Wie man ohne Studium die größte deutsche Robotics Runde von 1,4 Mrd. USD raised! Mit David Reger von NEURA Robotics

[00:00:00] 1,4 Mrd. gerade geraced, ist wahrscheinlich die größte Finanzierungsrunde Deutschlands. Wir wollten nicht einfach nur viel Geld einsammeln, sondern wir wollten damit auch gewisse Partnerschaften etablieren. Wir müssen jetzt auch Deutschland zeigen, dass es aus Deutschland raus geht. Ich verkaufe keine Roboter auf dem direkten Markt. Ich verkaufe sie an meine Wettbewerber. Wir haben eine Pipeline an sich, die sind über 10 Mrd. Der größte Teil dieses Orderbooks sind ja Dinge, die wir heute schon liefern. Zehnmal genauer, viermal so schnell wie jeder andere Robot auf der Welt. Das Einzige, was unserem Land fehlt, ist Real Purpose.

[00:00:28] Es geht nicht nur um Geld. Wenn man sagt zum Beispiel zu automatisieren, dann reden Leute darüber, dass man Arbeitsplätze wegnimmt. Aber dafür können dann diese Unternehmen, die automatisieren, vielleicht wertschöpfender sein, wieder führend werden weltweit. Und damit könnte überhaupt das System am Leben bleiben, dass wieder weitere Unternehmen entstehen können. Dementsprechend werden wir auch mehr Leute einstellen wie alle anderen, gerade obwohl wir eigentlich genau in dem Feld sind, alles zu automatisieren. Die Leute werden sowieso retiren. Fünf Jahre voraus, so viele Leute kannst du gar nicht entlassen, wie dort die Rente gehen.

[00:00:55] Und so viele Maschinen kriegst du auch gar nicht mehr her. Das heißt, wenn die Roboter anfangen, Menschen zu ersetzen, werde ich eine Sozialabgabe auf die Roboter einfordern. Wie sieht die Arbeitswelt in 2040 aus? Die heutige Folge wird präsentiert von Konto, dem Geschäftskonto, auf dem ich alle meine Firmen laufen lasse. Und jetzt zur Show. Schön, dass du da bist. 1,4 Milliarden geraced für deine Roboticsfirma.

[00:01:21] Und du bist der Experte. Und was mich total interessiert, ist die Hand vom humanoiden Roboter. Und ich habe mir gedacht, wenn du jetzt schon mal hier bist, dann kann ich dich genau danach fragen. Wieso ist es so schwierig, eine künstliche Hand zu bauen und die menschliche Hand nachzuahmen? Also einmal die größte Komplexität darin ist, einmal überhaupt die Sensoren einzubinden. Das heißt, diesen Taschsinn zu imitieren oder den sozusagen herzustellen.

[00:01:50] Das ist äußerst komplex und daran hapert gerade die ganze Welt. Es gibt natürlich unendlich viele tolle Ansätze, weil jetzt der Fokus darauf ist, aber ist nach wie vor komplex. Und das andere ist natürlich, man hat ja hier eine gewisse Kraft in der Hand. Also ich kann jetzt einfach mal so einen 30-Kilo-Hantel mal nehmen und zumindest mal anheben. Gleichzeitig bin ich irgendwie dann doch schlank in meinen Fingern. Also jetzt vielleicht habe ich ein bisschen mehr Wurstfinger, aber ich bin schlanker wie ein Roboter halt.

[00:02:19] Und da muss man natürlich schauen. Dann ist Wärmeentwicklung in der Hand. Also man nutzt hier zum Beispiel Direktantriebe. Das sind dann sozusagen Motoren, die direkt verbaut sind in der Hand. Dann entwickelt man zu viel Wärme. Dann will man es kühlen. Dann hat man keinen Platz dafür. Dann hat man, also es sind unendlich viele Dinge, die immer wieder ein neues Problem öffnen. Und das macht es natürlich äußerst komplex. Aber vor allem ist natürlich dieser Taschsinn, sensitiv zu sein, Traglasch zu haben und das Ganze zu kombinieren.

[00:02:46] Also ich finde unsere Hand ist einfach ein Wunderwerk der Natur. Hat über 17.000 Mechanorezeptoren. Das Wort kann ich davon nicht, habe ich gelernt. Im Research. Also quasi Sensoren, Punkte, wo du halt sehr fein sein kannst. Was die auch im Gehirn verbunden sind. Wenn ich den Stift halte und der mir aus der Hand rutscht, dann merke ich das ja sofort und das Gehirn steuert der Gegend. Das ist ja das ganz Spannende. Das passiert tatsächlich nicht mal im Gehirn. Sondern das ist der Reflex und der wird im Nervensystem. Und der ist deutlich schneller, wie dein Gehirn sein kann.

[00:03:16] Dein Gehirn hat, sag ich mal, so eine 200 Millisekunden Delay. Also das heißt, das würde dir schon raushutschen. Und gleichzeitig sieht man es bei kleinen Kindern vor allem. Wenn sie versuchen, Dinge ineinander zu stecken, versuchen sie es mit dem Gehirn zu tun. Und deshalb stecken sie so ein bisschen, smashen die so ein bisschen ineinander. Das hat damit zu tun, dass sie gerade erst kennenlernen und dem Nervensystem erstmal beibringen. Also diese Memory-Effekte Muskeln. Und es dauert deutlich länger, wie etwas im Gehirn beibringen.

[00:03:47] Und das ist auch genau der Unterschied, den wir jetzt gerade machen zu unserem Wettbewerb. Dass wir halt wirklich diese zwei Layer, sozusagen Computerarchitektur gebaut haben. Gehirn und Nervensystem. Anstatt dass man nur ein Gehirn hat, so wie es die Welt gerade eigentlich versucht zu zeigen. Das ist ja interessant. Die imitiert quasi den menschlichen Körper. Du sagst, okay, da gibt es auch eine harte Intelligenz in den Muskeln. Genau, wir nennen es Smart Limbs. Das machen wir mit Qualcomm zusammen. Also deshalb haben die auch bei uns investiert.

[00:04:18] Der ist sozusagen in jeder, also ein Arm hat ein Smart Limb. Also es ist ein Chip, der wie so ein Nervensystem sehr schnell intergiert. Also Millisekunden schnell. Und gleichzeitig aber jetzt nicht viel erlernen kann. Aber zumindest hier zum Beispiel die einfache Logik, wie Shareforce define Pressure Force. Das heißt, die Sharekräfte, die ich hier habe, definieren, wie arg ich darauf drücke. Und wenn ich jetzt auffülle das Glas, dann verändert sich hier drin das Gewicht. Trotzdem fällt es mir nicht aus der Hand, weil hier der Reflex dafür sorgt. Und du sofort reagierst.

[00:04:48] Genau, auch wenn ich es nicht sehe, fülle es auf, das fliegt mir nicht aus der Hand. Und ich merke es, bevor es wirklich passiert. Bevor mein Gehirn es versteht, dass es passiert. Und deshalb sage ich auch immer, dass ein reines Vision Language Action Modell, so wie es heute so propagiert wird, auch niemals die Lösung sein wird für reale Physical AI. Erklär mal kurz, was ein Vision Language Action Model ist. Also es ist sozusagen ein Large Language Modell, was auf Vision Daten basiert. Das heißt, rein visuelle Daten.

[00:05:16] Das heißt, da wird unglaublich viel Daten sozusagen im Visuellen gesammelt, also auf Pixel. Ich kann jetzt ein Video von dir machen, wie du es Glas hältst. Genau. Und das mache ich jetzt immer wieder. Und dann nutze ich sozusagen, ich sage mal, damit trainiere ich dann sozusagen mein neuronales Netz. Das heißt, ich habe sehr oft eine Aufgabe gemacht und ich weiß ungefähr, wie sich das verhält. Die Logik dahinter, dass das dann verstanden wird aus dem Visuellen. Braucht ultra lang, also ultra viel Daten.

[00:05:45] Gleichzeitig ist es schon möglich, aber auf Dinge, die eher statisch sind, Dinge, die, also zum Beispiel jetzt beim autonomen Fahren funktioniert es super, weil es halt eine 2D-Welt ist. Das heißt, er kann nur rechts, links, geradeaus, rückwärts. Und da funktioniert ein Vision Language Action Model schnell genug und gut genug. Wobei, wenn ich jetzt sage, in die dreidimensionale Welt sehe ich nicht alles, was dahinter passiert. Und ich muss es ja irgendwie fühlen.

[00:06:12] Und gleichzeitig ist vielleicht in der Position jetzt leicht falsch. Ich würde, da muss ich sehr genau sein, auch mit der Kinematik. Ein Mensch ist ungenau. Ich gehe hin und ich fasse ja hin. Ich bin unglaublich ungenau. Trotzdem kriege ich es auf die Reihe, weil ich mich anpasse, sobald ich ran. Weil du ausgleicht. Und das ist sozusagen auch wieder, das sind reine Reflexe. Ich erkläre es auch gerne mit dem Schwimmen.

[00:06:35] Also ich sage immer, wenn man jetzt, ich sage mal, schwimmen lernen will, dann kann man nicht einfach mal, ich sage mal, ein Jahr lang ein Video anschauen und Schwimmer werden. Also egal, wie oft ich das Video anschaue, ich werde kein Schwimmer. Genauso ist es auch so, dass wenn ich dir erkläre, wie man schwimmt, egal wie gut ich es dir erklären werde, wie präzise, du wirst trotzdem kein Schwimmer. Ich muss es selber machen. Du musst es selber machen. Aber ich muss davor auch verstanden haben, was ich tun soll. Genau, richtig. Das ist schon, das ist hilfreich.

[00:07:01] Deswegen sage ich, ein Vision-Language-Action-Modell ist jetzt nicht falsch. Es ist sowieso ein Action-Head, von dem man benötigen. Aber es braucht immer noch einen weiteren Kontext und genauso noch weitere, also wir nennen von multimodal. Also mehr Modalitäten sozusagen, die ich dem Gehirn beibringen kann, um zu sagen, das ist jetzt gut und das ist schlecht. Und ist das ein Thema, was ihr auch in-house selber entwickeln müsst? Oder gibt es da Provider, von denen man solche Modelle auch ein Stück weit dezenzieren kann?

[00:07:30] So, das gibt es bis heute nicht. Dementsprechend können wir es nur selber tun. Und das macht uns aber, also ich sage mal, wir könnten darüber meckern, aber gleichzeitig macht es mich unglaublich. Also das lässt mich jeden Tag noch aufstehen und sagen, hey wow, wir sind eigentlich, wir arbeiten in Top-Nutche-Technologie sozusagen, die die Welt verändern wird. Das heißt, es gibt noch nicht mal die richtigen Chipsets dafür. Also entwickeln wir die mit den richtigen Partnern. Also und das macht mich ja auch so unglaublich, also es motiviert mich, weil ich sage, wir schaffen einen neuen State of the Art. Wir gehen, wir setzen nicht auf irgendwelche Dinge auf, die es schon gibt, bloß weil es die gibt.

[00:07:59] Sondern wir sagen, es ist nicht das Richtige für den Bereich, den wir bedienen möchten und wir müssen es schaffen. Und das ist natürlich toll. Aber vielleicht noch ganz kurz mit dem Schwimmen. Das Tolle mit dem Schwimmen ist, dass nicht nur diese Multimodalität ist, sozusagen, dass man mehr will. Zum Beispiel fühlen muss man ja auch irgendwie, damit man schwimmen kann. Das andere ist aber, man kann nicht alles, man kann schwimmen nicht rein mit dem Gehirn erlernen. Das ist eigentlich die Logik dahinter. Das heißt, es braucht dieses Nervensystem und diese Reflexe, damit ich über Wasser bleibe.

[00:08:26] Und das genau, das Gleiche, appliziert halt auch auf diese Aufgaben. Das sind alles Reflexe, die in diesem Moment aktiv sind, damit das Ganze so funktioniert, wie es funktioniert. Und deshalb ist es so wundervoll. Und da brauchst du Sensorik und die richtige Computerarchitektur, damit es funktioniert. Wie haben deine Kinder schwimmen gelernt? Ich probiere es mal eben gerade beizubringen. Ich hatte einen Trick. Tatsächlich hat es auch mit der zweiten Tochter gut funktioniert. Ich meine sie sind sieben und fünf.

[00:08:52] Und ich habe die erste, sie hatte unglaublich Schiss gehabt, immer das auszuprobieren. Und ich habe mir dann so eine, kennst du die ganze Gesichtsmaske? Die du mit dem ganzen Kopf spielst? Genau, so eine Schnorchenmaske. Die habe ich ihr angezogen und dann habe ich sie einfach nur reingelegt. Und dann ist sie losgeschwommen. Und die hat es gar nicht gemerkt. Dann ist sie einfach rumgeschwommen. Aber der kommt war unter Wasser. Ja. Und sie hat gesprächelt. Ja, aber du bleibst ja unter Wasser. Das kannst du gar nicht.

[00:09:19] Und es war für die dann so ein unglaublich, also die hat sich dann jetzt zu spät gemerkt. Und dann war es für sie so unglaublich, dass sie gedacht hat, ich kann schwimmen. Sie hat es dann versucht ohne Maske. Das ist natürlich nicht gleich gut gegangen. Aber die hat dann eine Zeit lang halt immer mit der Maske. Und dann hat sie wie so das Gefühl bekommen. Und genau das, weil ich das ja verstehe, weil ich das immer als Beispiel nehme. Hat das gut funktioniert. Hat man gesehen. Hey, jetzt hat sie die Reflexe sozusagen auch erlernt, wie sie über Wasser bleibt. Und jetzt ist sie ohne Maske genauso. Okay, das ist ja gut. Das ist ziemlich gut. Und das mit der zweiten Tochter genauso funktioniert.

[00:09:48] Deshalb, ich weiß schon mal, von was ich spreche. Okay. Das nehme ich mir, das ist gut. Weil man so ein bisschen probiert. Also der probiert zu schwimmen. Der kommt auch vorwärts, aber sein Kopf ist immer unter Wasser. Also er schafft es noch nicht, dass der Kopf oben bleibt. Genau. Die zehn Zentimeter sind natürlich ein großer Unterschied. Ja, und das macht denen halt Angst, weil die dann immer wieder Wasser schlucken. Wenn du jetzt so eine Maske hast, dann lernen sie es mal so kennen, dass sie keine Angst haben. Und dann wollen sie sowieso irgendwann mal diese blöde Maske losbekommen. Und sowas bei meiner Tochter. Die hat schon irgendwann mal gesagt, hey, ich will sie gar nicht.

[00:10:13] Wenn unsere Kinder jetzt solche Sachen lernen, in der Realität kriegen die ja diese ganzen Eindrücke und fühlen das Feedback. Im Schwimmer zum Beispiel. Und das ist ja ein großes Problem mit den Trainingsdaten. Wenn du sagst, Large Language Modelle sind trainiert auf Text. Davon gibt es viel. Das Internet ist groß. Kannst du einlesen. Und jetzt haben wir über Videos gesprochen. Davon gibt es auch noch genug. Ich werde genug Videos finden für Leute, die ein Glas erhalten. Es gibt auch die, die sich die Kameras dann kopfschnallen und diese Videos dann produzieren. So sinngemäß. Aber es fehlen ja die haptischen Daten. Und die machen einen riesen Unterschied. Was bedeutet das? Dass wir die erschaffen müssen.

[00:10:43] Also wir müssen sozusagen Wege finden, diese Daten herzubekommen. Weil das ist der einzige Weg, das Gehirn damit zu prägen. Und das tun wir. Und das nennen wir Neura Gyms. Also das sind jetzt zum Beispiel Trainingszentren, die wir aufbauen. Also wir wollen sie wirklich in jeder Stadt der Welt haben. Ein paar Beispiele dabei, komm mal einblenden. Gleich so sehen die Neura Gyms aus, wie ich von deiner Webseite. Das ist im Grunde eine große Halle, wo sowohl humanaie Roboter stehen als auch Menschen. Die haben Anzüge an, wo Punkte drauf sind.

[00:11:12] Und die Roboter verrichten hier verschiedenste Tätigkeiten. Waschmaschine ausräumen, Tisch abräumen. Genau. Es sind jetzt meistens so 100 Zellen in so einem Gym. Was ist mit Zelle? Zelle heißt so eine Umgebung, die ist halt eingeschränkt, worin dann auch ein Roboter steht. Und die kann man dann entweder zumachen oder komplett offen lassen. Es geht eher darum, dass man Privatsphäre hat oder nicht. Und dann bringt dort jeder Partner seine Use Cases mit und trainiert die Roboter in diesem Bereich.

[00:11:42] Das heißt, deshalb haben die hier auch diese Anzüge an. Man zieht da so einen Anzug an. Die kriegt man dort gestellt bei uns in den Gyms. In allen Größen. Und dann geht man hin, drückt nur noch auf den Start. Also Start Record. Und dann geht man hin und der Roboter übernimmt dann die gleichen. Also man teleoperiert den Roboter. Das ist das Stichwort. Da ist ein Mensch quasi, der die Maschine bedient. Richtig. Und dann geht man hin und dann tut man diese Aufgaben wirklich ausführen.

[00:12:09] Also ein Dauerteil irgendwo einlegen, zumachen. Dann tut man es gleich nochmal. Und das tut man halt so oft. Also ich sag mal, so oft man möchte. Aber umso besser wird das Modell. Das heißt, diese Daten sammelt man, was man dann tut. Nachdem man sozusagen viele Recordings gemacht hat. Sagt man Stop Record und dann sagt man Train. Das heißt, man jagt diese Daten dann in unsere Toolchain. Und fine-tuned sozusagen das Foundation-Modell, was wir gebaut haben. Das Multimodale.

[00:12:38] Und fine-tuned das auf diesen Use Case. Und dann kriegt man so ein Image. Das heißt, und man kann sofort auch Deploy machen. Dann sieht man auch beim realen Roboter, wie er das dann ausführt. Und man kann noch optimieren. Dann sagt man, hey, fehlen noch irgendwie Daten. Weil jedes Mal, wenn er das Bauteil umkippt, dann kriegt der Robby nicht mehr hin. Dann geht man hin und dann muss man halt mit dem Umgekippten auch ein paar Mal trainieren. Und dann sieht man, wow, das Modell wird besser. Und man bringt es ihm bei. Also dafür sind diese Gyms.

[00:13:07] Die Gyms sind dafür da, dass wirklich jeder Zugang bekommt zu so einem Roboter, ohne einkaufen zu müssen. Man geht, man bucht sich so eine Zelle. Und man trainiert einen Use Case. Man erfährt darin, was die Schwachstellen sind, was die Stärken sind. Natürlich arbeiten wir an den Schwachstellen vor allem. Dafür gibt es auch diese Trainer, die dort durch die Gegend laufen und das beobachten. Das finde ich auch ein Personal Trainer. Ja, genau. Also es heißt, wie wenn du den Rücken falsch trainierst, kommt er von hinten und sagt, hey, damit machst du den Rücken kaputt. Vielleicht machst du mal ein bisschen anders. Und genau so sind die Trainer da.

[00:13:37] Und warum machen wir das? Weil es zentralisiert ist. Das heißt, es wäre für uns falsch, überall in jede Fabrik der Welt zu gehen und versuchen, denen dort beizubringen. Das wäre limitiert. Das heißt, wir bringen es in beiden. Also so wurde die Automatisierung bis heute gemacht. Und das hat nie skaliert, weil nur die Experten sozusagen gebraucht wurden. Und die waren limitiert in der Welt und viel zu teuer. Also im Endeffekt gehen wir derzeit so hin, dass wir sagen, wir wollen nicht das Problem der Welt lösen, sondern wir bieten die Werkzeuge,

[00:14:06] die Plattformen, dass jeder sein Problem selber lösen kann und damit auch Expertise aufbaut, weil so sieht die Zukunft aus. Also jeder wird unendlich viele Roboter haben. Es gibt eine Plattform, alle speisen dort die Daten rein. Und das Tolle, was wir noch anbieten, ist, dass wir so einen Brain-Account haben. Das heißt, jeder, der sich anmeldet, hat einen eigenen Brain-Account. Und alles Wissen, was die anhäufen, gehört dann auch einem. Und ich kann es darüber auch zur Lizenz freigeben und sagen, jetzt würde ich glaube ich noch Geld verdienen, weil da brauchst du ja nicht schon nicht trainieren.

[00:14:33] Ich kann sagen, ich bin jetzt der Beste, der den Roboter drin trainiert hat, Biergläser auszuspülen oder was auch immer. Und wenn das andere Zelt vom Oktoberfest kommt, dann sagt der, ich will den Skill. Genau, den Skill und dann sagst du, okay, ich lizen sie es. Und jetzt geht es über die ganze Welt, weil es ja über eine Plattform ist. Das heißt, jetzt kostet Skill halt jetzt nicht deine 2000 Euro oder sowas, sondern Skill kostet dich halt nur noch 20 Cent. Weil 20 Cent auf allen Bierfesten der Welt und so weiter ist halt gar nicht mehr so wenig.

[00:15:01] Also so wollen wir sozusagen vor allem dafür sorgen, dass jeder sein Know-how behält und das Know-how auch monetarisieren kann. Also komplett das Gegenteil von Antropic oder OpenAI, dass die sagen, wir nehmen alle Daten und es gehört jetzt uns, auch wenn es alle anderen irgendwie mit extrem viel Aufwand, die ganzen Programmierskills und so weiter, sozusagen so viel entwickelt haben. Und das wurde jetzt einfach genommen, weil jemand ein Häkchen falsch gesetzt hat und damit trainiert.

[00:15:29] Und kein Wunder, bricht es jetzt auch den Code, weil es wurde auf so einem gleichen Code trainiert. Und das wollen wir verändern. Wir sagen, es macht nur Sinn, dass wir eigentlich das, was die Unternehmen ausmacht, also dieses Lebenselixier aller Companies, das Know-how, das bei diesen Companies zu behalten und dann über unsere Plattform vielleicht zu monetarisieren. Und damit wollen wir natürlich auch den Erfolg in der Zukunft haben. Und trotzdem die Maschine bereitzustellen, um dieses Know-how in der physischen Welt einzusetzen.

[00:15:57] Also es ist ja trotzdem so, dass alles unsere Plattform ist. Das heißt, wir monetarisieren dort, wo jemand halt auch damit Geld verdient. Werbung. Meine erste Firma RegioHelden hatte ich bei einer klassischen Filialbank. Und ihr könnt euch vorstellen, was das bedeutet. Ich wollte mal Kontoauszüge aus dem letzten Jahr anfordern. Dann haben die mir gesagt, ich muss ein Formular ausfüllen, da anrufen und 5 Euro pro Auszug bezahlen. An dem Punkt habe ich gedacht, ich mache das nie wieder. Heute setzen wir alle Firmen mit dem digitalen Geschäftskonto von Konto auf. Mein Vorteil, wir reichen Rechnungen digital ein.

[00:16:27] Wir können Freigaberegeln für Zahlungen hinterlegen. Mitarbeiter kriegen ihre eigene Firmenkarte. Und wenn jemand seine Belege nicht einreicht, muss ich nicht der Person hinterher rennen, sondern Konto macht das für mich. Der Steuerberater kriegt Zugriff über die DATEV-Schnittstelle und kann alle Informationen abrufen. Und Kontoauszüge aus dem letzten Jahr kosten übrigens kein Geld. So sollte sich Finanzmanagement im Jahr 2026 anfühlen. Ich finde, man merkt einfach, dass Konto von Product-Leuten gebaut wurde und nicht von Bankern. Ich selbst nutze Konto für meine private Holding, für die Foundermode GmbH, für alle Companies, die wir neu aufsetzen.

[00:16:57] Und wenn du das für deine Firma auch machen willst, dann geh auf Konto.com, Konto mit Q, und nutze den Code Foundermode, um das Produkt sechs Monate kostenlos zu nutzen. Werbung Ende. Was ist das Abgefahrenste, was sie in diesen Zellen gemacht haben? Also jetzt gerade mein Favorite ist tatsächlich eine Kuh melken. Nicht dein Ernst? Da steht tatsächlich so eine Kuh, da kann man die Winkel von den Beinen verstellen. Und dann geht der Roboter rein, der holt sich halt so ein Ding.

[00:17:26] Also ich weiß gar nicht, wie genau ich das erklären darf, weil jeder hat halt irgendwie seine Geheimnisse dort. Und dann siehst du halt, wie der das dann wirklich da hinbringt und dann die Euter ran macht. Und der lernt das. Das heißt, ihr könnt dann die Kuh verstellen, die Beine verstellen. Und der Roboter weiß einfach, wie er damit umzugehen hat. Und das ist nur ein Beispiel. Und das braucht gar nicht so viele Trainingsarten. Und das macht es halt für uns zu diesem Moment, wo wir sagen, also es wird sehr bald passieren, dass es deutlich einfacher ist,

[00:17:55] einem Roboter etwas beizubringen und deutlich schneller wie ein Mensch. Also das ist für uns dieser Moment, wo jeder sagt, Chat-GPT-Moment oder sowas. Das hat nichts damit zu tun, wie intelligentes Gehirn dahinter ist, sondern es hat eher damit zu tun, wie schnell kriegen wir einen neuen, also einen Roboter für eine neue Aufgabe wieder trainiert. Das ist ja die große Frage, wann das generalisierbar ist. Wenn du sagst, du hast ihn einmal trainiert, eine Kuh zu melken und dann kann er plötzlich irgendwann auch eine Ziege melken oder was auch immer. Das passiert da aktuell noch nicht, sondern es gibt diesen Transfer nicht.

[00:18:23] Aber du sagst, je mehr Daten vorliegen, desto näher kommen wir diesen Moment. Ja, das ist ja das Tolle. Wenn du eine Ziege melkst, dann wirst du wahrscheinlich auch einen Schaf melken. Also im Endeffekt, du hast schon eine gewisse Ähnlichkeit und du verstehst es ja dann schon. Aber es ist dann vielleicht noch, vielleicht tut es sich damit schwer, weil vielleicht die Hände da einen Ticken anders wieder sind. Da braucht man größere, vielleicht kleinere, dünnere Geräte, was auch immer. Und das sind so Dinge, die lernt man gerade dazu in dieser Zeit. Und das ist ja auch das Tolle.

[00:18:51] Man ist sozusagen, man kreiert die Zukunft und man hat hier endlich mal wirklich so eine Ausgangslage, wo wir wirklich auch ein Vorteil sein können, wenn wir schnell genug und bold enough sozusagen das ganze Ding ausrollen. Und wie viele Durchläufe braucht man da? Du sagst, da sind gar nicht so viele Daten erforderlich. Das verwundert mich. Das hat mit dieser KPI Time to Skill zu tun. Und also vielleicht noch einfach ein Beispiel.

[00:19:17] Ein Mensch braucht heute, also ich sag mal, wenn man jetzt alle, zum Beispiel wir haben einen Partner, der hat über 350 Plants Worldwide, also Factories und dann geht man hin und dann sagt man, okay gut, was ist deine lowest value bringing task? Also was ist die am wenigsten wertschöpfende Arbeit, die du hast? Hast du welche? Dann screenen sie das ganze Ding und dann sind ja unendlich viele. Dann sagst du, okay gut, eine Arbeit, die keine Qualitätsansprüche hat, die keine Special Education Requirements hat, die keine,

[00:19:46] also das sind so, also Arbeit, die eigentlich jedes Kind tun könnte, wenn man Kinder dafür einsetzen dürfte. Und das Verrückte ist ja, wenn man dann die zweite Frage stellt, die viel entscheidender ist, wie lange braucht ihr eine neue Person auf diesen Task neu einzulernen. Ich sag mal, die kommt von außerhalb der Company oder Departmentwechsel. Und dann kommt man auf eine Zahl und das ist spannend, das wusste ich vorher auch nicht. Es gibt keine Arbeit auf der Welt, die unter drei Stunden Instruktionszeit

[00:20:15] und Trainingszeit sozusagen wirklich voll im Value bringen kann. Ah ja? Ja. Das heißt, jeder neue Mitarbeiter wird immer eingeführt und so und man kalkuliert in diesem Fall weltweit auf alle, es sind verschiedene Companies, mit denen wir darüber geredet haben und es gecheckt haben, man kommt nie unter die drei Stunden. Das heißt, sobald aber Qualitätsansprüche sind, sobald da, dann geht es immer gleich in Tage, Wochen, Monate und sogar noch länger. Das heißt aber, und man tut da nicht die ganze Ausbildungszeit,

[00:20:45] Studiumzeit, was auch immer. Nur diese Tätigkeit. Genau. Und das ist ja das Verrückte. Also habe ich dann auch irgendwann mal in der Company gesagt, hey, dann müssen wir eigentlich nur eins tun. Wir müssen einfach nur ein Gehirn zahlen und die Werkzeuge so etablieren, dass wir an die drei, vier Stunden kommen. Dann ist es so, dass man wirklich alles damit tun kann. Ich sage mal so, vor drei, vier Monaten waren wir ungefähr in der Time to Skill, also die Zeit, die wir dafür gebraucht haben, ungefähr bei so 60, 70 Stunden. Aufwand, Zeit, Daten.

[00:21:14] Ich nehme einen Roboter, der kann gar nichts, der kommt von außerhalb der Firma quasi. Ich sage dem, jetzt gibt es eine Tätigkeit, vielleicht Teil von A nach B. Dann trainiere ich ihn sozusagen 60, 70 Stunden und danach kann er diese Aufgabe ausführen. Autonom. Das war jetzt, das war ja schon verrückt genug. Jetzt, drei Monate später, mit unserem neuen Foundation-Modell, was wir jetzt gerade haben, was wir jetzt auch releasen werden, sind wir plötzlich auf 14 Stunden gekommen. Das heißt, wir sind jetzt in drei Monaten von, ich sage mal, 70 Stunden auf 14 Stunden gekommen.

[00:21:42] Das ist das neue Benchmark von uns. Und wir wissen, dass wir mit dem neuen, und wir haben noch gar nicht so viele Daten gehabt und gleichzeitig noch nicht so viele Gyms in place und so weiter. Also das heißt, wir waren auch limitiert dadurch. Wir wissen eigentlich, dass wir in den nächsten drei, vier Monaten zu einem Punkt kommen, wahrscheinlich drei, vier Stunden brauchen für einen neuen Task. Also kommen wir zu einem Punkt, dass es gar keinen Sinn mehr machen wird, Menschen dafür einzusetzen. Also ich meine jetzt, wenn man nicht möchte oder wenn man keine Leute mehr dafür hat.

[00:22:10] Also das heißt, man trainiert einen Roboter und der Skill, den ich erlangt habe, egal wo es ist, ob es im Gym ist oder ob es in der realen Umgebung ist, transferiere ich mit einem Klick auf tausend andere Roboter und das ist, ich skaliere. Oder ein Roboter geht kaputt, ich drücke wieder drauf und ich klick es auf den anderen. Das heißt, und bei Menschen ist es halt eben nicht so, wenn ich jetzt von einem Menschen, einen Menschen trainiere und dann sage, ich brauche es aber tausend Mal, dann muss ich erstmal die tausend Leute finden.

[00:22:39] Gleichzeitig muss ich erstmal die tausend Menschen das gleiche nochmal beibringen. Dann gibt es welche, die brauchen länger, das gibt welche, die brauchen länger. Und so komme ich aber mindestens dann auf diese 3000 Stunden, die Trainingszeit. Und dann sind die gut ausgebildet und dann kündigen. Genau. Und dann kündigen. Scheiße. Genau. Und das ist genau der Punkt. Also es heißt, die sind mal krank, die kündigen, die haben mal. Also ich bin jetzt nicht gegen Menschen. Das ist jetzt einfach so. Ich gehe jetzt eher dorthin, dass ich sage, hey, 2030 haben wir alleine in Europa sieben Millionen weniger Arbeitskräfte. Das heißt, die überhaupt zu ergänzen,

[00:23:08] also diese leeren Plätze sozusagen zu ersetzen, wäre eigentlich, es würde viel zu lang, es würde gar nicht gehen. Also außer mit Technologien wie Physically AI und Robotik. Und dazu muss aber natürlich schnell leicht genug gehen, dass es überhaupt rentiert, dass man nicht gleich alle Werke schließen muss, weil das passiert ja gerade. Also im Endeffekt sehe ich hier halt einmal das große Potenzial, aber natürlich wird es irgendwann mal zu diesem Punkt kommen, dass man sagt, ich werde dreimal darüber nachdenken, ob ich wirklich einen Menschen antrainiere

[00:23:37] oder ob ich einen Robot antrainiere. Werbung. Johannes Kliesch von Snocks war neulich bei uns im Podcast und da gab es einen Moment, da haben dem 800.000 Euro gefehlt. Nicht in der Kasse, sondern bei den Belegen. Und zwar, weil Rechnungen und Bestellungen falsch gebucht waren. Snogs verkauft über Shopify, Amazon, About You, Zalando, ganz viele Marktplätze und am Ende läuft alles in Shopify zusammen. Und dabei war eine Liste von offenen Posten entstanden, die mehrere hundert Seiten lang war. Unter der Last ist das bestehende Rechnungstool zusammengebrochen.

[00:24:05] Dann kam unser Werbepartner Pathway ins Spiel, die automatisiert Buchungen aus Shopify und Stripe in Dativ richtig ablegen und richtig verarbeiten. Der erste Blocker war noch 24 Stunden gelöst und zwei Wochen später liefen 100.000 Buchungen sauber durch Pathway und korrekt in die Buchhaltung rein. Die 800.000 Euro waren zurück und Johannes konnte sich Zeit nehmen, zu mir in Fauna Mode Podcast zu kommen. Er sagt, Pathway hat ihm den Arsch gerettet. Wenn euer Business auf Shopify oder Stripe aufsetzt, dann nutzt Pathway,

[00:24:34] meldet euch bei denen, sagt ihr, dass ihr über Fauna Mode gekommen seid. Dann erlassen die euch die Einrichtungsgebühr, die sonst bis zu 1.000 Euro sein kann. Werbung Ende. Und wieso ist Time to Skill die wichtige Kennzahl und nicht die Zuverlässigkeit in der Ausführung? Ich sage, okay, ich muss den trainieren. Okay, ob das 60 Stunden oder 10 Stunden dauert, irgendwann habe ich es gemacht. Aber vielleicht macht ihr dann über ein Jahr verteilt 10.000 Stunden von dieser Tätigkeit. Das ist natürlich auch entscheidend. Also das ist natürlich, so messen wir, dass es überhaupt funktioniert. Wie gut ist es, wie gutes Modell. Zum Beispiel sind wir bei 90 Prozent,

[00:25:03] sind wir bei 96 Prozent, gehen wir näher ran. Und das tun wir auch. Also indem wir dann zum Beispiel diese noch mehr Daten unterfüttern mit Simulationsdaten, mit Daten aus Sensoranzügen und so weiter. Also das ist schon eine Riesenkombination, dass wir überhaupt dahin kommen, wo wir jetzt sind an Daten. Und gleichzeitig sorgen die halt für die Sicherheit, dass wenn man es antrainiert hat, dass das wirklich gleichbleibend ist. Das heißt, auf abnormale Situationen trotzdem autonom zu reagieren.

[00:25:33] Das ist ja der Riesenvorteil vom Mensch. Genau. Dass er auf Edge-Cases reagieren kann. Das ist auch der einzige Vorteil sozusagen, der Robotik mit Physically AI kombiniert. Das ist nicht nur das Normale, einfach ein Bauteil zu nehmen und irgendwo einzulegen, sondern das abnormale Bauteil kommt irgendwie an und ich lege es trotzdem richtig ein. Und das sind Dinge, die kann nun mal jetzt diese Art von Robotik und physikalisch. Wie siehst du da die Zusammenarbeit zwischen Mensch und Maschine und dieses Spektrum zwischen vollautonom? Das Ding steht da und macht einfach komplett alles,

[00:26:03] was es tun soll versus da greift ein Mensch ein und ist dann der Teleoperator. Also beim autonomen Fahren ist es ja so. Die Woche auch ein Recording mit jemandem, der baut autonome Fahrzeuge im Grunde und sagt, das ist Level 2 in Deutschland. Also quasi ist es autonom bis zu dem Punkt, dass irgendwas passiert, dass der Mensch eingreifen muss. Siehst du das in dem Fall auch? Also dass das Blechteil 99 Mal autonom verschoben wird, aber in einem Fall fällt es aus irgendeinem Grund auf den Boden und dann muss ein Mensch einspringen oder ist die Anforderung, dass es zu 100% autonom laufen muss?

[00:26:33] Also die Anforderung ist natürlich schon immer zu 100% ist die Ambition, sag mal so. Aber im Endeffekt, wir sehen es, in manchen Fällen ist es auch so, dass es gut aufgeht, aber in vielen Fällen ist es halt eben auch noch so, dass man sagt, okay, wir schaffen es nur bis 90% zu gehen oder sowas und dann fliegt halt immer wieder ein Bauteil raus und dann schaust du halt, okay, was machst du mal damit? Ist es trotzdem besser, wie das es nicht gemacht wird oder wir finden ja keine Leute für oder wie auch immer. Dementsprechend geht man ran und dann hat man natürlich jetzt wieder die Werkzeuge,

[00:27:02] das weiter zu optimieren, dass man in die 100% kommt. Aber vielleicht dann halt anstatt, sag mal, meinen 14 Stunden vielleicht jetzt doch halt wieder nochmal noch 50 zusätzliche Stunden in Dingen, die der Roboter halt versagt drin. Also aber es geht schon so weit, dass man sagt, okay, man kriegt schon alles irgendwie so hin, dass es immer funktioniert. Und gibt es Use Cases, wo humanoide Roboter schon wirklich produktiv im Einsatz sind? Gibt es, ja. Also da geht es halt hauptsächlich natürlich um so einfache Aufgaben, so Pakete sozusagen

[00:27:32] von so einem mobilen Roboter abzunehmen, sie aufs Band zu legen und da ist natürlich schon so, das variiert, das nicht immer gleich ist, dass die Bauteile halt irgendwie drin liegen, aber das kriegt der Roboter dann schon selbstständig hin. Was wir jetzt gerade zum Beispiel nach wie vor noch nicht in dieser Masse ausgerollten. Humanoide haben ja den Vorteil, dass sie Beine haben oder den Nachteil. Das ist ein Vorteil, würde ich fragen. Das ist eine Diskussion für sich. Also im Endeffekt, ich sage halt nach wie vor einen Nachteil, also auf Beinen zu stellen, weil es halt einfach,

[00:28:02] weil derzeit so gut wie alle Fabriken auch für sozusagen, also mit Einschränkungen sozusagen, also Menschen mit Einschränkungen gebaut sind und auch dafür, da gibt es Normungen dafür und so weiter. Dementsprechend gibt es genug Potenzial einfach alles auf Rädern zu machen. Was einen Vorteil hat, alleine wenn der auf Beinen steht, wenn der Strom weg ist, dann fällt er um. Ja. Das war das Erste. Und das Zweite ist es natürlich auch komplex, die Beine zu steuern. Richtig. Die Hände sind ja schon schlimm genug. Richtig, genau. Und die Herausforderungen, die wir aber haben, dass Menschen nun mal

[00:28:31] die Dinge auf Reihen haben wollen. Also das ist ja das Verrückte. Und deswegen glaube ich, gibt es nicht so viele Humanoid-Robot-Companies in Europa, weil wir immer an den Sinn dahinter denken und immer denken, wow, das macht doch gar keinen Sinn. Also wir müssen, es ist doch viel leichter auf den Rädern zu bauen. Aber ich glaube, da habe ich irgendwann mal einfach nur gedacht, okay, warum sollten wir jetzt anfangen, die Psychologie der Menschen zu ändern? Gehen wir doch lieber hin, bauen wir die Dinge auf Beinen und bieten beides an. Die bieten beides an, oder? Genau. Und das ist ja auch der Vorteil. Am Anfang wollen sie immer Beine. Und über eine Zeit

[00:29:01] kommen sie dann schon und sagen dann, ja, okay, hast du recht gehabt, ich will doch die Dinge auf Rädern. und, aber es gibt die meisten heute nach wie vor so, dass sie sagen, nö, nö, ich will die auf Beinen. Auch wenn wir die Beine erstmal stilllegen, das heißt, wir tun die Beine wirklich mal einfach bestrom, aber wir laufen nicht viel rum, wir bleiben sogar am Ort, aber die wollen sie so haben. Warum? Weil es natürlich für die, ich sag mal, für alle, mehr Akzeptanz gibt, das wird, also ich kann es mir nach wie vor nicht erklären.

[00:29:31] Ich sag halt immer wahrscheinlich, weil Hollywood dieses Bild in uns Köpfen gezeichnet hat und wir uns da leichter reinversetzen können, also wir sagen, hey, der wird einfach das gleiche können wie ein Mensch, weil er sieht ja aus wie ein Mensch eigentlich von der Körperform ergonomisch sozusagen an, also alles ist an den Menschen angepasst, also passt es auch für den Roboter. Es wirkt natürlich kompatibel, du denkst, okay, wer weiß, was ist dem Morgen, ob es sich den Gabelstapler setzen muss oder ob es doch eine Treppe hochläuft oder was auch immer. Und es ist auch, glaube ich, einfacher, selbst jetzt auch mit der Teleoperation mit all dem,

[00:30:00] zieht den Anzug an und man übernimmt diesen Körper von einem Roboter und man arbeitet und man braucht ja gar nicht so um die Ecke denken, sondern alles bewegt sich klar eigentlich wie ein Mensch. Wie fühlt sich das an, so einen Anzug zu haben und den zu bedienen? Wie ist das? Also eigentlich, also irgendwie denkt man da recht schnell rein. Also was mir aufgefallen ist, dass nicht alle so gut können. Das ist schon so ein räumliches Vorstellungsvermögen und so ein, also ich sage immer, die Leute, die gut rückwärts fahren können, können auch sehr gut teleoperieren, weil das irgendwie so ein Ding ist. So viele kommen da

[00:30:30] mit dem Rückwärtsfahren immer noch nicht so ganz klar, aber wenn sie schon immer rückwärts, immer wieder fahren müssen, für mich war es immer super einfach, deswegen ist es auch für mich super einfach, so ein Ding Telle zu operieren. Und du stehst im Grunde dann daneben? Ja, genau. Also normal stehst du daneben und gleichzeitig ist es auch so, dass zum Beispiel in diesen Gyms in München, da gibt es jetzt, ich sage mal, diese ganzen Zellen, also ich sage mal, ein normales Gym hat so 100 Zellen, dann geht man und dann braucht man ja, dort hat man ja nur ein paar Trainer, die dort vor Ort sind und dann gibt es ja schon am Anfang vor allem viele, die dann sagen, hey, ich brauche ein bisschen

[00:31:00] Support, ich brauche und wir haben es jetzt so gemacht, also gesagt, wir bilden auch die Leute aus, dass sie halt auch einfach an so einem Bildschirm, die haben alle Views sozusagen und die sind in der Zelle und dann geht man hin und dann kann man sozusagen auch von aus Metzingen raus in München im Gym helfen oder in Aachen im Gym helfen oder in Hamburg. Dann hast du einen Teleoperator hinter dem Teleoperator, kannst du das Ding fernsteuern. Genau, dann kann man helfen, so sagen, hey, hier ist das Problem, ich helfe dir mal schnell.

[00:31:30] Und du musst aber den Anzug anhaben, um das zu steuern oder kannst du auch einen Playstation-Controller nehmen und kannst simple Sachen quasi auf eine andere Eingabeform machen? Geht natürlich auch, aber es ist halt so viel komplexer. Es gibt ja auch diese Joysticks mit der Brille. Das sieht man auch vor allem, wenn man jetzt immer wieder so diese Videos aus China sieht, dass die meistens so eine Brille anhaben mit diesen zwei. die haben aber den Nachteil, also es ist schon anstrengend, so eine Brille zu sein. Das ist so im Raum, also ich kann es nicht.

[00:32:00] Ich kenne es auch nicht langfristig, mit dieser Oculus-Brille dann so Spiele gespielt eine Weile und dann kriegst du aber irgendwie nach einer halben Stunde Kopfschmerzen. Und das ist auch da das Problem. Aber das bieten wir auch an. Also wir haben verschiedene Wege, sozusagen den Roboter anzusteuern, den zu übernehmen, dem was beizubringen. Aber am besten ist schon das, dass man den Roboter ansteuert, weil man dann natürlich auch, der Roboter hat nach wie vor, ich sage immer, die Human-Robot-Disability-Gap. Also das heißt, der hat nochmal weniger Freiheitsgrade wie auch Sensorik, wie ein Mensch es halt hat.

[00:32:29] Und wenn man dem wirklich die Aufgabe in der Gänze beibringen möchte, dann am besten tut man das mit der Limitierung, die der Roboter hat. Und dann sieht man, dass es trotzdem funktioniert. Und das lernt der Roboter dann schon, wie er damit umzugehen hat, doch weniger Sensorik zu haben, weniger Freiheitsgrade zu haben. Und deswegen ist es so entscheidend mit den Gyms. Also das ist für uns schon ein Infrastrukturprojekt, was wir jetzt gerade über die ganze Welt bauen wollen. Ihr habt einen zu München, ihr habt mit der WTH Aachen habt ihr Glück gehabt.

[00:32:58] Dieses Jahr sind es fünf, operational. Und wir, also zehn aber in der Making. Das heißt, zehn sind in der Mache und nächstes Jahr skandieren wir noch weiter, also viel weiter. So ein Gym, 100 Zellen, dass man es rechnen kann. Und wir sind auch so, dass sie, also zum Beispiel, das ist ja Wahnsinn, wir haben ja erst, wir sagen, für einen Monat, was wir dann angefangen haben, auch anzubieten, haben wir extrem über, so oversubscribed. Also das heißt jeder und das sind meistens

[00:33:27] so Jahresabos, die wir anbieten. Zahlen die Leute dafür, dass sie, wie im Gym. Ja, wie im Gym. Das ist interessant, die Zahlen dafür, dass sie dir ein Stück weit Daten liefern, die sie aber selber wieder benutzen können und überlegen können, ob sie es monetarisieren wollen oder nicht. Tatsächlich in diesem Fall ist so, die Zahlen dafür, dass sie es behalten können und ich es eben nicht in mein Foundation-Modell rein. Ah, okay. Also das heißt, das ist ja genau der Fall. Also die können, also einmal, der Brain Account ermöglicht nur denen sozusagen das Wissen. Okay. Die können immer sagen,

[00:33:56] das will ich gar nicht, dass es mein Wettbewerb kann. Dann drücke ich einfach nur schnell auf den Knopf und dann ist es einfach nur für mich. Hast du ein anderes Pricing, wenn die die Daten teilen? Ja. Und gleichzeitig ist es so, dass wir es incentivieren mit anderen Dingen, wie zum Beispiel Fortschritt. Also das heißt, wenn ich jetzt eine Spielmaschine ein- und ausräume und ich auf dem Private Button bin, dann erlerne ich es wie neu. Wenn ich aber hingehe und sage, ich lasse es mal, also auf dem Public, dann ist es so,

[00:34:26] dass ich automatisch auch von allen Dingen, die in die ähnliche Richtung gingen, schon die Informationen bekomme und ich gar nicht so viel Daten brauche. Also dass es viel schneller geht, den Roboter beizubringen. Und so haben wir es, das ist natürlich dieses, und wie es heute die meisten tun, also es ist einfach mal ganz kurz erklärt, weil wir wollen ja schon, das Modell basiert darauf, dass Menschen das für sich behalten wollen. Gleichzeitig wollen wir so viele Daten wie möglich haben, damit wir das Gehirn, das Hauptgehirn trainieren. Also gehen wir immer so vor, also so erklären wir es auch allen, sagen, hey,

[00:34:54] geh mal so lang wie möglich dorthin, dass das überhaupt mal funktioniert, aber mit veröffentlichten Daten. Und dann, sobald du reingehst und das Feintune mischen, dein Kern-Know-how, wie du es dann machst, dann geh hin und schalte dann. Und den Private Button. Dann hast du trotzdem schon, sag ich mal, das, was du vorher hattest und du Feintunst nur noch das Modell sozusagen, das eigene, was dann natürlich die Kernexpertise dann betrifft und das nochmal von allen anderen unterscheidet. Und dann ist es halt natürlich einmal günstiger.

[00:35:24] Gleichzeitig ist es natürlich, ist ein Riesenvorteil, also dass man viel schneller trainiert. Und jetzt hast du die Partner mit den spezifischen Use Cases, der eine will den Kuh melken, der andere eine Spielmaschine ausräumen. Hast du auch eigene Leute, denen du diese Tätigkeiten gibst? Also habt ihr auch ein großes Camp, wo ihr das Gym selber betreibt? Ja, ja klar. Also wir haben eigene Gyms, da betreiben wir es selber, wir trainieren mit unseren Partnern, für unseren Partnern, gleichzeitig auch in den Gyms an sich, bieten wir das als Service an, dass wir sagen, hey, hast du jetzt keine Leute für

[00:35:53] oder brauchst du für eine Zeit lang Leute, weil du sagst, ich habe sie noch gar nicht eingestellt, die Leute, die das dann für mich tun sollen, dann buchst du bei uns halt die Leute. Das heißt, die es dann auch tun für dich. Und das ist manchmal halt auch, also jetzt gerade am Anfang, haben wir selber jetzt gerade das Problem, dass wir gar nicht so viele Leute haben, wie es gerade jeder dazu buchen möchte. Weil wir halt einfach sagen, am Anfang will ich halt jemanden dazu buchen, der macht es dann für mich, ich schaue dem eine Zeit lang zu und dann übernehme ich. Und dementsprechend werden wir auch

[00:36:23] wahrscheinlich mehr Leute einstellen, wie alle anderen gerade, obwohl wir eigentlich genau in dem Feld sind, Philippinen und so weiter, so was man klassischerweise kennt, so ganz am Anfang im Data Labeling, die Leute, die auf die Stoppstelle geklickt haben, die haben jetzt nicht in Boston gearbeitet. Das Data Labeling und alles funktioniert schon autonom bei uns. Also das passiert alles in unserer Pipeline. Also man muss eigentlich da kaum mitdenken. Man drückt wirklich Start Record, End Record Train. Das sind die drei Punkte.

[00:36:51] Und dann oben kann ich nur Private und Non-Private. Also im Endeffekt, und das sind die einzigen Dinge, die man dort drücken kann. Und am Ende kann man sagen, deploy. Also das heißt, er trainiert, er zeigt dann auch die Zeit an, wie viel. Und ich kann dann direkt weiter trainieren, sag das erste Train schon mal, dann mache ich das nochmal anders und trainiere schon das nächste, die nächsten Episoden. Zum Beispiel bei einer Spielmaschine, oder jetzt eine Waschmaschine, da gibt es gerade einen Use Case bei uns im Gym. Da geht es ja darum, nicht nur die Waschmaschine zu bedienen, sondern davor,

[00:37:20] die Wäsche zu sortieren. Dann erst mal aus diesem Wäschekorb rauszuholen alles. Dann die Wäsche zu sortieren. Dann diese Dinge vor die Waschmaschine zu bringen. Dann die Tür zu öffnen. Dann erst mal Dinge rauszuholen, die drin sind, wenn welche drin sind. Dann natürlich wieder einzulegen. Dann die richtige einzustellen. In diesem Fall, weil wir wirklich die Waschmaschinen nutzen, die schon vorhanden sind. Und dann sagen wir, okay, und dann nehme ich das, was schon nass ist, bringe sie einen Trockner.

[00:37:50] Es sind alles einzelne Episoden, die wurden einzeln voneinander, also separat voneinander trainiert. Und was wir dann tun, ist dann, man lädt es sozusagen in die Platten, man trainiert die alle. Man sieht dann, dass es funktioniert an diesem Einzelnen. Und dann, sobald sie aber hochgeladen sind, kann ich dann unsere neue Revers-Plattform dafür nutzen, die das Ganze zu orchestrieren. Revers ist quasi euer App Store. Genau. Das ist sozusagen unser App Store, aber auch so dieses Skills Store, wie auch der Orchestrator. Da lebt Aura. Und Aura ist das Tool, das ist ein Agente-AI-Tool,

[00:38:20] was dann Notes verbindet. Also das heißt, jedes trainierte Modell ist für uns eine Note. Deswegen läuft bei uns alles on the arge. Aber wie funktioniert das, weil es eine Aura darüber gibt, die sozusagen alles zusammenstellt für den Use Case, weil sie natürlich Reasoning macht und so weiter, also von einer anderen Perspektive. Und dann geht sie hin und dann sagt sie, okay, so sieht der Ablauf aus, dass es funktioniert. Und die lernt halt daraus. Und dann verbindet sie das Ganze und dann funktioniert es. Und genauso ist die dafür zuständig,

[00:38:50] dir immer das beste Modell anzubieten von anderen, die es schon gibt, damit du sozusagen nicht mehr trainieren musst, so wenig wie möglich trainieren musst. Wahnsinn. Also was ich damit sagen möchte, es reicht nicht einfach nur, einen intelligenten Roboter zu haben. Und das ist das, was glaube ich die Welt gerade missversteht in meinen Augen. Einfach nur einen intelligenten Roboter zu haben, der die Treppen hochläuft, den Kühlschrank aufmacht, sieht, da ist nichts drin, wäre eine Waste of Time. Das heißt, man hat also einen intelligenten Roboter, der weiß, wie man den Kühlschrank aufmacht, der weiß,

[00:39:20] wie man da was rausholt. Aber im Endeffekt braucht es einen Orchestration Layer da drüber. Und das nennen wir Aura in der Neuraverse. Und Aura orchestriert sozusagen diese Momente, dass sie sagt, ich schaue schon in den Kühlschrank, bevor der Roboter hinläuft. Ich gucke durch die Augen vom Kühlschrank, weil es die zukünftigen Kühlschränke haben, nun mal Kameras drin. Und dann gehe ich hin und sage, okay, du brauchst schon nicht hochlaufen und ich bestelle jetzt erstmal was. Und du wartest jetzt lieber, bis das Zeug ankommt, dann eine Tür rankommt, dass du es abholen kannst,

[00:39:49] einen Kühlschrank legen kannst. Also das sind Dinge, es braucht deutlich mehr wie nur ein intelligentes Device, das versuche ich damit zu sagen. Und vor allem in der Industrie. Ich muss immer eine Note mit der anderen verbinden. Das heißt, ich muss wissen, wann die Maschine steht. Ich brauche nicht hinlaufen, so wie ein Mensch. Ich kann mit der kommunizieren über 5G, über WiFi 7 oder was auch immer. Das heißt, und dafür brauchst du diesen Layer und den nennen wir Neuraverse. Und da drin operiert Aura, die alles zusammenstellt.

[00:40:20] Auf meiner eigenen Fauna-Reise habe ich super viel von anderen Unternehmern gelernt und das ist auch der Grund, warum wir diesen Podcast machen. Jede Woche liefern wir euch spannende Stories und konkrete Learnings von erfolgreichen Gründern. Damit ihr keine Folge verpasst, drückt den Abo-Button und werdet informiert, wenn die nächste Fauna-Mod-Folge rauskommt. Wie denkst du über so Consumer versus Industrie nach? Weil es gibt diese beiden Use Cases und aus irgendeinem Grund reden alle immer drüber, die Wäsche zu falten. In jedem Video,

[00:40:50] das versteht ihr, da faltet ihr die Wäsche. Der größte Markt ist wahrscheinlich die Industrie am Anfang, oder? Wie schaust du da drauf? Also wir fokussieren uns eigentlich voll auf die Industrie. Also warum? Ganz einfach, weil es komplex genug ist, dass man wirklich, also es ist so komplex und da braucht es so viel Vertrauen, da braucht es so viele Dinge, die wir bieten können, hier auch aus Deutschland raus für die Welt und da sehe ich

[00:41:19] einen klaren Vorteil darin. Also gleichzeitig... Und das ist auch ein Stück weit kontrollierbar, also dass du die Fabrik hast, die hat... Genau, du musst einfach nicht, du musst nicht immer alles können, du musst jetzt erstmal einen Use Case können und dann bringst du schon genug Wertschöpfung und das andere ist natürlich aber auch der größte Markt der Welt. Also im Endeffekt werden ja ungefähr 65% des Global GDPs sozusagen mit Physical Labor Work geschaffen. Und das ist der größte Markt, weil es gibt nichts Größeres wie wirklich Physical Labor. Und dementsprechend

[00:41:49] sehen wir dort natürlich auch diese große Möglichkeit, daraus den Wirtschaftspfeiler zu schaffen, sozusagen aus Deutschland heraus für die Welt, dass es groß genug ist, dass hier natürlich alles sozusagen so weitergehen kann, wie es bis heute war. Wenn du wetten müsstest, was ist der erste Use Case, wo wirklich ein Kunde, sagen wir 10.000 humanoide Roboter bestellt, die wirklich in Einsatz kommen und dann tagtäglich Arbeit machen? Also wir haben ja solche Dinge schon, also dementsprechend also nicht,

[00:42:18] dass wir die geliefert haben, aber dass wir dort sehr starke Commitments haben von Partnern und welche sind das? Das sind dann schon auch die low-hanging fruits, also sind dann wirklich so logistische Aufgaben, Bauteile irgendwo einzulegen, aber halt mit ein bisschen mehr Kopf, das heißt Bauteile einzulegen, irgendwo was rauszuholen, vielleicht irgendwo zu verpacken, also arbeiten die heute halt die meisten Menschen sozusagen auch. In der klassischen Fabrik, in einem Lager. Genau. Und du sagst, ihr kommuniziert immer wieder die Zahl, eine Milliarde Pipeline,

[00:42:48] also Stellungen quasi oder Aufträge in Aussicht gestellt, jetzt nicht ausgeliefert, weil das wahrscheinlich daran hängt, dass es technisch auch funktioniert, die das produzieren können und so weiter. Wenn man da so grob ein Kuchendiagramm machen würde aus dieser eine Milliarde Pipeline, dann, welche Kuchenstücke würde man da sehen? Ja. Also im Endeffekt, um zu sagen, es sind ja heute einiges über die eine Milliarde Pipeline. Wo steht die heute? Also es sind so knapp 1,5 Milliarden sind es jetzt. Wow. Und das Spannende ist ja, dass da jetzt, also wir haben eine Pipeline

[00:43:18] an sich, die ist schon über 10 Milliarden. Das sind halt einfach unterschriebene Verträge, die dann gewisse Stückzahlen beinhalten und so weiter. Aber ich sag mal, wenn ich von Orderbook rede, dann rede ich von Committed Orderbook. Das heißt, es sind dann sozusagen eine Stufe weiter wie Pipeline. Das heißt, was sind die zwischen den 10 Milliarden und den 1,5 Milliarden? Sind das, dass diese mit 1,5 Milliarden, sie haben dann Take-or-Pay-Clause drin. Das heißt, wir müssen, wir liefern sie aus über einen gewissen Zeitraum.

[00:43:47] Auch wenn dann plötzlich sagt man, ich brauche sie doch nicht oder sowas, sind dann trotzdem, sag ich mal, Klausen drin, dass man sagt, die müssen sie nehmen. Und man hat halt, das ist ein richtiger Order. Und deswegen kann man Orderbook dazu nehmen. Natürlich sind dann immer noch so Dinge drin, wie wir müssen Qualität liefern, wir müssen on time liefern, wir müssen gewisse Dinge. Also das ist schon noch komplex. Da ist eine technische Spezifikation dahinter. Da steht drin, okay, ich nehme das ab, ich kaufe 500 Millionen solche Roboter, wenn die auch in der Lage sind, A, B, C, D

[00:44:16] für mich zu machen und diesen Preis muss zu erbringen. Genau. Und ich sag halt, der größte Teil dieses Orderbooks sind ja Dinge, die wir heute schon liefern. Das sind ja nicht irgendwelche, deswegen nenne ich sie auch Orderbook, deswegen, die werden abgerufen, wir liefern sie und das bringt uns derzeit auch den Umsatz, den wir treiben. Also im Endeffekt und wenn ich davon spreche und dann gibt es aber jetzt mittlerweile auch in diesen Verträgen natürlich auch die Humanoids, das heißt, es sind dann wirklich Stückzahlen, die wir ab jedes Jahr, auch dieses Jahr liefern müssen, aber natürlich halt

[00:44:46] und da ist ja genau dieses, aber natürlich die gewisse Qualität liefern müssen und die Funktionalitäten, also wir haben sie bewiesen, dass sie in den Labs funktionieren, so sind wir um diesen Vertrag gekommen, also sagen, hey, was wollt ihr denn sehen, dass ihr sagt, ich glaube an die Sache und ich unterschreibe dieses Ding. Was sagen die? Und das sind dann wirklich nicht die komplexischen Dinge, weil die versprechen wir auch nicht. Wir sagen halt, was sind das für? Was sind die meisten Arbeiten? Dann gibt es eine Analyse und dann sagen sie, hey, die meisten Arbeiten sind eigentlich Bauteile in Maschinen einlegen, den Knopf drücken, Türe zumachen, aufmachen,

[00:45:17] Bauteile rausholen, Knopf drücken, also das sind Schalter umlegen, das sind die Einfragen und das kann ich dir heute zeigen, das funktioniert. Also im Endeffekt und dann schaut man zu und sagt man, jetzt will ich aber sehen, dass die ganze Nacht vorüber funktioniert und dann zeigen wir, dass die ganze Nacht funktioniert und dann fängt es halt an, Sinn zu machen, was wir tun und dann sagen sie, okay gut, jetzt glaube ich an die Sachen, jetzt brauchen die natürlich Best Price, wir wollen dann natürlich einen Vorteil haben, dass zum Beispiel die Informationen nicht irgendwo hingelegt werden, weil es mitten in unserer Fertigung ist und so weiter

[00:45:47] und so kommt man dann zu einem Vertrag, wo man sagt, okay, dafür müssen wir aber schon ein Commitment haben für eine gewisse Zeit und dann gibt es dieses und dann haben manche sogar Exklusivitäten, die sagen, ich kaufe ausschließlich eure, weil es dann noch einen anderen Vorteil gibt und so kommt man an diese Dinge ran. Ist das denn Innovation im Robotics Space, die Aufträge so zu strukturieren? Ich habe ein paar Leute gesprochen, die meinten, das ist ja schon interessant, wie der David es hingekriegt hat, quasi diese Go-To-Market-Seite auch ein Stück weit zu knacken, wo es viele Fragezeichen gab am Anfang, ich meine, in dem Geschäftsmodell, was du machst,

[00:46:16] gibt es viele Fragezeichen, so die technische Machbarkeit zu meinen, die Hardware, die Software, die Trainingsdaten, aber natürlich auch die Kommerzialisierungsseite, es klingt so, dich sägen, weil viele Dinge laufen halt einfach auch gut und im Endeffekt, also wie haben wir es hinbekommen? Also einmal mit dem Mindset, dass wir nicht alle beliefern wollen, sondern Einzelne. Also wir haben uns einen ganz anderen Schrank gegangen und da hat jeder Investor gesagt, die machen es falsch und heute wundern sie sich,

[00:46:46] wie wir es hinbekommen haben. Die wissen, wie wir es hinbekommen. Wir haben es anders gemacht, wie die es uns gesagt haben. Was haben die gesagt? Die haben mir gesagt, du musst einfach nur den Markt tragen, dieses Zentrale, also ich bin ja hingegangen und habe von Anfang an gesagt, ich verkaufe keine Roboter auf dem direkten Markt. Ich gehe hin und verkaufe sie an meine Wettbewerber. An andere Roboticsfirmen? Du hast gesagt, das macht doch keinen Sinn, die kopieren das Ding, das ist mir schon wurscht. Aber ich mache einen Vertrag, dass es sich für mich gelohnt hat. Und damit, also jeder braucht ja etwas und lass uns doch einfach das finden, was die brauchen

[00:47:16] und was wir brauchen. Wir brauchen erstmal ein Orderbook. Also es geht ja, also einfach Umsatz, hätte uns gekillt in dieser Zeit. Das ist ja ein Umsatz, der dir, also Cost of Revenue wäre viel zu high gewesen, viel zu hoch gewesen, weil die Produkte noch nicht reif waren und so weiter. Da muss man natürlich, also dann habe ich doch lieber ein Orderbook und committe mich über einen zum Beispiel Zeitraum fünf Jahre, vier Jahre mit einem Partner und sage, hey, das Ding ist allein für dich.

[00:47:46] Also wie bin ich an die rangekommen? Ganz einfach zu sagen, hey, hier, ich habe was, das ist besser wie alles auf dem Markt. Also man muss erst mal einen neuen State of the Art schaffen. schneller wie jeder Roboter, also mindestens, ich sage mal, in diesem Fall waren es viermal so schnell wie jeder andere Roboter. Zehnmal genauer wie jeder andere Roboter auf der Welt. Wir haben, wir haben Sensitivität, es gibt keinen einzigen, der mithalten kann. Ich habe eine Safety, PLI, höchste Sicherheitsklasse. Was bedeutet das? Es ist sozusagen Ziel 3, PLI ist sozusagen höchste Sicherheitsstufe

[00:48:15] von Geräten, die zum Beispiel redundant und divers ausgelegt sind. Das heißt, es kann nichts passieren. Punkt. Das heißt, wenn ein Talk ausgespielt, dann ist der Talk, den er ausspuckt, weil es sind viel zu viele sozusagen Mechanismen dahinter, der Face-Safe-Mechanismen, dass gar nichts passieren kann. Und das war ja schon was Besonderes und das haben wir erst mal schaffen müssen, das haben wir getan. Damit hat man ein Produkt und jetzt kann man hingehen und so sind wir dann hingegangen. Wir haben gesagt, hey, dann, bevor wir jetzt anfangen

[00:48:45] mit allen in den Wettbewerb zu gehen, haben wir, wir haben gar nicht die, also weltweite Service-Architektur und das ist so komplex. Das ist ein Thema. Wenn du mal leise in irgendeiner Fabrik aufgestellt bist, dann muss da jemand kommen, der es repariert, wenn es nicht mehr funktioniert. Wie willst du in den USA jeden servicen? Wie willst du da gegen so einen Fanuc oder was weiß ich, wenn antreten, die Weltmarktführer, egal wie gut dein Produkt ist, wenn der dann hingeht und sagt, hey, aber bis der aus Deutschland hier schon sein Visum gemacht hat und was auch immer, haben wir das schon lang in 24 Stunden repariert und du läufst weiter

[00:49:15] und darum geht es am Ende, Wertschöpfung. Und also, das wusste ich alles, weil ich ja vorher schon ein Robotikunternehmen gebaut habe. Ich habe an dem gefailt. In meinen Augen, das Unternehmen ist super, funktioniert noch, aber ich konnte nie ein Weltmarktführer werden, weil ich dann gemerkt habe, das wird nicht gehen, weil du, also jetzt ein Service-Netzwerk in den USA zu bauen, du heierst erstmal immer die Falschen. Dann bist, dann trainierst du, dann merkst du, dass es zu spät ist. Dann, du brauchst zehn Jahre dafür. Also und für mich ging es

[00:49:45] vor allem um die Zeit, weil ich sage, es geht mir nicht um die Roboterarme, es geht mir um die Plattform, es geht mir darum, also Physical AI ist heute das Buzzword, vorher war es für mich kognitive Robotik, also intelligente Robotik zu bauen. Und also muss ich jetzt erstmal dafür sorgen, gleichzeitig kann ich diese Vision nicht aus Deutschland raus haben, weil, versteht doch kein Mensch, kein Investor hat es verstanden, als ich damals damit kam. Die haben doch alle gesagt, okay, mach doch einfach das, was du vorher gemacht hast. Das bringt wenigstens Umsatz. jetzt, also im Endeffekt, das war komplex. Also musste ich sozusagen meine große Vision

[00:50:15] in ganz viele kleine Schäbchen schneiden und dann gucken, wie kriege ich, was ist der richtige Schritt für diesen Moment? Was ist der nächste Schritt für den anderen Moment? Und ich sehe heute, alle um mich herum sind eigentlich weg. Also alle, die damals gestartet haben, Roboter zu bauen oder was auch immer, sind alle insolvent gegangen oder weg. Und im Endeffekt, und bei uns war es auch immer wieder kurz davor, aber wir haben halt immer einen Vorteil irgendwo gehabt und der war meistens, wir haben das delivered und wir haben die größten Verträge und es lohnt sich darauf,

[00:50:45] nochmal ein bisschen Geld zu werfen und zu sagen, das wird jetzt besser und das kriegen die schon hin. Also da ist leichter zu glauben und deshalb gibt es dann sozusagen, also wir mussten sehr, sehr viele Dinge anders denken und daher kommt es. Also das heißt, wir haben erst mal die Arme in den Markt getragen, das gleiche haben wir mit einem mobilen Roboter gemacht. Wir haben einen besten mobilen Roboter gebaut und haben mal gesagt, okay, und jetzt bieten wir den anderen an und sagen, hey, entweder du gehst einen Wettbewerb mit mir oder du kriegst das Ding und exklusiv dein Design, dein Ding, bringst in den Markt, aber das Einzige, was du machen musst,

[00:51:14] dafür eine Minimum Quantity kommen mit in eine gewisse Zeit. Und den Service bereitstellen. Genau, alles, also das ist dein Produkt und dass du abgesichert bist, musst du denen ja schon eine Minimum Quantity sozusagen, also Minimum Order Quantity sozusagen festlegen, weil du sagst, jetzt lohnt es sich dafür, jetzt kann ich dafür meine volle Zeit einsetzen, mit dir am besten Produkt der Welt zu arbeiten, deinem Wettbewerb sozusagen die Stirn zu bieten und wir helfen dir und gleichzeitig hast du dann aber eine Technologie,

[00:51:44] die sich weiterentwickelt und du fokussierst auf das Wesentliche, die nächsten großen Schritte, die vor dir stehen. Weil, das ist auch etwas, woran ich festgemacht habe, ich habe gesehen, es gab immer wieder tolle Cobot Hersteller wie Universal Robot, was auch immer, die haben ja was Tolles geschaffen, die haben aber eine Herausforderung gehabt, die waren immer nur ein Cycle, also ein Product Cycle sozusagen Weltmarktführer und dann waren sie irgendwann mal weg, weil sie sich darauf dann fokussieren musste, das ganze andere drum herum zu bauen und bis dahin hat ein Wettbewerb alles aufgeholt und dann hat man nicht mehr die Kraft,

[00:52:14] da wieder mitzumischen. Dementsprechend haben wir gesagt, wir bauen es anders, wir machen alles anders und das macht es eigentlich auch in Neura aus. Wir haben immer nur auf die Realität geachtet und nicht das, was die Investoren sagen oder Menschen um uns herum. Wir haben immer gesagt, das ist die Reality, wir haben einen genauen Plan dafür und wenn es aufgeht, dann ist super, dann wird uns irgendwann mal jeder diese Credibility auch anrechnen. Aber wenn nicht, dann haben wir halt Pech gehabt. Aber wir mussten diesen Weg gehen. Was ist der schlechteste Ratschlag,

[00:52:44] den du hier von einem Investor bekommen hast? Also ich sag mal so, meine Investoren, die ich habe, sind Investoren, die sind sehr speziell. Die haben daran geglaubt, bevor alle anderen daran geglaubt haben. Wir haben mit Herbert telefoniert von WeSquad. Genau, er zum Beispiel. Der sehr früh drin war. Er ist ein Wahnsinns-Typ. Er hat die Story verstanden. Der Fabian Gruner zum Beispiel. Also es sind einige. Dann Ashish, so von Lingotto extra.

[00:53:12] Und dann Stephen George aus der USA. Interalpen führt. Das sind Menschen, also auch wie Klaus. Also das sind wirklich Menschen, die um mich herum die Sache verstanden haben. Und vielleicht nicht alles, aber diesen Moment haben sie gesagt. Sie haben gesagt, hey, it sounds too good to be true, oder? Aber wenn es aufgeht, damit ist es geil. Und natürlich haben die mich am Anfang runtergehandelt mit allen Valuations und so weiter.

[00:53:41] Aber ich glaube, aber trotzdem haben die an die Sache geglaubt. und haben glaube ich auch heute ein sehr gutes Geschäft damit gemacht. Ich meine, das ist auch interessant bei der Wette. Du kannst sagen, da ist super viel Risiko drin in der Technik und so weiter, wie sich das alles entwickelt. Aber alle sind sich wahrscheinlich einig, wenn es klappt und wenn man das hinkriegt, dann ist es eine riesige globale Company. Ja, das ist so. Und heute sind wir näher dran. Also, ich sage mal, 2000, wann sind sie eingestiegen? 21 oder so. Da waren wir

[00:54:12] 21, 22 ist so. Ja, 20, 21, so ist es. Genau. Da waren halt die Dinge, was gut war, ich hatte schon wirklich Arme im Feld und ich hatte Partner, die auf mich gesetzt haben. Arme heißt, quasi das erste Produkt waren klassische Roboterarme, die man kennt, die sind quasi an einer Stelle und können Dinge bewegen. Richtig, ja. Und von dem Kuchendiagramm von den 1,5 Billiarden, wie viele sind noch Arme versus jetzt neue Produkte? Ich sage mal, fast so halb-halb. Also, im Endeffekt sind Arme, mobile Roboter, so ein bisschen mehr wie die Hälfte und dann natürlich die neuen Produkte schon,

[00:54:42] die, wie gesagt mal, heute bewiesen sind, das funktioniert, jetzt aber nach wie vor skalierfähig gemacht werden muss, Qualität hochgezogen werden muss, Robustheit, die sind unglaublich unrobust. Wir haben vorhin über die Hand gesprochen, so tickt aber der ganze Körper auch. Also, man hat 50 Aktuatoren, die alle miteinander in dem gleichen Moment drehen müssen und bewegen müssen. Die Aktuatoren sind die Motoren, die quasi aus Bewegung setzen. Das sind so diese Getriebemotoreinheiten, Leistungselektronik. Also, das ist ja unglaublich komplex. Also, ich bin 100% davon überzeugt,

[00:55:12] es ist viel komplexer wie jedes Auto auf der Welt. Also, man hat ja so viel auf dem engsten Raum, alles muss miteinander funktionieren und dann reaktiv sein. Ist das eine Bewegung? Alles? Ja, das ist Wahnsinn. Und du hast diese, wenn die Beine haben, natürlich dann auch diese Gehbewegung, die auch noch quasi jedes Mal Schlag auslöst. Das ist richtig. Und man schlägt sozusagen das System durchgehend. Also, dafür überhaupt das richtige Getriebe zu entwickeln, zu bauen, das war schon eine Komplexität für sich. Und Stichwort vertikale Integration, so erwähnst du immer wieder, dass er auch super viele von diesen Teilen selber baut,

[00:55:41] weil es halt auch keine Supply Chain dafür gibt, weil viele Teile aus der Automotive-Industrie halt nicht für diesen Einsatzzweck gemacht wurden. und dann stellst du dich natürlich bei denen auch hinten an. Gehst du irgendeinem Hersteller, bist in Süddeutschland, so, da gibt es natürlich einige von denen, aber wenn du dann sagst, ich will jetzt mal irgendwie 200 Teile haben, dann sagen die, das ist mir jetzt ein bisschen wenig. Vielleicht haben sie jetzt ein bisschen mehr Zeit, wo die Automobilindustrie nicht mehr so viel abnimmt, aber erklär mal Vertikal-Integration, also, was baust du alles selber und wo macht keinen Sinn, das Teil selbst zu entwickeln? Also, einmal am Anfang war es wahrscheinlich

[00:56:11] komplex genug, heute ist es natürlich so, dass mit dem Namen Neurah natürlich jeder gerne mit uns arbeitet und gleichzeitig auch gleich dabei ist und gleichzeitig mittlerweile hat die Stückzahl in Session mal gesagt, ich baue jetzt mal 100 solche neuen Geräte mal 50, ne, Aktuatoren. Also, das heißt, das sind nur die Aktuatoren, das ist schon eine Stückzahl, die ist auch für die lukrativ für einen kleinen Prototypen, für einen kleinen Prototypenbau, sozusagen, kleinen Serie. Aber als du 2021 angefragt hast, war das wahrscheinlich nicht so. Ja, da war es nicht so. Da war es ultra komplex, das heißt, wir haben wirklich alles selber entwickelt aus dem Grund, weil wir gesagt haben,

[00:56:41] wir können gar nicht mit den Lieferanten verhandeln. Wir können denen gar nicht sagen, wie es eigentlich besser wäre. Die bieten uns nur das an, was sie haben und sagen, wenn du damit nicht zufrieden bist, gehst du jemand anderen, weil du uninteressant bist. Und heute ist es ja schon nochmal komplett anders. Und wir haben aber die Kerntechnologien entwickelt. Also, ich habe mir das tatsächlich damals vor allem beim Elon abgeschaut. Elon Musk hat einen Vorteil gehabt allen anderen gegenüber. Er hat wirklich alles vom Kern auf vertikal komplett selber entwickelt.

[00:57:10] Und da haben viele ihn belächelt und haben über den Spaltmaß geredet und was auch immer. Aber in Wirklichkeit hat er eins geschaffen. Er kam irgendwo zu der Position, wo er sagt, er hat den Lieferanten dann gezeigt, er kann es besser wie andere. Und das Potenzial von ihm ist deutlich höher wie von allen anderen Automotive Companies, weil der hat es in der Hand. Er kann sozusagen, wenn er heute nicht der Beste in diesem Bereich ist, dann ist er vielleicht in drei Jahren, weil der hat ja die Leute. Er hat das Ganze in seiner eigenen Hand. Und im Endeffekt ist es ein Riesenvorteil von ihm gewesen.

[00:57:39] Das hat ihn ja eine Zeit lang wirklich in eine attraktive Position gebracht. Jetzt zum Beispiel bei uns war es genauso. Wie konnten wir einen besseren Roboter bauen wie das, was es auf dem Markt gibt? Indem wir natürlich nicht die gleichen Encode-Technologien, Grafomentensensoren, Drehmomentensensoren, Motoren, Getriebe und wie auch immer wie alle anderen einsetzen, sondern wir sagen, wir machen dort noch einen neuen Standard. Und das war ja das Komplexe am Anfang, wo auch wieder keiner dran geglaubt hat und gesagt, das geht gar nicht. Wieso solltest du einen neuen Encoder entwickeln? Das ist doch eine Dummheit. Gibt es doch schon.

[00:58:10] Der war aber nicht gut genug und ich wusste, wie man einen besseren baut. Und dementsprechend habe ich mir Leute geholt, die das konnten und ich habe es mit denen zusammen entstanden. Ich gebe dir ein Beispiel, zum Beispiel einen Encoder vom Markt zu kaufen, da gibt es so einen 18, 19 Bit Encoder. Das macht ein Encoder. Also wenn man auf Positionen regeln will, brauchst du sozusagen die Position, der liest sie aus. Also es gibt einmal, also vielleicht dann viel zu komplex, wenn es jetzt ganz tief geht, aber im Endeffekt ein Positionenregler. Du weißt einfach, du liest die Position aus

[00:58:39] und sendest die sozusagen an den Regler. Einen davon kostet ungefähr 100 Dollar, das war damals Standard. Du brauchst aber zwei, wenn du Redundanz willst und vielleicht Diversität. Also pro Achse, weil du Antrieb und Abtrieb seite ich an hast. Also 200 Dollar mal sieben Achsen in einem Arm. Also kannst du ausrechnen, 1400 Dollar. So, jetzt gehst du aber hin und jetzt habe ich einen eigenen entwickelt, der dann plötzlich 25 Bit hat. Das ist halt mehr wie jeder andere auf dem Markt hatte. Das heißt,

[00:59:09] ich konnte viel genauer sozusagen positionieren wie alle anderen auf der Abtriebseite. Und dann gehe ich noch hin und dann kostet mich nur 20 Dollar in beiden. Das heißt, ich spare pro Achse 180 Dollar. Wie hast du das hingekriegt? Also indem sie selber entwickelt sind. Ja, einfach selber entwickelt, selber gebaut und ich habe gar nicht diese Overhead. Ich habe diesen, es ist super einfach gewesen für uns. Also deswegen, ich habe... Obwohl eine Fertigung, ich kann so sagen, die anderen entwickeln diese Dinge wahrscheinlich seit Jahrzehnten im Grunde und haben auch wieder ihre Supply Chain gewisse Skalen-Effekt gemacht. Ja, das ist ja genau das.

[00:59:39] Also wir waren ja deutlich besser wie andere und wir haben deutlich Dinge entwickelt, die sie halt patentiert, haben sie für uns und das hat uns ja so unglaublich stark gemacht. Das gleiche halt mit dem Kraft-Momentensensor. Die gibt es heute für 10.000 Euro zu kaufen, wenn man sie zum Beispiel bei ATI kauft oder woanders. Was macht der Sensor? Also das ist ein Kraft-Momentensensor. Gibt ihr die Kräfte und die Drehmomente sozusagen, also sechs Freiheitsgrade. Den tut man dann am TCP, also vorne am, wo man den Greifer anschraubt oder sowas und dann kriegt man so sehr genaue Kräfte

[01:00:07] und Drehmomente. Sechs Freiheitsgrade heißt, du kannst dich in eine 3D-Welt in die Richtung bewegen. Und hat halt dort alle Kräfte und Drehmomente, die man rausbekommt. So ein Teil, so eine Kraft-Messdose, so kann man es auf Deutsch sagen, kostet dann einfach sozusagen mal, ich sag mal mal 10.000 Dollar. Sagt man, okay, man braucht 20.000 Stück, dann kostet sie 3.000 Dollar. Jetzt geht man hin und dann sagt man, jetzt haben wir einen eigenen entwickelt. Gleichzeitig hat man dann viele Nachteile, zum Beispiel, dass der großen,

[01:00:37] also Großrauschen hat und so weiter, weil man dann mit denen mehr Streifen arbeitet. Und ich hab die Dinger erst gekauft und dann irgendwann hab ich gedacht, hey, für 10.000 oder für 8.000 oder 3.000 selbst, da will ich den ganzen Arm bauen und nicht nur eine Dose haben. Dementsprechend bin ich hingegangen und hab einfach gesagt, okay, lass uns Köpfe zusammenbauen, zusammenstecken, das nehmen, was wir haben und überlegen, wie wir das besser machen können. Und an einem Tag hatten wir eine Idee, das war ein ganz normaler,

[01:01:06] also das macht es natürlich aus, gute Leute um sich herum zu haben. Wir haben einfach ein Hebelarmprinzip gezeichnet, wo man sagt, hey, damit verstärken wir sozusagen die Bewegung und nehmen einen Encoder, den wir sowieso schon entwickelt haben und messen die Bewegung im 12 Nanobereich. Also kommen wir wahrscheinlich auf Kräfte hin und das ist dann am Ende so gewesen. Wir haben sozusagen sechs Hebelarme und alle Bewegungen werden dann wahrgenommen und plötzlich hat man eine Kraftmeistdose geentwickelt und die hat dann weniger Rauschen wie alle anderen, die hat plötzlich eine höhere Präzision wie alle anderen, die hat aber

[01:01:36] eine Ultrakomplexität, weil man dann sagt, Kalibrierung dazu entwickeln muss und so weiter. Aber heute macht es uns halt unsere Produkte wieder aus. Dann sagen wir mal, die haben eine extreme Sensitivität aus einem einzigen Grund durch unsere Kraftmessource. Und da sitzt du im Engineering Meeting drin und hast gute Leute um dich herum. Ja. Ist Erfahrung da zuträglich oder schädlich? Also wenn jemand 20 Jahre solche Dinge entwickelt hat, ist das ein Vorteil oder ein Nachteil? Das ist ein Vorteil. Also wenn es kombiniert wird wie mit mir zum Beispiel oder mit ein paar anderen Leuten,

[01:02:05] die um mich herum sind. Also ich glaube, da geht es am Ende. Ich glaube, worin war ich meistens recht gut und begabt, ist eigentlich die richtigen Fragen zu stellen. Das heißt, ich habe eine gute Herleitung von Dingen. Also ich kann mir sehr, also du erzählst mir ein Problem und ich bin meistens so, dass mir dann ein paar Sachen einfallen und dann stelle ich Fragen, stelle ich Fragen, stelle ich Fragen. Das kann vielleicht nerven, aber im Endeffekt kommen wir sehr schnell dadurch auf eine Lösung, wo sagst du, okay, also das hat es schon immer auch ausgemacht. Und gleichzeitig hatte ich natürlich eine super erfahrene Person in meiner Seite, Josef Siraki.

[01:02:36] Der ist leider verstorben. Im Endeffekt, als ich ihn eingestellt habe, war der kurz vor 70, klar. Und im Endeffekt, er war eigentlich schon retired, hat über 300 eigene Patente gehabt, war ein Sensor-Guru, also unglaublich. Und ich habe ihn damals kennengelernt und er hat mich so richtig gechallenged mit seinen Fragen und dann habe ich irgendwann mal gesagt, boah, bist du ein Wettbewerber? Dann sagt er, ich bin Rentner, aber ich kenne mich da ziemlich gut aus. Und dann habe ich gesagt, falls du mal Lust hast, rufst du mich an,

[01:03:07] dann kann man noch ein bisschen was Cooles zusammen entwickeln. Und dann hat er mich, hat er gesagt, niemals, weil er, seine Frau, wird ihm den Kopf umdrehen, so hat er gesagt, weil er macht es schon zu viel für seine Rentenzeit. Und er war eh sein Leben lang nicht da, so ein bisschen, so war seine Aussage. Und zwei Wochen später hat er mich angerufen. Er hat gesagt, hey, da habe ich mir langweilig. Ich habe ihm meine Frau geklärt, alles gut, ich komme. Und dann war das der Mensch, mit dem ich jeden Sonntag telefoniert habe und mit ihm einfach nur über Herausforderungen geredet habe und gemeinsam, ich habe ihm Sachen

[01:03:36] an den Kopf geworfen, er hat Erfahrung gehabt, er hat ja selber so viele Patente gehabt und so und hat gesagt, damals war es nicht möglich gewesen, aber vielleicht, wenn man das kombiniert mit der heutigen Sensorik oder mit dem, mit der Technologie, vielleicht könnte es hinhauen und dann hat er das Zeug halt ausprobiert, ich habe ihm noch ein paar Sachen übergeworfen und am Ende, boom, hat man eine Idee. Dann haben wir es natürlich den Ingenieuren in unserem Ingenieur, haben wir es denen erklärt, die haben dann noch eine weitere Idee gehabt und so wurde es schnell zum Produkt. Wir waren schneller wie jeder auf der Welt in der Entwicklung und das hat auch funktioniert, in Schwarze immer

[01:04:06] und das macht es aus, diese Kombination aus super viel Erfahrung, aus jemand, der überhaupt nicht studiert ist wie ich, der einfach Querdenker ist im positiven Sinne und dann, sage ich mal, noch ein Ingenieur, der sozusagen mit dem heutigen Grundlagen ausgestattet ist. Diese Kombinatorik ist in meinen Augen ein Erfolgsrezept für verdammt gute Technologien. Wie kann ich als Founder lernen, bessere Fragen zu stellen? Ich höre raus, das ist einer der Skills. Ich glaube, meine Fragen kommen eher daher, dass einmal sehr,

[01:04:35] mittlerweile sehr viel Erfahrung, ich habe sehr viel selber entwickelt in meinem Leben, also ich habe, ich habe dann halt, wieso gehst du nicht so ran, hast du nicht daran gedacht, hast du und so weiter und dann, und daraus entwickeln sich, schließen wir zumindest mal ein paar Türen und dann fängt es einem an, leichter zu werden. Aber wie man das tut und ich habe tatsächlich nach wie vor auch mit meinem Team oft so, dass wir sagen, okay, wie kriegen wir es hin, dass man das nochmal skaliert bekommt, dass man sagt, dass nicht immer nur davon abhängt, dass jetzt ich vorbeiläufe

[01:05:04] oder jetzt eine andere Person aus meinem, sondern wieso ist das so? Aber das ist nun mal so. Das müssen wir akzeptieren. Wir müssen, jetzt müssen wir gucken, dass man das vielleicht, vielleicht, jetzt kriegt man das, also ich will es jetzt auch nicht alles auf meine, also mir zugute schreiben, sondern ich habe unglaublich gute Leute um mich herum, die halt genau diese, und jetzt müssen wir gucken, wie wir das Ganze vielleicht in Agents bar hinbekommen, sodass es vielleicht skalierfähiger wird. Wie kriegt man diese, sag ich mal, Prozess der Denke, der Fragestellung sozusagen noch hin, dass die KI das vielleicht erlernt,

[01:05:34] weil man es jetzt nicht in andere Menschen bekommt. Also da gibt es jetzt mittlerweile Tool, das ist toll und darauf habe ich Lust und daran arbeiten wir auch im Unternehmen gerade. Also wie kriegen wir es hin, dass man unser ganzes Unternehmen sozusagen mit ganz vielen Agents ausstatten, die genau dabei helfen, diese Prozesse nochmal anders zu durchdenken, auf andere Ideen zu kommen, neue Vorschläge zu bekommen und so weiter. Was hat sich denn geändert in der Weise, wie man entwickelt, also wie ihr da selber arbeitet? Auf der Hardware-Seite, es gibt vielleicht neue Sensorik,

[01:06:03] aber auch auf der Software-Seite, es gibt AI. Also was bedeutet das für den Alltag von einem Ingenieur bei euch und bei der Entwicklung von neuen Produkten? Ich glaube, ich glaube mittlerweile gehe ich wahrscheinlich einigen Software-Leuten tierisch auf den Sack, weil vorher war ich da, ich bin ein sehr extremer Hardware-Mensch. Also ich liebe Hardware, ich liebe, sage ich mal, also mich damit zu befassen und darin bin ich verdammt gut, deswegen mag ich es wahrscheinlich. Irgendwann mal musste ich mich natürlich in Software-KI reindenken und mittlerweile würde ich schon sagen, dass ich mich sehr gut

[01:06:32] mit allem auskenne. Ich bin da sehr tief drin, genauso tief wahrscheinlich wie all meine Entwickler. bloß halt aus einer anderen Perspektive. Und da war es trotzdem noch einfach in gewissen Dingen mit mir zu sprechen und zu sagen, geht nicht, haben wir schon gemacht, haben wir schon probiert und das sind die Begründungen und dann wäre ich da gestanden, hätte noch ein paar Argumente gebracht, aber ich könnte jetzt gar nicht nachweisen, ob der jetzt recht hat oder die jetzt recht hat in der Sache und heute ist halt so,

[01:07:01] ich kann einfach hingehen, ich nehme, mein Kumpel klaut und ich mache es mal eben. Also ich kann dir ein Beispiel nennen, wie so zum Beispiel beim Data Recorder mit dem Synken und so weiter, da habe ich, da wurde mir immer gesagt, okay, das geht halt eben nicht und man hat halt diese und dann bin ich einfach hingegangen und habe durch diese Fragestellungen an die KI und diese Ideen, die ich da hatte, habe ich das hingebaut bekommen und dann kann ich hingehen vor die Leute und sagen, hey Leute, ihr habt doch gesagt, es geht nicht, guck mal, ich zeige es euch mal,

[01:07:31] es funktioniert. Dann ist es geil. Da kommt der Chef wieder mit seinem AI-Ergebnis. Ja und ich glaube, du kannst dir ja vorstellen, wie die Leute das Ding da so, shit, der kommt ja schon wieder mit seinem Laptop, hau mir bloß ab. Aber im Endeffekt, es ist schon was und die haben ja auch alle Lust, das Ganze hinzubekommen. Es ist halt oft so, dass man halt nicht auf die Idee kommt und plötzlich sieht man es und dann ist vielleicht gar nicht die Lösung, weil die finden ja trotzdem darin auch Herausforderungen, aber dann sagen sie, hey, aber dieser Ansatz ist gut, vielleicht kombiniere ich mit was anderem und plötzlich geht es wieder weiter. Also wirklich diesen Willen zu haben, Dinge umzusetzen

[01:08:01] und nicht loszulassen, ist das Entscheidende. Also viele denken ja immer und das ist glaube ich auch die Herausforderung mit dem gelernten Bookdenken, was Elon auch immer wieder aufgreift und sagt, ja man sollte nicht so viele Barrieren schaffen in sich und ich glaube, das ist auch der Vorteil, den ich oft habe, wie auch Nachteile. Aber im Endeffekt, dieses immer sagen, da gebe ich jetzt nicht auf, das akzeptiere ich nicht, dass es nicht geht. Es wird gehen, man muss bloß umdenken vielleicht. Woher kommt das bei dir? Ja, ich glaube,

[01:08:31] extreme Willensstärke. Also ich, und gleichzeitig, also ich kann es so oft gar nicht erklären. Also im Endeffekt ist es so, dass ich damals ja mich auch in alles reindecken musste, weil ich bin ja kein Ingenieur, dementsprechend, und ich wurde eingestellt als Ingenieur und studiert, du hast einen Hauptschulabschluss gemacht, deine Reife kam durch die Ausbildung, quasi bis du self-made, im Sinne von, dass du abends da saßt und die Videos angeschaut hast über Robotics und du dich selber beigebracht hast. Genau. Das ist genau der Weg, Werdegang von mir.

[01:09:01] Und ich musste einen Roboter entwickeln und habe noch nie einen Roboter selber gesehen oder gemacht. Also da bin ich hingegangen und habe natürlich alles Wissen rausgeholt, was ging. Zum Glück, also gab es damals schon halt Google und Google. Also das heißt, YouTube. aber es war sehr wahnsinnig. Also das heißt, wirklich, es gab eine Zeit lang, da kannte ich jedes einzelne YouTube-Video über Robotik, auf ganz YouTube. Von irgendeinem Nerd in den USA, der da aus seiner Garage was hochgeladen hat. Alle. Ich kannte alle. Es gibt kein einziges Video. Wirklich, in dieser Zeit,

[01:09:29] wo ich mich dafür interessiert habe, so richtig sozusagen und interessieren musste, weil ich ja der Beste sein wollte in dem, was ich tue. Und ich wollte vor allem die Familie nicht enttäuschen, dass sie jetzt einen Fehler gemacht haben, jemand einzustellen, der nicht studiert war oder was auch immer. Das war ja schon für mich so ein Ding, das war eine Chance meines Lebens. Und ich habe da wirklich Tag und Nacht und kann schon mal eine Frau fragen. Es gibt, glaube ich, keinen Moment, wo ich nicht da saß und Videos angeschaut habe über Roboter. Und meistens schon das dritte Mal und vierte Mal. Und ich habe alle angeschaut und habe überlegt, was der gut kann, was der gut kann.

[01:09:59] Und wenn man alles kennt, dann hat man so ein State of the Art im Kopf. Interessant, weil du vorhin gesagt hast, so schwimmen kannst du nicht lernen durch angucken. Aber in dem Fall hast du robotics gelernt durch Videos. Aber Umsatz ist ja was anderes wie einfach nur sich das vorstellen zu können, wie man schwimmt. Und dann bist du in die Garage und hast angefangen zu bauen. Ja, angefangen zu bauen. Und da habe ich angefangen und dann hat ja nicht alles gleich funktioniert. Also ich habe viele auch peinliche Ansätze gehabt, wahrscheinlich. Also wenn ich so dran erinnere. Aber es war deutlich schneller wie alle anderen. Ich war deutlich schneller sozusagen am Anpassen, weil ich dann ja schon wieder

[01:10:28] einen anderen Weg gefunden habe, weil ich ja alles gesehen hatte. Und das hat mich damals schon und ist auch nach wie vor so, ich interessiere mich wirklich für die Dinge, die ich tue. Also das heißt, jetzt zum Beispiel die letzten acht Wochen war ich ausschließlich im Unternehmen. Also ich habe sozusagen alles Externe abgesagt, was ging. Also das waren echt viele Termine, die, weil es einfach zu viel war. Also ich war nur noch unterwegs, nur noch auf Bühnen, nur noch in irgendwelchen Interviews, in irgendwelchen Dingen, wo ich sage, okay gut, Außenminister-Modus. Ja genau. Und jetzt habe ich gesagt, jetzt bin ich mal wirklich Innenminister wieder

[01:10:58] und ich kümmere mich wieder um den Fortschritt so im Unternehmen. Und weil ich vor allem auch in der New Religions viel gesehen habe, wo ich sage, boah, da müssen wir besser werden. Warum ist das so? Und diese acht Wochen, die haben so viel verändert. Also auch im Unternehmen, aber auch in mir, so dieses einfach wieder überall dabei zu sein, Dinge zu durchdenken, die richtigen Fragen zu stellen, da erkennt man erst, boah, shit, da ist noch so viel Arbeit, aber gleichzeitig, wow, das sind so viele Dinge,

[01:11:28] da ist so viel Potenzial drin. Und also das waren, das waren glaube ich, wieder die schönsten acht Wochen von einem großen Part meines Lebens. Und im Endeffekt, wo ich einfach nur noch entwickelt hatte, natürlich frustrierend oft, natürlich viele Dinge, wo man wirklich Kopf an Kopf die Dinge versucht zu lösen. Aber im Endeffekt erfüllend, weil man sagt, hey, es gibt Fortschritt, es gibt Dinge, Veränderung, es gibt etwas und also ich genieße es. Jetzt bin ich wieder ein paar Wochen unterwegs. Switchst du? Switch mit diesem Modi? Ja,

[01:11:58] weil im Endeffekt braucht man beides. Wie entscheidest du, was du gerade machst? Also im Endeffekt ist es so, ich brauche halt dieses Peace of Mind. Das heißt, wenn ich weiß, dass bei mir gerade im Laden sozusagen die Welt so gerade untergeht in ein paar Dingen, wo ich sage, Fortschritt nicht da ist, Dinge zu lang sind, was auch immer, da kann ich auch nicht draußen sein und sagen, wow, hey, wir sind das schnellste, innovativste Geistladen der Welt. Das heißt, dann fehlt ja auch die Authentizität und alles. Das merkt man, finde ich.

[01:12:27] Und im Endeffekt ist es so für mich, dass ich das gesehen habe, während Duodaligians und so, habe ich so einiges gesagt, wow, das muss besser sein. Das kann nicht sein. Wenn wir die Hoffnung Deutschlands, Europas sind und sein wollen, dann müssen wir das besser tun. Also dann kann das nicht sein. Dann bin ich sozusagen dann selber auch unglücklich mit mir. Also will ich dann auch gar nicht auf der Bühne stehen und was Tolles erzählen. Also gehe ich zurück und baue mir das wieder, also mit meinem Team so aus, dass ich sage, jetzt weiß ich,

[01:12:57] also jetzt bin ich wieder dort, wo ich sage, okay, ey, es geht, es wird sowieso eintreffen, es ist bloß. Wir haben da vielleicht einen kleinen Umweg gefahren, dort haben wir was auch immer, aber wir kriegen das hin und damit kann ich dann wieder so ein bisschen, aber jetzt muss ich ja gucken, wie ich das in Cycles bekomme, dass ich sage, bevor die Dinge dorthin laufen, wo man sagt, okay, wow, jetzt wird es wieder schwierig, daran zu glauben, sondern ich muss durchgehend reagieren, durchgehend immer wieder im Unternehmen agieren sozusagen sagen,

[01:13:27] und vor allem, ich habe auch das Gute halt daran, in dieser Zeit, wo ich jetzt drin war, sehe ich halt auch, was für ein verdammt gutes Management ich habe, wie die Leute, nicht alles läuft dann so, wie wenn ich da bin, aber es ist schon sehr viel so gut, dass ich denke, boah, ich habe gute Leute um mich herum und das gibt mir schon auch Peace of Mind. Wie schafft man so einen Zusammenhalt, dass jemand, das hat jemand gesagt, um dich herum hat gesagt, David, ich kriege das hin, da ist ein Zusammenhalt, da arbeiten Leute aus 45 Nationen, glaube ich, bei dir, ein anderer Kumpel von mir aus Stuttgart hat gesagt, das ist interessant,

[01:13:57] da gehst du abends durch, wenn da eine Abendveranstaltung ist, da brennt in den normalen Büros noch das Licht. Also bei uns arbeiten die Leute Tag und Nacht und haben wirklich, also die haben Purpose, also keinen gehe ich hin und bitte länger zu arbeiten, so. Natürlich gibt es mal, wenn ich mal sehe, dass wir Herausforderungen haben und die Leute natürlich das auf die leichte Schulter nehmen, dann werde ich schon mal auch natürlich Menschen zurechtweisen und Gibt es die unangenehme Version von dir? ja, die gibt es, glaube ich,

[01:14:26] viel zu oft vielleicht. Also im Endeffekt, aber dann, ich glaube, eingangs im Gespräch, also ganz kurz hier vorhin, habe ich doch gesagt, es ist so, man bringt sehr, sehr viele Opfer, um so ein Unternehmen dorthin zu bringen, wo wir es heute haben und dorthin zu bringen, wo wir es hinhaben wollen, sozusagen den größten Wirtschaftspfeiler zu bauen, was auch immer. Das braucht unglaublich viele Opfer und im Endeffekt, sage ich halt immer auch zu meinem Team, die Herausforderung, die ich habe, ich habe so viele Opfer bereits gebracht,

[01:14:57] dass es für mich gar keinen Ausweg mehr gibt. Ich muss, ich muss das Ganze zu einem Erfolg führen und dorthin führen, wie wir es schon immer gesagt haben, weil dann wird es auch irgendwann mal zu dem Punkt kommen, dass die, die ich vernachlässigt habe, die Menschen, meine Familie, meine Kinder, meine Frau, meine Eltern, dass die dann einfach sagen, hey, das hat sich rentiert, das hat den Purpose gebracht, über den schon immer gesprochen wurde in unserem Leben. Und im Endeffekt,

[01:15:26] und das werfe ich schon auch meinem Team manchmal vor, sage ich, Leute, weißt du, wenn wir jetzt sozusagen aufgeben, hat es uns nichts gebracht. Dann war all diese Opfer, die wir gebracht haben, für nichts. Und wir haben so viele gebracht. Wir haben so viele Nächte nicht geschlafen. Wir haben so viele gesundheitliche Opfer und das selber. Das heißt, so viele Dinge, unsere Familien, unsere, also wir müssen es schaffen. Es gibt gar keine andere Wahl. Und das sehen halt auch mein Team genauso. Also dementsprechend ist eine intrinsische Motivität, in jedem dieser, nicht in allen,

[01:15:56] aber in den meisten meiner Partner, so im Unternehmen, so die ganzen Manager, das ist He-Level, die halt wirklich an die Sache glauben. Und wir reden da kaum über, was wird der Roboter und der soll das und das, sondern es geht darum halt wirklich, wie kriegen wir Deutschland vorangetrieben? Wie kriegen wir Europa wieder sozusagen, wie kriegen wir das Ganze stabilisiert? Wir haben keine andere, wenn jemand eine andere Lösung hat, dann hören wir doch auf. Hat keiner. Also da machen wir weiter, oder? Machen wir noch schneller, geben wir noch mehr Gas.

[01:16:25] Also im Endeffekt geht es uns schon sehr darum. Und von außen sieht es oft an wie so eine Marketingshow. Aber ich glaube, wenn man bei uns eine Zeit verbracht hat, weiß man, shit, das ist real. und man sieht, man hat das Potenzial, aber gleichzeitig, man sieht auch, verdammt, es braucht so viel Arbeit und ich bin mir nicht sicher, ob ich so viele Opfer bringen will. Also das ist ja die, und viele kommen auch her und sagen, hey, ich will mit euch die Welt verändern. Ich will, ich will auf jeden Fall lieber auf der Seite von David sein wie vom Goliath jetzt und will das ganze Ding in,

[01:16:56] aber dann denke ich oft, so, du weißt gar nicht, von was du gerade redest. Klingt erstmal gut, wenn ich von einer 35 Stunden Woche vom Dahlner komme und dann ruhigen Job hatte. und dann denkst du, fuck, wir müssen ja wirklich noch so viel tun. und das ist so kräftezehrend, das ist, man braucht es andauernd und das sage ich, das geht nicht ohne Purpose und das ist eigentlich auch das, was ich immer wieder auch sage, das Einzige, was unserem Land fehlt, ist real Purpose. Wohin gehen wir? Eine Zielsetzung. Was wollen wir damit erreichen?

[01:17:26] Es geht nicht nur um Geld, es geht darum, dass wir überhaupt die sozialen Systeme, das Sozialsystem, was wir haben, sozusagen hier erhalten können. Und dazu muss man den Leuten vielleicht erstmal sagen, was es überhaupt bedeutet, weil ich habe es ja erst erkannt, indem ich es in San Francisco gelebt habe. Also dass ich gesagt habe, ich war vorhin, vorher war ich wirklich ein Mensch, der immer gesagt hat, zu meinen Eltern auch, hey, ich wandere irgendwo mal aus. Ich gehe mal, ich will in der USA leben, ich will was auch immer. Und dann haben sie mir tatsächlich

[01:17:55] auch nach der Ausbildung haben sie gesagt, hey, mach jetzt mal was Soziales, bevor du in deinem Berufsleben einsteigst. Gehe irgendwo nach Afrika oder weiß ich wohin und verbringe ein bisschen Zeit dort und mach was für andere, bevor du wieder, meine Eltern sind auch sehr gläubige Menschen, die sehr, ich sage mal, schon sehr wertegetrieben sind. Und dann war es schon so, dass sie gesagt haben, hey, mach doch mal was für andere. Und da habe ich natürlich gedacht, das verbinde ich mit meinem eigenen Wunsch. Ich gehe in die USA, nach San Francisco und arbeite dort. Und dort war ich auf den Straßen von San Francisco und habe 2009

[01:18:25] nach dem Lehman Brothers oder Crisis sozusagen auf den Straßen Menschen aufgesammelt und die dann wieder aufgebaut und so weiter. Obdachlose. Ja, Obdachlose. Und da ist mir eins aufgefallen und das ist ja genau das, was ich glaube, was unserem ganzen Land extrem fehlt. Die wissen gar nicht, was wir haben, solange bis sie es mal verloren haben. Und das Traurige an der Sache ist, dass es so schlimm ist, zu verlieren und es wieder herzustellen, wird nahezu unmöglich sein. Und das ist das, was ich dort entdeckt habe, dieses Sozialsystem nicht zu haben. Das heißt, zum Arzt zu gehen,

[01:18:56] ohne dass man danach hoch verschuldet ist. Wir haben uns über die 10 Euro aufgeregt. Praxisgebühr, stimmt. Wir haben uns über die Studiengebühren aufgeregt, die 500 Euro pro Semester. Die müssen da 50 da außen hinlegen. Also im Endeffekt, dieses Ganze und dann über mal eben einen Job verlieren heißt ja nicht, du bist auf der Straße und du hungerst. Sondern du verlierst hier einen Job und du bist aufgefangen. Und dieses Peace of Mind,

[01:19:26] auch wenn du es nicht nutzt, dieses Peace of Mind zu haben, sollte eigentlich ein Enabler für alles sein. Das sollte eigentlich uns fliegen lassen und gewissen Stolz haben lassen auf unser Land. Und gleichzeitig auf das System, was wir geschaffen haben, ohne uns darüber aufzuregen und dafür zu schaffen. Woher kommt es? Aus unseren Steuernabgaben, aus unseren Sozialabgaben, über die wir auch dauernd meckern. Aber im Endeffekt gibt es uns Peace of Mind. Und als ich das gesehen habe, nach zwei Jahren San Francisco, habe ich dann einfach nur gedacht, boah fuck, ich gehe wieder zurück.

[01:19:55] Ich will eigentlich wieder dort leben, wo die Sicherheit gibt. Einfach dieses Peace of Mind. Und gleichzeitig irgendwann mal, als ich dann in der Lage war, darüber überhaupt diese Vision in mir auszuarbeiten, habe ich dann gesagt, jetzt will ich auch der Contributor sein, der es vielleicht mal schafft, sozusagen unserem Land wirklich einen Beitrag zu leisten, wo ich sage, wenn du Steuern zahlst, dann geht es dir eh gut. Dementsprechend habe ich gesagt, ich will der größte Steuerzahler Deutschlands werden. Mittlerweile haben wir gesagt, wir wachsen in der Vision,

[01:20:25] wir wollen Europas größter Steuerzahler werden. Wer ist das gerade? Wie viel musst du da zahlen? Also, das habe ich auch immer wieder geschaut. Da gab es mal Volkswagen, also in Deutschland. Es wechselt sich so ein bisschen, aber ich weiß, dass sie es jetzt nicht mehr sind. Weil, wenn man jetzt schaut, einfach nur die nächsten Jahren weiß man, wer, also unser ganzes Land, also ich will jetzt keine Prozentzahl nehmen, weil die variiert und mir wurde mehrfach was anderes gesagt und wenn ich daran recherchiere,

[01:20:54] dann kommt immer wieder was anderes raus. Also, aber ein sehr großer Prozentsatz unserer Steuereinnahmen Deutschlands sind tatsächlich auf Automotive ausgelegt und ist sozusagen der größte Wirtschaftspfeil, den wir haben. Und ich glaube, hier finde ich es so verrückt, dass trotzdem viele Menschen gibt, die naiv sind und sagen, jetzt müssen wir, also lieber, jetzt bauen wir keine Stellen ab. Warum sollten wir? Weil im Endeffekt und wir in eigenen sozusagen das Unternehmen eigentlich das Richtige zu tun, um zu überleben.

[01:21:24] Ohne darüber nachzudenken, zu sagen, hey, wenn die es überlegen und weiter Profite fahren, dann können wir wenigstens das System leisten, dass die, die keinen Job haben, nicht auf der Straße leben müssen. Wenn wir den aber in den Tod treiben, dann gibt es diese Sicherheit nicht mehr. Dann gibt es gar nichts. dafür. Das heißt, und ich glaube, das muss den Menschen mal verständlich gemacht werden. Es geht deutlich mehr, wenn man sagt zum Beispiel zu automatisieren, dann reden Leute darüber, dass man Arbeitsplätze wegnehmt.

[01:21:54] aber dafür können dann diese Unternehmen, die automatisieren, vielleicht wertschöpfender sein, wiederführend werden weltweit. Und damit könnte überhaupt das System am Leben bleiben, dass wieder weitere Unternehmen entstehen können. Das Ganze, also, das fehlt mir so ein bisschen und ich glaube, das muss besser kommuniziert werden und gleichzeitig und Erwähren es geschöpfen werden und gleichzeitig natürlich im Plan, wie wir aus dieser Situation, aus der Defense sozusagen rauskommen und wieder Offense denken. Ja, und ich meine, es liegt auch ein Stück weit daran, so wir sind beide in Süddeutschen aufgewachsen, du warst in Rottweiler, ich war in Lehrwerk, so ein heile Welt.

[01:22:23] Also, warum war da heile Welt? Weil es die Automotive-Konzerne gab, so, da gibt es Porsche, da gibt es Seimler, da gibt es Bosch, da gibt es die ganzen Mittelstände, da gibt es irgendwie Trumpf, da gibt es Kirche, da gibt es Festo, also so diese ganzen Namen, die die Arbeitsplätze geschaffen haben, die dafür gesorgt haben, dass es uns gut geht und irgendwie hat man sich auch daran gewöhnt, dass es so ist und an viele von denen muss man gerade Fragezeichen dran machen. Ja, richtig. Das ist ja heftig, oder? Und ich sag mal, ich will sie ja nicht totreden, aber im Endeffekt, der einzige Weg, denen zu helfen, ist wieder effizienter zu werden, weil das ist ja genau da, wo wir hapern,

[01:22:53] nicht an der technologischen Fortschritt, nicht an dem, dass wir schlechtere Autos bauen, sondern wir sind nicht effizient genug. Das heißt, die Autos sind zu teuer, wir kriegen sie nicht mehr in den Markt getragen und dazu gibt es ja Abhören. Bei ja gerade diesen Vergleich von VW, was produzieren die in China, wie sind die Kosten in Europa. Super. Und dazu könnte ja der Staat jetzt einfach mal sagen, hey, ich tue denen nicht nur Geld geben, denen helfen, sondern ich gehe hin und subventioniere das, was die gerade als Herausforderung haben. Ich subventioniere zum Beispiel, dass sie intelligente Maschinen einsetzen,

[01:23:22] um effizienter zu werden oder Physically AI sozusagen als Standard und das subventioniere ich. Also nicht, dass es uns das Geld gibt, wir brauchen es nicht, wir kriegen die von Investoren und von anderen, weil wir natürlich auf einem 100-Year-Trend sitzen, der jetzt gerade beginnt und wir vorne mit dabei sind. Also, aber die Unternehmen, die jetzt gerade am Unter, die Steuern zahlen und eigentlich das ganze System hier am Leben halten, den sollten wir noch unterstützen. Die sollten wir noch nicht einfach fallen lassen und sagen, ich bin selber schuld. Ich meine, wir haben sie auch dahingetrieben mit all den Regularien, die wir aufgesetzt haben

[01:23:52] und auch natürlich hat die Automotive das stark nachgeholfen und deswegen haben wir uns irgendwo mal selber da ein Ei gelegt. Aber im Endeffekt, das hat uns ja in die Situation gebracht, in der wir heute sind. Also müssen wir jetzt aber denken, okay, nicht einfach abschreiben und sagen, sondern wir müssen ja trotzdem darüber nachdenken, davon leben wir. Also müssten wir jetzt vielleicht sagen, wie helfen wir denen, ohne einfach nur Geld reinzulegen, weil sie sind auch Manager getriebene Unternehmen. Das heißt, die sind, das heißt nicht, dass die immer langfristig denken, sondern oft,

[01:24:21] natürlich in deren Amtszeit sozusagen, die richtige Entscheidung zu tun, so wie Politik. Aber im Endeffekt, man könnte sozusagen hier mit richtig guten Entscheidungen sagen, okay, jetzt setzt ihr halt ab jetzt zum Beispiel intelligente Roboter ein, das subventionieren wir. Ihr kriegt, so wie es der Staat in China zum Beispiel macht, bloß sehr gezielt auf die Dinge, die wirklich entscheidend für die Zukunft sind. Denkst du, das wäre eine beliebte Policy? Also ich meine, du kriegst ja wahrscheinlich auch diesen Gegenwind, so AI super unbeliebt, Leute demonstrieren gegen Datacenters in den USA, so das ist also, diese Perception ist ja, ist ja sehr...

[01:24:51] Du kannst dann Anforderungen stellen. Also du kannst als Staat ja nicht Anforderungen stellen, du darfst niemanden entlassen, du hast kein Ding, was sollen sie machen? Sterben? Also im Endeffekt, das Einzige, was du darfst, ist sterben. Das ist so ein bisschen unsere Meinung hier in Deutschland. Es ist aber nicht der Fall. Wir müssen schon darüber nachdenken. Wenn wir sagen, hey, du hast Restriktionen, du kannst die Leute nicht loswerden, weil sie sonst auf der Straße, weil sie im Sozialstaat sind und so weiter, muss ich ja trotzdem sagen, aber ich habe einen Plan für dich. Welcher ist es? Also im Endeffekt, ja, du entlässt jetzt keine Leute, aber dafür, so funktionieren wir dich

[01:25:20] voll in der Automatisierung. Du denkst nur noch darüber nach, wenn du jetzt die nächsten sieben Jahre, ich sage mal fünf Jahre voraus, so viele Leute kannst du gar nicht entlassen, wie dort einfach in die Rente gehen. Also und so viele Maschinen kriegst du auch gar nicht mehr her. Das heißt, wenn du einfach nur denen das, die Werkzeuge in die Hand gibst und dann sagst, dafür werde ich irgendwann mal, wenn die Roboter anfangen, Menschen zu ersetzen, eine Sozialabgabe auf die Roboter einfordern,

[01:25:49] dann kannst du es. Das ist eine Policy. Du sagst wie eine Einkommenssteuer, gibt es irgendwann eine Robosteuer. Du sagst für diese Arbeit, die da verrichtet wird. Ich würde sagen, nicht mal Steuern, sondern Sozialabgaben, weil du sagst, die sind nur dafür da, das Sozialsystem am Leben zu halten. Und dann macht das Ganze wieder Sinn, weil du dann sagst, okay, also dann machst du es ja wieder zum Freund auch. Das heißt, die Herausforderung ist ja jetzt, dass wir nur Forderungen haben, aber keine, also es wäre doch sinnvoll zu sagen, ja hier, ihr macht es ja und kleingedruckt steht irgendwo in diesem Subventionsvertrag, wenn es denn soweit ist,

[01:26:19] dann fordern wir das ein. Weil dann kannst du sagen, ich habe dir gegeben, ich habe dir geholfen in deiner schwierigen Zeit, jetzt ist deine Zeit, dafür zu sorgen, dass du wieder gibst. Also im Endeffekt, also nicht nur nehmen, sondern auch, also und ich glaube, wenn man das richtig gut hinbekommt, also es gibt so viele Wege, Deutschland attraktiver zu machen und gleichzeitig auch hier wieder das Wirtschaften wieder attraktiver zu machen, die Startups zu fördern, die, ich sag mal, es sind so viele kleine, kleine Dinge, die man ändern könnte und helfen könnte, die einen riesen Impact haben

[01:26:48] und da macht es mich halt manchmal fertig, dass es nicht passiert. Dass man einfach nur Ausreden hat und Idee, also alle verteufelt oder was auch immer, die ganzen Unternehmer verteufelt, weiß ich was, um da irgendwie selber noch gut dazustehen, anstatt, dass man einfach sagt, okay, ich habe eine richtige Lösung. Aber das ist jetzt, jetzt sind wir am Meckern, das mag ich eigentlich nicht. Aber was glaubst du andersrum? Wie sieht die Arbeitswelt in 20, sagen wir 2040 aus? Sagen wir 2041, dann sind es 15 Jahre ab, jetzt, AI ist jetzt schon dabei, die Bürojobs, kannst du sagen,

[01:27:18] entweder zu erleichtern oder auch ein Stück weit weg zu automatisieren. Also das Letzte ist die physische Arbeit, sagst du gut. Leute sagen ja heute, dann werde lieber Klimatechniker oder so was oder Elektriker, dann ist dein Job wahrscheinlich sicherer als wenn du Steuerberater oder Anwalt wirst und man sagt, okay, ist ja interessant. Das ist eine unglaublich gute Frage, dementsprechend. Also, ich sage mal so, ich kann es gar nicht so genau beantworten, weil ich ehrlich gesagt gar nicht weiß. Also, deswegen ist für mich viel entscheidender zu sagen, wir tun die Verantwortung

[01:27:48] so ein bisschen spreaden. Das heißt, wir verteilen diese Verantwortung. Also, das ist genau dieses Vorhaben, was ich habe mit, dass du Skills bei den Unternehmen lässt, das Dismonetarisieren sozusagen über Skill-Austausch herst und so weiter, weil du dann plötzlich genau das tust, was du sagst. Am Ende wird es nicht nur einen Tropic, Open AI und Neura geben, sondern es gibt natürlich dann einen Neura, was aber, sage ich mal, die Wertschöpfung darüber bringt, dass viele zwischendurch traden und es gibt wenigstens viele, die Profite einfahren, weil du dann sagen kannst,

[01:28:16] die sollen darüber nachdenken, weil dann hast du dir die Herausforderung natürlich, oder ich sage mal, diese Verantwortung natürlich auch viel mehr Köpfe verteilt und das führt meistens zum Gut. Das ist der Gedanke der Demokratie. Also, das heißt, auf mehr Köpfe zu verteilen und darüber sozusagen Entscheidungen zu treffen und damit entscheidet, normalerweise sind die Entscheidungen dann bei Gut und nicht, deswegen einmal das eine. Zweitens, mal dazu zu sagen, dass wir es uns heute halt gar nicht vorstellen können, weil wir nur mal Menschen sind. Wir können nicht in die Zukunft schauen,

[01:28:46] wir können Dinge nicht vorstellen, wir können nicht alles, mit was wir uns hauptsächlich befassen, vielleicht mit Klima, mit was ich weiß, aber ich kann eins sagen, vor 200, 300 Jahren saßen wir alle auf dem Feld und haben geackert. Und glaub mir, wenn du da den Leuten erzählt hättest, ihr braucht alle gar nicht mehr ackern auf dem Feld, dann hätten sie gesagt, spinnst du? Was machen wir alle? Dann sind wir alle tot. Heute, ohne dem Traktor, wären wir einmal niemals so viele Menschen auf diesem Planeten. Zweitens, wir hätten,

[01:29:16] glaube ich, also es gibt also Studien, also wir hätten, also der Hunger, wir haben Hunger auf dieser Erde, wir hätten sozusagen 4x von diesem Hunger, also viel mehr Hunger auf dieser Welt, sozusagen, und wir könnten dieses Ganze gar nicht am Leben halten. Dementsprechend, aber es wurde sozusagen über viele, es haben sich Leute was einfallen lassen, es kam ins Internet, da hat jeder gedacht, boah, die ganzen Stores gehen kaputt. Es wurden deutlich mehr Arbeitsplätze, leichtere, bessere Arbeitsplätze geschaffen.

[01:29:46] Man hat, also es sind so viele Dinge und daran glaube ich, an die Menschheit, an das Menschheit sozusagen die richtigen Entscheidungen trifft, das Richtige zu tun im richtigen Zeitpunkt und dann kommen wieder Dinge hervor, mit was wir uns halt befassen, was vielleicht anders aussieht wie heute, aber es funktioniert und das kann ich nur sagen, indem ich dafür sorge, dass viel mehr Verantwortung, dass die Verantwortung verteilt wird und das ist mein Gedanke dahinter, aber ja, es gibt Dystopien, es gibt Utopien, die ich mir vorstellen kann, aber im Endeffekt

[01:30:16] glaube ich ans Gute, wenn es verteilt wird. Ja, ich glaube die Leute sehen natürlich erstmal, sehen die, diese ganzen Sachen aus der Brille der Angst ein Stück weit, weil du sagst, okay, jetzt gab es erstmal AI und es kommt da, mein Job ist weg und aus der persönlichen Perspektive ist es ja oft die, die Identifikation, auch aus der steuerlichen Perspektive, so ein Großteil ist Einkommenssteuer und Mehrwertsteuer, das eine hängt am Job, das andere am Konsum, dann kann man sagen, gut, passt das denn noch alles zusammen, aber ich, das ist ja das unglaublich Verrückte an der Welt,

[01:30:46] also deswegen, das macht mich auch zu einem gläubigen Menschen, es gibt jemanden, der es orchestriert und am Ende läuft es gut und das ist ja genau das, also das ist das Tolle am gläubig sein, so ein gläubiger Mensch zu sein, also ich, ich sehe einfach, wie die Welt eigentlich schon immer ausgesehen hat und egal wie, was sich Leute so eingebildet haben, vorgestellt haben, von was sie gesprochen haben, am Ende wurde es doch immer irgendwie gut und daran glaube ich und ich glaube, das ist das und natürlich ist es aber trotzdem

[01:31:15] meine Verantwortung und es wird in der Zukunft noch viel mehr der Fall sein, als Entrepreneur dafür zu sorgen, nicht nur Dinge zu tun, die möglich sind, sondern im richtigen Moment die Dinge zu tun, vielleicht nicht zu tun, die möglich sind, sondern nur die, die gebraucht werden und ich glaube, das ist die unglaubliche Komplexität in der Welt heute, man sieht es gerade, also ich, also ich habe einen dystopischen Gedanken vor dem ich mir Sorgen mache und und und da

[01:31:45] da denke ich schon manchmal nach, das darf nicht passieren, wenn das passiert, dann ist das alles schlecht, aber es geht vor allem darum, dass die Technologien, die wir erschaffen, nur einen Nutzen haben und der heißt, Menschen zu dienen und zu dienen als Werkzeug zu dienen, also im Endeffekt und nicht andersrum, also das ist ja das Verrückte und und wir neigen aber dazu, Dinge zu tun, die einfach nur möglich sind und das macht mir Sorgen, also ich glaube, in der Zukunft gibt es eine dystopie,

[01:32:15] also ein Szenario, was ich sage, was was absolut falsch wäre, ist, diese Technologien mit den Menschen zu verbinden und und ich habe einen ganz klaren Gedanken, weil ich weiß, es funktioniert und ich weiß, es wird möglich sein und technisch würde es funktionieren und das ist sozusagen einfach ein Brain Interface. Er kann natürlich zu guten Dingen führen, wenn man ich sag mal Limitationen hat, aber wir werden sehr schnell sehen, dass es auch zu

[01:32:45] extremen also extremen Nachteilen führen kann und ich habe mir die Dinge schon hunderttausend Mal durchdacht, dementsprechend weiß ich, weil für mich, dass es nichts Gutes für die Menschheit bedeutet eigentlich, dass man sagt, KI mit der menschlichen Seele zu verbinden und das ist eigentlich das, was für mich sozusagen ein No-Go ist, wo ich sage, hey, das ist dann wieder der Schritt, wo wir sagen, es ist nicht nur ein Tool, sondern es ist dann wieder etwas, was vielleicht auch das Heiligste, was der Mensch hat,

[01:33:14] nehmen kann und das ist sozusagen der freie Wille und im Endeffekt das Wichtigste in den Menschen ist da wirklich der freie Wille, sich für Dinge zu entscheiden, ich sag mal, der wird vielleicht beeinträchtigt über Manipulation, über was auch immer, aber es ist trotzdem so, dass man irgendwie dann eine freie Entscheidung hat und ich glaube, wenn man das Ganze mit dem Menschen verbindet, es dafür sorgen kann, dass es irgendwann mal ausgenutzt wird. Wie geht es bei euch weiter? 1,4 Milliarden gerade geraced? Von der DDR hast du erzählt. Wie war das, so eine Finanzierungsrunde zu machen?

[01:33:44] Das ist wahrscheinlich die größte Finanzierungsrunde Deutschlands. Mir fällt keiner an, die größere ist. Ich habe letzte Woche rekordet mit Flo Seibel von Quantum Systems mit 1,2 Milliarden geraced. Das ist das höchste der Gefühle, jetzt bist du hier mit 1,4 bis zu 1,4 entstand im Impress Release. Was bedeutet bis zu und wie ist es, so eine Runde zu machen? Also einmal, ich sage mal, so eine Runde zu machen ist etwas Besonderes. Also wir wollten die Runde gar nicht so groß machen am Anfang. Also es war ein ganz andere, also wir haben eine andere Meilensteil gesetzt für uns, sage ich mal, und die ist dann

[01:34:14] irgendwo mal dahin gekommen. Das ist mal eins. Das Zweite, was war da, also das große Ziel für uns. Wir wollten nicht einfach nur viel Geld einsammeln, sondern wir wollten damit auch gewisse Partnerschaften etablieren und sagen, hey, bring noch ein bisschen Scan in the Game. Und wir kamen natürlich auch in dieser Situation, in die Situation, weil wir gesagt haben, wir müssen jetzt auch Deutschland zeigen, dass es aus Deutschland raus geht.

[01:34:43] Und woran es meistens gehapert, vor allem Serie C, D am Kapital, solche großen Technologien. Sehr klassisch, eine Pre-Ceed-Seed-Series-A-Runde kriegst du in Deutschland noch hin, gibt es genug Investoren, so dass jemand wie HV bei dir im Cap-Table oder so, die machen sowas, aber wenn es darum geht, Hunderte von Millionen oder gar jetzt in deinem Fall über eine Milliarde zu machen, da ist in Deutschland dünne Luft. Genau. Für uns ging es darum, einmal das Ganze aufzuzeigen, gleichzeitig nicht bald wieder racen zu gehen, weil wir wussten, das wird wahrscheinlich dann schon dazu kommen, weil wenn die Amerikaner

[01:35:13] alle jetzt plötzlich, da hat halt Figa eine Milliarde geraced und da haben halt andere jetzt auch, ich sag mal, größere Summen geraced, dass wir gesagt haben, hey, wir müssen jetzt diesen Schritt machen und wir müssen all in gehen und Vollgas gehen. Also was ich damit meine, zum Beispiel solche Gyms überall weltweit zu bauen, das sind costly. Ich meine damit auch die Skalierung der Produktion hinzustellen, ohne dass die Produkte jetzt, sag ich mal, schon in dieser Masse fertigbar sind. Also es sind Dinge, die ja abnormal sind und vor allem um Geschwindigkeit geht

[01:35:43] und das war das Ziel. Dann haben wir natürlich angefangen, wer sind die Investoren, die dazu in Frage kommen und das war auch komplex. Also natürlich will man souverän bleiben, europäisch bleiben, weil wir sind nun mal bis dahin, glaube ich, 90 Prozent europäisch gewesen. Was auch faszinierend ist in so einer Stage, muss man auch sagen. Ja, muss man auch sagen, ja. Also im Endeffekt, ich sag mal, die 120 Mio Runde, die davor dafür gesorgt hat, also die waren ja auch europäisch, aber im Endeffekt, wenn man jetzt schaut,

[01:36:12] die haben wir in dreieinhalb Wochen geraced. Also deswegen, die 120 Mio Runde, die waren, das war Wahnsinn. Also wir haben, wir haben, die waren sofort overscribed, wir haben, dann waren wir ganz kurz mal komplette Runde gecrasht und dann wieder hochgekommen. Also das alles sind, was passiert ist? Also das ist der Verrückte mit Investoren, die sind ja meistens so FOMO getrieben. Das heißt, wenn der eine investiert, wer ist dabei, wer, und das geht eigentlich nur darum. Und es waren ein paar tolle Namen dabei, also geht jeder drauf. Wenn dann plötzlich, also in diesem Fall war es so,

[01:36:41] dass wir die 120 waren fix, die Größenordnung, die durfte auch nicht größer werden. Also der Lead Investor hat gesagt, ne, das ist die, der Mount, den wir einfahren und das war es. Also auch immer ein gutes Verlangen alle rein. Ja. Dann waren wir mit, in diesem Moment, sagen wir mal über 160, recht schnell und wir haben angefangen, das natürlich auch zu nutzen. Und dann ist es aber so, dass wir ja dann anfangen, schon ein bisschen rauszureduzieren und dann halt kam es am Ende auch noch dazu, dass viele Investoren, die sagen mal eben, wenn es darum geht, Non-Binding,

[01:37:13] dann gehen sie mal mit Riesenzahlen rein und am Ende, ja okay, sind doch, sind doch nur. Und das waren Dinge, die haben uns ganz kurz ferscht gekillt. Also im Endeffekt war es wirklich so. Commitments, die reduziert wurden? Oder welche, die ganz aus dem Prozess vor sind? Commitments, die reduziert wurden. Wir haben aber schon jemand gesagt, ne sorry, du kannst nicht dabei sein in der Runde und dann plötzlich fällt dir die Kohle und dann sagt der eine, wenn das nicht, dann fällt dir das ganze Ding. Also das heißt, es war wirklich krass. Also das war ein Erlebnis von wirklich oversubscribed zu,

[01:37:43] ich glaube eine Woche vor dem Closing, das ganze Ding runtergecrashed auf vielleicht 40. Also deswegen, wir waren dann wieder dort und dann, und dann ging es halt los. Also der eine sagt, wenn der andere nicht mehr dabei ist, dann bin ich auch nicht. Der andere, und dann, und wenn der eine mitmacht, dann mache ich nicht mit und so hat es eigentlich angefangen. Und, und dann sind wir dann irgendwie, und am Ende musste ich dorthin kommen, dass ich natürlich, das darf ich mich nicht anmerken lassen, sondern ich muss dann trotzdem hart vor den Leuten stehen und sagen, hey, weil du musst weiterhin

[01:38:13] die Runde am Leben leiden. Also bin ich hingegangen und habe den Leuten gesagt, okay, hier, Punkt 2 Uhr an diesem Tag, wenn du deine Summe nicht committed hast und wenn sie unter diesem Betrag ist, bist du raus. So, und das war irgendwie so, dass wir wirklich am Ende kamen, die Commitments, aber die waren immer unter den Beträgen. So, es war wirklich verrückt und Alex und ich. Wo saßt du da an diesem Tag als diese Deadline, hast du fünf Minuten vor Deadline? Also ich sag mal so, an einem Tag, wo alles gekriegt, also ziemlich gecrasht ist, muss ich sagen. Da war es so, dass wir, dass ich mit dem Alex da saß,

[01:38:42] also der, also der ist bei mir im VP Strategy und der raced mit mir sozusagen die Runde. Der Alex saß mir da und wir wussten nicht mehr, was wir machen sollen. Also wir waren wirklich, wir haben die Nächste davor schon nicht geschlafen. Es war alles, alles extrem schnell und dann irgendwie saßen wir da und dann sagten wir, was machen wir jetzt? Und in dem Moment, wo wir uns fragen, was machen wir jetzt? Da weiß ich noch, da habe ich nur gesagt, okay gut, das ist jetzt wieder so ein Moment, von dem ich vorhin auch gerede mit der Orchestration.

[01:39:13] Ja, dann, dann war ich das, was ich, das Einzige, was ich jetzt kann, das ist eigentlich, da habe ich ein kurzes Gebet gesprochen. Und, da hilft doch nur noch der Glaube. Ja, dann bin ich hingegangen und ich habe wirklich, ich habe das, ich habe ein kurzes Gebet gesprochen und dann sind wir da raus, das hat mich irgendwie so ein bisschen beruhigt und, und dann war das auch der Fall. Also am nächsten Tag, wo es dann wirklich um die Wurscht ging, dann kommen die ganzen Namen rein, die, die, die schon eigentlich raus waren, kamen wieder zurück. Das war,

[01:39:42] war so weird alles. Ja, und dann schreiben wir halt eine Zahl nach dem anderen hin, wirklich bis zwölf Uhr. Dann haben wir gesagt, okay, Schlussstrich. Und dann ging es weiter. Und dann fängt der Alex an, alles zusammen zu zählen. Da kommen wir ganz genau auf 120 Millionen 500. Ach was. Ja. Und dann, wie geht das? Zähl nochmal nach. Und dann haben wir nochmal gezählt. Und dann hat er gleich übertragen. Dann haben wir gesagt, war geil. Und dann, und dann haben wir zugemacht und dann haben wir das Ding gemacht. Also im Endeffekt, das war die Runde. Und die,

[01:40:12] natürlich die jetzige finanzierungsrunde, da war es natürlich anders. Einmal, wir hatten mehr Zeit. Zweitens, wir haben eine ganz andere, eine ganz andere, Logik gefahren. Wir sind nicht hingegangen und haben sozusagen versucht, jeden Investor reinzuholen, sondern wir sind hingegangen und haben gesagt, wen gehört es dazu zu gewinnen? Was brauchen wir? Also im Endeffekt, wir müssen ja nicht einfach nur eine Runde raisen, damit wir geraced haben. Gleichzeitig, wir brauchen irgendwann mal wieder Geld, aber das ist jetzt nicht so urgent, wie es immer war, wenn wir geraced haben. Also gehen wir hin und sagen, wen brauchst du, um da reinzugehen?

[01:40:42] Also sind wir hingegangen und haben gesagt, wer sind unsere Partner? Wer sind die entscheidenden Partner? Wen brauchen wir noch als Partner, um zu gewinnen und so weiter? Und dann kam es irgendwann mal dazu, wie ich auch immer sage, von was hängt unser Gewinn ab? Sensorisierung. Deswegen bauen wir überhaupt Hardware, dass wir die richtigen Sensoren einbinden, dass überhaupt die richtigen Daten rauskommen, dass wir ein Gehirn dafür bauen können. Dann gibt es die Computingfrastruktur, Gehirn und Nervensystem. Und dann gibt es Cloud und Infrastructure sozusagen on top.

[01:41:11] So, und dann so sind wir hingegangen. Das heißt, Schaeffler, Bosch, Qualcomm. Also das sind Sensoren, gibt es natürlich ein paar. Dann gibt es den Bereich der Compute, Nvidia, Qualcomm, iMac. Dann gibt es den Cloud-Stack, Amazon. Nicht nur Cloud, jeder hat natürlich mehrere Rollen, aber in diesem Fall Amazon und dann natürlich dann Tether. Wie kam das zustande?

[01:41:41] Tether. Und Tether muss man sagen, ich meine, die Compute kenne ich aus dem Krypto-Umfeld, so sind Stablecoin-Provider. Das ist der größte Stablecoin-Provider der Welt. Das Geschäftsmodell von denen ist, du steckst einen Dollar oder einen Euro da rein, kriegst einen Stablecoin zurück. Die haben, ich glaube, 120 Milliarden Einlagen oder so, die stecken sie in Staatsanleihen und am Ende ist es eine Gelddruckmaschine, muss man sagen. Die machen irgendwie, glaube ich, 10 Milliarden Profit pro Jahr oder irgendwas Absurdes. Ja, ja. Noch mehr. Global Firma sitzt in, ich glaube, irgendwie El Salvador offiziell, aber im Grunde ist es irgendwie ein globales Unternehmen. Lugano und so weiter. Also die sitzen,

[01:42:11] sind ja auch Europäer dahinten, da sind ja Italiener dahinten. Und also im Endeffekt, also wie ist die Logik hinter Tether? Und ich habe mich tatsächlich kurzfristig dafür entschieden, die als Lead Investor auch da reinzuholen. Du sagst, wie viel haben die gemacht von der Runde? Also das darf ich nicht veröffentlichen. Also ich... Müssen Hundert zu finden. Genau. Das ist ein großer Betrag, sagen wir mal, ein größtes Betrag von allen. Also im Endeffekt, deswegen, da gab es ja schon die Rumors und so weiter davor, aber das haben wir nicht gestreut

[01:42:39] und das war für uns auch eher störend, diese durchgehend. Aber was ich sagen will... Wann war das? Von dreiviertel Jahr oder so? Das waren so drei, vier Monate bevor. Also das heißt, wir haben gerade, wir haben mit denen verhandelt und wir haben noch andere, wir haben noch mehr Lead Investoren gehabt und haben uns dann sozusagen für die entschieden und dann kam es schon überall irgendwie. Also auf jeden Fall, was ich sagen wollte, also was kann Tether sehr gut, sind tatsächlich ganz viele Transaktionen gleichzeitig zu machen, sicher zu machen

[01:43:10] und sozusagen also auch anonym, auch, also die sind unglaublich gut, also Krypto halt, so wie die Blockchain, ja, klar. Also im Endeffekt, wo wir jetzt, sag ich mal, die Zukunft sehen, Plattform. Es werden unendlich viele Skills in alle Richtungen fließen auf der Welt. Alle werden sozusagen irgendwo sicher hin transferiert und genutzt. Alle müssen ja irgendwo her einen Lizenzkosten bekommen, es muss Transaktionen ohne Ende geben.

[01:43:40] Wirklich im Millisecond, Bereich, wie auch sozusagen secure, wie auch sozusagen alles gleichzeitig irgendwie, weil so eine Transaktion, ein Skill besteht ja meistens oder eine Aufgabe besteht aus mehreren Skills und die, so ist unsere Plattform, also das sind alles kleine Skills und die werden zusammengestellt über die Aura und dann werden sie sozusagen deployed on the edge. Du meinst, es kann ein Payment-Modell geben, das quasi nicht, ich kaufe jetzt nicht einmal den Skill für 2000 Dollar und kann den dann einsetzen, sondern ich könnte auch sagen pro Ausführung, jedes Mal nicht eine Kuhmelke, jedes Mal nicht am Euterziehe. Ja,

[01:44:11] oder halt immer, wenn der Roboter das verwendet. Also ich meine, im Endeffekt ist es so, oder wenn ich es auf andere transferiere, Devices drin zu, also es sind ja unendlich viele Modelle, wie man sozusagen monetarisieren kann. Jetzt gehört es aber eher darum, sage ich mal, dass alles gleichzeitig passiert und gleichzeitig autonom passiert, sicher passiert. Ich will ja nicht in der Zukunft immer hingehen und sagen, so wie es heute funktioniert, dass ich sage, okay, ich stelle mir diese Skills zusammen und dann sage ich, okay, Payment accepted und dann wird ja in der Zukunft

[01:44:40] ja alles autonom und orchestriert. Es wird kein Human in the Loop mehr geben. Also brauchst du dort eine sichere, vertrauenswürdige, sozusagen Payment-Methoden, die dann funktionieren. Und daran denkt man. Das heißt nicht immer Krypto, das heißt aber, dass man diese, ich sag mal, dass jeder Roboter vielleicht ein Wallet haben wird und zu sagen, okay, ich kann sozusagen jetzt trusted damit agieren und mir Skills einkaufen, um eine Aufgabe auszuführen. Oder ich habe einen Roboter, der mir meine Pizza liefert

[01:45:10] und der andere Roboter, der die Pizza abnimmt, damit es wirklich in meinem, vielleicht schon dort steht und vorbereitet ist, wenn ich von der Arbeit komme. Dann will ich ja nicht einen Menschen wieder in der Loop haben. Das heißt, es muss irgendwie alles funktionieren zueinander. Ich gebe ihm vielleicht Budgets, ich gebe ihm, also ich glaube, die Zukunft wird anders aussehen, wie wir es heute vorstellen können. Und dafür hatte ich damals eine Vision mit Machine Economy, haben wir es genannt. Also, dass man sagt, die Technologien werden autonom Transaktionen durchführen. Und da sehe ich natürlich

[01:45:39] diese Expertise von Tata halt als eine, die uns massiv unterstützen wird. Das ist ja auch die große Frage mit AI-Agents. Wie bezahlen die sich gegenseitig? Haben die eine Kreditkarte, haben die ein PayPal-Konto? Und da gab es dann irgendwann auch das Ding, wenn du quasi die Agent selber gefragt hast, was ist in deinem präferiertes Zahlungssystem? Dann haben die gesagt, ja, Stablecoins oder Ethereum oder was auch immer. Weil ich kann es global nutzen. Ich muss dafür keinen KYC bei einer Bank machen. Also kannst quasi anonym einsetzen. Ich kann Cent-Beträge schicken und so weiter.

[01:46:08] In diesem Fall ist es stabil. Das heißt, der Skill kostet weltweit immer gleich viel. Eigentlich in der Plattform. Das heißt ja nicht, dass jeder mit dem... Aber in der Plattform ist vielleicht die gleiche Abrechnung. Es bleibt alles stabil. Also das heißt ja nicht, dass heute der Skill dann halt 50 Euro kostet, morgen vielleicht zwei. Das wäre... Das muss man auch sagen. Genau. Da muss man sehr viel... Also damit muss man sich auskennen. Wer kennt sich da besser aus wie ein Stablecoin selber? Das heißt, also im Endeffekt,

[01:46:37] das war die Gedanken dahinter. Gleichzeitig bin ich unglaublich fasziniert auch von dem, wie Paolo zum Beispiel halt tickt. Sehr gut. Seine Vision hinter all dem, was er treibt und wie er es treibt, ist wirklich sehr human-centric. Das heißt, wirklich einen Mensch im Fokus zu haben und gleichzeitig deren Idee jetzt und Strategie natürlich auch vor allem Physically AI zu fördern und das Ganze voranzubringen. Und es hat halt sehr gut gepasst. Und der hat mich überzeugt. Also wir haben geredet und ich war ein Riesen...

[01:47:07] Okay, ich muss was ändern. Es muss sich vielleicht ein paar mehr Leuten ein paar Mal mehr erklären wie vorher. Wenn es so straightforward einfach nur ein Financial Investor wäre einfacher. Aber es wäre der Weg, den ich glaube, der richtige ist, auch mehr Passion Capital, mehr... Also eine andere Art von Kapital und auch Nutzen davon. Würde ich auch gerne mal mitzunehmen besuchen. Ich würde mir das gerne mal anschauen, was du da machst. Das ist ja unglaublich. Wahnsinn. Komm vorbei. Also im Endeffekt bin ich meine Eltern unglücklich und besuche die. Ja, mach das mal. Mach deinen Eltern glücklich und dann kommt bei uns

[01:47:36] vorbei und bring sie mit. Zeig denen mal die Zukunft. Also im Endeffekt machen wir das schon. Also sehr gerne. Wir haben dort die Gyms. Wir haben 14 Gebäude in der Straße. 14? Letztes Mal waren elf beim anderen Podcast. Ja, okay. Wir sind 14. Das waren drei dazu gekommen. Wir sind 14, ja. Und uns gehört sozusagen fast die ganze Straße und da läufst du halt durch und du kannst überall rein, in so eine Produktion es sehen, in diese ganzen Gyms, in die Entwicklungen, in die... Also es ist ja schon... Also das macht es ja dann

[01:48:05] auch alles eher fühlbar und real. Und deswegen jeder, der bis heute da war, ist danach natürlich mit leuchtenden Augen wieder gegangen. Also dementsprechend, glaube ich, verspreche ich nicht zu viel. Das glaube ich. Vor 15 Jahren warst du in San Francisco, hast die Obdachlosen betreut. Ja. Diesen Sommer stand der Name auf dem Nasdaq Tower am Times Square in New York, als sie die 1,4 Milliarden Runde bekannt gegeben habt. Was glaubst du, deine 20-jährige Version

[01:48:35] von damals, was sagt dir heute, wenn sie das sieht und was antwortest du aus deiner heutigen Perspektive dem 20-jährigen David zurück? Also ich glaube, als 20-Jähriger hätte ich nicht den Glauben gehabt und ich glaube, meine Vision wäre nicht so groß gewesen, tatsächlich diese Person mal ansprechen zu dürfen. Also ich hätte, glaube ich, nicht mal... Also ich habe mich auch selber, ich glaube, in einer ganz anderen Welt befunden und gleichzeitig auch eine ganz andere... Ich sage mal, ich habe unglaubliche Hochachtung vor diesem Menschen gehabt, aber ich hätte mich, glaube ich, nicht mal getraut, die Person anzusprechen.

[01:49:05] Also weil ich, dementsprechend sage ich, es ist unglaublich, was passiert ist in meinem Leben. Also es ist für mich nach wie vor nicht greifbar. Also ich lebe sozusagen auch einen Traum und irgendwo eine Vision, die... Wo jeder eigentlich auch gesagt hat, du spinnst damals, als ich dann angefangen habe. Da war ich aber schon älter wie 20. Aber ich musste dahin kommen und deswegen denke ich schon, also damals wäre es mir einfach so weit entfernt gewesen, dass ich, glaube ich, nicht mal mit der Person gesprochen hätte. Was sagst du heute zu den 20-Jährigen?

[01:49:33] Was sagst du zu allen 20-Jährigen, die vielleicht einen Hauptschulabschluss haben oder die Ingeniore sind oder die sagen, vielleicht habe ich eine Idee, aber ich weiß nicht, ob ich es in mir habe. Also im Endeffekt, es ist ein Scheinsteuer, genießt, was du tust, machst vom ganzen Herzen mit einem höheren Purpose. Und im Endeffekt muss der Purpose nicht mal da sein, weil viele sagen, hey, ich habe den gar nicht, ich sehe den gar nicht. Dann sage ich, dann mach es erst mal das, was du willst. So zum Beispiel, mein erster Purpose war, ich wollte einen geilen Sportwagen haben.

[01:50:04] Das war mein erster Traum. Ich wollte einfach meinen Sportwagen haben. Und irgendwann hast du einen Sportwagen und dann im Best Case wächst dann deine Ambition und du merkst eigentlich nichts. Das heißt einfach nur, das Geld zu haben und einen Sportwagen zu haben, macht irgendwie dann auch nicht glücklich. Das geht dann um ein bisschen mehr. Und dann merkst du eigentlich, dass es gar nicht mehr so weit ist vielleicht. Und dieser Weg ist eigentlich das Entscheidende, glaube ich. Einfach immer wieder weiterzudenken, zu überlegen, wie kannst du dich einbringen. Und mein Opa hat damals

[01:50:33] immer eins gesagt, das habe ich damals nie verstanden. Das war für mich, ich habe nur gedacht, oh, das sagen halt alte Leute so. Aber irgendwann, wenn du in dieser Zeit befindest und diese Dinge erreichst, dann verstehe ich eigentlich, was er gemeint hat. Er hat immer gesagt, hey, wir sind alle auf der Erde, weil wir alle einen Sinn haben. Aber das herausfordernde David ist, dass eigentlich deine Aufgabe nur ist, eine Welle loszutreten und manchmal gar nicht zu sehen, was ist überhaupt der Impact dahinter. Was wird überhaupt?

[01:51:02] Also das weißt du gar nicht. Und deine Aufgabe, aber denk immer nur so, dass du sagst, du musst nur, deine Aufgabe ist, eine Welle loszutreten und die wird weitergehen. Und das Entscheidende, also das, was mich jetzt fasziniert, ich sehe sozusagen, also selbst in allem, was ich tue, sehe ich so ein bisschen die Welle von meinem Opa. Und ich sage, der hat ja damals selbst mit diesen Sprüchen, mit all dem, was er mir sozusagen erzählt hat, an der Welle losgetreten. Und ich hätte ihm, also ich hätte ihm gerne heute gezeigt, was das alles so mit sich gebracht hat.

[01:51:32] Aber ich glaube, also wir sind noch ganz am Anfang, dementsprechend wird es noch einiges passieren. Und ich glaube halt, das Entscheidende ist dann wirklich, diesen Weg zu genießen und den Weg zu gehen mit Confidence, natürlich aber auch mit dem wirklichen Purpose-Driven-Mindset. Und mit dem Glaube. Ja, mit dem Glauben. Schön, dass du da warst. Ich freue mich, dass du wieder zumindest ein bisschen in der Außenministerrolle geswitcht bist und dass wir das Gespräch führen konnten. Danke dir. Also es war ja auch ein tolles Gespräch. Also Genossen, ich weiß, manchmal habe ich ein bisschen lang hergeleitet,

[01:52:02] aber ich freue mich einfach, hier zu sein, mit dir auch gesprochen zu haben und hoffentlich hilft es auch jemand, der dazu hört. Ja, vielleicht dreht man dir in die nächste Welle los. Man weiß es ja immer nicht, was dann die Butterfly-Effekte sind. Wo finden Leute dich online? Wer soll sich bei dir melden? Also LinkedIn, Instagram. Ich bin, also die Herausforderung, die ich gerade habe, ist, dass ich, ich arbeite daran, dass ich, dass ich mehr antworten kann, besser antworten kann und so weiter. Dementsprechend, ich glaube ich, derzeit so die Herausforderung, dass ich nach wie vor

[01:52:31] sehr stark überflutet werde, auch mit tollen Nachrichten. Das glaube ich. Und also das, was mich dann so ein bisschen traurig macht, viele dieser Nachrichten, die tun mich wirklich sozusagen motivieren. Die tun mich enablen. Ich lese sie und denke, boah, was für eine tolle Nachricht. Und wie tut sich dann ein Mensch wirklich hinsetzen und so viel Zeit investieren, um mir, sag ich mal, diese tolle Nachricht zu schreiben. Und dann erwische ich mich trotzdem dabei, dass ich sozusagen so oft einfach gar nicht dazu komme, das alles zu beantworten. Ich nehme es mir vor

[01:53:00] und gleichzeitig will ich hier halt eben nicht die KI verwenden und das macht mich dann so, manchmal bringt mich so ein Zwiespalt. Also manchmal wäre es, glaube ich, besser, die Leute würden einfach eine Nachricht von mir bekommen, die wenigstens etwas von mir drin hat, wie gar keine. Aber ich arbeite daran, das Ganze zu lösen. Aber mich, ich finde immer auf LinkedIn oder Instagram oder selbst Facebook bin ich. Also man findet mich, wenn man mich sucht oder kommt einfach in Metzingen vorbei. Ja, ich glaube, das machen wir vielleicht mal. Organisieren wir mal so eine kleine Klassenfahrt, so eine Fauna-Mod-Klassenfahrt nach Metzingen. Wenn ihr das wollt

[01:53:29] und noch dran seid, dann schreibt mir in die Kommentare, wer dabei ist bei einer kleinen Tour nach Metzingen. Richtig. Dann kann man es ein bisschen bündeln. Ja, gerne. Also das machen wir immer wieder. Danke. Cool, dass du da warst. Schön, dass ich da sein durfte. Danke schon auch.