Wie definieren Sie Embodied Intelligence im Kontext von Geek+ Brain und worin unterscheidet sich Ihr Ansatz von anderen Plattformen für Warehouse-Automation oder Physical AI? @Interview_Grundschrift:Unter Embodied Intelligence verstehen wir nicht einfach, ein großes KI-Modell in einen Roboter zu integrieren oder ihn möglichst menschenähnlich erscheinen zu lassen. Im Lagerumfeld bedeutet Embodied Intelligence vor allem eines: Ein Roboter muss in der Lage sein, auf Grundlage von Wahrnehmung, Verständnis, Entscheidungsfindung, Ausführung und kontinuierlichem Feedback eigenständig Arbeitsabläufe in der physischen Welt auszuführen, die einen messbaren geschäftlichen Mehrwert schaffen. Dafür müssen drei zentrale Herausforderungen gleichzeitig gelöst werden. @Interview_Grundschrift: @Interview_Grundschrift:Erstens muss der Roboter seinen Kontext verstehen. Er muss Regale, Behälter, SKUs, unterschiedliche Verpackungsformen, Gänge sowie Menschen, andere Roboter und die geltenden Betriebsabläufe zuverlässig erkennen und einordnen können. @Interview_Grundschrift: @Interview_Grundschrift:Zweitens muss er Aufgaben selbstständig ausführen können. Es reicht nicht aus, Objekte lediglich zu identifizieren. Der Roboter muss sie auch greifen, transportieren, platzieren, verpacken oder prüfen können und das in einer dynamischen Umgebung, ohne Kompromisse bei Stabilität, Effizienz oder Sicherheit einzugehen. @Interview_Grundschrift: @Interview_Grundschrift:Drittens muss das System kontinuierlich dazulernen. Durch Simulationen, Tests und reale Betriebsdaten wird das Modell fortlaufend weiterentwickelt. So entsteht aus einer einzelnen Fähigkeit Schritt für Schritt ein leistungsfähiges, kontinuierlich lernendes Produktivsystem. @Interview_Grundschrift: @Interview_Grundschrift:Der wesentliche Unterschied zu vielen anderen Plattformen für Warehouse-Automation oder Physical AI liegt in unserem konsequent anwendungsorientierten Ansatz. Geek+ entwickelt keinen universellen Roboter, für den anschließend passende Einsatzszenarien gesucht werden. Stattdessen beginnen wir mit den tatsächlichen Abläufen moderner Fulfillment-Prozesse. Unsere langjährige Erfahrung in den Bereichen mobile Robotik, Lagersteuerung, Kommissionierung, SKU-Datenmanagement und operative Lagerprozesse bildet die Grundlage von Geek+ Brain. @Interview_Grundschrift: Wie sieht Ihre Vision aus, wenn Sie an den Stand von Geek+ Brain in fünf Jahren denken? Welche Rolle spielen humanoide Roboter – wie Gino 1 – neben klassischen autonomen mobilen Robotern und Knickarmrobotern? @Interview_Grundschrift:In den kommenden fünf Jahren wird sich Geek+ Brain schrittweise zu einem Basismodell für Embodied Intelligence entwickeln. Ziel ist es, unterschiedliche intelligente Robotersysteme in Lager- und weiteren kommerziellen Einsatzbereichen dabei zu unterstützen, auch komplexe, nicht standardisierte und hochflexible Aufgaben zuverlässig zu übernehmen. @Interview_Grundschrift: @Interview_Grundschrift:Innerhalb moderner Lagerumgebungen stehen autonome mobile Roboter, Roboterarme und humanoide Roboter nicht in Konkurrenz zueinander. Vielmehr übernehmen sie jeweils klar definierte Aufgaben und arbeiten als aufeinander abgestimmtes Gesamtsystem zusammen. AMRs spielen ihre Stärken überall dort aus, wo es um Bewegung und Materialfluss geht. Sie übernehmen hochfrequente, klar strukturierte Transportaufgaben wie Goods-to-Person-Prozesse, den Transport von Behältern und Regalen oder interne Warenbewegungen und bilden damit das Rückgrat der Intralogistik. Spezialisierte Roboterarme sind dagegen auf standardisierte Prozesse mit hoher Effizienz ausgelegt. In automatisierten Kommissionierstationen lassen sie sich kontinuierlich für häufig nachgefragte SKUs und hohe Durchsatzraten optimieren, um Produktivität, Prozessstabilität und Wirtschaftlichkeit weiter zu steigern. Öffentlich zugänglichen Informationen zufolge kommt Geek+ Brain bereits heute in Robot-Arm-Picking-Stationen zum Einsatz und ist damit ein wesentlicher Bestandteil vollständig autonomer Lagerprozesse. @Interview_Grundschrift: @Interview_Grundschrift:Humanoide beziehungsweise universell einsetzbare Lagerroboter wie Gino 1 eignen sich insbesondere für Aufgaben, die bislang nur schwer automatisiert werden konnten. Dazu gehören komplexe Kommissionierprozesse, das Handling unregelmäßig geformter Artikel, das Auffüllen von Lagerbeständen, das Bewegen von Kartons, Verpackungsprozesse, Qualitätskontrollen sowie das Management von Ausnahmesituationen. Gerade dort, wo ein hohes Maß an Flexibilität erforderlich ist und bisher überwiegend manuelle Arbeit geleistet wurde, können sie ihre Stärken ausspielen. Das Lager der Zukunft wird deshalb nicht von einem einzelnen Robotertyp geprägt sein, sondern von einem intelligent koordinierten Roboterteam. @Interview_Grundschrift: @Interview_Grundschrift:Unsere Vision besteht nicht darin, lediglich einen intelligenteren Roboter zu entwickeln. Unser Ziel ist ein skalierbares, reproduzierbares intelligentes Gesamtsystem, das den vollständig autonomen Lagerbetrieb ermöglicht. @Interview_Grundschrift: Wie sieht Ihr Daten-Pipeline-Design aus – von Simulation über Labordaten bis zum realen Einsatz? Wie gewährleisten Sie, dass Simulationen realistische Bedingungen abbilden und Modelle sicher übertragbar sind? @Interview_Grundschrift:Unsere Datenpipeline folgt dem Prinzip einer Datenpyramide. Die Basis bilden umfangreiche Datensätze aus öffentlich verfügbaren Quellen. Darauf aufbauend erzeugen hochrealistische Simulationen mithilfe digitaler Zwillinge eine Vielzahl unterschiedlicher Szenarien, die vollständig mit Ground-Truth-Daten annotiert werden. Die nächste Ebene besteht aus Labor- und Testdaten, mit denen Sensoren kalibriert, physikalische Parameter validiert und die Grenzen der Modelle definiert werden. An der Spitze der Pyramide stehen hochwertige Long-Tail-Daten aus realen Lagerprozessen. Sie liefern kontinuierliches Feedback für Validierung, Optimierung und die fortlaufende Weiterentwicklung der Modelle. @Interview_Grundschrift: @Interview_Grundschrift:Um eine möglichst hohe Simulationsqualität zu erreichen, bilden wir sowohl die visuelle als auch die physikalische Realität möglichst präzise nach. Auf visueller Ebene simulieren wir anspruchsvolle Wahrnehmungssituationen wie transparente Oberflächen, stark reflektierende Materialien oder komplexe Lichtverhältnisse. Auf physikalischer Ebene berücksichtigen wir u.a. Kollisionen, Reibung, Schwerkraftverteilungen sowie Störungen der Aktorik. Zusätzlich reduzieren wir die sogenannte Sim-to-Real-Gap durch gezielte Randomisierung verschiedener Parameter, darunter Umgebungen, Materialien, Kameraperspektiven und Beleuchtungssituationen. @Interview_Grundschrift: @Interview_Grundschrift:Bevor ein Modell in den produktiven Betrieb überführt wird, erfolgt die Einführung schrittweise. Auf das Training in der Simulation folgen Validierungen im Labor, Pilotprojekte im kleinen Maßstab, ein kontrollierter Rollout sowie ein kontinuierliches Monitoring im realen Betrieb. Erst wenn Stabilität, Betriebssicherheit und Erfolgsquoten bei der Aufgabenausführung die definierten Qualitätsstandards erfüllen, wird der Einsatz schrittweise ausgeweitet. Die dabei gewonnenen Betriebsdaten fließen anschließend wieder in den Trainingsprozess ein und ermöglichen eine kontinuierliche Verbesserung der Modelle. @Interview_Grundschrift:
Wie priorisieren Sie die Länder in EMEA für den Einsatz von Geek+ Brain – basierend auf Marktgröße, Automatisierungsreife oder regulatorischen Rahmenbedingungen? @Interview_Grundschrift:Einer der größten Vorteile von Geek+ Brain besteht darin, dass geografische Grenzen für das System kaum noch eine Rolle spielen. Erkenntnisse und Optimierungen, die beispielsweise in einem Lager in China gewonnen werden, lassen sich direkt auf Lagerstandorte in Deutschland oder andere Märkte übertragen. @Interview_Grundschrift: @Interview_Grundschrift:Derzeit stehen unsere mit Geek+ Brain ausgestatteten Robot-Arm-Lösungen ausschließlich bestehenden RS-Kunden zur Verfügung. In der zweiten Jahreshälfte führen wir mehrere Pilotprojekte an verschiedenen Standorten durch. Die ersten Implementierungen in Europa sollen unmittelbar im Anschluss starten. @Interview_Grundschrift: Welchen Ansatz verfolgt Geek+ in Bezug auf Datenschutz, Datenhoheit und Datensicherheit, insbesondere angesichts zunehmender Auflagen in Europa? Wie wird verhindert, dass sensible Daten in die Cloud gelangen? @Interview_Grundschrift:Datensicherheit ist für Geek+ seit jeher ein grundlegendes Designprinzip und fester Bestandteil der Entwicklung sämtlicher Systeme und Produkte. Alle geschäftskritischen Kundendaten werden auf den lokalen Servern des jeweiligen Kunden gespeichert. Bei Bedarf unterstützt Geek+ zusätzlich Verfahren zur Datenmaskierung und Anonymisierung. Geek+ greift nicht eigenständig auf Geschäftsdaten seiner Kunden zu und nutzt diese auch nicht für externe Zwecke. Dadurch bleiben Datenschutz und Datenhoheit jederzeit gewährleistet. Gleichzeitig lässt sich Geek+ Brain sicher in bestehende IT- und Informationssysteme der Kunden integrieren. @Interview_Grundschrift: Welche Branchen in Nord-Europa und EMEA sehen Sie als strategisch am vielversprechendsten für den Einsatz von Geek+ Brain?
Besonders großes Potenzial sehen wir derzeit in der Pharmaindustrie. Ausschlaggebend sind vor allem zwei Faktoren: zum einen die hohen Anforderungen an den Materialdurchsatz, zum anderen die Notwendigkeit eines präzisen Managements von Haltbarkeits- und Verfallsdaten. Mehrere Kunden werden diese Lösung bereits in der zweiten Jahreshälfte im Rahmen von Pilotprojekten testen. Nordeuropa und das Vereinigte Königreich zählen bereits heute zu unseren wichtigsten Märkten. In diesen Regionen haben wir bislang mehr als 20 Projekte erfolgreich umgesetzt.
