Data Analytics und KI in der Produktion

00:00:04: Die Grundvoraussetzung ist dafür, dass wir überall die gleichen Analysemöglichkeiten haben.

00:00:08: Das heißt, dass sowohl die digitalen Zwillinge unserer Produktionsstätten identisch ausschauen, als auch die Analysemöglichkeiten weltweit ausgeräut werden.

00:00:19: Es gibt Sprachbarrieren, aber es gibt auch Datensprachbarrieren.

00:00:23: Wenn ich nicht die gleiche Datensprachenspreche, ich habe irgendwo Zehntausendwerte und hier Fünftausendwerte, und die überschneiden sich noch nicht mal, dann kann man sich auch schlecht austauschen.

00:00:38: Der BMW Business Class Podcast.

00:00:43: Herzlich Willkommen zur heutigen Folge von Was uns bewegt.

00:00:47: Mein Name ist Wolfgang Schulz.

00:00:49: Ich leide den Großkonferentrieb im Markt Deutschland und bin ihr Haus.

00:00:55: Heute freue ich mich sehr auf spannende Einblicke in die Welt der Datenanalyse und digitalen Produktion bei BMW.

00:01:04: Eine wichtige Komponente bei Elektrofahrzeugen ist die Hochvolt-Batterie.

00:01:10: Für die Serienfahrt der Jungen baut die BMW Group fünf Montagesstandard auf drei Kontinenten auf.

00:01:16: Vor dem Start werden die Produktionsprozesse in dem Pilot-Warken für Hochvolt-Batterien in Passdorf, Heilberg-Mos und in Münchner FITZ entwickelt und getestet.

00:01:28: Mein heute Gast ist Patrick Zimmermann, Data Scientist und IT-Projektleiter bei der BMW Group.

00:01:35: Er ist verantwortlich für die Umsetzung des Industrial Internet of Things, IIoT, abgekürzt, und der Data Analytics in der Hochvolt-Batterie-Produktion.

00:01:48: Bei ihm laufen sozusagen alle Softwareprozesse und Fäden zusammen.

00:01:54: Was das bedeutet, wie moderne Technologien wie das Industrial Internet of Things und Künstlingens Die Förderung bei BMW verändern, das erfahren Sie in dieser Folge.

00:02:07: Herzlich Willkommen, Herzimmer Mann.

00:02:08: Vielen

00:02:08: Dank für die Einleitung.

00:02:10: Ja, Herzimmer Mann, lass uns doch mal in das Wirding Data Scientist nochmal einsteigen.

00:02:17: Und was haben Sie mit der Produktion von Hochvolt-Batterien zu tun?

00:02:21: Ja, Data Science ist ein breites Feld mittlerweile, ganz viel KI natürlich, die wir auch unterstützen, aber auch das angesprochene Industrial Internet of Things.

00:02:29: Was ist mein Kompetenzbereich oder mein Aufgabenbereich?

00:02:32: Wir haben eine sehr starke In-Haus-Fertigung unserer Hochvolt-Batterie bei BMW, wo wir eben eine starke Produktions-Durchdringung haben und führt diese Produktion der Batterie wirklich von Anfang bis zum Ende in unseren Werken.

00:02:45: Da setzen wir eben auf hauseigene Data Analytics und das ist auch im Prinzip die Datenmenge, die ich veranworte und die wir analysieren.

00:02:53: Also das heißt, es geht jetzt nicht um Daten, die in den Kundenfahrzeugen gesammelt werden, sondern wirklich um die Produktionsschritte davor bis zur Batterie, die dann eben an die Fahrzeugwerke übergeben wird.

00:03:05: Ja, also hört sich sehr, sehr spannend an.

00:03:08: Wie kann man denn, hat man so einen typischen Arbeitsalltag bei Ihnen vorstellen?

00:03:13: Mein Arbeitsalltag, der besteht im Wesentlichen aus unserer, ja aus der Koordination in unserem Produktionsnetzwerk.

00:03:19: Wir, wie eben schon gesagt, wir haben fünf Speicherwerk auf drei Kontinenten.

00:03:23: Das heißt, wir haben auf der einen Seite in Richtung USA, Mexiko einmal die sechs Stunden Zeitverschiebung in die eine und in Richtung China die sechs Stunden in die andere Richtung.

00:03:32: Und ja, so gestaltet sich mein Arbeitsalltag.

00:03:37: Also morgens ab sieben Termine mit China und dann abends ab siebzehn Uhr die mit den USA und dazwischen irgendwie die mit Ungarn und den deutschen Werken.

00:03:46: Am Wesentlichen geht es darum wirklich zu schauen, dass das, was wir jetzt hier leisten im Reich IoT und Data Analytics, das wird es weltweit ausrollen.

00:03:53: Also ich selber bin ja in der Zentralstelle, also ich sitze auch hier in München und wir machen im Wesentlichen die Vorgaben, wie in so eine Produktionsnetzwerk eben Data Analytics umzusetzen ist, sind aber dann auch dafür verantwortlich, das dann in die Werke auszurollen.

00:04:08: Also auch in den Werken, die Personen zur Schule, das heißt man hat auch ganz viele, ich sag mal, informative Termine, wo man die Leute mit den Arbeitsmodellen vertraut macht, wo man ja bestimmte Prozessabläufe vorstellt, aber auch sehr inhaltlich tiefe Diskussionen.

00:04:23: Und natürlich grundsätzlich sagen wir, wir rollen das weltweit komplett identisch aus, aber es gibt immer kleine Abweichungen.

00:04:30: Man hat in China eigene Clouds beispielsweise oder irgendwelche lokalen Gegebenheiten.

00:04:34: Dann ist man hier in der Produktionslinie irgendwie eine Station mehr oder ähnliches.

00:04:38: Und da geht es eben darum.

00:04:39: diese ganzen, ja ich sag mal, wenn es immer so schön Deltas, ja diese Deltas zu explodieren und zu schauen, dass es dann doch in Summe wieder alles zusammenpasst und eine große Einheit bildet.

00:04:49: Es soll mal konkret zurück zu unseren Innovationszentren, PASDAF, Harrogmos und auch Mündenfitz, wo wir jetzt nicht produzieren, sondern Thema Verfahrenstechnologie und so weiter auch vorantreiben.

00:05:04: Versteht es richtig?

00:05:05: Das heißt, ist einmal der Transfer dann aus in Emotionen zu haben und in die Produktion, das begleiten sie auch mit.

00:05:12: Genau, also das ist das Tolle jetzt darin, dass wir eben so viele ja vor Serienstandorte haben, Pilotwerke haben.

00:05:19: Also wir haben jetzt für die sechste Generation, also für unseren E-Drive der sechsten Generation, für die neuen Hochvolt-Batterien der neuen Klasse.

00:05:27: haben wir natürlich auch die Data Analytics komplett neu gedacht.

00:05:30: Also wir haben uns wirklich überlegt, wir haben jetzt eine Chance, neue Werke von null auf aufzubauen, also wirklich Linien, die vorher nicht darstanden, also beispielsweise Elba Stresskirchen, da war eine grüne Wiese, in Deprozent, eine grüne Wiese, in Mexiko.

00:05:43: Greenfield

00:05:44: Ansatz.

00:05:44: Wirklich

00:05:44: Greenfield, ja.

00:05:46: Und das hat uns jetzt halt ermöglicht, wirklich zu sagen, okay, wenn wir nach heutigen Stand der Technik.

00:05:52: alles uns wünschen könnten, was man nach aktuellem Stand der Technik mit Data Analytics machen kann.

00:05:57: Was wäre denn das?

00:05:58: Das heißt, wir haben wirklich gesagt, für die Gen-Six alles von null auf neu.

00:06:03: Und das muss man natürlich gut testen.

00:06:05: Weil dann damit gleich in Serienwerk zu gehen, mit einem komplett neuen Ansatz hat natürlich ein gewisses Risiko.

00:06:10: Und deswegen haben wir auch nicht nur unsere Produktionsprozesse in Parsdorf, in Heibergmos, in München getestet, sondern auch die Data Analytics.

00:06:19: Und das hat teilweise sogar so gut funktioniert, dass wir Dinge gemacht haben in Parsdorf, dort fertig entwickelt haben und innerhalb von wenigen Tagen oder teilweise wenigen Stunden, eins zu eins in die Serienwerke ausholen konnten.

00:06:30: Das hat natürlich dann auch einen wahnsinnigen Entwicklungsvorsprung, ein neues Werk anläuft mit so viel Vorarbeit und man das schon alles ab Tag eins im M-Hochlauf nutzen kann.

00:06:41: Industrial Internet of Things.

00:06:44: Was sind denn dort die wichtigsten Walkmalen?

00:06:47: Was versteht man denn konkret darunter?

00:06:48: Also, was man vielleicht aus dem Alltag kennt, ist das Internet of Things.

00:06:52: Also, das ist... Ich nehme ein Handy und kann jetzt bei den modernsten Kühlschränkten nachschauen, was da in meinem Kühlschrank drin ist, weil das eine Kamera erkannt hat oder ich sehe, ob mein Backofen an ist, meine Spielmaschine läuft.

00:07:03: Also, das ist das, was man unter dem Internet of Things versteht.

00:07:06: Das, ich sag mal, Konsumer Internet of Things.

00:07:09: Und dann denkt man diesen Ansatz, was wäre, wenn jetzt... Jedes Gerät, was es irgendwie gäbe, voll vernetzt wäre, alle seine Daten bereinstellt, dann denkt man das Ganze in der Industrie.

00:07:20: Und dann kriegt man sozusagen das Industrial Internet of Things, hat aber, ich sag mal technologisch, eine komplett andere Grundlage.

00:07:27: Weil daheim, ich hab ja Konsumernetzwerke, ich hab WLAN vor allem ganz viel.

00:07:33: Ich kann ja in der Produktion nicht jedes Gerät per WLAN verbinden.

00:07:36: Da müssen sich dauernd Batterien wechseln.

00:07:37: Also völlig unvorstellbar.

00:07:41: Das heißt, wir haben... in der Produktion zur Umsetzung des Industrial Internet of Things bestimmte Technologien, die jetzt aber auch, ich sag mal, sich erst in den letzten Jahren wirklich durchgesetzt haben.

00:07:51: Also da gibt es beispielsweise einen neuen Standard zur Umsetzung des Industrial Internet of Things, also Fachbegriff OPCUA, aber jetzt lass mal das einfach mal so stehen.

00:08:02: Dieser Standard, den gibt's schon seit einigen Jahren, allerdings hat er erst so, ich würd mal sagen, ab dem Jahr zwei Tausend Siebzehn, zwei Tausend Achtzehn so einen richtigen Schub bekommen oder die deutsche Industrie drauf aufgesprungen ist.

00:08:12: Und es hat sich vom Timing super getroffen mit unseren Werken, weil das war sozusagen die technologische Reife, dass wir sagen, wir rollen das im großen Stil auf, hat sich komplett getroffen mit unseren Werksanläufen oder mit unserer Planung sozusagen von den Werksanläufen.

00:08:27: Und dann haben wir gesagt, okay, was können wir denn maximal da rausholen?

00:08:30: Und das ist, glaube ich, der größte Hub, den wir jetzt in der GenSix haben, dass wir eben in einem Ausmaß, was wir bisher so noch nie gesehen haben, Daten aufnehmen können.

00:08:40: bis ins aller, allerkleinste Detail, also bis zur Temperatur der Einheit eines jeden Sensors, eines jedes Temperatursensors, jeder Motor, der sich dreht, also wirklich Millionen von Datenpunkten.

00:08:52: Ganz neue Dimensionen.

00:08:54: Ganz neue Dimensionen, ja.

00:08:56: Das wäre früher zum eigentlich möglichen gewesen mit den Standards, die wir hatten.

00:09:00: Es wäre aber auch nicht händelbar gewesen, weil vielleicht jetzt mal um auch noch so ein bisschen.

00:09:05: was ist das Schöne, was kann man mit so einer Schnittstelle machen?

00:09:08: Man kann einen digitalen Zwilling machen.

00:09:09: Also digitaler Zwilling hört man ja immer in den Medien rauf und runter.

00:09:14: Was ist denn ein digitaler Zwilling?

00:09:16: Na, am Ende des Tages versucht sich irgendwas digital selber zu beschreiben.

00:09:20: Was bin ich?

00:09:21: Was kann ich?

00:09:21: Was tue ich?

00:09:22: Und das ist jetzt wirklich der große Innovationshub, den wir jetzt ausnutzen konnten in der GenSix, weil wir komplett neue Anlagen natürlich, neue Produktionslinien aufgebaut haben und dann diese Schnittstelle bereits direkt von vornherein einkaufen konnten.

00:09:36: Weil das ist was, was man schlecht nachträglich einbauen kann.

00:09:39: Jetzt können wir ja sagen, na ja, dann baut man irgendwelche Adapter dran.

00:09:42: Das Problem ist teilweise da, wo ich den Adapter dran baue.

00:09:46: Da hab ich noch nicht mal die Informationen.

00:09:48: Also ich sag dann, ich hätt jetzt gern aus der Anlage da die Temperatur von dem Sensor da hinten, aber die Steuerung, wo ich's dran baue, die weiß die Temperatur gar nicht.

00:09:56: Und das war jetzt wirklich der Hub, wo wir gesagt haben, okay, wenn wir Data Analytics machen wollen, im großen Stil in der DUNSIX, lass uns bei der Basis beginnen, was... ist die Datenaufnahme.

00:10:06: Also was ist wirklich hier der beste Weg, die beste Strategie, um im großen Stile Daten aufzunehmen?

00:10:13: Was sind die richtigen Technologien?

00:10:14: Was müssen wir von BMW da zu leisten?

00:10:16: Was müssen unsere ganzen Schnittstellenpartner leisten?

00:10:19: Auch unsere ganzen Anlagen lieferanten?

00:10:21: Und da haben wir jetzt wirklich was, was geschafft, was ich sonst wirklich von niemandem in der Industrie kennen.

00:10:27: Also interessant, Sie haben angesprochen, digitaler Zwilling.

00:10:29: Ich kenn's im Großkonfertrieb auch noch mal Spekt... Nachhaltigkeitsstrategie, CO-Optimierung, auch in Verbindung noch mit klassischen Verbindungsmotoren, auch in Verbindung mit Refuel Kraftstoffen.

00:10:45: Wenn wir jetzt nochmal einsteigen zu dem Thema, könnt ihr eine Gänze in Verbindung mit Industrial Internet of Things, wo sehen sie denn dort noch?

00:10:56: Effizienzpotenzial und Potenzialen, um auch Qualität in den Förderungsprozessen noch zu steigern.

00:11:04: Ja.

00:11:04: Also kürzlich Intelligenz hat ja erstmal ein großes Grundproblem und das nennt sich der Stromverbraucher oder der Energiefüder.

00:11:12: Also da ist ja große Punkt, wie gestaltet man KI so, dass sie möglichst effizient läuft.

00:11:19: Und ich glaube, da gibt es ein paar grundlegende Missverständnisse zwischen dem, was man aus dem, ich sag mal, Konsumerbereich, also was man im täglichen Leben so als Konsumer mit KI erfährt und dem, was ich im industriellen Bereich an KI einsetzen muss.

00:11:33: Gutes Beispiel, oder wir haben ja sogar auch jetzt ein paar Beispiele, wo es da, ich sag mal, gewisse Schwierigkeiten gab, weil Unternehmen KI eingesetzt haben, einfach blind, die KI hat irgendwelche Ergebnisse rausgeschickt, Zitate erfunden, Quellen erfunden, so.

00:11:49: Nehmen wir mal an, wir würden das... Die Bisse Selbstdynamik.

00:11:52: Genau, hat eine gewisse Selbstdynamik.

00:11:53: Und jetzt nehmen wir mal an, wir wollen KI dafür einsetzen, unseren Null-Fehleransatz durchzubringen.

00:12:00: Also wir wollen ja wirklich Speicher bauen, die für einen Endkunden absolut fehlerfrei perfekt funktionieren.

00:12:06: Und wenn ich das jetzt komplett in die Hände einer KI legen würde, dann fängt die vielleicht auch irgendwann zu Halluzinieren und sagt, ja, passt schon, der Speicher, der ist schon gut.

00:12:15: Also von allem, was ich so bisher gesehen habe, der ist in Ordnung, bau den ruhig ins Fahrzeug ein.

00:12:18: Und das wäre ja ein Riesenrisiko an der Stelle.

00:12:21: Das heißt, wir müssen uns beim Einsatz von KI immer sicher sein, dass die Ergebnisse hundertprozentvalide sind.

00:12:27: Also es gibt keinen Vorschlag, also wenn ich sage, JGBT-Formulär mehr in der E-Mail ist okay, aber das funktioniert ja in dem industriellen Bereich nicht.

00:12:37: Und was machen wir jetzt deswegen?

00:12:39: oder vielleicht ein zweiter Punkt?

00:12:41: Warum hilft uns jetzt das Industrial Internet of Things da so sehr?

00:12:44: Wenn wir noch das Problem, wenn wir von Consumer-KI reden, die kann man ja trainieren mit den Daten, die wir draußen haben.

00:12:50: Das heißt, das Ding liest einfach mal zehn Millionen E-Mails, dann weiß es, wie Formel die E-Mails ausschauen.

00:12:56: Jetzt haben wir eine Hochvolt-Batterie-Produktion bei uns und wir haben natürlich nicht diese Datenmengen.

00:13:01: erst mal, dass wir zig Millionen Speicher haben, auf denen wir etwas trainieren können.

00:13:06: Das heißt, auf der anderen Seite wäre es ja gut, wenn die KI möglichst viel vorwissen hat.

00:13:10: Also wenn ich eine KI mit ganz viel Information, ganz verdichteter Information fütter wäre, also nicht eine E-Mail mit fünf Zeilen, sondern einen digitalen Zwilling von meinem Modell.

00:13:20: Und was ich dann bekomme ist, dass die KI mir nicht Informationen redundant liefert.

00:13:25: Also ich bringe da einmal ganz gerne das Beispiel, ich trainiere jetzt eine KI mit irgendeiner Anlage, so eine Anlage, die hat irgendwo vielleicht ein Heizelement, die hat irgendwo ein Temperatursensor.

00:13:35: Jetzt schiebe ich da die Werte in meine KI rein, über zehn Anlagen hinweg, über ein Jahr.

00:13:41: Und dann lernt meine KI irgendwann,

00:13:43: das ist ja

00:13:44: voll faszinierend.

00:13:45: Wenn hier ein Wert auf Jahr geht oder auf an, dann steigt auf der anderen Seite dieser Wert.

00:13:52: Und dann sagt mir die KI nach einem Jahr und zehn Megawatt Trainingskosten, pass mal auf, der Temperatursensor gehört zu dem Heizelement.

00:13:59: Dann sagt jeder Ingenieur, das weiß ich von seit ersten Planungstag.

00:14:04: Das heißt, was wir versuchen ist, möglichst ausführliche digitale Zwillinge aufzubauen, die ganz dichte Informationen enthalten, diese Zwillinge dann wirklich auch in der KI zu trainieren, aber so, dass die KI uns nur Informationen liefert, die wir noch nicht kennen.

00:14:19: Also wirklich Zusammenhänge.

00:14:21: Typisches Beispiel sind Produktionsprozessübergreifende Zusammenhänge.

00:14:25: Also ich mache irgendwas in Produktionsschritt A, was dann auf Produktionsschritt cde eine Auswirkung hat und das begreif ich als mensch nicht mehr.

00:14:33: und das hilft uns natürlich wahnsinnig diese prozesse effizienter energieärmer zu gestalten und auch eben fehler sehr sehr früh sehr sehr frühzeitig zu erkennen.

00:14:43: Ich finde ich haben sie klasse mal dargestellt.

00:14:48: Vor- und Nachteile von KI und vor allem auch sinnvolle Einsatz, weil oftmals auch in den Medien wird immer KI beschrieben als das Allheimmittel für alle Themen.

00:14:59: Aber ich denke, genau wie Sie es dargestellt haben, man muss es differenziert sehen und man muss auch die logische Schlussfolgerungen, die teilweise KI anders inventiert, nochmal superweise nochmal rüber zu gehen, um die richtige Richtung zu gehen.

00:15:15: Die BMW grob produziert weltweit an unterschiedlichen Standorten.

00:15:20: Welche Rolle hat sich man spielt denn die Vernetzung der Produktionsstätten?

00:15:25: Also grundsätzlich können wir vor allem voneinander lernen, also dadurch, dass wir Data Analytics hier wirklich einheitlich über alle unsere Standorte ausrollen und wir verfolgen ja hier einen strikten Local for Local Ansatz, das heißt in der Nähe unserer sogenannten Fahrzeugwerke, also da wo das eigentliche Fahrzeug montiert wird, da befinden sich auch immer unsere Hochvolt-Batterie-Produktionen und hier können wir natürlich gegenseitig voneinander lernen und die Grundvoraussetzung ist dafür, dass wir überall die gleichen Analysemöglichkeiten haben.

00:15:54: Das heißt, dass sowohl die digitalen Zwillinge unserer Produktionsstätten identisch ausschauen, als auch die Analysemöglichkeiten weltweit ausgerollt werden.

00:16:03: Wenn dann, ich sag mal, in einem Fahrzeug irgendeinen Produktionsoptimierungsproblem erkannt wird und dann wird mit einem anderen Wer kommuniziert, dann ist es halt wichtig, dass jeder auf die gleiche Datenbasis schaut.

00:16:14: Also wie, es gibt Sprachbarrieren, aber es gibt auch Datensprachbarrieren.

00:16:19: Wenn ich nicht die gleiche Datensprache spreche, ich hab irgendwo Zehntausend Werte und hier Fünftausend Werte und die überschneiden sich noch nicht mal, dann kann man sich auch recht

00:16:28: auswärtschen.

00:16:29: Dann kann man auch nicht durchführen.

00:16:31: Genau,

00:16:31: dann kann man die nicht durchführen.

00:16:32: Das ist natürlich auch tatsächlich sehr, sehr spannend für unsere zentrale Befähigung, also in unseren Pilotwerken, also in den Vorserienwerken.

00:16:44: Da gibt es dann Prozessexperten, wir nennen die Technologen, die sich halt wirklich mit der Prozessoptimierung beschäftigen und für die ist das... ist es natürlich auch grandios, wenn die ein Datenanalyse-Tool aufmachen und da wirklich weltweit von allen Standorten exakt die gleichen Auswertungen bekommen.

00:17:00: Also das eröffnet Möglichkeiten der Produktionsoptimierung, die wir natürlich so vorher nie gekannt haben.

00:17:05: Jetzt mal mit Ihren Worten, was würde ich sagen, was sind denn für BMW, dann würde ich die USP bei den Hochvolt-Batterien, speziell Chin Six.

00:17:16: Also einen großen Sprung, den wir machen konnten, jetzt speziell in Agent Six, ist die sogenannte Cell-to-Pack-Fertigung.

00:17:23: Also ich glaube, das ist unser größter Hub.

00:17:25: An der Stelle werden ja früher eine Modulfertigung, das heißt, wir haben aus unseren Zellen, damals noch prismatische Zellen, Module gebaut, die Module in Speicher eingebaut und den Speicher dann sozusagen ins Fahrzeug eingelegt, um es mal mit einfachen Worten zu sagen.

00:17:41: Da könnten wir jetzt grundlegenden Innovationshub machen in Agent Six, dadurch, dass wir aus den Zellen einen ganzen, eine ganze Hochvolt-Batterie bauen, also sogenannte Zell-To-Pack, also ein Battery-Pack aus der Zelle heraus.

00:17:55: Und dann auch dieses Battery-Pack.

00:17:57: Ein integraler Bestandteil des Fahrzeugs, also quasi einen komplett geöffneten Frame, also eine Karosserie.

00:18:05: Wenn man da sieht, sie hat unten wirklich keinen Boden, ich könnte keinen Sitz, kein Nichts einbauen und dann kommt die Batterie wirklich komplett von unten dran an diese Karosserie.

00:18:15: Dadurch kriegt ihr die volle Steifigkeit.

00:18:17: Ja, dadurch kann ich... Tolle Fahrverhalten,

00:18:19: unsere... Genau,

00:18:19: kriege ich auch das Fahrverhalten, die ist maximal tief eingesetzt.

00:18:22: Ich habe keine Zusatzelemente.

00:18:24: In Summe bin ich leichter, in Summe bin ich fünfzig Prozent günstiger, zwanzig Prozent höhere Energiedichte.

00:18:29: Also das sind schon wahnsinnige Fortschritte, die wir alleine durch dieses... Also einmal von der... prismatischen Zelle zur Rundzelle gehend.

00:18:38: Und dann auch noch dieses, wenn wir das im Produktionsbereich nennen, das einstufigen Produktionsprozess fahren.

00:18:44: Also wir haben wirklich eine Linie.

00:18:46: Da gehen am Anfang die Zellen rein und am Ende kommt der die fertige Hochvolt-Batterie dann raus.

00:18:51: Und das ist schon ein wahnsinniger Hub, den wir da jetzt in der Ingenzix erreichen konnten.

00:18:55: Und das ist auch wirklich, was jetzt, ich sag mal, den neuen IX-III zu diesen neuen Leistungen bringt.

00:19:01: Also angefangen von dreißig Prozent mehr Reichweite, dreißig Prozent schneller.

00:19:04: Ladezeiten.

00:19:06: Das kann man nur schaffen, indem man wirklich grundlegend den Aufbau vom Speicher ändert.

00:19:11: Und auch neue Prozesse, auch innovative Prozesse einsetzt.

00:19:15: Es ist eine unheimliche Entwicklung und Dynamik auch in dem Bereich.

00:19:19: Die Batterien sind ja das Spiegelbild unserer, bei volledektischen Fahrzeuges, Spiegelbild unserer Benzin- und Verbrennermotoren.

00:19:30: Welche Trends und Entwicklungen sehen Sie noch in der Batterieproduktion der Zukunft?

00:19:35: Das war jetzt natürlich ein Riesenhub von einer prismatischen Zelle auf die Rundzelle.

00:19:39: und dann muss mal gucken, was ist denn jetzt der nächste Schritt?

00:19:41: Ist es nochmal irgendwie die Batterie grundlegend zu ändern oder ist es vielleicht irgendwelche neuen Zellchemien, Solid-State-Batteries, also was es da nicht noch alles gibt in der Zukunft?

00:19:51: Also auf der IAA hat man auch schon viel Ausblick gesehen von Batteriezellherstellern.

00:19:57: Ja, hat sich immer mal einen superinteressanten Einblick in das Thema Batterie und vor allem auch hier das Arbeitsumfeld ist.

00:20:04: Ich glaube, das war nicht jedem so bewusst gewesen, welchen Namek dort in dem Umfeld steckt und welche auch Zukunftsperspektiven.

00:20:12: Dafür erstmal herzlichen Dank.

00:20:14: Vielen Dank für die Einladung vor allem.

00:20:16: Gerne, Gerne.

00:20:19: Ja, also mehr Informationen zu KI und Data Analytics in der Produktion finden Sie wie immer in unseren Show Notes.

00:20:30: Unsere nächste Folge scheint am twelften Dezember.

00:20:33: Am besten abonnieren Sie unseren Podcast gleich, damit Sie keine Folge mehr verpassen.

00:20:39: Und dann bis zum nächsten Mal, Ihr Wolfgang Schulz.