Maschinen bekommen Ohren: Akustik neu gedacht

00:00:07: Hallo liebe Zuhörer und Zuhörer, willkommen zu einer neuen Folge unseres Podcastes Industrie neu gedacht von Bosch Rexroth.

00:00:12: Mein Name ist Robert Weber und ich sende ein Grüezi zum Philipp in die Schweiz.

00:00:17: Hallo Philipp, Willkommen im Podcast!

00:00:19: Hi Robert oder Grüezie wie du gesagt hast?

00:00:22: Ah Grüezi ja das hört sich so schön an bei dir.

00:00:24: Bevor wir über euer Unternehmen sprechen stelle dich doch bitte ganz kurz vor Philipp wer bist Du was machst Du und was verbindet Dich eigentlich mit der Industrie?

00:00:34: Ja gerne also Philipp.

00:00:35: Niky.

00:00:37: Mein Name klingt französisch ist aber aus der Schweiz, ursprünglich aus dem französischen Teil der Schweiz.

00:00:43: Es ist auch ganz spannend.

00:00:44: die Schweiz hat ja mehrere Sprachen.

00:00:46: das heißt wir sind es uns gewohnt andere sprachen als deutsch zu sprechen.

00:00:50: das hört man auch an meinem Akzent.

00:00:52: Das ist zwar Hochdeutsch aber dann doch wieder nicht.

00:00:56: Ich bin schon eine ganze Weile in der Deep Tech

00:00:58: Branche habe zur Akustik gefunden ganz lustig: über Hubschrauber und Active Noise Control.

00:01:06: Da ging es damals darum, das Innere von Großhubschaubern leiser zu machen.

00:01:11: Und es hat dann das eine zum anderen geführt und hat eigentlich auch ganz schön aufgezeigt wie komplex das Ganze ist.

00:01:18: Wie komplex vor allem die Physik ist, die da vieles möglich macht aber vieles auch nicht.

00:01:24: Du hast gerade schon darüber gesprochen Acoustic eure Firma Rocket Science.

00:01:28: ich finde ja diese Namen schon einfach mega gut!

00:01:30: Wer hatte die Idee?

00:01:31: hattest du die Idee dazu?

00:01:33: Leider kann ich mir das selbst nicht anschreiben.

00:01:35: Das war die Idee von Christian, meinen Geschäftspartner.

00:01:38: Aber leider ist es auch ein kleines Leider, weil eben nicht... Ich darf schon lange Teil der Reise sein mit Christian.

00:01:45: Rocket Science ist so ein Spiel aus dem amerikanischen "It's Not Rocket Science".

00:01:49: Es ist tatsächlich so dass wir mit Space aktuell sehr wenig am Hut haben.

00:01:55: Es zeigt aber sehr schön auf was unsere DNA ist oder wo wir glauben, dass wir wirklich auch unsere Stärke haben und das ist so einerseits eine gewisse Leichtigkeit, mit komplexen Problemen umzugehen und zum anderen aber auch dann wirklich diese Gretchenfrage, wie wir in der Schweiz sagen, ganz hart zu stellen.

00:02:13: Also geht das physikalisch überhaupt?

00:02:15: Was bedeutet das?

00:02:17: Und sind wir hier auf dem richtigen Umsetzungspfad oder völlig aufm Holzweg?

00:02:22: Jetzt erklär doch mal Philipp was macht ihr mit Akustik?

00:02:25: welche Rolle spielt Akustik in der Industrie, in Use-cases?

00:02:29: Was macht ihr mir akustik?

00:02:31: ja leider noch eine viel zu kleine Rolle, also Industrie.

00:02:35: Wenn man da lustigerweise mit Leuten spricht die man vielfach in Fabrikhallen findet oder im Maintenance-Bereich von Anlagen, die das schon zehn, zwanzig, dreißig oder länger Jahre machen dann ist es für die ein Tool was die eigentlich völlig selbstverständlich nutzen.

00:02:54: Die sagen ich höre ob die Maschine läuft, ob die gut läuft. Ich höre, dass da ein Problem auftritt. Und das Gespräch ist dann immer sehr gleich, dass sie das so selbstverständlich sagen,

00:03:08: dann aber doch zugeben müssen, dass Sie darüber noch gar nicht so richtig nachgedacht haben also warum das so ist und was das alles bedeutet.

00:03:16: Und es zeigt auch immer sehr schön auf, dass hier Luftschall, also das, was man mit den Ohren hört und Körperschall, das was man fühlt, Vibrationen, dass das eigentlich das ein und dasselbe ist, zumindest im...jetzt als Tool wie das die Leute verwenden in der Industrie.

00:03:37: Und wenn ich sage eben zu wenig genutzt, dann ist es so, dass man bis heute eigentlich die Brücke nicht geschafft hat das ganze Maschinell ja nicht mal gleich gut aber überhaupt anzugehen.

00:03:49: also das heißt da ist extrem viel Wissen in den Köpfen dieser Leuten Vorhanden extrem viel Wissen, was auf unglaubliche Erfahrungen basiert.

00:03:57: Was man jetzt mit der Pensionierung von diesen Leuten eigentlich irgendwie mal angehen sollte.

00:04:03: Weil ich glaube das erlebt jeder. In verschiedensten Branchen,

00:04:08: die neuen Generationen, die nachkommen haben natürlich nicht mehr die gleiche Hands-on Schulung Vielfach wie das früherige Generation hatten und da geht einfach extrem viel wissen auch verloren.

00:04:22: Was macht ihr jetzt als Rocket Science, was ist euer Produkt? Euer Offer?

00:04:24: Sehr gute Frage, weil ich sage immer Produkte verkaufen wir keine.

00:04:28: Wir sehen uns als Tech Enabler, wir sehen uns als DeepTech Unternehmen das letztendlich größere Firmen befähigt Dinge zu tun die sie halt selber nicht die Fähigkeit für haben.

00:04:40: Nicht weil man sich das nicht aneignen könnte aber weil halt das Feld wo wir uns drin bewegen extremst interdisziplinäres Wissen erfordert und, und wir das jetzt über Jahre perfektioniert haben.

00:04:52: Konkret heißt das, dass wir ganz salopp gesagt Maschinen Ohren geben.

00:04:57: Okay so einfach!

00:04:59: Wie geht das?

00:05:00: Ist eine lange Reise.

00:05:02: Es letztendlich beginnt da wo ich vorhin gesagt habe, dass man die Physik verstehen muss.

00:05:07: also man muss wirklich mal verstehen was hab' ich hier für nen' Prozess vor mir?

00:05:11: und was ist überhaupt die Information die mich interessiert?

00:05:15: Und wie komme ich dann zu dieser Information?

00:05:18: Jetzt geht es bei uns.

00:05:19: Wie richtig gesagt hast du vielfach um Akustik, aber wir sind mittlerweile soweit, dass das ... dass wir dass Thema eigentlich multimodal angehen, wie man so in der modernen AI-Sprache sagen kann.

00:05:30: Das heißt jeder Mensch weiß wenn er mal ein bisschen darüber nachdenkt, wie er hört fühlt und sich in seiner Umgebung bewegt, dass er nicht nur einen Sensor nutzt sondern immer verschiedene Sensoren nutzt und dass jeder Sensor seine Vor- und Nachteile hat, und das die Antwort eigentlich in der Sensorfusion liegt.

00:05:49: Ich glaube, die gleiche Erkenntnis hat jeder das lange genug gemacht in der Technologiewelt auch.

00:05:55: Das sind auch wir angelangt, dass wir sagen Akustik ist schön und gut aber es geht letztendlich je nachdem... was man für eine Plattform hat, ob das eine Robotikplattform ist oder eine Maschine die statisch ist.

00:06:07: Oder ein ganzer Prozess, also in der ganze Anlage geht es letztendlich darum die Sensoren welche nahe genug an diese physikalischen Pfeiler rankommen wo die Information überhaupt vorhanden ist dass man die richtig abgreift und verarbeitet.

00:06:23: aber lass mich mal kurz rekapitulieren.

00:06:25: ich könnte ja an die Maschine ein Mikrofon dran hängen, zeichne sozusagen die Geräusche auf.

00:06:32: Da entsteht dann für mich eine Zeitreihe, eine Sequenz, und könnte dann ja auf der Zeitreihe Anomalien suchen.

00:06:39: oder ist das falsch erklärt?

00:06:42: Das ist grundsätzlich nicht falsch was du sagst, dass ist auch etwas da schon viel gemacht wurde.

00:06:49: Es ist dann halt so, dass es am Ende des Tages je nach dem was man für eine Anomalie sucht, das jetzt zum Beispiel so der Klassiker ist wie ein Getriebeschaden, den man vorhersagen will und das über irgendwelche Vorboten hören möchte oder denkt es zu hören.

00:07:06: Dass das vielleicht viel zu kurz greift weil gerade wenn dieses Getriebe in einer Fabrikhalle steht um bei diesem Thema zu bleiben, dann hat das jetzt wenn man ein Mikrofon reinhängt hat das ja extremst viele andere Schallquellen noch.

00:07:22: Das heißt jede andere Maschine die in dieser Fabrikhalle ist, die macht ja Lärm. Leute, die arbeiten, die reden, die bewegen vielleicht Werkzeuge machen damit Lärm.

00:07:34: also das ist ein unglaublich hoher Geräuschpegel der da eh schon da ist.

00:07:37: und dann muss man das eigentliche Signal dass diese Information enthält welche diese "predictive maintenance" dann letztendlich ermöglicht muss man dann erstmals finden in diesem ganzen Moloch und extrahieren.

00:07:53: Und da kann es gut sein, und darum eben das runterbrechen in die physikalischen Grundpfeiler, dass die Information ja vielleicht in 'nem vibrieren Teil dieser Maschine viel besser anliegt als jetzt im Luftschall – was ja letztendlich nur jetzt in diesem konkreten Fall etwas ist, was in der Luft auch nur ist weil es irgendwo mal von einem vibrierenden Teil abgelöst wurde.

00:08:20: Und diese Brücke versuchen wir zu schlagen dass wir uns das Leben natürlich nicht unnötig kompliziert machen respektive dann nicht zum Beispiel jetzt nur auf einer AI-Ebene ein Modell trainieren wo wir denken dass das vielleicht rausgequetscht werden kann aus diesem Signal und dann so eine Schein-Resultatbasis erreichen, sondern wirklich eigentlich die ganze Kette plausibel darlegen können,

00:08:44: von das ist der physikalische Vorgang.

00:08:46: Das ist die Information, die wir suchen und dass ist der Weg wie wir da hinkommen.

00:08:51: Jetzt weiß ich zufälligerweise, dass du beim Schweißen also Schweiß-Robotik, Schweißapplikation, da hören die Schweißer hin und wissen ob das gut oder schlecht gewesen ist was sie geschweißt haben.

00:09:02: Erklär mir doch mal wie wäre euer Approach wenn wir über Schweißen sprechen?

00:09:08: Ja, beginnt mit dem was ich vorhin gesagt habe das wirklich mal ganz viele Gespräche führt.

00:09:13: Mit menschlichen Schweißern also Leute die das heute noch von Hand machen weil es ja also zumindest mein Halbwissen über Schweißen, dass es sehr viele verschiedenen Prozesse gibt.

00:09:25: Die haben alle so ihre Eigenheiten.

00:09:28: warum ist das relevant?

00:09:30: Weil ja letztendlich, ist 

00:09:32: eben zu Beginn die Frage relevant was ist überhaupt, was sind überhaupt die Stellgrößen.

00:09:39: Die man bewegen kann beim Schweißen, dass vielleicht irgendwie ein Vortrieb, das ist irgendwie 'ne im je nach Schweißvorgang 'ne Gasmischung oder ein Ansetzen, absetzen, vielleicht eine Frage von in welchem Winkel hält man dieses Schweißgerät ans Metall und so weiter und sofort.

00:09:56: Also ich glaube, das Verständnis über diesen Prozess ist erstmal wirklich extremst wichtig und nachher sobald das vorhanden ist.

00:10:06: und es tut mir leid, aber es kriegt alles ja immer ein bisschen nicht nach Rocket Science so'n bisschen Low-Tech.

00:10:11: Ich bin aber ein großer Freund davon wirklich zu verstehen was man anschaut, bevor man überhaupt irgendwelche Daten einsammelt.

00:10:19: Dann geht's aber wirklich an mal Datenproben nehmen und...

00:10:23: Datenprobe nehmen?

00:10:24: Wie macht ihr das Mikrofon?

00:10:25: oder wie tut ihr das?

00:10:26: Hey da versuchen wir wirklich vielfach auch sehr pragmatisch vorzugehen.

00:10:31: Das heißt Logischerweise wünscht sich jeder Ingenieur ein perfektes Mess-Setup mit hochgradig gut abgestimmten Mikrofonen, super Aufnahmegeräten und hast du nicht gesehen.

00:10:43: Aber vielfach genügt eigentlich irgendeine Handyaufnahme oder irgendwas was sowieso schon zur Verfügung steht weil was ja letztendlich unsere Kunden interessiert ist 'ne Time to Market die irgendwie abschätzbar ist und Budgets, die auch nicht gerade jeden zur Hintertür rausjagen.

00:11:04: Und das haben wir erlebt, dass ist so bisher auch in dieser ganzen AI-Journey halt so das Problem gewesen... Dass man da mit, ich nenne sie mal Hörproben.

00:11:17: Also so Demos was Modelle können dass man da extrem begeistert ist und das natürlich als Tool sieht was alle Lösungen sofort bringen kann.

00:11:26: und dann aber sobald man versucht in ein produktives Umfeld zu gehen wird er nur schon den Weg dahin antritt dass man dort extreme Ernüchterung feststellt weil halt letztendlich... Das machen uns die großen Sprachmodelle vor.. Man braucht SO viele Daten dass man da wirklich verlässliche Aussagen rausziehen kann im klassischen Weg, ja.

00:11:48: Dass man das vielfach und beschätzt!

00:11:50: Okay jetzt nimmst du die ersten Aufnahmen von der Maschine?

00:11:53: Was passiert dann

00:11:55: auch sehr eine händische Arbeit, dass man versucht ein Gefühl dafür zu bekommen was jetzt an dieser Physik, die man jetzt verstanden hat in diesen Hörproben, diesen Aufnahmen, wiederzufinden ist und wie man das in einem Mix aus,

00:12:13: und da hat man wirklich den ganzen Werkzeugkasten von klassischen, Sin-Alpha-Verarbeitungstools bis zu eben KI Tools.

00:12:21: Das sehen wir einfach als weitere Toolboxerweiterungen die heute echt richtig cool ist aber halt richtig verwendet werden muss um so eine Randbemerkung zu machen, aus meiner Sicht. Das man da versuch sich einen Überblick zu verschaffen und so ein Soundfile eigentlich in Merkmale runter bricht.

00:12:38: also letztendlich um ein Beispiel zu machen, jetzt wieder bezogen auf das Getriebe von vorhin.

00:12:46: Dass man sagen kann hey hier ich sehe die Rotation und ich seh' die verschiedenen Drehzahlen Ich seh irgendwie

00:12:53: die

00:12:54: Zähne, die aneinander reiben.

00:12:57: Also mit sehen meine ich hören Hören einerseits aber auch sehen in den Daten also sehen in einer gewissen algorithmischen Verarbeitung dieses Sounds Und dass es da eine mathematische Herleitung gibt, jetzt eben zum Beispiel ne Drehzahl.

00:13:12: Im Übrigen ist Drehzahl ein gutes Beispiel für was wir virtuellen Sensor nennen.

00:13:19: Wenn du das Thema so angehst kannst du ja wirklich ein komplexes System aufspannen von Parametern die du rauslesen kannst und das natürlich höchstgradig reproduzierbar

00:13:34: nach dann nach diesem händischen Prozess, spielt ihr das dann wieder zurück an den Kunden?

00:13:37: Oder wie stelle ich mir denn den Prozess vor, wenn es dann in den Einsatz geht.

00:13:42: Also wir suchen natürlich in der gesamten Journey und das ist ein wichtiger Punkt den du ansprichst, den Kunden sehr nahe zu halten,

00:13:49: d.h.,

00:13:50: da in einem engen Austausch zu stehen um einerseits zu verstehen ob das was wir so rausfinden, ob das überhaupt... Das ist was effektiv relevant ist für den Kunden.

00:14:04: Und andererseits aber auch, um das Verständnis zu fördern und dann gleichzeitig dem weiteren Pfad zu skizzieren mit den Kunden wie es wirklich weitergehen kann, dass das ein produktives System werden kann.

00:14:17: Da unterscheiden sich die Wege inhaltlich meist sehr stark weil die hängen halt sehr fest davon ab, wie der Kunde grundsätzlich aufgestellt ist.

00:14:29: Auch was ist das für einen Kunde? Also ist das ein Kunde

00:14:32: Der selbst fabrizierend ist. Ist es ein Kunde, der selbst Produkte anbietet.

00:14:38: Also du hast das Beispiel des Schweißens gebracht.

00:14:40: Ist das ist eine Hersteller von Schweißgeräten, der

00:14:43: so eine

00:14:44: Technologie eingebaut haben will in seine Schweiß-Geräte.

00:14:48: Das ist ein Unterschied als ob das ein Anbieter ist von Schweissdienstleistungen, der jetzt in seiner Fabrik spezifisch etwas optimieren

00:14:57: möchte.

00:14:58: Jetzt sind wir beim Schweißen, jetzt haben wir das Getriebe,

00:15:00: wer sind noch so Kunden-Zielgruppen oder Branchen wo du sagst mit denen ist es spannend.

00:15:06: da sehen wir gerade dass was passiert im Akustikbereich?

00:15:11: Ja das ist also ich muss dazu sagen dass der Markt dafür ist noch sehr jung.

00:15:16: Da ist ein großer Teil aus meiner Sicht Market Making dabei obwohl das Thema ja uralt ist.

00:15:21: eben Menschen und Tiere im Übrigen hören schon sehr lange Es ist nur so ein bisschen wieder ein ein neu entdecken, dieses Sinnes.

00:15:30: So scheint es mir. Und da ist dann schon lustig.

00:15:33: also ein Teil kannst du dir selbst überlegen was das so für Applikationen sind.

00:15:38: wir haben eben schon so über den Klassiker gesprochen.

00:15:41: Das ist fast schon Uni Beispiel im predictive maintenance.

00:15:45: ja Dann kann ich ja vorher sagen dass die Maschine kaputt geht und so weiter.

00:15:50: Wenn Du dann aber wirklich mal dem Markt zuhörst dann kommt eine Idee in der kommst Du selber nicht drauf.

00:15:56: Um nochmals bei den Klassischeren zu bleiben, also Bahnindustrie finde ich ist so ein recht schönes Beispiel.

00:16:04: Da geht es extrem um schwere Gerätschaften um teure Infrastruktur.

00:16:11: Gerade in der Schweiz hatten wir vor ... nicht allzu lange Zeit einen schweren Unfall im Gotthardtunnel, dem längsten Tunnel Europas.

00:16:18: Wo ja ein Güterzug entgleist ist.

00:16:21: erst acht Minuten ist der durchs Tunnel gerauscht.

00:16:25: mit voller Geschwindigkeit hat nicht gemerkt weil regulatorisch die Sensorik nicht vorhanden sein muss und aufgrund dessen, wie der Markt spielt das auch nicht vor handen war.

00:16:36: Also keinen Anreiz hat das irgendwie auszubauen.

00:16:39: Da hat man nicht gemerkt dass ein Wagen bereits entgleist war und ist dann bei einer Weichenstelle.

00:16:44: hat der noch weitere Wagen aus dem Gleis gerissen Teil und da ist der ganze Teil des Zuges entgleist und kam dann zum Stopp und hat eine Wand zum zweiten Tunnel durchbrochen.

00:16:55: Und auf dieser achtminütigen Reise glaube ich, wenn ich die Zahl richtig Kopf hab. Zwannzigtaused Schwellen kaputtgemacht

00:17:01: Ok

00:17:02: finde ich ein Extrembeispiel wie eigentlich so einen Versagen was man gehört hätte.

00:17:08: also das war letztendlich ein Radbruch.

00:17:12: Und da gab es. Also behaft mich jetzt nicht darauf, auch wenn jemand das dann später hört.

00:17:16: Ich lerne gerne dazu.

00:17:18: Früher gab es und heute glaube ich nicht mehr Leute die wirklich an stehenden Güterzügen vorbeigelaufen sind und an die Räder geschlagen haben um zu hören ob die eine unterschiedliche Klangvielfalt entfalten bei diesem Anschlagen und haben so einen Fehler detektieren können.

00:17:38: Ich habe das mal gehört, bei Beton Teilen wenn die gegossen werden also so fertig Beton Teile

00:17:43: dass

00:17:43: die Leute dann da rumgehen und auf die Dinger drauf schlagen um zu schauen ob Hohlräume entstanden sind um so eine Qualitätsinspektion sozusagen zu machen bei den Beton teilen.

00:17:54: Also das klingt extremst plausibel eben.

00:17:56: ich finde das sind so Beispiele für wie Akustik eigentlich in extremst vielen Bereichen selbstverständlich verwendet wurde und so heute sicher auch noch verwendete wird, aber sicher ein bisschen in Vergessenheit geraten ist.

00:18:11: Vielleicht noch ein bisschen ein exotischeres Beispiel zu machen.

00:18:15: also es geht dann soweit bis zu.

00:18:18: wir hatten hier in Zürich mit einem Start-up zu tun.

00:18:21: die machen was wirklich spannendes Die messen Biodiversität rein über akustische Aufnahmen die sie dann auseinandernehmen und zum Beispiel verschiedene Vogelarten identifizieren.

00:18:34: Und dann auch auf einem bestimmten Gebiet mappen, also finde ich schon recht eindrücklich was da alles geht.

00:18:40: Jetzt haben wir noch ein am Ende so einen "Elephant in the Room" ne?

00:18:43: Und zwar würde ich den gerne nochmal mit dir sprechen.

00:18:46: wenn wir über humanoide Robotik sprechen Da haben wir ja auch im Prinzip die Themen "Vision" Dann haben wir das ganze Thema "Haptik" und wir sprechen dort aber nie über Ohren über Akustik von Humanoiden.

00:19:00: Kommt das oder was glaubst du?

00:19:03: Ich denke es muss kommen, also gerade bei humanoiden finde ich es in der Robotik ja spannend dass es ein Kulminationspunkt weil der schreit ja danach dass er in unsere menschliche Umgebung integriert wird.

00:19:16: Also dass da nicht nur eine Fabrik alle steht sondern auch irgendwo elderly care oder Hausarbeit oder wo auch immer Menschen sowieso sind, dass der da sich integriert in dieses Umfeld.

00:19:29: Und ich glaube, da muss man nicht mal eine große Studie darüber machen um herauszufinden das der ja das gleiche kontextuelle wenn ich sagen besseres kontextuelles Verständnis braucht wie ein Mensch.

00:19:39: Genau vielleicht ganz kurz zur Erklärung.

00:19:41: klar können humanoide auf Befehle reagieren und es gibt einen Voice Interface.

00:19:46: mir geht sozusagen umgebungsgeräusche wenn ein Warnton abgespielt wird in der Factory.

00:19:51: Oder wenn man merkt, es kippt jemand um hinter mir im Care-Bereich oder so dass man sozusagen diese Umgebungsakustik auch wahrnimmt und verarbeitet.

00:20:01: nur zur Erklärung weil manche sagen ja aber man kann ja mit denen schon länger sprechen das ist ja gar nicht das Problem.

00:20:06: Aber ich glaube Es geht so um das Thema Wahrnehmung als Sinn sozusagen.

00:20:10: was passiert sozusagen um mich drum herum als mit als Roboter?

00:20:14: Ich bin froh dass du das sagst Das ist das sicher auch gesagt, weil ich das irgendwie aus selbstverständlich annehme.

00:20:20: Dass man als gesamtumfassende Akustikwahrnehmung versteht und dass da hast du absolut recht Es geht um ganz banale Dinge auch wie Du hast jetzt von Warntönen gesprochen aber nur schon Leute die sprechen

00:20:36: Ein Gespräch.

00:20:37: also die sprechen.

00:20:38: Aber mich interessiert nicht das Gespräch, sondern mich,

00:20:40: also Ich stelle nur über das Gesprich fest, dass da Leute sind.

00:20:45: Und ich kann sie lokalisieren.

00:20:47: Ich weiß, sind die im gleichen Raum?

00:20:49: Sind die in einem anderen Raum?

00:20:50: Ich weiß wie viele es sind!

00:20:51: Also das sind wir wieder bei diesen virtuellen Sensoren, die ich früher genannt hatte oder auch wenn du... also mach als Mensch mal die Augen zu, in nem beliebigen Umfeld sei das draußen oder drinnen oder in nem Café zum Beispiel und versuch dich mal zu konzentrieren was du alles für Informationen aus jetzt nur dem Hören herausziehen kannst.

00:21:12: eben du kannst herausfinden wo du dich eigentlich befindest über so ein gewisses Ausschlussverfahren.

00:21:19: Du kannst herausfinden, was da für Prozesse ablaufen und du merkst dann das deine Kaffeemaschine ist?

00:21:25: Du merkst ja wie viele Cafes, wie viel Cappuccinos und wie viele Ristretti da rausgelasten werden.

00:21:31: Du...

00:21:32: Ristretti musst du kurz erklären!

00:21:34: Für die Nichtschweizer?

00:21:35: Ah, ja das ist der italienische Einfluss.

00:21:39: Ganz, ganz kurzer Kaffee.

00:21:41: Also richtig fast schon dickflüssig ist.

00:21:44: Okay

00:21:45: okay sehr gut!

00:21:48: Ja aber ich glaube das Thema Akustik wird an Bedeutung gewinnen auch in industriellen Applikationen.

00:21:55: macht doch mal für uns einen Ausblick.

00:21:56: wo entwickelt ihr euch hin?

00:21:58: Was sind eure Themen?

00:21:59: was steht bei euch auf der Agenda Philippe?

00:22:02: Also es sind wie zwei Fragen.

00:22:04: Ich beantworte mir zuerst die zweite was ist bei uns das große Thema?

00:22:09: Bei uns geht es um Edge Computing, also Computing am Ort des Geschehens.

00:22:14: Warum?

00:22:15: Weil ich persönlich nicht daran glaube dass wir mit einer Lösung wo alles in der Cloud verarbeitet wird glücklich werden aus verschiedensten Gründen.

00:22:26: eine ist es gibt nicht überall Internet man glaubt es kaum.

00:22:31: Es gibt nicht überall internet das genügend kurze Latentzen bereitstellt Um Aufgaben zu bewerkstelligen, gerade im industriellen Kontext.

00:22:41: Es ist auch so dass ich glaube die ganze energetische Frage hat noch nie jemand so richtig gestellt.

00:22:48: also Ich würde behaupten wenn man mal die ganze Datenübertragung noch mit in die Rechnung einbezieht dann gibt es sicher gewisse Dinge.

00:22:59: bei denen macht das viel mehr Sinn wenn man die da bearbeitet und verarbeitet wo eben die Information überhaupt entsteht und wo sie dann letztendlich auch gebraucht wird.

00:23:09: Das heißt, bei uns geht es sehr stark darum und wird es glaube ich noch viel mehr darum gehen wie kann man mit Elektronik die dann eine extrem hohe Begrenzung von Energieverbrauch hat aus dem natürlichen Grund weil es irgendwie Batterie betrieben oder hast ein Hitzeproblem oder eine Kombination davon? oder einfach Formfaktor

00:23:32: Wie kannst du damit dann so Dinge bewerkstelligen, von denen wir jetzt gesprochen haben?

00:23:36: Und das ist ganz was anderes als halt irgendwie so ein Riesenmodell irgendwo auf den Rechencluster werfen und mal gucken.

00:23:44: Das ist aus der Capability Sicht her etwas, was eine Mammut der Aufgabe ist und was uns definitiv lange noch beschäftigen wird.

00:23:54: Der erste Teil der Frage war der Ausblick.

00:23:56: ich nehme an, dass bezieht sie ehrsaftig gesamt

00:24:00: Ja, das Samtkundenspektrum Branchen wo ihr reingehen wollt.

00:24:04: Wo passiert gerade viel?

00:24:05: Wo sagt ihr da könnte was kommen?

00:24:07: Ich glaube persönlich jeder wartet ja so ein bisschen auf das Platzen der AI Bubble habe ich das Gefühl.

00:24:14: Ich mache jetzt keine Vorhersage, wann die platzen soll ob die platzten soll aber ich glaube was passieren wird ist sicher eine gewisse Ernüchterung.

00:24:24: Ernüchterung was die Technologie wirklich kann und was nicht weil Eines scheint für mich doch recht sicher, denn Mensch braucht's irgendwie im Loop weil es sehr viel auch um Menschen geht.

00:24:35: Also wir haben jetzt viel über Informationen gesprochen.

00:24:37: das heißt wer ist letztendlich der Empfänger einer Information?

00:24:40: Das ist ja vielfach dann doch wieder ein Mensch.

00:24:44: also wird da ganz sicher sich sehr viel bewegen wo ne neue Denke entsteht wie man mit KI wirklich Prozesse umgestalten kann so dass sie richtig funktionieren, sodass sie nachhaltig sind und so dass sie auch auf einem Pfadcenter wirklich für die Aufgabe Sinn macht.

00:25:04: Und irgendwo für die betriebswirtschaftlichen Themen wie Skalierbarkeit und Profitabilität usw.

00:25:11: Von dem her eine extremst spannende Zeit, eine Zeit, die gewisse Leute werden ja behaupten fast eine industrielle Revolution gleicht. Ich hab auch da noch das Gefühl, dass eine rechte Konsolidierung stattfinden soll.

00:25:25: Ich sehe die schon eigentlich anlaufen.

00:25:28: Konsolidarung von ... Wir hatten ja die letzten zehn Jahre irgendwie dann zuerst war IoT, dann war Industrie 4.0, dann war so der erste KI Hype, also nur so paar so Buzzwords zu nennen.

00:25:42: und eignentlich findet man jetzt ja von allem ein bisschen wieder einfach nur viel mehr gemischt und dieser Kuchen, der wird sich noch ein paar Mal drehen.

00:25:52: Philipp wir drücken euch die Daumen.

00:25:55: vielen herzlichen Dank für den Einblick in euren Ansatz.

00:25:58: Wir sind gespannt auf die nächsten Newscases, wenn es um Akustik geht.

00:26:01: Vielen Dank und schönen Grüße in die Schweiz.

00:26:03: Danke vielmals Robert.