How to raise Germany's biggest robotics round of 1.4 billion dollars without a degree

00:00 Feliks Eyser: 1,4 Milliarden gerade gerast. Ist wahrscheinlich die größte Finanzierungsrunde Deutschlands.

00:04 David Reger: 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 immer eine Wettbewerbe. Wir haben eine Pipeline an sich, die über 10 Milliarden. Der größte Teil dieses Orderbooks sind ja Dinge, die wir heute schon liefern. Zehnmal genauer, viermal so schnell wie jeder. Das Einzige, was unserem Land fehlt, ist Real Purpose. 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, widerführend 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 entscheiden Das heißt, wenn die Roboter anfangen, Menschen zu ersetzen, werde ich eine Sozialabgabe auf die Roboter einfordern.

01:03 Feliks Eyser: Wie sieht die Arbeitswelt in 2040 aus? Die heutige Folge wird präsentiert von Qonto, dem Geschäftskonto, auf dem ich alle meine Firmen laufen lasse. Und jetzt zur Show. Schön, dass du da bist. 1,4 Milliarden geraised. Für deine Roboticsfirma. 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.

01:37 David Reger: Also einmal die größte Komplexität darin ist, einmal überhaupt die Sensoren einzubinden. Das heißt, diese Taschszensoren zu imitieren oder den sozusagen herzustellen. Das ist äußerst komplex und daran haperte 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 mit der Hand. Also ich kann jetzt einfach mal so einen 30-Kilo-Handel mal nehmen und zumindest mal anheben. Gleichzeitig bin ich irgendwie dann doch schlank in meinen Fingern, also jetzt vielleicht habe ich ein bisschen mehr Wurschtwinge, aber äh, ist ein schlanker wie ein Roboter halt. Und da muss man natürlich schauen, dann ist Wärmeentwicklung in der Hand. Also man nutzt jetzt 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. Also Aber vor allem ist natürlich dieser Taschsinn, sensitiv zu sein, traglasch zu haben und das Ganze zu kombinieren. Also ich finde unsere Hand ist einfach ein Wunderwerk der Natur.

02:49 Feliks Eyser: Hat über 17. 000 Mechanorezeptoren. Das Wort kann ich davon nicht, habe ich gelernt. Im Research. Also quasi Sensorenpunkte, wo du halt sehr fein sein kannst. Also was die ja auch im Gehirn verbunden sind, wenn ich einen Stift halte und der mir aus der Hand rutscht, dann merke ich das ja sofort und das. Gehirnsteuergehirn.

03:08 David Reger: 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. Dein Gehirn hat, sag ich mal, so eine 200 Millisekunden Delay. Also das heißt, es würde dir schon rausrutschen. 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 diesen Memory-Effekt, Muskeln und so halt beibringen und es dauert deutlich länger, wie etwas im Gehirn beibringen. Und das ist auch genau der Unterschied, den wir jetzt gerade machen zu unserem Wettbewerber, dass wir halt wirklich diese Zweilayer sozusagen Compute-Architektur gebaut haben. Gehirn und Nervensystem, anstatt dass man nur Ein Gehirn hat, so wie es die Welt gerade eigentlich versucht zu zeigen, dass es geht.

04:04 Feliks Eyser: Das ist ja interessant, die imitiert quasi die menschlichen Körper, du sagst, okay, da gibt es auch

04:09 David Reger: eine harte Intelligenz in den Muskeln. Genau, wir nennen es Smart Limbs. Das machen wir mit Qualcom zusammen. Also deshalb haben die investiert. Der ist sozusagen in jeder, also ein Arm hat einen Smart Limp, also ist ein Chip, der wie so ein Nervensystem sehr schnell interagiert, also Millisekundenschnell. Und gleichzeitig aber jetzt nicht viel erlernen kann, aber zumindest hier zum Beispiel die einfache Logik wie Share Force Define Pressure Forces. Das heißt. . . Also die Scherkräfte, 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 regierst. Genau, auch wenn ich es nicht sehe, füll es auf, das fliegt mir nicht aus der Hand. Und ich merke es, bevor es wirklich passiert, bevor mein Gehirn das 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, du hast ein Vision Language Action Model ist. Also es ist sozusagen ein Large Language Modell, sozusagen, was auf Vision-Daten basiert. Das heißt rein visuelle Daten. Das heißt, da wird unglaublich viel Daten sozusagen im Visuellen gesammelt, also auf Pixel. Ich kann das ein Video von dir machen, wie du es glas hältst. Genau. Und das mache ich jetzt immer wieder und dann nutze ich sozusagen, ich sag 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 es dann verstanden wird aus dem Visuellen. Braucht ultra lang, also ultra viel Daten. 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. Und gleichzeitig ist vielleicht in der Position jetzt leicht falsch.

06:16 David Reger: 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. Und das ist sozusagen auch wieder ein reiner Reflexe. Ich erkläre es auch gerne mit dem Schwimmen. Wenn man jetzt schwimmen lernen will, dann kann man nicht einfach mal, ich sag mal, ein Jahr lang ein Video anschauen und schwimme 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. Aber ich muss davor auch verstanden haben, was ich tun soll. Genau, richtig, du, äh, das ist schon, das ist hilfreich, deswegen sage ich in Vision Language Action Models, ich sage ein Vision Language Models , is jetzt nicht falsch Also sowieso ein Actionhead, von dem man benötigen, aber es braucht immer noch einen weiteren Kontext und genauso noch weitere, also wir nennen es von Multimodal. Also mehr Modalitäten sozusagen, die ich dem Gehirn beibringen kann, um zu sagen, das ist jetzt gut und das ist schlecht.

07:24 Feliks Eyser: 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 lizenzieren kann?

07:31 David Reger: Dementsprechend müssen wir es selber tun. Also ich sag mal, wir könnten darüber meckern, aber gleichzeitig macht es für mich unglaublich. Also das lässt mich jeden Tag noch aufstehen und sagen, ey wow, wir sind eigentlich wir aber ein Tau. Partnertechnologie 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, 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 nur 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 ja eigentlich die Logik dahinter. Das heißt, es braucht dieses Nervensystem und diese Reflexe, damit ich über Wasser bleibe. 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. Wir haben deine Kinder schwimmen gelernt. Ich probiere es mal ihm gerade beizubringen. Ich habe einen Trick, tatsächlich hat es auch mit der zweiten Tochter gut funktioniert. Ich meine sieben und fünf und ich habe die erste, sie hatte unglaublich Schiss gehabt, immer das auszuprobieren und ich habe ihr dann so eine. . Kennst du die ganz Gesichtsmaske? Die über einen ganzen Kurzmask. Genau, Schnorchemaske, ne? Die habe ich hier angezogen. Und dann habe ich sie einfach nur reingelegt und dann ist sie losgeschwommen und ihr ist gar nicht gemerkt und sie ist einfach rumgeschwommen. Ja, aber du bleibst schon unter Wasser, du kannst gar nicht. 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, ich kann schwimmen. Sie haben 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, dass es gut funktioniert, da haben wir gesehen, hey, jetzt hat es.

09:39 David Reger: . Jetzt hat auch ihr die Reflexe sozusagen auch erlernt, wie sie über Wasser bleibt, und jetzt ist sie ohne Maske genauso ziemlich gut. Und das mit der zweiten Tochter genauso funktioniert, deshalb, ich weiß schon, von was ich spreche.

09:50 Feliks Eyser: Okay, das nehme ich mir das gut, weil mein Sohn probiert, also er probiert zu schwimmen und der kommt auch vorwärts, aber sein Kopf ist immer. unter Wasser, das schaffst du nicht, dass der Kopf oben bleibt.

09:56 David Reger: Die 10 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.

10:10 Feliks Eyser: Die hat schon irgendwann mal gesagt, hey, ich will sie gar nicht Wenn unsere Kinder jetzt solche Sachen lernen, in der Realität kriegen die ja diese ganzen Eindrücke und fühlen das Feedback, ein Schwimmbad zum Beispiel, und das ist ja ein großes Problem in den Trainingsdaten. Wenn du sagst, Large Language Modelle sind trainiert auf Text, davon gibt es Gibt's 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 da im Kopf schnallen und diese Videos dann produzieren, so sinngemäß. Aber es fehlen ja die haptischen Daten und die machen einen Riesenunterschied.

10:39 David Reger: Was bedeutet das? Dass wir die erschaffen müssen. 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 es wirklich in jeder Stadt der Welt. H

11:00 Feliks Eyser: ein paar Beispiele dabei können wir einblenden. Gleich so sehen die die Neuergyms aus, wie ich schon geht an deiner Webseite. Alle, wo sowohl humone Roboter stehen als auch Menschen, die haben Anzüge an, wo Punkte drauf sind. Und die Roboter verrichten hier verschiedenste Tätigkeiten. Genau. Waschmaschine ausräumen, Tisch abräumen.

11:18 David Reger: Genau. Es sind jetzt meistens so 100 Zellen. In so einem Gym? Was ist mit Zelle? Zelle heißt so eine Umgebung, die ist schon 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. Das heißt, man, also deshalb haben die hier auch diese Anzüge an. Man sieht dann 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. Also ein Bauteil irgendwo einlegen, zu machen. 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 feintunt sozusagen das Foundation-Modell, was wir gebaut haben, das Multimodale. und feintunte 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. Da sagt man, hey Fehlen noch irgendwie Daten, weil jedes Mal, wenn da 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. Die Gyms sind dafür da, dass wirklich jeder Zugang bekommt zu so einem Roboter, ohne einen kaufen zu müssen. Man geht, man bucht sich so eine Zelle. Und man trainiert ein 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, genau das ein Reversal Trainer.

13:28 David Reger: Also es heißt wie, wenn du einen Rücken falsch trainierst, kommt dann von hinten und sagt, hey. . Damit warst du den Rücken kaputt, vielleicht machst du mal ein bisschen anders. Und genau so sind die Trainer da. Und warum machen wir das? Weil es zentralisiert ist. Das heißt, es wäre für uns falsch, überall den. zu in jede Fabrik der Welt zu gehen und versuchen, den Sdenen dort beizubringen, das wäre limitiert. Das heißt, wir bringen es in Ball und so wo so Also so wurde 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 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 der nächste nicht trainieren.

14:33 Feliks Eyser: Ich kann sagen, ich bin jetzt der Beste, der den Roboter drin trainiert hat, Biergläser auszuspülen oder was auch immer. Genau. Und wenn das andere Zelt vom Oktoberfest kommt,

14:42 David Reger: dann sagt der, ich will den Skill. Genau, dann Skill und dann sagst du, okay, ich lieze sie es. Und jetzt geht es über die ganze Welt, weil es ja über eine Plattform ist. Das heißt, jetzt brauchst du kostet das Kill halt jetzt nicht deine 2000 Euro oder sowas, sondern das Skill kostet halt nur noch 20 Cent. Weil 20 Cent auf allen Bierfesten der Welt und so weiter ist halt gar nicht mehr so wenig. Also so Wollen wir sozusagen vor allem dafür sorgen, dass jeder sein Know-how behält und das Know-how auch monetarisieren kann. Also komplettes Gegenteil von Anthropic 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 Programm-Skills und so weiter, ähm sozusagen so viel entwickelt haben und das wurde jetzt einfach genommen, weil jemand ein Häkchen falsch gesetzt hat und damit trainiert. Und kein Wunder, bricht sich jetzt auch die Code, äh, den Code, ne? wurde aus dem gleichen Kopf 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. Genau. In der physischen Welt einzusetzen. Genau. Also ist es ja trotzdem so, dass alles unsere Plattform ist. Das heißt, wir monetarisieren dort, wo halt wo jemand halt auch damit Geld verdient.

16:05 Feliks Eyser: 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. Wir können Freigaberegeln für Zahlungen hinterlegen. Mitarbeiter kriegen ihre eigene Firmenkarte. Und wenn jemand seine Belege nicht einreicht, muss ich nicht der Person hinterherrennen, sondern Konto macht es für mich. Der Steuerberater kriegt Zugriff über die Data-Stittstelle 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 Founder Mode GmbH, für alle Companies, die wir neu aufsetzen. 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

17:13 David Reger: Nekume Ecken. Nicht dahin. Aber da steht eine echte Kuh da. 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. Also ich weiß gar nicht, wie genau ich das erklären darf, weil. Das sind halt jeder hat halt irgendwie seine geheimen Geheimnisse dort, und dann siehst du halt, wie der das dann wirklich dahin bringt, und an die Euter ran macht und der lernt es. Das heißt, ihr könnt dann die Kuh verstellen, die Beine verstellen, die und der Roboter weiß einfach, wie damit umzugehen hat. Ich jetzt nur ein Beispiel und es braucht gar nicht so viele Trainingsdaten. Und das macht es halt für uns zu diesem Moment, wo wir sagen, also es wird sehr bald passieren, dass es deutlich einfacher ist, einem Roboter etwas beizubringen, deutlich schneller wie in Menschen. Also und 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 ein Roboter für eine neue Aufgabe wieder trainiert. Das ist ja die große Frage, wann das

18:15 Feliks Eyser: 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, aber du sagst, je mehr Daten vorliegen, desto näher kommen wir diesen Moment.

18:26 David Reger: Ja, das ist ja das Tolle. Wenn du einen Ziegelmilkst, dann wirst du wahrscheinlich auch ein Schaf melken. Also im Endeffekt, du hast schon eine gewisse Ähnlichkeit und er versteht es ja dann schon. Aber es ist dann vielleicht noch, vielleicht tut er sich damit schwer, weil vielleicht die Hände done 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 auch das Tolle. Man ist sozusagen, man kreiert die Zukunft und man hat Hier endlich mal wirklich so eine Ausgangslage, wo wir wirklich auch im Vorteil sein können, wenn wir schnell genug und bold enough sozusagen das ganze Ding ausrollen.

19:05 Feliks Eyser: Und wie viele Durchläufe braucht man da? Du sagst so, da sind gar nicht so viele Daten erforderlich, das verwundert mich.

19:11 David Reger: Das hat mit dieser KPI Time to Skill zu tun und ähm. Also vielleicht noch einfach ein Beispiel. Ein Mensch braucht heute, also ich sag mal, wenn man jetzt alle, zum Beispiel, wir haben einen Partner, der hat über 350 Plans 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 sage ich, okay, gut. eine Arbeit, die keine Qualitätsansprüche hat, die keine Special Education Requirements hat, die keine, also das sind so, also Arbeit, die eigentlich jedes Kind tun könnte, wenn man Kinder dafür einsetzen dürfte. Also , 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? 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 und Trainingszeit sozusagen wirklich voll im Value bringen kann. Das heißt, jeder neue Mitarbeiter wird immer eingeführt und man kalkuliert in diesem Fall weltweit auf alle, das sind verschiedene Companies, mit denen wir darüber geredet haben und es gecheckt haben. Man kommt nie unter die drei Stunden. Sei es, sobald aber Qualitätsansprüche sind, sobald er. Dann geht es immer gleich in Tage, Wochen, Monate Und sogar noch länger. Das heißt aber, und man tut da nicht die ganze Ausbildungszeit, Studiumzeit, was auch immer. Nur dieses hätte ich, 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 sag 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.

21:14 Feliks Eyser: Ich nehme Roboter, der kann gar nichts, der kommt von außerhalb der Firma quasi. Ich sage dem, jetzt gibt es ihm eine Tätigkeit, Rechteil von A nach B.

21:20 David Reger: Ja. Und dann trainiere ich ihn sozusagen 60, 70 Stunden. Und danach kann er diese Aufgabe ausführen. Autonom. So, 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, sag ich mal, sag mal 70 Stunden auf 14 Stunden gekommen. 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 noch limitiert dadurch. Wir wissen eigentlich, dass wir in den nächsten drei, vier Monaten zu einem Punkt kommen und 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 für hat. Also das heißt. Man trainiert einen Roboter und der Skill, den ich erlangt habe, egal wo es im Gym ist oder ob es in der realen Umgebung ist, Transferiere ich mit einem Klick auf tausend andere Roboter und eskaliere. Oder ein Roboter geht kaputt, ich drücke wieder drauf und ich klicke es auf ein Anliegen. Das heißt, und bei Menschen ist es halt eben nicht so, wenn ich jetzt von einem Menschen einen Mens trainiere und dann sag ich brauch's aber tausendmal, dann muss ich erstmal die tausend Leute finden. Gleichzeitig muss ich erst mal die Tausend Menschen das Gleiche nochmal beibringen. Dann gibt es welche, die brauchen länger, es gibt welche durchaus. Und so komme ich aber mindestens dann auf diese 3000 Stunden die Trainingszeit. Und dann sind die gut ausgebildet und dann kündigen die. Scheiße. Genau. Und das ist genau der Punkt. Also das heißt, die sind mal krank, die kündigen 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, es wäre un, also diese leeren Plätze sozusagen zu ersetzen, wäre eigentlich, es würde viel zu lang, es würde gar nicht gehen, außer mit Technologien wie Physical AI and Roboti. Und dazu muss es 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 entrainiere oder ob ich einen Roboter entrainiere.

23:39 Feliks Eyser: Werbung Johannes Kliesch von Snockt 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 bei Rechnungen und Bestellungen falsch gebucht waren. Snocks 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. Dann kam unser Werbepartner Pathway ins Spiel, die automatisiert Buchungen aus Shopify und Stripe. In Datev 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 einen Phonemote-Podcast zu kommen. Er sagt, Pathway hat ihm den Arsch gerettet. Wenn euer Business auf Shopify oder Stripe aufsetzt, dann nutzt Pathway. Meldet euch bei denen, sagt ihr, dass ihr über Phonemode gekommen seid. Dann erlassen die euch die Einrichtungsgebühr, die sonst bis zu 1000 Euro sein kann. Werbung Ende. Und wieso ist Time to Skill die wichtige Kennzahl und nicht die Zuverlässigkeit in der Ausführung? Wenn ich sage, okay, ich muss den trainieren, okay, ob das jetzt 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

24:54 David Reger: Tätigkeit. Das ist natürlich auch entscheidend. Also das ist natürlich, also wir, so messen wir, dass es überhaupt funktioniert. Wie gut ist es, wie gutes Modell. sind wir bei 90 Prozent, 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 da hinkommen, wo wir jetzt sind an Daten. Und gleichzeitig sorgen die halt für die Sicherheit, dass wenn man es antrainiert hat, dass man, dass es klar, dass es wirklich gleichbleibend ist. Das heißt, auf abnormale Situationen trotzdem autonom zu reagieren. Das ist ja der Riesenvorteil vom Mensch, dass in Fetch Cases reagieren können. Das ist auch der einzige Vorteil sozusagen der Robotik mit Physical AI kombiniert. Das nicht nur das Normale, einfach ein Bauteil zu nehmen und irgendwo einzulegen, sondern das abnormale, das 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 für sich.

25:56 Feliks Eyser: Wie siehst du da die Zusammenarbeit zwischen Mensch und Maschine und dieses Spektrum zwischen vollautonom? Das Ding steht da und macht einfach komplett alles, was es tun soll, versus Da greift ein Mensch ein und das ist dann der Teleoperator. Also beim autonomen Fahren ist es ja so, die braucht auch ein Recording, jemand 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

26:32 David Reger: laufen muss? Also die Anforderung ist natürlich schon immer zu hundertprozentig die Ambition, sagen wir so, aber im Endeffekt, wir sehen es, in manchen Fällen ist auch so, dass es gut aufgeht, aber in den in vielen Fällen ist halt eben auch noch so, dass man sagt, okay, wir schaffen es nur bis 90 Prozent zu gehen oder sowas und dann fliegt halt immer wieder ein Bauteil raus und dann schaust halt, okay, was macht man damit? Ist es trotzdem besser, wie dass 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, das weiter zu optimieren, dass man an die 100% kommt. Aber vielleicht dann halt in anstatt sag ich 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 von so einem. . Also mobilen Roboter abzunehmen, sie aufs Band zu legen. Und da ist es natürlich schon so, das variiert, das ist nicht immer gleich, 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 ausgerollt haben. Humanoide haben ja den Vorteil, dass sie Beine haben. Oder den Nachteil. Das ist ein Vorteil, würde ich fragen, ja. Das ist eine Diskussion für sich. Also im Endeffekt Ich sage halt nach wie vor einen Nachteil, so auf Beinen zu stellen, weil es halt einfach, 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

28:17 Feliks Eyser: einen Vorteil hat, wenn man Alleine wenn er auf Beinen steht, wenn der Strom weg ist, dann fällt er um. Das war das Erste. Und das Zweite ist, es ist natürlich auch komplex, die Beine zu steuern. Wir haben gelernt, die Hände sind ja

28:26 David Reger: schon schlimm genug. Richtig, genau. Und die Herausforderung, die wir aber haben. dass Menschen nun mal die Dinger auf Beinen 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 ein. An den Sinn dahinter denken und immer denken, wow, es 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 Dinge auf Beinen und bieten beides an. Ihr bietet beides an. Genau. Und das ist ja auch der Vorteil. Am Anfang wollen sie immer Beine. Und über eine Zeit kommen sie dann schon und sagen dann, ja, okay, er hat recht gehabt. Ich will doch die Dinge aufreden Aber es gibt, die meisten heute nach wie vor, so dass sie sagen, nö, nö, ich will die auf Beine. Auch wenn wir die Beine erstmal stilllegen, das heißt, wir tun die Beine wirklich mal Einfach bestrommen, aber wir laufen nicht viel rum, wir bleiben sogar im Ort. Aber die wollen sie so haben. Warum? Weil es natürlich für die, ich sag mal, für alle. dass es mehr Akzeptanz gibt, das wird. Also ich kann es mir nach wie vor nicht erklären. Ich sage halt immer wahrscheinlich, weil Hollywood dieses Bild in unseren Köpfen gezeichnet hat. Und wir uns da leichter reinversetzen können. Soll wir sagen, hey, der wird einfach das gleiche können wie ein Mensch. Sieht ja aus wie ein Mensch, eigentlich von der Körperform, ergonomisch sozusagen an also Alles ist an Menschen angepasst, also passt es auch für den Roboter. Es wirkt natürlich kompatibel.

29:51 Feliks Eyser: Du denkst, okay, wer weiß, was das Ding morgen, ob es sich ein Gabelstapler setzen muss oder ob es doch eine Treppe hochläuft oder was auch immer.

29:56 David Reger: Und ist auch, glaube ich, einfacher, selbst jetzt auch mit der Teleoperation, mit all dem. Man zieht einen 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 es ist alles bewegt. Sich klar eigentlich wie ein Mensch. Wie fühlt sich das an, so einen Anzug zu haben und den zu bedienen? 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 sag immer, die Leute, die gut rückwärts fahren können, können auch sehr gut teleoperieren. Weil das irgendwie so ein Ding ist. Viele kommen da 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 zu teleoperieren. Ja, genau, also normal stehst du an dem. Und gleichzeitig ist es auch so, dass zum Beispiel diesen Gyms in München da gibt es jetzt ich sag mal diese ganzen Zellen, also ich sag mal, ein normales Stück mal so 100 Zellen, dann geht man und dann braucht man ja, dort hat man ja nur ein paar Trainer, die. . die dort vor Ort sind. Und dann gibt es ja schon am Anfang vor allem viele, die dann sagen, hey, ich brauch ein bisschen Support, ich brauch und haben das jetzt so gemacht, dass wir gesagt haben, 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. Richtig, kannst du das Ding fernsteuern? Genau, da kann man helfen. So sagen, hey, hier ist das Problem, ich helfe dir mal schnell, ja.

31:30 Feliks Eyser: Und du musst aber einen Anzug anhaben, um das zu steuern, oder kannst du auch einen Playstation-Controller nehmen und kannst simple Sachen quasi auf eine andere Eingabe vormachen? Geht natürlich auch, aber ich ist halt.

31:38 David Reger: Also viel komplexer. Es gibt ja auch diese Joysticks, auch mit der Brille. Das sieht man auch vor allem, wenn man jetzt immer wieder so diese Videos aus China sieht, dass die meisten so eine Brille anhaben mit diesen zwei. Genau, die haben aber den Nachteil, also das ist schon anstrengend, so eine Brille zu sein. Also im Raum, also ich kann es nicht, also das ist nicht. Dann früh mich mit dieser Oculus-Brille dann

32:02 Feliks Eyser: so Spiele gespielt eine Weile und dann kriegst du aber irgendwie nachher

32:05 David Reger: in 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, denen zu übernehmen, dem was beizubringen. Aber am besten ist schon das, dass man den Roboter ansteuert, weil man dann natürlich auch, der Roboter nach wie vor, ich sag immer, eine Die Human Robot Disability Gap. Also das heißt, der hat nochmal weniger Freiheitsgrade, wie auch Sensorik, wie ein Mensch es halt hat. 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 erlern der Roboter dann schon, wie er damit umzugehen hat. weniger Sensorik zu haben, weniger Freiheitsgrade zu haben. Und deswegen ist es so entscheidend mit den Gyms. Also die, das ist für uns schon ein Infrastrukturprojekt, was wir jetzt gerade über die ganze Welt bauen wollen. Also der Glück 1 gebaut. Dieses Jahr sind es fünf Operational. Und wir, also zehn aber in the Making, das heißt, zehn sind in der Mache und nächstes Jahr skalieren wir noch weiter, also viel weiter. Weiter. So ein Gym, 100 Zellen, dass man es rechnen kann. Und wir sind auch so, dass sie, also zum Beispiel, ist ja Wahnsinn, wir haben ja erst für einen Monat, was wir das dann angefangen haben, auch anzubieten, haben wir extrem über oversubscribed. Das heißt, jeder und das sind meistens so Jahresabos, die wir anbieten. Zahlen die Leute dafür, dass sie im Gym. Ja, im Gym. Das sind

33:33 Feliks Eyser: 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. Tatsächlich

33:40 David Reger: 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, 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? Ähm, ja. Und gleichzeitig ist es so, dass wir es inzentivieren mit anderen Dingen, wie zum Beispiel Fortschritt. Also das heißt, wenn ich jetzt eine Spielmaschine ein und ausräume und ich auf den Private-Button bin, dann erlerne ich es wie neu. Wenn ich aber hingehe und sage.. Ich lasse es mal on public. Dann ist es so, dass ich automatisch auch von allen Dingen, die in die ähnliche Richtung gingen, schon. . die Informationen bekomme und ich gar nicht so viele Daten brauche. Also dass es viel schneller geht, dem 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, so erklären wir es auch allen, sagen, hey, geh mal so lang wie möglich. Dorthin, dass es überhaupt mal funktioniert, aber mit veröffentlichten Daten. Und dann, sobald du reingehst in das Feintune-Mischen, dein Kern-Know-how, wie du es dann machst, Dann geh hin und 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, gleichzeitig ist es natürlich ein Riesenvorteil. Also, dass man viel schneller trainiert. Und jetzt hast du

35:31 Feliks Eyser: die Partner mit den spezifischen Use Cases, der eine will eine 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 das Jim selber betreibt?

35:41 David Reger: Also wir haben eigene Gyms, da betreiben wir selber. Wir trainieren mit unseren Partnern, für unseren Partner. Gleichzeitig auch in den Gyms an sich bieten wir das als Service an, dass wir sagen, hey, hast du jetzt keine Leute für? Oder brauchst du für eine Zeit lang Leute, weil du sagst, ich hab 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. Und halt einfach sagen, am Anfang will ich halt jemanden dazu buchen, der macht's dann für mich, ich schaue dem eine Zeit lang zu und dann übernehme ich. Und dementsprechend werden wir auch. wahrscheinlich mehr Leute einstellen wie alle anderen, gerade, obwohl wir eigentlich genau in dem Feld sind, alles zu automatisieren.

36:29 Feliks Eyser: Sitzt sie ja auch auf den 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 wir jetzt nicht in Boston gearbeitet. Das

36:39 David Reger: Data Labeling und alles funktioniert schon autonom bei uns. Also das ist 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 und dann oben kann ich nur. . Private or 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, sagt das erste Train schon mal, dann mache ich das nochmal anders und trainiere schon das nächste. Die nächsten Episoden, zum Beispiel bei einer Spülmaschine oder jetzt eine Waschmaschine, da gibt es gerade einen Use Case Bones im Gym. Da geht es ja darum, nicht nur die Waschmaschine zu bedienen, sondern davor die Wäsche zu sortieren. dann die erstmal aus diesem Wäschekorb rauszuholen alles, dann die Wäsche zu sortieren, dann diese Dinge vor die Waschmaschine zu bringen, dann die Tür zu öffnen, dann erstmal 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, sobald, und dann nehme ich das, was schon nass ist. Bringen Sie den Trockner. 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 und 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 WOS-Plattform dafür nutzen, die das Ganze zu orchestrieren. Das heißt quasi euer App Store. Genau, das ist sozusagen unser App Store, aber auch So diese Skill Store wie auch der Orchistrator. Da lebt Aura. Und Aura ist das Tool, das ist ein Agente GI-Tool. was dann nodes verbindet. Also das heißt jedes trainierte Modell ist für uns eine Node Deswegen läuft bei uns alles on the art. 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.

38:46 David Reger: Und dann verbindet sie das Ganze und dann funktioniert es. Und genauso ist die dafür zuständig, 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.

38:58 Feliks Eyser: Wahnsinn.

38:58 David Reger: 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. einen Kühlschrank aufmachen, sieht, da ist nichts drin, wäre eine Waste of Time. Das heißt, man hat, also einen intelligenten Roboter, der weiß, wie man einen Kühlschrank aufmacht, der weiß, wie man da was rausholt. Aber im Endeffekt braucht es einen Orchestration Layer darüber. Das nennen wir Also durch 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 die zukünftigen Kühlschranke haben nun mal Kameras drin. Und dann gehe ich hin und sage, okay, du brauchst ja nicht hochlaufen. Und ich bestelle jetzt erstmal was, ne? Und du wartest jetzt lieber, bis ich sag mal, bis das Zeug ankommt, dann eine Tür rankommt, dass du es abholen kannst und den Tisch ranlegen kannst, bevor du. Also das sind Dinge. Es braucht deutlich mehr wie nur ein intelligentes Devices, versuche ich damit zu sagen. Und vor allem in der Industrie. Ich muss immer eine Node 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 Wi-Fi 7 oder was auch immer. Das heißt, und dafür brauchst du diesen Layer und den nennen wir Neuraverse. Und da und da drin operiert Aura, die alles zusammenstellt.

40:20 Feliks Eyser: Auf meiner eigenen Faune-Reise habe ich super viel von anderen Unternehmern gelernt und ist auch der Grund, warum wir diesen Podcast machen. Jede Woche liefern wir euch spannende Storys und konkrete Learnings von erfolgreichen Gründern. Damit ihr keine Folge verpasst, drückt den Abo-Button und werdet informiert, wenn die nächste Fauna mode-Folge rauskommt. Wie denkst du über so consumer versus Industrienachfall? Es gibt diese beiden Use Cases und Aus irgendeinem Grund reden alle mal drüber, die Wäsche zu falten. In jedem Video versteht ihr, da faltet ihr so die Wäsche. Der größte Markt ist wahrscheinlich die Industrie am Anfang, oder?

40:57 David Reger: 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 Also es ist so komplex und er braucht so viel Vertrauen, der braucht so viele Dinge, die wir bieten können , hier auch aus Deutschland raus für die Welt. Und da sehe ich einen klaren Vorteil darin. Also gleichzeitig. . Und das ist auch ein Stück weit kontrollierbar. Also dass du die Fabrik

41:24 Feliks Eyser: hast, die hat.

41:25 David Reger: . 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 Prozent des Global GDPs sozusagen mit Physical Labour Work geschaffen. Und das ist der größte Markt, weil es gibt nichts Größeres wie wirklich Physical Labour. Und dementsprechend sehen wir dort natürlich auch diese große Möglichkeit. daraus einen 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.

42:04 Feliks Eyser: Wenn du wetten müsstest, was ist der erste Use Case, wo wirklichen Kunde, sagen wir 10. 000 humanoide Roboter bestellt, die wirklich in Einsatz kommen und dann tagtäglich.

42:14 David Reger: . Also wir haben ja solche Dinge schon. Also dementsprechend also nicht, dass wir die geliefert haben, aber dass wir dort sehr starke Commitments haben von Partnern und welche sind das, es sind dann schon auch die Low-Hanging Fruits. Wirklich so logistische Aufgaben, Bauteile irgendwo einzulegen, aber halt mit ein bisschen mehr Kopf. Das heißt, Bauteil einzulegen irgendwo was rauszuholen, vielleicht irgendwo zu verpacken. Also arbeiten die heute halt die marchten Menschen sozusagen auch.

42:42 Feliks Eyser: In der klassischen Fabrik, in einem Lager. Und du sagst, ihr kommuniziert immer wieder die Zahl mit eine Milliarde Pipeline, also Stellungen quasi oder Aufträge in Aussicht gestellt, jetzt nicht ausgeliefert, weil das wahrscheinlich daran hängt, dass es technisch auch funktioniert, die das produzieren könnt und so weiter. Wenn man da so grob ein Kuchendiagramm machen würde aus dieser 1 Milliarden Pipeline, welche Kuchenstücke würde man da sehen?

43:02 David Reger: Ja. Also im Endeffekt, ähm, muss sagen, wir sind ja heute. . Einiges über die eine Milliarde Pipeline. Also es sind so knapp 1,5 Milliarden. Und das Spannende ist ja, dass da jetzt, also wir haben eine Pipeline an sich. Das 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 Order Book. Das heißt, es sind dann sozusagen eine Stufe weiter wie Pipeline, das heißt, sind dass diese mit 1,5 Milliarden TKP Clauses drin. Das heißt, wir liefern sie aus über einen gewissen Zeitraum. Auch wenn dann plötzlich gesagt wird, ich brauch sie doch nicht oder sowas, sind dann trotzdem Klausen drin, dass man sagt, die müssen sie nehmen. Und man hat halt eine richtige Order. 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.

44:09 Feliks Eyser: Da ist eine technische Spezifikation dahinter. Da steht drin, okay, ich nehme das ab, ich kaufe für 500 Millionen solche Roboter. wenn die auch in der Lage sind, A, B, C, D für mich zu machen und diesen Beweis muss zu erbringen.

44:18 David Reger: Genau. Und ich sag halt, der größte Teil dieser Pa äh dieses Orderbooks sind ja Dinge, die wir heute schon liefern. Das sind ja nicht irgendwie, deswegen nennen sie ja auch Orderburg, 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, 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 wir 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? Da gibt es eine Analyse und dann sagen sie, hey, die meisten Arbeiten sind eigentlich Bauteile in Maschinen einlegen, den Knopf drücken, Türe zumachen, aufmachen, Bauteil rausholen. Knopf drücken, also das sind Schalter umlegen, das sind die einfach und das kann ich dir heute zeigen, das funktioniert. Also im Endeffekt, ähm, und dann Schaut mal zu und dann sagt man, jetzt will ich aber sehen, dass die ganze Nacht über 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 und jetzt. Jetzt brauchen die natürlich Bestprice. Wir wollen dann natürlich einen Vorteil haben, dass zum Beispiel die Informationen nicht irgendwo hingeleakt werden, weil es mitten in unsere Fertigung ist und so weiter. 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 Exzusivitäten, die sagen, die kaufen ausschließlich eure, weil es dann noch einen anderen Vorteil gibt. Und so kommt man an diese Dinge ran.

46:02 Feliks Eyser: Ist das denn Innovation im Robotics Space, die Aufträge so zu strukturieren? Ich habe ein paar Leuten gesprochen, die meinten, das ist ja schon interessant, wie er David es hingekriegt hat, quasi diese Go-to-Market-Seite auch ein Stück weit zu knacken, wo es viele Fragezeichen gab am Anfang. gibt es viele Fragezeichen, so die technische Machbarkeit zu meinen, die Hardware, die Software, die Trainingsdaten, aber natürlich auch die Kommerzialisierungsseite. Es klingt so wie wenn du das ein Stück weit kurz geschlossen hättest.

46:26 David Reger: Nein, also es war unglaublich viel Arbeit und gleichzeitig Segen, weil viele Dinge laufen halt einfach auch gut. Und im Endeffekt, also wie haben wir das hinbekommen? Also einmal mit dem mit dem Mindset, dass wir nicht alle beliefern wollen, sondern einzelne. Also wir haben uns einen ganz anderen Schrang gegangen und da hat jeder Investor gesagt, wir machen es falsch. Und heute wundern sie sich, wie wir es hinbekommen. Und die wissen, wie wir es hinbekommen. Wir haben es anders gemacht, wie die es uns gesagt haben. Weil die haben gesagt, du musst einfach nur den Markt tragen. Dieses zentrale, also ich bin ja hingegangen und habe von Anfang gesagt, ich verkaufe keine Roboter auf dem direkten Markt. Ich gehe hin und verkaufe sie an meine Wettbewerber an andere Robotics-Firmen. Und dann sagen sie, es macht doch keinen Sinn, die kopieren das Ding, das habe ich dir schon mir wurscht. Aber ich mache einen Vertrag, dass es sich für mich gelohnt hat. Und da damit, also jeder braucht ja etwas und lass uns doch einfach das finden, was die brauchen und was wir brauchen. Wir brauchen erstmal ein Orderbook. Hätte uns gekillt in dieser Zeit. Das ist ja ein Umsatz, 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 Schrei allein für dich. Also wie bin ich an die rangekommen? Ganz einfach zu sagen, hey, hier, ich habe was, es 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 sag mal, in diesem Fall waren es viermal so schnell wie jeder andere Roboter, zehnmal genauer wie jeder andere Robot auf der Welt. Wir haben Sensitivität. Es gibt keinen einzigen, der mithalten kann. Ich habe eine Safety, PLE, höchste Sicherheitsklasse. Was bedeutet das? Es ist sozusagen Ziel 3 im PLE ist sozusagen eine höchste Sicherheitsstufe von Geräten, die zum Beispiel redundant und divers ausgelegt sind. Das heißt, es kann nichts passieren. Punkt. Das heißt, wenn ein Talk ausgespielt wird, dann ist der Talk, den nicht, den der ausspuckt, weil es sind viel zu viele Mechanismen dahinter, Fahrzeuge-Mechanismen, das gar nicht nichts passieren kann. Und das war ja schon was Besonderes.

48:35 David Reger: Und das haben wir erstmal 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, ähm, Dann, bevor wir jetzt anfangen, um mit allen in den Wettbewerb zu gehen, wir haben gar nicht die weltweite Servicearchitektur. Es ist so komplex, dass das Thema ist. Wenn du malisi an irgendeine Fabrik aufgestellt bist, dann muss da jemand kommen, der es repariert, wenn es nicht mehr funktioniert. Wie wischen in der USA jeden Servicen? Wie wischen da gegen so einen Fanuc oder was ich, wenn antreten, die Weltmarkt 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. Und darum geht es am Ende. Wertschöpfung. Und also, das wusste ich alles, weil ich ja vorher schon Robotikunternehmen gebaut habe. Ich habe bei dem gefällt. 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. . . ein Service-Netzwerk in den USA zu bauen, du heirest erstmal immer die falschen. Dann bist du dann, dann trainierst du dich, dann merkst du, dass es zu spät ist. Dann weiß ich, du brauchst zehn Jahre dafür. Also und für mich ging es 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 Buzzwort. Vorher war es für mich kognitive Robotik, also intelligente Robotik zu bauen. Und also muss ich jetzt erst mal 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 ist. Das bringt wenigstens Umsatz. Also im Endeffekt, ähm, das war komplex. Also musste ich sozusagen meine große Vision in ganz viele kleine Scheibchen 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. 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 war meistens, wir haben das delivered. Und wir haben die größten Verträge. Und es lohnt sich darauf, nochmal ein bisschen Geld zu werfen und zu sagen, das wird jetzt besser und das kriegen die schon hin.

50:49 David Reger: 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 ja schon die Arme in den Markt getragen, das gleiche haben wir einen mobilen Roboter gemacht. Ein bisschen mobilen Roboter gebaut und haben mal gesagt, okay, und jetzt bieten wir den anderen an und sagen, hey, entweder du gehst in den Wettbewerb mit mir oder du kriegst das Ding. Und exklusiv, dein Design, dein Ding, bring es in den Markt, aber das Einzige, was du machen möchtest, ist dafür eine Minimumquantity Committen über eine gewisse Zeit. Und du 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 sich dafür. Jetzt kann ich dafür meine volle Zeit einsetzen. mit dir am Bash-Produkt der Welt zu arbeiten, deinem Wettbewerb sozusagen den Stirn zu bieten und wir helfen dir. Und gleichzeitig hast du dann aber eine Technologie, die sich weiterentwickelt. Und du fokussierst dich auf das Wesentliche, die nächsten großen Schritte, die vor dir stehen. Weil das ist auch etwas, woran ich es 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 muss, das Ganze andere drumherum zu bauen und bis dahin hat einen Wettbewerb alles aufgeholt und dann hat man nicht mehr die Kraft, da wieder mitzumischen. Dementsprechend haben wir gesagt, nö, wir bauen es anders. Also wir machen alles anders. Und das macht es eigentlich auch neurer aus. Also wir haben, wir haben nie, 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 Realität, 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, den du je 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. Er ist ein Wahnsinnstyp.

53:05 David Reger: Der Fabian Grunner zum Beispiel oder dann, also es sind einige, dann Ashish, ne, so von Lingotto Exo, ne, so dann Steven George aus der USA. interalpen führt. Also das sind das sind Menschen, also auch wie Klaus oder also das sind das sind wirklich Menschen, die um mich herum die Sache verstanden haben. Und vielleicht nicht alles, aber diesen Moment haben sie gesagt, haben gesagt, hey, if it sounds too good to be true, oder? Aber wenn, wenn es aufgeht, damit dann ist es geil. Und natürlich haben die mich am Anfang runtergehandelt mit allem Valuations und so weiter, aber Aber ich glaube, aber trotzdem haben die an die Sache geglaubt und haben, glaube ich, auch heute ein sehr gutes Geschäft damit gemacht.

53:49 Feliks Eyser: Ich meine, das ist ja 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 Kompanie.

54:03 David Reger: Ja, das ist so. Und heute ist halt, nun mal sind wir näher dran. Also ich sag mal, 2000 Und wann sind sie eigentlich 21 oder so? Da waren wir 21, 20 oder so. Ja, 2021, so. Da waren halt die Dinge, was gut war, ich hatte schon wirklich Arme im Feld und Ich hatte Partner, die auf mich gesetzt haben.

54:22 Feliks Eyser: Arme heißt quasi das erste Produkt waren klassischen Roboterarme, die man kennt. Die sind quasi an einer Stelle und können Dinge bewegen. Richtig, ja. Und von dem Kuchendiagramm von 1,5 Milliarden, wie viele sind noch arme versus jetzt neue Produkte? Ich sag

54:34 David Reger: 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. die heute bewiesen sind, dass 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. Man hat 50 Aktuatoren, die alle miteinander im gleichen Moment drehen müssen und die Aktuatoren wie Motoren, die quasi uns in Bewegung setzen. Das sind so diese Getriebe-Motoreinheiten, Leistungselektronik. Also das ist ja unglaublich komplex. Also ich bin 100% davon überzeugt, es ist viel komplexer als jedes Auto auf der Welt. Also man hat da so viel auf dem engsten Raum. Alles muss miteinander funktionieren und dann reaktiv sein. Das ist eine Bewegung, alles. Ja, das ist Wahnsinn.

55:22 Feliks Eyser: Und du hast diese, wenn die Beine haben natürlich noch diese Gehbewegung, die auch noch

55:26 David Reger: quasi jedes Mal einen Schlag auslöst. Richtig, ja. Und man hat, man schlägt sozusagen das System durchgehend, also dafür überhaupt das richtige Getriebe zu entwickeln, zu bauen. Das war schon eine Komplexität für sich.

55:36 Feliks Eyser: Und Stichwort vertikale Integration, so erwähnst du immer wieder, dass ihr auch super viele von diesen Teilen selber baut, weil es halt auch keine Supply Chain dafür gibt, weil viele Teile aus der Automotive-Industrie halt nicht für diesen Einsatzzweck gemacht wurden, wurde gesagt, und dann stellst du dich natürlich bei denen auch hinten an. Gehst zu irgendeinem Hersteller, du 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 mir jetzt ein bisschen wenig. Vielleicht haben sie jetzt ein bisschen mehr Zeit. wo die Automobilindustrie nicht mehr so viel abnimmt, aber erklär mal vertikale Integration. Also was baust du alles selber und wo macht keinen Sinn, das Teil selbst zu entwickeln?

56:09 David Reger: Also einmal am Anfang war es wahrscheinlich komplex genug. Heute ist es natürlich so, dass mit dem Namen NEURA natürlich jeder gerne mit uns arbeitet und gleichzeitig auch gleich dabei schon gleichzeitig mittlerweile hat die Stückzahlen selbst schon mal sagt. 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 den kleinen Prototypen. Für einen kleinen Prototypenbau sozusagen Kleinserie. Aber als du 2021 angefragt hast, war das wahrscheinlich nicht so. Nein, 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, wir können gar nicht mit den Lieferanten verhandeln. Wir können ihnen gar nicht sagen, wie es eigentlich besser wäre. Die bieten uns nur das an, was sie haben und sagen, wenn damit nicht zufrieden bin, geht zu jemand anderen. Du bundinteressant bist. Und heute ist es ja schon mal 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 über.

57:05 Feliks Eyser: Er

57:05 David Reger: hat wirklich alles vom Kern auf vertikal komplett selber entwickelt. 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 irgendwann 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. 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 Endcoder-Technologien, Grafamentensensoren, Drehmoment-Sensoren, 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 Encode entwickeln? Das ist doch eine Dummheit. Gibt's doch schon. 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 anstatt, ich gebe dir ein Beispiel, zum Beispiel ein Encoder vom Markt zu kaufen, dann gibt es so einen 18, 19-Bit-Encoder. Es macht einfach mal 100. Also Positionen, also wenn man auf Position regeln willst, brauchst du sozusagen die Position sozusagen, der liest sie aus. Also es gibt einmal also Vielleicht dann viel zu komplex, wenn es jetzt ganz tief geht, aber im Endeffekt ein Position-Regler. Du liest die Position aus 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 Abtriebsseite anhast. Also 200 Dollar. Mal sieben Achsen und einen Arm. Also, 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, ich konnte viel genauer sozusagen positionieren wie alle anderen auf der Abtriebsseite.

59:13 David Reger: Und dann gehe ich noch hin und dann kostete mich nur 20 Dollar. In beiden. Das heißt, ich spare pro Achse 180 Dollar. Also indem du deine selber entwickeln. Ja, einfach selber geentwickelt. Selber gebaut und ich habe gar nicht diese Overhead. Ich habe diesen Es ist super einfach gewesen für uns.

59:29 Feliks Eyser: Also deswegen, ich habe. Obwohl eine Fertigung, ich kann sagen, die anderen, die entwickeln diese Dinge wahrscheinlich seit Jahrzehnten im Grunde und haben auch wieder ihre Supply Chain, gewisse Skaleneffektiert ist zum Anfang nicht.

59:37 David Reger: Ja, das ist ja genau das. Also wir waren ja deutlich besser wie andere und wir haben deutlich Dinge entwickelt, die sie halt, haben sie patentiert, haben sie für uns und das hat uns ja so unglaublich stark gemacht. Das gleiche halt mit dem Kraft-Mentensensor. Die gibt es heute für 10. 000 Euro zu kaufen, wenn man sie in. Zum Beispiel bei ATI kauft oder woanders. Das ist ein Kraft-Momentensensor, gibt ihr die Kräfte und die Drehmomente sozusagen. Also sechs Freiheitsgrade. Den tut man dann. . Am TCP-B, also vorne am, wo man den Greifer anschraubt oder sowas und dann kriegt man so sehr genaue Kräfte und Drehmomente. Sechs Freiheitsgrade heißt, man kann sich nur 3D-Berten in die Richtung bewegen. Und hat halt dort alle Kräfte und Drehmomente, die man rausbekommt. So ein Teil, so eine Kraftfestdose, so kann man es auf Deutsch nennen, kostet dann einfach sozusagen mal, sag 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, wie zum Beispiel, dass der großen, also Großrauschen hat und so weiter, weil man dann mit den mehr Streifen arbeitet. Und ich habe die Dinge erst gekauft und dann irgendwann habe ich gedacht, hey, für 10. 000 oder für 8. 000 oder was weiß ich, 3000 selbst, dann will ich den ganzen Arm bauen und nicht nur eine Dose haben. Also dementsprechend bin ich hingegangen und habe einfach gesagt, okay, lass uns Köpfe zusammenstecken, das nehmen, was wir haben und überlegen, wie wir das besser machen können. Und wir an einem Tag hatten wir eine Idee. Das war ein ganz normales , 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 Bewegungen in zwölf Nanobereich. Also kommen wir wahrscheinlich auf Kräfte hin und das ist dann am Ende so gewesen. Wir haben sozusagen sechs Heblerarme und alle Bewegungen werden dann wahrgenommen. Und plötzlich hat man eine Kraftmasdose geentwickelt. Und die hat dann weniger Rauschen wie alle anderen, die hat plötzlich eine höhere Präzision wie alle anderen, die hat aber eine Ultrakomplexität, weil man dann sagt, Kalibrierung dazu entwickeln muss und so weiter. Aber heute macht es uns halt unsere Produkte wieder aus.

1:01:43 David Reger: Dann sagen wir mal, die haben eine extreme Sensitivität aus einem einzigen Grund durch unsere Kraftsoße. Und da sitzt du im Engineering-Meeting drin

1:01:50 Feliks Eyser: und hast gute Leute um dich rum. Ja. Ist Erfahrung da zuträglich oder schädlich? Also wenn jemand 20 Jahre solche Dinge entwickelt hat, ist es ein Vorteil oder ein Nachteil?

1:02:00 David Reger: Ist ein Vorteil. Also wenn es kombiniert wird, wie mit mir zum Beispiel oder mit mit ein paar anderen Leuten, die um mich herum sind. Also ich glaube, da geht es am Ende. Ich glaube, woran, worin, worin war ich meistens recht gut und begabt, sich 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. . Ich bin meistens so, dass mir dann ein paar Sachen einfallen, 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 Shiraki. Der ist leider verstorben. Im Endeffekt, als ich ihn eingestellt habe, war der kurz vor 70, ja. Und im Endeffekt Er war eigentlich schon retired, hat über 300 eigene Patente gehabt, war ein Sensoguru. Also unglaublich. Und ich habe ihn damals kennengelernt und er hat mich so richtig gechallenged mit seinen Fragen und dann habe ich irgendwann gesagt, boah, bist du ein Wettbewerber oder was? Dann sagt er, ne, ich bin Rentner und aber ich kenne mich da ziemlich gut aus. Dann habe ich gesagt, falls du mal Lust hast, rufst mich an. Dann können wir 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 schon zu viel für seine Rentenzeit. Und er war ja eh sein Leben lang nicht da, so ein bisschen, so war seine Aussage. Und zwei Wochen später hat er mich angerufen und gesagt, hey, da habe ich das doch lang mal geluscht. 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 an den Kopf geworfen, er hat Erfahrung gehabt, hat ja selber so viele Patente gehabt und so und er hat er 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 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.

1:04:03 David Reger: Und es hat auch funktioniert, ins Schwarze immer. Und das macht es aus, diese Kombination aus super viel Erfahrung aus jemand, der überhaupt nicht studiert ist wie ich, der einfach Querdenker ist, auf einem positiven Sinne. Und dann, sag ich mal, noch ein Ingenieur, der sozusagen mit den 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 mittlerweile sehr viel Erfahrung. Ich habe sehr viel selber entwickelt in meinem Leben. Also ich habe Ich hab dann halt, wieso geh ich nicht so ran, hast du noch nicht daran gedacht und so weiter. Und dann und daraus entwickeln sich, schließt man 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 vorbeilaufe oder Jetzt eine andere Person aus meinem Unternehmen, sondern wieso ist das so, ne? Aber das ist nun mal so. Das müssen wir akzeptieren. Wir müssen es ja jetzt hoffen, dass man das vielleicht, 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 hinbekommen, sodass es vielleicht spavierfähiger wird. Wie kriegt man diese. . sag ich mal, der Prozess der Denke, der Fragestellung sozusagen noch hin, dass die KI das vielleicht erlernt, weil man es jetzt nicht in andere Menschen bekommt. Also Da gibt es jetzt mittlerweile Tools und das ist Tolle 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.

1:05:55 Feliks Eyser: 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, aber auch auf der Softwareseite es gibt AI. Also was bedeutet das für den Alltag von einem Ingenieur bei euch und bei der Entwicklung von neuen Produkten?

1:06:09 David Reger: Ich glaube Ich glaube, mittlerweile gehe ich wahrscheinlich einigen Softwareleuten tierisch auf den Sack, weil vorher war ich da, ich bin ein sehr extremer Hardware-Mensch. Also ich liebe Hardware, ich liebe, sag 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 mit allem auskenne. Ich bin da sehr tief drin, genauso tief 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. Ich kann einfach hingehen, ich nehme meinen Kumpel Claude und ich mach's mal eben. Ich kann dir ein Beispiel nehmen, wie so zum Beispiel so ein beim Data Recorder mit dem Synken und so weiter. Da habe ich. . Da wurde mir immer gesagt, okay, das geht halt eben nicht. Und dann bin ich aber 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 sage, hey Leute, ihr habt doch gesagt, es geht nicht, guck mal, ich zeige es euch mal, es funktioniert Dann ist der Chef wieder mit seinem AI-Ergebnis. Ja, und ich glaube. Du kannst dir mal vorstellen, wie die Leute dann denken, also shit, da kommt der ja schon wieder mit seinem Laptop, haut mir bloß ab. Im Endeffekt, es ist schon was und die haben ja auch alle Lust, das Ganze hinzubekommen. Das ist halt oft so, dass man halt nicht auf die Idee kommt und plötzlich sieht man es, sondern ist vielleicht gar nicht die Lösung, weil man, die finden ja trotzdem darin auch Herausforderungen, aber dann sagen sie. Hey, aber dieser Ansatz ist gut, vielleicht kombiniere ich ihn mit was anderem und plötzlich geht es wieder weiter. Also wirklich diesen Willen zu haben, Dinge umzusetzen und nicht loszulassen ist das Entscheidende. Also, viele denken ja immer, und das ist, glaube ich, auch die Herausforderung mit dem gelernten Buchdenken.

1:08:09 David Reger: Was Elon auch immer wieder aufgreifen 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 Nachteil. Aber im Endeffekt, ähm , dieses immer sagen, nee, da gebe ich jetzt nicht ab. Nee, das akzeptiere ich nicht, dass es nicht geht. Es wird gehen, man muss bloß umdenken vielleicht. Woher kommt das bei dir? Ich glaube, extreme Willensstärke. Also ich, ähm, 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

1:08:47 Feliks Eyser: ich studierte, du hast einen Hauptschulabschluss gemacht, denn mit der Reife kam durch die Ausbildung. Quasi bis self-made im Sinne von das zu Abends da sage. und die Videos angeschaut hast über Robotics, damit du es selber beigebracht hast.

1:08:58 David Reger: Genau. Das ist genau der Weg vom Werdegang von mir. Und ich musste einen Roboter entwickeln und habe noch nie einen Roboter selber gesehen oder gemacht. Also bin ich hingegangen und hab. Natürlich alles Wissen rausgeholt, was ging. Zum Glück, also gab es damals schon halt Google und Score. Also das heißt, aber YouTube. Das heißt, und ich 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, 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, jemanden einzustellen, der nicht studiert war oder was auch immer. Also das war ja schon für mich so ein So ein Ding, es war die Chance meines Lebens. Und ich habe da wirklich Tag und Nacht und könnte schon meine 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 das vierte Mal. Und ich habe alle angeschaut und habe überlegt, was der gut kann, was der gut kann. Wenn man alles kennt, dann hat man so einen State of the Art im Kopf.

1:10:02 Feliks Eyser: Interessant, weil du vorhin gesagt hast: so schwimmen kannst du nicht lernen durch Angucken, aber in dem Fall hast du Robotics gelernt durch Videos.

1:10:07 David Reger: 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. 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 daran erinnere. Aber es war deutlich schneller wie alle anderen. Ich war deutlich deutlich schneller sozusagen anpassen, weil ich dann ja schon wieder einen anderen Weg gefunden habe, weil ich ja alles gesehen hatte. Und das hat mich damals schon, und das ist auch nach wie vor so, ich interessiere mich wirklich für die Dinge, die ich tue. Das heißt, ich Jetzt zum Beispiel die letzten acht Wochen war ich ausschließlich im Unternehmen, ne, so ich habe sozusagen alles externe abgesagt, was ging. So, das waren echt viele Termine, die Weil es einfach zu viel war. Ich war ja nur noch unterwegs, nur noch auf Bühnen, nur noch in irgendwelchen Interviews, in irgendwelchen Dingen, wo ich sage, okay, ich bin Innenministermodus. Ja, genau. Und jetzt habe ich gesagt, nee, jetzt bin ich mal wirklich Innenminister wieder und Ich kümmere mich wieder um den Fortschritt so im Unternehmen. Weil ich vor allem auch in der New Diligence viel gesehen habe, wo ich sage, boah, da müssen wir besser werden. Warum ist das so? 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, die, 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, wenn man sagt, hey, es gibt Fortschritt, es gibt Dinge, Veränderungen, es gibt etwas. Und also ich genieße es. Jetzt bin ich wieder ein paar Wochen unterwegs. Switchst du? Zwischen diesem Modi? Jetzt, ja, 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. .

1:12:09 David Reger: . im Laden sozusagen die Welt so gerade untergeht ein paar Dingen, so wo ich sagen, 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, geilste Laden der Welt. So das heißt denn Also, dann fehlt ja auch die Authentizität und alles. Das merkt man, finde ich. Und im Endeffekt ist es so für mich, dass ich das gesehen habe während Dutiligens und so habe ich so einiges geworden, wo ich gesagt habe , das muss besser sein. Das kann nicht sein, wenn wir die Hoffnungen Deutschlands, Europas sind und sein wollen. Dann müssen wir das besser tun. 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, 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 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. 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. So ich, wie die Leute, nicht alles läuft dann so, wie wenn ich da bin. Aber es ist schon sehr viel so gut, dass ich denkbar habe. Ich habe gute Leute um mich herum und das gibt mir schon auch Peace of Mind. Wie schafft man so einen Zusammenhalt?

1:13:51 Feliks Eyser: Da arbeiten Leute aus 45 Nationen, glaube ich. Bei dir ein anderer Kumpel von mir aus Stuttgart hat gesagt, das ist interessant, dann gehst du abends durch, wenn da eine Abendveranstaltung ist, da brennt in den normalen Büros noch das Licht.

1:14:02 David Reger: Also bei uns arbeiten die Leute Tag und Nacht und haben wirklich, also die haben Purpose. Also keinen gehe ich hin und bitte bitte länger zu arbeiten. Natürlich gibt es mal, wenn ich mal sehe, dass wir Herausforderungen haben. und die Leute natürlich das auf die leichte Schulter nehmen, dann werde, dann werde ich schon mal auch natürlich zu Menschen zurechtweisen. Gibt es die unangenehme Version von dir? Genau, ja, die gibt es glaube ich. Viel zu oft vielleicht. Also aber im Endeffekt, aber dann Ich glaube, eingangs mit dem 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. dorthin bringen, 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, ähm , Die Herausforderung, die ich habe, ich habe so viele Opfer bereits gebracht, 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, die meine Familie, meine Kinder, meine Frau, meine Eltern, dass die dann einfach sagen, hey, jetzt hat sich. . . Das hat sich rentiert. Das hat den Purpose gebracht, über den immer gesprochen wurde in unserem Leben. Und im Endeffekt 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 waren 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 um 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. ist eine intrinsische Motivation in jedem dieser, nicht in allen, aber in den meisten meiner Partner, so im Unternehmen, so die ganzen Manager, das He-Level, die 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?

1:16:19 David Reger: 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. 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 viel Opfer bringen will. Und viele kommen auch her und sagen: Hey, ich will mit euch die Welt verändern. Ich will auf jeden Fall lieber auf der Seite vom David sein wie vom Goliath jetzt und will das ganze Ding in den Gewinn. Aber. Dann denke ich oft, du weißt gar nicht, von was du gerade redest. Klingt erstmal gut, gell?

1:17:02 Feliks Eyser: Wenn ich von einer 35-Stunden-Woche von deiner komme und

1:17:06 David Reger: dann kommst du da rein und dann denkst du, fuck, wir müssen ja wirklich noch so viel tun. Und das ist so kräftezerrend, 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? Es geht nicht nur um Geld. Es geht darum, dass wir überhaupt die sozialen Systeme, sag ich mal, das Sozialsystem, was wir haben, sozusagen hier erhalten können. Und Und dazu muss man den Leuten vielleicht erstmal sagen, was es überhaupt bedeutet. Weil ich habe es ja eher scherkannt, indem ich es in San Francisco gelebt habe, sodass 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 auch nach der Ausbildung gesagt, hey, mach jetzt mal was Soziales, bevor dein Berufsleben einsteigst. Geh irgendwo nach Afrika oder weiß ich wohin und verbring ein bisschen Zeit dort und mach was für andere, bevor du wieder meine Erstbildung. Eltern sind auch sehr gläubige Menschen, die sehr, ich sag 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 nach 2009 nach dem Lehman Brother Crisis sozusagen auf den Straßen Menschen aufgesammelt und die dann wieder aufgebaut und so weiter. Obdachlose. Ja, Obdachlose. Und da habe ich mir eins aufgefallen. Und das ist ja genau das, was ich glaube, was unserem. . . ganz Land extrem fehlt. Die wissen gar nicht, was wir haben. So lange bis sie es mal verloren haben. Und das Traurige an der Sache ist, das ist so schlimm, es zu verlieren. Und es wiederherzustellen wird nahezu möglich sein. Und das ist das, was ich dort entdeckt habe, dieses Sozialsystem nicht zu haben. Das heißt, zum Arzt zu gehen, ohne dass man danach hochverschuldet ist. Wir haben uns über die 10 Euro aufgeregt.

1:19:04 Feliks Eyser: Die Studiengebühren aufgeregt, die 500 Euro pro Semester. Die müssen da 50.

1:19:09 David Reger: 000 hinlegen. Also im Endeffekt, dieses Ganze und dann und dann über mal mal eben einen Job verlieren heißt ja nicht, du bist auf der Straße und du, du hanger, äh, du hungerst. Sondern du verlierst hier einen Job und du bist aufgefangen und dieses Peace of Mind, auch wenn es nicht nutschst, dieses Peace of Mind zu haben Sollte eigentlich ein Enabler für alles sein. Das sollte eigentlich uns fliegen lassen und einen 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 das? 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 in San Francisco habe ich dann einfach nur gedacht, boah fuck, ich gehe wieder zurück. Ich will eigentlich wieder dort leben, wo die Sicherheit gibt. Einfach dieses Peace of Mind und gleichzeitig irgendwann mal, als ich dann die in der Lage war, wo darüber überhaupt diese Vision in mir Auszuarbeiten habe ich schon gesagt, jetzt will ich auch der Contributor sein, der es vielleicht mal schafft, sozusagen unserem Land wirklich einen Beitrag zu leisten, wo ich sage, Und Steuern, also 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, wir wollen Europas größter Steuerzahler werden. Wer ist es gerade? Wie viel musst du da zahlen? Also Das habe ich auch immer wieder geschaut, da gab es mal Volkswagen, also in Deutschland, dann, also es sind immer, es sind schon, also 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, dann kommt immer wieder was anderes raus. Also, aber ein sehr großer Prozentsatz. unsere Steuereinnahmen Deutschlands sind tatsächlich auf Automotive ausgelegt und ist sozusagen der größte Wirtschaftsfeile, den wir haben. Und ich glaube, hier finde ich so verrückt, dass es trotzdem viele Menschen gibt, die naiv sind und sagen, oh, jetzt müssen wir, also lieber, jetzt bauen wir keine.

1:21:16 David Reger: stellen ab. Warum sollten wir? Weil im Endeffekt und wir eneignen sozusagen das Unternehmen eigentlich das Richtige zu tun, um zu überleben. Ohne darüber nachzudenken, zu sagen, hey, wenn die es überlegen und weiter Profite fahren, dann können wir wenigstens 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 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 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 und das Ganze, also Es fehlt mir so ein bisschen und ich glaube, das muss besser kommuniziert werden und gleichzeitig und Erwähnis geschaffen werden und gleichzeitig natürlich einen Plan, wie wir aus der Situation, aus der Defense sozusagen rauskommen und wieder Offense denken.

1:22:18 Feliks Eyser: Ja, und ich meine, es liegt auch ein Stück weit daran, wir sind beide in Süddeutschland aufgewachsen. Du warst in Rottweilig war in Lehrenberg, da ist ja heile Welt. Also warum bei der Heille Welt? Weil es die Automotive-Konzerne gab, so da gibt es Porsche, da gibt es Dain oder da gibt es Borsch. Da gibt es die ganzen Mittelstände, da gibt es irgendwie Trumpf, da gibt es Kärche, da gibt es Festo. Also 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. An viele von denen muss man gerade Fragezeichen dran machen.

1:22:44 David Reger: 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, nicht an der technologischen Fortschritt, oft 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 Marketrang.

1:23:03 Feliks Eyser: Und dazu geht es nicht. Von VW, was produzieren die in China? Wie sind die Kosten in Europa?

1:23:09 David Reger: Und dazu könnte ja der Staat jetzt einfach mal sagen, hey, ich tu dir nicht nur Geld geben, denen helfen, sondern ich gehe hin und subventioniere das, was die gerade als Herausforderung haben. Ich subvenzioniere zum Beispiel, dass sie intelligente Maschinen einsetzen, um effizienter zu werden oder Physical AI sozusagen als Standard. Und das subventioniere ich, also nicht, es ist uns das Geld geben, 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. Aber die Unternehmen, die jetzt gerade am Unter, die uns die Steuern zahlen und eigentlich das ganze System hier am Leben halten, den sollten wir noch unterstützen. Die sollten wir doch nicht einfach fallen lassen und sagen, selber schuld. Ich meine, wir haben sie auch dahingetrieben mit Mit all den Regularien, die wir aufgesetzt haben. 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 nicht, dass die immer langfristig denken, sondern oft 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.

1:24:39 Feliks Eyser: Denkst du, das wäre eine beliebte Policy? Also, ich meine, du kriegst ja wahrscheinlich auch diesen Gegenwind, so AI super unbeliebt, Leute demonstrieren gegen Data Centers in den USA, so das ist also diese Perception ist ja

1:24:50 David Reger: sehr. Du kannst schon erst 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 Restriktion, du kannst die Leute nicht loswerden, weil sie sonst auf der Straße, weil 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 entlasst jetzt keine Leute, aber dafür subventionieren wir dich voll in der Automatisierung. Du denkst nur noch darüber nach, wie kriegst du das Ding effizienter? Die Leute werden sowieso retiern, wenn du dir zunächst sieben Jahre, äh, sag mal fünf Jahre voraust. 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 des. 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. Du bist

1:25:50 Feliks Eyser: eine Policy. Du sagst wie eine Einkommensteuer, gibt es irgendwann eine Robosteuer, dass du sagst für diese Arbeit, die da verrichtet wird?

1:25:55 David Reger: 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, es, 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, auch ein kleingedruckt steht irgendwo in diesem Subventionsvertrag, wenn es denn soweit ist. 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 die Startups zu fördern, die, ich sag mal, es sind so viele kleine Kleine Dinge, die man ändern könnte und helfen könnte, die einen Riesenimpact haben. Und da macht sie mich halt manchmal fertig, dass es nicht passiert. Dass man einfach nur Ausreden hat und Ideen, also. alle verteufelt oder was auch immer, die ganzen Unternehmer verteufelt, was ich was, um da irgendwie selber noch gut darzustehen, anstatt dass man einfach sagt, okay, ich habe eine richtige Lösung. Aber das ist jetzt, jetzt sind jetzt immer meckern, das mag ich eigentlich nicht.

1:27:05 Feliks Eyser: Aber was glaubst du andersrum? Wie sieht die Arbeitswelt in 20, sagen wir 2040 aus? 2041, dann sind es 15 Jahre ab jetzt. AI ist jetzt schon dabei, die Bürojobs entweder zu erleichtern oder auch ein Stück weit wegzuautomatisieren. Also das letzte ist die physische Arbeit, sagst du gut. Oder sagen ja heute, gut, dann werd lieber Klimatechniker oder sowas oder Elektriker, dann ist dein Job wahrscheinlich sicherer, als wenn du Steuerberater da anwalt wirst, wenn man sagt, okay, ist ja interessant.

1:27:35 David Reger: Das ist eine unglaublich gute Frage, dementsprechend. Also ich sag mal so, ich kann es gar nicht so genau beantworten, weil ich es ehrlich gesagt gar nicht weiß. Also deswegen ist es für mich viel entscheidender zu sagen. . Wir tun die Verantwortung so ein bisschen spreaden. Das heißt, wir verteuen diese Verhandlung. Also das ist genau dieses Vorhaben, was ich habe mit Dass du Skills bei den Unternehmen lässt, das Dismonetarisieren sozusagen über Skill-Austausch herrschst und so weiter, weil du dann plötzlich genau das tust, was du sagst. Am Ende wird es nicht nur einen Anthropic Open AI Neura geben, sondern es gibt natürlich dann Ein NEURA, was aber die Wertschöpfung darüber bringt, dass viele zwischendeinander traden und es gibt wenigstens viele, die Profite einfahren. Weil du dann sagen kannst. . . Die sollen darüber nachdenken. Weil dann hast du dir ja die Herausforderung natürlich, also ich sag mal diese Verantwortung natürlich auch viel mehr Köpfe verteilt und das führt meistens zum Gut. Das ist der Gedanke der Demokratie. 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 äh so 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, wir können Dinge nicht vorstellen, wir können nicht alles. Mit was wir uns hauptsächlich befassen, vielleicht mit Klima, mit was ich was. 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 den Traktor wären wir einmal niemals so viele Menschen auf diesem Planeten. Zweitens, wir hätten, glaube ich, also es gibt da so Studien, also wir hätten ungefähr, 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 entschuldigt. Es haben sich Leute was einfallen lassen.

1:29:37 David Reger: Es kam das Internet, da hat jeder gedacht, boah, die ganzen Stores gehen kaputt. Es wurden deutlich mehr Arbeitsplätze, ähm leichtere, bessere Arbeitsplätze geschaffen. Man hat Also es sind so viele Dinge und daran glaube ich, an die Menschheit, an dass 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 verteilt wird. Und das ist mein Gedanke dahinter. Aber ja, es gibt Dystopien, es gibt Utopien, die ich mir vorstellen kann. Aber im Endeffekt glaube ich ans Gute, wenn es verteilt wird.

1:30:19 Feliks Eyser: Ja, und ich glaube, die Leute sehen natürlich erstmal sehen diese ganzen Sachen aus dem Brille der Angst ein Stück weit, weil du sagst, okay, es gab es erstmal AI und jetzt kommt da und mein Job ist weg. Und aus der persönlichen Perspektive ist es ja oft die Identifikation, auch aus der steuerlichen Perspektive Perspektive, so ein Großteil des Einkommensteuer und Mehrwertsteuer. Das eine hängt am Job, das andere am Konsum. Und dann kann man sagen, gut, hast du das ja noch alles zusammen? Aber

1:30:42 David Reger: Aber ich hätte das unglaublich Verrückter an der Welt. Also deswegen, das macht mich auch zu den 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 Gläubigsein, so ein gläubiger Mensch zu sein. Also 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 eine 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 habe einen dystopischen Gedanken , vor dem ich mir Sorgen mache. Und Und 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 er heißt Menschen zu dienen als Werkzeug zu dienen. Also im Endeffekt, und nicht andersrum Also das ist ja das Verrückte. 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, die also ein Szenario, was ich sage was absolut falsch wäre, ist, diese Technologien mit dem Menschen zu verbinden. 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 extremen Nachteilen führen kann. Und ich habe mir die Dinge schon hunderttausendmal durchdacht, dementsprechend weiß ich. Für mich, das ist dass es nichts Gutes für die Menschheit bedeutet, eigentlich, dass man sagt, KI mit der menschlichen Seele verbinden.

1:32:59 David Reger: 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, nehmen kann. Und das ist sozusagen der freie Wille. Und im Endeffekt das Wichtigste in den Menschen ist wirklich der freie Wille, der 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, dass dafür sorgen kann, dass es dass es irgendwann mal ausgenutzt wird.

1:33:39 Feliks Eyser: Wie geht's bei euch weiter? 1,4 Milliarden gerade gerased? Von der DD hast du erzählt. Wie war das, so eine Finanzierungsrunde zu machen? Das ist wahrscheinlich die größte Finanzierungsrunde Deutschlands. Mir fällt keiner ein, die Größe ist. Ich habe letzte Woche Recorded mit Flo Seibel von Quantum Systems. Mit 1,2 Milliarden geracet. Das ist das höchste der Gefühle, jetzt bist du hier mit 1,4. Bis zu 1,4. im Impress -Release. Was bedeutet bist du und wie ist es, so eine Runde zu machen?

1:34:03 David Reger: Also einmal ist ja nur so eine Runde zu machen, ist was Besonderes. Also wir wollten die Runde gar nicht so groß machen am Anfang. Also es war ja eine ganz andere, also wir haben eine andere Meilensteil gesetzt für uns, sag ich mal, und die ist dann irgendwann mal dahingekommen. Ähm, das ist mal eins. Das zweite Was war da das große Ziel für uns? Wir wollten nicht einfach nur viel Geld einsammeln, sondern wir wollten damit auch gewisse Partnerschaften etablieren und sagen, hey. . . bringt nur 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. Und woran es meistens gehapert, vor allem Serie C am Kapital, solche großen Technologien.

1:34:51 Feliks Eyser: Sehr Klassiker, eine Pre-C-C-Series A-Runde kriegst du in Deutschland noch hin, gibt es genug Investoren, so dass jemand wie HWAD im Captable 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.

1:35:04 David Reger: 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 alle jetzt plötzlich Da hat halt Figure eine Milliarde gerast und da haben halt andere jetzt auch, ich sag mal, größere Summen gerast, dass wir gesagt haben, hey, wir müssen jetzt. Müssen jetzt diesen Schritt machen und wir müssen all in gehen und Vollgas gehen. Also was ich damit meine, ist zum Beispiel solche Gyms überall weltweit zu bauen, ist ein Crossly. 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, also, die ja abnormal sind und vor allem um Geschwindigkeit geht 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 wird man souverän bleiben, europäisch bleiben, weil wir sind nun mal bis dahin, glaube ich, 90 Prozent europäisch gewesen. Und

1:36:01 Feliks Eyser: es auch faszinierend ist in so einer Stage, muss man auch sagen.

1:36:03 David Reger: Ja, muss man ja auch sagen, ja. Also im Endeffekt, ich sag mal, die 120 Mio-Runde, die davor dafür gesorgt hat, die waren ja auch europäisch. Aber im Endeffekt, wenn man jetzt schaut Die haben wir in dreieinhalb Wochen gerast. Also deswegen die 120 Millionen, die waren Wahnsinn. Also wir haben, wir waren sofort oversubscribed. Wir haben , dann waren wir ganz kurz mal komplette Runde gecrasht und dann wieder hochgekommen. Also passiert das in, wo die kommt. Die sind ja meistens so FOMO getrieben. Das heißt, wenn einer investiert in einem Gewinn mit, wer ist dabei? 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, dass wir die 120 waren fix. Die Größenordnung durfte auch nicht größer werden. Also der Liedinvestor hat gesagt, ne, das ist der Mount, den wir einfahren und das war's. Auch immer gut, das wollen wir alle rein. 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 du 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 Soft Commitment, dann gehen sie mal mit Riesenzahlen rein. Und am Ende, ja okay, sind doch. Und das waren Dinge, die haben uns ganz kurz falsch gekillt. Also im Endeffekt war es wirklich , oder welche, die ganz kurz wurden. Komm mit müssen, die reduziert wurden. Wir haben aber schon jemand gesagt, nö, sorry, du kannst nicht dabei sein in der Runde. Und dann plötzlich fällt dir die Kohle. Und dann sagt der eine, hey, wenn das nicht , dann fällt dir das ganze Ding. Also das heißt, es war wirklich krass. Also es war ein Erlebnis von wirklich oversubscribed zu, ich glaube, eine Woche vorm Closing. Das ganze Ding runtergecrasht 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 wenn der eine mitmacht, dann mache ich nicht mit und so hat es eigentlich angefangen. Und dann sind wir dann irgendwie und am Ende musste ich dorthin kommen, dass ich natürlich, das darf ich mir nicht anmerken lassen. sondern ich muss dann trotzdem hart vor den Leuten stehen und sagen, hey, weil du musst weiterhin die Hunde im Leben leiten.

1:38:14 David Reger: Also bin ich hingegangen und habe den Leuten gesagt, okay, hier, Punkt 12 Uhr. an diesem Tag, wenn du deine Summe nicht committet hast und wenn sie unter diesem Betrag ist, beschraust. Und das war irgendwie so, dass wir wirklich am Ende kamen, die Commitments, aber die waren immer unter den Beträgen. Es war wirklich verrückt und so weiter. Wo saß du das an diesem Tag? Also ich sag mal so, an dem Tag, wo alles ziemlich gecrashed ist, muss ich sagen, da war es so, dass wir, dass ich, dass ich mit dem Alex da saß. Der Chief, also der ist bei mir VP Strategy und der raced mit mir sozusagen die Runden, der Alex saß mir da und wir wussten nicht mehr. was wir machen sollen. Also wir waren wirklich, wir haben die Nächte davor schon nicht geschlafen. Es war alles extrem schnell. Und dann irgendwie saßen wir da und dann sagen wir, was machen wir jetzt? Und dann ist der 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 geredet habe mit der Orchestration. Ja, dann. Da mache ich das, was ich, das Einzige, was ich jetzt kann, das ist eigentlich, da habe ich ein kurzes Gebet gesprochen. Und da bin ich hingegangen und ich habe wirklich, ich habe ein kurzes Gebet gesprochen und Und dann sind wir da raus. Es hat mich irgendwie so ein bisschen beruhigt und dann war das auch der Fall. Also am nächsten Tag, wo es dann wirklich um die Wurst ging. Dann kommen die ganzen Namen rein, die, wo schon eigentlich raus waren, kamen wieder zurück. Das war so weird alles. Und dann schreiben wir halt eine Zahl nach dem anderen hin, wirklich bis 12 Uhr. Dann haben wir gesagt, okay, Schlussstrich. Und dann ging es weiter. Und dann fängt der Alex an, alles zusammenzuzählen. Dann kommen wir ganz genau auf 120. 500. 000. Ach was. Und dann haben wir , wie geht das? Zähl nochmal nach. Und dann haben wir nochmal gezählt. Und dann haben wir genau der gleiche Betrag. Dann haben wir gesagt, war geil. Und dann haben wir zugemacht und dann haben wir das Ding gemacht. Also im Endeffekt, ähm das war die Runde. Und die 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.

1:40:20 David Reger: 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 Gag race 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 braucht es, um da reinzukommen? 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 Compute-Infrastruktur, Gehirn und Nervensystem. Und dann gibt es Cloud und Infrastructure sozusagen on top. So, und dann so ist immer hingegangen, das heißt. Schaeffler, Bosch, Balcom, also das sind Sensoren, gibt es natürlich ein paar. Dann gibt es den Bereich der Compute. Nvidia, Qualcomm, imec. Dann gibt es den Cloud-Stack, Amazon. Also, nicht nur Cloud, jeder hat natürlich mehrere Rollen, aber in diesem Fall Amazon und dann natürlich dann Tether.

1:41:40 Feliks Eyser: Wie kommt das zustande?

1:41:41 David Reger: Tether.

1:41:41 Feliks Eyser: Und Tether muss man sagen, ich meine, die Komponenten nicht aus dem Krypto -Uchfeld, sondern 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 eine Stablecoin zurück, die haben ich glaube hundert 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. Noch mehr. Globale Firma sitzt in, ich glaube, irgendwie El Salvador offiziell, aber im Grunde ist es irgendwie ein globales Unternehmen.

1:42:09 David Reger: Lugano und so weiter. Also die sitzen, das sind ja auch Europäer da hinten. Das sind ja Italiener dahinter. Und also im Endeffekt, also Wie ist die Logik hinter Tether? Und ich habe mich tatsächlich kurzfristig dafür entschieden, die als Leadinvestor auch da reinzuholen. Wie viel haben die gemacht von der Runde? Also es darf ich nicht veröffentlichen. Also ich. . Wir müssen hunderte von einem großen Betrag. Das ist ja immer den größten Betrag von allen. Also und im Endeffekt, deswegen gab es ja schon die Rumors und so weiter davor. Das haben wir nicht gestreut und es war für uns auch eher störend, diese Durchgehen. Aber was ich sagen will.

1:42:44 Feliks Eyser: Wann war das von dreiviertel Jahr oder so?

1:42:46 David Reger: 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. Was kann Tether sehr gut? Sind tatsächlich ganz viele Transaktionen gleichzeitig zu machen, sicher zu machen und sozusagen also auch anonym. auch, also die sind unglaublich gut, also Krypto halt, ne? So wie die Blockchain, ja. 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 irgendwoher Lizenzkosten bekommen. Es muss Transaktionen ohne Ende geben. 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, so ist unsere Plattform, die wir also die sind alles kleine Skills und die werden zusammengestellt über die Aura und dann werden sie sozusagen deployed On the Edge.

1:44:01 Feliks Eyser: 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 beim ich eine Kuhmärke, jedes beim Bild am Alterziehe.

1:44:11 David Reger: Oder halt immer, wenn der Roboter das verwendet. Also ich meine, im Endeffekt ist es so, dass man, oder wenn ich es aufs andere transferiere, Devices drin zu gehen. Also es sind ja unendlich viele Modelle, die man sozusagen monetarisieren kann. Jetzt gehört es aber eher darum, sag 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 ja alles autonom orchestriert. Es wird kein Human in the Loop mehr geben. Also brauchst du dort eine sichere, vertrauenswürdige Payment-Methoden, die dann funktionieren. Und daran denken wir. Es heißt nicht immer Krypto, es 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. Und der andere Roboter, der die Pizza abnimmt, damit es wirklich ihn 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 diese Expertise von Tether halt als eine, die uns Massiv unterstützen wird.

1:45:44 Feliks Eyser: Ist ja auch die große Frage mit AI-Agents. Wie bezahlen die sich gegenseitig? Hand die eine Kreditkarte, haben die ein PayPal-Konto, so und da gab es dann irgendwann auch das Ding, wenn du quasi die Agent selber gefragt hast, was ist denn dein präferiertes Zahlungssystem, dann haben die gesagt, ja, Stablecoins oder. Ethereum oder was auch immer, weil ich kann es global nutzen. Ich muss dafür kein KYC bei einer Bank machen, also du kannst quasi anonym einsetzen, ich kann Centbeträge schicken und so weiter. In diesem Fall hast du

1:46:09 David Reger: halt ja vielleicht auch stabil. Das heißt, der Skill kostet halt weltweit immer gleich viel. Also 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 das Gill dann halt 50 Euro kostet, morgen vielleicht zwei. Also das wäre auch nicht. Und das muss man auch sagen, genau, da muss man sehr viel. Ähm, sozusagen, also damit muss man sich auskennen und wer kennt sich da besser aus wie ein Stablecoin selber. Das heißt, also im Endeffekt, das war die Gedanken dahinter. Gleichzeitig bin ich unglaublich fasziniert, auch von dem, wie Paulo zum Beispiel halt tickt, seine Vision hinter all dem, was er treibt und wie er es treibt, ist wirklich sehr human-centric. Also das heißt, wirklich Mensch im Fokus zu haben und gleichzeitig deren Idee jetzt und Strategie natürlich auch vor allem Physical AI zu fördern und das Ganze voranzubringen. Und es hat halt Sehr gut gepasst. Und er hat mich überzeugt. Also wir haben geredet und ich war ein Riesen, okay, nö, ich muss was ändern. Es muss sich vielleicht ein paar mehr Leute, 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.

1:47:26 Feliks Eyser: Ich würde dich auch gerne mal ein Metzing besuchen. Ich würde mir das gerne mal anschauen, was du da machst. Das ist ja unglaublich. Wahnsinn. Komm vorbei. Falls meine Eltern noch glücklich und besuch die.

1:47:34 David Reger: Mach das mal. Mach deine Eltern glücklich und dann kommt bei uns vorbei und bring sie mit. Zeig dir mal die Zukunft. Also im Endeffekt machen wir es schon. Also sehr gerne. Wir haben dort die Gyms, wir haben 14 Gebäude in der Straße. 14 waren 11 beim anderen Podcast. Ja, okay. Wir sind drei dazu gekommen. Und wirkt uns gehört sozusagen fast die ganze Straße und da läufst halt durch und du kannst überall rein, in so eine Produktion es sehen. in in eine ähm in diese ganzen gyms in die entwicklungen in die also es ist ja schon also das macht es ja dann auch alles eher fühlbar und real. Und deswegen, jeder, der da also bis heute da war, ist danach natürlich mit einem, mit leuchten Augen wieder gegangen. Also dementsprechend glaube ich, verspreche ich nicht zu viel. Das glaube ich.

1:48:18 Feliks Eyser: Vor 15 Jahren warst du in San Francisco, hast die Obdachlosen betreut. Diesen Sommer stand der Name auf dem Nasdaq. Tower am Times Square in New York, als ihr die 1,4 Milliarden Runde bekannt gegeben habt. Was glaubst du, deine 20-jährige Version von damals? Was sagt die heute, wenn sie das sieht? Und was antwortest du aus der heutigen Perspektive dem 20-Jährigen David zurück?

1:48:42 David Reger: 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 sag mal, ich hab unglaubliche Hochachtung von diesem Menschen gehabt. Aber ich hatte mich, glaube ich, nicht mehr getraut, die Person anzusprechen. 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 nicht. 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 da hinkommen und deswegen denke ich schon. Also damals wäre es mir einfach so weit entfernt gewesen, dass ich glaube ich nicht meinem mit der Person gesprochen hätte.

1:49:32 Feliks Eyser: Was sagst du heute zum 20-Jährigen? Was sagst du zu allen 20-Jährigen? Die vielleicht einen Hauptschulabschluss haben oder die Ingenieure sind oder die sagen, vielleicht habe ich eine Idee, aber ich weiß nicht, ob ich es in mir habe.

1:49:41 David Reger: Also im Endeffekt, ähm Das sind scheinendisch , genießt es, was du tust. Massenvoller, also 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's erstmal das, was du willst. So zum Beispiel, mein erster Purpose war, ich wollte einen geilen Sportwagen haben. Das war mein erster Traum. Ich wollte einfach mal einen Sportwagen haben. Und irgendwann mal hast du einen Sportwagen und dann im Best Case wächst da deine Ambition und dann. Und du merkst eigentlich, das ist 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 merke ich 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 kann ich mich einbringen. Und mein Opa hat damals immer eins gesagt, und das hat mich. Das habe ich damals nie verstanden. Das war für mich, ich habe nur gedacht, 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. Er hat immer gesagt, hey, wir sind auf der Erde Weil wir alle einen Sinn haben. Aber das herausfordernde Davidisch, das ist eigentlich deine Aufgabe, nur durch die Welle loszutreten und manchmal gar nicht zu sehen , Was ist überhaupt der Inpack dahinter? Was wird überhaupt? Also das weißt du gar nicht. Und deine Aufgabe, aber denk immer nur so. Dass du sagst, deine Aufgabe ist eine Welle loszulen 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 eine Welle losgetreten. Und ich hatte ihm, also ich hätte ihm gern heute gezeigt, was das alles so mit sich gebracht hat. 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 dem Weg zu gehen mit Confidence natürlich, aber auch mit einem wirklich Purpose-Driven-Mindset. Und mit dem Glaube. Ja, mit dem Glauben.

1:51:49 Feliks Eyser: Schön, dass du da warst. Ich freue mich, dass du wieder zumindest ein bisschen in die Außenministerrolle geswitcht bist und dass wir das Gespräch führen konnten.

1:51:56 David Reger: Nö, danke dir. Also, es war ja auch ein tolles Gespräch, also Genossen, ich weiß, manchmal habe ich ein bisschen lang hergeleitet, aber ich freue mich einfach hier Hier zu sein, mit dir auch gesprochen zu haben und hoffentlich hilft es auch jemand, der dazu hört.

1:52:08 Feliks Eyser: Ja, vielleicht red man dir die nächste Welle los. Man weiß es ja immer nicht, was denn die Butterfly-Effekte sind. Wo finden Leute dich online? Wer soll sich bei dir melden?

1:52:15 David Reger: 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, derzeit so die Herausforderung, dass ich nach wie vor sehr stark überflutet werde, auch mit tollen Nachrichten. Also das, was mich dann so ein bisschen traurig machte, 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. Und ich hoffe, und gleichzeitig will ich hier halt eben nicht die KI verwenden. Und das macht mich dann so, manchmal bringt mich so ein Zwiespalsch. 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, ne, so, aber ich arbeite daran, das Ganze zu lösen, ja. Aber Michak, mich findet immer auf LinkedIn oder Instagram oder selbst Facebook bin ich. Und also Man findet mich, wenn man mich sucht und oder kommt einfach in Metzingen vorbei.

1:53:25 Feliks Eyser: Ja, ich glaube, das machen wir vielleicht mal. Organisieren wir mal so eine kleine Klassenfahrt, so eine VNMod-Klassenfahrt nach Metzingen. Wenn ihr das wollt und noch dran seid, dann schreibt mir in die Kommentare. Wer dabei ist bei einer kleinen Tour nach Metzingen, dann

1:53:33 David Reger: kann man es ein bisschen bündeln. Ja, gerne. Also machen wir immer wieder. Danke. Cool, dass du da warst. Dass ich da sein durfte. Dankeschön auch.