Energieeffizienz mit IO-Link und KI – Praxis von achtBytes

Hallo liebe Freunde des IoT und herzlich willkommen zu einer neuen Folge des IoT Use Case Podcasts. Heute sprechen wir über ein Thema, das viele aus der Produktion kennen: Energie- und Druckluftmonitoring, CO₂-Überwachung und Stromüberwachung. Wir schauen, wie man mit diesen Daten optimal arbeiten kann, was man bei der Umsetzung beachten muss und wie KI hier mit Echtzeitdaten eingesetzt wird. Dafür habe ich heute Alwin Jung eingeladen. Er ist IoT Consultant bei der Firma achtBytes. Was genau sie machen, erfahrt ihr gleich. Nehmt wie immer alle Insights und Best Practices für eure Projekte mit. Ich wünsche euch viel Spaß bei dieser Folge. Alle Infos findet ihr wie immer unter iotusecase.com oder in den Show Notes. Damit würde ich sagen, lasst uns starten.

Herzlich willkommen, Alwin! Schön, dass du dabei bist.

Alwin

Guten Tag, Madeleine. Vielen Dank für die Einladung, ich freue mich.

Sehr schön, ich freue mich auch schon sehr. Wir kennen uns ja schon eine ganze Weile und heute sprechen wir über eure Projekte und ein paar Best Practices. Das wird sicher spannend. Wie geht es dir zurzeit, was gibt es Neues bei euch, wie war deine Woche?

Alwin

Gerade ist bei uns sehr viel zu tun, besonders jetzt im August, wo einige im Urlaub sind. Am Wochenende war ich beim Junior Bowl, dem American-Football-Finale der Jugend. Das fand hier in Schwäbisch Hall bei den Schwäbisch Hall Unicorns statt. Leider mit einem schlechten Ende für unsere Seite, aber es war ein spannender Tag. Vielleicht klappt es ja nächstes Jahr.

Hm, okay. Hast du da einen persönlichen Bezug dazu oder hast du dir einfach mal so ein Spiel angeschaut?

Alwin

Ja, ich habe da einen persönlichen Bezug. Ich war selbst früher in der Jugend bei den Schwäbisch Hall Unicorns und habe dort fünf Jahre gespielt, damals als Defensive Tackle beziehungsweise Offensive Guard.

Sehr cool, dann liebe Grüße in deine Region. Du bist in Schwäbisch Hall, richtig?

Alwin

Genau. Ich sitze heute zwar im Homeoffice, weil wir gerade am Headquarter einiges umbauen, aber grundsätzlich sind wir in Schwäbisch Hall.

Okay, also euer Headquarter ist auch dort. Sehr schön. Dann Grüße an alle in die Region, die jetzt gerade zuhören. Vielleicht noch mal ganz zu Beginn zu dir persönlich: Du bist IoT Consultant bei achtBytes. Ich kenne dich vor allem aus Projekten, die du mit Kunden umsetzt, mit vielen praxisnahen IoT-Lösungen rund um Energie- und Druckluftmonitoring und einiges mehr. Du hast Wirtschaftsinformatik studiert, richtig? Ich wollte dich zu Beginn einfach mal fragen: Was begeistert dich eigentlich an IoT-Projekten? Nicht jeder bewegt sich ja in dieser Szene. Gibt es einen bestimmten Grund, wie du da hineingekommen bist, oder wie hat sich das entwickelt?

Alwin

Ich finde IoT-Projekte super spannend, vielleicht auch durch meinen Background aus dem Football. American-Football-Fans lieben Statistiken, da wird wirklich alles gemessen. Im IoT-Umfeld ist das ganz ähnlich, nur in einem anderen Kontext. Es geht darum, Daten zu erfassen, zu analysieren und daraus Mehrwert für die Weiterentwicklung zu schaffen. Das begeistert mich. Außerdem ist jedes Unternehmen anders, mit eigenen Voraussetzungen und Standards, an die man sich anpassen muss. Das macht das Umfeld so abwechslungsreich.

Spannend. Vielleicht kurz zu achtBytes für alle, die euch noch nicht kennen. Ihr seid ja, wenn man so will, ein Corporate Start-up der STEGO-Gruppe. Darüber können wir gleich noch etwas sprechen. Ihr entwickelt cloudbasierte IoT-Plattformen, über die sich verschiedenste Sensoren aus der Produktion anbinden lassen. In welchen Use Cases ihr unterwegs seid, schauen wir gleich noch, aber ich weiß, dass ihr einen starken Fokus auf IO-Link als Standard habt. Kannst du kurz etwas zum Hintergrund der STEGO-Gruppe sagen? Wie gehört ihr zusammen, wie ist das Ganze entstanden?

Alwin

Die STEGO Elektrotechnik ist unser Mutterkonzern. Wir gehören als Gruppe dazu und sind als zusätzliches Standbein aus der Idee heraus entstanden, den Bereich Software stärker auszubauen. STEGO kommt ursprünglich aus der Schaltschrankklimatisierung, da sind wir absolute Profis. Irgendwann kam die Idee auf, auch in Richtung Software zu gehen. Der Ausgangspunkt war, dass unsere Sensoren im Labor auf Herz und Nieren getestet werden, man aber wissen wollte, wie die tatsächlichen Bedingungen vor Ort aussehen. Aus diesem Projekt heraus ist achtBytes als Corporate Start-up entstanden – mit dem klaren Fokus, über Temperaturüberwachung hinauszugehen, also auch Themen wie Energiemonitoring, Retrofit und insbesondere Druckluftüberwachung zu adressieren.

Und wer sind typischerweise eure Kunden? Habt ihr einen Fokus auf bestimmte Marktsegmente oder Unternehmensgrößen?

Alwin

Unser Fokus liegt klar auf dem industriellen Mittelstand, den typischen Hidden Champions. Am meisten profitieren energieintensive Industrien von unseren Lösungen. Für die ist das Thema besonders relevant, weil dort der Energieverbrauch ein entscheidender Faktor ist.

Also zum Beispiel Stahlproduktion oder Kunststofffertigung?

Alwin

Genau, Stahl, Kunststoff, aber auch Lebensmittelherstellung – solche Bereiche.

Okay, Kundennamen darfst du wahrscheinlich nicht nennen. Ich frage ja immer nach Referenzen, aber das ist vermutlich schwierig.

Alwin

Nein, leider nicht.

Alles klar. Dann können wir aber trotzdem über die Anwendungsfälle eurer Kunden sprechen, ohne zu sehr ins Detail zu gehen. Kannst du typische Use Cases nennen, die ihr gemeinsam mit euren Kunden umsetzt? Ich habe ja vorhin schon ein paar Bereiche angesprochen. Was sind die Use Cases, auf die ihr euch aktuell besonders konzentriert?

Alwin

Typische Use Cases sind Themen wie Stromüberwachung, CO₂-Überwachung und Druckluftüberwachung. Es geht dabei vor allem darum, mehr Einblick in den Energieverbrauch zu bekommen und Transparenz zu schaffen, um auf dieser Basis fundierte Entscheidungen für die Zukunft zu treffen. Ein weiterer Schwerpunkt ist das Retrofit, also bestehende Anlagen mit moderner Sensorik nachzurüsten, um diese Informationen überhaupt zu gewinnen. Ein Beispiel: Viele Kunden haben lediglich einen Sensor an der Hauptleitung, über den sie abrechnen, wie viel Strom insgesamt verbraucht wird. Alles dahinter bleibt eine Blackbox. Sie wissen also nicht genau, wo der Strom tatsächlich verbraucht wird. Die einzige Orientierung ist oft das Typenschild einer Maschine, das aber nur den maximalen Verbrauch angibt. Das hat wenig mit der Realität zu tun, wenn man beispielsweise berechnen möchte, was ein individueller Auftrag tatsächlich an Energie kostet.

Okay, du hast ja gerade erwähnt, dass ihr auch Planungen macht, um herauszufinden, was ein Prozess oder Auftrag tatsächlich an Energie kostet. Was sind denn typische Fragestellungen aus der Praxis, mit denen eure Kunden so ein Projekt starten? Wo schaut ihr tiefer in die Daten, und wie geht ihr dabei vor?

Alwin

Ein typisches Beispiel ist der Vergleich zweier Anlagen, um deren Performance zu bewerten. Gerade jetzt sehen wir oft den Trend, von hydraulischen auf vollelektrische Maschinen zu wechseln. Die Hersteller versprechen hier meist große Effizienzgewinne, aber nur durch Messdaten lässt sich wirklich nachvollziehen, was davon in der Praxis ankommt. So können wir genau sehen, welchen tatsächlichen Nutzen der Umstieg bringt. Auf dieser Basis können Unternehmen dann entscheiden, ob sie weitere Anlagen austauschen oder bestehende, gut laufende Maschinen noch behalten.

Also es geht nicht nur um Vergleiche, sondern auch um strategische Entscheidungen, zum Beispiel Investitionen in neue Anlagen. Das ist spannend.

Alwin

Genau. Ziel ist, eine belastbare Datenbasis zu schaffen. Weg von Schätzungen oder Bauchentscheidungen hin zu wirklich datengetriebenen Entscheidungen über die Zukunft der Produktion.

Hast du ein Beispiel von einem Kunden, ohne den Namen zu nennen, wie so ein Projekt-Setup aussieht? Ich stelle mir vor, es gibt verschiedene Sensoren. Du hattest ja die Hauptleitung erwähnt. Ich weiß nicht, ob das STEGO-Sensoren sind oder andere. Dann gibt es ja mehrere Anlagen. Kannst du mal beschreiben, wie so ein typisches Setup aussieht, wenn du zum Kunden kommst und eine Anfrage hereinkommt? Wie läuft das ab, und wie sieht das beim Kunden vor Ort meist aus?

Alwin

Wir schauen uns zuerst an, was beim Kunden bereits vorhanden ist. In den meisten Fällen gibt es schon einen Stromzähler an der Hauptleitung, zum Beispiel von Janitza oder einem ähnlichen Hersteller. Diese Geräte können wir in unser System integrieren. Typischerweise kommt dann ein Stego-Sensor hinzu, also ein Stromsensor, der an den einzelnen Phasen der Anlagen installiert wird. Diese Sensoren werden über einen Master verbunden. An denselben Master können auch weitere Sensoren wie Temperatur- oder Druckluftsensoren angeschlossen werden, um ein vollständiges Bild der Energieflüsse zu bekommen. Der Master ist mit dem Firmennetzwerk verbunden, und gemeinsam mit dem Kunden setzen wir eine virtuelle Maschine auf, die für die Konnektivität sorgt. Sie stellt die Kommunikation zwischen den Sensoren auf der Feldebene und unserer Cloud-Anwendung her.

Bevor wir gleich zu eurer Cloud-Anwendung kommen und wie das technisch funktioniert, bleiben wir noch kurz bei der Datenerfassung. Was sind typische Herausforderungen, denen ihr bei der Anbindung begegnet? Ihr arbeitet ja unter anderem mit IO-Link. Gibt es bestimmte Standards, die hier besonders relevant sind? Oder typische technische Probleme, auf die ihr bei Kundenprojekten immer wieder stoßt?

Alwin

Eine typische technische Herausforderung beim IO-Link-Standard ist tatsächlich die Kabellänge, die auf 20 Meter begrenzt ist. Das bedeutet, man braucht an verschiedenen Punkten mehrere Master und muss genau planen, wie die Kabel verlegt werden. 20 Meter klingen zunächst nicht nach wenig, aber in einer großen Produktionshalle sind diese schnell erreicht, vor allem, wenn man die Leitungen nicht quer durch das Gebäude hängen will. Das ist eine der größten Herausforderungen. Abgesehen davon ermöglicht IO-Link durch die IODDs und die einfache Integration der Smart Sensoren eine sehr unkomplizierte Einbindung, ohne großen Konfigurationsaufwand. So lässt sich die Datenanbindung an unsere Plattform in der Regel recht effizient umsetzen.

Okay, interessant. Mich würde auch interessieren, welche Herausforderungen ihr, die ihr gerade zuhört, in der Praxis habt. Schreibt das gern in die Kommentare oder auf LinkedIn. Ich verlinke auch deine Kontaktdaten in den Shownotes, Alwin.

[11:22] Herausforderungen, Potenziale und Status quo – So sieht der Use Case in der Praxis aus

Gibt es Best Practices oder typische Fallstricke, die man vermeiden sollte?

Alwin

Meine Empfehlung ist ganz klar, immer die größere Master-Version zu wählen. Es gibt meist Varianten mit vier oder acht Ports, und wir erleben oft, dass Kunden zunächst die kleinere Version nehmen, um Kosten zu sparen. Sobald aber die ersten Daten in der Cloud sind und Analysen möglich werden, kommen schnell neue Ideen auf: „Können wir noch einen Abstandssensor einbauen?“ oder „Lässt sich dieser Wert auch erfassen?“ Wer dann zu wenig Ports hat, muss aufwendig nachrüsten. Für einen geringen Aufpreis bekommt man bei der größeren Variante die doppelte Anzahl an Ports und bleibt langfristig flexibel. Ideal ist es, die Halle von Beginn an an mehreren Stellen mit Mastern auszustatten. So kann man jederzeit Sensoren ergänzen, wenn ein neuer Bedarf entsteht. Ab dann ist es wirklich nur noch: Sensor anschrauben und loslegen.

Du hast ja gerade gesagt, dass es sinnvoll ist, gleich die größere Variante zu nehmen, weil eine Maschine meist mehrere Sensoren hat oder künftig weitere hinzukommen. So spart man sich später den Wechsel. Habe ich das richtig verstanden?

Alwin

Genau.

Und gibt es neben diesem Punkt noch weitere Best Practices, die ihr aus euren Projekten mitgebt?

Alwin

Zusätzlich empfehle ich, in der Nähe des Masters einen Switch oder eine Netzwerkanbindung vorzusehen. Die Master können zwar direkt mit einem Netzwerkkabel angeschlossen werden, aber die dafür benötigten speziellen Stecker sind relativ teuer im Vergleich zu normalen CAT7-Kabeln. Daher lohnt es sich, das Netzwerk so zu planen, dass kurze Wege entstehen und man Kosten spart. Wichtig ist also eine durchdachte Planung, wo die Master installiert werden. Das reduziert nicht nur den Aufwand bei der Integration, sondern spart später auch Geld.

Okay, also geht es in der Praxis um die Abwägung: Setze ich IO-Link-Master oder Switches ein und wie kombiniere ich beides sinnvoll? Ist das eine Entweder-oder-Entscheidung oder wie muss man das verstehen?

Alwin

Es geht darum, die Master so zu platzieren, dass sie sich in der Nähe von Bereichen befinden, wo bereits eine gewisse Netzwerkkonnektivität vorhanden ist. So müssen keine langen Netzwerkkabel quer durchs ganze Gebäude gelegt werden. Man schafft also zentrale Punkte, an denen die Master installiert werden, und weitere zentrale Punkte, über die diese wiederum vernetzt werden. Damit entsteht im Prinzip ein zweigeteiltes Netz, das effizient und übersichtlich bleibt.

[14:38] Lösungen, Angebote und Services – Ein Blick auf die eingesetzten Technologien

Und am Ende will man ja genau diese Insights gewinnen, also zum Beispiel den Vergleich zwischen zwei Anlagen ziehen oder herausfinden, ob sich der Austausch einer Maschine lohnt. Oder auch so etwas wie: Wie war mein Druckniveau gestern? Solche Daten zu analysieren ist ja der nächste Schritt nach der Datenerfassung. Wo kommen diese Daten dann hin, wie läuft das softwareseitig bei euch?

Alwin

Wir haben beim Kunden eine virtuelle Maschine, also eine VM, die die Datenübertragung in unsere Cloud übernimmt. Von dort werden die Daten gespiegelt und die Assets in der Cloud abgebildet, sodass man sie vollständig einsehen und auswerten kann.

Mit VM meinst du die Virtual Machine, also die virtuelle Umgebung, richtig?

Alwin

Genau, eine virtuelle Maschine. Von dort werden die Informationen in unser Netzwerk übertragen. In der Cloud sehe ich dann genau, welche Sensoren aktiv sind, was sie messen und kann über die Plattform sogar Parameter anpassen, da sich die Sensoren Plug and Play verbinden lassen. Sobald die Daten erfasst sind, lassen sich auf Softwareseite verschiedene Auswertungen durchführen. Zum Beispiel kann man bei der Strommessung die drei Phasen zu einem Gesamtwert zusammenfassen oder auf dieser Basis Standzeiten und ähnliche Kennzahlen berechnen. Diese Daten werden anschließend übersichtlich in Dashboards visualisiert.
Inzwischen haben wir in unser System eine KI-Assistenz integriert, die wir MIA nennen. Die Idee dahinter war, dass MIA wie eine Kollegin im Unternehmen agiert. Man soll einfach sagen können: „Frag doch MIA.“ Sie unterstützt bei den Dashboards. Der Trend der letzten Jahre ist eindeutig – KI spielt in der Industrie wie auch im Alltag eine immer größere Rolle. Man hat einfach ein Texteingabefeld, schreibt hinein, was man wissen oder erstellen möchte, und die KI liefert die passende Antwort oder Auswertung. Genau so setzen wir das um.

Cool. Was könnte man MIA zum Beispiel fragen? Habt ihr schon erste Prompts getestet, also typische Eingaben, die ihr ausprobiert habt?

Alwin

Genau, also MIA ist bei uns nicht dafür gedacht, neue Daten zu erzeugen oder etwas zu berechnen, was es gar nicht gibt. Ihr Fokus liegt klar auf der Visualisierung. Man kann sie zum Beispiel fragen: „MIA, zeig mir Maschine 1 im Vergleich zu Maschine 2, bezogen auf die Stückzahlen vom letzten Monat.“ Oder: „Zeig mir die Performance der letzten drei Monate.“ Oder: „Wie hat sich unser CO₂-Verbrauch in den letzten zwei Monaten entwickelt?“ Oder auch Dinge wie: „Leg mir bitte den Druckluftwert da drüber.“ MIA entscheidet dann selbst, welche Visualisierung sich dafür am besten eignet.
Der Vorteil dabei ist, dass man durch die visuelle Darstellung sofort erkennt, wenn etwas nicht stimmt. KI-Systeme neigen ja manchmal dazu, Daten zu halluzinieren, wie man es vom sogenannten Wikipedia-Effekt kennt. Im Fall des Dashboardings ist das aber unproblematisch, weil man sofort sieht, wenn ein Zeitraum falsch gewählt oder eine Visualisierung unpassend ist. Deshalb kann man MIA im Business-Kontext gut vertrauen – sie ist, wenn man so will, keine gute Lügnerin.

Verstehe. Und greift MIA dabei direkt auf Live-IoT-Daten zu oder arbeitet sie mit einer Datenbank, die ihr gemeinsam mit dem Kunden aufsetzt?

Alwin

Genau, unsere Dashboards können die Daten sowohl live als auch historisch anzeigen, je nachdem, welchen Zeitraum man auswählt. Wenn ich also Daten vom letzten Monat sehen will, greift das System automatisch auf die historischen Werte zu. MIA selbst kümmert sich nicht darum, wie die Daten ins System gelangen. Das ist bereits gelöst – wir bekommen sowohl Live-Daten als auch Daten aus der Vergangenheit zuverlässig in unsere Plattform. MIA konzentriert sich ausschließlich darauf, wie die Daten visualisiert werden, um das Nutzerproblem zu lösen. Wenn also der Chef fragt: „Kannst du mir zeigen, wie sich unser CO₂-Fußabdruck in den letzten drei Monaten verbessert hat?“, dann reicht eine Anfrage an MIA, und sie erstellt automatisch die passende Ansicht. Man muss keine Charts oder Dashboards manuell konfigurieren.

Verstehe. Das heißt, ihr versteht unter KI-Dashboarding, dass die Erstellung der Visualisierungen durch KI automatisiert wird, sodass ich individuelle Abfragen zu meinem Anwendungsfall stellen kann.

Alwin

Genau. Normalerweise hat man drei oder vier feste Dashboards, die man vorher manuell erstellt. Wenn dann eine neue Fragestellung auftaucht, muss man zusätzliche Parameter einbauen oder sich in Excel neue Spalten anlegen, um Werte zu kombinieren. Mit MIA fällt das weg. Man stellt einfach die Frage, und MIA liefert die Daten in der bestmöglichen Darstellung.

Sehr cool. Jetzt haben wir viel über Prozessparameter gesprochen, also über Daten aus der OT-Welt, zum Beispiel zur Druckluftüberwachung. Greift ihr auch auf IT-Systemdaten zu, also etwa auf Tools oder Systeme, um bestimmte Fragestellungen zu beantworten? Oder arbeitet ihr aktuell hauptsächlich mit Daten aus der Automatisierungsebene?

Alwin

Wir arbeiten ganz klassisch mit Daten aus der Automatisierungswelt. Unser Ziel ist, die vorhandenen Sensordaten sichtbar zu machen und daraus verwertbare Informationen zu gewinnen.

Sehr schön. Hast du ein Beispiel aus einem abgeschlossenen Projekt, das zeigt, wie eine Lösung konkret aussieht? Was bekommt der Kunde am Ende, wenn er mit euch zusammenarbeitet?

Alwin

Ein typischer Einstieg ist das Thema Druckluftüberwachung. Hier kann man mit wenig Sensorik schon sehr viele Informationen gewinnen. Sobald das Monitoring läuft und die Daten erfasst werden, entsteht schnell ein Gefühl dafür, wie das System tatsächlich arbeitet. Der Kunde erkennt zum Beispiel, wann der Kompressor morgens wirklich eingeschaltet werden muss, wann er abends abgeschaltet werden kann und ob das aktuelle Druckniveau überhaupt notwendig ist. Er sieht auch, ob das gesamte Druckluftsystem ausgelastet ist und wie sich Energieverluste vermeiden lassen, etwa durch unnötigen Betrieb am Wochenende.
Ein weiteres Beispiel ist die Stromüberwachung. Hier kann der Kunde genau sehen, wie viel Energie eine einzelne Maschine oder ein Auftrag verbraucht hat. Dadurch lässt sich auch der CO₂-Fußabdruck eines Produkts oder Auftrags berechnen und weitergeben.
Durch den Einsatz von IO-Link bleiben wir dabei sehr flexibel. Das System kann schrittweise erweitert werden. Über die Masterstruktur lassen sich jederzeit neue Sensoren oder Datenquellen ergänzen, sodass das Projekt nach und nach wachsen kann – immer entlang der Fragestellungen, die für den Kunden gerade relevant sind.

Vielleicht noch eine letzte Frage dazu. Nicht alle Produkte sind ja IO-Link-ready oder nutzen diesen Standard. Wie geht ihr damit um, wenn ein Kunde keine IO-Link-fähigen Geräte hat? Unterstützt ihr dann nur IO-Link oder gibt es auch andere Möglichkeiten zur Anbindung?

Alwin

Unser Fokus liegt klar auf IO-Link, ideal ist natürlich, wenn der Kunde bereits IO-Link im Einsatz hat. Wir arbeiten aber auch daran, andere Systeme zu integrieren und direkte Kommunikationswege zu schaffen. Bei Strommessungen zum Beispiel, wo häufig bereits Geräte von Herstellern wie Janitza vorhanden sind, nutzen wir diese über vorhandene Schnittstellen. Dafür benötigen wir auf Kundenseite Informationen, welche smarte Schnittstelle eingebunden werden kann. Solche Integrationen lassen sich auch projektbezogen individuell umsetzen.

Wenn ihr zuhört und einen ähnlichen Anwendungsfall habt oder Erfahrungen austauschen möchtet, wie man solche Projekte umsetzen kann, meldet euch gern bei Alwin. Sein LinkedIn-Profil und die Kontaktdaten findet ihr in den Show Notes, zusammen mit weiteren Informationen zu achtBytes.

[23:59] Übertragbarkeit, Skalierung und nächste Schritte – So könnt ihr diesen Use Case nutzen

Auf was dürfen wir in Zukunft gespannt sein? Du hast ja schon das Thema KI-Dashboarding angesprochen. Gibt es noch weitere Entwicklungen, auf die ihr euch konzentriert?

Alwin

Ja, wir wollen MIA noch mehr Fähigkeiten geben, vor allem in der Konfiguration. Ziel ist, Prozesse wie das Alerting zu vereinfachen. Statt ein Alarmlimit manuell einzurichten, soll man MIA einfach sagen können: „Richte mir bitte eine Warnung für diesen Fall ein.“ Auch die Erstellung sogenannter künstlicher KPIs ist geplant – also abgeleiteter Sensordaten, die aus bestehenden Werten berechnet werden. Außerdem wollen wir die Integration beim Kunden weiter vereinfachen. Der initiale Setup ist aktuell oft aufwendig, weil viele Systeme eingebunden werden müssen. Unser Ziel ist, diesen Aufwand zu reduzieren und schneller zu verwertbaren Daten zu kommen.

Habt ihr aktuell ein Angebot, bei dem ihr Pilotkunden sucht, die neue Entwicklungen mit euch gemeinsam gestalten möchten? Oder arbeitet ihr vielleicht auch mit Partnern zusammen? Gibt es da Ansätze?

Alwin

Ja, wir suchen tatsächlich gerade Pilotkunden für eine neue Technologieebene. Dabei wollen wir den kompletten IO-Link-Stack einmal außen vor lassen und direkt mit dem Sensor kommunizieren. Ziel ist, dass man den Sensor nur an den Strom anschließt, ihn an der gewünschten Stelle positioniert und sofort mit dem Tracking beginnen kann. Für dieses Projekt suchen wir aktuell Pilotkunden und gehen davon aus, dass wir im vierten Quartal so weit sind.

Q4 2025 also. Wir nehmen heute am 11. September auf, die Folge wird wahrscheinlich im September oder Oktober erscheinen. Wenn ihr sie also jetzt hört, seid ihr vermutlich schon etwas näher an der Umsetzung dran. Sehr schön. Vielen Dank für das spannende Gespräch und die klaren Einblicke – vor allem in den konkreten Use Case rund um Druckluftmonitoring, Energieverbrauchsoptimierung und die gewonnenen Insights. Ich fand es auch super interessant zu hören, welche Best Practices ihr aus den Projekten mitnehmt und wie euer Angebot aufgebaut ist. Vielen Dank schon mal von meiner Seite. Und das letzte Wort geht an dich, Alwin.

Alwin

Vielen Dank für die Einladung. Wenn Fragen offen sind oder jemand sich austauschen möchte, gerne auf LinkedIn connecten. Bis bald.

Vielleicht machen wir ja irgendwann noch eine Update-Folge zu eurem KI-Thema. Danke dir und eine schöne Restwoche. Mach’s gut, ciao.

Alwin

Tschüss.