Lisa Reehten (Resourcly) über Industrial AI, Datenqualität und die Zusammenarbeit mit Startups

00:00:02: Industry Insights, ein Podcast von Produktion.

00:00:06: Hallo und herzlich willkommen zu unserem Industrie-Podcast!

00:00:09: Ich freue mich, dass ihr mit dabei seid.

00:00:12: In Industry Insight spreche ich mit spannenden Persönlichkeiten aus der Industrie.

00:00:16: Mein Name ist Anja Ringel.

00:00:18: Ich bin Chefin vom Dienst beim Fachimidium Produktionen.

00:00:20: Ich berichte im Podcast und für Produktion über alles was die Industrie bewegt.

00:00:25: Von Zukunftstechnologien und Transformation auf allen Ebenen hin zur aktuellen Entwicklungen.

00:00:32: In der heutigen Folge spreche ich mit Lisa Retin.

00:00:35: Sie ist Commercial Director bei Resursly.

00:00:38: Resursli beschäftigt sich damit Unternehmen, bei Datenbasierten Entscheidungen zu unterstützen.

00:00:43: Im Kern geht es darum, Daten so nutzbar zu machen, dass daraus bessere Entscheidungen in der Industrie entstehen können.

00:00:48: Hallo Lisa!

00:00:49: Willkommen bei Industry Insights.

00:00:51: Hallo Anja, danke dir für die Einladung.

00:00:53: Sehr gerne.

00:00:54: Wir beide wollen heute über zwei große Themen sprechen und zwar einmal über die schon angesprochene Datenbasis für Industrial AI.

00:01:02: Und darüber, warum vielleicht gerade viele KI-Anwendungen noch nicht in der Praxis angekommen sind sondern gegebenenfalls auch an der Idee scheitern?

00:01:11: Und zweitens die Zusammenarbeit zwischen etablierten Industrieunternehmen und Startups und wie die zum Beispiel auch verbessert werden kann.

00:01:19: Ich freue mich mit Ihnen liebe Hörerinnen und Hörers und mit dir Lisa diese Themen genauer zu beleuchten!

00:01:25: Und wer den Podcast schon länger folgt, dem wird dein Name vielleicht bekannt vorkommen.

00:01:29: Denn du warst schon mal bei uns zu Gast damals aber noch in deine Rolle bei Bosch Climate Solutions.

00:01:35: umso schöner ist es dass wir uns heute wiedersehen und wieder miteinander sprechen.

00:01:39: Und meine erste Frage zieht da auch ein bisschen darauf ab, und zwar wenn du deinen Weg von Bosch Climate Solutions zur Resource League anschaust.

00:01:46: Was hatte ich denn persönlich daran gereizt dich jetzt stark mit Themen wie Daten- und Ökosystem zu beschäftigen?

00:01:51: Aber auch weiter natürlich mit dem Thema Wettbewerbsfähigkeit.

00:01:55: Absolut!

00:01:56: Ich glaube das ist sicherlich ja ein Herzenthema dass mich hierher gebracht hat.

00:02:01: Ich war bevor Bosch zehn Jahre bei IBM.

00:02:05: Ich komme aus der IT habe vor zehn Jahren immer schon eigentlich mit viel industrieller Mittelstand zusammengearbeitet.

00:02:12: Wir sehen wie diese Unternehmen auch jahrzehntelang super erfolgreich waren, aber auch da schon vor zehn Jahren dieses Thema Digitalisierung – Wie sieht das denn aus?

00:02:22: Mit Industrie für Null-Daten!

00:02:24: Das haben wir damals schon diskutiert und das hat mich auch nie so wirklich losgelassen.

00:02:28: Dann kam ich zur Nachhaltigkeit und zu Bosch.

00:02:30: auf der einen Seite zu einem riesen Industrieunternehmen würde ich sagen Grammedingungen und kulturellen Themen, die ich gelernt habe kommen aus der IT.

00:02:39: Und das zweite war die Nachhaltigkeit wo ich auch gemerkt hat Auch hier brauchen wir Daten!

00:02:44: Auch hier ist das Thema Reporting Datendurchgängigkeit über Organisationseinheiten hinweg super spannend.

00:02:52: Und dann war glaube ich so dieses dritte von zwei Riesenorganisationen kommt War jetzt der Reiz einfach mal etwas super Kleines, super Schnelles mitzubekleiden in einem Wachstumsbereich.

00:03:05: Ich glaube was wir uns schon momentan eben alle irgendwie vornehmen müssen auch damit wir Deutschland wieder voranbringen ist zu schauen wo sind denn wirklich Felder?

00:03:13: Wo wird diese Industrie voran bringen können und womit glaube ich kann einen kleinen oder hoffentlich auch größeren Beitrag leisten, um diese Wettbewerbsfähigkeit mit dem was ich schon erfahren habe und mit den was ich mitbringe nach vorne zu bringen.

00:03:25: Und das war der Antrieb wirklich jetzt hier auch zu starten, was mit aufzubauen und sicherlich einfach dieses Lachstum mitzugestalten.

00:03:33: Das klingt auf alle Fälle sehr spannend und über sehr viele dieser Punkte sprechen wir jetzt auch noch im Verlauf des Podcasts.

00:03:39: Jetzt kommt aber erstmal was du schon kennst, und zwar unsere Schnellfrage-Runde um dich noch besser kennen zu lernen.

00:03:44: Diesmal gibt es ein paar andere Fragen.

00:03:47: Genau einfach wie immer als gibt es zwei Entwederoderfragen und du musst dich für eine Antwortmöglichkeit entscheiden.

00:03:55: Genau fangen wir an!

00:03:56: Kaffee oder Tee?

00:04:00: Und ein früher Start in den Tag oder ein produktiver Abend?

00:04:04: Ein früher Start.

00:04:05: Ich habe mir zweieinhalb Jahren getochtert.

00:04:08: Da fängt man früh an!

00:04:09: Da

00:04:09: finkt man sehr früh an.

00:04:11: Hast du denn danach der Arbeit Zeit, Serie zu schauen oder einen Buch zu lesen?

00:04:16: Eher das Buch

00:04:18: und Berge oder mehr?

00:04:21: Mehr so eine schöne Meeresprise.

00:04:24: Entscheidungen aus dem Bauch heraus oder auf Basis von Daten?

00:04:29: Eine gute Datengrundlage und dann eine Bauentscheidung.

00:04:33: Und wir sprechen über KI, deshalb ChatGPT oder Klod.

00:04:37: Klod!

00:04:39: Verantwortung übernehmen oder abgeben?

00:04:42: Übernehmen auf jeden Fall.

00:04:44: Die Frage kriegst du jetzt noch mal weil ihr bekommt jeder mehr Geld oder mehr Freizeit.

00:04:49: Mehr Zeit

00:04:51: und am Schluss eine gemeine Frage Konzern- oder Startup.

00:04:55: Oh das ist tatsächlich aktuell würde ich sagen start up

00:04:59: Ja super da sprechen wir ja auch noch drüber.

00:05:02: Vielen Dank erst mal.

00:05:04: Und jetzt lasst uns ausführlicher über die Datenbasis für Industrial AI sprechen, denn in der Industrie reden wir schon seit sehr vielen Jahren über Industrieb.

00:05:12: vier Punkt Null digitale Geschäftsmodelle, Datenräume KI etc.

00:05:17: Zu Beginn war die Frage Der Begriff Industrial AI wird ja inzwischen auch sehr breit verwendet.

00:05:22: Was verstehst du darunter und was unterscheidet Industrial AI zum Beispiel von einer klassischen Digitalisierung oder Automatisierung?

00:05:30: Für mich ist die Unterscheidung ganz klar zwischen allgemeine KI und industrielle KI.

00:05:35: Und wenn ich mir das erst mal anschaue, dann ist es einem Allgemeinumfeld einen sehr horizontaler Ansatz.

00:05:41: In der Industrie bin ich eben in einem vertikalen Gebiet.

00:05:44: was bedeutet das?

00:05:45: Ich habe auch ganz spezifische Daten.

00:05:48: In den allgemeinen KI hab' ich ganz oft Texte, Bilder, Audio... Industrielle KI sprechen, haben ja ganz oft Cut-Daten, Bombendaten, Prozessparameter, Sensordaten, PLM, PIN, PDM Systeme.

00:06:03: Das heißt wir haben eine ganz andere Datenquelle erst mal.

00:06:06: Dann brauchen wir in meinen Augen ein viel tieferes Prozessverständnis.

00:06:10: das heißt das Domäne Know How im Bereich Industriell KI ist super wichtig von Materialien vor Produktionsprozessen Und auch dieses Thema Trainingsdaten ist das ganz anderes.

00:06:24: In der allgemeinen KI habe ich die, dass weltweit webfreie verfügbare Daten zum trainieren und zwar verfügbar im industriellen Umfeld muss ich mir ganz genau anschauen, dass es knapp, das ist oft mal properitär, das wird oft als historisch gewachsen.

00:06:38: wie komme ich sicher auch an diese Daten um wirklich dann für meine Anwendungsfälle auch die richtige Badenbasis zu haben?

00:06:46: Das auf alle Fälle viel aber auch viel wichtiges.

00:06:50: Trotzdem hört man immer wieder, in der Praxis kommt vieles langsamer voran als erhofft und viele sind noch nicht so weit wie sie vielleicht sein wollen.

00:07:00: Deshalb die Frage warum drehen sich denn viele Industrieunternehmen beim Thema Datenbasierte Entscheidungen und Industrial Eye im Kreis?

00:07:08: Und welche Erfahrungen habt ihr vielleicht auch mit euren Kunden gemacht?

00:07:12: Also man schaut ganz klar oftmals in Richtung IT.

00:07:16: Ich glaube das ist auch richtig die ja die Verantwortung tragen auch für dieses Datenthema.

00:07:20: Und auf der anderen Seite, wenn wir die IT-Abteilungen im industriellen Kontext anschauen und ganz ehrlich da reingucken sind, die oftmals wirklich an der absoluten Kapazitätsgrenze sind.

00:07:31: das schon seit Jahren, wenn sie ihre SAP Migration anschauen.

00:07:36: Das möchte zwar keiner hören aber es ist halt die pädriere Realität in dem wirklich den meisten der Fälle mit Kunden sprechen und schlagen alle die Hände mal Kopf zu sagen, okay.

00:07:47: Die müssen gerade auf Fahrnahme queren oder

00:07:49: ähnliches.".

00:07:50: Das heißt es ist quasi diese Grundauslastung, die ist schon so wahnsinnig hoch dass eigentlich das was gemacht werden sollte nämlich diese Stammdatenqualität mal aufzubringen, mal zu schauen welche Töpfe brauche ich denn für welchen Anwendungsfall?

00:08:03: Dass das rein kapazitiert tief gar nicht geleistet werden kann.

00:08:07: Und ich glaube, das wiederum endet dann darin, dass wir viele einzelne Minipilotprojekte haben.

00:08:12: Weil die einzelnen Fachbereiche da anfangen zu sagen okay, dann mache ich es ohne IT.

00:08:17: So wenn ich aber keine integrierte Datenbasis habe sondern eben nur meinen minimal spezifischen Anwendungsfall anschauen und damit ein Pilotprojekt mache in zweifels Fall nicht mal mit einer Datenintegration.

00:08:28: Das ist das eben oft so, dass das nicht den Mehrwert stiftet, den ich mir davon erhoffe oder dass das eben nicht so durchgängig ist, dass es auch eine Qualität hat die ich auch in einem industriellen Kontext einfach brauche wenn da eben auf Prozesse dahinter hängen.

00:08:42: Und ich glaube diese zwei Themen Kapazität in der IT in Verbindung dann mit Fachbereich startet viele kleine Pilotprojekte.

00:08:51: Das bringt dieses Thema nicht unbedingt super und schon gar nicht schnell voran was es eigentlich brauchen würde.

00:08:58: Darauf aufbauend hast du auch schon im Gespräch gesagt, viele Unternehmen wollen auf Basis von Daten bessere Entscheidungen treffen.

00:09:05: Aber die Datenbasis stimmt häufig nicht.

00:09:08: Jetzt hast du es schon ein bisschen angedeutet aber vielleicht kannst du das noch mal zusammenfassen.

00:09:11: woran zeigt sich denn das ganz konkret im Alltag eines Maschinenbauunternehmens zum Beispiel?

00:09:16: und was kann man dagegen tun?

00:09:19: Also ganz konkret zeichnet sich das v.a.

00:09:21: daraus auf, dass den Großteil der Zeit vor allem auch die Konstruktion aber auch der Einkauf – das sind eigentlich so die zwei Stakeholdergruppen – Daten sucht.

00:09:30: und warum liegt es?

00:09:31: Das liegt daran, dass im Zweifelsfall zwischen einem Konstrukteur- und einem Einkäufer in dem quasi Prozess über sich ein einziges Teil abzustimmen braucht man im Zeifelsfalt zwölf verschiedene Systeme Und das muss man sich mal auf der Zunge zergehen lassen.

00:09:47: Das heißt, ich muss... Ich hab' letztes auch ein Gespräch mit ihr und er gesagt, ich habe immer zehn Fenster offen zum tiefst beschwemen.

00:09:53: Sag ich ja, warum?

00:09:54: Na ja!

00:09:55: Wir haben's eher PS-alte uns neu.

00:09:57: Dann haben wir drei verschiedene PLM-Systeme über verschiedene gewachsende Struktur hinweg.

00:10:01: Die wollten nie jemand konzentrieren.

00:10:03: also haben wir dreiein.

00:10:04: Dann habe ich eine Oberflächendatenbank.

00:10:06: Ich habe eine Messdatenbank und dann fangen die Leute anders auf zu zählen.

00:10:10: Und das ist der Hanebüchen.

00:10:11: wenn jemand denkt dass es effizient Wenn eine Person oder dann natürlich viele Personen, weil ich habe nicht nur eine Person in der Abteilung immer wieder in jeden einzelnen Topf reinschauen muss.

00:10:22: Ich hab ja keine semanische Suche, die mir das alles irgendwie über einen einheitliche ID hinweg verbindet und dass es eben ein riesiges Effizienzproblem.

00:10:30: Und oft kommt er auch doch der Leitzordner dazu?

00:10:33: Oder

00:10:34: wenn's ganz schlimm, ganz spannend wird wirklich, wenn der Ordner rauskommt und in diesen Ordnern befinden sich Handzeichnungen oder handgeschriebene Stücklüsten Und wir lachen da jetzt drüber in Teilen und Schmunzeln, das ist blanke Realität.

00:10:49: Wir haben Industrieunternehmen die legen mir die abfotografierte Stücklöste hin wo derjenige die die Firma gegründet hat vor fünfzig oder sechzig Jahren mal mit Handwas aufgeschrieben hat über eine Maschine die jetzt noch in dieser Produktion steht.

00:11:02: Das ist Realität!

00:11:03: Natürlich hätte man das mal vor ... zwanzig Jahren digitalisieren sollen, weil dann wären wir jetzt an einem anderen Level.

00:11:11: Vor allem in Zeiten wo es ein richtig gut gegangen ist.

00:11:14: So und jetzt sind wir halt am Punkt wo's wirtschaftlich eigentlich schwierig ist... ...und der Druck gleichzeitig aber das jetzt eigentlich dieses Kernproblem anzupacken,... ...der halt immens hoch wird!

00:11:24: Und dass diese Datenbarzen nicht stimmt, dann kann ich keine Entscheidungslagen wenn ich das eine einzige Teil achtzehnmal im System habe, weil siebzehn mal unterschiedlich heißt Ja, wie soll ich denn mit meinem Referanten gut verhandeln?

00:11:37: Wie sollen meine Ingenieure dem schnell das richtige Teil finden?

00:11:40: und so geht es dann eben immer weiter.

00:11:43: All die nicht funktionierenden Anwendungsfälle, die ich eigentlich brauche um diese Datenbasis irgendwie als Schatz zu heben.

00:11:50: Und darauf aufbauen jetzt natürlich, dann stellt sich jeder die Frage was kann man dagegen tun?

00:11:55: oder auch wie viel Vorarbeit ist?

00:11:57: wahrscheinlich auch unterschiedlich muss passieren damit ich Daten und KI wirklich sinnvoll in meinem Industrieunternehmen einsetzen kann

00:12:05: Genau.

00:12:05: Also zuerst muss ich mal erkennen, dass sich das Problem habe und das Erkenntnisproblem ist eigentlich schon bei den meisten da.

00:12:11: Ich hab selten Leute die da widersprechen.

00:12:13: Das ist ja schonmal wichtig!

00:12:15: Und dann muss ich mir anschauen so wo sind denn meine Daten?

00:12:17: In welchen Töpfen überhaupt mein Überblick bekommen um überhaupt mal solide aufschreiben zu können.

00:12:22: Manche Leute haben auch an der manche Unternehmen angefangen Detail Warehouse es aufzusetzen Dann kann ich da vielleicht auch schon anleiten.

00:12:29: Sondern wenn ich das mal habe, diesen Überblick welchen Datensilos gibt es und welche Qualität und welcher Art liegen denn die Daten da dann wirklich zu schauen?

00:12:36: Und wie kann ich die harmonisieren und zusammenbringen?

00:12:40: Das wirklich geht nur auf unterster Ebene.

00:12:43: D.h.,

00:12:43: ich muss die unterste Ebene in Daten extrahieren.

00:12:45: was meine ich damit?

00:12:47: ein System muss wirklich die Zeichnungen verstehen Denn das muss ein Tridimodell verstehen.

00:12:52: Das muss im Zweifelsfall auch eine Handzeichnung auslesen können, um wirklich auf unterster Ebene dieses Datenverständnis zu generieren und dann alle anderen Entscheidungen die ich auf oben draufsetzen möchte eben besser treffen zu kommen.

00:13:06: Und danach muss sich dann schauen dass ich etwas finde und auch da ist KI ein Riesensegen, dass diese technische Extraktion dann eben auch möglich macht und das ist auch das, wo wir zum Beispiel mit Resource Litern ansetzen um wirklich diese unterstebene Metadaten technische Daten zu extrahieren.

00:13:21: Und das zusammenzubringen.

00:13:23: Das wäre jetzt tatsächlich auch meine nächste Frage wie ihr als Starter bei ihr als Ressourcidad ins Spiel kommt und wie ihr mit den Unternehmen zusammenarbeitet?

00:13:32: Genau, also der Klassiker ist dann wirklich... Wir schauen uns an.

00:13:34: Was sind denn die großen Töpfe?

00:13:36: Meistens ist das das EAP und das PLM und allein die Harmonisierung über diese beiden Tatentöpfen hinweg ist schon ein Riesenmehrwert.

00:13:43: Teilweise habe ich Konstrukteure, die alleine wenn sie die Suche sehen sagen Super!

00:13:49: Braucht gar nicht mehr.

00:13:50: Wenn ich diese Suche hätte und über unsere PLM- und ERP-Daten hinweg suchen kann vielleicht auch noch indem ich eine Zeichnung abfotografieren kann Das wäre schon Mehrwert, da gewinne ich einen Tag pro Woche an Zeit einfach.

00:14:04: So und das ist das was wir machen.

00:14:05: Das heißt wir extrahieren auf unterster Ebene Zeichnungen, Dreidimodelle aber auch technische Spezifikationen und vergleichen die miteinander Und dann kann man relativ schnell Duplikate und Ähnlichkeiten im System erkennen.

00:14:17: Man kann ausschauen wie kann nicht Lieferanten konsolidieren?

00:14:20: Wie kann ich auch Varianten von Produkten von Zulieferteilen, Ersatzteile, Kaufteile als es total egal welche Teile auch eigene Teile.

00:14:28: Wie kann ich das einfach zusammenbringen und wie kann ich damit meine Konstrukteure sehr viel schneller machen?

00:14:34: Und meine Einkäufer meistens sehr viel besser informierter in Verhandlungen schicken.

00:14:40: Es ist wahrscheinlich je nachunter dem unterschiedlich.

00:14:42: aber habt ihr so einen Durchschnittswert?

00:14:44: Wie schnell kann man denn wenn ihr zusammen arbeitet schon erste Ergebnisse sehen oder schon sagen hey jetzt können wir schon schneller arbeiten?

00:14:52: Also wir haben die Erfahrung, dass nach zwölf Wochen ist der Mehrwert dieses System ganz klar.

00:14:58: Wir haben meistens einen gewissen Vorlauf bis zu den Daten aus dem System kriegen.

00:15:02: Das ist aber eigentlich gesagt meistens mehr ein Kapazitätsthema oder ein Verantwortlichkeitsthema.

00:15:08: das was ich vorhin kurz genannt habe wo es dann auch darum geht wer die Wo geben was unterstützen muss.

00:15:13: und mehr hat Kapazitäten.

00:15:14: Aber wenn wir einmal diese Daten haben, dann sind in zwölf Wochen sehr deutlich, wo sind die Use Cases und wie kann man auch den Business Case rechnen?

00:15:22: Also es muss ja ganz klar sein.

00:15:24: Ich habe Effizienzgewinne an der Konstruktion im Einkauf.

00:15:26: Ich kann Bestand reduzieren dadurch massiv.

00:15:29: ich spare mir Bestand, Working Capital Und all diese entscheidenden KPIs, die gerade eben wichtig sind Auch für dieses Thema Wettbewerbsfähigkeit wieder und das ist in zwei Wochen gut dargestellt.

00:15:40: Das ist ja auch eine Zeit, die im absehbar ist und wo man dann in relativ kurzer Zeit auch was erreichen kann.

00:15:46: Absolut!

00:15:47: Und auch das ist glaube ich wichtig.

00:15:48: es geht halt einfach um Geschwindigkeit.

00:15:50: wenn ich da wieder zurückschaue vor zehn Jahren Master Data Management verkauft, ja man hat diese Projekte auf thirty-seven bis achtundvierzig Monate meistens angesetzt.

00:15:58: Das ist natürlich gigantisch was KI uns hier an Mehrwert bringen kann, wenn man's auch richtig einsetzt Und dann hat man super schnell wirklich auch Ergebnisse.

00:16:08: Und dann, glaube ich, ist es wichtig, einfach interaktiv sich voranzuarbeiten.

00:16:13: Meistens geht's am Ende des Tages um zehn, zwanzig, dreißig Millionen Teile – also Parts die wirkt, weil sie durch das System jagen.

00:16:21: Damit muss man jetzt nicht morgen anfangen!

00:16:23: Sollte man schaut sich dann halt bei den ersten zwanzichtausend an?

00:16:26: Dann schaut man sich die nächsten fünfzigtausend an... Und dann geht man iterativ da immer weiter und dann wird der Mehrwert auch einfach immer größer.

00:16:33: Ich glaube, das ist auch etwas was ich einfach aus dem Spader-Startup Kontext super schnell gelernt habe.

00:16:39: dieses iterative Vorgehen und mit Erkenntnissen die ich super schnell generiere weitergehen ist einfach gerade in der aktuellen Zeit wo die Unsicherheiten auch so großen ein sehr sinnvoller Weg nach vorne.

00:16:54: Ein Thema, das in euren Gesprächen wahrscheinlich fast immer vorkommt ist Datensicherheit.

00:17:00: Und da hast du auch gesagt datensicherkeit wird häufig vorgeschoben.

00:17:04: technologisch lässt sich aber vieles regeln.

00:17:06: kannst du das noch mal für alle erklären was du damit meinst?

00:17:10: Genau ich glaube ganz oft ist es auch so ein bisschen wie gesagt die Auswähle.

00:17:15: wenn man dann fragt was genau sind denn die Sorgen?

00:17:18: oder wo setzen sie den anderen Kontexten schon das Thema Cloud Infrastruktur ein Dann sind die meisten der Zwischenzeit soweit, dass sie natürlich Cloud lösen und einsetzen.

00:17:29: Und die spezifische Sorge ist immer so naja was passiert mit meinen Daten?

00:17:33: Und ich glaube da muss man eben einfach ganz solide an den Tisch sitzen und sagen... Die meisten Unternehmen haben heutzutage so ein Security-Prozess und Cloud Trig-Wirements, Analysen oder was sie da machen.

00:17:44: Da geht man einmal gemeinsam miteinander durch dann zeigt man auf dass man SOG zertifiziert ist, dann zeigt auch das man ISO Zertifiziert ist, dass man nach dem EUI ggpa und all diesen Themen die so kommen könnten Dass man da kompleinsseitig richtig agiert, dass die Daten in Frankfurt liegen, dass sie da auch gebackupt werden Und ich glaube dann kann man da schon für Für ein gutes Gefühl auf beiden Seiten und Vertrauen sorgen.

00:18:10: Und ich glaube gleichzeitig aber auch, dass das eben super super wichtig ist vor allem wenn es natürlich um technische Zeichnungen oder wirkliche Produktdaten geht.

00:18:18: ja Wenn man die Daten dann zusammen hat und das alles hat, dann ist der nächste Schritt natürlich die Datenökosysteme.

00:18:25: Und auch diese Ökosystemen zu teilen und nutzbar zu machen.

00:18:29: Du hast jetzt auch schon angefangen über das Thema Wettbewerbsfähigkeit zu sprechen.

00:18:33: wie wichtig ist das denn?

00:18:35: Aus deiner Erfahrung heraus ist die deutsche Industrie oder der deutsche Maschinenbauer da auch schon soweit oder müssen sie erst intern noch aufräumen sage ich mal um überhaupt über Datenaustausch sprechen zu können?

00:18:48: Ich habe oftmals wirklich immer noch das Gefühl, dass ich da die letzten zehn Jahre auch in der ich den der Plattformindustrie zum Beispiel schon engagiert bin nicht viel getan hat.

00:18:56: Auch da reden wir seit zehn Jahren darüber Ökosysteme und Katina X und all die Initiativen wo immer jeder am Tisch sitzt und sagt ja das ist super wichtig und wenn du auf meine Plattform kommst dann finde ich einen riesen Fan davon.

00:19:09: aber so funktioniert es halt nicht.

00:19:11: Und am Ende des Tages muss man sich auch wiederum eben jetzt in die Augen schauen und sagen okay, jetzt geht es im Unternehmen in Teilen wirklich nicht mehr so gut.

00:19:20: Warum setze ich mich nicht vielleicht auch mit meinen großen deutschen europäischen Wettbewerbern an einen Tisch?

00:19:28: Und sage Mensch hier gibt's gewisse Themen könnten wir eigentlich gemeinsam angehen, wenn ich auf Industriemodelle schaue ein Industrie Modell für einen Maschinenbauer könnte mit gemeinsamen Daten ja von diesen Maschnen bauen trainiert werden.

00:19:43: Und natürlich kann der eine nicht komplett in die Daten des anderen reinschauen, aber ich bin auch da im Allgemeinen und man wäre natürlich viel schneller wenn man sich dann in gewissen Kombinationen ein gewisser Partner-Ekosystem an den Schiffs setzen würde.

00:19:56: was wir immer wieder sehen zum Beispiel für unsere Kunden ist das super relevante Supplyer also deren kernlieferanten Anzug binden unsere Plattformen.

00:20:04: Das macht einfach super Sinn!

00:20:05: Man hat genau end of life Daten einschwimmen, diese Katalogparts, man kann es einfach integrieren.

00:20:11: Ja was sind das für Diskussionen teilweise auch da an der Stelle?

00:20:15: ja wieso und weshalb?

00:20:16: warum?

00:20:17: Und am Ende des Tages muss ich sagen hey, dass ist ein wichtiger Kunde für euch.

00:20:21: Da muss man doch an den Tisch sitzen einfach darüber schauen wo es der vielleicht auch gemeinsame Mehrwert einfach, dass ihr am Ende dieses Tages als Lieferante integriertes in eine Plattform auch mehr Umsatz generiert könnte.

00:20:32: Ihr öffnet euer neuen Vertriebskanal und ich glaube immer von dieser von dieser Möglichkeiten Perspektive mal drauf zu schauen Und nicht immer zu bestrauf zu gucken, was wir tun.

00:20:44: Wir uns da oder welche Physiken sind es?

00:20:47: Das ist leider immer noch so dass der irgendwie gefüllt wenig passiert ist.

00:20:52: hilft denn dieser Druck, der jetzt momentan auf der Wirtschaft auf der Industrielasse dabei das es jetzt schneller wird bei diesen ganzen Sachen?

00:21:01: ja ich bin der tiefste Umzeugung.

00:21:03: das hilft auch weil ich immer versuche zu sagen ganz ehrlich wenn wir uns anschauen Was ist denn deine größte Angst?

00:21:11: Deine größte Angst ist doch nicht der Wettbewerber, der fünfzig Kilometer unter in Deutschland sitzt.

00:21:17: Deine grösste Angst sind doch Wett Bewerber aus Asien.

00:21:20: Warum ist es das?

00:21:21: Na ja Weldy zum Beispiel muss jetzt auch nicht jemanden zutreffen aber zum Beispiel auf der Grünen wie sie gestartet sind superdurchgängige digitale Datenbasis haben, die ganz ganz anders damit auch Erkenntnisse generieren und arbeiten können.

00:21:36: Das heißt versuch doch dir nochmal vor Augen zu führen wo ist denn wirklich sein größtes Risiko?

00:21:41: Und das ist momentan sehr groß!

00:21:43: Und vielen geht es nicht gut und vielen ja sind in Kurzarbeit.

00:21:46: aber da glaube ich nicht an den Kopf in den Sand zu stecken sondern zu schauen so was sind dann jetzt die Hebel wie ich mich wieder rausarbeiten kann?

00:21:53: Ich glaube dass würde ich mir wünschen dass da noch mehr drauf geschaut wird.

00:21:56: einfach

00:21:58: Wenn du jetzt einen Tipp geben könntest an unsere Hörerinnen und Hörern, die ja alle im Industriebereich arbeiten.

00:22:03: Was wäre denn so ein Schritt wo du jetzt sagst was müsst ihr jetzt machen um die Datenbasis für euer Unternehmen zu verbessern?

00:22:11: Also das must have ist auf jeden Fall mal reinzuschauen welche Datensilos habe ich und wie bekomme ich die Datenqualität in diesen Datensilos?

00:22:18: die nächsten drei bis sechs Monate nach oben Und nicht im Sinne von Wie haben wir nach sechs Monaten den ersten Termin mit der IT?

00:22:27: Wie kann ich messbare Ergebnisse in einer kurzen Zeit hinkriegen?

00:22:33: Da kann man sich einfach mal schauen, zum Beispiel was haben wir von der Datenbasis und in wie vielen Teilen von diesen Daten fehlt eine Zeichnung, fehlt ein technisches Schamblatt oder fehlt irgendwas.

00:22:43: Und dann sie vornehmen.

00:22:44: okay die nächsten zwölf Wochen gucken wir mal.

00:22:46: aktuell haben wir bei fünfzig Prozent viele Daten.

00:22:48: lass uns das Mal auf sechzig Prozent bringen.

00:22:50: Lass es uns mal auf achtzig Prozent bringen um einfach auch inherent diese Datenqualität besser zu machen.

00:22:57: Was, das kann sich jeder mal vornehmen.

00:23:00: Und da spielt ja auch das Thema Geschwindigkeit eine Rolle.

00:23:03: und das bringt uns jetzt zu unserem zweiten Thema und zwar die Zusammenarbeit zwischen tablierten Industrieunternehmen und Startups.

00:23:11: Du kennst.

00:23:11: ja du hast es am Anfang schon erzählt, du kennst beide Welten Konzernstrukturen und auch eine Startup-Dynamik in der du jetzt arbeitest.

00:23:18: Deshalb ist es natürlich besonders spannend was du uns erzählen kannst.

00:23:25: Deiner Meinung nach, warum ist denn die Zusammenarbeit mit Startups für Maschinenbauer gerade bei Themen wie Daten KI oder digitalen Geschäftsmodellen so interessant?

00:23:34: Genau.

00:23:34: Also zwei Themen in meinen Augen hauptsächlich.

00:23:37: Punkt eins es ist die Geschwindigkeit.

00:23:39: wenn ich sehe allein Wie schnell hier Termine vereinbart werden Das ist schon immer der erste Indikator wenn wir alleine mal acht Wochen brauchen, um den nächsten Termin zu haben mit einem Unternehmen.

00:23:51: Weil das der erste mögliche Snot ist wo drei bis vier Leute vielleicht eine halbe Stunde Zeit haben.

00:23:56: Dann frage ich mich ernsthaft wie hier irgendwie schnell auf Unternehmenseite was passieren soll.

00:24:01: und ich verstehe es.

00:24:02: Ich habe wirklich auch schon volle Kalender gesehen aber ich glaube da müssen wir einfach hart mehr priorisieren.

00:24:08: Was sind jetzt wirklich die relevanten Themen?

00:24:10: Die die Leute gerade jede Woche versuchen zu verantworten und auch vorantreiben.

00:24:14: Und das ist für mich schon immer der absolute Klassiker Geschwindigkeit in der Terminfindung, Geschwindigkeiten in der Umsetzung.

00:24:20: wenn ich dann höre und ja ich kenne es auch Ich war vor kurzem auch noch in so einer Rolle man hat Jahreszyklen für Budgets und wenn es nicht am November angedacht ist für das nächste Jahr Dann kann ich das im ganzen nächsten Jahr nicht machen.

00:24:33: Wir haben aber Technologie-Zyklen.

00:24:35: da gab es im November vielleicht etwas noch gar nicht was ich im Juli machen möchte.

00:24:41: Also wir müssen einfach auch zu einer unterjährigen Planung oder zumindest Anpassungen kommen, oder zumindest zu mehr Verantwortlichkeiten von Budget-Ownern, dass die sagen, das ist mein Budget-Topf und das ist zum Beispiel für AI vorgesehen.

00:24:54: Und was ich genau damit mache?

00:24:56: Das kann ich selber entscheiden!

00:24:58: Also ich glaube, das eine... ...und das zweite, das ich sehe, ist schon diese Umsetzungstärke in einem Startup.

00:25:07: Natürlich ist es viel einfacher ohne große Legacy-Systeme, ohne große Hierarchieebenden.

00:25:13: Ohne große Rahmenbedingungen, Dinge schnell umzusetzen nicht nur wegen der Geschwindigkeit sondern einfach auch wegen der Umsetzungstärke.

00:25:20: wenn alle so hart jetzt an unserem Beispiel eben an dieser Lösung arbeiten Wenn der Kunde heute sagt hey und dieses Feature das ist was mein Gott das würde für uns mit der Werder Game Changer dann ist das Thema halt bei uns nicht so dass wir die nächsten Monate in diversen Meetings über eventuelle Priorisierung von Features und irgendwann eventuell in zwölf Monaten, sondern im zweiten Fall ist das nächste Woche einfach da.

00:25:45: Und nicht weil wir Security oder Qualität oder irgendwas hinter runterfallen lassen, sondern weil wir einfach mit massiver State-of-the-art Technologie arbeiten auch da alles in der Entwicklung an KI nutzen, was irgendwie geht... Ein so ein kleines Unternehmen einfach auch als völlig neues Level auch an Qualität und Geschwindigkeit bringt.

00:26:04: Ich glaube, das ist etwas... Das muss ich als etabliertes großes Unternehmen nutzen.

00:26:11: Das sind ja ganz schön viele Dinge.

00:26:12: bei manchen Dingen hört man dann auch von Unternehmen.

00:26:15: Das bauen wir eigentlich lieber selbst oder das wollen wir intern lassen?

00:26:20: Was unterschätzen Unternehmen denn wenn sie solche Themen komplett intern lösen wollen?

00:26:25: Also hier ist meine erste Frage meistens so wann hätte denn Ihre IT die Kapazität für den ersten Termin, um einmal drüber zu reden.

00:26:32: Also ich glaube da fließen dann viele Dinge über die wir so ansonsten schon geredet haben auch zusammen.

00:26:38: Die Personen, die auch das Know-how haben, da muss man auch mal ganz ehrlich sein... Das ist jetzt eben nicht so dass wir auf einen riesigen Stamm wie zum Beispiel Ingenieursbereich an super gut ausgebildeten Domenenexperten in unseren mittelständischen Industrieunternehmen blicken.

00:26:55: Sondern die haben vielleicht, die ein zwei, vielleicht die Handvoll Experten in diesen Bereichen KI, die sie haben so wenn überhaupt.

00:27:04: das heißt es ist in meinen Augen ein super Kapazitätsthema.

00:27:08: und dann kommt es auch wieder eben drauf an kapazität des eine Geschwindigkeit des Prozesses auf der anderen Seite.

00:27:15: Also selbst wenn Kapazität da ist, wie schnell es denn so ein Projekt intern aufgesetzt?

00:27:20: Wie schnell ist das?

00:27:21: durch einen Budget-Anforderungsprozess oder all die anderen Themen?

00:27:25: Welche Meetings freigabe ich, welche Bordfreigaben brauche ich etc.

00:27:28: Und im Zweifel sage ich wir sind in zwölf Wochen mit so einem Pilotprojekt durch.

00:27:32: Da hast du schon den ersten Mehrwert und du hast ein Business Case in zwelfochen!

00:27:36: Habt ihr wahrscheinlich noch niemals das erste richtige Meeting ums Ding aufsetzen zu durch?

00:27:40: Also dieses Thema Kapazität und Geschwindigkeit.

00:27:43: Ich sag gar nicht, dass es nicht möglich ist, das selber sich aufzuwissen wobei da schon einiges zusammenfließen muss.

00:27:49: an Kainohau und natürlich Domänen wissen.

00:27:52: Und auch da wieder State of the Art Technologie.

00:27:55: man braucht in meinen Augen aktuellste Werkzeug überhaupt und allein wenn ich das eben im Unternehmen anschaue wie lang auch der Freigabeprozesse brauchen, dass man überhaupt mit dieser State of the Art Technologie arbeiten muss.

00:28:07: Was ich auch verstehe in Teilen aber dann sind auch den Entwicklern intern in Haus die Hände gebunden weil die gar keine Zugriffe haben auf diese Systeme.

00:28:17: Wenn jetzt ein wenn sagen wir einen Start-up und Maschinen bei Unternehmen die kommen jetzt zusammen und arbeiten zusammen was muss denn von Anfang an geklärt sein damit es ein erfolgreiches Projekt wird und nicht irgendwie ein Pilot der dann abgebrochen wird?

00:28:34: Also was uns immer super wichtig ist, dass von Anfang an klar geklettert wird.

00:28:37: wie kann es ausgerollt werden.

00:28:39: So wir diskutieren immer gleich vom Anfang an ja das ist ein Pilot?

00:28:43: Wie geht's danach weiter?

00:28:44: und wir machen eigentlich auch immer nur Verträge die nahtlos weiter gehen weil wir sagen wir wollen nicht, wir reden nicht anfangen im Pilotprojekt Das bringt euch den Mehrwert nicht und das ist nicht unser Anspruch sondern wirklich diesen Rollout zu diskutieren.

00:28:56: Und ja, da können wir gerne dann vier Wochen länger diskutieren aber wenn hinterher klar ist mit welchem Kernsystem?

00:29:01: Mit welchen Kapazitäten derzeit vielleicht so eine Anfangsprojekt-Kleitung?

00:29:06: wie kann ich wirklich ausrollen über Business Units hinweg?

00:29:10: auch das muss in meinen Augen von Anfang an geklärt werden.

00:29:14: und dann ist es ein viel viel höherer Wahrscheinlichkeit dass das schlimmste ist nach einem erfolgreichen Piloten alle Fall in des Tiefes Loch weil der Anschluss nicht klar ist.

00:29:24: Und ich glaube, das zu verhindern ist super richtig.

00:29:28: Du kennst ja beide Seiten.

00:29:30: Deshalb die Frage gibt es ein Missverständnis oder mit Missverständnisse über Start-ups, die dir in Industrieunternehmen besonders häufig begegnet sind und andersrum gibt es Missverständnissen von Start-Ups, die die Start-Up haben über die Industrie?

00:29:46: Also ich glaube wenn ich mir den Startup anschaue dann ist schon das größte Missverständes komplex eben einfach so eine Industrieunternehmen auch tickt, wie viele Legacy-Systeme im Einsatz sind.

00:30:00: Wie Prozesse aufgesetzt wurden?

00:30:02: Wie viel Quality Gates in zu Prozessen drin sind.

00:30:06: also ich glaube die Komplexität vieler Prozese ist wenn man nicht mal drin gesteckt hat sehr schwierig nachzuvollziehen.

00:30:14: das würde ich behaupten ist die größte Fehlernahme und dass hat natürlich auch wieder mit einer gewissen Geschwindigkeit einfach zu tun die dann eben da ist oder nicht.

00:30:24: Ich glaube, wenn die Industrieunternehmen auf Startups schauen... Ich glaube das größte Missverständnis ist da, dass sie oftmals denken und es kommt natürlich schon auch sehr auf die Besetzung dieser Start-up Straf an so ihr versteht uns ja gar nicht.

00:30:39: Ihr seid hier die jungen Wilden, die Ideen haben aber das ist völlig unrealistisch.

00:30:45: Weil ich einfach auch sage schaut mal also auch bei uns die Gründer die kommen aus der Industrie sind unsere gründeren zehn Jahre per SME Euro Drive gewesen.

00:30:53: die weiß von was ihr redet.

00:30:55: Ich war fünf Jahre beim Bosch, das soll nicht heißen, dass ich alles verstehen und kenne aber ich habe eine grobe Idee wie es ist in euren Schuhen zu sein.

00:31:05: Und ich glaube, dass denen auch wirklich zu sagen ganz ehrlich uns auch sagen wir können auch ganz viel von euch lernen weil gerade dieses Prozess in der Nähe nachhaut, da seid ihr natürlich in einem ganz anderen in einer ganz anderen Tiefe drin.

00:31:16: Aber wir haben hier schon auch wirklich Leute sitzen, die euch verstehen und die nachvollziehen können was ja wie tot.

00:31:22: Und ich glaube, dass es ganz wichtig für dieses gemeinsame Verständnis ist.

00:31:26: Es ist ja schön, dass du dann eine Art Brückenbauerin zwischen Konzern und Start-up bist und versuchst diese zwei Welten zusammenzubringen.

00:31:36: Erst mal vielen Dank für deine ganzen Insights die du uns gegeben hast!

00:31:40: Ich fasse nochmal ganz kurz zusammen.

00:31:42: also wir haben gesehen Industrial AI fängt nicht bei der KI an sondern bei der Datenbasis.

00:31:48: ohne saubere Stammdaten klare Prozesse einem Datenökosystem können auch die besten Tools nicht nur begrenzt helfen, weil eben die Daten fehlen und da muss man ansetzen.

00:31:59: Und dann haben wir gesehen wenn man beim Thema Wettbewerbsfähigkeit oder Geschwindigkeit ist das Start-ups da sehr viel helfen können in der Industrie und dass eine Zusammenarbeit für beide Seiten von Nutzen sein kann.

00:32:12: Zum Schluss habe ich noch eine Zukunftsfrage für dich und zwar Wenn du dir für die Industrie in Deutschland für die Entwicklung der Industrie in den nächsten, sagen wir drei bis fünf Jahren etwas wünschen dürftest.

00:32:23: Was wäre das?

00:32:26: Ich glaube dass man sich zurückversetzt an die Anfangszeiten weil was mich immer so super fasziniert ist sind diese tollen Gründergeschichten wie wir diese grandiosen deutschen Unternehmen zur Weltmarktführung gemacht haben.

00:32:37: und das war nicht weil einer zuerst ein Prozess aufgesetzt hat und acht neudantisch gesetzt hat im sechs Wochen des erste Meetings machte sondern es waren Menschen mit Mut, guten Ideen Und die muss einfach, ich glaube darauf muss man sich wieder zurückbesinnen.

00:32:54: Wo wir eigentlich herkommen was uns stark gemacht wird und dass sie das genau das jetzt brauchen.

00:32:59: Das ist eine starke Botschaft an der Industrie.

00:33:02: Vielen Dank dafür und wie gesagt vielen Dank für deine ganzen interessanten Einblicke und das zu zum zweiten Mal zu Gast wars bei Industry Insights.

00:33:09: Ja, vielen lieben Dank für die Einladung!

00:33:11: Wer mehr zu den Themen des Podcasts wissen möchte findet weitere Informationen auf unserer Website www.produktion.de.

00:33:18: Ich freue mich schon auf die neuen Folgen in diesem Jahr.

00:33:20: Abonnieren Sie den Podcast und wenn sie uns bei Spotify hören, aktivieren Sie die Glocke um weitere Folgen nicht zu verpassen!

00:33:27: Bis dahin Ihre Anja Ringel.