Ein Agent für die Zelle

00:00:04: Robotik in der Industrie.

00:00:06: Der Podcast mit Helmut Schmidt und Robert Weber.

00:00:11: Hallo liebe Zuhörer und Zuhürer, willkommen zu einer neuen Folge unseres Podcastes Robotik in der Industrie.

00:00:16: Mein Name ist Rohit Weber und ich muss euch ehrlich sagen es ist so viel zu tun.

00:00:20: Helmut war die ganze Woche Logi Mart.

00:00:22: Ich war auf European Robotics Forum.

00:00:24: Wir kommen gar nicht mehr zum Aufnehmen.

00:00:26: wir wollen diese Woche also die vorletzte Woche im April eine Folge aufnehmen um einen Recap zu machen.

00:00:32: Da haben wir auch wieder keine Zeit gefunden.

00:00:33: ich bin Linz.

00:00:34: Helmut ist wieder irgendwo anders auf Dienstreise.

00:00:36: Deshalb haben wir heute eine Folge uns bei Peter beim Industry AI Podcast Cloud, nämlich mit den Kollegen von Voraus Robotics und wie ein Agent eine Robotikzelle managt.

00:00:47: Das ist ne super spannende Folge.

00:00:49: Hört gerne rein.

00:00:50: übernächste Folge gibt's dann was von den Neurakollegen.

00:00:53: Dann kommt Bain und dann hoffentlich können Helmut und ich auch endlich mal wieder ne Folge gemeinsam aufnehmen.

00:01:00: werden wir uns irgendwo Mal wieder treffen?

00:01:03: also Bis dahin, bleibt gesund.

00:01:05: Viel Spaß bei der Folge und Tschüss!

00:01:08: Vielen Dank für mich, es ist ein Glück.

00:01:15: Ihr seid sehr willkommen am Anfang des Springes, wie wir schon gesagt haben, wo ihr lebt und wo ich

00:01:31: lebe nach vielen, vielen Monaten des

00:01:37: großen Kohlens.

00:01:45: Wir sehen den Sonnenbeginn, oder?

00:01:47: Ja, endlich!

00:01:49: So, Sommerkrieg kommt.

00:01:52: Ja, wir schauen uns forward to be us, please introduce yourself to our listeners.

00:01:56: Okay, ich frage mich.

00:01:58: Wie gesagt, mein Name ist Tobias und lange Zeit ago studiere ich elektronische Engineering in basically Munich, also die Stadt

00:02:08: wo du

00:02:08: aus der Technik Universität kommst Und nachdem habe ich die Pflege, um den deutschen Aerospace-Zentrum zu joinen.

00:02:16: Vielleicht wissen Sie das auch in Oberpfaffenhofen?

00:02:18: Also sehr nahe zur Münze und ich denke, dass das eine der besten Pläne für Englischwerke ist.

00:02:24: Sie haben alle diese schönen Fasiliten und ich bin im Institut der Robotik von Megatronix gefeiert.

00:02:31: Das war damals bei Professor Jötzinger ein guter Roboticist.

00:02:37: In diesem Institut haben die Foundation für Lightweight Robots gearbeitet, weil sie Robots in den Raum bringen wollten und jedes Kilogramm der Spiegel kostet eine große Menge Geld.

00:02:52: Sie beginnten zu entwickeln Lightweight-Robots.

00:02:57: Ich war nicht Teil dieser Entwicklung.

00:02:59: Aber ich hatte die Chance, der medizinische Robotikgruppe zu sein.

00:03:04: Wir haben diese Technologien genommen und versucht sie in den Operating-Gruppen zu transferieren.

00:03:10: Das war für die ersten zwölf Jahre meiner professionellen Reise.

00:03:15: Dann ging ich zum KUKA.

00:03:16: Der KUKER ist nebenbei.

00:03:18: Er ist aus Augsburg, einer der größten robotischen Produkte.

00:03:22: Zuerst habe ich Robotik oder Medizinstellungen gemacht.

00:03:28: Aber diese Zeit war es für die Patient-Position.

00:03:31: Wenn du eine Radiosurgery machst, wenn du ein Humor hast, dann ist es manchmal leichter zu positionieren den Patient in der Front von dem Beam mit höheren Curie, als das Beam auf sehr hohe Magneten defleckte.

00:03:47: Wir haben das gemacht!

00:03:48: Es gibt einige Installationen weltweit, aber ich hoffe, dass ihr das

00:03:53: nie erlebt.

00:03:54: Ja, eigentlich, ja, nicht über das reden.

00:03:58: Es bringt sich zurück, dass es vielleicht ein paar Memoen gibt, die ich noch nie habe.

00:04:03: Aber auf jeden Fall ist es eine sehr wichtige Arbeit.

00:04:06: Ja, dann bin ich in der Leibniz Universität in Hannover gefeiert.

00:04:11: Also bin ich immer noch in Hannober geflogen und hatte die Chance, als Prof.

00:04:16: im Mechanischen Engineering-Fraktion einen Institut für ca.

00:04:19: zwölf Jahre zu haben.

00:04:21: Und am Ende des Jahrhunderts ging ich zur Universität.

00:04:26: Das ist ungewöhnlich, ehrlich gesagt.

00:04:29: Meine Frau war nicht so sicher, ob es eine Mitleid-Krise ist oder was hier passiert.

00:04:38: Aber wenn du ein Professor bist und viel Papier hast, wirst du die Proposen schreiben, siehst du... Applying for grants, so a lot of paper and the fun thing technology is becoming less and less important.

00:04:56: That's what your students do on art, right?

00:04:58: Yeah

00:04:59: that was students too but also I like to do it!

00:05:02: And thats why i left university though its not an easy decision.

00:05:09: Then I had chance once again join a company developing robots for minimally invasive surgery.

00:05:15: Also haben wir den ganzen raffen Journey bekommen, das CE-Markt mit dem System in die Hospitale zu bringen.

00:05:24: Und dann im Jahr und zwei Jahre war ich für unsere Robotik in der ich, wie du gesagt hast, ein Co-Foundar bin.

00:05:34: Das ist meine professionelle Erfahrung in Aalachel und ich habe es immer noch geniegt.

00:05:39: Das war das Fun-Part, dass ich Professor

00:05:41: bin!

00:05:41: Sehr gut und sehr gut, schon im Beginn des Ihres Mittelmeisters mit uns.

00:05:49: In dem Ende kam das, was wir heute reden, ich glaube.

00:05:52: So, erzählen Sie uns ein bisschen mehr.

00:05:55: Obwohl die Worte für aus Robotik sind, zumindest der erste ist ein deutscher Wort.

00:06:03: Der zweite Wort wird weltweit als Robotiker bezeichnet.

00:06:08: Tell us what the words stand for, and tell us a little bit about the company.

00:06:11: What is the company for us or what they do?

00:06:15: Okay so if you found a company one of... I think one of the toughest things that we did at the beginning was how to name it right.

00:06:25: So How To Brand It?

00:06:26: And We had discussions with brand agencies and we were not happy.

00:06:32: Suddenly The guy came around in the corner with very good idea.

00:06:36: he said well Du sagst immer, dass du vor Kompetenzen bist und auf der Art von Technologie bist.

00:06:46: In Deutschland ist das für Raus.

00:06:49: Und dann hast du gesagt, okay, nimm dein Computer für den Raus Robotik.

00:06:52: Das ist es.

00:06:53: Und du kannst es nutzen!

00:06:53: Wie

00:06:53: einfach ist das?

00:06:55: Was ist mit Robotiken, was deine Firma betrifft?

00:07:03: Du hast eben gesprochen, dass man ein paar medizinische und robotische Environments

00:07:08: hat.

00:07:09: Okay, so we are in a completely different space.

00:07:12: So We Are In The Industrial Automation Space and yeah it's the name may suggest...so we started with robotics.

00:07:21: that is right but now we are tackling the entire automation space.

00:07:27: if you would like i can give some some background information.

00:07:32: What happened during our go-to market journey?

00:07:34: Ah,

00:07:35: please feel free!

00:07:37: So basically the roots of Voraus Robotics go back to Uanda Robotics.

00:07:43: so Uanda robotics was founded in twenty seventeen if I'm not completely wrong.

00:07:50: and within Uanda Robotics we developed a cobot from The Stretch layouts, doing firmware development low level control all these things.

00:08:04: And I think one of the best decisions there was that we used Python as programming language for the application layer.

00:08:12: so he did not come around a corner with another window specific programming language because me thought we had no chance.

00:08:21: So you under robot language nobody will learn.

00:08:25: Aber in Python gibt es viele Leute, die mit Python programmieren können.

00:08:30: Millionen Menschen.

00:08:32: Und dann in den Jahr-Zwischen hat man eine Verhandlung von Beide geholfen.

00:08:39: Was wir damals gemacht haben ist, dass wir die Hardware Assets gesehen haben.

00:08:45: Ich denke, das Unternehmen ist H.I.

00:08:47: Robots und auch in Unik.

00:08:48: Wir hatten aber ein Software Stack.

00:08:50: Dann hatten wir vielleicht eine neue Idee, everybody is waiting for a new robot operating system.

00:08:59: And when we talked with potential customers, the Python programming was really very well appreciated.

00:09:08: that ok thats what were looking for because it unlocks millions of possible developers and you don't need to pay huge amount money bei Booker, für Beispiel.

00:09:19: Aber dann haben sie immer gesagt, okay so mit dem Robot, das ist gut!

00:09:24: Wir haben das verstanden, aber was über den Rest?

00:09:27: Was über die Konveyables?

00:09:28: Was about the drives?

00:09:29: What about the sensors?

00:09:30: and as a lot of customers asked these questions we realized just looking at the robot is not enough.

00:09:39: And that's why we started to integrate software stacks for real-time field buses For example PuffyNet or EtherCat.

00:09:49: Und dann plötzlich kann man die ganze Automation programmieren.

00:09:54: Man kann alle Komponente programmieren in hohe Level-Languages.

00:09:58: Es gibt keine Differenz mehr zwischen den Robots, der Conveyor-Belt und deiner Repetitionen.

00:10:04: So kommt es alles zusammen.

00:10:07: Das war das Key für einen großen Markt zu unlockern.

00:10:12: Unfortunately ist unser Name Voraus Robotik.

00:10:15: Vielleicht wäre Vorauss Automation besser ...

00:10:19: Okay, und das ist es.

00:10:21: Vielen Dank für diesen tollen Detail auch mit der Reference zu Python.

00:10:27: Wir haben uns eigentlich Amsterdam mit unserer Industriei-Podcasteam von Leuten in Amsterdam besucht.

00:10:36: Wir führten es explizit auf den Zentrum von Wiskund.

00:10:40: Ich bin Deutsch.

00:10:41: Das ist das Zentrum für Mass.

00:10:43: wo Gido van Rossem über ein Wochenende Python entwickelt.

00:10:49: Aber das ist mehr auf der Seite.

00:10:51: Die AI-Agenz in Automation, wie beneficial ist die AI im Industrieautomation heute?

00:10:58: Und was sind die Prerequisiten?

00:11:01: Das ist das Titel des Papieres, das du, und ich glaube mit den anderen, wrote, nur als quickspoiler.

00:11:08: Ein yes no answer!

00:11:09: Ist es beneficial?

00:11:10: Ja, ich denke so.

00:11:11: Ich wollte nur kurz

00:11:13: wissen, was das ist.

00:11:15: Das ist der Spoiler.

00:11:16: Diejenigen von euch, die in einem Thema interessiert sind, wissen jetzt, dass wir etwas sprechen können, das eigentlich beneficial ist.

00:11:25: Aber bevor wir da kommen, ist dein Papier im nächsten Series.

00:11:29: Und das, was es hier geht, war called Industrial Deaf Ops, vielleicht sehr schnell, in ein paar Szenen.

00:11:37: Was war das?

00:11:38: Okay, was war das so?

00:11:40: Also es war eigentlich über die Merge von IT und OT.

00:11:43: Und

00:11:45: wie wir diesen tollen Toolchain haben in der IT-Würde mit automatischem Testung, schnellem Deployement, wie wir ihn in den Automationspazieren

00:11:59: bringen können.

00:11:59: Very good.

00:12:00: Just for those people interested in the topic we have today, AI Agents and Automation that they know where you are coming from And there's other things to be reading as well.

00:12:12: So give us a first quick introduction into the paper That were talking about today, Ai Agents & Automations.

00:12:20: Okay so let put it this way We started with some challenges.

00:12:26: Also, was sind potenzielle Obstekte?

00:12:29: Was sind die Risiken, wenn man

00:12:32: A.I.,

00:12:33: oder A. I. Agents in der Automation Space zu generieren und zu optimisieren?

00:12:38: Und wie denken wir uns, dass du diese Obstechten überkommst?

00:12:43: Also ich meine, das ist eigentlich ein mehr theoretischer Teil.

00:12:48: Und dann haben wir einige Studierungen, wo wir wirklich A.i.-Agenten implementiert werden doing things autonomously or interactively with the user.

00:13:01: Okay, yeah and that's what we're going to be moving into slowly in more detail.

00:13:07: In your paper you just mentioned AI or agents, I guess whatever we're going to be talking about will use the correct wording as it is relevant but somewhere Generative AI, oder was ist es insofern relativ zu dem Thema, den wir heute reden?

00:13:36: Okay.

00:13:37: So die Weise, wie wir AIAgents benutzen, generative AI ist, sagen wir mal eine der kurzen Komponenten.

00:13:46: Also du hast ein AIAgent, das für Beispiel Informationen zusammenführt, während des Kontextprotokolls,

00:13:55: z.B.,

00:13:57: die Generative AI, der größte Language Modell.

00:14:01: Dann ist ein Output produziert und wir benutzen diesen Output zusammen mit dem AI-Agent.

00:14:10: Der Agent ruft zum Beispiel eine Simulation und performt einige Tests.

00:14:16: Mit den Testresultaten kann der AI-Agent evaluieren, ob meine Theorie, wie man das Code modifizieren muss, korrekt oder nicht.

00:14:27: und vielleicht, wie man es modifiziert.

00:14:29: Das Bild, was in meinem Gehirn betrifft, ist, dass ich mir gedacht habe, für einen langen Zeit selbst denke.

00:14:38: Die Agentin ist vielleicht mehr als ein Userinterface, so wenn ich heute mehr oder mehr talke, mag ich mein Smartphone in diesem Fall sprechen.

00:14:48: die Worte von einem großen Hightech-Komponent.

00:14:53: Und das, was man hört, ist vielleicht eine Frage zu dir, vielleicht der Agent?

00:14:58: Und der Agent geht typically, wenn ich etwas wissen möchte, auf den Internet gehen oder schon preffilmt in Antworten, dass er es weiß.

00:15:09: Oder das andere, wie ich sage, ist der Agent vielleicht die Userinterface im Auto?

00:15:15: Es ist so wie ein Steeringwheel an den Breaks und was ich mit der Agentin mache, geht in die Engine.

00:15:22: Die Engine wird mehr wie die Generative AI sein.

00:15:28: oder ist das

00:15:30: zu leicht?

00:15:31: Ich denke, dass die AIAgenten alles orchestriert sind.

00:15:37: Sie haben verschiedene Userinterfaces.

00:15:41: Das kann zurück nach deinem Auto kommen.

00:15:44: Es kann auch ein Steeringwheel sein.

00:15:46: Hier sind die Pedals, hier ist das Infotainment System.

00:15:50: Man hat verschiedene Inputmodelle und der AI-Agent sammelt diese Information.

00:15:58: Und dann beginnt der AI Agent eine Denkungs- und Retrieval-Mode und orchestriert alles.

00:16:06: Vielleicht braucht es additional Informationen von dem Map.

00:16:10: Es gibt einen Korner.

00:16:13: oder eine kurze Hälfte vor mir, muss ich z.B.

00:16:16: dekselnieren?

00:16:19: Das ist mein Perspektiv.

00:16:20: und dann performiert es auf Aktien.

00:16:22: Ich möchte jetzt die Aktien verwenden.

00:16:23: Die Aktien produzieren v.a.

00:16:26: ein paar Code, some slides for presentations and nice Word documents.

00:16:34: now I think we are stepping into the field that AI is really doing things

00:16:41: even doing things in automation and that's what we're talking about today.

00:16:46: So, what then are let's say particular challenges of AI in general or the GenAI?

00:16:55: Das ist eine gute Frage, eine

00:17:00: kurze Frage und eine lange Antwort.

00:17:04: Ich versuche meine Antwort zu halten.

00:17:07: Sorry

00:17:08: für das.

00:17:08: Vielleicht

00:17:08: schauen wir aus einer hohen Level-Perspektive, wie generative AI funktioniert?

00:17:19: Du hast einen bestimmten Input, der in kleineren Pieces gebrochen wurde.

00:17:23: Die Pieces sind usually called tokens.

00:17:28: Und dann, based on these Tokens ... ein Ausdruck ist generiert, based on probabilities inside the network.

00:17:37: The large language model and these probabilities are usually trained with data that big companies gather in the internet or in Github.

00:17:50: so it's an optimization I think helps to understand where we think challenges come from.

00:18:00: So, I think that the first thing is it's about security and reliability.

00:18:08: The more information you have in the internet for a specific topic... ...the better you can train those probabilities inside of your network.

00:18:18: And the more data you'll get, the better output will be!

00:18:22: Or on the other way around if you don't have enough input then your network tends to hallucinate.

00:18:31: Ich denke, das ist mein Gefühl.

00:18:38: Immer wenn ich mit langen Englischen arbeite, sind es Leute, die sagen, dass sie ein Recht haben.

00:18:44: Sie sagen immer, sorry, ja, du bist gut, ich habe das gemacht.

00:18:48: Ja, sorry bitte, Entschuldigung!

00:18:51: Das ist meine persönliche Meinung.

00:18:55: Ich habe zwei Fragen zu dir.

00:18:57: Ich denke, die Nummer einen sind nicht gebildet.

00:19:01: Die Nummer einen, wie ein Start.

00:19:06: Das ist mein Gefühl, zumindest waren sie nicht.

00:19:11: Wenn sie diese Fehler gemacht haben, dann machten sie es nur, weil sie einen Algorithmen waren und keine Idee war, was sie tun sollten.

00:19:18: Die zweite Reaktion ist, dass seit einigen Monaten, wenn ich sie benutze und in diesem Falle die Namen nenne, das ist der Google.

00:19:27: Das ist der okayen Google.

00:19:28: Ich bin sicher, alle anderen sind sehr ähnlich.

00:19:32: Ein bisschen besser, ein wenig weniger.

00:19:36: So ist es komplett nicht die Qualität.

00:19:39: und wir wissen aber, was die Kontenten der Antworten sind.

00:19:45: Eine sehr, sehr hohe Qualität.

00:19:47: Und ich denke für die letzten drei, vier, fünfhundert Antworten.

00:19:51: Ich meine, du weißt nie für ein paar,

00:19:53: aber

00:19:53: ich habe nicht gesehen eine einzige, sogar kleinere Hallucination.

00:19:58: Die Frage, dass ich das zu dir relatede, ist, dass ... Wir hatten die Hallucinations in den vergangenen Jahren.

00:20:04: Ist es z.B.

00:20:06: der Agent?

00:20:07: Kannst du einen Agent benutzen um die Qualität der Antworten zu verbessern oder Dinge, die das Agent braucht.

00:20:18: Um den Agenten einfach nach und zu checken oder so.

00:20:22: Ist diese Kombination?

00:20:24: helfen wir uns, um eine Qualität zu verbesseren?

00:20:28: Wir werden

00:20:29: weitergehen.

00:20:29: Entschuldigung, ich glaube, dass du mich ein bisschen

00:20:35: verletzt hattest.

00:20:37: Sorry, that happens.

00:20:38: Sorry to you, dear listeners as well!

00:20:42: I think what i'm saying is if you just use the plain algorithm going for a next token then You're always gonna stay at the potential of giving something.

00:20:55: that's bullshit.

00:20:56: If your gonna put an agent in front it and look at first answer maybe get second or third answer.

00:21:03: Maybe the agent will go onto internet und macht sich selbst schmarrig.

00:21:07: Oder die Agentin wird nach dem, was in der Produktion des letzten zwanzig vier Stunden passiert, eine Agenzeit kann ein Tausend verschiedene Dinge machen within Sekunden.

00:21:20: Und dann werden wir später über Determinen und so weiter reden.

00:21:23: Aber die Agenten, die all diese Dinge machen können, dass alle diese potenzielle Antworten, bevor sie den User vergeben oder vor allem etwas in der industriellen

00:21:44: Umgebung zu tun werden.

00:21:49: Es wird von der Zeit bis zum Ende eines Jahrhunderts sein.

00:21:55: Ich würde sagen, ja und nein.

00:21:59: Ich weiß nicht, ich habe ein paar Blutpots, ein paar Florauschen oder so.

00:22:15: Ja, ich bin total mit dir.

00:22:17: So, das hilft, um die Qualität der Ausgabe zu erhöhen.

00:22:21: Jetzt schauen wir uns an den IT-Otie-Kombinationen.

00:22:25: Das ist ein Thema, welcher für lange Zeit hierher war.

00:22:29: Wie können AI und GenEI-Agenzen in existentierter IT-Landscape helfen?

00:22:37: Wie zu integrieren es?

00:22:38: Sie können helfen.

00:22:40: Ich bin mit Ihnen, aber ich denke, sie sind nicht so beneficial in der existierten ITOT-Landscape als es generell sein könnte.

00:22:52: Also warum ist das?

00:22:54: Wenn ich mir eine einfache Automation sehe... Ich weiß nicht, was man mit einer Computervision betrachten kann.

00:23:05: Ich habe mehrere verabschiedete Programme.

00:23:12: Ich habe Struktur Texte für die PLC, ich habe eine Wendel-spezifische Länge für den Roboter, dann habe ich vielleicht etwas für das Smart Cam.

00:23:23: Und wie gesagt vorhin, besonders für robot-spezifischen Längungen, ist die Zahl der Trainingdaten sehr hoch.

00:23:36: Agent oder das große Englisch-Modell produziert, vielleicht nicht so gut wie wir es eben diskutieren, weil der Lack von Informationen ist.

00:23:44: Und die andere Sache ist dass ich natürlich testen kann.

00:23:49: Ich kann einen Code für ein Roboter z.B.

00:23:53: generieren und etwas für den PLC zu generieren.

00:23:58: Aber ich bin noch in Psylus geholt.

00:24:00: Also kann ich nicht testen, ich kann nicht nachsehen bei der gesamten Automation-Zelle.

00:24:05: Das ist für den AI sehr schwierig.

00:24:09: Alle Wendor hat eine gewisse Simulation, eine gewissen Sprache.

00:24:13: Und dann produzieren oder optimisieren die Code mit Industrielegerät.

00:24:19: Ich

00:24:19: würde nicht sagen, dass es nicht möglich ist, aber ich würde sagen,

00:24:23: das ist sehr schwierig!

00:24:25: In Ihrem Ansatz liegt ein... Ich weiß nicht, eine Frage.

00:24:31: Ich hoffe, dass es ein Thema in Brownfield-Greenfield ist, also wenn wir existieren reden und das vielleicht nicht so leicht wird.

00:24:45: Also bedeutet das dann, dass im neuen Greenfield-Environmenten die AI Agents, Gen AI ist eine Eierpotentiale geben.

00:24:54: Vielleicht kann man darüber reden, in welche Richtung es vielleicht ein reales Potenzial sein könnte.

00:25:00: Okay, ja, das ist natürlich immer der Fall.

00:25:03: Wenn du einen grün-fielden Begriff hast, weil ich meine, dass du die Chance haben, um Dinge zu adoptieren in einer Art und Weise, die für die generative Aiei funktioniert.

00:25:14: Ich denke, da sind mehrere ... Möglichkeiten oder mehrere Werte zu gehen.

00:25:21: Die erste Sache ist, und wir sind für uns natürlich nicht der einzige, aber die erste Sache war, dass man den Silas brechen kann.

00:25:29: So, fangen wir weg von diesen appropriativen Länguren an, mit hohen Level-Länguren, für das ganze Automationen, also für die Kontrolle des Komponents, für die Applikation.

00:25:42: Denn dann lockt man wirklich die Power of large language models to really understand and improve your code or to generate new codes.

00:25:52: Are you saying as an example instead of the typical POC letter programming use whatever Python based control?

00:26:01: As an example,

00:26:02: yeah because I think when do have freely be your benefit from the data available here.

00:26:08: The other thing is usually every cell let's say has a hat eine unterschiedliche Kontrolle.

00:26:17: Also manchmal ist es die PLC, die alles koordiniert wird.

00:26:24: Manchmal ist es ein HD-Weiss.

00:26:26: In kleineren Sätzen kann das Robot sein, was der Master des Disasteres in den Sälen ist.

00:26:33: Und dies ist auch sehr schwierig für einen AI-Agent, weil der Code, der Agent produziert ... Das muss die entsprechende Top-Auto G in eine Komponente nehmen.

00:26:43: Aus einer AI Perspektive ist es viel einfacher, wenn alles zentralisiert

00:26:51: wird.

00:26:52: Okay, ja und in general.

00:26:54: Sure I mean a green field.

00:26:56: you can always use the latest greatest available technology right?

00:27:01: Maybe we're maybe will discuss it.

00:27:03: at the very end as always i'm going to be asking how are you see the next five ten years?

00:27:08: but oh yeah and of course does include let's say we have globally let's Say one hundred million production sites.

00:27:18: ninety nine percent by definition Brownfield, right?

00:27:23: But we'll do that later.

00:27:25: So I think so far we've been talking let's say more theoretical.

00:27:30: at least thats how it was supposed to be.

00:27:33: and as for now moving into the case study That you have been dealing with.

00:27:42: maybe give us a quick introduction Into The Case Study And then were just going to talk about Was hat aus dem K-Studio gekommen?

00:27:54: Okay, danke.

00:27:54: Wir haben das K-studium in einem Simulationen-Inviment und in unserem Lärm gesetzt.

00:28:01: Es ist ein Picken-Playserl mit kleinen Plastik-Items und Plastiken.

00:28:09: Ein Roboter mit einem Vakuumgripper, eine Smartcam-Konveyor-Belt.

00:28:15: Das ist es.

00:28:17: Und der Smart Cam detectiert die Böcke, um zu werden begraben.

00:28:22: Der Roboter setzt sie auf den Konveyer-Belt und das war so wie gesagt ein Greenfield-Aufgang.

00:28:30: Alles ist zentralisiert von einem IPC.

00:28:34: Es gibt keinen PLC integriert, also keine strukturierten Texte oder... letter programming, as you said even down to the field pass level.

00:28:44: The entire cell is controlled by.

00:28:46: we call it the for house core which is our control software.

00:28:50: right just has an understanding for terminology.

00:28:54: We say there's no PLC There.

00:28:56: was that a software?

00:28:57: I mean there isn't IPC Which have some kind of processor like Like a PLCS and so instead of a heart typical box grey box set we called PLC that we buy.

00:29:08: Da ist ein IPC und an der IPC läuft eine Art Software.

00:29:14: So, es ist mehr wie ein Software-PLC.

00:29:17: Ist das

00:29:17: korrekt?

00:29:18: Nein, nein, sorry!

00:29:20: Sehr gut, ich frage dich.

00:29:20: Also, da gibt's keine soft PLC oder virtual PLCs.

00:29:28: Also wirklich alles, including the commands for drives... is programmed in python or rust.

00:29:37: Okay,

00:29:38: yeah so it's only one gray box the IPC.

00:29:40: right.

00:29:40: i think that the reason you push back Is That?

00:29:44: The term software PLC is used by the companies automation company selling PLCs and these days are moving into Selling Software PLCs as well.

00:29:58: So,

00:29:58: das ist mehr so.

00:29:59: Die Siemens und alle anderen großen Automation-Kompanen, die die Boxes verkaufen haben, sind jetzt auch in der Art und Weise, dass sie eine Software-Solution verkauft werden.

00:30:17: Und du sagst, das sei nicht was

00:30:18: du sagtest.

00:30:19: Du sagst explizit, was du hast, ist Python-based.

00:30:21: Ja, genau.

00:30:21: Es ist Python und

00:30:22: Thrust.

00:30:22: Sehr gut!

00:30:22: Was hast du mit deinem Setup gemacht?

00:30:26: Mit deinem K-Studio, um die Agents zu antworten, sind die AI-Agen schon heute in einem Industrieautomationen-Settings verwendet?

00:30:39: In diesem Podcast gibt es drei Verhandlungen, die vielleicht von einer besonderen Interesse haben.

00:30:47: Wir sind immer unhappig mit dem CycleTime.

00:30:51: Es ist immer zu langsam, die Ausflugung ist nicht genug.

00:30:56: Unsere erste Erleichterung war, dass wir den Cycle Time erhöhen und in eine völlig autonome Mode machen.

00:31:07: Also ohne jede Userinteraktion.

00:31:10: Die zweite Frage war, ob wir das Gleiche tun, aber mit der Userinterektion?

00:31:15: Und wir werden vielleicht später sehen, dass das eine Differenz macht.

00:31:20: So kann der Union in ein paar Expertz-Konferenzen bringen.

00:31:24: und das letzte Ausgleich, was wir darüber reden können, wenn du möchtest, ist die Verkennung von Fully automatisch zu generieren.

00:31:34: Das bedeutet wirklich aus dem Stratz, es gibt keine existenten Code, die optimisiert wird aber nur mit Prompting

00:31:43: machen.

00:31:44: Das klingt gut.

00:31:44: Lass uns alle drei von denen einstellen und bitte in mehr Detail explainen.

00:31:51: Und natürlich wollen wir wissen, was du broughtest.

00:31:54: Der erste ist die Zeit der Cycle, oder?

00:31:58: Ja!

00:31:58: Die Zeit des Cycles in eine völlig autonome Mode.

00:32:01: Wir haben einen AI-Agent auf GitHub gelegt.

00:32:07: Wie gesagt, es war eine Gemini von Google.

00:32:12: oder der AI-Agent, um genauer zu sein.

00:32:15: Der AI-Agent hat Gemini III als Darfland-Vision-Modell für den Code-Generation genutzt und dieser AI-agent wurde mit dem existierten Python-Kode gegründet.

00:32:31: Also hat jemand schon die Applikation geschrieben.

00:32:34: Vielleicht ist das mehr so wie du gesagt hast bei der Ground-Feed-Approach, dass etwas hier ist.

00:32:40: Wir haben den Python-Kode und unsere Dokumentation geholt, die damals nicht AI bereit war.

00:32:48: Wir haben es nur refacturiert, aber vielleicht ist das ein Thema.

00:32:53: Dann wegen des Modellkontext-Protokolls konnte der AI-Agent von einem Influx-Database retten können.

00:33:05: Dieser Database wurde durch die Simulation fett.

00:33:08: wo wir für Koalitionsregelungen checken, wo wir die Zeit bemerken können und ob etwas in der Arbeitsplattform des Robots ist oder nicht.

00:33:18: Vielleicht ist das eine der Korttopiken für diese Applikation.

00:33:24: Wir haben eine Simulation und die Simulation ist verwendet für den Test.

00:33:29: Dann natürlich prompting!

00:33:32: Prompting ist das nächste Thema hier.

00:33:33: Natürlich hat der Prompter den Objektiv eingeladen, also bitte reduzieren wir die Zeit.

00:33:38: Wir haben gesagt mit dem AI Agent, welchen Parameter er verändern kann und welche er nicht betrachten sollte.

00:33:49: Ja, wir haben auch mit dem AIAgent gefragt, ob er die Necessität für den Testplan bedient, um zusätzliche Tests zu produzieren.

00:33:57: Ja, basically that was the prompting and then there is a so called funny word beast mode.

00:34:03: So we have AI agent really can execute the code.

00:34:09: you say he or she is generating.

00:34:11: I was going to ask you, i heard your saying Healy.

00:34:13: Ok,

00:34:15: yeah That's a topic thats been with us for as long as we do the podcast.

00:34:20: if were calling an algorithm an it oder er oder sie.

00:34:25: Der, den ich benutze auf der gleichen Plattform, die ich eben erwähnt habe, ist eine female Voice.

00:34:31: Also habe ich es genannt als sie und du hast dir einen Agent gehalten.

00:34:36: Ja, ich denke wir finden unseren Weg da drüben.

00:34:39: Vielen Dank!

00:34:40: So, basically the code is executed.

00:34:44: let's put it that way but in simulation.

00:34:48: Also in Simulation, da ist ein Physik-Engine inkludiert.

00:34:52: Es ist eine Open Source.

00:34:53: Das ist der Quick Win, wenn du Python machst und das Testplan ist erzeugt.

00:34:59: Und dann die AI-Agenzien?

00:35:01: Okay... Wenn ich den Parfplanung modifiere,

00:35:06: z.B.,

00:35:06: habe ich Kollisions?

00:35:07: Ja oder nein?

00:35:09: Ist es das neue Parf within der Rechabilität von meinem Roboter?

00:35:12: Kann das Zeitzeichen affectieren?

00:35:14: So kann ich schneller werden!

00:35:16: So, es testet die Hypothesis.

00:35:18: Es collected information and then does the next iteration And we let the AI agent run.

00:35:28: I think it was ten-twelve types something like that less than an hour.

00:35:33: The optimization is finished on a standard computer where you start software container simulation so very short period of time.

00:35:46: Und der Result des Ihres Tests war...

00:35:50: Der Result?

00:35:51: Okay, das Kliffhanger.

00:35:53: Der Resulter ist, dass wir in den paar Minuten eine Reduktion von ca.

00:35:58: einem Zeitpunkt von etwa zehn Prozent bekommen haben.

00:36:00: Was ich denke, ist, wenn die Zeit gebraucht ist, ziemlich decent.

00:36:04: Ja, das ist gut!

00:36:05: Na ja, sicherlich, any, and that's rather remarkable.

00:36:09: yeah.

00:36:10: So, this is the first one And one specific question as I was reading through.

00:36:15: Ich habe gesehen, dass du durch die MCP-Protokolle gehst.

00:36:21: Wir haben vorhin über die MCPs gesprochen und wir werden weiter das machen oder nicht.

00:36:27: Das betrifft ein bisschen deine Perspektive heute.

00:36:31: Deine Erfahrung mit MCP wird es für dich oder eine neue Standard sein?

00:36:37: Oder war es etwas mehr wie ein kleiner Lifetime?

00:36:41: Oh!

00:36:42: Low predictions are always hard, but I think it makes things easier.

00:36:48: Definitely because you only need to talk through the MCP and then the MCPs talks with a service which has certain interface that don't have to implement an API for each service you're interested in.

00:37:01: so usually if things make your life easy they tend stay.

00:37:08: Wir sehen das mehr oft, aber das ist mein Geheimnis.

00:37:13: Ich frage dich

00:37:14: in einem Beginn, an dem ich es skipte, seit ein paar Wochen jetzt Peter Steigenberger, der Kreator von Open Claw, war zurück.

00:37:22: Und es ist nur, dass ich erinnere, dass er sagt, er mag MCP nicht.

00:37:28: Er preferiert CLI, welches für die Kommand-Line Interface steht.

00:37:34: Aber das bedeutet nicht ... Das war nur eine Stimme, die ich hörte.

00:37:39: Aber du sagst ja, dass du es erwartet hast.

00:37:47: Du bist glücklich mit dem, was du tust.

00:37:49: Ja, wir sind

00:37:50: glücklich damit.

00:37:51: Sehr gut!

00:37:52: Lass uns zur zweiten

00:37:56: Spezifik-Uhrung gehen.

00:37:58: Wie gesagt, das ist der Fall, wo man nicht völlig automatisiert wird, sondern die Interaktiv-Kode Optimisation.

00:38:05: Genau,

00:38:06: genau.

00:38:07: Das ist das, was wir gemacht haben.

00:38:08: Es ist mehr wie ein Kodingassistent, oder?

00:38:13: Die AI-Agenten proposiert Dinge und macht Modifikationen.

00:38:19: Und dann sind die Modifikations erheblich.

00:38:22: Die User können sagen, dass sie nun die Simulation heruntergehen.

00:38:26: Sie sehen die Resultate.

00:38:27: Dann kann man Ihre Prompten adjustieren.

00:38:29: Man kann sagen, okay, maybe use this parameter in addition or do it a little bit more that way weil ich based auf meine Erfahrung habe, denke ich, dass es ein besserer Weg ist um das Problem zu

00:38:41: lösen.

00:38:41: Mit meiner menschlichen

00:38:46: Erfahrung?

00:38:46: Ja, genau.

00:38:46: Mit meinem menschen Erfahrungen.

00:38:49: Eigentlich erinnere ich mich nicht an die exekte Menge von Minuten, aber ich glaube, es war ca.

00:38:56: eine Stunde, also etwa sechszehn Minuten plus Minus und mehr.

00:39:00: interessanterweise waren die Resultate viel besser.

00:39:03: Die Beast-Mode, die automatische Kodoptimisation beträgt zehn Prozent und das Interaktiv beträgen wir sechszehn Prozent.

00:39:13: Ja, es war viel besser, sechszehnt Prozent.

00:39:15: So Glück für uns.

00:39:16: einen guten Experienzuser kann eine Unterschiede

00:39:21: machen.

00:39:21: Zumindest für den Moment, okay?

00:39:23: Zum Glück für mich, zumindest für den moment.

00:39:26: Okay so zwei Nummern haben wir, ich denke zehn Prozent, sechstein Prozent.

00:39:30: und dann gibt's ein drittes third use case you are gonna talk about, right?

00:39:34: Which is the...

00:39:36: So we tried to do a fully automated programming.

00:39:41: We just tryed explain that task in natural language and then expected AI agent generate code from the stretch.

00:39:53: Well how's it different than what you call beast mode?

00:39:56: so its at higher level even

00:39:59: or In der Beast Mode hatte die AI-Agent den Code schon von einer Person verabschiedet,

00:40:09: um das Code

00:40:10: optimisieren zu können.

00:40:11: Also schauen

00:40:12: wir uns hier auf die Velosität oder die Möglichkeiten

00:40:15: zu reduzieren.

00:40:20: Und hier war der Task wirklich... Das ist was ich möchte!

00:40:23: Bitte generiert die ganze Code.

00:40:25: Oh nein, ich bin sehr interessiert in was der Erkrankung von diesem war.

00:40:31: So waren wir?

00:40:31: Ich würde nicht

00:40:32: sagen,

00:40:34: dass es nicht möglich ist, weil da sind Firmen out there trying to do this for very specific dedicated applications but we were not happy with the results given a reasonable amount of time.

00:40:49: so Happy With The Results always means that we expect industrial grade code das heißt Code, der dokumentiert ist und die all den H-Kasen, die den Test passen.

00:41:03: Und leider hat es nicht gearbeitet in dem Zeitpunkt, dass wir diesen Task reservieren.

00:41:10: Okay gut, aber... Ist da was?

00:41:12: Oder ist es nicht?

00:41:14: Ich meine... Natürlich

00:41:15: ist es so, aber was wirklich sehr gut gearbeitet wurde, war, dass man es für ein Box implementiert.

00:41:22: Und dann fragten wir den AI Agent, okay, so ist das ein Beispiel für eine Box.

00:41:27: Jetzt bitte komplett die Tatsache für alle drei Boxen.

00:41:30: Das funktioniert sehr gut.

00:41:32: Also unser Gefühl ist, dass starting from the scratch you need to provide much more precise information.

00:41:43: You need to prompt the do's and don'ts The requirements And this takes a lot of time.

00:41:49: Wenn du genug Zeit hast, wird es funktionieren.

00:41:53: Aber für uns war unsere Erfahrung okay, ein einfaches Beispiel und dann diese als Basis zu generieren der gesamten Applikation.

00:42:03: Das funktioniert

00:42:04: viel besser.

00:42:04: Also das ist die continuous Story über Kontext, ich glaube, oder?

00:42:10: Und ist es um... Ist es um es an dem Moment, dass es es braucht?

00:42:20: oder maybe in combination with, let's say foundation models and then we talk about industrial foundation models.

00:42:28: And then we talked just all the information that your specific customer has gathered for the last fifty years or that is a long time but it may be twenty five years in this one specific plant.

00:42:42: Ist es auch so, dass man all diese Informationen verwendet, wie in den Fundamentationsmodellen, um mehr Kontext zu geben?

00:42:57: Nicht nur im Moment, wo wir sie brauchen.

00:42:59: Ich denke, generell

00:43:00: wird das Kontext hier definitiv helfen.

00:43:04: Das ist eine Frage der Training-Data-Kontextinformationen, die durch den AI Agent getroffen werden kann.

00:43:15: Ich habe noch ein paar ... dass, um ehrlich zu sein, zumindest von der breiten oder mittelten Perspektive.

00:43:21: Ich denke es kann für eine mehr einfachen Applikationen arbeiten, z.B.

00:43:27: Maschinentending oder Spot Welting.

00:43:29: Aber wenn du einen komplexen Automations-Sell hast, denkst du, sie sind alle unterschiedlich und nehmen dann die Edge Cases in den Accounts.

00:43:40: Was passiert, ob ein Sensor fährt?

00:43:42: Ich weiß nicht, ich habe eine Leakage in meinem Neumätiksystem.

00:43:47: Alle diese Dinge müssen irgendwie in der Applikation oder im Programm eingebaut werden.

00:43:54: Ah!

00:43:54: Vielleicht wird es funktionieren, aber nicht morgen.

00:43:56: Lass uns das so machen.

00:43:58: Aber ich bin noch ein bisschen skeptisch hier.

00:43:59: Ja, jetzt sind wir in der Mitte von dem, was du gesagt hast, so schwierig zu veröffentlichen.

00:44:08: Und also sind wir auf die Klasse... Podcast, das ist immer der Fall.

00:44:12: Wo wird es uns bringen?

00:44:13: Wenn ich mich wieder zusammenbringe, habe ich in den drei bestimmten Gesamtplätzen gehört, dass die Kombination von Mensch und Agenten besser ist als nur die Agenten, um die existierte Lösung zu verbessern.

00:44:29: dass die Agenten, wenn sie etwas in einem verdammten Zustand machen, nur aus dem Gespräch zu sprechen oder von ihnen zu sagen, was man tun kann.

00:44:39: Das funktioniert noch nicht.

00:44:40: Vielleicht funktioniert es für uns ein kleiner Teil.

00:44:46: Wenn das korrekt ist – und ich nicht!

00:44:48: Wenn ich sagen würde, dass ich keine Ahnung habe.

00:44:50: Es ist nicht das, was ich für alle Lesen und die anderen schaue, die nicht hören, sondern die Programme der Industrie, des Environments aus einem Job sind.

00:45:01: Nicht immer.

00:45:02: Es geht mehr um den anderen Weg.

00:45:03: Wir haben schon heute viele, viele Zeit genug Menschen zu tun.

00:45:08: Und es gibt nur noch die nächsten ... Ten, twenty years.

00:45:13: I know here in the German market is going to be worth because people have been doing this forty.

00:45:18: fifty years are gonna just being leaving their job now.

00:45:22: so where does Where does this leave us then?

00:45:24: you?

00:45:24: Just started to forecast what were.

00:45:26: do You see with a knowledge that you not Have an AI gen AI agents What it's Gonna happen ?What can they Do In The next couple of Years and how Is That Going To Help Us Us in wherever your customers Are Or globally

00:45:42: Okay.

00:45:43: So, I think if you want to exploit the full benefits of AI... ...you need re-think the way that you do automation?

00:45:53: We discussed this at the beginning.

00:45:55: You know centralized control no proprietary silos No specific tools make things open.

00:46:04: Make it accessible via high level languages through the AI agents.

00:46:09: I think that's one of the most important things, because this does not only ease the task for the AI but it also unlocks a huge amount of programmers.

00:46:20: so if you compare the number of people who are familiar with robot specific languages and the numbers of people do Python or Rust even see there are magnitudes und auch von einer ähnlichen Perspektive.

00:46:39: Alle jungen Menschen, die in der Universität leben oder in der Hochschule... Die Hochschul ist nicht das richtige Wort, aber wenn man in einer Universität lebt, wissen sie alle hohe Programme im Landwirt.

00:46:50: Ich denke, dass dies eine Sache ist, um den demografischen Veränderung

00:46:55: zu betrachten.

00:46:56: Okay, so open includes the word Open Source.

00:46:59: I assume what you talk about if you say Python and other ones ... Deutlich Open-Source Solutions?

00:47:07: Nicht necessarily.

00:47:09: In

00:47:11: my thinking means use standard interfaces, so don't lock everything inside as I just said into proprietary tools which cannot be accessed by third party software or by AI entrance.

00:47:26: Does it not necessary be everything open source?

00:47:30: Off course open source is very powerful, especially from a toolchain perspective.

00:47:35: I mean there are things like physics engines and simulation software.

00:47:41: that's incredible.

00:47:42: so why not use it?

00:47:44: You don't always need to reinvent the wheel.

00:47:47: but once again here high level programming languages standardized interfaces Wir sehen, dass

00:47:55: das

00:47:55: meine starke Belief ist, einen viel kleineren Updates-Zeichen, besonders die Cyber Resilienz-Aktion rund um die Körner.

00:48:07: Wir müssen also herausfinden, wie man die Software sehr schnell und mit minimalem Risiko beobachtet hat.

00:48:17: Und ich denke hier, die Simulation Testung ist sehr wichtig!

00:48:23: Wenn Sie zum Beispiel die Websites des großen Online-Shops sehen, machen sie die Website mehrere Hundert times a day.

00:48:32: Ich denke, dass in der Automationsphase natürlich nicht hunderte mal ein paar Tage, aber die regularen Updates werden eine Maske sein, besonders aufgrund des Cyber Resilienz-Aktions, wo man reagieren muss, wenn man die Sicherheitsfläche hat und wie man das tun kann.

00:48:50: Und ich glaube, es ist eine Simulation im Test.

00:48:53: und wenn du dein Automation-Zelt simulieren kannst, testest du, ob ein neues Stück von Code oder

00:49:04: eine

00:49:06: Veränderung ist, dass du das in advance machst.

00:49:09: Das wird zumindest meiner Perspektive der anderen Main-Driver für AI Agents sein.

00:49:19: Wenn man code manualerweise oder bei AIAgents Aus einer Testungsperspektive gibt es keine Differenz.

00:49:24: Man muss testen, so sind meine zwei wichtige Abenteuerungen.

00:49:30: Sehr gut!

00:49:31: Und in dem Ende der Lange AI und Agents helfen uns zu erlangen die Verteilung, die wir vorliegen, oder?

00:49:40: Ja, genau.

00:49:41: Ja.

00:49:41: Lass uns ein bisschen mehr über

00:49:46: deinem Team sagen, die Leute um dich, wo du bist?

00:49:49: Bist du für einen Talent?

00:49:52: Also was soll sie bringen?

00:49:54: Vielleicht gibt es eine oder andere Leser Interesse in dir und deinen Kollegen

00:50:00: zu sein.

00:50:01: Okay, danke!

00:50:03: Wir sind in Hannover gebastelt, also nicht in einer der hohen Tech Cotspots wie Munich oder Berlin.

00:50:10: Als Teil unserer Team kommt von Juanda Robotics.

00:50:18: Wir sind wirklich OT-Experienz, um alles aus realer Zeitkontrolle zu füllen und wir können es irgendwie bemerken.

00:50:31: Natürlich machen wir alle diese Docker Kubernetes hohe Level Dinge zu.

00:50:36: Ich denke unsere Team ist wirklich OT und IT.

00:50:40: sehr, sehr ausländisch.

00:50:42: Also jetzt haben wir ca.

00:50:44: eine Höhe von ca.

00:50:45: einem Jahr, ich denke, da sind es ca.

00:50:46: einigartige Mitarbeiterinnen und Einwohner.

00:50:49: Vielleicht auch als Anleitung, die ungewöhnlich ist, dass wir nicht vom VC-Fundet sind.

00:50:55: Unsere Firma ist völlig verabschiedet und wir sind nicht vom RC-FUNDet, weil wir in der Automationsphase denken, man muss sehr nahe zu Ihren Kunden sein.

00:51:10: Du musst wirklich verstehen, was passiert.

00:51:12: Und du brauchst etwas Freude.

00:51:15: Wir sehen immer, dass wir über Revenusarren denken.

00:51:21: Wir wissen, dass es möglich ist, aber das dauert ein bisschen Zeit.

00:51:27: Wir haben uns auf unsere eigene OBEA Bootstrap zu tun.

00:51:29: Vielleicht ist das auch eine wichtige Seite der Noten hier.

00:51:31: Ja und natürlich sind wir immer für die Talente angeschaut.

00:51:38: Our website accepts applications, so everybody is happy to drop us a line.

00:51:43: So Happy To Get In Touch!

00:51:45: Very good Tobias.

00:51:46: thank you very much sharing your perspective on the benefits AI Agents Gen AI are providing already today and maybe even moreso in an industrial automation setting.

00:52:03: Thank You very Much!

00:52:12: Robotik in der Industrie.

00:52:13: Der Podcast mit Helmut Schmidt und Robert Weber.