Startup Insider
00:01:21 · Maximilian Fischer
[00:01:21] S2: Ja, absolut gerne. Ja, genau. Also wir sind als Deltia ja gestartet Ende 20 22, glaub irgendwie 2 Wochen bevor ChatGPT veröffentlicht wurde. Also ganz gutes Timing glücklicherweise. Am Ende, was machen wir? Wir wir arbeiten mit zusammen und helfen, die Operational Efficiency zu steigern in der Fabrik. Und die die Kernhypothese von unserer Firma ist und war, dass die Fabriken eigentlich nicht die richtigen und ausreichend Daten haben, zu verstehen, was eigentlich wirklich passiert am Shopfloor. Also wo sind meine Verluste? Was machen die Leute? Warum steht meine Maschine still? Also Fabriken haben natürlich schon irgendwo Daten oftmals. Irgendwo aus irgendwelchen Maschinen ziehen sie sich Informationen raus. Man hat immer SAP paar Daten. Das sind aber alles nur so Bruchstücke und viele Sachen, die eigentlich passieren. Darüber gibt's keine Daten. Ja, es sind insbesondere manuelle Prozesse. Also der Faktor Mensch ist einfach immer noch unglaublich wichtig. Der rüstet Maschinen, der repariert Maschinen, führt Material zu, montiert Produkte, verpackt Produkte. Also ein paar, es gibt ja ein paar 100000000 Shopfloor Mitarbeiter und die machen halt wirklich die viele wertschöpfende Tätigkeit. Also das glaubt man auch, glaub ich, oft nicht. Man sieht dann immer so in der Tagesschau die vollautomatisierte Karosseriebau bei BMW, aber das ist halt auch nur ein ganz kleiner Bereich von und so 0.001 Prozent der Fabriken der Welt. Und das deswegen gehen wir hin, erst mal Daten zu sammeln über Videos, ja. Also wir installieren Kameras am Shopfloor, haben dann eine KI, die automatisiert Videos analysiert, daraus erst mal überhaupt den Prozess transparent zu machen. Und Videos sind supercool, weil Du halt sehr, sehr viel machen kannst. Du kannst sehen, was machen Mitarbeiter, Montageschritte zum Beispiel. Du kannst aber auch Materialflüsse dir beobachten, wie läuft das Produkt durch die Linie zum Beispiel. Du kannst auch Maschinen beobachten, Roboter zählen, warum steht der still et cetera. Also Du kannst halt reichhaltige Informationen sammeln. Das machen wir aus den Videos. Wir kombinieren das auch dann mit existierenden Daten, wenn vorhanden und helfen dann den Shopfloor Managern und Ingenieuren halt zu verstehen, was passiert grade am Shopfloor? Also wo hast Du eigentlich grade dein Bottleneck, wo hast irgendwo Engpässe? Wo musst Du reagieren?
00:03:22 · Maximilian Fischer, Philipp Müller
Und auf der anderen Seite natürlich so strukturelle Themen, wie kannst Du deine Prozesse optimieren, verbessern et cetera, einfach effizienter zu sein. Genau, machen das in Europa und in den USA über verschiedenste Verticals hinweg, aber. Cool. [00:03:35] S1: Also das heißt, ihr kommt praktisch rein und das ist so bisschen sone, ich sag mal, Black Box, ne. Also klar, die Menschen, die da arbeiten, die wissen irgendwie, was abgeht, ja, aber ist wahrscheinlich der Ex Post total nachzuvollziehen, warum irgendwas passiert ist und indem ihr dann praktisch dort erst mal anfangt, Sensorik einzubringen. Fangt ihr sozusagen an, das Ganze irgendwie zum Teil wahrscheinlich ein bisschen messbar zu machen. Stell ich mir das richtig vor oder?
00:03:56 · Maximilian Fischer
[00:03:56] S2: Korrekt. Also ich mein, die Fabriken haben ja schon irgendwo irgendwo, ich da, KPIs haben sie zumindest mal Stückzahl und also sie wissen am Ende, wie viel Stück produziert wurden oder am nächsten Tag oft und wie viel Mitarbeiter circa gearbeitet haben in der Fabrik. Manchmal pro Linie, manchmal nicht, hängt son bisschen davon ab von der Fabrik, aber nee, oft nicht viel mehr. Ja, und dann ist halt oft die Frage, oh, Stückzahl hab ich nicht erreicht gestern. Was war eigentlich wirklich das Problem? Und dann gibt's son paar Rückmeldungen, die der Mitarbeiter absetzt, Störungen, Meldungen et cetera, aber das erklärt halt nicht das volle Bild, ja. Der Mitarbeiter schreibt ja auch nicht eine Stunde langen Report, was die Geschichte passiert ist, sondern macht halt so. Ich war erst letzte Woche beim Kunden, der hatte dann auch son System, wo die Mitarbeiter das manuell auswählen und da war der Nummer 1 Störgrund der 1. In der Liste. Ja, der Mitarbeiter geht rein, 1., zack, confirmed. So. Und das macht's halt natürlich dann sehr, sehr schwer zu verstehen, warum hab ich Abweichungen? Wo hab ich wirklich meine Verluste? Wo hab ich meine Probleme?
00:04:49 · Philipp Müller
[00:04:49] S1: Mhm. Okay. Kannst kannst Du mal ein Beispiel geben? Also so, ne, ihr werdet wahrscheinlich mit verschiedensten verschiedensten Kunden natürlich in der in der in der in der Fertigungsindustrie irgendwie zusammenarbeiten, aber anhand dessen man sich's vorstellen kann, ne, also vielleicht auch wie so wie sone Linie funktioniert, irgendeine von der Du vielleicht sprechen kannst und und und was man da da vielleicht irgendwie findet?
00:05:07 · Maximilian Fischer
[00:05:07] S2: Ja, absolut. Also wir haben unterschiedliche Sekunden, also zum Beispiel kann ich nennen Bosch als Beispiel, arbeiten wir mit verschiedenen Werken zusammen, unter anderem oder haben wir angefangen in der E-Bike-Division, also werden dann so Batterien hergestellt für die E-Bikes. Und das ist ein teilweise automatisierter Prozess, aber auch viel, gerade so Vormontagetätigkeiten, ein sehr, sehr manueller Prozess. Und ich würd sagen, Bosch ist natürlich schon so Champions League, ja, in der Produktion. Die haben auch ein 1 System, was irgendwo schon Performance irgendwo trackt, aber halt oft immer nur am Ende der Linie und und basiert auch oft auf manuellen Rückmeldungen. Und was wir da eben gemacht haben, sone Montagelinie sind halt, waren jetzt in dem Beispiel, glaub ich, 8 oder 9 Stationen. So, wir tracken halt auf jeder Station, was passiert da eigentlich? Nicht nur am Ende der Linie, sondern was ist eigentlich, was passiert an jeder Station? Und was was Bosch zum Beispiel halt gesehen hat, ist, wie arbeiten eigentlich die Personen? Folgen sie den Arbeitsschritten? Gibt's oft Abweichungen vom Standard, was irgendwo Verschwendung ist oder wie oft muss der Mitarbeiter irgendwie Material holen? Also solche Themen machen wir transparent und zeigen dann auf, okay, wie wird eigentlich der Standard eingehalten? Manchmal sind die Mitarbeiter auch, weichen vom Standard ab, aber das ist manchmal auch positiv, weil sie den Prozess schon optimiert haben. Dann kannst Du das wieder als neuen Standard irgendwo etablieren. Also das machen wir eben, Transparenz. Und Bosch war dann in der Lage, fast 20 Prozent, also 19 Prozent die Produktivität zu steigern auf Basis der Daten, die unser System geliefert hat.
00:06:28 · Philipp Müller
[00:06:28] S1: Cool. Ja, megastark. Und das ist sozusagen, also was ein bisschen interessiert ist, wir haben ja mal so was Ähnliches gemacht in im Retail Bereich vor bevor bis bis vor kurzer Zeit. Was wir da immer son bisschen gesehen haben, war, dass sozusagen der Schritt von, ich sag mal, nicht unbedingt einem Store zum nächsten Store, aber so mit 1 Kette zur nächsten Kette aber doch son bisschen dann irgendwie challenging war. Und das hatte son bisschen daran gelegen, dass, also als wir damals los gestartet waren, haben wir viel unsere eigenen Modelle natürlich auch trainiert auf unseren eigenen Kundendaten. Und die die die haben nicht bis bis sozusagen zum letzten Schritt hin generalisiert, wenn man so will. Wir haben dann, wenn man sozusagen in den letzten Jahren, würde ich sagen, immer immer mehr experimentiert auch damit irgendwie, welche Rolle spielen in soner, ich sag mal Vision Pipeline vielleicht dann irgendwie auch irgendwie so, eine höhere Generalisierbarkeit irgendwie auch zu erreichen. Von daher würde würde ich mal interessieren, jetzt, Du auch irgendwie sagst, wie viel in den USA irgendwie trefft da irgendwie verschiedenste Kunden. Also das ist für euch kein Thema, dass ihr sagt so, hey cool, irgendwie sagen wir ein neuer Produktionsprozess, irgendwie neu neue Linie, können wir selbstverständlich auch unterstützen, auch wenn das jetzt irgendwie nicht nicht, ich