess hast.

00:20:18: Wenn du jetzt bei Bosch bist wie bei einem Mittelständler, der etwas pragmatischer in gewissen Sachen ist weil es einfach eine kleinere Organisation ist.

00:20:28: Wir haben mittlerweile viel Erfahrung gesammelt wie man durch diese Prozesse durchkommt.

00:20:33: Oft ist auch so das die Firmen ein bisschen Unterstützung brauchen.

00:20:36: Wie kaufen sie eigentlich Software tatsächlich?

00:20:38: Weil oft zum Beispiel KI basierte Software als Service Lösungen gibt es praktisch keine im Einsatz in der Produktion normalerweise bei egal welchen Firmen, also sehr wenig.

00:20:48: Ja und das heißt die meisten Leute bei uns unsere Champions beim Kunden haben das noch nie gekauft.

00:20:53: ja und da ist dann viel so.

00:20:55: wir haben eine Checkliste.

00:20:57: die gehen wir immer sehr systematisch durch um ein bisschen zu supporten wie man dadurch die Prozesse durchkommt.

00:21:02: aber ja ich meine es gibt halt Themen wie IT Security aber diese sind auch nachvollziehbar.

00:21:05: dass da bei Großkonzernen insbesondere dann gewisse Standards eingehalten werden müssen muss man wissen.

00:21:12: also es dauert natürlich länger Eine große Firma zu verkaufen, wie eine kleine.

00:21:26: Du hast glaube ich mit einem früheren Unternehmen Actix über vierzig Fabriken mit digitalisiert.

00:21:34: daraus hast du vielleicht auch viel gelernt was ihr jetzt bei Ametra irgendwie besonders gut oder besonders vermeiden wollt oder sowas.

00:21:42: Was sind so Hypothesen wo du gesagt hast Das sind zwei, drei Do's bei Almetra und das sind zwei Dones bei Al-Metra die ich nicht wiederholen möchte.

00:21:51: Die du von deiner vorherigen Gründung irgendwie mitgenommen hast?

00:21:57: Nein natürlich super viel.

00:21:59: Hiring, Teamaufbau, wann brauchst du welche Strukturen?

00:22:02: wie früh baust du dann deine Vertriebsorganisation auf?

00:22:08: Das sind so viele Learnings die man natürlich irgendwo mitnimmt wenn man das zweite mal eine Firma aufbaut.

00:22:16: Hier gibt es viele spezifische Learnings natürlich auch im Fabrikumfeld, muss man sagen.

00:22:20: Also in meiner alten Firma bei Actics was wir gemacht haben, das war die erste Welle der Digitalisierung von Produktionen.

00:22:28: Wir haben gesehen dass es wenig Daten in der Produktion gibt und gerade wir haben viele Mittelsteiner zusammengearbeitet, die am Ende viel auf Papier unterwegs waren.

00:22:38: Die auf Papiers aufgeschrieben haben, was sie produziert und eigentlich gar keine Daten hatten.

00:22:43: Und wir haben angefangen dann mal die ersten Digitalisierungslösungen zu implementieren.

00:22:46: Ein Tablet an der Linie, dass sie Mitarbeiter zurückmeldet und welchen Auftrag arbeiten sie eigentlich gerade?

00:22:50: oder wenn eine Störung ist was war ein echtes Problem?

00:22:54: Was wir gesehen haben ist halt das diese Lösungen hilfreich sind.

00:22:57: so um einmal mal zu wissen wo stehe ich eigentlich, verliere ich oder gewinne ich eigentlich gerade aber halt oft nicht warum.

00:23:04: Das war so ein bisschen das Problem das halt in die Firmen gar nicht so viel mit den Daten anfangen konnten weil es halt nicht ganz klar war.

00:23:09: was mache ich jetzt eigentlich?

00:23:10: okay jetzt weiß ich dass die Linie an der Schicht besser läuft, wie ein An-der-Schicht.

00:23:16: Aber warum ist das denn so?

00:23:19: Das hat dann immer weiterhin sehr viel Aufwand erfordert, wieder diese Ingeniellenkeams, die an die Linien gehen, weitere Daten sammeln und nachforschen was da eigentlich wirklich passiert.

00:23:29: Und das hat am Ende dazu geführt, dass die Verbrücken sicherlich nicht wirklich verbessert haben.

00:23:33: Das ist auch einer der Gründe unter anderem ja das ganze Thema Industrie für Punkt Null weniger erfolgreich ist, wie man ja gedacht hat.

00:23:43: Also wenn ich heute in der Fabrik gehe, im Jahr zwanzig sechsundzwanzig und eine Fabrik zu zwanzigssechzehn anschaue dann gibt es eigentlich praktisch keinen Unterschied.

00:23:50: also ich wüsste nicht... Wow!

00:23:53: Es wäre sehr schwer das zu unterscheiden und es liegt halt daran dass diese Lösungen die dann teilweise auch in den letzten Jahren versucht wurden auszurollen und eingeführt werden einfach nicht den Mehrwert gebracht haben den sie eigentlich hätten bringen sollen.

00:24:07: Und das ändert sich jetzt aber.

00:24:08: Mit KI kannst du eine ganz andere Lösung bauen, ne?

00:24:12: Wenn ich jetzt aber so eine Jahrzehntzwanziger deutsche Produktionslinie vergleiche mit einer Jahrzehnzehnte zwanziger chinesischen Produktions Linie wusste dann die größten Unterschiede, wenn diese wahnsinnig hohe Produktivitäten hinbekommen und wir nicht...

00:24:25: Also hier sind halt digital.

00:24:27: Es sind natürlich auch viele neue Produktions-Linien entstanden.

00:24:31: also da kann man natürlich dann auch anders auf vereinführen.

00:24:34: Ich würde es auch nicht sagen, dass jetzt alles viel besser ist in meinem Kino.

00:24:37: Es gibt natürlich diese... Sie sind dann auch auf LinkedIn, sieht man die Leitsat-Fact, wie wir sehen im Kino, es gibt auch ganz andere historien.

00:24:45: im Kina muss man auch sagen, wo sehr, sehr viel extrem manual gearbeitet wird und auch sehr ineffizient und das dann kompensiert wird durch Arbeitskraft, sag ich mal also.

00:24:55: Ich würde auch nicht sein, dass wir da jetzt schon komplett verloren haben mit Europa.

00:24:57: aber es ist ja generell trotzdem so, dass in China halt mehr sind zurück, mehr AOT, mehr AI schon implementiert wird und vor allem in einem sehr, sehr größeren Tempo jetzt auch gearbeitet wird.

00:25:12: Der Unterschied heute ist jetzt vielleicht je nachdem in welchen Fabriken welche Sektoren man schaut mehr oder weniger groß.

00:25:18: die Frage ist halt wie es das sind drei bis fünf Jahren?

00:25:21: Und das Tempo ist einfach massiv im Kino.

00:25:23: wir sehen auch ein großes Tempo in den USA und da muss Europa einfach dran bleiben um damit zu halten.

00:25:30: Jetzt ist zum zweiten mal USA aufgetaucht, jetzt muss ich nochmal nachfragen.

00:25:33: USA hat glaube ich in den letzten dreißig Jahren auch wahnsinnig viel Produktionskenntnis nach China abgegeben.

00:25:40: Ich hatte mal irgendwie so ein zwei YouTube-Videos am letzten Jahr gesehen wo jemand sagte er versucht jetzt mit in den USA gesoursten Mitteln Maschinen irgendwie wieder eine Produktion aufzubauen.

00:25:48: Es war fast unmöglich.

00:25:49: und weil die auch alle sagten hier arbeitet keiner mehr der weiß wie man das kann und so weiter.

00:25:53: Und haben die das verstanden und lenken jetzt gut dagegen, weil du sagst teilweise bauen jetzt sehr, sehr gute Produktionsmöglichkeiten wieder auf.

00:26:04: Und ist das... hältste das für strategisch wichtig für ein Land?

00:26:11: Also genau, ich kann auf jeden Fall unterschreiben dass auch wenn man sich so durchschnittlich mal in der Fabrik anschaut im USA, dass die weniger gemacht haben in den letzten zwanzig Jahren also weniger im Bereich Digitalisierung, weniger bei dem Bereich Lean Manufacturing.

00:26:25: Wir merken das, das ist so bisschen anecdotisch aber Wir oft in der unser Ansprechpartner Ingenieure, in den Fabriken in Europa.

00:26:32: Also dann Industrial Engineers, Manufacturing Engineers und die sind oft so mein Alter Mitte dreißig Anfang vierzig teilweise auch jünger also ganze Spektrum.

00:26:42: in den USA ist es echt oft so dass die viel älter sind.

00:26:46: das ein bisschen anektotisch.

00:26:47: aber wir rufen ja auch oft diese Ingenieur an die so Ja ich bin jetzt gerade im Ruhestand gegangen oder ich bin kurz vorm Ruhbestand also da fehlt halt so eine Generation eigentlich von Leute, die in der Fabrik gearbeitet haben.

00:27:00: Und das wird die Industrie da schon sehr stark.

00:27:04: Also sie haben noch mal massivere Probleme mit Fachkräftemangel und auch das generelle Qualifikationslevel ist deutlich geringer.

00:27:13: aber die investieren natürlich jetzt an Aggressiven in KI und müssen es auch weil sie halt noch mehr aufholen müssen.

00:27:19: Generell ich meine da kann man glaube ich diskutieren wie viel wichtiges Industrie generelles... Man sieht ja jetzt hier Wenn man, wenn es im Defense-Bereich allein geht ist am Ende eine Industriekapazität zu haben.

00:27:33: Unabhängige in gewissen Bereichen sind schon wichtig.

00:27:36: Ich bin trotzdem ein großer Verfechter von Handel und dass man da kollaboriert um sich nicht abschottet aber gewisse Fähigkeiten im Land zu haben ist glaube ich schon schon wichtig

00:27:46: ja.

00:27:46: Also so ne Zugroßabhängigkeit kann auch irgendwann zum Problem werden?

00:27:51: Ja absolut!

00:27:52: Ihr seid bei Google DeepMind in den Robotics Accelerator und habt glaube ich auch noch einen Physical AI Fellowship von AWS Nvidia.

00:28:06: Das klingt ziemlich cool, aber das klingt aus ein bisschen danach als würden die bei euch wirkliche Deep Tech Grundlagen Eigenschaften sehen.

00:28:17: was bringt so'n Deep Mind Robotics accelerator euch wirklich messbar?

00:28:24: Was davon ist einfach nur irgendwie gut für die nächste Series B oder sowas?

00:28:29: Wie sind denn deine Erfahrungen?

00:28:34: Genau, also ich mein vielleicht einen kurzen Schritt zurück.

00:28:36: Warum machen wir überhaupt in diesem Robotics-Programm mit... Unser Fokus heute ist ja sehr stark, sag ich mal Prozesse zu digitalisieren und zu verbessern.

00:28:47: Die Daten, die wir aber sammeln gerade Videodaten sind uns sehr nützlich um dann später einzelne Tätigkeiten auch zu automatisieren.

00:28:55: Das fängt auch schon an bei der Identifizierung.

00:28:57: Wo kann ich eigentlich überhaupt automatisieren?

00:28:59: Weil es wird nicht so sein, dass ich jetzt von Null auf Hundert automatisiere.

00:29:02: Ich habe eine Linie mit zehn Stationen und dann hab dann zehn Roboter, sondern das wird sehr, sehr graduell auch nur optimiert werden, automatisiert werden.

00:29:11: Es wäre noch Prozesse umgestellt werden müssen weil ich dann eher zwanzig Prozent von der Arbeit und zwanziger Prozent von DER automatisiere und dann irgendwo eine Station bündel.

00:29:19: also da gibt's schon einiges an Veränderungen die noch auf die Fabriken zukommt und dann wirklich automatisierungsfähig zu werden.

00:29:26: Aber klar, diese Videodaten sind ein Prozesswissen was man dann übertragen kann.

00:29:32: Und für uns sind die Programme einfach gut so an den besten Leuten dran zu sein.

00:29:35: Einfach zu sehen, was ist Industriestandard?

00:29:37: gerade in Google investiert ihr relativ viel im Robotik um Feld?

00:29:41: Die haben auch Modelle, die man dann testen und nutzen kann.

00:29:44: Für uns einfach... ...die Amazon ist eine große Firma zu bauen und da muss man an den Besten Leuten dran bleiben und die Programmen helfen halt Da halt irgendwo sich auszutauschen.

00:29:54: Und einfach mal zu sehen, wo stehen wir eigentlich im Vergleich zu anderen Firmen?

00:29:59: Was machen die Weltklasse Robotikfirmen und wo stehen weh in Bezug dazu?

00:30:03: Das ist nochmal ein gutes Stichwort.

00:30:04: was war so das krasseste was du vielleicht im DeepMind XLRider gesehen hast seitdem ihr da seid?

00:30:11: Dann muss ich wahrscheinlich eher auf meinen Mitgrillern den Silvio referenzieren.

00:30:14: der hat der tiefer Teil genommen er macht ja die Technik bei uns Der kann sicher ein paar spannende Geschichten erzählen.

00:30:23: Okay,

00:30:23: lieferst du nach auch in Ordnung.

00:30:26: Aber ich glaube Google DeepMind ist ... Wenn man mal so anguckt wo die zentralen wichtigen Impulse der letzten zehn Jahre herkamen, die irgendwie so AI auf die Karte gelegt haben lässt sich von fast jeder großen Entwicklung eine direkte Verbindung zu Google Deepmind ziehen.

00:30:44: das ist fast schon erschreckend.

00:30:46: also wenn irgendwann mal raus kommt dass Google Deepmind schon seit bewusst sein hat, dann hört mich das nicht mal überraschen.

00:30:55: Weil das so starke Wellen irgendwie gemacht hat seitdem.

00:30:59: Ja und die ganzen auch wenn du anschaust Open AI, Antropic ... Die sind ja alle bei Google gewesen davor eigentlich.

00:31:07: Alle Kernleute sag ich mal in dem Umfeld waren alle bei google.

00:31:10: Das ist schon Headquaters in London?

00:31:12: Von Dietmann ja!

00:31:14: Jensen Huang sagt, der ChatGPT Moment für Robotik ist jetzt gekommen.

00:31:19: Ich glaube dazu hast du geschrieben ja so einfach ist das nicht.

00:31:21: erst muss man wirklich verstehen was in den Fabriken passiert?

00:31:26: Was Daten hast du schon gesagt?

00:31:28: also eine Ahnung was zwischen Entrysalt und Anfang der Line passiert Insights.

00:31:32: aber was fehlt noch am meisten heute?

00:31:35: Also warum können Fabrike vielleicht auch das was ihr macht ohne euch gar nicht so gut lösen.

00:31:40: Ist es das Know-how, ist es Awareness?

00:31:42: Ist es Smart Thinking?

00:31:46: Wo sind da noch die größten Stolpersteine?

00:31:49: Warum du sagst, naja, so schnell kommt der Chitchi-PT Moment für Robotik noch

00:31:53: nicht?".

00:31:54: Also ich meine, die Entwicklung ist schon rasant.

00:31:56: was ja im Wochentag kommen neue Modelle dann gibt's dann neue Hände mit neuen Fähigkeiten die irgendwo einsetzbar und nutzbar sind.

00:32:06: Es gibt schon noch ein paar Herausforderungen und das sind nicht nur dann technische Themen.

00:32:11: Also zum Beispiel bei uns, bei unseren Kunden die wollen eigentlich alle mehr automatisieren weil der Druck halt sehr hoch ist Produktivität zu steigern und dass es natürlich Automatisierung ist eine Möglichkeit aber sie wissen gar nicht wo sie anfangen sollen.

00:32:24: Das ist ja auch gar nicht klar wenn du in einer Fabrik bist was ist denn jetzt eigentlich einen Arbeitsschritt der heute automatisierbar ist?

00:32:30: Und was ist ein Schritt da sollte ein Mensch machen?

00:32:36: Ich habe jetzt eine Station und stelle da einfach ein Roboter hin, statt der Mitarbeiter.

00:32:39: Das ist auch nicht wie es eigentlich in der Praxis oder in den seltenen Fällen auch möglich ist.

00:32:43: Gerade so Montageprozesse.

00:32:45: Wir haben zum Beispiel einen Kunden, der macht dann... Oder das ist auch sehr übliche Montageumfeld.

00:32:48: Du hast Montageschritte die sind dann mehr-oder weniger komplexe in der gleichen Station und am Ende hast du irgendwie einen Prüfschritt.

00:32:56: So jetzt kann's halt sein dass dieser Prüf Schritt wo du irgendwie zwei Stäbe ansetzen musst, das ist ein sehr einfacher Schritt aber der kommt halt ist nur ein Teilaspekt des Schritt an der Station.

00:33:08: Der kommt aber vielleicht an allen Stationen vor, das heißt es würde vielleicht Sinn machen den Prozess so um zu gestalten dass die Prüfung zentral von einem Roboter gemacht wird und die komplexeren Tätigkeiten weitern wo Mitarbeiter gemacht wird.

00:33:21: Und das ist glaube ich so bisschen wie wenn man sich das wirklich mal anschaut wie deploy ich eigentlich Robotik auch at scale?

00:33:27: ja nicht nur ich mache jetzt irgendwie pack eine Kiste aus sondern viele der Tätigkeit die die Mitarbeiter machen sind ja deutlich komplexer.

00:33:35: Es erfordert einfach ein größerer Change der Prozesse und Neudenken von Prozessen, wie man sich das glaube ich bewusst ist.

00:33:42: Das ist zum Beispiel mal eins die Kunden mitzunehmen den aufzuzeigen.

00:33:45: sie müssen eigentlich Prozeste umgestellt werden.

00:33:47: wo sind die Potenziale was bringt das eigentlich?

00:33:50: Und dann gibt es eine Reihe von natürlich technischen Themen Greifen von Produkten Anlernen auch längerfristige Aufgaben.

00:33:59: Wie schaffe ich es auch Robotik zu installieren ohne dass ich jetzt meine Gesamtstationen erst mal mit einem Käfig vorzusehen muss, mit teurer Sensorik.

00:34:09: Deswegen sind ja diese Hümer neu zugehypt, dass ich die einfach nur hinstelle und sie lernen.

00:34:14: In den Hümern neuzt kann man sich auch darüber streiten ob das die richtige Roboter sind.

00:34:17: für viele Anwendungsfälle aber... Also es gibt ein ganzes Spektrum von technischen und nicht-technischen Themen, die man noch glaube ich angeht.

00:34:26: Aber es ist eine Frage von vielleicht wenigen Jahren bis das Geld dann auch kommt werden.

00:34:32: Durch für mehr Effektivität, Effizienz ist der Eintreiber.

00:34:37: Ich glaube du hast auch gesagt in ein paar Jahren gehen die ganzen Fachkräfte in Rente und dann dazustehen ohne wirklich alles perfekt dokumentiert verstanden Wissensbasis irgendwie On-Premise zu haben ist das nächste Problem.

00:34:55: Ist es ein bisschen polemisch ausgedrückt oder ist in eurer Branche große Boomerwelle, die in Rente geht.

00:35:04: Komplett vorhersehbar und man sagt in drei Jahren fünf Jahre fehlt uns hier.

00:35:07: Fünfzehn bis zwanzig Prozent ist nur Haus.

00:35:10: Also hundert Prozent das ist ein grüßen Thema.

00:35:12: Es hat ja neulich auch eine Diskussion.

00:35:14: Das war auch ein Ziel von Mitarbeiter, Unternehmen, Paarthausenmitarbeiter stellen Ventile her recht große Investitionen in Deutschland Und der hat sich auch immer eine Ausstellung geben lassen, von wie viele Mitarbeiter gehen jetzt eigentlich in die Rente?

00:35:30: In den nächsten fünf bis sechs Jahren.

00:35:32: Das waren irgendwie dem Montage-Mitarbeiter.

00:35:36: Und das ist schon massivst und es sind auch wieder nicht ganz einfache Produkte, Mitarbeiter haben unglaublich viel Knowhow.

00:35:44: Also das ist ein Thema und das ist glaube ich alle Wissens so ein bisschen.

00:35:48: aber es geht gerade noch weil was ja oft passiert ist auch dass der Mitarbeiter ... in Frührentig ist oder jetzt ein Rente ist, der wird dann als Berater noch mal einen Tag die Woche dazu geholt.

00:35:57: Kommt dann wieder zurück.

00:35:58: das ist sehr teuer für die Firmen aber es kann man auch machen heute... Aber das sind ja auch so Übergangslösungen und den nächsten Jahre wird das auf jeden Fall nochmal dramatisch zunehmen.

00:36:08: Du hattest deinen Mitgründerwähnen Silvio?

00:36:13: Ja, der sitzt glaube ich in Berlin und du bist Münchner, ne?

00:36:17: Wenn ich jetzt Al-Metra bei euch installiere und gucke wie gut klappt da irgendwie über Remote die Zusammenarbeit Würde dir dann sagen, das ist so eine Firma wie eure.

00:36:26: Die kann man total gut auch irgendwie an mehreren im Remote Gründung betreiben.

00:36:30: oder habt ihr doch noch mal irgendwie den Druck und sagt Mensch mist irgendwann müssen wir tatsächlich irgendwie doch physisch alle an einem Ort sitzen?

00:36:37: Also wir sehen

00:36:37: uns sehr häufig auch als Team also wir sind verteilt haben eben diese zwei Hubs in Berlin vor allem mit München auch eine kleinere Lépondance.

00:36:46: nachdem wir mit Fabriken arbeiten müssen wir oft zu fabriken.

00:36:50: Es ist kein rein digitales Produkt, sondern du musst dahin, du musst installieren.

00:36:53: Du musst auch mit den Fabriken sprechen wenn du im Vertrieb bist, musst immer vor Ort hinfahren mit den Leuten vor Ort die Prozesse anschauen.

00:36:59: Das heißt das ich bin ja sehr auf der kommerziellen Seite.

00:37:02: Ich sehe eigentlich ständig meinen Team weil wir uns immer bei Kunden irgendwo treffen.

00:37:05: Auch das Installationsteam ist fettständig bei Kunden und sieht sich auch untereinander Und wir machen sehr viel dass man Mache einmal ein Quartal zum Beispiel also uns alle als team zusammensetzen.

00:37:16: Die Teams untereinander treffen sich auch häufig in Person.

00:37:18: Also bei uns ist er eher so eine hybride Kultur und das klappt eigentlich gut, man muss halt schon aktiv auf die Kommunikation zu achten.

00:37:26: Das ist natürlich herausfordernd wie wenn alle im Büro sind aber es geht nur, wenn man sich auch regelmäßig in Personen trifft also jetzt nur remote und man sieht sich eigentlich das ganze Jahr nicht.

00:37:35: Ich glaube da funktioniert das nicht.

00:37:38: Ein Auremestoren hilft mir.

00:37:39: mal die Aussprache blische.

00:37:43: In der Investmentrunde habt ihr ja überwiegend bisherige Investoren mit reingenommen bzw.

00:37:48: noch ein paar Business Angels, aber hast du das Gefühl

00:37:53: dass

00:37:54: einem man als deutsches oder europäisches Deep-Tech Startup immer noch so einen kleinen Abschlag in der Bewertung bekommt wenn man mit internationalen Investoren arbeitet?

00:38:03: Oder wird man schon komplett ernst genommen falls man auch international um Investoren pitcht?

00:38:07: Man wird schon ernst genommen, also absolut.

00:38:09: Gerade in Europa gibt es ja jetzt gerade in den letzten Monaten schon unglaublich tolle Erfolggeschichten.

00:38:15: Ich würde sagen klar wenn du... Es gibt viele amerikanische Historien und da ist halt der Hauptteil des Venture Capitals noch.

00:38:22: Investieren auch nur in Firmen die dann irgendwo eine Präsenz in Amerika haben.

00:38:28: Also es gibt viele Amerikaner die sagen das zu früh und wenn ihr einen amerikanischen Markt irgendwo eine präsenze habt dann sind wir da sehr interessiert und offen.

00:38:35: Oder es gibt halt jetzt Blitz, das ist ja so eine zwischen Frankreich und New York.

00:38:39: Die haben ja US-Frasosen wie sie.

00:38:42: die machen natürlich dann beides.

00:38:44: Eher spezialisiert auch in Europa zu investieren aus Amerika heraus.

00:38:48: Also man wird auf jeden Fall ernst genommen würde ich schon sagen.

00:38:50: Es gibt ja auch super Startups und gute Leute hier.

00:38:54: aber oftmals sagen die Amerikaner ja man braucht da irgendwo ein Business in Amerika was Interessantes zu investiren.

00:39:02: Für wahrscheinlich auch bisschen Marketing schreibst du den Shopfloor Liders?

00:39:07: Club Newsletter, das fand ich einen ganz witzigen Namen.

00:39:11: Wie oft kommt da raus und was könnte so eine... ...unbequeme Meinung sein die du dort vertreten kannst aber vielleicht zum Beispiel nicht auf so einer Handelsblattbühne präsentieren könntest?

00:39:22: Das ist gute Frage.

00:39:25: also der kommt alle zwei bis drei Wochen raus wo wir verschiedene Themen aufgreifen und es ganz von jetzt irgendwelchen neuen Erkenntnissen wie im physical AI Umfeld bekommen haben.

00:39:35: wir bei Google DeepMind waren zu Ganz praktischen Themen, wie ich als Produktionsleiter halt irgendwie die Engpässe meiner Produktion eliminiere.

00:39:42: Also sehr weite Spektrum... Ich würde sagen wir versuchen immer authentisch zu sein.

00:39:48: Ja also ich würd jetzt nicht sagen dass ich in einem Gremium eine sage und was ich auf der anderen Seite nicht sagen würde.

00:39:56: Würde mir jetzt spontan nichts einfallen.

00:39:59: Wenn ich eine Meinung habe dann würde ich sie auch an allen Foren sagen.

00:40:03: Schade!

00:40:05: Du hast auf den German Accelerator in die USA mitgemacht und da hast du bemerkt, dass die Europäer gerne bauen.

00:40:11: Und auch unglaubliche Technik hinbekommen aber sich nicht trauen richtig groß zu denken was jetzt auch natürlich.

00:40:16: irgendwie habe ich schon auch zweimal gehört diese Hypothese oder These.

00:40:22: Aber was passiert in US-Pitchräumen?

00:40:27: Was bei uns irgendwie nicht passiert, warum schaffen die es größer zu denken oder mehr auf den Tisch zu hauen?

00:40:32: Oder vielleicht auch gleichwertige Technik als viel... ...größere Story hinzulegen.

00:40:39: Das ist eigentlich viel einfach Nomentalität glaube ich.

00:40:42: also das merke jetzt auch hier in San Francisco.

00:40:43: Die Qualität der Leute ist natürlich schon extrem hoch.

00:40:47: hier muss man sagen aber die Qualität wenn du jetzt im München bist oder Berlin ist auch sehr hoch.

00:40:52: Also die Leute sind jetzt nicht mehr oder weniger talentiert, aber der amerikanische Mindset ist halt... ...mehr diese Storytelling.

00:40:59: Das wird ja den Leuten auch schon beigebracht wenn sie im Kindergarten sind, dass die da die Präsentation auf eine gewisse Art und Weise machen müssen.

00:41:06: Das ist einfach der amerkanische Spirit, einfach halt mehr über das Storyteling zu kommen größer zu denken optimistischer zu sein.

00:41:13: Das sehen wir auch bei unseren Kunden, dass der deutsche Ingenieur natürlich immer versucht zu verstehen wo sind jetzt eigentlich genau die Grenzen der Technologie?

00:41:19: Was funktioniert nicht?

00:41:21: eher Risiko halt zu verstehen und die Downside irgendwie besser zu verstehen.

00:41:26: Und der Amerikaner versucht halt eher so was ist eigentlich das generelle Potenzial, wenn ich das jetzt überall einsetze wie viel besser kann nicht werden?

00:41:31: Wie viel größer kann mein Geschäft werden?

00:41:34: Das ist eher eine Mentalitätssache eigentlich, die in den Köpfen einfach drin sind irgendwo.

00:41:39: Wenn ihr jetzt ein bisschen frisches Geld bekommen habt du viel in den USA unterwegs bist.

00:41:44: Was konkret passiert vielleicht in den nächsten achtzehn Monaten?

00:41:47: ein Meter?

00:41:49: Und falls wir von außen das Gefühl haben Geiles Thema, aber wir sind leider nicht im Cap-Table drin.

00:41:54: Wie können wir vom Erfolg von iMetra irgendwie noch profitieren?

00:41:58: Was sind so irgendwie Downstream Dinge in die wir investieren können oder wo wir sehen können das was iMeter macht?

00:42:06: wenn das klappt dann wird auch folgendes klappen.

00:42:09: Spannende Frage ja!

00:42:11: Also ich meine unser Fokus ist Geschäftsaufbau jetzt Internationalisierung US Markt am Ende Skalierung des Geschäfts.

00:42:22: Wir haben eine Kernprodukt, wo wir gezeigt haben was funktioniert.

00:42:26: Wo die Kunden einen starken Mehrwert haben und das jetzt einfach in die breitere Masse auszurollen.

00:42:32: Das bedeutet eben Teamaufbau, diese Expansierung in den USA wo wir sehr viel Potenzial sehen.

00:42:40: Das ist kein Fokus in achtzehn Monaten.

00:42:43: Auf der Produktzeit werden wir die ersten Schritte machen Richtung Robotik mehr Potenziale zu identifizieren

00:42:48: etc.,

00:42:48: aber Es geht vor allem jetzt das, was wir heute haben in die breitere Masse zu tragen.

00:42:55: Was jetzt auf generell der ... wie man profitieren kann ist eigentlich eine gute Frage.

00:43:00: ja ich mein... Das Thema in Duster AI ist schon... Ja

00:43:03: wenn, wenn man so gesagt hat... Ich glaube schon dass... ...zwanzig Prozent mehr effektiv über der Produktivität, das ist ja schon live changing.

00:43:10: eigentlich würde ich gerne wissen in welchen Börsen notierten Unternehmen ihr gerade arbeitet.

00:43:18: Also es gibt halt viel, wir arbeiten zum Beispiel und da sehen wir sehr super viele Nachfrage bei alles was rund um Datenzentren passiert.

00:43:24: Das ist auch noch offensichtlich.

00:43:25: aber ich glaube was man manchmal vergisst ist wie viele Firmen und wie groß die Supply Chain ist, die daran hängt.

00:43:33: also wir haben Kunden die Schaltschränke produzieren, dann haben wir Kunden die Kabel produzieren Circuit Breakers, Kühlungen, Kühlenmittel, Ventile... Da sich anzuschauen und dann gibt's viele Spezialisten hier in Europa Auch große Firmen, natürlich.

00:43:47: Aber auch viele so kleinere Firmen die dann in den Thiele haben wir zum Beispiel mit einer Firma der Schweiz zusammengearbeitet, die da sehr erföhren sind und die haben eine unglaubliche Nachfrage und das ist ein Produkt, da denkst du nicht dran.

00:44:01: aber also sich da die Wachsungsmärkte anzuschauen und da helf mir natürlich die Stückzahlen zu erhöhen.

00:44:07: Ich war erst vor zwei Wochen bei einer Firma die auch so elektronikkomponenten Schutzschalter, sehr große Schutzschalter herstellt Und der meinte, er hat noch nie in seinem Leben so einen Boom in der Industrie gesehen.

00:44:18: Die müssen die Produktion von X erhöhen in den nächsten zwei Jahren und jedes einzelne Produkt was er heute mehr produziert kann er sofort verkaufen.

00:44:27: Also da sich das anzuschauen ist glaube ich spannend.

00:44:31: Ja vielen Dank!

00:44:33: Stell dir mal vor, dass aus irgendeinem Versehen habt ihr mich eingestellt und ich soll euch jetzt irgendwie helfen bei der Implementierung beim Kunden.

00:44:41: Und auch irgendwie bei der Analyse Beratung.

00:44:43: Ich weiß nicht ob es bei euch Konsultens gibt oder sowas aber ich fange jetzt an und bin ein bisschen aufgeregt und du nimmst mich zur Seite und ich sag du Max was ist denn so das Mindset?

00:44:53: Und die besten Taktiken dich anwenden kann um diese Shop Floor-Probleme zu durchdringen, also das Problem zu verstehen.

00:45:03: Wie machst du das?

00:45:04: Wie kann ich da irgendwie?

00:45:05: jetzt hast du so einen drei Punkte Tipp wie ich da abmorgende und wie gut für euch arbeiten kann?

00:45:09: Ja auch interessant!

00:45:11: Ich würde sagen viele dieser Produktionsthemen ist nicht unbedingt Rocket Science, es ist aber viel halt... Das ist ja zum Beispiel bei der Lienfühle sich von Toyota ein großes Prinzip, diesen Gamba Walk.

00:45:25: Ich gehe hin und schaue mir das an und versuche zu verstehen.

00:45:28: Und teilweise musst du dich dann am Anfang, wenn du so wie Manager bist bei Toyota drei Tage eine Linie stellen.

00:45:33: Dann wird da so ein Kreis gemalt, dann heißt zahlstellst du dich hin und beobachtest einfach.

00:45:37: Schau es einfach zu!

00:45:39: Es ist einfach viel Menschenverstand ja auch einfach sich die Abläufe zu verstehen wo sie in die Engpässe und natürlich dass jetzt bei uns digitalen enabled aber es auch so dass wir stark empfehlen das trotzdem zu machen.

00:45:51: Auch die KI.

00:45:52: die Daten die dann raus kommen A ist die KI nur so gut wie der Kontext, den die KI bekommt.

00:45:58: Die KI weiß dann auch nicht genau, wie diese Abläufe am Shopfloor sind.

00:46:01: Das wäre das erste, weil ich sage einfach stelle ich mal hin und versuche mal dem Prozess zu verstehen, sprich mal mit den Leuten, sodass du einfach Kontext hast was ist denn da eigentlich?

00:46:09: Wie tickt so die Produktion?

00:46:12: Und dann ist es sehr viel einfacher diese digitalen Daten an auch zu nutzen um Verbesserungspotenziale zu kommen.

00:46:19: also Dieses, sag ich mal Kombination aus trotzdem noch physischer Welt und digitaler Welt ist glaube ich eine sehr wichtige Sache die wir weiterhin empfehlen und unseren Kunden auch stark empfehle.

00:46:29: Also auch KI ist jetzt nicht der Zauberstab und ich sitze da nur in meinem Büro und dann sagt mir das macht genau das sondern es gibt halt Hinweise ein Assistenzsystem ja und man muss trotzdem mit seinen Leuten sprechen deren Meinung hören die Prozesse vor Ort nochmal anschauen also auch dass das weiter wichtig ist.

00:46:46: perfekt

00:46:47: Gibt es noch was, was ich vergessen habe zu fragen?

00:46:49: Wo du sagst das wäre eigentlich das Spanns aus der ganzen Folge gewesen.

00:46:51: Aber ich Idiot hab die Frage nicht gestellt.

00:46:56: Ich glaube nicht weil wir viele Themen haben angeschnitten.

00:46:58: Okay.

00:46:59: Angeschnitten okay gut dann freue ich mich falls irgendwann vielleicht zurückkommst und nochmal irgendwie erzählts was jetzt die letzten die nächsten achtzehn Monate passiert.

00:47:07: Ich war erst in der Vorbereitung der Folge habe ich überhaupt erst verstanden was ihr so macht fand das wahnsinnig spannend klingt eigentlich wie so ein Traumjob, irgendwie hinzukommen und Probleme für andere Leute hoffentlich zu lösen.

00:47:17: Und dann auch noch zu sehen dass sie sagen vielen Dank das funktioniert da richtig was ihr sagt.

00:47:21: insofern ganz ganz tolle Idee, ganz toller Gründung.

00:47:25: Al-Metra Maximilian Fischer viel Erfolg euch weiterhin.

00:47:28: danke dass du hier bist hier dachst du hier warst und viel Spaß noch uns denn für ZISCO

00:47:33: Ja Vielen Dank Christopher.

00:47:34: Danke fürs Gespräch

00:47:35: Euch vielen Dank fürs Zuhören An dieser Stelle meine bringende Empfehlung auf den Abo-Button zu klicken, denn ich weiß dass wenn du bis hier gehört hast war die Folge interessant und auch wenn Maximilian natürlich besonders interessant war haben wir ab und zu Gäste die so tolle Geschichten erzählen können wie er.

00:47:51: Und damit du die nicht verpasst folgst du uns jetzt bitte einfach rein.

00:47:54: das wars von uns kommen hervorragend durch deine Woche.

00:47:57: ganz liebe digitale Grüße von Max und von Christoph.