Michael: Ja, hallo und herzlich willkommen zu einer neuen Folge von Das Gelbe von AI. Mein Name ist Michael Witzenleiter, ich bin euer Host und habe wie immer meinen kongenialen Co-Host Jean-Luc dabei zu unserer Folge 112 heute. Wie ihr wisst, wir haben immer im Wechsel eine Nachrichten-, eine Gästefolge. Heute ist es wieder soweit, wir haben einen wunderbaren Gast heute dabei. Wir haben Milan da, der sich gleich selber vorstellen wird, den Jean-Luc auch etwas besser vorstellen wird, den ich persönlich bei einem meiner AI Tinkerer-Events gesehen habe. ganz tollen Vortrag erhalten. war der Anreiz für heute. Ja, bin ich schon sehr gespannt auf die Folge, aber jetzt lass uns loslegen. Hallo Schoneck.

Jean-Luc: Ja, hallo auch von meiner Seite. Ich freue mich auch auf die Folge. Vor allem, wir hier zwei Sachen zusammenbringen. Einerseits natürlich die Möglichkeit, ein spannendes Vortragsthema, was Milan auf sein Event gehalten hat, Michael zusammenzubringen, aber auch Fragen zu beantworten, die uns regelmäßig über LinkedIn stellt. da kam die Rückmeldung, dass wir doch mal das Thema Robotik ein bisschen mehr unter die Lupe nehmen sollten. Und das wollen wir heute in der Folge machen. mit Milan Ferros-Comello. Der studiert nämlich Robotik und KI am KIT, dem K2 Institute of Technology, und forscht dort an mehreren Projekten in den Bereichen, tüftelt auch gerne in seiner Freizeit an allen Themen rund Robotik und KI. Und ich würde sagen, Milan, stell dich doch gerne mal selber vor. Schön, dass du da bist.

Milan Ferus-Comelo: Vielen Dank, dass ich hier sein darf. Genau, ich bin Milan, bin jetzt Masterstudent am KIT, wie schon so gut vorgezettelt hat. genau, also ich studiere jetzt im zweiten Semester, habe jetzt ein bisschen mit Robotik und KI was zu tun gehabt, aber ursprünglich komme ich so ein bisschen aus der Elektrotechnikwelt, deswegen für die Zuhörer, die uns leider nicht sehen können, habe ich jetzt im Hintergrund so drei große Kisten voller Elektronik und Mikontrollerzeug. Und ich versuche jetzt, Welt von AI oder Machine Learning mit Elektronik zu verbinden.

Michael: Ja, sind wir schon sehr gespannt darauf. Milan, du hattest bei deinem Vortrag ja viel zum Thema Embodied AI gesprochen. Vielleicht kannst du uns ein bisschen in die Begriffswelten einführen, die es in der Robotik gibt. Also was muss man da an Begriffen kennen und wie würdest du es definieren? Vielleicht steig mal so ein.

Milan Ferus-Comelo: Gerne. Also embodied AI auf Deutsch oder auf Deutsch-Deutsch ist ja verkörperte KI. Und das ist genau diese Welt, die man versucht, LLMs oder diese Large Language Models irgendwie mit Robotik zu kombinieren. Man kann es ja wahrscheinlich selbst, richtig coole LLMs, richtig viel kennen. Man hat wahrscheinlich schon mit JBT oder Clawdon so gearbeitet. Aber mittlerweile gibt es auch richtig coole Open Source Modelle, die genauso mächtig sind, vielleicht sogar mächtiger, je nachdem. Und dann kann man diese Modelle nutzen, Robotik und Roboter anzusteuern. Das heißt, es gibt die Modelle, die rein theoretisch so als LLM arbeiten, aber es gibt auch die sogenannten Vision Language Modelle, VLMs oder auch VLAs, also Vision Language und Action. Und die Modelle kann man dann auch nutzen, diese Pipeline aufzubauen, damit man wirklich von einem Ziel, von einem Menschen definiert, bis hin zu einer Aufgabe lösen kann.

Michael: Und sind die so einfach zu bedienen wie die klassischen LNMs, einfach promptbasiert oder erfordert es schon ein bisschen mehr technisches und Development noch?

Milan Ferus-Comelo: Kommt darauf an, wie man es aufbaut. Es gibt zwei Möglichkeiten. Die einfachste und auch die deterministische Möglichkeit ist das sogenannte Tool Calling. Das kennt man vielleicht auch aus einem anderen Kontext, dass man einfach eine LM hat, die verschiedene Tools sozusagen hat. Und diese Tools sind schon programmierte Funktionen, die aufgerufen werden können. Das heißt, das LM bekommt jetzt eine Übersicht. von verschiedenen Tools. zum Beispiel im klassischen Sinne, Websites zum Beispiel durchführen oder irgendwelche Informationen abgreifen von irgendeiner Datenbank. Und diese Funktionen sind schon abgekapselt. Die LM bekommt eine Übersicht und je nach Aufgabe kann das Modell dann entscheiden, welches Tool das jetzt aufrufen will. Und genau sowas kann man auch in die Robotik übertragen, dass man sagt, ich kann jetzt hier eine Funktion definieren, die meinen Roboterarm zum Beispiel zur Position XYZ bewegt oder eine Kamera in diese Richtung schaut. Und genau das kombiniert man dann mit dem LLM, die ganze Pipeline aufzustellen. Die komplexeste Methode sind diese VLA Modelle. Und da braucht man einfach Unmengen an Daten. Man muss quasi irgendeine Aufgabe durchführen mit Positionen, Starten mit Kameradaten und fusioniert alles zusammen. Und das ist halt auch deutlich schwerer zu trainieren, braucht noch mehr Rechenleistung. Das ist eher die Next Level Variante, sag ich mal, ist aktuell auch noch ein Forschungsgebiet. Also ich würde jetzt nicht sagen, dass so VLA ist wirklich deployed werden können. Vor allem, weil, wie man es ja von LLMs schon kennt, gibt es ja die Möglichkeit, dass die hallucinieren. Und das will man verhindern, wenn man irgendwas in der physischen Welt kaputt machen kann. Vor allem, wenn Menschen da in der Umgebung arbeiten. Also Menschen- und Personenschaden wollen wir eher vermeiden. Aber auch andere Schäden auch. Und deswegen ist es eher wichtiger, dass man alles sicher und kontrolliert hinkriegt. Deswegen die Toolcalls meistens sehr gut funktionieren.

Jean-Luc: Spannend. Lass uns doch gerne mal den Prozess im Detail beleuchten. Wenn ich mir vorstelle, ich starte quasi von Null und möchte am Ende des Tages einen kleinen Roboter haben, der KI gesteuert ist, magst uns da mal so beispielsweise Beginn vom Training durchführen bis nachher dann zum Betrieb auf so einem Gerät? Was sind da eigentlich die Herausforderungen? Vielleicht auch bisschen eine Abgrenzung zu den LLMs, die wir so kennen, was dann auch das Thema Größe der Modelle, Geschwindigkeit der Berechnung und Co angeht. bis nach hinten raus weiter zur Optimierung. Lass uns gerne vorne starten. was mache ich als allererstes, wenn ich loslegen möchte? Wie komme ich beispielsweise an die Trainingsdaten ran?

Milan Ferus-Comelo: Das ist auch eine sehr schwierige Frage, vor allem weil es diesen Sim to Real Gap gibt. Das heißt, man kann alles richtig schön simulieren. Das ist eigentlich der erste Weg, wie man an den Trainingsdaten kommt. Man kann in verschiedenen Simulationsumgebungen so eine Roboter aufstellen und mit dem Roboter irgendwelche Bewegungen durchführen. Und da hat man das Risiko halt nicht, dass irgendwas wirklich kaputt geht, sondern wenn irgendwas schief läuft. In der Simulation ist es ja nicht so schlimm, weil dann resetet man einfach alles und kann dann vorne wieder anfangen. Das Problem ist, wenn ich jetzt ganz viele Trainingsdaten in der Simulation habe, die in der echten Welt zu übertragen, ist echt schwer, weil man in der Simulation halt nicht alle Bedingungen, alle Variablen halt kontrollieren kann. Das heißt, Lichtverhältnisse zum Beispiel wäre ein großes Thema. Und deswegen gibt es jetzt auch ein Start-ups zum Beispiel, die in diese Richtung gehen, die diese Gap schließen wollen. Und theoretisch wäre es ja auch möglich, dass man mit einer Kamera zum Beispiel ein paar Operators hinstellt und dass die mit Robotern wirklich, also wenn ich jetzt von Arme zum Beispiel rede, dass die die Roboterarme wirklich händisch positionieren. und dass sie dadurch lernen, also diesen Zusammenhang zwischen ich mach was und das ist was, in der echten Welt bewirkt. Aber letztendlich ist momentan die beste Variante, das mit der Simulation zu machen. Vor allem, weil es deutlich skalierbarer ist. Mit genug Rechenleistung kann ich halt tausend, zehntausend Roboterarme parallel trainieren. Und das geht halt in der echten Welt eigentlich kaum.

Jean-Luc: Das heißt, ich habe eine Menge an Trainingsdaten mir jetzt erstellt und im nächsten Schritt müsste ich dann, wenn ich mir einen Roboter vorstelle, natürlich diese Daten dann auch zum Leben erwecken. Sprich muss dem Roboter die Möglichkeit geben, anhand dieses Modells dann auch zu agieren. Was sind da so die Herausforderungen? Ich könnte mir jetzt vorstellen, die Größe des Modells, auch die Latenz, also die Bearbeitungszeit sicherlich, damit ich auch reaktionsschnell reagieren kann und nicht so, wie man das sonst vielleicht bei CechiPT und Co. kennt, erst mal drei Minuten auf den Denkprozess warten muss, bevor ich dann eine Antwort bekomme.

Milan Ferus-Comelo: Genau dafür brauchen enorme Rechenleistungen. Es gibt aber Wege, wie man das umgehen kann, nämlich also wie schon vorher erwähnt mit Tool Calling. Das braucht wirklich weniger Rechenleistung. Das kann ich zum Beispiel auf meinem Laptop einfach laufen lassen. Da brauch ich jetzt keinen krassen Server oder GPUs. Aber klar, wenn man wirklich mit VLAs arbeiten will, dann brauch ich einen Server mit zigtausend GPUs, die alles alle Daten verarbeitet in Echtzeit. Und deswegen ist es auch so schwierig, solche Modelle zu deployen. Latenz auch sehr wichtig, das hast ja auch angesprochen. Man will ja auch keine drei Minuten warten, wobei in der Industrieumgebung sind ein paar Millisekunden oder paar Sekunden jetzt kein großes Thema. Man sieht es auch in den Demo-Videos, dass der Roboter erst mal ein paar Sekündchen denken muss, bevor es irgendwas macht. Und auch da würde ich sagen, es ist wichtiger, dass dass wir bisschen mehr Zeit brauchen, aber dafür sicherer sind, dass das, was wir jetzt ausführen werden, wirklich nichts schädigt. Und wenn man da diese Rahmenbedingungen halt erschaffen hat, kann man das umsetzen.

Jean-Luc: Jetzt ist es glaube ich so, dass viele Leute, wenn sie an Roboter denken, an einen typischen Boston Dynamics Roboterhund denken, der vor fünf Jahren sehr stark durch die Medien getrieben wurde. Jetzt sagt es aber vorhin auch schon, so Modell kann man auf dem Laptop laufen lassen. Das heißt, jeder Roboter zwangsläufig gerade in der Fertigung so ein Roboterarm oder so muss ja ein Standalone Device sein, was komplett ohne Kabel mit Batterie betrieben wird. Und das Modell muss dann auf dem Gerät laufen. Kannst uns da vielleicht ein bisschen Beispiele geben, was es eigentlich für Roboter Möglichkeiten gibt, indem dieses Thema Embodied AI dann zum Einsatz kommt?

Milan Ferus-Comelo: Der lustigste Ansprechst, ich hab sogar hier auf dem Tisch den Ricci Mini. ist richtig süßer Roboter von Pollen Robotics, die sitzt in Frankreich und ist auch die perfekte Plattform für Anfänger, die in dieser Welt hier einsteigen wollen. Das hat die basic Funktion, das heißt, das ist ein kleiner Roboter, der auf dem Tisch sitzt. Der kann seinen Kopf bewegen, der hat eine Kamera, Mikrofon auch und die Antennen als Ohren sozusagen kann er dann auch bewegen. Und genau das reicht schon aus, so ein Embodied AI Projekt umzusetzen. Man braucht irgendein System, was man physisch manipulieren kann, verändern kann durch eine proamier-Sprache oder eine Bibliothek. Die ist auch recht dokumentiert bei dem Ritchie Mini. Und das gibt Einsteiger oder Anfänger schon eine richtig gute Plattform, mit Embodied AI anzufangen. Das Coole daran... ist auch, dass die eine richtig coole Simulationsumgebung haben. Reach Mini ist jetzt ein gutes Beispiel dafür, es gibt auch von Seed Studio den Reboard Arm. Das ist ein Roboter Arm, komplett Open Source. Das heißt, man kann es auch selber zusammen basteln, wenn man einen 3D Drucker zu Hause hat. Man kann es aber auch als Kit kaufen. Und auch das ist für Anfänger richtig geeignet, weil das recht einfach zusammenschrauben ist. und die damit auch richtig viel machen können.

Michael: Ja, kann ich bestätigen. Ich habe ihn tatsächlich in Reaching Mini auch geholt nach deinem Vortrag, den du

Milan Ferus-Comelo: Vielen Dank.

Michael: mit dabei hattest. Ich kann nur sagen, es macht echt viel Spaß. Ich bin leider noch nicht über Tanz-Performances herausgekommen mit ihm. Aber meine Kinder lieben es, wenn er anfängt zu tanzen. Also wirklich ein tolles Spielzeug.

Milan Ferus-Comelo: Das auf jeden Fall. Ich nehme ihn ja meistens immer mit, wenn ich eine Konferenz oder einen Talk habe. Vor kurzem war ich auch auf einem Fest hier in Karlsruhe. Das hat die Kinder natürlich auch sehr begeistert. Die kamen auch dazu und man konnte auch mit ihm reden. Das Coole daran ist ja auch, dass man dieses Toolcrawling wirklich einfach umsetzen kann. Das heißt, es gibt schon eine vorprogrammierte Bibliothek, die man nutzen kann. Man muss ja nur ein paar Parameter ändern und dann schon hat man innerhalb von 5 Minuten sozusagen funktionierendes Modell.

Jean-Luc: Wie optimiere ich denn so ein Modell jetzt weiter? Also angenommen, habe jetzt meinen Roboter-Armen in der Fertigung im Betrieb oder ich habe meinen Ritchie Mini, der jetzt mit mir interagiert. Was tue ich dann als nächstes? Sammle ich weitere Daten aus dem realen Szenario, damit meine Modelle weiter zu trainieren?

Milan Ferus-Comelo: Genau, wichtig ist, dass man die Fehlerquellen quasi mit aufnimmt. Also es reicht ja nicht oder ist es zumindest gut, wenn man einfach Daten allgemein sammelt. Aber viel wichtiger ist es, wenn man ein Modell hat, dass man auch die Fehler oder die Edge Cases mit aufnimmt. Und vor allem, man wieder über diesen Sim-to-Real-Gap redet, die Simulation zur echten Welt. Es ist ja meistens so, dass die meisten Fälle mit der Simulation abgedeckt werden kann, aber solche Sachen wie unterschiedliche Lichtverhältnisse zum Beispiel dazu führen können, dass irgendwelche Fehler auftreten und genau das will man halt weiter trainieren oder optimieren. Das heißt meistens nimmt man eigentlich ständig Daten auf. Je nach Speicherkapazitäten, Recheneistungen kann man viele auch wieder wegschmeißen, weil man die Daten schon hat. Vor allem in Fällen, wo alles tipptopp funktioniert. Aber wenn irgendwas schief laufen soll oder wo das Modell sich bisschen unsicher fühlt, kann man dann genau die Daten nehmen und ganz klassisch wie bei den anderen Machine Learning Algorithmen, das wieder in die Trainingspipeline stecken und das Modell optimieren und verbessern.

Michael: Welche Arten von Robotern gibt es denn? Vielleicht kannst du uns mal so einen Überblick dazu geben. Du hattest den Ritchie Mini angesprochen, die Roboterarme, aber vielleicht mal ganz high level für Leute, die noch gar nichts mit dem Thema Robotik zu tun hatten. Also welche Arten von Roboter oder Schallbrennen, sowas gibt es denn?

Milan Ferus-Comelo: Alles mögliche. Es gibt Roboterarme, Vierbeiner, Roboterhunde. Die Humanoiden sind ja auch sehr begehrt. Da sieht man auch online sehr oft. Vor allem von Boston Dynamics oder jetzt momentan auch von UniTree. Es gibt kleinere Roboter, die rumfahren können. Da gibt es auch zigtausend Kids, wenn man als Anfänger da anfangen will. Es gibt wirklich alles. Für alles ein Roboter. Letztendlich ist ein Roboter ja nichts anderes als ... irgendwelche Sensor und Aktoren, die zusammengeschraubt sind, irgendeinen Task lösen. Das kann wirklich alles sein.

Jean-Luc: Jetzt haben mich ja gerade in der letzten News-Folge über das Thema humanoide Roboter diskutiert, was es da eigentlich so braucht, in den breiten Betrieb reinzukommen, in die wirkliche Anwendung in der Praxis. ich würde sagen, unsere Meinung ging da ein bisschen auseinander, wobei wir uns eigentlich daran waren, dass wir reale Use-Cases brauchen, damit die Akzeptanz da ist in der Gesellschaft. Wenn du jetzt so in die Glaskugel schauen würdest und sagen müsstest, wie das ganze Thema Robotik, KI-getriebene Robotik in den nächsten Jahren weitergeht und vielleicht jetzt von diesem Stadium, wir haben kleine Spielereien auf dem Schreibtisch, bis hin zu die Roboter erfüllen, einen richtigen Mehrwert bei uns im Alltag geht. Wie würdest du das skizzieren? Was passiert aus deiner Sicht in den nächsten Monaten oder Jahren in dem Bereich?

Milan Ferus-Comelo: ist sehr schwierig vorhersagen, vor allem, weil man den LLMs im Business jetzt ganz schnell gemerkt hat, wie rasant die sich fortbewegen. Also jede Woche kommt ja quasi ein neues Modell raus, was zigtausend Prozent besser sein soll als die anderen Modelle. Und genau das wird wahrscheinlich in der Robotik auch ähnlich sein. Momentan ist das, was uns bisschen ausbremst, eher das Computer. Also man sieht es auch mit den Preisen, SSDs und Flaschspeicher allgemein kostet jetzt wahnsinnig viel. Es gibt eine Chip-Krise, kann man so sagen. Und genau das ist halt in so einem Embodied AI-Feld sehr, sehr wichtig. Also ich brauche irgendwelche Rechenleistungen, irgendwelche Cluster, die meine Daten verarbeiten, besonders als die Modelle und die Aufgabenende auch komplexer werden. Und ein anderes Thema, was ich ansprechen will, ist Datenschutz oder Privatsphäre. Weil es ist recht leicht, ganze Training und die Inferenz auszulagern auf irgendeinem Server, der irgendwo anders steht. Aber dann hat man einen Roboter, der zu Hause steht, der wirklich weiß, wie mein Zuhause aussieht, welche Räume ich habe, wie das alles aussieht. Und diese Daten werden irgendwo anders gelagert. Und ich persönlich mag das nicht so. Ich will halt Kontrolle über meine eigenen Daten haben. Und das ist deutlich, deutlich schwieriger, irgendwas auf der sogenannten Edge laufen zu lassen. Das heißt wirklich auf dem Roboter lokal, dass man keine Internetverbindung braucht, dass die Daten nirgends hingeschickt werden müssen. Und das wird auch eine große Herausforderung sein. Auf der einen Seite hat man Mikrocontroller und Mikrocomputer, die deutlich stärker werden. Das heißt, habe jetzt so ein ESP32 zum Beispiel, das ist ungefähr so groß wie mein Finger, die Fingerspitze besser gesagt. Aber ich kann wirklich ein Computervision-Modell drauf laufen lassen. Das kostet 4, 5 Euro, also weniger als eine Tasse Kaffee in manchen Lokalen. Und ... Die Hardware wird immer immer mächtiger. dem her wäre mein großen Wunsch sozusagen, dass man die Modelle auch vor allem optimiert, dass die weniger ressourcenintensiv sind, dass die privater sind, also datenschutzmäßig, alles lokal laufen. Und das wird halt sehr lange dauern, es wirklich produktionsreif ist. Man sieht es ja auch in verschiedenen Forschungsprojekte, die wirklich cool sind, dass man echt viel machen kann. Boston Dynamics ist wieder mein Go-To-Beispiel dafür. Also wenn man diese Atlas oder Spot-Roboter sieht, wie die rumtanzen und rumspringen und Parkour machen, alles Mögliche, ist es ja richtig cool. Aber dann fragt man sich halt, was mit den Daten passiert und wie die alles verarbeiten und sowas ist nicht so ganz skalierbar.

Jean-Luc: hast ja auch ganz guten Überblick darüber, woran gerade geforscht wird oder was in der Praxis tatsächlich in dem Bereich passiert. Was denkst du, was sind so die nächsten Use-Cases, die wir tatsächlich auch sehen werden, die uns einen realen Mehrwert liefern? Ich finde es immer ganz nett, Tanz in den Roboter zu sehen, aber dafür würde ich jetzt nicht ein paar Tausend Euro ausgehen, wenn man mit mir zu Hause in den Roboter tanzt oder in der Fabrik einen Roboter tanzt. Aber was wird da so in nächsten Monaten auf uns zukommen an wirklichen Use-Cases, die uns ein Mehrwert bringen?

Milan Ferus-Comelo: Also aktuell darf ich an so einem Forschungsprojekt mitarbeiten, wo wir so einen Roboterhund beibringen, autonom zu laufen und navigieren. Das hat in der Industrie den Mehrwert, dass man diese Benutzeroberfläche nicht mehr nutzen muss. Bisher war es ja immer so, wir haben Roboterhund oder ein Humanoidenroboter, der richtig viel kann und richtig krass was leistet. Aber man hat das Problem, diese Benutzeroberfläche zu bedienen. Da braucht man eine Schulung dafür, die mehrere Wochen dauert. Das ist alles langwierig. Und wenn man diesen Prozess umgehen kann, indem man einfach wie mit einem anderen Menschen über natürliche Sprache sozusagen mit dem Roboter redet, geht es halt viel schneller. Und genau das versuchen wir dann auch umzusetzen. Das heißt, man kann mit dem Roboter reden und sagen, hey, holen wir was aus Lagerhalle A zum Beispiel. Und dann weiß der Roboter A, ich bin jetzt Lagerhalle A, Lagerhalle B, ich muss jetzt dahin laufen, such mir das Stück, du jetzt suchst und komm wieder zurück. Oder auch für Inspektionen, also das man versucht, die KI intelligenter zu machen als Gesamtkonzept. Weil es gibt ja voll oft so, dass die einzelnen Modelle recht viel können. Also wenn ich jetzt über Computer Vision rede. sowas wie Das ist so Rosterkennung oder irgendwelche Schäden zu erkennen. Das geht recht gut, ist auch recht einfach. Aber das dann als ganzheitliches, so Intelligenz zu bezeichnen, ist halt bisschen schwieriger. Und wenn man das irgendwie hinkriegt, dass die KI diesen Loop schließt, dass es irgendwas, also ein Problem versteht, das können die LLMs richtig gut, dass es dann übertragen wird. in der physischen Welt, dass ein Roboter irgendwo hinspaziert und irgendwas infiziert und dann die Daten wieder im LLM gibt und diesen Kreis schließt. Das sind so eher die Use Cases, ich, die zukünftig da, ja, der nahen Zukunft zumindest umgesetzt werden können.

Michael: Wie weit ist denn die Entwicklung bei diesen ganzen Haushaltsrobotern? Wir haben ja letztes Jahr die Ankündigung für diese Neoroboter in den USA gehört. Wir hatten es jetzt ehrlich gesagt nicht mehr so ganz verfolgt das Thema. Wo stehen wir da gerade? Taugen die was? Kamen die jetzt wirklich schon raus? Wie ist denn der Stand bei den Haushaltsrobotern?

Milan Ferus-Comelo: Also meistens redet man ja von Humanoiden-Robotern, bei solchen Haushaltsrobotern. Das ist noch lange weg. Ich würde mich da schon ein bisschen aus dem Fenster läden und dann würde ich das einfach so banal sagen. Vor allem, weil die Humanoiden-Robotern sehr ineffizient sind. Wir Menschen ja auch. Also wenn man jetzt denkt, wir machen das einfach intuitiv, aber einfach auf zwei Beine zu balancieren, ist ja schon eine Aufgabe für sich. oder mit den Händen zum Beispiel irgendwas zu greifen. Das ist ja wahnsinnig komplex, unsere Hand. Und genau das jetzt in Mechanik umzusetzen, irgendwelche Motoren anzusteuern, die genau unsere Hand nachmachen, ist halt sehr schwierig. Aber man sieht schon bei den Rumbars zum Beispiel die Staubsauger-Roboter, die momentan jetzt schon rumfahren, die können was, das ist halt eine andere Form, ein anderer Roboter. Aber die bringen schon was und genau das werden wir wahrscheinlich eher sehen, bevor wir die Humanoiden irgendwie rumlaufen sehen, dass in der Küche zum Beispiel ein statisches Element aufgestellt werden kann, der irgendwelche Sachen schnibbelt, vielleicht auch mit dem Thermomix zusammen funkt oder arbeitet. und dass diese Aufgaben quasi aufgeteilt werden mit einzelnen Robotern, die eine einzelne Aufgabe sehr gut können, bevor man einen Roboter, der alles kann, sehen

Michael: Wie würdest du es einschätzen zeitlich? Also wenn du eine Prognose wagen würdest, wann laufen solche humanoiden Roboter bei uns zu Hause rum und machen den Haushalt sozusagen drei, fünf, zehn Jahre?

Milan Ferus-Comelo: das kann ich jetzt... Das kann man glaube ich nicht vorhersagen. Mich durfte das ganze LLM, die ganze LLM-Hype-Cycle miterleben. Damals habe ich mein Abitur in Kalifornien gemacht, Herzen vom Silicon Valley. Und da war das Thema LLM und KI allgemein so ein Forschungsthema. Und innerhalb ein paar Jahren, also drei, vier Jahren, wurde es ja richtig... weit verbreitet. Man sieht es jetzt auch mit JetGBT und Claude, wie krass die Modelle sind. Und genau das, also in derselben Phase befinden wir uns aktuell mit solchen Embodied AI Roboter, dass man die jetzt als Forschungsprojekt eher sieht. Und wenn alles gut läuft, haben wir in den nächsten paar Jahren vielleicht die ersten Projekte, die wirklich im Haus rumlaufen. Aber bis es wirklich bis alles wirklich so gut funktioniert, schon etwas länger dauern.

Michael: Wir haben natürlich auch den Kostenaspekt. die sind natürlich auch sehr teuer, diese Roboter und natürlich da auch noch nicht für den Massenmarkt geeignet.

Milan Ferus-Comelo: Stimmt, aber ich bin kein Wirtschaftler, deswegen kann ich jetzt nicht zu den Zahlen sagen. Es gibt ja verschiedene Leasing Methoden. Vielleicht statt jetzt einen fetten Karten vor der Tür zu haben, hat man einfach einen Roboter, der je 100k kostet zu Hause. Ist ja auch möglich.

Michael: Was ist denn für dich gerade so der spannendste Bereich im Bereich Robotik? Wo passiert gerade am meisten, wo gibt es die meisten Forschungsergebnisse? Was ist so das Thema, das man gerade auf dem Schirm haben muss?

Milan Ferus-Comelo: Hm. passiert halt so viel gleichzeitig, dass es recht schwer ist, alles jetzt mit aufzunehmen oder gleichzeitig aufzunehmen. würde sagen, vor allem Richtung Embodied AI ist es wahnsinnig cool zu sehen, wie die Roboterarme zum Beispiel intelligenter werden. Aber auch, meiner Meinung nach, so Open Source und Edge AI Sachen, dass man versucht, dieselbe Technologie Einfach zu Hause machbar oder möglich zu machen. Ist sehr, sehr spannend. Und ich bin auch im großen Teil davon, einfach Leute was in die Hand zu drücken und sagen, ja, hier, guck mal, das könnt ihr einfach zu Hause machen, wie in Rege-Mini zum Beispiel, kommt ja immer gut an. Das heißt, ich würde eher auf das spekulieren, dass man sagt, weil genau, auch vor allem, wenn Datenschutz so ein Riesenthema wird. und auch die ganzen Data Centers, Energie abzapfen, versuchen man ja die Modelle eher kleiner zu machen, eher auf Hardware zu begrenzen, die noch bezahlbar ist, sage ich mal. Genau, und ich glaube, das wird auch in den nächsten Jahren eher der Trend werden, dass man versucht, die Modelle zu optimieren, kleiner werden zu lassen und am Ende auch zugänglicher.

Jean-Luc: Jetzt ist es so, wir haben einen ganz guten Überblick über den LLM-Markt. Da gibt es große Akteure wie OpenAI, Entropic, meinetwegen auch gerne XAI und Co., die da immer wieder mit neuen Modellen die Ecke kommen, gegenseitig versuchen sich zu übertrumpfen. Dann gibt es den Bereich Open Source, da schwappen viele sehr gute Open Source Modelle rein. In Europa hängen wir so bisschen hinterher. Wie würdest du diese Marktbetrachtung auf den Bereich Embodied AI anwenden? Wer sind da die großen Player, wie beispielsweise im Boston Dynamics über die Word schon gesprochen haben, gerne auch ein Tesla, die da ja mitmischen? Oder ist es eher im Bereich Forschung angesiedelt, sehr viel Open Source, weniger kommitsialisiert aktuell?

Milan Ferus-Comelo: Sowohl als auch, weil Michael hat es ja auch angesprochen, die Roboter sind ja richtig teuer. Deswegen sind die momentan eher als Forschungsprojekt zu sehen, ich behaupten. Aber man sieht es auch zum Beispiel an den Chinesen, also Unitree oder DJI, die haben ja mittlerweile richtig coole Roboter, die rumlaufen, die richtig krasse Sachen machen können. Aber das ist momentan etwas eher als Forschungsplattform zu sehen. und nicht wirklich krumme, mehr zivilisierbar. Das wird sich in den nächsten Jahren wahrscheinlich ändern. Man hat es ja bei anderen Technologien schon gesehen, wie LLMz zum Beispiel aber auch im Bereich Hardware, dass Hardware am Anfang recht teuer ist zu produzieren, vor allem weil es was Neues ist, was sehr Komplexes ist. Aber über die Zeit wird es halt einfacher zu produzieren und dann am Ende auch günstiger. Was Start-ups angeht, gibt es auch Tausend Start-ups. Es gibt auch hier in Karlshuhe NeuroProtects, die auch sehr stark vertreten sind und überall auch. das ist jetzt, ich könnte jetzt außer Post-Dynamics und vielleicht auch Unitree nicht genau sagen, wer am Ende das überleben wird sozusagen. Es sind ja recht viele, die jetzt damit anfangen, eben weil dieser Hype diese Richtung führt. Aber Hardware ist halt nicht so ganz skalierbar wie reine Softwareplattformen. Deswegen werden viele das wahrscheinlich auch nicht überleben. Das ist einfach so. Und wir müssen einfach schauen, dass man langsam diesen Thema vorantreibt und rüberbringt. Weil wenn irgendein Start-up das nicht schafft, haben die ja was draus gelernt und trotzdem zum Markt was beigetragen. Und dann kann ein anderes Unternehmen einfach da in dem Kontext weitermachen mit dem Learnings. Und genau, am Ende hat man hoffentlich einen Roboter, der zu Hause steht und meine Wäsche aufhängt.

Michael: Ich finde du hast einen spannenden Aspekt angesprochen. Man sieht ja wie teuer es ist, Large-Language-Models zu trainieren. klassischen Softwarebereich ist auch schon viel Geld notwendig, aktiv zu werden. Es fließt auch viel Geld rein, aber ich glaube, dass das das Problem auch sein kann für die Robotik. Ich brauche im Zweifel vielleicht sogar noch mehr Geld, weil ich eben immer das Hardware-Thema habe. Ich muss Produktionsserien aufbauen, das sind ganz andere Fähigkeiten. gefragt, ähnlich wie jetzt bei Tesla, als die Elektroautos angefangen haben zu produzieren. ist halt ein deutlich komplexeres Thema noch als Software. Software ist auch komplex, die LMS. da habe ich halt ganz andere Herausforderungen, die zusätzlich zu diesem ganzen Thema dazu kommen. Und ich glaube, dass das schon eine gewisse Einschränkung hat. Zudem ist es so, dass das ganze Geld momentan in die Software fließt. Und da ist schon die Frage, ob schon Investoren gibt, die diese Größenordnung jetzt schon gewillt sind, so ein Markt zu investieren.

Milan Ferus-Comelo: Wobei ich würde sagen, da ändert sich was. Also langsam fließt jetzt die Interesse und am Ende auch das Geld in Richtung Hardware-Sachen, weil die Software-LNs und Algorithmen sind schon recht ausgereift. Also die sind schon gut genug, dass die meisten Leute jetzt keinen richtigen Unterschied merken. Ich zumindest nicht. Also wenn wir jetzt über Cloud und ChatUPT reden, würde ich jetzt keinen wirklichen Unterschied merken. Und genau das ist halt auch dieser Faktor, der dann am Ende mitspielt. Also habe ich irgendeine Plattform, Robotik oder irgendeine andere Hardware-Plattform, die mein Modell besser macht. Also kann ich irgendwie zwei Sachen kombinieren, daraus so ein unique selling point, USB zu gewinnen. Und deswegen finde ich oder sehe ich jetzt aktuell, wie das Geld eher in Richtung Hardware fließt.

Jean-Luc: Milan, vielen Dank für deinen umfassenden Überblick heute zum ganzen Thema Aborted AI und auch zum aktuellen Stand hinsichtlich der Robotik und der KI-Nutzung. Wenn wir jetzt loslegen wollen, aber noch gar keine richtigen Berührungspunkte mit dem ganzen Thema haben, hast du dann für uns eine Empfehlung, vielleicht ein passendes Event, auf das man gehen kann, mehr zum Thema zu erfahren?

Milan Ferus-Comelo: Das auf jeden Fall. Wir in Karlsruhe wollen das erste Hardware-Hackathon organisieren. Nämlich genau zu dem Thema, dass man irgendwelche coole Hardware-Sachen, zum Beispiel einen RG-Mini, in die Hand gedrückt bekommt und sagt einfach, macht mal. Das wollen wir jetzt im Dezember organisieren. Das erste Wochenende da, Viertel bis Sechster. Das heißt, ihr in der Umgebung seid, Stuttgart oder Freiburg oder Heidelberg, kommt gerne rüber und genau schreibt mich an.

Jean-Luc: Perfekt, dann verlinken wir deine LinkedIn-Profile in den Show Notes, damit die Zuhörerinnen und Zuhörer mit dir Kontakt treten können und auch mehr Infos zum Event bekommen können. Ansonsten von unserer Stelle vielen lieben Dank für deine Insights und Einblicke. Wenn ihr Fragen rund zu dem Thema Embodied AI habt, dann geht auf Milan zu bzw. folgt ihm bei LinkedIn, dort dann auch von Veranstaltungen oder Talks, auf dem ihr ihn treffen könnt, aus erster Hand zu erfahren. Ansonsten von meiner Seite vielen Dank und bis nächste Woche.

Michael: Vielen Dank, Milan. war großartig. Viel gelernt.

Milan Ferus-Comelo: Vielen Dank, dass ich hier sein durfte.

Michael: Danke schön. Bis dann, macht's gut, zusammen, ciao!