Physical AI mit Christian Piechnick: Wie Wandelbots die Industrie-Automatisierung revolutioniert

Christian PiechnickIch glaube, mittlerweile sind wir an dem Punkt, wo sich die Welt schneller verändert, als wir als Menschheit uns darauf anpassen können. Das heißt, Disruption ist irgendwie so so eine Art Dauerzustand geworden und das verändert auf einmal alles. So die Zyklen, wo ich irgendwie vier Jahre Zeit habe, mir ein neues Produkt zu überlegen, die sind vorbei. Das ist der Return on Innovation Podcast mit Anne Schlösser und Heike Löffler. Anne Schlösser: Herzlich willkommen zu einer neuen Folge von Return on Innovation. Mein Gast heute ist Christian Piechnick, CEO und Mitgründer von Wandelbots. Wandelbots ist vor rund sieben Jahren ausgegründet worden, damals mit einer Jacke, mit der man Robotern Bewegungen vormachen konnte. Und heute baut das Unternehmen eine Plattform für etwas, wofür es vor ein paar Jahren noch nicht einmal einen etablierten Begriff gab, nämlich Physical AI. Herzlich willkommen, Christian. Ich freue mich auf das Gespräch. Christian Piechnick: Hi und danke, dass ich hier sein darf. Anne Schlösser: Christian, ihr habt die Mission, Physical AI zum Rückgrat der industriellen Wertschöpfung zu machen. Physical AI ist jetzt ja gerade so ein Begriff, der viel genannt wird, wenn es um Robotik geht. Vielleicht kannst du uns noch mal den Begriff aus deiner Perspektive erklären und auch erklären, wie genau Wandelbots da reinpasst. Christian Piechnick: Also klar, Physical AI ist ein Buzzword, was jetzt irgendwie in aller Munde ist, aber am Ende ist es nichts weniger als KI-Technologien für physische Prozesse zugänglich zu machen, ne? Also so wie man wie die meisten vermutlich KI aus dem Alltag kennen, sind das eher ChatGPT-artige Tools, die im Grunde Text generieren, so. Und das heißt, wie KI gesellschaftlich in den letzten Jahren groß geworden ist, ist rein digital. Das heißt, alle Informationen, sowohl fürs Training als auch für die Ausgabe am Ende, liegen rein digital vor. In dem Moment, wo ich KI auf die physikalische Welt loslasse, wird es ungleich komplexer, ne? Am besten kann man sich das vermutlich beim autonomen Fahren vorstellen, das ist so immer einer der typischen Anwendungsfälle. Das heißt, KI-Algorithmen steuern am Ende ein Fahrzeug durch den Straßenverkehr. Und das hat noch mal eine ganz andere Komplexität. Wenn man sich jetzt Deutschland anschaut, rein jetzt mal von unserer Wirtschaft, dann sind ungefähr 25 % des des Bruttoinlandsprodukts kommen aus dem industriellen Sektor, ne? Das ist sozusagen das, was was unsere wirtschaftliche DNA ist, ist Produktion, Industrie. Und natürlich in allen Produktions- und Industrieunternehmen, in der Logistik, in der Chemie gibt es natürlich ganz viele White-Collar-Jobs, die sich jetzt sehr gut durch KI-Assistenten oder KI-basierte Lösungen effizienter machen lassen. Aber wenn wir dann wirklich in die OT reingucken, das heißt dort, wo Materialien bewegt werden, wo Dinge hergestellt werden, wo ein Werkschutz abgesichert werden muss, wo Güter von A nach B transportiert werden müssen, sehen wir in der Vergangenheit ist das noch sehr analog und manuell. Und da haben wir ein riesengroßes Potenzial durch künstliche Intelligenz im Grunde eine deutliche Steigerung, was Effizienz, Produktivität angeht. Und das ist aber ein bisschen anspruchsvoller und deswegen sehen wir heute noch keine sozusagen jetzt in der Skalierung richtig großen Rollouts, aber das passiert jetzt gerade. Und die die Effizienzsteigerung haben das Potenzial, uns hier, ich sag mal, einen Weg nach vorne zu bieten als gesamteuropäischen Wirtschaftsstandort. Anne Schlösser: Inwiefern ein Weg nach vorne? Kannst du das ein bisschen näher skizzieren? Christian Piechnick: Na ja, ich meine, das, was nehmen wir jetzt mal den Markenkern von Deutschland, wenn wir uns das jetzt mal irgendwie raus raussuchen würde, was man so stereotypisch antworten würde, ne? Da geht es irgendwie um Effizienz, um Präzision, um Qualität, irgendwie um German Engineering. Und damit sind wir über viele, viele Jahrzehnte sehr gut gefahren, haben uns einen Namen in der Welt aufgebaut, ne, Made in Germany. Und das Ding ist, Digitalisierung und vor allen Dingen jetzt dieser massive Boost durch KI hat die Spielregeln komplett verändert. Das heißt, wie ich heute effizient bin, wie ich heute Qualität sicherstelle, wie ich heute gutes Engineering mache, funktioniert anders als vor 20 Jahren. Und wenn ich gesamtwirtschaftlich mir das anschaue, hat man hier lange das unterschätzt und verpasst und dann wurde man links und rechts in aus Asien und den USA überholt. Das ist aber noch nicht verloren. Das heißt, was jetzt gerade ja durch die, ich sag mal, gesamte Krise passiert, ist, dass es muss immer erst mal wehtun, ne? Jetzt sind wir in der Phase, wo das Problem da ist. Und es lässt sich aber lösen und dafür muss man aber Dinge anders machen und anders anpacken. Und Weg nach vorne heißt, dass auch noch meine Kinder, wenn sie dann in den Arbeitsmarkt eintreten, hier eine richtig coole Perspektive going forward haben. Anne Schlösser: Jetzt sind weltweit ja schon über 4 Millionen Industrieroboter im Einsatz, die alle in irgendeiner Form eine Steuerung haben. Wo verläuft denn für dich die Grenze zwischen

Physical AI Robotik und ja, der vielleicht herkömmlichen und wie passt ihr als Wandelbots da rein? Christian Piechnick: Also die ersten Einsatzfälle von Robotern waren im im Automobilbau damals bei Ford und die sind halt programmiert worden, immer wiederkehrende Aufgaben auf die gleiche Art und Weise zu erledigen. Einfach repetitive Arbeit in hoher Qualität, mit einem hohen Durchsatz und man hat dann natürlich versucht, Roboter Stück für Stück smarter und intelligenter zu machen. Man hat dann Kameras dran gebaut, um irgendwie zu erkennen, wo die Bauteile genau liegen, so dass ich nicht mehr, dass es nicht mehr immer exakt an der gleichen Stelle liegen muss. Dann sind irgendwie kollaborative Roboter entwickelt worden, mit denen ich so im selben Arbeitsraum agieren kann, die auch mit mir zusammenarbeiten können. Was jetzt gerade passiert, getriggert durch das ganze Thema, ich nenne es jetzt eher mal kognitive Robotik, ist, dass wir immer mehr sehen, dass Roboter nicht mehr hart programmiert werden müssen, dass die keine keine festen Aufgaben mehr in Form von Skripten bekommen, die dann einfach Zeile für Zeile abgearbeitet werden, sondern dass ich immer mehr dahin komme, dass das ein Grundproblem trainiert wird, also nicht mehr programmiert, sondern Modelle trainiert werden und die Software, die den Roboter im Grunde steuert, in der Lage ist, das Modell auf die konkrete Situation so anzuwenden, dass ein Roboter viel viel flexibler wird, mit viel höheren Varianten umgehen kann, dass das sehr komplexe Prozesse, die vielleicht auch manchmal, ich sag mal, die Fähigkeiten von dem Ingenieur übersteigen, irgendwas in ein Skript zu packen, jetzt umsetzbar auf einmal werden. Das heißt, es gibt eine viel höhere ja, auf der einen Seite Flexibilität von Robotern. Das heißt, auf einmal lassen sich Business Cases rechnen, Sachen zu automatisieren, die ich vielleicht vor 10 Jahren nicht mal mit der Kneifzange angefasst hätte. Auf der anderen Seite führt die Flexibilisierung aber auch dazu, dass Roboter jetzt auf einmal eine höhere Bandbreite an unterschiedlichen Produkten z.B. abdecken können. Das heißt, auch die Flexibilisierung der Produktion, ich brauche nicht mehr 2 Jahre, um meine Produktion umzurüsten, eine neue Variante oder ein ganz neues Produkt zu fertigen, das auf der einen Seite. Aber das ist jetzt nur, was der Roboter macht. Das geht ja noch viel weiter. Das heißt, die Engineering Tools ringsrum werden natürlich auch von KI massiv beeinflusst. Das heißt, heute kann ich, sind so die typischen Anwendungsfälle, die wir jetzt gerade sehr erfolgreich umsetzen mit mit einer Plattform, ist z.B. Effizienzsteigerung. Das heißt, ich nehme eine Bestandsanlage und bin dann in der Lage, den Durchsatz zu erhöhen, die Taktzeit zu erhöhen, die Fehlerrate zu minimieren, ohne eine Schraube anfassen zu müssen, weil am Ende ist es Software, die die verschiedenen Hardwarebestandteile steuert. Anne Schlösser: Das heißt, euer jetziges Produkt ist genau das, wenn ich das richtig verstehe. Christian Piechnick: Genau. Also am Ende ist es so, es besteht aus drei wesentlichen Zutaten, so würde ich es mal beschreiben, ne? Im ersten Schritt machen wir aus Maschinen Softwareobjekte. Das heißt, wir nehmen Roboter, Greifsysteme, Kameras, Conveyor Belts und versehen das mit modernen Softwareschnittstellen. Und am Ende ist dann so ein Roboter oder ein Fließband anzusteuern nicht anders als irgendwie mit einer Datenbank zu interagieren oder mit jedem anderen Softwareobjekt. So, dann kommt die zweite Komponente dazu und das ist das sogenannte Industrial Metaverse. So, und also das heißt realistische Simulationsumgebung. Das Problem nämlich oder der Hauptunterschied zwischen physikalischer oder Physical AI und normaler traditioneller rein digitaler AI ist, dass die Modelle ein grundsätzliches Verständnis der physikalischen Umgebung brauchen, also ein räumliches Verständnis, physikalische Prozesse. Und dazu brauche ich Umgebungen, in denen solche Modelle trainiert werden können. So, Industrial Metaverse ist jetzt das nächste Buzzword. Aber was es am Ende ist, sind digitale Räume, die schon fast eine Emulation der Realität sind. Z.B. Nvidia hat dort Tools hingestellt rund Nvidia Omniverse, Isaac Sim, die wo ich mittlerweile mit digitalen Umgebungen genauso interagieren und arbeiten kann, als wären es echte und so grundsätzliche physikalische Prozesse abgebildet sind. Das braucht natürlich so ein Modell, um zu lernen. Das muss viele sozusagen, gerade Reinforcement Learning Ansätze heißt im Prinzip Trial and Error. Das heißt, der Algorithmus probiert was und wenn das gut geht, dann mache ich mehr davon und wenn es nicht gut geht, dann mache ich weniger davon. Das erfordert aber ganz viele Iterationen, das also Millionen von von Versuchszyklen. Das kann ich in der Realität schwer herstellen oder es ist sehr, sehr teuer. So, das ist die zweite Komponente. Das heißt Software, Simulation oder Industrial Metaverse und das dritte ist eben unterschiedlichste KI-Algorithmen, die ich auf beides gemeinsam loslasse. Und das Spektrum an Modellen, die ich heute verwenden kann, an Formalismen, an Simulationstools, das ist so gigantisch an an unterstützenden Hardwaresystemen, da ist so eine große Bandbreite, dass das heute auch wieder ein riesen fragmentierter Markt an Einzellösungen ist. Das, was wir als Wandelbots machen, ist quasi die Plattform dafür zur Verfügung zu stellen. Das heißt, eine Technologieplattform, mit dem ich alle Arten von Hardwaresystemen auf die gleiche Weise ansprechen

schen kann, auf die ich unterschiedliche Simulationsansätze fahren kann und auch unterschiedliche Modelle trainieren kann, was sozusagen alles unter einem Dach zusammenfasst.

Anne SchlösserUnd was kriegt der Kunde am Ende von euch?

Christian PiechnickMan hat jetzt mal gesagt, und das habe ich jetzt mal so übernommen, das im Prinzip so ein bisschen das, was z.B. und ich scheue immer noch ein bisschen den Vergleich, was ein SAP für Geschäftsprozesse macht, machen wir für Produktionsprozesse. Das heißt, am Ende ist es ein großer Baukasten an Softwarebestandteilen, die dann auf die jeweiligen Unternehmensprozesse angepasst werden muss. Und da arbeiten wir mit mit großen Partnern zusammen, die dann sozusagen die Implementierung dessen machen. Was der Kunde dafür bekommt, im ersten Schritt, das die Mehrwerte, die man schnell holen kann, sind Effizienzsteigerungen am Anfang. Das heißt, irgendwie mehr zu produzieren mit mit möglichst weniger Input, schneller zu produzieren, mit weniger Fehlern zu produzieren, ganze Produktionsprozesse effizienter zu machen. So, und dann geht's eben weiter mit der deutlichen Senkung der Total Cost of Ownership von automatisierten Anlagen. Also durch moderne KI-basierte Ansätze lassen sich die Gesamtkosten für Aufbau von Robotern z.B. über die Lebenszeit um im Bereich 40 bis 50 % senken. Und damit wären auf einmal Business Cases möglich, ich kann auf einmal Roboter in Prozessen einsetzen wirtschaftlich sinnvoll, wo ich das in der Vergangenheit nicht konnte. Und dann der dritte große Aspekt ist eben, ein Unternehmen zukunftsfähig und vor allen Dingen flexibler in der Produktion zu machen. Also ich habe vorhin mal gesagt, ich glaube, mittlerweile sind wir an dem Punkt, wo sich die Welt schneller verändert, als wir als Menschheit uns darauf anpassen können. Das heißt, Disruption ist irgendwie so so eine Art Dauerzustand geworden. Und eigentlich passiert jedes Jahr was, was hat keiner hat kommen sehen, und das verändert auf einmal alles. So die Zyklen, wo ich irgendwie vier Jahre Zeit habe, mir ein neues Produkt zu überlegen, die sind vorbei. Und wenn ich jetzt aber schnell bin, mir neue Produkte zu überlegen, und dann sagt aber mein COO, ich brauche aber drei Jahre, um dort eine Produktion dafür aufzubauen, dann ist das Problem nicht gelöst. Das heißt, wir brauchen diese Flexibilisierung genauso und den Speed im Aufbau von Produktionsanlagen, andernfalls werden wir langfristig hier keine Produktion halten können.

Anne SchlösserNoch mal vielleicht ein Stück zurück zu eurer Gründungsgeschichte. Ihr habt Wandelbots vor etwa 7 Jahren zusammen zu sechst aus der Uni heraus gegründet, und die ursprüngliche Idee war eine Jacke, mit der man Robotern Bewegungen vormacht zum Training. Nimm uns mal mit auf den Weg, wie seid ihr darauf gekommen, wie ist die bei euch entstanden?

Christian PiechnickJa, ich meine, wir wir kommen alle irgendwie, wir sind das ganze Gründungsteam sind Ingenieure aus unterschiedlichen Bereichen und Disziplinen, würde ich jetzt mal sagen. Ich selber komme eher von meiner Ausbildung in meinem ganzen Leben aus dem Software Engineering, und als ich dann im Rahmen meiner Promotion das erste Mal auf einen Industrieroboter gestoßen bin, bin ich vom Stuhl gefallen, was so State of the Art im also alleine die Softwareschnittstellen angeht, ne? Dann haben wir uns relativ schnell wissenschaftlich mit dem ganzen Feld befasst, weil wir uns alle gefragt haben, wie zur Hölle kann es denn sein, dass irgendwie die ganze Welt sich weitergedreht hat und die Automatisierung immer noch in den 80ern hängt. Und das hat natürlich ganz vielen Impact. Also so ein traditionell so ein Industrieroboter muss ich echt gut ausgebildet sein, um so ein Ding zu programmieren. Ich brauche damit auch viel Erfahrung, das aufzubauen. Davon gibt's nicht viele Leute. Das heißt, Fachkräfte ist ein Problem von allen in dem Bereich. Und wir haben uns lange gefragt, warum zur Hölle so kompliziert, und haben dann Maria, die aus unserem Gründungsteam hatte in dem Bereich so Wearable Electronics promoviert, also hat Sensorik, Elektronik in Klamotten gepackt und unterschiedliche Anwendungen damit umgesetzt. Und wir haben das damals genommen, weil wir es cool fanden, und haben es mal auf den Roboter losgelassen. Auf einmal war man in der Lage, mit einer Jacke einem Roboter zu bewegen, und dann haben wir angefangen, das zu nutzen, um Robotern Aufgaben beizubringen. Und ich weiß, wir hatten so Momente, wo wir mal eine 14-jährige Schülerin in einem Praktikum bei uns hatten, und wir haben der irgendwie so Sensoren an den Körper gepackt im Grunde, und die war nach ja einer Stunde Einweisung in der Lage, irgendwie dem Roboter irgendwie Aufgaben zu trainieren. Und dann haben wir auf einmal gemerkt, dass das vielleicht ein viel sinnvollerer Weg going forward ist. Aber es ging schon immer darum, für uns, wir haben am Anfang immer gesagt, da hat man uns immer am Anfang belächelt dafür, dass wir Robotik demokratisieren wollen. Also weg von was, was ich sag mal sehr krasses Expertenwissen und nur einer sehr kleinen Gruppe von Menschen zugänglich ist, in was zu verwandeln, worauf im Grunde jeder Zugriff hat, wo jedes Unternehmen, egal wie groß, mit was für einem Background im Grunde Robotik nutzen kann oder auch Privatpersonen. Und das hat sich bis heute durchgezogen. Der Fokus ist ein bisschen ein anderer geworden, das heißt, wir machen heute keine Hardware mehr, aber die Grundideen sind die gleichen.

Anne SchlösserJa, und daraus ist jetzt die Physical AI Plattform entstanden. Wie seid ihr denn dahin gekommen? Also was was waren so entscheidende Schritte dorthin oder Dinge, die euren Pfad ein bisschen verändert haben?