WEBVTT

00:00:01.200 --> 00:00:02.960
Hallo und herzlich willkommen.

00:00:03.620 --> 00:00:05.220
Fabrik der Zukunft.

00:00:05.610 --> 00:00:09.440
Der Podcast für Inspiration
aus Produktion und Logistik.

00:00:10.090 --> 00:00:14.460
Mit cleveren Konzepten und smarten
Technologien für deine Fabrik.

00:00:16.435 --> 00:00:17.994
Mein Name ist Tobias Herwig.

00:00:17.994 --> 00:00:20.415
Schön, dass du wieder mit dabei bist,
wenn es darum geht, die Fabriken

00:00:20.415 --> 00:00:21.854
von heute nach vorne zu bringen.

00:00:21.974 --> 00:00:24.794
Heute reden wir darüber, wie
Hyperscaler wie Microsoft auf

00:00:24.794 --> 00:00:26.555
die KI in der Fabrik schauen.

00:00:26.575 --> 00:00:27.875
Wir schauen uns an.

00:00:27.875 --> 00:00:28.655
Ja, was heißt das?

00:00:28.755 --> 00:00:30.875
In welchen Bereichen kann ich AI nutzen?

00:00:30.875 --> 00:00:32.515
Wie bringt es produzierende
Unternehmen voran?

00:00:32.655 --> 00:00:35.335
Und was sind ganz praktische
Beispiele aus der Industrie?

00:00:35.335 --> 00:00:39.535
Wir reden über LMMs über KI-Agenten
wir reden über die Frage des

00:00:39.535 --> 00:00:42.655
Mehrwerts und natürlich gibt es auch
den ein oder anderen Praxistipp zum

00:00:42.655 --> 00:00:44.655
Einsatz von AI in der Produktion.

00:00:44.655 --> 00:00:47.635
Mein Gast ist heute Dr. Jana Kirchheim.

00:00:47.635 --> 00:00:50.894
Sie ist Industry & Partner
Sales Lead bei Microsoft.

00:00:50.894 --> 00:00:54.894
Sie hat als Motto Driving Digital
Manufacturing Growth und sie ist fünf

00:00:54.894 --> 00:00:57.555
Jahre bei Microsoft, kommt selbst
aus dem produzierenden Mittelstand

00:00:57.555 --> 00:00:58.975
und ist heute hier zu Gast.

00:00:59.225 --> 00:01:01.245
Hallo Jana, herzlich
willkommen im Podcast.

00:01:01.325 --> 00:01:04.004
Hallo Tobias, vielen Dank,
dass ich heute hier sein darf.

00:01:04.004 --> 00:01:08.940
Ich möchte mit dir über... KI in der
Produktion reden und wenn wir über KI

00:01:08.940 --> 00:01:12.700
reden und über Produktion reden, dann
möchte ich erstmal damit anfangen, was

00:01:12.700 --> 00:01:14.360
beschäftigt produzierende Unternehmen?

00:01:14.360 --> 00:01:15.300
Wie siehst du das?

00:01:15.300 --> 00:01:18.259
Wo sind die größten Schmerzen Stand
heute im Bereich Manufacturing?

00:01:18.259 --> 00:01:22.000
Da gibt es tatsächlich, wenn du
heute mit den Kunden sprichst

00:01:22.000 --> 00:01:25.860
im Bereich Manufacturing, einige
kann man tatsächlich so sagen.

00:01:25.860 --> 00:01:30.580
Ich würde sagen, mit der größte
Schmerz den wir von unseren Kunden

00:01:30.580 --> 00:01:32.140
hören, ist der Fachkräftemangel.

00:01:32.430 --> 00:01:33.890
Ich gebe dir mal so ein Beispiel.

00:01:33.890 --> 00:01:37.050
Also ein Unternehmen sagte
tatsächlich zu uns, sie haben circa

00:01:37.050 --> 00:01:41.530
zwei Drittel der Mitarbeiter in
der Belegschaft sind über 40 Jahre

00:01:41.530 --> 00:01:44.430
alt und sogar ein Viertel über 54.

00:01:44.670 --> 00:01:49.030
Wenn du das Institut der deutschen
Wirtschaft anschaust, dann sagen

00:01:49.030 --> 00:01:54.490
die, dass bis 28 um die fast 800.000
Stellen nicht durch entsprechende

00:01:54.490 --> 00:01:56.390
Fachkräfte besetzt werden können.

00:01:56.490 --> 00:02:01.070
Und wenn man Einen Schritt weiter geht
und dann überlegt, wie viel Wissen

00:02:01.070 --> 00:02:05.770
in den Köpfen der Menschen ist, die
dann bald verrenzelt werden und wie

00:02:05.770 --> 00:02:11.090
wenig dieses Wissen strukturiert in
den Fabriken, im Shopfloor also bei

00:02:11.090 --> 00:02:15.269
unseren Kunden tatsächlich erfasst
wurde, dann weiß man auch, was für

00:02:15.269 --> 00:02:18.329
eine große Wissenslücke entstehen kann.

00:02:18.769 --> 00:02:21.450
Zusätzlich kommt immenser
Wettbewerbsdruck.

00:02:21.450 --> 00:02:24.894
Ein Maschinenbauer hat gesagt, wir
brauchen heute so... Zwei, drei

00:02:24.894 --> 00:02:27.975
Jahre, um eine neue Maschine auf
den Markt zu bringen, das können

00:02:27.975 --> 00:02:29.495
wir künftig nicht mehr so machen.

00:02:29.495 --> 00:02:30.894
Wir müssen schneller werden.

00:02:30.894 --> 00:02:36.135
Wir müssen aber auch effizienter und
günstiger werden in der Produktion.

00:02:36.135 --> 00:02:42.245
Wir werden immer komplexer mit immer mehr
Systemen die Mitarbeiter heute bedienen

00:02:42.245 --> 00:02:48.065
können muss und gleichzeitig muss er
schneller werden und das zusammenkommend

00:02:48.065 --> 00:02:53.065
ist eine riesengroße Herausforderung
die wir heute bei unseren Kunden sehen.

00:02:53.204 --> 00:02:56.464
Und einer hat das mal ziemlich
schön zusammengefasst, der

00:02:56.464 --> 00:02:59.904
sagte, nee, wir wissen überhaupt
nicht, was wir alles wissen.

00:03:00.450 --> 00:03:02.829
Und was wir eigentlich
alles machen können.

00:03:03.250 --> 00:03:06.609
Also das wirklich nochmal so
in einem Satz zusammengebracht.

00:03:06.609 --> 00:03:08.690
Ja, das ist eine
superschöne Zusammenfassung.

00:03:08.690 --> 00:03:12.890
Und ja, ich glaube, das können alle,
die hier jetzt zuhören auch bestätigen.

00:03:13.390 --> 00:03:17.370
Vor allem das Thema mit dem
Fachkräftemangel und auch der Frage,

00:03:17.829 --> 00:03:22.169
was passiert mit dem Wissen in den
Köpfen der Leute, die auch absehbar,

00:03:22.169 --> 00:03:25.049
das ist ja berechenbar, früher oder
später das Unternehmen verlassen.

00:03:25.169 --> 00:03:26.690
Das ist wirklich ein großes Thema.

00:03:27.430 --> 00:03:30.250
Jetzt sind es ja wirklich große
Herausforderungen, wenn wir jetzt

00:03:30.250 --> 00:03:33.289
sagen, wir gucken auf vielleicht
die produzierenden Unternehmen

00:03:33.289 --> 00:03:34.550
gerade im deutschsprachigen Raum.

00:03:34.904 --> 00:03:37.005
Jetzt gibt es eine große Hoffnung, KI.

00:03:37.005 --> 00:03:39.104
Und jetzt mal ein bisschen salopp
formuliert würdest du sagen, KI

00:03:39.104 --> 00:03:40.445
löst uns alle diese Probleme?

00:03:40.445 --> 00:03:42.945
Ich würde sagen, KI löst
tatsächlich sehr viele von den

00:03:42.945 --> 00:03:46.765
Problemen oder hilft, die Basis zu
schaffen, diese Probleme zu lösen.

00:03:46.945 --> 00:03:49.565
Es ist für uns eine Schlüsseltechnologie.

00:03:49.625 --> 00:03:52.380
Und wir sind... Kann man
auch sagen, schon mittendrin.

00:03:52.380 --> 00:03:57.060
Während wir irgendwie 2023 langsam
angefangen haben, das Ganze zu

00:03:57.060 --> 00:04:01.339
annoncieren und ganz vorsichtig zu
testen und 2024 so ein bisschen mehr

00:04:01.339 --> 00:04:06.399
in den Rollout gekommen sind, sind
wir heute tatsächlich mittendrin.

00:04:06.399 --> 00:04:10.420
Das heißt, wir hatten auf der Hannover
Messe das Motto Industrial AI in Action

00:04:10.420 --> 00:04:15.329
und das ist auch tatsächlich so, weil
Man sieht es bei unseren führenden

00:04:15.329 --> 00:04:20.190
Unternehmen im Bereich Manufacturing,
dass die KI nicht mehr nur als

00:04:20.190 --> 00:04:24.170
Theorie ansehen, sondern mitten dabei
sind, das auch voll auszuschöpfen.

00:04:24.170 --> 00:04:29.270
Da gab es eine Studie von Suprastea,
die auch gesagt haben, dass die Zahl

00:04:29.270 --> 00:04:34.730
sagt, der weltweite KI-Markt soll bis
28 auf 1,27 Billionen Dollar wachsen.

00:04:34.730 --> 00:04:38.625
Das ist das dreifache Wachstum
und das fand ich so spannend Von

00:04:38.625 --> 00:04:40.885
dem üblichen Tech-Marktwachstum.

00:04:40.925 --> 00:04:43.645
Also so groß ist das Potenzial dort.

00:04:43.645 --> 00:04:45.885
Und das aus vielfältigsten Ursachen.

00:04:45.885 --> 00:04:46.265
Super.

00:04:46.265 --> 00:04:48.245
Ich glaube, es gibt ja mittlerweile
auch kein Unternehmen, was

00:04:48.245 --> 00:04:49.784
nicht irgendwo KI nutzt.

00:04:50.284 --> 00:04:53.885
Die spannende Frage ist halt wirklich
in diesem industriellen Kontext und vor

00:04:53.885 --> 00:04:57.460
allem auch in der Produktion Ist meine
Wahrnehmung da stehen die allermeisten

00:04:57.460 --> 00:04:59.360
Firmen noch wirklich ganz am Anfang.

00:04:59.560 --> 00:05:03.480
Wenn man jetzt genau in dieser Situation
ist, dass man ganz am Anfang steht, was

00:05:03.480 --> 00:05:06.260
würdest du sagen, wo soll man da loslegen?

00:05:06.420 --> 00:05:07.940
Also einfach machen.

00:05:07.940 --> 00:05:09.520
Das klingt jetzt total trivial.

00:05:10.380 --> 00:05:13.719
Aber wir sehen Firmen die machen
einen riesengroßen Plan erstmal und

00:05:13.719 --> 00:05:15.500
sagen, was wollen sie erreichen?

00:05:15.500 --> 00:05:18.280
Das ist sicherlich wichtig und
sicherlich auch gut zu wissen.

00:05:18.340 --> 00:05:21.640
Aber viele haben auch natürlich
die Herausforderung dass sie

00:05:21.640 --> 00:05:24.740
noch gar nicht wissen, was man
eigentlich alles mit KI machen kann.

00:05:24.740 --> 00:05:27.840
So haben wir so im Prinzip unser
Ansatz oder unsere Empfehlung ist

00:05:27.840 --> 00:05:29.560
zu sagen, zweifach vorzugehen.

00:05:30.040 --> 00:05:34.219
Einmal zu sagen, hey, wir suchen uns
einen dezidierten Use Case gemeinsam

00:05:34.219 --> 00:05:38.650
aus, wo wir relativ schnell Einen
Nutzen gemeinsam sehen können.

00:05:38.650 --> 00:05:42.390
Und das ist das Schöne an KI,
man kriegt wirklich nach drei

00:05:42.390 --> 00:05:44.930
Monaten anfassbare Ergebnisse.

00:05:45.190 --> 00:05:49.250
Also was früher so lange Digital
Transformation Projekte von einem

00:05:49.250 --> 00:05:53.410
Jahr oder anderthalb waren und dann
nochmal Implementierung, das ist heute

00:05:53.410 --> 00:05:58.210
tatsächlich zusammengedampft auf drei
Monate, wo man konkreten Nutzen sieht.

00:05:58.210 --> 00:06:03.170
Und deswegen würde ich auch jedem
empfehlen, einen konkreten Use Case

00:06:03.170 --> 00:06:04.850
sich auszusuchen wo es wirklich wehtut.

00:06:05.375 --> 00:06:08.995
Und parallel zu sehen, was kann
man eigentlich damit machen, wo

00:06:08.995 --> 00:06:12.775
wollen wir damit hin und parallel
eine Strategie auszuarbeiten.

00:06:12.775 --> 00:06:17.895
Weil ansonsten wenn man zu lange nur
in theoretischen Modellen sich bewegt,

00:06:17.895 --> 00:06:20.615
der Wandel ist unglaublich schnell.

00:06:20.615 --> 00:06:23.275
Die Modelle werden täglich besser.

00:06:23.275 --> 00:06:26.515
Wenn wir sehen was wir heute mit
den Datenmodellen mit LLMs machen

00:06:26.515 --> 00:06:30.930
können, ist das das Fast keinen
Vergleich mehr von vor einem Jahr.

00:06:31.230 --> 00:06:36.410
Und deswegen wirklich dran zu bleiben,
kontinuierlich sich mitzuentwickeln,

00:06:36.410 --> 00:06:40.110
das ist, glaube ich auch eine Challenge,
die wir insbesondere hier in Deutschland

00:06:40.110 --> 00:06:41.910
noch viel mehr nutzen können.

00:06:42.130 --> 00:06:45.290
Weil man hört gerade momentan überall
in der Presse dass Deutschland mit

00:06:45.290 --> 00:06:49.550
der AI-Majority wirklich absinkt
dass wir das nicht können und dass

00:06:49.550 --> 00:06:53.430
wir hinterher sind, weil uns die
Governance fehlt und die Strukturen

00:06:53.430 --> 00:06:55.250
und wir das nicht skaliert kriegen.

00:06:55.290 --> 00:06:55.850
Ja.

00:06:56.200 --> 00:07:01.820
Ich glaube aber an unsere Industrie
ganz, ganz fest, weil wir, was wir

00:07:01.820 --> 00:07:04.500
gesehen haben, also wir sind ja
immer noch führend in dem Bereich.

00:07:04.620 --> 00:07:09.060
Und ich glaube, wenn wir da mutiger
werden, mutiger werden, Daten tatsächlich

00:07:09.060 --> 00:07:15.560
auch zu nutzen für Zukunftsmodelle,
also Zukunftsvorhersagen, Datenmodelle

00:07:15.560 --> 00:07:21.320
zu nutzen, um uns intern Arbeit zu
ersparen, dann sind wir auf dem besten

00:07:21.320 --> 00:07:25.160
Wege da auch tatsächlich Fuß fassen
zu können und das gut zu machen.

00:07:25.160 --> 00:07:25.700
Sehr gut.

00:07:26.380 --> 00:07:29.880
Gut dass du da Mut machst, auch die
Dinge auszuprobieren und du hast vorhin

00:07:29.880 --> 00:07:33.640
so schön gesagt, viele wissen gar nicht,
was geht, was überhaupt möglich ist

00:07:33.640 --> 00:07:37.520
und lass uns das heute ändern in dieser
Podcast-Episode, indem wir mal ganz

00:07:37.520 --> 00:07:42.400
praktisch zeigen, was alles schon geht
und ja, da auch wirklich mal ein bisschen

00:07:42.400 --> 00:07:47.640
zu zeigen, was auch schon innovativ ist,
aber auch genauso praktisch umsetzbar ist.

00:07:47.810 --> 00:07:52.450
Und als allererstes würde ich mit einem
Thema anfangen, was ganz viele kennen und

00:07:52.450 --> 00:07:55.850
vielleicht auch recht schnell in den Sinn
kommt, wenn man über KI in der Produktion

00:07:55.850 --> 00:07:57.490
redet nämlich Predictive Maintenance.

00:07:57.490 --> 00:08:00.910
Das ist ein Thema, was uns wirklich
schon lange beschäftigt und

00:08:00.910 --> 00:08:04.034
gleichzeitig interessiert Ich bei
ganz vielen Unternehmen höre, in

00:08:04.034 --> 00:08:07.734
der Praxis ist es richtig schwierig,
da einen Mehrwert zu bekommen.

00:08:07.734 --> 00:08:08.835
Wie siehst du das?

00:08:08.835 --> 00:08:12.315
Habt ihr Beispiele, wo man sagen kann,
ja, Predictive Maintenance, das kriegt man

00:08:12.315 --> 00:08:14.395
hin und das gibt genau diesen Mehrwert?

00:08:14.474 --> 00:08:19.155
Ja, da habe ich euch tatsächlich ein
ganz schönes Beispiel mitgebracht heute.

00:08:19.414 --> 00:08:23.295
Also Predictive Maintenance das...
Die Urherausforderung ist immer

00:08:23.295 --> 00:08:28.975
noch die Connectivity at Scale zu
bekommen, gerade im diskreten Shopfloor

00:08:28.975 --> 00:08:32.575
also im diskreten Fabrikumfeld.

00:08:32.915 --> 00:08:35.395
Und das andere ist dann
tatsächlich mit den verschiedenen

00:08:35.395 --> 00:08:37.915
Daten-Silos, die es heute gibt.

00:08:39.305 --> 00:08:42.585
Kontinuierlich und einheitlich
Insights Einsichten über die

00:08:42.585 --> 00:08:45.265
Daten zu bekommen, dass man die
Maschine tatsächlich steuern kann.

00:08:45.265 --> 00:08:46.845
So wie war es denn
jetzt früher im Prinzip?

00:08:46.845 --> 00:08:50.585
Wenn man denn mal so weit war und die
Connectivity hatte und die Daten hatte,

00:08:50.585 --> 00:08:55.505
dann hatte ein Werker, hat dann die
Information bekommen, hat die gesehen,

00:08:55.505 --> 00:08:58.485
konnte gar nichts damit anfangen musste
wahrscheinlich dann erstmal zu seinem

00:08:58.485 --> 00:09:03.535
Vorgesetzten der hat dann zu einem
AI, KI-Beauftragten Gehen und dann

00:09:03.535 --> 00:09:06.595
musste das Ganze analysiert werden,
dann waren vier Tage vorbei und bis

00:09:06.595 --> 00:09:10.355
er zurückkam, war wahrscheinlich das
Problem schon wieder ein ganz anderes

00:09:10.355 --> 00:09:11.915
und er wusste es gar nicht mehr.

00:09:12.355 --> 00:09:16.895
Was wir mit Husqvarna gemacht haben, ist
ein ganz schön anschauliches Beispiel.

00:09:16.895 --> 00:09:20.335
Also zum einen sind wir bei
Husqvarna mit unserem Adaptive

00:09:20.335 --> 00:09:21.735
Cloud Ansatz reingegangen.

00:09:21.875 --> 00:09:27.095
Adaptive Cloud bedeutet, dass wir
die Cloud zu jeglichem, in jegliches

00:09:27.095 --> 00:09:29.155
Environment mit reinnehmen können.

00:09:29.155 --> 00:09:33.820
Das heißt, sowohl bei Multiclouds
Installation-Architekturen, die wir

00:09:33.820 --> 00:09:39.560
bei Kunden haben, als auch auf die
Edge selber, als auch komplett hybrid

00:09:39.560 --> 00:09:42.640
und in die komplette Cloud mit rein.

00:09:42.760 --> 00:09:48.940
Und wir haben, das ist ein Ansatz wo wir
die IT-Welt in die OT-Welt mit reinbringen

00:09:48.940 --> 00:09:53.580
können und somit eine einheitliche
Steuerungsmöglichkeit schaffen können.

00:09:53.580 --> 00:09:58.755
Und jedes Asset, das dann tatsächlich
in der OT-Welt ist, Kann über

00:09:58.755 --> 00:10:03.115
Ressourcen unseren Ressource-Manager
und ARC gesteuert werden.

00:10:03.555 --> 00:10:07.315
Also haben wir im Prinzip, und das
war nämlich die Herausforderung

00:10:07.315 --> 00:10:10.315
von Squana, die gesagt haben,
wir wachsen unglaublich schnell.

00:10:10.315 --> 00:10:13.575
Wir haben unsere Produktion über
Jahre immer wieder angepasst von,

00:10:13.575 --> 00:10:17.435
ich weiß nicht, was die alles gemacht
haben Motorräder, Kettensägen und

00:10:17.435 --> 00:10:19.925
jetzt Smart-Systems Outdoor-Devices.

00:10:20.305 --> 00:10:21.965
Wir müssen innovativ bleiben.

00:10:22.005 --> 00:10:24.205
Gleichzeitig wachsen
wir unglaublich schnell.

00:10:24.205 --> 00:10:28.425
Also wir brauchen was, wo wir nicht
alles abreißen müssen, sondern auf unsere

00:10:28.425 --> 00:10:32.665
bestehenden Architekturen aufbauen können,
was wir mit Adaptive Cloud machen können.

00:10:32.845 --> 00:10:35.725
Und mit Azure Arc, um diese
Ressourcen zu steuern.

00:10:36.085 --> 00:10:41.400
Darauf... Obendrauf haben sie den
Azure IoT Operations draufgesetzt,

00:10:41.400 --> 00:10:45.500
wo sie die Daten, die sie rausziehen,
zusammen mit Fabric, das ist so ein

00:10:45.500 --> 00:10:51.320
Datenintegrationslayer von uns, die
Insights rausziehen konnten, sodass

00:10:51.320 --> 00:10:57.160
ein Worker tatsächlich dann in Echtzeit
diese Informationen zur Verfügung hat.

00:10:57.300 --> 00:11:00.699
Was Sie in zwei Werken ja angefangen
haben, planen Sie jetzt mit dem

00:11:00.699 --> 00:11:03.060
weltweiten Rollout noch in diesem Jahr.

00:11:03.060 --> 00:11:06.000
Da sieht man auch, wie schnell
skalierbar das ist, sobald

00:11:06.000 --> 00:11:08.240
man das einmal aufgesetzt hat.

00:11:08.240 --> 00:11:09.920
Du hast jetzt schön die
beiden Ebenen beschrieben.

00:11:09.920 --> 00:11:12.359
Das eine war überhaupt erstmal die
Daten zusammenzubringen mit der

00:11:12.359 --> 00:11:16.420
Konnektivität und dann aus diesen
Daten eine Mehrwert zu erzeugen und

00:11:16.420 --> 00:11:19.800
das ganz konkret Für den Werker sogar,
habe ich das richtig verstanden.

00:11:19.800 --> 00:11:22.300
Also das geht dann wirklich bis runter
auf den Shopfloor dass der direkt

00:11:22.300 --> 00:11:27.320
auf Basis dann der Ergebnisse quasi,
der Insights wie du gesagt hast,

00:11:27.320 --> 00:11:28.360
dann entsprechend reagieren kann.

00:11:28.360 --> 00:11:33.040
Und dann kommt eben die KI noch mit ins
Spiel, weil damit demokratisieren wir

00:11:33.040 --> 00:11:37.620
Einsichten aus den Daten rauszukriegen
Was ich dir vorher beschrieben hatte,

00:11:37.620 --> 00:11:42.140
was früher mühselig dann im Prinzip um
mehrere Stufen ausgehen musste, kann heute

00:11:42.140 --> 00:11:44.660
ein Werker in natürlicher Sprache fragen.

00:11:44.959 --> 00:11:48.780
Bei Husqvarna war das Problem, dass
die Schichtarbeiter keine Übergaben

00:11:48.780 --> 00:11:52.660
oder nicht genügend Informationen über
die Übergaben der Schichten hatten.

00:11:52.660 --> 00:11:55.860
Also wenn da ein Nachtschichtmitarbeiter
war und der hatte aus einer Wartung

00:11:55.860 --> 00:12:00.540
irgendwas herausbekommen, wusste das der
in der Frühschicht nicht ausreichend.

00:12:00.540 --> 00:12:05.135
Und so haben sie den... Ich muss
einmal den Namen, den Factory

00:12:05.135 --> 00:12:08.295
Companion Bot ins Leben gerufen.

00:12:08.295 --> 00:12:14.755
Der basiert auf KI und mit einem LLM,
also einem Large Language Model, kann

00:12:14.755 --> 00:12:20.255
der Werker in natürlicher Sprache fragen,
was war denn in der Schicht davor los.

00:12:20.375 --> 00:12:23.915
Er kriegt dann automatisiert auf
den ganzen Bedienungsanleitungen,

00:12:23.915 --> 00:12:26.454
die natürlich da reingespeist
werden, auch gleich einen

00:12:26.454 --> 00:12:28.095
Vorschlag woran es liegen kann.

00:12:28.095 --> 00:12:32.275
Und jetzt wird es ganz spannend
Aufgrund der Historie der Daten

00:12:32.275 --> 00:12:36.035
kriegt er auch gleich Vorschläge,
wie er es besser machen kann.

00:12:36.035 --> 00:12:41.675
Das heißt, die Ausfallzeiten gehen extrem
runter und die Produktivität erhöht sich.

00:12:41.755 --> 00:12:46.355
Schön, dass man nicht nur Informationen
bekommt, irgendwie gepusht,

00:12:46.355 --> 00:12:48.015
sondern auch aktiv nachfragen kann.

00:12:48.015 --> 00:12:50.275
Und das in natürlicher Sprache, das
ist dann schon ein großer Mehrwert.

00:12:50.555 --> 00:12:53.015
Und andersrum geht es
wahrscheinlich aber auch.

00:12:53.015 --> 00:12:56.660
Also so klassisches Sprachwissen
Predictive Maintenance zu sagen, okay,

00:12:56.660 --> 00:13:01.300
ich kriege über die Daten dann die
Information, wann mache ich wo wie eine

00:13:01.300 --> 00:13:05.880
Wartung, also wo werde ich dann als
Mensch aktiviert mich um meine Maschinen

00:13:05.880 --> 00:13:08.520
und Anlagen zu kümmern, also so wird es
wahrscheinlich genauso funktionieren.

00:13:08.520 --> 00:13:12.439
Ja, ganz genau, dass eben dieses
Vorausschauende, dass ich nicht warten

00:13:12.439 --> 00:13:15.840
muss, bis ein Fehler passiert, sondern
dass ich aufgrund von verschiedenen

00:13:15.840 --> 00:13:19.555
Vibrationen oder aufgrund von
verschiedenen Effekten Sensordaten schon

00:13:19.555 --> 00:13:21.974
sagen kann, dass etwas passieren wird.

00:13:21.974 --> 00:13:26.995
Und das ist halt, sobald wir KI
ein-einmal integriert haben in den

00:13:26.995 --> 00:13:28.814
Bereich, kriegen wir die Daten.

00:13:28.814 --> 00:13:32.155
Sobald wir die Daten haben, können wir
natürlich auch so Vorhersagen treffen.

00:13:32.155 --> 00:13:35.834
Und je mehr Daten wir haben, das
kennst du selber, Tobias, desto

00:13:35.834 --> 00:13:38.495
besser ist eine KI natürlich auch.

00:13:38.495 --> 00:13:39.055
Super.

00:13:39.055 --> 00:13:42.795
Tolles Beispiel und vor allem auch
toll, dass ihr da gar nicht stehen

00:13:42.795 --> 00:13:45.114
geblieben seid beim Thema Predictive
Maintenance, sondern dann schon

00:13:45.114 --> 00:13:50.250
weitergegangen seid mit dem Mit dem
Bot und dem LLM, Large Language Model.

00:13:50.790 --> 00:13:53.590
Das ist ein gutes Stichwort,
weil ich weiß dass ihr in dem

00:13:53.590 --> 00:13:55.270
Bereich LLMs auch noch mehr macht.

00:13:55.609 --> 00:13:58.349
Und viele nutzen das ja gefühlt
mehr wie so eine Spielerei.

00:13:58.349 --> 00:14:02.109
Und das ist schon gezeigt,
es ist viel zu klein gedacht.

00:14:02.150 --> 00:14:04.849
Hast du noch ein anderes Beispiel,
wie man LLMs gewinnbringend in

00:14:04.849 --> 00:14:05.949
der Produktion einsetzen kann?

00:14:05.949 --> 00:14:08.790
Also was wir heute mit
unserem Partner machen, weil

00:14:08.790 --> 00:14:10.170
vielleicht ein Satz noch dazu.

00:14:10.170 --> 00:14:14.205
Die Microsoft selbst versteht
sich als... Plattform-Anbieter.

00:14:14.205 --> 00:14:19.865
Das heißt, wir bringen die Plattform,
wir haben bei AI Plattformen wo wir

00:14:19.865 --> 00:14:25.065
über 1900 Modelle haben, die wir
heute unseren Kunden anbieten können.

00:14:25.065 --> 00:14:30.385
Und das nicht nur IT-Modelle, sondern
tatsächlich auch Industrie-Modelle, wo

00:14:30.385 --> 00:14:35.725
beispielsweise Unternehmen wie eine Bayer,
eine Side Machine, eine Siemens, eine

00:14:35.725 --> 00:14:41.545
Rockwell auch ihre eigenen Daten darauf
trainieren konnten und die nun ihren

00:14:41.545 --> 00:14:46.585
Kunden und unseren Kunden zur Verfügung
zu stellen, sodass sie spezifische LLMs

00:14:46.585 --> 00:14:51.085
nutzen können und Datenmodelle nutzen
können, um damit Insights zu generieren.

00:14:51.125 --> 00:14:55.905
Und Es ist gerade der Name Siemens
gefallen, das ist einer unserer

00:14:55.905 --> 00:14:59.545
Partner, unser wichtigsten Partner
gerade im Bereich Industrie weil

00:14:59.545 --> 00:15:04.685
wir horizontale Plattformanbieter,
Siemens absolute Experte, was die

00:15:04.685 --> 00:15:06.944
Vertikale oder das Vertical angeht.

00:15:06.964 --> 00:15:11.785
Und mit Siemens machen wir beispielsweise
den Siemens Industrial Co-Pilot zusammen,

00:15:11.785 --> 00:15:14.390
also im Bereich Shop Floor selber.

00:15:14.390 --> 00:15:18.730
Da hast du zwei Co-Piloten
Das ist im Prinzip einer für

00:15:18.730 --> 00:15:22.590
Engineering im Shop Floor und
einer für Operations im Shop Floor.

00:15:22.590 --> 00:15:25.390
Der zweite wird dieses
Jahr noch live gehen.

00:15:25.390 --> 00:15:29.870
Der Co-Pilot für Engineering
im Shop Floor der spricht PLC.

00:15:30.155 --> 00:15:34.635
Also, ein Mitarbeiter muss eine
neue Maschine in Betrieb nehmen,

00:15:35.035 --> 00:15:39.095
muss natürlich dafür PLC können,
muss sie einsetzen können.

00:15:39.095 --> 00:15:43.295
Und der Siemens Industrial
Co-Pilot for Engineering hilft

00:15:43.295 --> 00:15:46.615
dem Mitarbeiter, genau das zu tun.

00:15:47.035 --> 00:15:50.675
Er hilft ihm, die Steuerung
mit aufzusetzen, er hilft ihm,

00:15:50.675 --> 00:15:54.115
die Visualisierung auf dem
Maschineninterface zu machen.

00:15:54.455 --> 00:15:58.500
Und wenn dann später...
Schwierigkeiten oder Probleme oder

00:15:58.500 --> 00:16:01.720
Issues entstehen Im Betrieb, im
Shopfloor der Maschine haben wir den

00:16:01.720 --> 00:16:04.060
Industrial Co-Pilot for Operations.

00:16:04.240 --> 00:16:07.460
Der für Engineering, der ist
heute bereits bei einer Thyssen

00:16:07.460 --> 00:16:09.460
Automation Engineering Live.

00:16:09.460 --> 00:16:14.380
Das heißt, die planen weltweiten Rollout
noch in diesem Jahr, weil sie sagen,

00:16:14.380 --> 00:16:18.510
dass sie damit zusammenarbeiten Ihren
Automation Engineer, die einfach auch ganz

00:16:18.510 --> 00:16:21.290
viele verschiedene Tools haben müssen,
die ganz viele verschiedene Maschinen

00:16:21.290 --> 00:16:25.750
haben müssen, extrem helfen können,
sich aufs Wesentliche zu fokussieren.

00:16:25.750 --> 00:16:31.330
Also nicht mit solchen, das Codeschreiben
tatsächlich zu übernehmen weil da

00:16:31.330 --> 00:16:34.790
kriegst du dann einen Vorschlag von einem
Copilot, wie dieser Code geschrieben

00:16:34.790 --> 00:16:38.270
werden kann und das Ganze wird direkt
wieder, wenn du in natürlicher Sprache

00:16:38.270 --> 00:16:40.270
was eingibst, in Code übersetzt.

00:16:40.505 --> 00:16:44.125
Okay, also das heißt, meine
ganze SBS-Programmierung kann

00:16:44.125 --> 00:16:45.625
dann der Co-Pilot übernehmen?

00:16:46.925 --> 00:16:49.564
Zumindest wesentlich dabei helfen.

00:16:49.564 --> 00:16:54.685
Und im Siemens-Gerätewerk in Erlangen
ist bereits der Co-Pilot für Operations

00:16:54.685 --> 00:16:56.905
für Load-Maschinen implementiert.

00:16:56.905 --> 00:17:00.685
Also das heißt, wenn ein Fehler
entsteht dann kann er den Anlagenführern

00:17:00.685 --> 00:17:05.675
sagen... Wo könnte das Problem
liegen, was ist ein Lösungsvorschlag.

00:17:05.855 --> 00:17:08.595
Er kann sogar helfen, den direkt zu lösen.

00:17:08.734 --> 00:17:12.855
Okay, das heißt, er hat auch Zugriff
dann auf den SPS-Code quasi und kann

00:17:12.855 --> 00:17:15.395
dann auch verstehen, was ist jetzt
gerade passiert, wo hängt vielleicht die

00:17:15.395 --> 00:17:17.635
Maschine, was ist das Problem dahinter.

00:17:17.635 --> 00:17:20.579
Ja Und was auch nochmal total
spannend ist, wir haben jetzt mit der

00:17:20.579 --> 00:17:26.520
Siemens zusammen das EFM, Industry
Foundation Model, annonciert.

00:17:27.240 --> 00:17:31.820
Damit wollen wir ein LLM für
die Industrie machen, gemeinsam

00:17:31.820 --> 00:17:33.100
mit der Siemens zusammen.

00:17:33.139 --> 00:17:38.159
Das bedeutet, dass sowas wie von
Sprache was wir klassisch hatten mit

00:17:38.159 --> 00:17:41.585
den LLMs, was eigentlich jeder kennt,
Zwischenzeitlich auch Bildern tatsächlich

00:17:41.585 --> 00:17:43.985
in den Industriekontext übersetzt.

00:17:43.985 --> 00:17:49.205
Also von 2D-Zeichnungen, 3D-Modellen,
P&IDs, wo du sagst ich habe heute

00:17:49.205 --> 00:17:53.205
eine Pumpe, die muss in eine P&ID
ausgetauscht werden und du gibst

00:17:53.205 --> 00:17:57.745
eine P&ID rein und hast nachher mit
der natürlichen Spracheinput eine

00:17:57.745 --> 00:18:00.305
völlig neue P&ID, die du rausbekommst.

00:18:00.425 --> 00:18:05.765
Also das hast du im Prinzip
alles in dem Kontext zusammen.

00:18:06.025 --> 00:18:09.625
Das eine, was sich da verändert, ich
meine, es ist schon heute nicht leicht,

00:18:09.625 --> 00:18:11.265
gute SPS-Programmierer zu kriegen.

00:18:11.705 --> 00:18:14.449
Entsprechend diese Je mehr wir
automatisieren, je mehr brauchen

00:18:14.449 --> 00:18:15.350
wir da auch das Know-how.

00:18:15.350 --> 00:18:17.929
Das heißt, die werden im
besten Fall entlastet.

00:18:18.330 --> 00:18:22.070
Ändert sich aber auch noch mehr, wenn wir
jetzt über Programmierung und nachher auch

00:18:22.070 --> 00:18:23.709
in Betriebnahme von den Maschinen reden?

00:18:23.709 --> 00:18:26.649
Also ich glaube, zum einen werden
die Automatisierenden nicht nur

00:18:26.649 --> 00:18:31.669
entlastet sondern das sind ja
Tätigkeiten, die repetitiv sind.

00:18:32.330 --> 00:18:37.620
Das bedeutet... Keiner macht sowas
gerne und es ist meistens eine super

00:18:37.620 --> 00:18:41.040
anstrengende Aufgabe, also schleichen
sich sehr viele Fehler ein und

00:18:41.040 --> 00:18:45.700
was wir eben auch beobachten ist,
dass die Qualität sich wesentlich

00:18:45.700 --> 00:18:47.700
verbessert und die Fehler zurückgehen.

00:18:48.040 --> 00:18:52.340
Weil einfach diese repetitiven Aufgaben
von der KI übernommen werden plus

00:18:52.340 --> 00:18:56.980
die Leute, das sehen wir bei unseren
Programmierern die GitHub Copilot nutzen,

00:18:56.980 --> 00:19:02.510
die sind zufriedene, Wie schon gesagt,
keiner macht diese Aufgaben eben gerne.

00:19:02.510 --> 00:19:03.050
Sehr cool.

00:19:03.090 --> 00:19:07.350
Das ist glaube ich sofort, wenn
man da entsprechende Unterstützung

00:19:07.350 --> 00:19:09.250
bekommt, dann freut man sich.

00:19:09.990 --> 00:19:12.610
Das eine ist jetzt ja den Codes
programmieren Wie sieht das

00:19:12.610 --> 00:19:13.930
aus im Engineering von Anlagen?

00:19:13.930 --> 00:19:15.270
Können da LMMs auch unterstützen?

00:19:15.270 --> 00:19:15.510
Ja.

00:19:16.560 --> 00:19:19.679
Ja gerade schon so ein bisschen in die
Richtung beschrieben mit den PNIDs ja?

00:19:19.740 --> 00:19:23.760
Ja, also da haben wir tatsächlich so
eine, das ist so tatsächlich unser

00:19:23.760 --> 00:19:27.800
Steckenswert, da haben wir so eine
Bandbreite und zwar von ganz am Anfang

00:19:27.800 --> 00:19:32.260
dem Requirements Engineering bis ganz
zum Schluss vom Testing, also vom

00:19:32.260 --> 00:19:37.485
automatisierten Erstellen von Test Cases
Und der Dokumentation der Ergebnisse.

00:19:37.485 --> 00:19:42.545
Wenn du das V-Modell kennst das ist ja
im Automotive-Sektor ganz schön, wie

00:19:42.545 --> 00:19:46.805
die Entwicklung beschrieben ist, können
wir tatsächlich entlang der kompletten

00:19:46.805 --> 00:19:49.785
R&D-Toolchain mit KI unterstützen.

00:19:49.785 --> 00:19:54.085
Wir wissen heute, dass so ein klassischer
Engineer fast 60 Prozent seiner Zeit

00:19:54.085 --> 00:19:56.225
mit administrativen Aufgaben verbringt.

00:19:56.225 --> 00:20:00.985
Das heißt, Der arbeitet heute
noch mit E-Mails und Ähnlichem

00:20:01.604 --> 00:20:04.824
Sucht dann irgendwelche Daten
zum Beispiel oder keine Ahnung.

00:20:04.824 --> 00:20:05.844
Also tatsächlich manuell.

00:20:05.844 --> 00:20:09.044
Wir sind mal daneben gesessen
und haben uns das angeguckt.

00:20:09.044 --> 00:20:12.225
Der kriegt dann irgendwie eine Anforderung
und dann fängt er an, manuell raus

00:20:12.225 --> 00:20:16.024
zu suchen und die Daten manuell im
Internet nochmal zu überprüfen und

00:20:16.024 --> 00:20:17.824
die dann in der Excel einzutragen.

00:20:18.125 --> 00:20:21.455
Und natürlich ist A, der
Frustrationslevel, die Zeit die

00:20:21.455 --> 00:20:24.895
man braucht, sehr hoch, plus B, die
Fehlerwahrscheinlichkeit immens.

00:20:25.115 --> 00:20:28.355
Jetzt gebe ich dir mal ein Beispiel,
was wir mit einer GEA, aber auch mit

00:20:28.355 --> 00:20:31.655
einer Continental gemeinsam gemacht
haben, um den Engineer-to-Order-Prozess

00:20:31.655 --> 00:20:33.235
massiv zu beschleunigen.

00:20:33.375 --> 00:20:38.895
Eine GEA kriegt, die machen
Separatoren, große Anlagen zum Trennen

00:20:38.895 --> 00:20:40.675
von allen möglichen Flüssigkeiten.

00:20:41.135 --> 00:20:45.935
Und wenn die eine Anfrage für so eine
neue Anlage bekommen, dann sind das

00:20:45.935 --> 00:20:49.220
Zehntausende von Seiten, Die sie kriegen.

00:20:49.220 --> 00:20:52.179
Und da muss man sich vorstellen,
da stehen in den 10.000 von Seiten

00:20:52.179 --> 00:20:56.939
sind alle möglichen Anforderungen
drin für so eine Anlage, aber nur

00:20:56.939 --> 00:21:00.615
50% Sind wirklich relevant, ja.

00:21:01.115 --> 00:21:04.235
Und dann sind Anforderungen drin,
die sich gegenseitig widersprechen.

00:21:04.455 --> 00:21:08.315
Wenn das ein Hersteller nicht weiß
oder nicht merkt und anfängt falsch

00:21:08.315 --> 00:21:12.695
zu produzieren, dann ist es in seiner
Verantwortung und er muss das im Prinzip

00:21:12.695 --> 00:21:15.295
dann kostenintensiv wieder rückabwickeln.

00:21:15.475 --> 00:21:18.835
Und was wir hier gemacht haben,
und das ist bei einer Gier der Fall

00:21:18.835 --> 00:21:23.135
und bei einem Zulieferer wie einer
Continental, die, das muss ich, die Zahl

00:21:23.135 --> 00:21:28.740
hat mich echt umgehauen, Die schätzen
37.500 Stunden für so ein Projekt an

00:21:30.135 --> 00:21:32.175
Aufzuwenden, bis das dann mal fertig ist.

00:21:32.175 --> 00:21:37.755
Das sind mehrere Mannjahre, also völlig
wahnsinnig Die haben 30.000 Requirements

00:21:37.755 --> 00:21:39.515
wenn da so ein neues Projekt reinkommt.

00:21:39.675 --> 00:21:43.975
Und was wir jetzt gemacht haben,
ist mit einer Entity Data so eine

00:21:43.975 --> 00:21:46.055
Art AI-Shadow mit draufzulegen.

00:21:46.115 --> 00:21:50.605
Das heißt, du Völlig easy nimmst du
deine kompletten Dokumente, die du

00:21:50.605 --> 00:21:55.665
bekommst, packst in einen Bulk Upload in
dieses Tool mit rein, dann werden alle

00:21:55.665 --> 00:22:00.985
Anforderungen die du hast, automatisiert,
extrahiert und in dein Tool eingefüttert

00:22:00.985 --> 00:22:04.545
Die werden aber nicht nur das, sondern
sie werden bereits klassifiziert Ist

00:22:04.545 --> 00:22:05.865
das irgendwie sicherheitsrelevant?

00:22:05.865 --> 00:22:06.665
Ist das Hardware?

00:22:07.145 --> 00:22:08.885
Gehört das irgendwie zu
einem bestimmten Bereich?

00:22:09.440 --> 00:22:13.960
Gleichzeitig wird im Prinzip schon gesagt,
zu welchem bestehenden Produktfeature

00:22:13.960 --> 00:22:17.580
könnte diese Anforderung passen mit
einer bestimmten Wahrscheinlichkeit

00:22:17.580 --> 00:22:21.300
Dass du auch schon siehst was
brauchst du neu, was hast du aber

00:22:21.300 --> 00:22:23.000
auch schon in deinem Produktkatalog.

00:22:23.040 --> 00:22:26.740
Und dann nochmal einen Schritt
weiter, automatisiert werden

00:22:26.740 --> 00:22:31.040
dann Tasks abgeleitet und an die
unterschiedlichen Forschungszentren

00:22:31.040 --> 00:22:33.760
jetzt bei einer Continental, verteilt.

00:22:34.210 --> 00:22:36.990
Damit diese Tasks dann basierend
auf den Anforderungen direkt

00:22:36.990 --> 00:22:38.670
abgearbeitet werden können.

00:22:39.110 --> 00:22:41.590
Und die GEA geht halt
noch einen Schritt weiter.

00:22:41.590 --> 00:22:46.370
Die haben so ein Deep Research, so ein
Multi-Agent noch mit dazu gepackt wo

00:22:46.370 --> 00:22:52.315
du mit deinen Requirements tatsächlich
Tief technisch chatten kannst.

00:22:52.315 --> 00:22:55.015
Also du kannst sagen, hey,
welche Requirements gibt es denn

00:22:55.015 --> 00:22:58.675
eigentlich in Bezug auf Noise
oder Vibrations oder Ähnliches?

00:22:58.675 --> 00:23:00.855
Und was muss ich denn berücksichtigen?

00:23:00.955 --> 00:23:05.955
Sodass du halt da auch wie so einen
kleinen Experten Technik-Experten, den

00:23:05.955 --> 00:23:12.215
du 24-7 neben dir sitzen hast, Gründe
erfragen kannst und wissen kannst, warum

00:23:12.215 --> 00:23:13.835
es eigentlich bestimmte Dinge gibt.

00:23:14.044 --> 00:23:14.925
Finde ich spannend.

00:23:14.925 --> 00:23:18.024
Also das eine ist wirklich die Analyse
zu machen, was du beschrieben hast.

00:23:18.024 --> 00:23:20.264
Das kann man sich ja noch gut
vorstellen, aber dann wirklich zu

00:23:20.264 --> 00:23:23.625
sagen, naja, ich kriege schon konkret
die ganzen Aufgaben abgeleitet.

00:23:23.885 --> 00:23:27.125
Das ist ja wirklich nochmal an
der Top eine große Erleichterung.

00:23:27.465 --> 00:23:30.645
Das heißt aber dann auch, wenn man das so
ein bisschen hört, kriegt man ein Gespür

00:23:30.645 --> 00:23:34.705
dafür, wie sich dann auch so ein gesamter
Entwicklungsprozess ja auch verändert.

00:23:34.784 --> 00:23:39.284
Also das ist zum Start so gesagt, wenn
man heute irgendwie ein, zwei Jahre für

00:23:39.284 --> 00:23:41.405
so eine Anlage so eine Maschine braucht.

00:23:41.795 --> 00:23:45.315
Und das verwundert ja dann nicht, wenn
man weiß, wie es heute funktioniert und

00:23:45.315 --> 00:23:46.515
wie viele Anforderungen dahinter stecken.

00:23:47.055 --> 00:23:49.455
Und man kriegt mal eine Idee,
wie sich das dann verändert.

00:23:49.615 --> 00:23:51.675
Gibt es auch Vorteile für die
Produzierendenunternehmen?

00:23:51.675 --> 00:23:54.415
Weil das eine ist ja der Vorteil
jetzt für den Maschinenbauer.

00:23:55.295 --> 00:23:58.575
Profitieren auch die Kunden am
Ende der Maschinenbauer davon?

00:23:58.595 --> 00:24:02.015
Also bei der GEA war es ganz klar, die
hat gesagt, und bei einer Conti genauso,

00:24:02.015 --> 00:24:06.455
dadurch, dass wir viel schneller so
ein RFQ beantworten können und das

00:24:06.455 --> 00:24:10.774
ist eine viel höhere Qualität weil
wir... Und auch von der Bepreisung

00:24:10.774 --> 00:24:14.430
her natürlich viel sicherer das sagen
können, Haben unsere Kunden damit auch

00:24:14.430 --> 00:24:18.170
einen Wettbewerbsvorteil, weil sie
schneller bessere Ergebnisse bekommen.

00:24:18.170 --> 00:24:19.550
Das ist die eine Sache.

00:24:19.550 --> 00:24:24.530
Weil die andere Sache ist, je nachdem,
was unsere Kunden selber herstellen,

00:24:24.960 --> 00:24:29.750
wenn das beispielsweise Hardware mit
Software ist, können wir natürlich in

00:24:29.750 --> 00:24:34.330
jegliches Software, die heute von einem
produzierenden Unternehmen, einem anderen

00:24:34.330 --> 00:24:38.270
Unternehmen zur Verfügung gestellt
wird, auch Co-Piloten integrieren.

00:24:38.580 --> 00:24:42.220
Das heißt, unsere Kunden sagen heute
schon immer Ich kaufe eigentlich

00:24:42.220 --> 00:24:47.640
Software in so einem Bereich oder auch
Hardware mit Software in dem Bereich

00:24:47.640 --> 00:24:50.600
nur noch wenn AI integriert ist.

00:24:50.600 --> 00:24:53.160
Denn meine Leute müssen
schneller damit arbeiten können.

00:24:53.160 --> 00:24:55.100
Die müssen schnellere Einsicht haben.

00:24:55.100 --> 00:24:59.860
Und wenn ich beispielsweise wie Andritz
die haben eine Plattform, die nennt

00:24:59.860 --> 00:25:04.855
sich Metritz, Copilot dort integriere
und direkt meinen Kunden zur Verfügung

00:25:04.855 --> 00:25:08.675
stellen kann, dass die wiederum schneller
Predictive Maintenance machen können,

00:25:08.675 --> 00:25:12.715
Ausfälle sehen können, sagen können,
wenn tatsächlich was passiert und auf

00:25:12.715 --> 00:25:17.235
Ausfälle mit Vorschlägen zur Wartung
schneller reagieren können, haben wir

00:25:17.235 --> 00:25:22.895
so ein wunderschönes Ökosystem, kann
man tatsächlich sagen, wo von Anfang

00:25:22.895 --> 00:25:26.960
bis zum Ende jeder reagiert Jeder
davon partizipiert und profitiert.

00:25:26.960 --> 00:25:30.139
Super, ja, das heißt, du hast es
vorhin schon beschrieben, was die ganze

00:25:30.139 --> 00:25:33.159
Durchgängigkeit im Engineering anbelangt
aber das hört dann nicht auf, sondern

00:25:33.159 --> 00:25:34.240
geht dann weiter bis ins Produkt.

00:25:34.240 --> 00:25:37.240
Genau, und spannend wird es halt
dann vor allen Dingen, wenn du die

00:25:37.240 --> 00:25:42.025
Daten aus der Produktion und aus dem
Service hast Noch nehmen kannst, wenn

00:25:42.025 --> 00:25:46.225
du so eine Art Datenlayer oben drüber
legst der die Daten von Engineering,

00:25:46.225 --> 00:25:49.345
Operations und Service zusammennimmt.

00:25:49.345 --> 00:25:54.545
So eine Art wirklich Digital Thread,
das bisher ganz oft Theorie war.

00:25:54.545 --> 00:25:57.305
Aber heute haben wir die
technologischen Möglichkeiten dazu.

00:25:57.305 --> 00:26:01.205
Weil du hast mit Fabric einen ganz
einfachen Datenintegration-Layer, wo

00:26:01.205 --> 00:26:03.225
du oben dann KI drauflegen kannst.

00:26:03.225 --> 00:26:05.285
Und Fabric ist das egal,
was darunter liegt.

00:26:05.545 --> 00:26:07.085
Und dann könntest du im Prinzip...

00:26:07.440 --> 00:26:12.780
Von Design über Shopfloor bis hin
zu Service schauen, was passiert

00:26:12.780 --> 00:26:15.340
eigentlich mit dem Design von
Produkt nachher im Service?

00:26:15.360 --> 00:26:18.100
Welche Bomben brauche
ich eigentlich dafür?

00:26:18.320 --> 00:26:22.680
Was für Fehler passieren, um im
Idealfall dann zu sagen, du spielst es

00:26:22.680 --> 00:26:25.000
wieder vorne ins Engineering zurück?

00:26:25.000 --> 00:26:29.700
Und da arbeiten wir auch neben einer
Siemens mit einer PTC zusammen, dieses

00:26:29.700 --> 00:26:36.040
Multi-Agent-Framework zusammen Eigentlich
über den ganzen Prozess, genauso wie eine

00:26:36.040 --> 00:26:38.440
Siemens, mit uns gemeinsam spannen möchte.

00:26:38.560 --> 00:26:41.660
Ja, das ist dann, sind wir bei
dem, wo wir schon viele Jahre

00:26:41.660 --> 00:26:44.680
über den digitalen Zwilling reden,
da wird das dann Wirklichkeit.

00:26:44.680 --> 00:26:44.900
Genau.

00:26:45.300 --> 00:26:47.600
Mit den entsprechenden
Fähigkeiten noch on the top.

00:26:47.860 --> 00:26:52.860
Du hast jetzt KI oder AI Agents
genannt KI Agenten auf Deutsch.

00:26:53.175 --> 00:26:55.475
Das ist ja auch gerade
ein ganz großes Thema.

00:26:55.475 --> 00:27:00.875
Also wo gehen wir hin in Richtung
Agenten Ihr habt auch KI-Agenten

00:27:00.875 --> 00:27:02.315
auf der Hannover Messe vorgestellt.

00:27:03.075 --> 00:27:05.655
Vielleicht mal zum Start als
Unterscheidung Wie würdest du so

00:27:05.655 --> 00:27:09.314
ein, Klassischen Chatbot von so
einem KI-Agenten unterscheiden?

00:27:09.314 --> 00:27:14.635
Du hast auf der einen Seite so
ein Large-Language-Model und

00:27:14.635 --> 00:27:17.995
ein Large-Language-Model ist
eigentlich die Basis von allem.

00:27:17.995 --> 00:27:22.975
Ein Large-Language-Model von einem
klassischen Chatbot kennst du daran,

00:27:22.975 --> 00:27:27.115
du gibst was ein und dann bekommst
du, also du promptest und dann

00:27:27.115 --> 00:27:28.695
kriegst du eine Ausgabe zurück.

00:27:28.695 --> 00:27:30.495
Das passiert in natürlicher Sprache.

00:27:30.935 --> 00:27:36.740
Ein Agent ist Basiert auf einem Large
Language Model, hat aber ein genaues

00:27:36.740 --> 00:27:42.540
Ziel, hat einen Auftrag und hat
einen Kontext dazu und kann sich auf

00:27:42.540 --> 00:27:48.260
verschiedene Datentöpfe fokussieren
sodass du wie so eine Art Experten hast.

00:27:48.485 --> 00:27:54.205
Also du kannst dir vorstellen, dein
Agent ist wie dein Experte, den du

00:27:54.205 --> 00:27:57.865
normalerweise nehmen würdest, wenn du
jetzt ein Schweißproblem hast, dann

00:27:57.865 --> 00:27:59.544
holst dir einen Materialexperten.

00:27:59.544 --> 00:28:02.725
Wenn du ein Datenproblem hast,
holst dir deinen Datenexperten.

00:28:02.725 --> 00:28:06.284
Und so kannst du deine Agenten
relativ einfach informieren.

00:28:06.480 --> 00:28:10.960
Selber einrichten und stören, auf
was sie Zugriff haben, ob sie völlig

00:28:10.960 --> 00:28:15.640
autonom sind, ob sie gesteuert werden
sollen, also du sie erst triggern musst,

00:28:15.640 --> 00:28:17.340
bevor sie überhaupt irgendwie was tun.

00:28:17.340 --> 00:28:21.264
Das ist wie so eine Art
Trigger Dein eigenes Team an

00:28:21.264 --> 00:28:23.085
Experten, die für dich arbeiten.

00:28:23.385 --> 00:28:26.545
Und dann hast du obendrauf
noch den Co-Piloten.

00:28:26.545 --> 00:28:29.725
Und bei Microsoft sagen wir
eigentlich immer, jeder Mensch

00:28:29.725 --> 00:28:30.845
wird einen Co-Pilot haben.

00:28:30.845 --> 00:28:36.305
Das ist dein Assistent, das ist dein User
Interface für die künstliche Intelligenz.

00:28:36.605 --> 00:28:40.985
Er greift auf die LLMs zu, er kann
Agenten steuern, mit dem sprichst du.

00:28:41.175 --> 00:28:45.615
Ja, und die Agenten ist dein, jeder
Business-Prozess, jedes Problem, was

00:28:45.615 --> 00:28:47.715
du heute hast, kann Agenten haben.

00:28:47.715 --> 00:28:53.975
Das kann von E-Mails schreiben sein,
über Excel analysieren, über ich habe ein

00:28:53.975 --> 00:28:59.794
Schweißproblem in meiner Produktion und
meine Agenten lösen mir, woran es liegt.

00:28:59.875 --> 00:29:02.695
Das heißt, wenn ich das zu meinen
Worten zusammenfasse, sind die deutlich

00:29:02.695 --> 00:29:06.750
spezialisierter und haben aber auch
noch… Eben neben dem klaren Ziel auch

00:29:06.750 --> 00:29:10.310
nochmal spezielle Informationsquellen
oder du hast es Context genannt, dass

00:29:10.310 --> 00:29:14.830
sie dann entsprechende Datentöpfe
haben, wo sie genau für diese eine

00:29:14.830 --> 00:29:17.390
Aufgabe dann auch die richtigen
Informationen zur Verfügung haben.

00:29:17.390 --> 00:29:17.810
Genau.

00:29:17.810 --> 00:29:21.129
Was würdest du sagen, ist da der
große Vorteil von solchen Agenten?

00:29:21.129 --> 00:29:24.150
Also warum brauche ich
Agenten in der Produktion?

00:29:24.150 --> 00:29:28.010
Du kannst dir einen Agenten für genau
das Problem schaffen, was du hast.

00:29:28.210 --> 00:29:32.450
Wenn wir bei unseren großen
Enterprise-Kunden anschauen, dann gibt

00:29:32.450 --> 00:29:37.290
es Einige Use Cases die haben irgendwie
alle, also so eine Chatbot-Funktion

00:29:37.290 --> 00:29:40.250
beispielsweise mit jeglicher Software.

00:29:40.250 --> 00:29:45.090
Wenn ich heute meine Software fragen
kann, was muss ich denn tun, um eine neue

00:29:45.090 --> 00:29:49.449
Funktion zu machen, dann finde ich es
ganz toll, wenn mir mein Chatbot das sagt.

00:29:49.590 --> 00:29:54.475
Wenn der nächste Agent aber schon
darauf zugreifen kann, Welches Wissen

00:29:54.475 --> 00:30:00.094
vorliegt und wirklich inhaltlich
mit meiner Software zu chatten.

00:30:00.094 --> 00:30:03.014
Das ist im Prinzip der
nächste Vorteil den wir haben.

00:30:03.014 --> 00:30:07.395
Und so ein Agent geht halt genau auf
deine individualisierten Bedürfnisse los.

00:30:07.395 --> 00:30:10.514
Das heißt, jeder kann sich den
Agenten schaffen, den er braucht,

00:30:10.514 --> 00:30:12.355
sein eigenes Experten-Team.

00:30:12.395 --> 00:30:15.774
Und dieses eine Beispiel, was ich
vorher genannt hatte mit dem Schweißen

00:30:15.774 --> 00:30:19.260
also das ist nicht sektiv sondern
Es war tatsächlich so, dass einer

00:30:19.260 --> 00:30:23.899
unserer Kunden gesagt hat wir haben
ein systematisches Schweißproblem,

00:30:23.899 --> 00:30:25.419
das tritt immer wieder auf.

00:30:25.460 --> 00:30:29.939
Und die haben mit mehreren Experten
fast ein Jahr dran gesessen um

00:30:29.939 --> 00:30:31.620
versucht, das Ganze zu lösen.

00:30:31.939 --> 00:30:34.760
Haben es dann irgendwann gelöst,
woran es liegt und haben dann zu

00:30:34.760 --> 00:30:38.639
uns gesagt, Microsoft, ihr sagt
immer, AI oder KI hilft für alles.

00:30:38.899 --> 00:30:41.000
Jetzt zeigt doch mal, was ihr könnt.

00:30:41.000 --> 00:30:45.060
Und wir haben tatsächlich erst mal unsere
Modelle, also die Agenten mit allen

00:30:45.060 --> 00:30:49.820
möglichen Daten gefüttert die wir hatten
von Robotern über Produktionsdaten.

00:30:49.980 --> 00:30:51.120
Alles, was sie haben.

00:30:51.120 --> 00:30:54.199
Und haben dann vier Agenten
drumherum entwickelt.

00:30:54.199 --> 00:30:55.699
Und das waren genau diese Experten.

00:30:55.699 --> 00:30:57.080
Also einer war es fürs Material.

00:30:57.340 --> 00:30:59.080
Einer war fürs Schweißen.

00:30:59.219 --> 00:31:02.340
Einer war dafür da,
Zusammenhänge zu finden.

00:31:02.340 --> 00:31:05.139
Einen gab es für uns so
einen Dateningenieur.

00:31:05.159 --> 00:31:08.975
Und wir haben... Mehrere Stunden gebraucht
und sind dann zur selben Lösung gekommen.

00:31:08.975 --> 00:31:12.875
Also wir hatten fünf Ergebnisse und
davon waren drei genau diejenigen,

00:31:12.875 --> 00:31:15.795
die diese ganzen Experten über
ein Jahr lang eroiert hatten.

00:31:15.975 --> 00:31:20.595
Deswegen, du schaffst ja dein
Experten-Team, das dich unterstützt.

00:31:20.595 --> 00:31:22.475
Das fand ich jetzt aber noch
schön, wie du es beschrieben hast.

00:31:22.475 --> 00:31:25.495
Es geht eigentlich gar nicht darum,
einen KI-Agenten für eine Aufgabe zu

00:31:25.495 --> 00:31:28.715
haben, sondern dass man eigentlich für
einzelne Aufgaben dann verschiedene

00:31:28.715 --> 00:31:33.540
Rollen braucht, so wie man auch Sag ich
mal, im Alltag ein interdisziplinäres

00:31:33.540 --> 00:31:34.659
Team sich zusammenstellen würde.

00:31:34.659 --> 00:31:37.939
Und nichts anderes ist dann die
Basis auch von diesen KI-Agenten.

00:31:37.959 --> 00:31:38.959
Genau, richtig.

00:31:38.959 --> 00:31:41.020
Das ist das Schöne daran.

00:31:41.020 --> 00:31:44.020
Also wenn wir jetzt wieder bei
dem V-Modell bleiben oder bei

00:31:44.020 --> 00:31:47.899
der Tool-Chain, dann sprechen wir
gerne von einem Agentic Enterprise.

00:31:47.899 --> 00:31:53.719
Das heißt, von jedem Tool, von jeder
Software, die ein Unternehmen hat, Kannst

00:31:53.719 --> 00:31:56.120
du im Prinzip einen Agent draufsetzen.

00:31:56.120 --> 00:32:00.219
Du hast dann oben drüber so
einen Multi-Agenten-Orchestrator.

00:32:00.659 --> 00:32:03.139
Voraussetzung ist, dass die
Agenzen immer mit demselben

00:32:03.139 --> 00:32:04.620
Protokoll miteinander sprechen.

00:32:04.620 --> 00:32:08.780
Aber da haben wir schon zwei
Standardprotokolle, A2A oder MCP.

00:32:08.840 --> 00:32:13.899
Und wenn das da ist, dann kann jeder
Drittanbieter jeder, der eine Software

00:32:13.899 --> 00:32:18.460
hat, Heute in Agenten mit draufsetzen
und dann hast du oben drüber deinen

00:32:18.460 --> 00:32:22.179
Multi-Orchestrator, mit dem sprichst
du über den Co-Pilot und sagst was du

00:32:22.179 --> 00:32:28.419
möchtest und der macht den automatisiert
Die Aufgaben die du möchtest.

00:32:28.540 --> 00:32:34.959
Und ich glaube, was ganz wichtig ist,
das ist eine Unterstützung für Menschen.

00:32:34.959 --> 00:32:39.340
Also ich mache heute nichts mehr
ohne Co-Pilot und ohne meine Agenten

00:32:39.340 --> 00:32:43.440
weil ich gar keine Lust mehr habe,
diese... Diese Aufgaben, die früher

00:32:43.440 --> 00:32:47.660
so viel Zeit gebraucht haben, selber
zu machen, sodass ich mich auf die

00:32:47.660 --> 00:32:52.340
Aufgaben konzentrieren kann, wo ich
wirklich dann Mehrwert stiften kann.

00:32:52.340 --> 00:32:56.300
Und das ist, glaube ich auch
nochmal ganz wichtig zu sagen.

00:32:56.379 --> 00:32:59.040
Also das ist ein Co-Pilot ein Assistent.

00:32:59.040 --> 00:32:59.620
Super.

00:33:00.545 --> 00:33:04.125
Lass uns da jetzt auch noch ein bisschen
nach vorne schauen und als allererstes

00:33:04.125 --> 00:33:07.365
da die Frage, das, was du jetzt
beschrieben hast mit Agentic Enterprise.

00:33:07.865 --> 00:33:11.065
Ich habe einen Co-Piloten, ich
habe eine Architektur eigentlich

00:33:11.065 --> 00:33:12.745
mit mehreren AI-Agents.

00:33:12.905 --> 00:33:14.705
Ist das heute schon möglich?

00:33:15.005 --> 00:33:17.330
Kann ich das heute schon
so umsetzen Zukunftsvision,

00:33:17.330 --> 00:33:18.410
was du da beschrieben hast?

00:33:18.650 --> 00:33:19.310
Beides.

00:33:19.310 --> 00:33:21.510
Also ja, du kannst es
heute schon so umsetzen.

00:33:21.510 --> 00:33:25.230
Wir haben schon Architekturen
mit mehreren Agenten und

00:33:25.230 --> 00:33:28.050
Multi-Agenten-Orchestrator oben drüber.

00:33:28.310 --> 00:33:31.510
Das entwickelt sich aber mit einer
rasanten Geschwindigkeit weiter.

00:33:31.510 --> 00:33:35.250
Also was ich sage, was wir heute mit
Partnern machen, ist tatsächlich über

00:33:35.250 --> 00:33:40.950
deren komplettes Software-Portfolio was
sie haben, also im Bereich Industrie

00:33:40.950 --> 00:33:47.485
von PLM, ALM, SLM CAD, alles was man
sich vorstellen kann, aber auch bis

00:33:47.485 --> 00:33:54.365
zum Operation MES und bis zum Service
Management, Agenten zu entwickeln, die

00:33:54.365 --> 00:33:57.125
verschiedenste Funktionalitäten haben.

00:33:57.345 --> 00:34:02.865
Einerseits nativ integriert in die
Software, andererseits auch, und ich

00:34:02.865 --> 00:34:07.025
finde, dann wird das wirklich spannend,
weil große Kunden oder auch kleine Kunden,

00:34:07.025 --> 00:34:11.605
unsere Mittelständler sagen, das ist ganz
cool, aber kann das denn auch das und das?

00:34:13.090 --> 00:34:18.630
Sodass sie denen auch so eine Art
Toolset mitliefern, wo sie dann obendrauf

00:34:18.630 --> 00:34:23.070
über eine Schnittstelle ihre eigenen
Agenten wiederum draufbauen können.

00:34:23.070 --> 00:34:27.670
Also du hast dann irgendwann so ein Layer,
wo das nativ drin ist in der Software und

00:34:27.670 --> 00:34:31.790
über eine Schnittstelle noch das drauf,
was ein Unternehmen individuell braucht,

00:34:31.790 --> 00:34:37.270
um optimal für sich selber zu designen
zu produzieren und den Service zu machen.

00:34:37.270 --> 00:34:40.130
Das heißt, wenn ich es richtig verstanden
habe, ist eigentlich die Vision, jede

00:34:40.130 --> 00:34:45.190
Software bringt nachher seinen eigenen
Kunden KI-Agenten mit und ich habe da

00:34:45.190 --> 00:34:48.710
drüber hinaus dann meine individuellen
Agenten quasi, die das Ganze dann auch

00:34:48.710 --> 00:34:53.929
eben daneben noch weitere Funktionen
anbieten oder halt auch Experte sind dann

00:34:53.929 --> 00:34:56.509
für die Nutzung auch am Ende der Software.

00:34:56.940 --> 00:34:58.100
Ja, ganz genau.

00:34:58.600 --> 00:35:02.840
Und um das mal plastisch zu machen, also
wir haben ein Beispiel gehabt mit der

00:35:02.840 --> 00:35:06.060
Harting, wo du neue Stecker designen
kannst über so eine Schnittstelle

00:35:06.060 --> 00:35:08.400
zusammen mit NX von der Siemens.

00:35:08.480 --> 00:35:12.680
Wir machen das zusammen mit einer E-Plan,
wo du ganze Schaltschränke und Schallpläne

00:35:12.680 --> 00:35:15.380
mit einem Co-Pilot designen kannst.

00:35:15.380 --> 00:35:19.220
Und wenn unsere Kunden das sehen,
werden die auf einmal super kreativ

00:35:19.220 --> 00:35:20.640
weil sie sagen, das ist ja toll.

00:35:21.170 --> 00:35:22.950
Was kann ich denn damit noch machen?

00:35:22.950 --> 00:35:27.630
Dann kommen sie zurück und haben eine
Use-Case-Liste von 200 Use-Case und sagen,

00:35:27.630 --> 00:35:29.590
und, wie stehen wir das zusammen an?

00:35:29.590 --> 00:35:33.270
Und das ist, glaube ich, auch nochmal so
die Kern-Message was ich mitgeben möchte.

00:35:33.570 --> 00:35:35.750
Wirklich mutig sein, sich anschauen.

00:35:36.245 --> 00:35:38.265
Was geht eigentlich?

00:35:38.845 --> 00:35:39.565
Ausprobieren.

00:35:40.125 --> 00:35:44.545
Die Leute mitnehmen, das ist glaube
ich auch nochmal total wichtig, weil

00:35:44.545 --> 00:35:49.565
egal wie gut eine Technologie ist, wenn
die Mitarbeiter von einem Unternehmen

00:35:49.565 --> 00:35:53.295
davon nicht überzeugt sind, Dann
werden sie nicht genutzt und das ist

00:35:53.295 --> 00:35:55.735
zum Sterben verurteilt tatsächlich.

00:35:55.735 --> 00:36:01.155
Also die Leute mitzunehmen, ihnen
die Angst nehmen, sie nutzen lassen,

00:36:01.155 --> 00:36:05.755
weil nur der, der das Ganze auch
ausprobieren darf, sieht, was raus ist.

00:36:05.755 --> 00:36:09.815
Am besten irgendwelche Champions noch
mit dazunehmen und dann ausprobieren.

00:36:09.935 --> 00:36:14.275
Und was wir halt sehen ist, dass, wie
ich eingangs gesagt habe, innerhalb

00:36:14.275 --> 00:36:16.495
von drei Monaten haben wir...

00:36:16.850 --> 00:36:19.190
Ganz konkrete Ergebnisse.

00:36:19.270 --> 00:36:20.610
Du hast ja vorhin schon gesagt,

00:36:22.750 --> 00:36:25.069
da geht es gar nicht erst mal
darum, was für einen Use Case man

00:36:25.069 --> 00:36:30.650
sich raussucht, sondern vor allem
den, der Entsprechend den größten

00:36:30.650 --> 00:36:32.050
Schmerz vielleicht gerade verursacht.

00:36:32.390 --> 00:36:35.270
Und wenn ich mir diesen Use
Case dann herausgesucht habe,

00:36:35.270 --> 00:36:36.230
wie gehe ich dann weiter?

00:36:36.230 --> 00:36:38.509
Was ist denn so ein praktischer
Tipp, den du noch mitgeben kannst?

00:36:38.730 --> 00:36:42.970
Also wie wir es jetzt bei den vier
Unternehmen gemacht haben, wir sind

00:36:42.970 --> 00:36:47.150
tatsächlich zusammen hingesessen
und haben gesagt, wie sieht denn

00:36:47.150 --> 00:36:48.330
bei euch so ein Prozess aus?

00:36:48.509 --> 00:36:52.870
Wo tut es euch am meisten weh Dann
haben wir den Use Case identifiziert

00:36:52.870 --> 00:36:59.130
und dann war es tatsächlich, Also
direkt in die Implementierung

00:36:59.130 --> 00:37:02.690
gehen, umsetzen, Learning by Doing
machen, schauen, was funktioniert,

00:37:02.690 --> 00:37:06.130
was funktioniert, nicht Anpassungen
wiederum vornehmen und gleichzeitig

00:37:06.130 --> 00:37:11.210
dann die Leute aus dem Shopfloor
aus dem Engineering mit dazunehmen.

00:37:11.210 --> 00:37:16.670
Die müssen Teil davon werden, denen nicht
eine vorgesetzte Lösung präsentieren,

00:37:16.670 --> 00:37:20.050
sondern am besten mit dazunehmen,
dass sie selber sagen können, wo liegt

00:37:20.050 --> 00:37:24.070
denn mein Problem und wenn die dann
sehen, dass ihr Problem gelöst wird.

00:37:24.255 --> 00:37:26.115
Dann ist eigentlich kein Halten mehr.

00:37:26.115 --> 00:37:26.975
Das glaube ich sofort.

00:37:26.975 --> 00:37:27.395
Sehr schön.

00:37:27.395 --> 00:37:31.635
Das ist ein super Abschluss, dass es
dann kein Halten mehr gibt, wenn die

00:37:31.635 --> 00:37:36.035
Leute wirklich abgeholt sind und sie
sehen, dass ihr Problem gelöst wird.

00:37:36.475 --> 00:37:39.575
Vielen Dank für die vielen praktischen
Einblicke, die du uns gegeben hast,

00:37:39.575 --> 00:37:42.895
wo AI schon heute einen großen
Mehrwert in der Produktion bieten

00:37:42.895 --> 00:37:47.355
kann und ich denke, das wird viele
inspirieren, es mal auszuprobieren.

00:37:47.495 --> 00:37:49.715
Gerne Hat mir sehr großen
Spaß gemacht, Tobias.

00:37:49.715 --> 00:37:50.635
Vielen Dank Diana.

00:37:50.635 --> 00:37:51.155
Bis dann.

00:37:51.155 --> 00:37:56.060
Tschüss Das war der Fabrik der Zukunft
Podcast mit deinem Host Tobias Herwig.

00:37:56.600 --> 00:37:57.780
Hat es dir gefallen?

00:37:58.320 --> 00:38:01.040
Dann schreib mir eine Bewertung
bei Apple Podcasts und empfehle

00:38:01.040 --> 00:38:02.240
mich in deinem Netzwerk weiter.

00:38:02.740 --> 00:38:04.380
Vielen Dank für deine Unterstützung.