Agents: Zwischen Hype und Realität

00:00:05: Hallo liebe Zuhörerinnen und Zuhörer, willkommen zu einer neuen Folge unseres Podcast "Industrie neu gedacht" von Bosch Rexroth.

00:00:09: Mein Name ist Robert Weber und mir gegenüber steht Jan Oberhauser, hallo!

00:00:12: Willkommen auf der Bosch Connect World.

00:00:14: Hallo, vielen Dank!

00:00:15: N8N,

00:00:16: ein Agent Thema ist super gehypt hier auf der BCW.

00:00:19: Wie weit sind wir mit Agents im industriellen Kontext?

00:00:24: Ich würde sagen, es geht was vorwärts.

00:00:26: Aber definitiv bewegt es sich das nicht so schnell wie man wahrscheinlich erwartet hätte.

00:00:30: Es gibt unglaublich viel Potenzial,

00:00:32: aber muss natürlich zugeben, gerade im industriellen Komplex ist es natürlich Hardware.

00:00:35: Alles was irgendwie physisch ist, ist komplizierter

00:00:38: wie in der digitalen Welt.

00:00:40: Was macht's so kompliziert?

00:00:42: Die Kosten: In der digitalen Welt, wenn was schiefgeht, ist meistens nicht viel kaputt gegangen.

00:00:46: In der physischen Welt muss man dementsprechend vorsichtiger vorgehen,

00:00:49: weil das Risiko auch dementsprecher größer ist.

00:00:52: Bewegt ihr euch hin in die physische Welt?

00:00:54: Ist das für euch ein Thema?

00:00:56: Momentan weniger, ehrlich gesagt.

00:00:58: Es geht mehr und mehr in diese Richtung.

00:00:59: Wir gehen es auch hier mit Bosch zusammen

00:01:01: sind wir auch am Thema Auto sehr interessiert dran.

00:01:03: Das ist glaube ich unglaublich viel Opportunity, aber wie gesagt, es geht einfach ein bisschen langsamer vorwärts,

00:01:07: aber es ist schön, dass wir sehen, dass auch da mittlerweile AI angekommen ist, und vor allem die Opportunities, die es einem gibt, auch mehr und mehr gesehen wird.

00:01:15: Und du hast gesagt, dass es Ausfälle gibt,

00:01:18: dass das kein browser-based Approach sozusagen ist.

00:01:21: Das ist wirklich hart

00:01:22: Safety-Entscheidungen auch dahinter stehen. Was muss man da tun?

00:01:26: Welche Grenzen muss man überschreiten?

00:01:29: Was muss man dem Agent in Zukunft mitgeben?

00:01:31: Im Endeffekt, glaube ich, ist erst mal wichtig, dass man sich überlegt irgendwie, wo macht Sinn und dass man wahrscheinlich erstmal klein anfängt, ein bisschen zu lernen.

00:01:38: Hey, wo funktioniert's ,wo funktioniert's nicht?

00:01:40: Ehrlich gesagt auch mal, erstmal nur mit sehr kleinen Themen anfangen, erst mal Sachen, die auch weniger risk sind und erstmal zu lernen.

00:01:47: Vielleicht fängt man auch nicht gerade im physischen Kontext an, sondern erstmal digital da mit Themen.

00:01:52: Zum Teil ist häufig das Problem, dass  natürlich verschiedene Menschen sind, die dann eben dementsprechend vorsichtiger sind, aber dann einfach auch mehr zu sprechen, mehr die Learnings, die man schon in anderen Bereichen gemacht hat, dann eben auch da mit reinbringen zu können.

00:02:03: Agents sind ja gar kein neues Thema.

00:02:05: In den neunziger Jahren gibt es schon Publikationen über Agents, warum entwickelt sich das jetzt so rasant?

00:02:10: Weil die LLM-Technologie jetzt auf einmal den Push gibt und weil unendlich viele neue Möglichkeiten da sind?

00:02:15: Oder woran macht du das fest?

00:02:17: Also definitiv zwei Sachen.

00:02:19: Ich habe... Eins getrieben vom anderen. Einerseits die LLMs haben sich gerade unglaublich schnell entwickelt.

00:02:24: Also es gibt Sachen, die vor mehreren Jahren, ehrlich gesagt unmöglich erschienen sind, auf mehr oder weniger über Nacht möglich geworden und damit kommt natürlich unglaublich viel FOMO.

00:02:32: Also man weiß, hey, wenn ich mich jetzt nicht bewege, bewegen sich andere meiner Konkurrenten schneller, was zum Teil auch zu weit geht.

00:02:39: Wie sagt mit Token-Maxing und verschiedenen Sachen, wo die Leute zum Teil zu weit gehen, einfach nur um sagen zu können: "Hey, wir benutzen AI. Wir schrecken davor nicht zurück." Die Kosten... auch quasi Beträge in die Hand zu nehmen,

00:02:48: dass es zum Teil ehrlich gesagt ein bisschen Überhand nimmt.

00:02:51: Das ist ein spannendes Thema, weil das Token-Verbrennen ist ein Riesenthema.

00:02:55: Wie kann man dem Herr werden?

00:02:56: Habt ihr da Strategien?

00:03:00: Die Strategie ist ehrlich gesagt Menschenverstand.

00:03:04: Man muss einfach richtig rangehen.

00:03:06: Es sollte nicht darum gehen, irgendwie... was wichtig ist, ist zu gucken, was der Outcome.

00:03:12: Und momentan guckt man eher eine Importmetric, eben wie viel Token verbrenne ich, anstatt zu gucken, was kommt hinten raus.

00:03:18: Und das ist eigentlich ein sehr einfacher Sache und die das alles auf bessere Beine stellt.

00:03:23: Seht ihr euch auch mit eurer Plattform, mit eurem Approach dass Ihr Guardrails einzieht für das ganze Thema Agents?

00:03:30: Dass man sie Industry Grade zieht?

00:03:34: Guardrails sind eben bei AI wichtiger denn je. Ist, glaube ich, auch einer der Gründe, warum wir so erfolgreich sind, weil wir gerade eben sagen: "Hey, Agents sind eine tolle Technologie, die unglaublich viel Unterschied machen kann,

00:03:45: aber es ist nicht die Lösung für alles."

00:03:47: Was wir glauben, ist das was man braucht, gerade in Kontext wie zum Beispiel auch in der physischen Welt und aber eben auch in der digitalen Welt, ist, dass die AI quasi ein Teil der Solution ist, aber eben nur ein Teil davon.

00:03:59: Man braucht trotzdem noch deterministische Logik und Human in the Loop, um eben sicherzustellen zu können, dass es nicht nur ein ganz einfaches POC bleibt, sondern dass man wirklich auch für business critical Use-Cases benutzen kann.

00:04:10: Ist LCP die letzte Lösung oder sehen wir noch mehr?

00:04:12: Wird definitiv noch mehr passieren.

00:04:14: Also ich glaube, es ist ein toller Start.

00:04:15: Ich glaube aber ehrlich gesagt, wir sind ganze AIs bis jetzt noch unglaublich früh und deswegen ist es ein guter Start,

00:04:21: aber es wird sich genauso wie beim Internet noch unglaublich viel tun.

00:04:24: Das heißt, wir werden noch was anderes sehen außer MCP?

00:04:26: Also es wäre traurig, wenn nicht.

00:04:28: Arbeitet ihr an Alternativen und Ideen?

00:04:30: Wir intern nicht.

00:04:31: Also das Wichtige bei N8N ist, wir sind sehr agnostisch, wir sind auch sehr offen.

00:04:34: Ich glaube, das ist gerade auch ein Weg, warum wir gewinnen.

00:04:38: Sehr wichtig ist für Europa, ist irgendwie zu gucken: "Hey, wie behalte ich alles bei mir?"

00:04:42: Sondern irgendwie sehr inclusive zu sein.

00:04:44: Deswegen ist irgendwie egal, welcher Standard kommt, also wir sind daran interessiert, mit allen zu arbeiten und natürlich sobald sie gewisse Traction erreicht haben.

00:04:51: Ist es nicht auch für Europa eine Chance, dass wir sagen: "Okay, die LLMs werden Commodity, werden unser Strom sozusagen, aber die Intelligenz in die Agents, die bauen wir."

00:05:01: Ganz genau, also ehrlich gesagt ist glaube ich eines der Sachen.

00:05:03: Wenn man sich auch das Internet anguckt, man kann sagen: "Hey, wer gewinnt irgendwie?" Cisco

00:05:07: ist eine große Firma geworden,

00:05:08: aber in den Fakt die Firmen die es meiste Geld generiert haben, waren die Firmen Google, Meta, genau die, die hier oben drauf gesetzt sind.

00:05:14: Deswegen glaube ich auch, eben LLMS sind wichtig, sind eine unglaublich große Opportunity,

00:05:18: Aber im Endeffekt was man eben darauf entwickelt, da ist glaube Europa sehr stark dabei, eben genau was wie ein N8N, wo wir immer sagen: "Hey,

00:05:25: wie setzen wir das ein?

00:05:26: Und wie stellen wir sicher, dass es nicht nur bei der Demo bleibt?" Deswegen gerade diese Guardrails und die ganzen Systeme drum herum. Da ist, glaube ich, wo unglaublich viel Wert liegt.

00:05:34: Vor allem auch wenn man sich anguckt... Dinge wie LLMs, die sind... es macht einen großen Unterschied, welches Modell benutze ich, aber was macht einen viel größeren Unterschied?

00:05:40: Es sind eben die Guardrails,

00:05:42: sind der Kontext, sind die Daten, die ich dem LLM eben provide,

00:05:45: deswegen wird es mich wundern wenn, die LLMs das Allerwichtigste bleiben sollen.

00:05:48: Ist da einfach eine unglaublich große Opportunity, die gerade vor allem in Europa auch existiert.

00:05:53: Du saßt gerade auf einer Session mit einigen Leuten, European Tech Stack, und da hat der Sepp Hochreiter gesagt: "LLMs sind wie eine Datenbanktechnologie eigentlich oder eine bessere Datenbanktechnologie und wir müssen die Agents intelligenter machen."

00:06:05: Das was du auch siehst?

00:06:06: Hätte ich wahrscheinlich nicht ganz so ausgedrückt, aber es ist glaube ich ein ganz interessantes Ansatz, das so zu sehen.

00:06:11: Also im Endeffekt, wie gesagt, es gibt unglaublich viel Opportunity da und man muss auch zugeben... Es ist alles noch sehr sehr früh also eine Ethnologie.

00:06:18: Du hast das Gefühl,

00:06:18: es ist noch ganz früh!

00:06:20: Du

00:06:20: nicht?!

00:06:22: Naja, ich bin auch im AI-Business und ich habe das Gefühl, jede Woche kommt was Neues.

00:06:25: Wir sind so schnell, dass wir nicht mehr von früh sprechen

00:06:28: irgendwie.

00:06:28: Das macht es ja eben so früh!

00:06:30: Weil die Sachen sich so schnell bewegen. Das heißt,

00:06:32: es gibt noch unglaublich viel Opportunity überall.

00:06:36: Wie schafft ihr das, organisatorisch da Pace zu halten?

00:06:39: Das ist definitiv nicht einfach, gerade wenn man am Wachsen ist.

00:06:42: Ich glaube, man muss einfach sehr offen sein.

00:06:43: Man muss die Sachen einfach selber leben.

00:06:46: Deswegen, ich habe gerade vorhin auch auf Stage auch angesprochen, dass ich versuche, dass sich eben auch selber persönlich so mir meine Freitage frei halte um einfach die Technologien eben zu nutzen.

00:06:54: Und das, glaube ich, ist eine Sache, wo die ganze Organisation dran arbeiten muss.

00:06:58: Eben nicht nur über die Technologie zu sprechen, sondern eben die auch zu nutzen und dann eben ganz in den Learnings rauszuziehen.

00:07:03: Es ist definitiv nicht einfach!

00:07:05: Was sind deine drei private Highlights?

00:07:07: Agentic bei Jan Oberhauser.

00:07:10: Was machst du mit Agentic?

00:07:12: Was mache ich mit Agentic? Also im Endeffekt sehr viel von einfachen Tools wie Granola irgendwie.

00:07:19: Und dass das mir irgendwie erlaubt, zu verstehen, was ist bei Meetings passiert, zu Tools die wir auch intern gebaut haben.

00:07:26: Was macht man so im Privaten?

00:07:27: Share mal so ein privates Ding!

00:07:29: Viele Leute machen sich ja irgendwie, keine Ahnung, einen

00:07:30: Kalorien-Tracker? Oder was,

00:07:32: was machst

00:07:32: du?

00:07:33: Im Endeffekt... Ich versuche es überall einzubauen, keine Ahnungen.

00:07:36: Wenn ich zum Beispiel: Wir sind umgezogen, haben ein neues Haus,

00:07:40: wo wir zum Beispiel eine Heizungsanlage haben.

00:07:43: Ich habe keine Ahnung, wie funktioniert die.

00:07:46: In Vergangenheit hat man geguckt, wie funktioniert sie.

00:07:48: Mittlerweile geht man rein und sagt: "Hey, ich mache ein Foto davon.

00:07:51: Erkläre mir, wie funktioniert das?"

00:07:52: Ich parke irgendwo aus dem Endeffekt.

00:07:53: Das Wichtige ist, dass man irgendwie beide vor der Wahl zur AI geht und guckt, was ist damit möglich.

00:07:58: Da sieht, wie stößt man an seine Grenzen.

00:08:01: Deswegen versuche ich irgendwie egal bei was... sicherstellen zu können, dass ich erstmal die AI-Solution probiert habe und dann eben daraus lerne.

00:08:09: Zum Teil eben auf andere Wege zurückgehe, wie zum Beispiel sowas wie ein Google.

00:08:13: Aber das ist, glaube ich, der richtige Ansatz.

00:08:15: Vielen Dank Jan Oberhauser!

00:08:16: Vielen Dank!

00:08:16: Danke,

00:08:17: hat mich gefreut.