Embodied AI

00:00:05: Hallo, liebe Zuhörerinnen und Zuhörer.

00:00:06: Willkommen zu einer neuen Folge unseres Podcastes 'Industrie neu gedacht' von Bosch Rexoth!

00:00:10: Wir sitzen auf der Bosch Connected World mit Blick auf die Spree im Strandkorb, neben mir zur Rechten Thomas Fechner.

00:00:16: Willkommen.

00:00:17: Hallo Robert und hallo liebe Zuhöhrer

00:00:19: Und zur Linken Professor Dr.

00:00:20: Sepp Hochreiter.

00:00:21: Hallo Sepp.

00:00:21: Hallo Robert, hallo Zuhörer.

00:00:24: wir wollen heute über den European Techstack sprechen.

00:00:27: was ist denn ein European Techstack, Thomas?

00:00:30: Das ist eine ganz schnell gestellte Frage mit einem bisschen längeren Antwortbedarf, weil am Ende geht es darum, wie macht man eigentlich Automatisierung von Maschinen und im Betrieb von Fertigungen zukunftsfest.

00:00:42: Wie schaffen wir das,

00:00:44: die ganzen Fähigkeiten, die jetzt mit KI reinkommen auch in die Fertigung in die AI-Driven Smart Factory zu bringen?

00:00:52: Und unser Beitrag dazu ist, dass wir als Anbieter von Automatisierungslösungen zunächst mal ganz stark darauf hinweisen, dass wir ein plattformbasierten Automatisationsansatz brauchen, auf dem sich dann eine Vielzahl von Anbietern von Funktionalität von Infrastrukturelementen dann auch integrieren können und für jeden Kunden individuelle zusammensetzbare Lösungen ermöglichen.

00:01:14: Wie

00:01:14: wichtig ist für eure Kunden European?

00:01:16: European ist insofern wichtig, weil ich natürlich schon die Datensouveränität unterstützen muss.

00:01:22: Und wenn ich heute vor allem auch Informationen und Produktionsdaten in KI-Modelle verarbeitet, dann möchte ich jetzt als Nutzer dessen – als derjenige, der seine IP hier auch eingebracht hat – sicherstellen, dass sie nicht abfließt.

00:01:36: Insofern ist die Souveränigkeit dann schon sehr wichtig. Ihr habt ein Modell, TiRex Time Series Foundation Modell,

00:01:43: das läuft on-prem.

00:01:44: Ist das im Prinzip das, was die Kunden wollen, nicht alles in die Cloud schieben?

00:01:49: On-prem rechnen um auch Souveränität zu haben?

00:01:53: Ja natürlich!

00:01:54: Das ist, wie man KI an die Maschinen bringt, wie man KI in die Firmen bringt, wie wir KI für Produktion, Fertigung und so weiter anwenden kann.

00:02:04: Es muss an Edge, es muss auf den Maschinen laufen um,

00:02:08: wie Thomas schon gesagt hat, wir sind führend bei KI für Maschine, aber das reicht nicht.

00:02:14: Das reicht nicht, das beste Modell zu haben.

00:02:18: Zeitserien sin die Sprache der Maschinen, die Sprache des Menschen Text, da sind die Amerikaner vorn.

00:02:23: Bei den Sprachen der Maschine sind wir vorne, haben wir die besten Modelle, aber wir möchten jetzt die Modelle an die Maschine bringen und deswegen brauchen wir Partner.

00:02:31: Brauchen wir starke Partner und müssen wir den ganzen Techstack aufbauen und deswegen würden wir gerne mit Bosch der europäischen Industrie helfen, diese KI einzusetzen, um die Marktführung weiterzuhalten mit KI-Technologie.

00:02:44: Ist das so on-prem, ist das bei euren Kunden auch das Thema?

00:02:47: Das Embodied AI On-Prem.

00:02:49: Wir wollen keinen Cloudbashing machen.

00:02:50: Cloud hat absolut seine Berechtigung.

00:02:52: Aber ist es ein Thema euren Kunden genauso wie der Sepp das sagt?

00:02:55: Absolut!

00:02:55: Also jeder Werkleiter fühlt sich sofort wohler, wenn wir eine On-prem-Lösung zur Verfügung stellen können.

00:03:00: Die Cloud-

00:03:01: Akzeptanz kommt ja nur dort, wo die Modelle einfach so groß sind, dass es nicht läuft.

00:03:05: Ich würde gerne zu dem, was der Sepp gesagt hat, noch etwas ergänzen, weil das passt sehr gut zu unserem Angebot der plattformbasierten Automatisierung.

00:03:13: Der Sepp liefert uns das Gehirn

00:03:15: für die Maschine, in der Sprache die Maschinen verstehen.

00:03:19: Natürlich braucht diese KI eine Art Nervensystem.

00:03:22: Das braucht Daten von jedem Sensor, von jedem Aktor in der Maschine und deshalb ist es so wichtig, die richtige Automatisierungstechnik einzusetzen, weil dort wird des Datenmanagement geregelt.

00:03:32: Wenn ich eine Art Datenautobahn in der Maschine in der Fabrik durch die richtige Auswahl der Automatisierungstechnik realisieren kann, dann entfaltet sich die Power der KI, die der Sepp anbietet.

00:03:44: Das heißt, Zeitreihen ist so ein bisschen so einen hidden Champion im KI-Bereich oder wie siehst du das?

00:03:51: Also für jeden, der tiefer im Maschinenbau drinsteckt, ist es relativ klar.

00:03:55: Wir denken immer in die Zeitreihen.

00:03:56: Eine Maschine produziert Daten über Zeit, das sind automatisch immer Zeitreihen.

00:04:00: Egal, ob ich jetzt eine Computervision habe oder ob ich einen Sensor habe, das kommt alles über Zeit heraus.

00:04:05: Insofern war als sich die Large Language Modelle ausgebreitet haben, das vor uns schon auch richtig interessanter Moment, weil die Fähigkeiten so stark zugenommen haben.

00:04:15: Aber es war nicht direkt anwendbar auf die Maschine selbst und er selbst schließt hier natürlich jetzt eine absolut wichtige Lücke für uns im Maschinenbau.

00:04:23: Ihr bedient

00:04:23: euch ja dem Prinzip des LLMs, oder?

00:04:25: Ihr trainiert ein Modell auf unfassbar vielen Zeitreihen, so wie die Jungs in Amerika das mit Texten gemacht haben.

00:04:31: Ja genau!

00:04:32: Das ist neue Denkweise.

00:04:35: Wie funktioniert das Training von einem LLM?

00:04:38: Ich nehme allen möglichen Text, den ich kriegen kann, und versuche das nächste Wort vorherzusagen.

00:04:43: So funktioniert das.

00:04:45: Zeitreihen sind die Sprache der Maschinen.

00:04:47: Jetzt wenn man das überträgt, versuche ich den Anfang einer Zeitreihe reinzutun, wie ein Prompt, und sage den nächsten Datenpunkt vorher.

00:04:55: Und jetzt nämlich alle Zeitreihen, die ich kriegen kann, von Sales, von Wetter, Energieverkehr, Gesundheit EKG... was ich nur kriegen kann.

00:05:05: Und dann baue ich ein sogenanntes Foundation-Model, das jede Zeitreihe auf der Welt schon gesehen hat, und einfach weiß, wie Zeitreihen funktionieren.

00:05:13: Sieht den Anfang von einer Zeitreihe, gibt man als Prompt rein und kann es fortsetzen.

00:05:18: Und das Neue ist, bis jetzt haben wir immer gedacht, Machine-Learning funktioniert nur, wenn ich Daten habe, wenn ich ein Modell an Daten lerne.

00:05:25: Nein!

00:05:25: Ich kann, wie die LLMs, die funktionieren ja auch, indem ich einfach einen Prompt eingebe.

00:05:30: Ich gebe nur den Anfang einer Zeitreihe rein und es funktioniert.

00:05:33: Ist für der Industrie extrem wichtig?

00:05:35: Ich muss nicht für jeden Kunden irgendwas eigenes trainieren.

00:05:39: Der Kunde geht über von Aluminium zum Metall.

00:05:43: Kann aber das gleiche Modell nehmen, ich tue es einmal auf meine Maschine, gebe es dem Kunden und es funktioniert auch.

00:05:50: Wenn der Kunde ein neues Produkt hat, wenn er ein neues Material hat, einen neuen Bohrer, sonst irgendwie die Maschine umrüstet?

00:05:55: Es funktioniert!

00:05:56: Und das ist die neue Denkweise.

00:05:58: Das ist ein Paradigmenwechsel.

00:06:00: Ich muss für Machine-Learning nicht mehr Daten haben, auf die ich trainiere, die dann nicht stetig sind, weil ich dann zu wenig Daten habe, sondern das Ding funktioniert und ich kanns gleich mit der Maschine mitliefern.

00:06:11: Ist es so ein Thema, weil er gesagt hat Generalisieren, Openness.

00:06:15: Sozusagen wir öffnen sozusagen das ganze Thema ja dann auch für Leute, die keine Machine-Learning-Experten sind.

00:06:21: Wenn ihr Sepp sagt, okay du brauchst wie einen Prompt, wirst du die Zeitreihe rein und er macht eine Prediction.

00:06:25: Ist das das neue Denken, dass wir's über ctrlX-Plattform so einfach machen, KI zu implementieren

00:06:30: in der Fertigung?

00:06:32: Ja, also ich würde gerne mit zwei Facetten antworten.

00:06:35: Also einmal haben wir natürlich über die crtlX-Plattform, das ist unser Offering, wie man automatisiert.

00:06:41: Aus unserer Sicht, haben wir dieses Nervensystem sehr gut bilden, was die KI ja braucht.

00:06:45: Sie brauchen Datenzugang und Aktuatorzugang.

00:06:48: Was mir noch wichtig ist an der Stelle, wir sehen gerade eine unglaubliche Aufmerksamkeitswelle zu den Humanoiden durch die Welt gehen.

00:06:55: Da spricht auch plötzlich jeder von 'Embodied AI'.

00:06:58: So, dass heißt, die Menschen verstehen schon, dass die KI mehr kann, als nur Text produzieren.

00:07:03: Sie kann auch steuern und regeln.

00:07:05: Und was der SEPP jetzt als Basistechnologie reinbringt, ist im Grunde der Übergang von

00:07:09: ich habe eine Embodied AI für den humanoiden Roboter.

00:07:12: jede Maschine kann eine Embodie AI sein.

00:07:16: Das ist das Tolle an dieser Technologie, dass wir auf völlig neue Steuer- und Regelungsmechanismen umschalten können als heute.

00:07:23: Heute wird eine Maschine hart deterministisch gesteuert. Und da sind auch die ganze Inflexibilität und die Randbedingungen, die uns auch die Produktivitäten ausbringen der Maschine, begrenzt drin begraben.

00:07:34: Dort wird uns der Übergang zu solchen Modellen massive Produktivitätsfortschritte auch nochmal durch eine bessere Steuerung der Maschinen bringen.

00:07:42: Eine spannende Frage entsteht – und das ist tatsächlich intellektuell gar kein so einfaches Problem!

00:07:47: Wir sind ja heute terministisch in der Maschinesteuerung.

00:07:50: Da geht es auch häufig um Safety.

00:07:52: Wir gehen dann über in eine probabilistische Steuerung.

00:07:55: Wir müssen die Safety trotzdem regeln.

00:07:57: Und das wird noch eine spannende Frage sein.

00:08:00: Wie machen wir den Sicherheitsrahmen um solche Systeme, dass wir nicht permanent mit der Maschine auf Block fahren weil sie halluciniert?

00:08:06: Da müssen wir Niels Syassen mal von SICK einladen,

00:08:08: dann soll er einmal 'how to bridge the gap between AI and safety' machen, mit dem ne Folge?

00:08:13: Ich würde dich ja nochmal fragen, wie siehst du denn eure Rolle im Zusammenspiel mit den AI Model Providern?

00:08:19: Sagt ihr mit euren Kunden, wir liefern, was du gesagt hast, die Infrastruktur, wir bauen sozusagen das Industrial Grade.

00:08:26: Ja, also wir sehen uns als Enabler wie man so Neudeutsch schön sagt.

00:08:30: Wenn ich die richtige Automatisierungstechnik einsetze, dann kann ich skalieren mit den KI-Modellen.

00:08:35: Was wir heute sehen ist, dass sich proprietäre Automatisierungstechnik einsetze, und da kann ich einen proprietären POC machen, aber er skaliert einfach nicht in die Breite.

00:08:44: Unsere Visionen, das haben wir in unserer Modellfabrik in Ulm auch schon abgebildet, ist, dass eine Linie durch ein Datenhighway definiert ist.

00:08:51: Das heißt, überall in der Linie kann ich mich über ein MCP-Server konnektieren und habt Zugriff auf den Datenhighway.

00:08:57: Wenn ich da drauf ein LLM bring, dann hat es natürlich eine Optimierungswirkung direkt auf die ganze Linie- und die Liniensteuerungen und da hole ich Produktivität.

00:09:06: Was sind die großen Themen zum Ende, die euch im Frontier Lab Research Bereich gerade umtreiben?

00:09:15: Jetzt habt ihr das Thema Foundation Model for Timeline.

00:09:17: Jetzt hören wir, das geht jetzt an den Shopfloor.

00:09:19: Ihr denkt aber bestimmt schon weiter.

00:09:21: Was ist das next big Thing, was ihr glaubt, was da kommt? Wenn du es verraten kannst.

00:09:25: Ich kann es verraten, darf nicht zu viel verraten.

00:09:28: Weil ich glaube, wir haben da einen gewissen Vorsprung.

00:09:30: Stichwort Memory.

00:09:32: Der Thomas hat schon gesagt, wir haben jetzt Zeitreihen, aber wir wollen auch Agenten haben, wir wollen dann die Aktuatoren steuern und so weiter möchten wie in der Robotik das nächste machen. Und was fehlt?

00:09:43: Was die KI jetzt nicht kann, ist, aus Erfahrung lernen - Erfahrungen nehmen. Bis jetzt, die KI kriegt irgendein Beispiel hunderte Mal, tausende Male und kann es dann aus dem FF sofort.

00:09:56: Aber wir Menschen erinnern uns was.

00:09:58: Wie habe ich beim Fahrrad jetzt mal den Schlauch gewechselt

00:10:02: usw.

00:10:03: Das ist nicht das ich aus dem FF kann, sondern erinnere mich, wie ich das gemacht hab. Vielleicht mit einem Schraubenzieher was gemacht, habe vielleicht ein Loch reingemacht, und das ist Episodic Memory.

00:10:12: Episodic Memory und das wird für die Robotik extrem wichtig werden, weil ich kann nicht alles lernen.

00:10:17: Ich kann nicht jeden Schraubenzieher, jedes Gerät in jeder Anwendung lernen.

00:10:22: Das wäre einfach zu viel, das ich das lerne, sondern ich muss mich erinnern, wie ich ein Schraubenzieher anfasse, wie dieses Gerät war, wie wenn eine Tasse ölig ist, wie ich das mache.

00:10:32: Ich brauche, was bei Menschen extrem wichtig ist, das Episodic Memory, die Erfahrung.

00:10:38: Und wenn ich jemand reinhole im Betrieb, einen Gesellen habe, der hat Erfahrung, drum ist er gut. Und das fehlt komplett. Dieses Erfahrungswissen, dass ich mich zurückerinne.

00:10:47: Das hatte ich schon mal, und so bin ich zum Erfolg gekommen!

00:10:50: Und das bauen wir gerade und wir haben's jetzt für Planen ausprobiert.

00:10:53: Wir sind extrem viel besser wie alle.

00:10:56: Planen

00:10:56: Robotik?

00:10:57: Planen für Robotik, da schlagen wir alles.

00:11:00: Meine Leute möchten schon publizieren, weil die sehen, was Yann LeCun macht... Wie um Meilen wir besser sind.

00:11:06: Und da möchten wir hingehen, auch jetzt mit Bosch zusammen.

00:11:10: Wenn es zurückgeht, mit Agenten Maschinen zu steuern, Maschine zu kontrollieren, da neue Memory-Konzepte, sprich Erfahrung mit reinbringen.

00:11:19: Das ist neu!

00:11:20: Wie weit sind wir weg von Agents steuern Maschinen und Shopfloors?

00:11:26: In der Maschine, das sind wir noch weit weg.

00:11:28: Das hat der Sepp, glaube ich, gerade wunderbar erklärt.

00:11:31: Da fehlen tatsächlich auch noch Technologiebausteine.

00:11:33: Wenn man die höheren Ebenen gehen, wo es einfach um Workflows geht, dass sind wir natürlich schon sehr, sehr weit.

00:11:38: Da gibt's dann auch einige große Player.

00:11:40: N8N ist gerade sehr populär in den Medien. Kann ich ganze Workflows automatisieren über agentische Systeme und das geht natürlich auch in die Fertigung rein, in Service Workflows zum

00:11:49: Beispiel. Tickets auslesen und dann im Prinzip die richtigen Ansprechpartner dazu suchen für die Tickets und so.

00:11:54: Aber kannst du dir noch mehr vorstellen, was der Sepp gerade sagt hat?

00:11:57: Episode Memory aus Erfahrung, dass wir wirklich diese Schritte gehen.

00:12:02: Also ich kann mir das absolut vorstellen und deshalb finde ich die Zusammenarbeit mit dem Sepp ja auch so extrem inspirierend, weil es ist wirklich noch ein völlig unbeackertes Feld.

00:12:11: Wie mache ich eine embodied Werkzeugmaschine?

00:12:14: Ja, AI.

00:12:15: Und wenn wir dorthin kommen, dann haben wir ein völlig neues Toolset in unserer Werkzeugkiste. Wie nehme ich solche Maschinen in Betrieb?

00:12:21: Wie steuere ich die?

00:12:22: Wie optimiere ich die?

00:12:24: Und das kann uns wirklich auch in der Wettbewerbsfähigkeit wieder einen richtigen Schritt nach vorne bringen.

00:12:28: Thomas vielen herzlichen Dank für deinen Input.

00:12:30: Sepp vielen herzlichen Dank.

00:12:31: Was schaut ihr euch noch auf der BCW an?

00:12:34: Ja, also natürlich die ganzen Beiträge der Kollegen.

00:12:38: Was hatte ich bisher am meisten fasziniert?

00:12:40: Am meisten fasziniert hat mich wirklich die Power, die im Ecosystem steckt.

00:12:44: Wenn man sehen, wie viele unterschiedliche Anbieter hier on the Edge von Technology bieten und wenn wir das integrieren können über Plattformen, dann sind wir unschlagbar

00:12:54:

00:12:54: Sepp, was hat dich faszinert?

00:12:55: Also wie viel gerade in Robotik sich ändert und was da alles möglich ist.

00:13:01: Also was wir gerade machen.

00:13:02: Ich bin total begeistert, was wir noch mal drauflegen können.

00:13:05: Also da wird sich viel tun in nächster Zeit.

00:13:07: Vielen Dank euch beiden.

00:13:09: Sehr gerne. Danke, Robert!