Folge 13: Alexander Schmitt (Fyta GmbH) - Pflanzenpflege mit KI – Wie Sensoren den grünen Daumen ersetzen

00:00:00: Hallo und herzlich willkommen zum KI Podcast präsentiert vom Hubwerk 01.

00:00:07: Verständlich für alle klären wir große und kleine Fragen rund um das Thema

00:00:12: künstliche Intelligenz. Wir wünschen dir viel Spaß!

00:00:18: Ja, herzlich willkommen zu einer neuen Folge des KI Podcastes Hubwerk 01.

00:00:26: Mein Name ist wie immer Matthias May und heute habe ich zu Gast den CTO, also den

00:00:33: Chief Technology Officer und Geschäftsführer der Vita GmbH.

00:00:38: Alexander Schmidt bringt eine wirklich beeindruckende Erfahrung in den

00:00:43: Bereichen Software-Entwicklung, Ingenieurwesen und Vertriebsmanagement mit.

00:00:47: Mit sogar gleich zwei Masterabschlüssen, nämlich von der KU Löwen in Belgien und

00:00:52: der Shanghai Xiaotong University verfügt er über umfassende Expertise in Datenbanken,

00:00:59: künstlicher Intelligenz und Supply Chain Management. Seit Januar 2021 leitet

00:01:06: er die Vita die technologische Entwicklung und treibt innovative Lösungen für

00:01:12: die Pflanzenpflege voran. Ich freue mich wirklich auf ein spannendes Gespräch jetzt

00:01:17: über künstliche Intelligenz, über Smartetechnologien,

00:01:21: Entschuldigung und deren Anwendung in der Pflanzenpflege.

00:01:25: Ja Alexander, herzlich willkommen, schön, dass du da bist.

00:01:28: Hallo Matthias, grüß dich.

00:01:30: Ja, ich bin wirklich sehr gespannt, weil KI und Pflanzen auch ich bisher noch nicht so

00:01:36: zusammengebracht hat. Deshalb bin ich da wirklich gespannt.

00:01:41: Ich hoffe, in der Anmoderation war soweit alles korrekt, wenn nicht,

00:01:44: auf, du ist gerne berichtigen.

00:01:46: Bevor wir jetzt gleich darüber sprechen, was genau KI in eurer Firma mit den Pflanzen

00:01:53: macht und für wer es ihr das braucht, sagt doch mal einfach so ein paar Worte,

00:01:59: was ist Vita überhaupt und warum habt ihr die denn gegründet 2018, wenn ich richtig informiert bin?

00:02:06: Ja genau, sehr gerne, also danke erst mal für die Anmoderation. Wir sagen dann nicht immer

00:02:13: der Fitness Tracker für Zimmerpflanzen und das sagt eigentlich auch schon alles, was wir tun,

00:02:18: nämlich wir messen Umweltparameter an der Pflanze, das ist so was für die Bodenfeuchte,

00:02:24: Nährstoffe, das Licht und die Temperatur und geben dann individuelle Hinweise,

00:02:29: was die Pflanze gerade braucht. Denn das ist ähnlich wie beim Sport mit dem Fitness Tracker,

00:02:33: so grundsätzlich nur die Daten zu haben, hilft mir eigentlich noch nicht per se weiter.

00:02:38: Also ich kann jetzt in der Apple Watch konstant nachgucken, was da eigentlich gerade los ist,

00:02:44: wie oft ich joggen war und co, aber so eine richtige Recomendation kriege ich da noch nicht.

00:02:48: Also zum Beispiel, hey du hast gerade sehr, sehr gut geschlafen, heute könntest du auch mal

00:02:52: ein bisschen höher gehen mit Puls, nur so als Beispiel, also so eine Interpretation der Daten,

00:02:56: hat Apple auch noch nicht leider. Und da unterscheiden wir uns auch von allen anderen

00:03:02: Pflanzensensoren im Markt, nämlich wirklich die Daten auch zu interpretieren. Braucht die

00:03:07: Pflanzens Wasser oder braucht sie weniger Wasser? Denn ähnlich wie beim Schlaf bei den Menschen ist,

00:03:12: dass bei den Pflanzen mit dem Licht und mit der Temperatur, mit dem Nährstoff,

00:03:15: das ist alles gegeneinander beeinflussend. Das bedeutet, nur mal ein Beispiel, wenn die Pflanze

00:03:22: gerade weniger Licht hat, dann braucht sie automatisch weniger Wasser, weil sie in weniger

00:03:26: Wachstumszüge unterwegs ist. Das ist im Winter zum Beispiel ein ganz klares Thema,

00:03:30: warum die meisten Pflanzen im Frühsommer sterben, weil man sie im Winter übergossen hat. Und ich

00:03:35: kann das auch an mir selber beobachten. Ich muss einer Pflanze jede Woche ein bis zwei Gläser

00:03:41: Wasser geben, ansonsten bekomme ich immer Mecker, "Hey, ich verdurste, hilf mir bitte." Aber im Winter

00:03:46: alle sechs Wochen. Die andere Pflanze braucht aber eineinhalb Liter Wasser wöchentlich und im

00:03:52: Winter nur alle sechs Wochen. Das hat mich total selber geschockt zu sehen, was da abgeht mit

00:03:59: diesem Individuum, Sommer versus Winter und mit den verschiedenen Umweltparameter einschliessen. Und

00:04:04: da kommt eben auch unsere IP oder unser Mehrwert zum Tragen, nämlich nicht nur die Daten erfassen,

00:04:12: da kann man grundsätzlich relativ simpel. Da kann man sich auf Alibaba irgendeinen Feuchtesensor

00:04:17: kaufen, dann nochmal irgendeinen Lichtmesser und das irgendwie zusammenwürsteln in einem Dashboard.

00:04:21: Und das ist cool, das ist ein cooles Projekt. Aber die wirkliche Herausforderung für uns war die

00:04:28: Hardware kostengünstig nutzerfreundlich, das war schon herausfordernd. Aber die eigentliche war,

00:04:34: das Datenmodell so aufzubauen, dass es Empfehlungen an die Kunden gibt. Also deine Pflanze, die braucht

00:04:42: jetzt Wasser und zwar anhand all der Informationen, die wir haben. Also jetzt, es gibt ja, das heißt,

00:04:52: wenn ich es richtig verstehe, unterscheidet es bei euch schon mal in der Interpretation der Daten,

00:04:58: weil es gibt ja solche Apps auf dem Handy, hatte ich auch mal eine Zeit lang, meine Mutter hat

00:05:03: einen sehr grünen Daumen und wenn die mir Pflanzen gibt, dann kriege ich entweder eine ganz klare

00:05:09: Anleitung, wie ich das zu tun habe oder ich muss auch mit so einer App ab und zu arbeiten. Da

00:05:13: fotografiere ich die Pflanze und dann sagt mir die App, was die Pflanze braucht, Wasser oder Dünger

00:05:21: oder manchmal auch so verrückte Sachen wie Cola oder was weiß ich was. Also wie unterscheidet

00:05:29: sich jetzt so eine App, wo ich ein Foto mache von eurem Sensor? Also klar, die Daten sind andere,

00:05:36: ist eines Bild, bei euch werden Sachen gemessen. Aber ich frage ganz provokativ, warum soll ich

00:05:43: nicht einfach weiterhin mit meine Pflanze fotografieren? Na ja, Leben ist ja noch. Also also funktioniert

00:05:49: die Methodik für dich? Na ja, im Zweifel frage ich meine Mutter wieder, die macht es dann schon

00:05:55: ohne. Also so, aber ich bin auch nicht so. Ich würde wahrscheinlich auch vergessen, wenn mir die App

00:06:04: sagt, du musst jetzt gießen, würde ich trotzdem vergessen. Also ich bin nicht so gut mit Pflanzen,

00:06:08: will ich damit sagen. Aber ich frage deshalb so direkt, weil es gibt ganz viele Ansatzweisen und

00:06:15: es gibt auch andere Pflanzensensoren. Also Xiaomi hat einen, das ist ein sehr, sehr großer Hersteller

00:06:20: aus China. Das Thema, um auf die Frage einzugehen, ich gleite noch mal bei dem Thema mit dem Sport

00:06:29: als Beispiel. Du könntest jetzt auch mit einem Personal Trainer in Online-Meeting so wie mit mir

00:06:35: machen und dann findet der Personal Trainer dich angucken und Fragen stellen und könnt ihr dann

00:06:40: sagen, okay, morgen machst du mit 40 Kilo bei der Bench Press. Das ist ja nett. Allerdings weiß ich

00:06:47: sicher, wenn der Personal Trainer neben dir an der Bench Press stehen würde und sehen, welche

00:06:52: Gewichte du gerade benutzt und wie deine Muskeln gerade angespannt sind und das Ganze zeugst,

00:06:56: dass der definitiv besser auf deine individuellen Bedürfnisse eingehen kann. Und darum geht es mir,

00:07:01: wir gehen auf die individuellen Bedürfnisse der Pflanze ein. Das bedeutet, ein Bild hat genau

00:07:07: so mehr oder weniger Farbdimensionen als Metrik. Das heißt, du weißt, okay, wenn die Blätter braun

00:07:13: sind, dann braucht es wahrscheinlich ein bisschen mehr Wasser. Aber das ist eigentlich schon viel

00:07:17: zu spät, wenn man sieht. Und jetzt zurück zu dem, was wir machen. Wir messen ja konkret, was gerade an

00:07:27: der Umgebung der Pflanze los ist und sagen dir dann konkret, okay, du musst jetzt das tun,

00:07:34: anhand dessen, was wir gerade messen an den Umgebungsparameter. Und wir haben die Erfahrungen

00:07:41: gemacht, dass das ganze Thema mit von der User-Onboarding-Experien, also von der Nutzererfahrung

00:07:49: ist so ein Bild tausendmal einfacher und auch von der Entwicklungserfahrung, also für

00:07:54: die ich ein Führer gründe. Und ich sage, hey, schaut, ihr macht ein Bild davon und voll cool,

00:07:59: ich sag dir dann, was die Pflanze braucht. Da hätten wir ein Bruchteil der finanziellen

00:08:04: Ressourcen gebraucht, die wir jetzt in unserer Firma benötigt haben, weil so eine Hardware

00:08:11: entwickeln einfach um vielfaches Komplexe ist. Du kannst nicht mal eben eine Hardware mit einem

00:08:15: Software Update besser machen. Die Hardware ist beim Kunden. Du musst dann über Firmware Updates,

00:08:21: deine Algorithmik und Messtechnik im Rahmen deiner elektrotechnischen Möglichkeiten,

00:08:26: die du schon beim Kunden vor Ort hast, verbessern, was wir auch konstant tun. Aber die Federschwelle

00:08:34: ist eine ganz andere. Was ich damit sagen möchte, ist, ich als Hersteller würde immer sagen,

00:08:40: na klar, machen Bild und alles ist toll. Aber aus der Nutzerperspektive weiß ich, so gut funktioniert

00:08:47: es halt in der Regel nicht. Du musst wissen, was bei dir zu Hause los ist. Und zwar in der Erde

00:08:57: bei der Pflanze. Um wirklich sagen zu können, was du jetzt tun musst, um der Pflanze zu helfen.

00:09:03: Und auch das ganze Thema grüner Daumen und man steckt den Finger in die Erde und dann merkt man

00:09:08: schon, ob die Pflanze Wasser braucht oder nicht. Das funktioniert alles so ab und zu mal. Also das

00:09:14: ist keine Reliable auf Deutsch. Super lässige Methode, weil die Wurzeln teilweise tiefer sind.

00:09:32: Die Erde vielleicht auch ein bisschen durchlässiger ist oben, aber die Wurzeln haben immer noch

00:09:36: genug Wasser. Und die meisten Pflanzen sterben, weil sie übergossen werden. Nicht, weil sie

00:09:41: untergossen werden. Also das ist ja dieser Irklaube. Wir denken immer, wir haben jetzt vergessen,

00:09:45: die Pflanzen zu gießen und deshalb sind sie gestorben. Nein, ihr habt vergessen, die Pflanzen

00:09:49: zu gießen und dann habt ihr zwei Liter nachgekippt, um jetzt alles wieder gut zu machen. Dadurch hat

00:09:54: man Wurzeln volle und die Pflanze stört. Deshalb der Sensor, weil der Sensor halt konkret misst,

00:10:00: was ist gerade am Wurzelbalen los. Hat auch austauschbare Stäbe, so dass man an die unterschiedlichsten

00:10:07: Topfbedürfnisse die Messstelle anpassen kann, so dass man eben immer am Wurzelbalen oder in

00:10:13: den Wurzeln die Feuchtigkeit misst. Und da muss man sich auch wirklich nicht schlecht fühlen,

00:10:18: dass man Pflanzen sterben lässt. Die sind einfach unglaublich kompliziert. Und wenn jetzt Freunde

00:10:26: oder Familien sagen, also du, ich habe da, ich sag dir, ich habe einen Gründer, meistens sind

00:10:32: die Umgebungsparameter. Also die haben einfach einen sehr, sehr großen Garten, die haben optimale

00:10:36: Lichtverhältnisse. Die haben auch die Zeit und die Geduld, ganz genau hinzuschauen, was die Pflanze

00:10:42: gerade braucht. Ja, also das kann ich aus einem erfahren sein, weil ich das vorhin gesagt habe,

00:10:45: meine Mutter hat einen Gründaum, die ist halt sehr pflanzenaffin, aber die hat natürlich auch die

00:10:51: Zeit hier mal nach. Wir haben auch große Fenster bestimmt und ganz viel Licht. Die große Fenster,

00:10:55: die hat auch riesen Pflanzen. Also wir haben hier mittlerweile im Hubwerk Pflanzen, die meine

00:11:02: Mutter beigeistellt hat, weil ich sage immer, sie hat ein Urwald zu Hause. Also wirklich, wenn die

00:11:07: alle Pflanzen mal auf ein Haufen stellt, ist die Wohnung voll. Aber sie hat es natürlich im Garten

00:11:12: verteilt überall. Aber wie du sagst, hat natürlich auch die Zeit und die Muße sich drum zu kümmern.

00:11:19: Und wenn sie sieht, oh, einer Pflanze geht schlecht, dann wird da auch mal umgetopft, untersucht,

00:11:24: was ist los und sie pflegt sie dann wieder gesund. Also das kriegt sie schon hin. Aber wie du sagst,

00:11:30: die Umgebung ist wahrscheinlich sehr föhrlich und sie hat die Zeit und Muße dazu. Ja und

00:11:37: angenommen, die Umgebung ist nicht ideal. Also angenommen, du hast jetzt, ich denke,

00:11:42: mein Hubwerk habe ja auch genug große Fenster und helles Licht. Da darf man halt nur das Gießen

00:11:46: nicht vergessen. Also wenn du genug Licht hast und dann regelmäßig gießt, dann kann man wenig

00:11:50: falsch machen. Die Herausforderung ist, so meine Wohnung auch, also ich lebe im achten Stopp von

00:11:56: einem hohen Gebäude. Ich habe hier relativ wenig Licht und am Abend sehr starkes Licht. Das heißt,

00:12:02: die Pflanze bekommt entweder wenig Licht oder brutal viel. Das sagt mir halt, der Sensor dann

00:12:08: konkret, okay, anhand der Lichtverhältnisse muss ich generell weniger gießen, weil die Pflanze

00:12:13: über den Tag verteilt viel, viel weniger Licht hat, als sie eigentlich bräuchte. Dann wird

00:12:19: ihr aber trotzdem alt. Also ich habe früher alle acht Monate, die Pflanzen wegwerfen müssen,

00:12:24: leider. Und dann haben wir angefangen, den Sensor zu entwickeln und ich habe das am Anfang viel

00:12:30: als technische Herausforderung gesehen. Also man hat Produktionstechnik, man hat Firmen bei

00:12:34: Entwicklung, Software Entwicklung, Backend Entwicklung. Das ist alles ein unglaublich spannendes

00:12:38: Thema von der Entwicklerperspektive. Und dann hätten wir die ersten Prototypen und ich muss die

00:12:44: natürlich auch dann benutzen. Also da ist auch das innere Spielkind, dass ich jetzt unbedingt

00:12:49: wissen will, was da eigentlich abgeht, was wir da genau machen. Und habe ich erstmal meine ganze

00:12:52: Wohnung mit den Sensoren ausgestattet. Und eigentlich aus dem Hintergrund, dass ich gucken

00:12:58: möchte, ist unsere Technik gut. Also funktioniert das reliable? Wie sind die Logs? Was ist da gerade

00:13:04: los in den Error-Logs von den Sensoren? Haben wir das gut programmiert, die Firmen? Und die

00:13:09: Vorsicht davon war, dass ich auf einmal regelmäßiger gegossen habe, aber nicht mehr so viel wie

00:13:16: früher und dass mir dann auch meine Co-Gründerinnen so lustige Dinge, also da kommt halt dann auch

00:13:22: der Informatiker durch, die App sagt zwischen 80% und 20% für diese Pflanze individuell,

00:13:28: das ist der grüne Bereich, wo es sehr gut geht. Also habe ich dann irgendwann angefangen,

00:13:33: bei 40% einfach täglich zu gießen. Und dann guckt meine Co-Gründerinnen so in meine App rein und

00:13:38: meint, das machst du denn da? Ja, ich halte die Flüssigkeit im optimalen Bereich. Nein,

00:13:44: natürlich nicht. Also die Pflanze muss austrocknen. Das ist wichtig. Also die Pflanze muss auch wirklich

00:13:50: nach unten gehen in der Feuchtigkeit. Die muss auch mal wirklich trocken werden und das sagen

00:13:55: wir in der App auch. Und erst wenn ich unter 20% sind, dann wird gegossen, dass es so hoch geht

00:14:00: auf 80%. Aber eben auch wirklich nur 80% und nicht komplett oben drüber, weil dann kommen wir

00:14:05: in den roten Bereich. Das ist ja natürlich ein großer Druckschluss. Ich denke auch immer,

00:14:09: also das mit Übergießen weiß ich mittlerweile, aber bei meinen Pflanzen denke ich auch immer,

00:14:15: ihr habt besser ein bisschen feuchter wie zu trocken. Und da gibt es aber auch wieder Pflanze,

00:14:21: die das gut abkühlen. Da muss man auch wieder sagen, also und dann sind Pflanzen auch noch

00:14:24: unglaublich anpassungsfähig. Das heißt, wenn du Fehler mit denen machst, werden die auch geduldiger

00:14:29: ein Stück weit, aber sind dann anfälliger für Infektionen. Dann hast du irgendwann wieder eine

00:14:33: Infektion bei der Pflanze. Also das ist so ganz, was ich damit sagen möchte, das ist so ein

00:14:38: multidimensionales Thema, so eine Pflanze. Und wir denken immer, ja, das ist ja eigentlich

00:14:43: ein bisschen Wasser und ab und zu mal düngen und Licht. Aber das ist viel, viel, viel komplexer.

00:14:50: Und deshalb ist es auch so schwer, das mit einem grünen Daumen zu machen oder mit einem Finger

00:14:56: in die Erde stecken und dann weiß man schon, was die Pflanze jetzt braucht. Ja, also wir sind jetzt

00:15:02: schon direkt ins technische und auch ein bisschen schon so Richtung, was euer Sensor alles macht.

00:15:08: Bevor wir da jetzt reingehen mit App und KI, ich habe mir gerade nochmal zwei, drei Stichworte

00:15:12: aufgeschrieben. Wenn ich dich so reden höre, merke ich voll den Begeisterung dafür für das Thema,

00:15:18: was total geil ist. Trotzdem interessiert mich, bevor wir jetzt zum eigentlichen Thema des Podcasts

00:15:24: kommen, wie kommt jemand wie du? Also einer der so, wenn ich vorhin deine Anmoderation gelesen

00:15:30: habe, ist ein sehr technologisch hintergrund, hat Software und Ingenieurwesen. Wird ich jetzt,

00:15:39: wenn mich jemand fragt, nicht so sagen, na ja, der interessiert sich 100 pro auf Pflanzen. Also

00:15:45: wie kommt es dazu, dass du gesagt hast, okay, ich möchte KI oder Technologie-basierte Pflanzenpflege

00:15:55: betreiben, wenn ich so sage und darf ja auch eine Firma gründen. Wie kommt dazu?

00:16:01: Da, das ist ja nachvollziehbar, habe ich glaube ich auch kurz in den Nebensatz erwähnt. Die

00:16:11: technologische Herausforderung hat mich interessiert. Also gar nicht per se, ich möchte mein Zuhause

00:16:19: in Grüner haben. Ich hatte immer ein paar Pflanzen, aber eigentlich nur um sie acht Monate später

00:16:26: wieder den Mülleimer zu schmeißen. Und das war so gefühlt normal. Also deshalb war da auch

00:16:31: nicht so, da kam jetzt kein Impuls, oh, das muss man ändern. Ich bin Claudie durch Zufall begegnet.

00:16:38: Also ich war ja Vertriebs, was war es, Self-Director Asia. Das war mein Titel damals. Das heißt,

00:16:47: ich war sehr, sehr viel in Asien unterwegs. Vorzugsweise China natürlich, weil ich da auch

00:16:53: drei Jahre oder zwei Jahre hier war. Noch mal bitte. Für eine andere Firma dann? Ja, für eine ursprüngliche,

00:16:59: da wo ich angestellt war. In der Festanstaltung hatte damals den ersten Master fertig und den

00:17:07: zweiten Master mittendrin und habe dann ständig nach China geflogen durch das Studium in Shanghai.

00:17:16: Ich war ja zwei Jahre in Shanghai und habe dort den Master gemacht, wie du auch gesagt hast. Und habe

00:17:21: dann den Vertrieb kennengelernt, rein und zu Fall. Mein Chef kam vorbei und meinte, Alex, ich zeigte

00:17:29: jetzt mal, wie wir hier Vertrieb machen bei Volkswagen. Da gab es ein Projekt. Dann bin ich da einfach

00:17:34: mitgedackelt und habe mich dann mit an den Schreibtisch gesetzt und dann ging mein Chef raus und meinte,

00:17:39: der wird niemals kaufen. Und ist wieder zurück nach Deutschland geflogen. Und ich war ja noch da,

00:17:43: ich habe ja studiert und dachte mir dann, also ich glaube, das kann man schon. Du warst bei Volkswagen

00:17:48: oder wo warst du vorhin? Bei Volkswagen waren Kunden, Moment, schön, ich bin komplett das

00:17:53: Durcheinander merke ich dran. Ich habe schon immer neben meinem Job gearbeitet und auch immer also

00:17:59: neben meinem Studium gearbeitet. Auch schon während der Schule. Also ich habe das Abi ja auf

00:18:03: dem zweiten Bildungsweg nachgeholt, nachdem ich damals nach der Ausbildung als Werkzeugmechaniker

00:18:08: die Realschule anerkannt bekommen habe. Habe ich es Abi nachgeholt und während der Zeit schon immer

00:18:14: gearbeitet bei der Firma Erloprüftechnik. Das ist ein kleiner 100-Mann Sondermaschinenbau,

00:18:20: super speziell für Messtechnik, Luftmesstechnik und ähnliches. Und habe am Anfang die Maschinen

00:18:28: zusammengebaut als Ferienjobler und dann in der Konstruktion die Maschinen entwickelt, weil

00:18:34: ich ja Werkzeugmechaniker in der Ausbildung gelernt habe. Dann habe ich mir irgendwann gesagt,

00:18:37: naja, wenn ich es fräsen und drehen kann, dann kann ich auch die Bauteile am Computer zeichnen.

00:18:42: Und dann habe ich mir das halt selber beigebracht, wie man zeichnet. Ich habe auch ein Stück weit in

00:18:46: der Ausbildung gelernt und war dann bestimmt sechs Jahre lang in der Konstruktion immer

00:18:51: während dem Abi. Ich war ganz kurz für ein Jahr in Südafrika, habe dort mein Zivildienst gemacht

00:18:57: und dann aber wieder immer bei dieser Firma gelandet und habe dann während dem Studium dort

00:19:05: auch konstruiert und Maschinen entwickelt und bin dann nach Shanghai gegangen für mein zweijähriges

00:19:10: Masterstudium. Und dieser Chef von dieser Firma kam eben nach Shanghai und ich habe ja sechs Jahre

00:19:16: lang schon die Maschinen entwickelt und habe eben auch sehr viel Neues mit ihm entwickelt und er

00:19:20: kam immer wieder zu mir, wenn er so ein Sonderprojekt hatte, weil ich so dieser geringe Kostenblock

00:19:26: war, den man einfach mal irgendwie das Wursteln lassen konnte für neue Entwicklungen. Und das

00:19:30: war cool, weil ich habe da unglaublich viel gelernt. Und dann eben bei VW, ich war Vollzeitstudent an

00:19:37: der Shanghai Uni und dann waren wir aber zusammen bei VW, weil er mich mitnehmen wollte. Das war

00:19:43: auch so ein wirklich sehr harmonisches und verpäterliches Verhältnis, kann man vielleicht sogar

00:19:48: sagen, aber in Anführungsstrichen, also ein richtiger Vater ist natürlich was anderes. Und dann hat er

00:19:55: gesagt, der wird niemals kaufen der Kunde und ich habe mir gesagt, doch, der wird bestimmt schon

00:19:59: irgendwie kauten und habe das dann so zum Anlass genommen, das immer wieder zu probieren und

00:20:02: hinzugehen und ihn zu besuchen. Und ich glaube, ein halbes Jahr lang bin ich da regelmäßig hingefahren

00:20:07: und am Ende hat er gekauft und zwar für einen besseren Preis als das, was wir ursprünglich

00:20:11: veranschlagt haben. Und das war für mich der Schritt in den Vertrieb. Und dann war ich auf einmal

00:20:17: für ganz China verantwortlich und Indien auch noch. Und das war halt supergeil, weil da war man auf

00:20:25: einmal nur noch unterwegs. Ich konnte unglaublich viel Erfahrung sammeln, konnte Vertriebspartner

00:20:31: on-boarden und habe eben das ganze Thema auch Lieferkette und Lieferung nach China, Fertigungen

00:20:37: in China. Wir haben viele Bauteile dann auch in China produziert, auch den Service teilweise mit

00:20:42: chinesischen Partnern gemacht. Und dann war ich quasi sehr, sehr tief in diese ganzen China-Bubble

00:20:46: und Asien-Bubble. Ich war nie in Amerika. Ich war immer in dieser Asien-Welt unterwegs. Und habe

00:20:55: auch chinesisch gesprochen, aber das ist mittlerweile wirklich schlecht geworden. Und jetzt kam

00:20:59: der Punkt, der wirklich lange gedauert hat. Dann kam Covid. Und mit Covid, das war halt wirklich,

00:21:06: wirklich komisch. Weil auf einmal saß man da, also nur, dass man ein Gefühl dafür kriegt, ich musste

00:21:11: meine Reisepässe ändern, bevor die abgelaufen waren, weil kein Platz mehr für Stempel war. Also

00:21:17: das Ding war einfach randvoll mit Stempeln, weil ich halt ständig ein Reise ausreise, dann mal wieder

00:21:21: nach Indien, dann nach Thailand. Und das war einfach eine unglaublich tolle Erfahrung, um auch zu

00:21:28: lernen, auf eine hohen Geschwindigkeit. Dann kam Covid und dann wurde auf einmal so auch klar,

00:21:35: jetzt hat man mal Zeit, ein bisschen zu reflektieren. Und dann bin ich Claudio übernwegelaufen. Und

00:21:41: Claudio hatte Fita schon gestartet, ein Jahr früher, mein Co-Gründerin. Claudio hat auch eine

00:21:49: verrückte, verrückte Geschichte. Also Claudio war bei der Weltbank für Afghanistan an der allerobersten

00:21:55: Spitze und verantwortlich für das ganze Land. Die hatte den Präsidenten auf Speeddial, die ist

00:21:59: mit gepanzerten Autos durch die Stadt gefahren und war dann eben auch in der grünen Zone und

00:22:04: sie hat mit dem Gärtnern angefangen, weil sie halt in der grünen Zone, da darf man dann auch nicht

00:22:11: raus, da ist alles in Afghanistan High Security Zone und hat dann einfach angefangen, in ihrem

00:22:15: Häuschen dort zu gärtnen und hat sich dem Thema angenährt und hat dann die Weltbank verlassen.

00:22:21: Und dann hat Claudio eben bemerkt, wie unglaublich schwer das ist, Pflanzen am Leben zu erhalten,

00:22:27: wenn man keine Mutter wie du hat. Oder eine Vertrauensperson, die einfach immer um der

00:22:32: Herkunft und einander handeln. Und dann dachte sie sich, das ist doch bestimmt nicht so schwer,

00:22:36: da mal ein bisschen so eine Elektronik zu entwickeln und ein bisschen Software drüber zu klatschen.

00:22:40: Und das hat sie dann gemacht. Ein Jahr lang von ihren Ersparnissen und hat dann den allerersten

00:22:48: Prototypen fertig gehabt und die allererste Kickstarter-Kampagne war gerade beendet und

00:22:54: dann sind wir uns über den Weg gelaufen und haben einfach reiner Zufall miteinander gequatscht.

00:22:58: Ich war gerade ein bisschen gefrustet, weil ich nicht mehr reisen konnte. Sie war gefrustet,

00:23:03: weil es mit der Entwicklung nicht ganz so rund lief. Und dann haben wir noch mal geredet,

00:23:07: noch mal geredet, noch mal geredet und ich fand halt einfach nur krass, wie energetisch offen

00:23:15: Neugierig Claudio war. Weil ich war auch immer Neugierig, wollte ganz viel lernen.

00:23:20: Ich wollte nicht sagen, das merkt man bei dir aber auch. Also wie du vorhin auch gesagt hast,

00:23:25: das Spielkind in dir das auszuprobieren. Das hat voll gemetzt. Das ist wirklich auch

00:23:30: ein Charakter von der Etitiuteo. Ich hatte gerade auf den MBA fertig und hatte quasi ganz viel

00:23:35: Wissen im Bereich Firmensstrukturierung, HR, internationale Firmenaufbau, Produkten. Man

00:23:40: bekommt ja ja ganz viel Wissen reingehämmert, wie man Cashflow Planungen macht, wie man Budgetplanungen

00:23:46: macht. Das habe ich jetzt alles ganz frisch in meinem Kopf, konnte aber in meiner Position als

00:23:51: Vertriebsleiter Asien eigentlich gar nicht teilweise konnte ich es einsetzen. Also,

00:23:56: forward rates von Wechselkursen oder sowas. Das war alles nett, aber das war ein Buchteil von

00:24:02: dem, was ich gelernt habe. Und dann war ich halt total außen dafür. Dann habe ich gekündigt,

00:24:06: bin mit Claudio als Co-Geschäftsführer eingestiegen, habe die komplette Entwicklung übernommen,

00:24:12: habe dann die Hardware-Entwicklung. Das war das größte Thema am Anfang. Wir mussten die

00:24:18: Hardware komplett überarbeiten. Das war auch gut, dass ich ein Elektrotechnikstudium in Berlin

00:24:22: gemacht habe. Dann natürlich das ganze Thema Software-Entwicklungstweemlein. Und dann bin ich

00:24:28: alles, was ich dir über Pflanzen erklärt habe, das ist Wissen, das habe ich von Claudi aufgesaugt.

00:24:34: Und alles, was über Elektronikentwicklung und Softwareentwicklung und KI, das ist Wissen,

00:24:40: das mich einfach schon immer total interessiert und wo ich selber alles angeeignet habe.

00:24:46: Aber du hast sich dann schon, das merkt man total bei dir, zwar trotz oder wegen deines

00:24:55: technischen Hintergrundes und weil du dir da so viel ausprobieren oder spielen konntest,

00:24:59: den Anwürseln total infizieren lassen finde ich. Man merkt total, dass du da echt jetzt für

00:25:05: diese, wie nennt man es, für den Personal Coach für Pflanzen brenzt sozusagen. Also das ist echt cool.

00:25:12: Ja, weil es auch so ein mega dickes Brett ist zum bohren. Also das müssen wir uns da können

00:25:17: wir auch nachher drüber beden, wenn wir über das Thema KI oder ich mag auch das Thema KI gar nicht,

00:25:21: sondern Algorithmik. Wenn wir über das Thema Algorithmik und Daten sprechen, es gab gar keine

00:25:26: Daten da draußen. Also wir haben keine Daten, was so richtig, was Pflanzen eigentlich brauchen,

00:25:31: wenn sie in den Wohnungen von Menschen sind. Da gibt es tausende Bücher, hunderte Bücher.

00:25:37: Dann gibt es in der Zucht ein bisschen Informationen, wie man die Pflanzen schnellstmöglich züchtet,

00:25:43: aber beim Privatkunden, beim End-User, da war fast nix vorhanden. Das heißt, wir mussten mit ganz

00:25:50: rudimentären IF-Els und Algorithmen arbeiten, um unsere Sensoren einfach mal rauszubringen in die

00:25:56: Masse, dass wir Daten kriegen und mittlerweile haben wir fast 60.000 Sensoren in der ganzen

00:26:02: Welt verteilt und können Kunden ab 30.000 Sensoren, konnten wir unsere KI-Modelle anfangen

00:26:11: zu tradieren, also unsere Statistikmodellen, sodass wir endlich mal Gescheitevorhersagen

00:26:16: machen können und nicht mehr so ganz komplexe IF-Els zwei Gewährmets, ein sehr großes Datenmodell,

00:26:20: das eben abgerecht und zwar für die spezifische Pflanzengattung sagt, was du brauchst. Und das

00:26:27: war schon eine richtig, richtig schöne Strecke, die wir zurückgelegt haben und da kommt auch das

00:26:33: Brennen her, weil das eben, das waren so viele Hindernisse, also meistens ist das Hindernis-Produktion

00:26:41: von Hardware, dann hatten wir noch die Supplychain-Krise. Da erinnere ich mich auch daran, wir mussten drei

00:26:47: Wochen vor Produktionsstart unseren Microcontroller einfach nochmal austauschen, weil halt die Lieferketten-Krise

00:26:53: so schlimm war, dass der statt einem Dollar auf einmal fünf Dollar gekostet hatten. Das ist

00:26:57: halt absolut nicht akzeptierbar bei einem Massenprodukt für den B2C, also für den Endkunden-Krise.

00:27:05: Im Geschäftskundenbereich kannst du da ganz andere Dinge machen, aber im Privatkundenbereich muss

00:27:10: man einfach versuchen, die Hardware so gut wie möglich, aber auch so günstig wie möglich herzustellen.

00:27:15: Und das haben wir alles gebuckt, aber dann kam halt das nächste Thema, wie machen wir jetzt die Mestechnik

00:27:20: besser und wie machen wir jetzt die Vorhersagen besser und das ist jetzt auch gut. Und jetzt mit den

00:27:26: neuen Produkten, das ist halt ein Traum. Das heißt, euer Ziel von der FITA ist schon auch einfach dem,

00:27:32: also mal überlegt sich ja, warum gründ ich eine Firma, das war ja bestimmt nicht nur, weil ihr zu Hause

00:27:38: besser Gärtnern wolltet, sondern das Ziel ist tatsächlich für den Endkunden, die Pflanzenpflege

00:27:44: leichter zu machen. Ja, und auch für den professionellen Gartenbau und Landschaftsbau,

00:27:49: da gehen wir jetzt, das ist ein neues Geschäftsfeld, in das wir jetzt freingeben. Alles, was du gesagt

00:27:56: das ist genau richtig, also der Privatkunde, der digitale, grüne Daumen für jeden. Du hast eine

00:28:03: Pflanze, zu der du einfach ein besseres Verständnis, zu der du ein besseres Verständnis entwickeln

00:28:07: möchtest. Da bist du bereit 40 Euro auszugeben, das ist der Preis von unserem momentanen Sensor.

00:28:13: Steckst du in die Pflanze rein, machst ein Bild von der Pflanze, wir erkennen welche Pflanze das ist,

00:28:19: und verbinden das im Hintergrund mit unserem Datenmodell, sodass wir anhand der gemessenen

00:28:23: Informationen dir die bestmögliche Empfehlung geben, was du tun musst. Okay, lassen Sie uns jetzt mal

00:28:30: kurz zum KI abbiegen oder zur Technik, also wenn ich es bisher richtig verstanden habe, ich sage

00:28:36: das immer, natürlich bereite ich mich so ein bisschen vor, aber auch nicht im Detail, weil

00:28:39: sonst habe ich keine Fragen mehr, wenn ich schon alles weiß. Wenn ich es richtig verstanden habe von

00:28:45: dem, was wir jetzt besprochen haben und was ich vorher so ein bisschen recherchiert habe, ist es

00:28:48: man, also ich als Endkunde kauf diesen Sensor über über euch oder von euch, steck denn in meine

00:28:57: Pflanze und habe dann eine App auf dem Smartphone, richtig? Und die App kostet auch keine Subscription,

00:29:04: du musst nichts dafür bezahlen, dass du konstant für jeden Sensor deine Pflanzen informieren.

00:29:10: Ich habe das mit dem Kauf des Sensors sozusagen, ich brauche als Beispiel, wenn ich zehn Pflanzen habe,

00:29:16: zehn Sensoren halt einmal sozusagen und dann habe ich aber das nach Pflanze getragen, also ich habe ja

00:29:23: die App jetzt noch nicht, deshalb kann ich erklären, wie es funktioniert. Ich habe dann, gehe auf mein

00:29:29: Buchsbaum, dann gehe ich auf mein Juckapalm, wie auch immer, was es da so gibt und kriege für jede

00:29:35: Pflanze gesondert Infos oder wie funktioniert es in der Anwendung? Ja, also das ist genau so, wie du

00:29:40: gerade gesagt hast. Ich gucke auf gerade, ich habe überlegt, ob wir das Screen-Mirroring machen

00:29:47: und ich dir einfach mal zeige, wie die App eigentlich aussieht, das machen wir vielleicht auch gleich

00:29:50: noch. Aber erst mal auf die Frage eingehen. Du hast für jede Pflanze ein digitales Profil, du machst

00:29:57: dir ein Bild von der Pflanze und dann wird da in deinem virtuellen Garten eine Pflanze angelegt,

00:30:01: kannst du nach Wohnungen sortieren, nach Räumen sortieren, wie du machst und dann kannst du auch

00:30:08: ohne den Sensor Informationen über diese Pflanze schon nachlesen. Also was braucht die denn grundsätzlich?

00:30:13: Was ist der wichtig? Das kann ich schon über die App machen. Kannst du auch die Pflanze schon erkennen,

00:30:19: wenn du irgendwo unterwegs bist und du denkst, wow, was ist denn das für eine Pflanze? Kannst du

00:30:23: ein Bild von der Pflanze machen in der App und dann sagen, welche Pflanze das ist, was der an

00:30:27: Umgebungsparameter braucht, wie es der gut geht. Das ist alles kostenlos, da gibt es auch keine

00:30:32: Subscription und so was. Und wenn du dich dann dazu entschließt, dass du jetzt eben deine 10 Pflanzen

00:30:37: zuhause besser verstehen möchtest, dann kannst du dir, wir haben ein Xenos Set, da ist dann auch

00:30:43: ein Hub dabei, das ist ein Bluetooth Wi-Fi Gateway. Denn grundsätzlich haben die Sensoren nur Bluetooth,

00:30:49: das ist einfach der Batterie geschuldet, sodass wir so ein bis zwei Jahre Batterie-Lautzeit haben,

00:30:55: da ist eine Klopfzelle drin, die kann man dann auch austauschen, wenn die leer ist. Das sagen wir

00:30:59: auch vorher, wenn man das tun muss. Und dann steckst du eben den Sensor in den Topf rein,

00:31:06: der fängt dann an, die Daten zu erfassen und sagt dir, was der Pflanze gerade fehlt.

00:31:12: Und du hast jetzt vorhin gesagt, ihr habt unterschiedliche Lange, das heißt, es ist völlig egal,

00:31:16: ob ich für die, die den Podcast als Video sehen, du hast ja so einen digitalen Hintergrund,

00:31:21: es ist egal, ob ich so einen kleinen Topf habe, wie jetzt bei dir auf dem, auf dem Sideboard da steht

00:31:27: oder ob ich einen riesen Kübel habe, wo ein Rieska-Strauch quasi schon drin steht, da kriege

00:31:35: dann verschiedene Längen des Sensors. Ja genau, also der Sensor ist komplett variabel anpassbar,

00:31:40: ist übrigens der einzigste Sensor im Endkundenbereich, der variabel stehwert, weil es ein bisschen

00:31:45: aufwendiger ist in der Entwicklung auch. Dann habe ich auch noch ein paar gewesen, wie sich euer Sensor

00:31:50: von den anderen unterscheidet. Das ist halt auch cool, weil dann kannst du stattdessen,

00:31:55: also angenommen, dass jetzt eine Pflanze und du verstehst du gar nicht und die hat dir deine

00:31:58: Freundin geschenkt und jetzt möchtest du nicht, dass die sofort kaputt geht. Und dann kaufst du dir

00:32:02: halt den Sensor mit den Standaustäben, 7,5 cm und um ehrlich zu sein, nach 12 Monaten verstehst du

00:32:08: eigentlich, was die Pflanze braucht. Dann weißt du ungefähr, okay, die braucht, also ich weiß,

00:32:13: eine Pflanze bei mir, die braucht immer genau ein Glas Wasser, das ist einfach, man hat, man bekommt

00:32:17: ein Gefühl dafür, was die braucht. Und im Winter weiß ich halt alle sechs Wochen. Jetzt darf ich nur

00:32:22: nicht vergessen, das Gießen, aber ich weiß zumindest schon mal die Wassermenge anhand der Licht. Was ich

00:32:26: damit sagen möchte? Ja, die App auch dran ans Gießen sozusagen, oder? Da ploppt dann was auf, ich hab

00:32:32: Durst, warum lässt du mich vertrocknen, bitte hilf mir, also da kommen dann so lustige Nachrichten,

00:32:38: um dir einfach auch so ein bisschen zu nacktchen, dass du das machst. Wenn du es jetzt halt drei Wochen

00:32:43: lang nicht machst, dann hören wir irgendwann auch auf dir Bescheid zu sagen. Also wir nerven dich dann

00:32:47: auch nicht unendlich, also das passt dann einfach ab einer gewissen Zeit. Und wenn du dann aber eine

00:32:55: andere Pflanze hast, die einen tieferen Topf hast, nimmst du einfach den Sensor von der Pflanze deiner

00:32:59: Freundin, tust die Stäbe rausdrehen, drehst die längeren Stäbe rein, steckst ihn in die neue Pflanze

00:33:03: und misst ab sofort diese Pflanze damit. Das ist also komplett variabel. Und das, was ich gerade immer

00:33:11: erzähle, ist ja unser Ursprungssensor, den wir jetzt seit zwei Jahren verkaufen, also der Mist des

00:33:17: Licht, die Temperatur, die Nährstoffe und die Feuchte. Und was wir jetzt ganz frisch auf Kickstarter

00:33:23: haben, ist unsere neuste Sensorgeneration. Also wir haben aus den Erfahrungen heraus, nämlich das

00:33:28: ganze System angepasst und das erkläre ich, das sage ich, weil da kommt gleich ein wichtiger Punkt.

00:33:33: Wir ändern jetzt nämlich unser komplettes Modell, wie wir mit Pflanzen und Sensoren arbeiten. Bisher war

00:33:40: das immer eine 1-zu-1-Bezion. 1 Sensor, eine Pflanze. Und jetzt mit unserem neuen System haben wir eine

00:33:46: N-zu-N-Bezion. Also das bedeutet, unterschiedlich viele Pflanzen, größer gleich 1, mit unterschiedlichen

00:33:54: Sensoren, größer gleich 1. Ich habe zum Beispiel eine Reihe von Pflanzen in einer Ecke und die haben

00:34:01: alle genau den gleichen Boden. Das ist ein Kübel. Dann reicht es, wenn ich da einen einzigen Boden-Sensor

00:34:07: rein stecke, zum Beispiel. Und dann kann ich nämlich dieses Bodensensor-Signal im Hintergrund mit meinen

00:34:13: 5 Pflanzen, die in diesem Kübel stecken, verbinden. Das heißt, ich brauche jetzt nicht mehr 5 Sensoren

00:34:18: für diese 5 Pflanzen im Kübel. Ich brauche genau einen Soren für die 5 Pflanzen im Kübel. Und dann

00:34:23: haben wir noch einen separaten Lichtmesser, der eben dann wirklich nur die Umgebungsparameter für

00:34:28: diese Gruppe von Pflanzen messen kann. Also angenommen, du hast 15 Pflanzen und die stehen alle beim

00:34:35: gleichen Fenster. Dann brauchst du jetzt natürlich für diese 15 Pflanzen nicht 15 Lichtmesser. Du

00:34:40: nimmst diesen einen einzigen, steckst ihn an irgendeine Pflanze hin und wirst dieses Lichtsignal

00:34:45: auf alle Pflanzen dort verteilen. Die haben aber einen einzelnen Topf. Dann brauchst du nur für

00:34:53: diese Pflanzen jeweils einen einzelnen Bodenmesser ohne ein Lichtmesser darin. Und jetzt ist das System

00:34:59: komplett mit Mix and Match. Du kannst es ehemaliger an deine Bedürfnisse anpassen, an deinen Wohnraum,

00:35:07: an deine Pflanzenorientierung und wie du die aufgestellt hast und kannst dadurch eben noch

00:35:11: Kosten sparen. Weil früher hattest du immer diese 40 Euro in jedem einzelnen Topf stecken und

00:35:18: eigentlich wurden 60 Prozent, 70 Prozent der Werte doppelt dreifach, vierfach messen. Das haben

00:35:24: wir jetzt dadurch komplett weggenommen. Wir messen wirklich nur noch die Werte, die sich auch

00:35:28: unterscheiden zu den unterschiedlichen Pflanzen oder dadurch kannst du eben mal Kosten einsparen

00:35:33: als Privatkunde. So ganz aber ist nicht verstanden, weil wenn wenn ich doch so einen langen, es gibt

00:35:37: doch diese langen Blumentöpfe, die man so auf eine Fensterbank stellen kann oder so was. Was ist,

00:35:43: wenn ich da jetzt tatsächlich drei verschiedene Pflanzen drin habe? Brauche ich dann nicht für

00:35:49: jede Pflanzensensor, dann habe ich einen Sensor, aber woher weiß der dann, dass die rechte Pflanze

00:35:55: was anderes braucht wie die linke oder das geht das überhaupt in einem oder habe ich das jetzt

00:36:00: falsch verstanden? Nee, das hast du genau richtig verstanden. Also in dem Moment, wo sich die Pflanzen

00:36:05: sehr stark voneinander unterscheiden, solltest du sie auch unterschiedlich stark gießen. Das bedeutet,

00:36:10: du solltest zum Beispiel die rechte mehr gießen als die linke. Wenn du das aber nicht tun kannst auf

00:36:15: grund deiner deines Topfes, weil das irgendwie so ein Topf ist, wo du unten so ein Wasserbecken

00:36:21: hast oder einbießt, dann brauchst du auch keine drei Sensoren, weil die kriegen ja alle das gleiche

00:36:26: Wasser. Also du kannst jetzt damit, dann würde wirklich ein einzelner Füter reichen, den steckst

00:36:31: du einmal mitten rein und verteilst dann dieses Signal auf alle deine Pflanzen, die in diesem

00:36:37: Topf sind. Diese Signale laufen dann aber jeweils für jede Pflanze in das Datenmodell rein und du

00:36:43: bekommst jetzt, obwohl es das gleiche Signal war für zum Beispiel vier Pflanzen, wird bei zwei

00:36:50: Pflanzen gesagt, alles ist gut, bei der dritten wird gesagt, die braucht mehr Licht und bei der vierten

00:36:55: wird gesagt, du hast mich komplett übergossen. Obwohl alle vier Pflanzen exakt das gleiche

00:36:59: Sensorsignal bekommen haben. Aber und das Problem kann ich ja aber jetzt nicht lösen, oder? Weil wenn,

00:37:04: also ich mach mal, Pflanze A braucht als Beispiel sehr viel Licht und sehr viel Wasser und Pflanze B

00:37:13: braucht eher weniger Wasser, es gibt ja so Pflanzen. Dann stößt ja, also nur für das Verständnis

00:37:21: gibt mir der Sensor dann auch die Info A, du kannst ja auf keinen Fall in dem gleichen Kübel lassen,

00:37:27: weil also die kriegen ja alles gleiche Wasser, das heißt wenn ich der einen was Gutes zu tue,

00:37:31: ja der anderen was schlechtes, sagt mir der Sensor dann auch, mach die mal in unterschiedliche

00:37:37: Töpfe oder? Ja, aber das zum einen, also es gibt dann auch zusätzlich in der Zukunft so einen

00:37:42: Recomender, welche Pflanze passen an diesen Ort? Das heißt, wenn du eine Pflanze gerade in dem

00:37:49: Kübel hast und wir bemerken, dass es der echt nicht gut geht in diesen Umgebungsparametern,

00:37:54: aber wir wissen, dass du eine andere Pflanze in deiner App verknüpft hast, die eigentlich gut

00:38:00: reinpassen würde, dann weisen wir dich daraufhin, tausch doch bitte die zwei Pflanzen aus, weil,

00:38:04: aber dafür brauche ich eigentlich auch nicht unbedingt eine Recomendation, das kann ich auch

00:38:10: selber raus, also das würdest du selber rausfinden, also du hast jetzt zumindest schon mal die

00:38:17: Information, ist ja komisch, zwei Pflanzen geht es perfekt und eine leidet hier total,

00:38:23: wer vielleicht an der Zeit was dran, also deshalb allein schon die Information zu haben, ist unglaublich

00:38:30: wertvoll, weil dann kannst du die eine raus tun, einen anderen Ort tun und hast schon was über die

00:38:35: gelernt, aber in Zukunft machen wir das eben auch über den Algorithmus, dass wir gucken,

00:38:39: welche Pflanze aus deinem Portfolio passt denn gut an den Ort, wo es der gerade nicht gut geht.

00:38:45: Kann man euch in eurer App auch, das freu ich jetzt aus eigenen Wändeln, weil wir genau dieses

00:38:49: Problem im Hubwerk hier hatten, habe ich dann am Ende auch meine Mutter gefragt, die hat mir auch

00:38:54: gute Empfehlungen geben, aber kann man auch fragen, ich habe hier ein, ich habe leider wenig

00:39:00: Tageslicht, nur nur Deckenbeleuchtung und ich brauche eine Pflanze, die eigentlich wenig

00:39:06: Tageslichtbrauch und wenig Wasser.

00:39:11: kann ich da hinstellen? Das haben wir jetzt schon teilweise, das heißt man kann durch unseren

00:39:15: Garten und nicht Garten, aber durch unsere Pflanzenbibliothek durchgehen und schauen,

00:39:20: welche Pflanze braucht den grundsätzlich wenig Licht und dann kannst du eben schon mal rausfinden,

00:39:25: welche da passen würden. Und schön ist halt auch, wenn man es aus dem eigenen Portfolio machen kann,

00:39:33: also wenn du quasi nur ein paar Dinge ändern musst bei der Anordnung deiner Pflanzen in deiner,

00:39:38: also vielleicht sagt dann die App, nimm doch die drei Pflanzen von deinem Büro und stellen die

00:39:42: zu Hause hin und nehme aber die zwei Pflanzen von zu Hause und stellen die doch bitte ins Büro,

00:39:46: weil dann geht es beiden jeweils besser. Also einfach so eine Übersicht, was kannst du optimieren,

00:39:52: ist ein reines Optimierungsproblem, was man algorithmisch lösen kann, was kannst du optimieren,

00:39:57: sodass es generell in Pflanzen besser geht überall. Okay, cool. Ich habe jetzt schon ganz

00:40:03: viel gehört, wie es technisch funktioniert, aber ich glaube für die Zuhörenden nochmal

00:40:07: explizit, das war ja der KI-Podcast, aber wenn es jetzt immer schon wieder angeklungen ist,

00:40:13: was das Sensor macht, wie die App funktioniert, also wer so alte Folgen gehört hat, kann sich,

00:40:18: er hat wahrscheinlich schon eine Vorstellung jetzt, aber trotzdem kannst du nochmal explizit sagen,

00:40:24: was genau macht bei euch jetzt die KI im Unternehmen bzw. der Algorithmus, die Technologie,

00:40:31: oder wie funktioniert es besser gesagt, ich meine, weißt du, was ich meine,

00:40:36: nochmal so explizit. Ja, klar. Ja, ohne jetzt zu tief auf die Details einzugehen. Grundsätzlich,

00:40:43: und das finde ich auch generell wichtig bei jedem Podcast, KI ist echt so ein Wort,

00:40:49: das kann man überall einmal draufschlagen, weil es einfach für alles passt und deshalb,

00:40:56: wenn, also KI bei uns bedeutet Statistik oder auch Datenmodell, also das heißt Maschin-Learning,

00:41:08: Deep-Learning, wir haben sehr, sehr viele Signale, dadurch, dass wir eben 70.000 Sensoren haben,

00:41:16: die jede Stunde einen Datenpunkt aufnehmen. Und das kann man sich so vorstellen, dass wir

00:41:21: jede Stunde 70.000 mal Lichtwerte, Rot-Grün-Blau, wir messen nämlich das Spektrum separat, was die

00:41:30: Pflanze sieht, dann Bodenfeuchte, Bodennährstoff und Temperatur bekommen. Und also nochmal,

00:41:38: dass man klares Sex-Messwerte 70.000 mal jede Stunde. Wir haben alle diese Messwerte am Anfang

00:41:47: einfach nur aufgesammelt, in unsere Internet-Datenbank abgeschmeichert und mit unserer rudimentären

00:41:53: Algorithmen den Kunden-Empfehlung gegeben. Und das hat mehr oder weniger, aber am Anfang eher

00:41:59: ein bisschen weniger funktioniert. Also das war auch, muss man sagen, Schapo, da haben Kunden

00:42:05: echt auch gut durchgehalten am Anfang, weil das ist einfach schwer, was wir da tun. Da muss man

00:42:10: einfach ehrlich zu sich sein, das ist ein unglaublich herausforderndes Problem, was wir da versuchen

00:42:14: zu lösen. Und dann hatten wir irgendwann genug Daten, sodass wir durch Machine Learning eben und

00:42:20: der Podcast halt den Anspruch, dass es wirklich für jeden verständlich ist. Und das ist mir

00:42:25: schon die ganze Zeit auch aufgefallen, als ich alte Folgen angehört habe. Ich glaube, der Großteil

00:42:31: der Menschen, wenn die KI hören, denken sie an Large Language Models, Chat, GPT und alles, was ich

00:42:38: hier gerade rede, hat gar nichts damit zu tun. Also ich habe vor zehn Jahren meine Masterarbeit in

00:42:44: Shanghai geschrieben und da ging es um KI. Das hatte gar nichts mit Large Language Models zu tun.

00:42:48: Wenn wir jetzt gerade das Wort KI benutzen, dann meinen wir damit statistische Algorithmen, die aus

00:42:55: ganz vielen Daten irgendwelche Zusammenhänge erkennen. Also zum Beispiel wie Lichtwerte und

00:43:03: Feuchtigkeitswerte eine Aussage darüber treffen, ob die Pflanze jetzt länger lebt oder weniger

00:43:11: lang her oder gegossen werden muss oder nicht. Denn wir haben ja schon auch gelernt von unseren

00:43:16: Kunden durch das Feedback in der App, was die Pflanzen brauchen. Also ganz konkret, wenn die

00:43:22: Pflanze nach acht Monaten auf einmal weg ist, dann wissen wir, dass anhand der Messwerte der

00:43:27: Vergangenheit wir wohl irgendwas falsch gemacht haben, sodass die Pflanze jetzt tot ist. Und da

00:43:32: konnte man dann eben nach einer gewissen Zeit relativ gut in den Daten statistische Zusammenhänge

00:43:37: erkennen, die es vorher nicht gab, diese Information, weil die Daten nicht vorhanden waren. Und dadurch

00:43:43: haben wir dann ein relativ simples Modell trainiert. Das hat jetzt nichts mit Large Language zu tun,

00:43:49: das hat einfach was mit Datenströmen zu tun. Und dieses Modell bekommt dann, das ist die

00:43:54: Pflanzengattung. Wir gehen quasi in die nächste höhere Form der Pflanze, zu welcher Gattung gehört

00:44:00: die und haben das Modell darauf hin optimiert, dass wir für jede Gattung anhand von Licht,

00:44:06: feuchte Nährstoff und Temperatur sagen können, ob das jetzt gegossen werden soll oder nicht,

00:44:11: oder ob das Licht sich verändert, ob das Licht verändert werden sollte oder nicht. Das sind

00:44:16: auch separate Modelle. Denn wenn der Kunde sich weigert, das Licht zu ändern, dann lasse ich

00:44:21: trotzdem alle Daten in mein Gießmodell reinfließen, um trotz der nicht idealen Lichtverhältnisse

00:44:27: mehr oder weniger ideale Gießempfehlungen geben zu können. Weil ich kann ja jetzt nichts ändern.

00:44:34: Also wenn das Licht einfach nicht besser wird, weil wir haben Winter in Europa und der Kunde

00:44:38: hat keine Wachstumslampe, dann muss ich ja trotzdem meine Gießanweisung so optimieren,

00:44:43: dass die Pflanze den Winter überlebt, um eben im Sommer wieder gedeihen zu können.

00:44:49: Und das ist so. Habt redet ihr da immer nur von Tageslicht oder auch Lampenlicht? Also ich sitze

00:44:58: hier im Köln-Paths-Studio zum Beispiel. Hier gibt es keinen Tageslicht außer ich mache die

00:45:03: Schalusienhoch sozusagen, aber dann gibt es auch nur indirektes Tageslicht. Also nicht so direkt.

00:45:08: Das heißt, wenn ich hier drin jetzt eine Pflanze aufstellen wollen würde, würde das auch gehen?

00:45:15: Ja, ja, ja. Also wir haben es dann ein bisschen übertrieben bei der Entwicklung oder konkret,

00:45:20: ich glaube, ich. Wir haben da eine RGB-Diode drinnen, die eben konkret misst, also Fotodiode,

00:45:27: die konkret misst, was an Lichtspektrum kommt gerade bei der Pflanze an. Und dadurch erkennen wir

00:45:35: auch, ist das gerade ein Zimmerlicht, ein künstliches Licht oder ist das Tageslicht? Wir

00:45:40: erkennen auch die Wachstumslampe anhand des Signals, weil die sind meistens mit einer

00:45:44: bestimmten Herzzahl getaktet, also nicht nur meistens, sondern definitiv. Und anhand der

00:45:48: Herzzahl erkennen wir, ah okay, das hat zwar das Lichtspektrum verteilt wie Tageslicht, ist aber

00:45:54: getaktet, also ist es eine Wachstumslampe. Aber wir erkennen auch ganz deutlich Bürolicht,

00:45:58: weil halt unterschiedliche RGB Lichtspektrum Intensitäten in dem gemessenen Licht drin sind.

00:46:04: Und dann wächst die Pflanze auch völlig unterschiedlich. Also wenn die Pflanze mehr blaues

00:46:09: Licht sieht, als rotes Licht, dann geht die früher in eine Blütephase oder später in eine

00:46:12: Blütephase. Und ganz ehrlich, das versteht man auch am Ende. Das versteht am Ende das Datenmodell,

00:46:21: weil das erkennt in all diesen Daten einen statischischen Zusammenhang, um darüber eben auf

00:46:28: den Output-Parameter vorher sagen machen zu können. Nämlich muss jetzt das Licht geändert

00:46:33: werden oder nicht, muss gegossen werden oder nicht. Aber um da eine Frage zu beantworten, ja,

00:46:37: also das funktioniert natürlich auch mit künstlichem Licht und wir erkennen sogar,

00:46:40: welche ist das gerade eine Neonröhre oder ist das eine LED-Glybirne oder das erkennt man alles

00:46:47: und hat der Lichtspektrum, die wir eh messen. Und wir haben uns eben dazu entschieden, die

00:46:51: Lichtspektrum separat zu messen, weil wir zum einen die Kompetenz haben, diese Information überhaupt

00:46:57: auswerten zu können, weil das ist relativ komplex, was wir da tun mit den Datenmodellen und Co.

00:47:01: Und zum anderen einfach bessere Vorhersagen machen können. Ist auch super interessant im Bereich

00:47:09: Cannabis Home-Waring zum Beispiel. Jetzt gehen die Einschaltquoten hoch.

00:47:14: Die sind schon längst nicht mehr dabei. Weil du da natürlich ganz viel Wachstumslampen hast

00:47:23: und auch ganz viel spezifische Lichtspektrennen und da ist halt auch das neue Sensor-Konstrukt

00:47:28: super interessant, weil du eben den Bodenwert und den Lichtwert separat, aber auch für Gurken

00:47:32: und Tomaten und ähnliches um den Gewächshäusern. Du kannst halt überschattende Gewächse jetzt

00:47:37: wunderschön getrennt voneinander, das Licht und die Bodenparameter messen.

00:47:40: Und schaffts eure, also über die KI in eurem Fall schaffst du es dann auch eine Differenzierung zu

00:47:48: machen oder ist das nur was für Indoor, also drinnenpflanzen oder kann ich es auch draußen in

00:47:53: meinen Hosen reinstecken? Offiziell sagen wir bitte nicht ins Freie direkt, aber ich habe

00:48:00: meine alle auch im Freien. Also wir haben einen IP-Schutz für Spritzwasser und Schutz. Wir haben

00:48:06: den Sensor teilweise in Wassergläser reingedunkt und zwei Tage lang da drinnen gelassen, die haben

00:48:11: immer noch funktioniert. Also offiziell sagen wir, das ist ein Zimmerpflanzen und ein Balkon-Sensor,

00:48:18: wenn es kein direkte Wasser und vor allem im Winterfrost ist halt blöd. Also dann kommt

00:48:24: teilweise das Wasser unter die Kappe, wo wir das Licht messen und dann wird die Kappe zum Beispiel

00:48:28: abgesprengt, wenn sie das Wasser ausdehnt über den Gefrierpunkt. Das ist halt ein bisschen blöd.

00:48:34: Aber was wie im Hochbeet, wo man Tomaten, also wir haben zu Hause Tomaten und Erdbeeren und so Sachen

00:48:40: im Hochbeet jetzt letztes Jahr gehabt, da ist ja über den Winter eh nix. Das geht alles, das machen

00:48:45: auch die Kunden, das geht alles und da haben wir halt auch zusätzlich dann das Thema Rasen ist

00:48:51: zum Beispiel auch sehr spannend und da haben wir jetzt konkreten Rasen-Sensor entwickelt, der auch

00:48:57: genannt wird mit dem neuen Produktlaunch, der gerade auf Kickstarter aktiv ist, der misst dann eben

00:49:03: auch im Rasen die Umgebungsparameter und sagt, wann du mal widersprengt können musst und ähnliches.

00:49:08: Also auch Erde, weil bei Rasen ist ja witzigerweise da wo ich wohne, wir haben Garten und da ist hinten

00:49:17: die Erde, hinten ist der Rasen super, aber da ist auch komplett anderer Boden, wir haben das Haus

00:49:22: gekauft, ich weiß nicht was da vorher betrieben wurde, aber hinten ist der Boden super, da wächst

00:49:28: diese Toll und vorne auf der anderen Seite vom Haus hat der Rasen halt Lücken und wächst nicht so

00:49:36: toll, also muss es ja, aber ich mache nichts anderes, mache bei Beihiles gleich, also muss es ja

00:49:41: irgendwie am Boden oder an der, weiß man dann was liegen, keine Ahnung? Ja, ne, ist so, also da

00:49:47: fehlt es dann auch konkret am Dünger im Boden, also wenn du ja sagt, mess dir auch die Erde,

00:49:51: dann ja wir messen auch den Dünger-Gehalt in den Raum und dann bekommst du kannst zum Beispiel

00:49:56: vier Rasensensoren dann kaufen, steckst die in verschiedene Ecken in deinem Raum, aber es kommt

00:50:00: ja immer auch die Überschattung an, also wenn du jetzt hinten hast und vorne hast und die Sonne

00:50:05: geht einmal quer über dein Haus drüber, dann solltest du als schon ein Sensor hinten und vorne

00:50:09: vom Garten haben, sodass du konkret weißt vorne muss gesprengt werden, hinten ist alles okay,

00:50:14: zum Beispiel. Und auch das Thema Dünger dann, dann weißt du, okay vorne solltest du halt mal düngen,

00:50:20: dass es dem Rasen dort besser geht, aber im Hintergrundbereich ist die Erde so gut, dass alles

00:50:25: gut ist. Okay. Und um bei der KI zu bleiben, was habt ihr jetzt so, du hast jetzt schon ein paar

00:50:31: Sachen gesagt, die jetzt gelounscht werden, also die auf den Markt kommen, aber welche, also zwei

00:50:37: Fragen, die eine ist so, welche Herausforderung, vor was steht ihr das und noch konkret bei der

00:50:44: Implementierung von KI oder Verbesserung, nenne ich es jetzt mal, eure Produkte und das zweite,

00:50:51: wo denkst du das, wie viel Luft gibt es da nach oben, wo geht die zukünfte Entwicklung hin,

00:50:56: was so KI und Pflanzen angeht? Ich finde es total spannend, weil ich habe, bis ich dich kennenlerne,

00:51:03: KI genau gar nicht mit Pflanzen in Verbindung. Ja, weil es halt keine Daten gibt, aber auch der Mehrwert,

00:51:13: den wir haben, wir haben jetzt alle Daten vorhanden und eben vier Jahre Forschung im Trainieren von

00:51:19: Modellen und Vorhersagen, wenn man das aufholen möchte, braucht man erst mal 40.000 Sensoren im

00:51:24: Markt, um irgendwie Daten zu sammeln und ähnlich ist, dann sind wir ja schon wieder viel weiter. Also

00:51:28: zur ersten Frage, spannend ist halt so ein Thema digitaler Assistenten oder Pflanzenassistenten

00:51:37: oder ähnliches, also man kann ja, und jetzt reden wir von Large Language Modellen, also es ist wichtig,

00:51:41: davon das wir uns wieder richtig einordnet, also ich meine damit wirklich so eine Art Chat GPT,

00:51:46: wo man über Sprache zum Beispiel oder auch Text, aber Sprache ist eigentlich angenehmer. Hey,

00:51:52: wie geht es mir in den Pflanzen? Kann man ja auch einfach über die ganzen Smart Speakers eine

00:51:57: Integration machen und dann wird eben konkret gesagt, ja, der Pflanze im Wohnzimmer, die bräuchte

00:52:02: jetzt echt mal wieder Wasser und die im Schlafzimmer solltest du wirklich umdrucken, das ist wichtig

00:52:07: und das ist relativ simpel. Man macht dann über ein Sprachmodell oder über ein LLM, Large Language

00:52:13: Modell, sogenannte Toolcalls und dann kann man eben über so einen Werkzeug, also eigentlich wie wir

00:52:19: Menschen einen Hammer nehmen und Nagel reinzuklopfen, kann halt so eine KI dann einen virtuellen Hammer

00:52:24: nehmen und damit eben dann auf die Daten zugreifen, die die jeweilige Pflanze hat und kann dann so

00:52:32: Abfragen machen, wie geht es denn dieser Pflanze? Okay, danke, wie geht es in dieser Pflanze? Okay,

00:52:36: danke und kann dann dem Kunden konkret sagen, okay, pass auf, das musst du gerade tun. Das ist

00:52:42: natürlich super spannend, weil man dann auch die Interaktion effektiver gestalten kann, also

00:52:49: statt jetzt in der App nachgucken zu müssen, was ich eigentlich tun muss, kann ich dann konkret mit

00:52:54: meinem digitalen Gärtner sprechen, der dann eben auch den Garten und die Firma ordentlich hält,

00:53:01: quasi. Ob er das wirklich so machen, weiß ich gar nicht, aber das ist so was, wo interessant ist,

00:53:07: technologisch gesehen. Aber wahrscheinlich ist dann auch interessant für euch, könnte ich mir denken,

00:53:12: oder wäre es jetzt für mich, ich fahre in Urlaub und habe eure Sensoren irgendwie mit Smart Home an

00:53:21: Sprengleranlage oder wie auch immer verknüpft und kann dann eben mit so einem digitalen Assistent,

00:53:27: wie läuft es beim Pflanzen zu Hause, ich bin vier Wochen weg und der sagt, die haben müssen

00:53:31: gegossen werden und ich schalte dann Sprenglern oder der macht sogar von allein, wenn er es feststellt.

00:53:36: Das ist das Thema Integration in unser Ökosystem, wo wir sehr, sehr offen sind. Also wir haben zwei

00:53:42: Möglichkeiten. Zum einen bieten wir eine kostenlose API, also eine Möglichkeit über Abfragen auf unsere

00:53:51: Laden zuzugreifen, die ist bei uns komplett kostenlos im Privatkundenbereich. Das heißt, wenn du

00:53:56: eh beim Thema Home Automation aktiv bist und du hast zum Beispiel Home Assistant zu Hause laufen,

00:54:01: das ist so ein Tool, um deine ganze Wohnung zu steuern und alle IoT Geräte oder auch andere

00:54:05: und auch andere Plattformen dafür. IoT kurz für die Einordnung Internet,

00:54:13: also das mal Kühlschrank, Staubsauger, wie auch immer ins Internet macht und von überall steuern kann.

00:54:23: Ja genau und IoT ist halt erstmal nur die Technologie per se, das bedeutet angebundene Geräte

00:54:28: und jetzt muss man die ganzen angebundenen Geräte aber irgendwie noch effektiv verwalten und da

00:54:34: gibt es eben so Apple Home Assistant zum Beispiel, Apple HomeKit so heißt oder eben so eine Open Source

00:54:41: Variante Home Assistant und die ist ziemlich mächtig, die haben viele auch schon im Einsatz,

00:54:47: die in dem Bereich unterwegs sind, dann kannst du da deine Pumpen anschließen und dann kannst du

00:54:51: auf Pita anschließen über unsere Integration und kannst dann selber Protokolle hinterlegen,

00:54:58: wenn der Wert bei meinem Rasen unter diesem dann bitte diese Pumpe einschalten für fünf Minuten

00:55:05: oder zehn Minuten, also dieses Ventil öffnen, nicht diese Pumpe einschalten, dann bitte wieder

00:55:10: zu machen, eine Stunde warten, gucken ob der Wert immer noch zu niedrig ist, dann wieder

00:55:15: zehn Minuten anmachen und wieder ausmachen, also nur als Beispiel und das zum Beispiel

00:55:20: maximum zehnmal, dass man halt nicht komplett überwässert, falls mal ein Fehler in irgendeinem

00:55:25: kleinen Glied ist. Das machen die Geeks jetzt schon, also die, die wirklich so ein Interesse haben

00:55:32: zu Hause zu optimieren. Ich selber habe auch so eine Optimierung bei mir, ich habe zum Beispiel

00:55:37: elektronische Rolle, die über eine Färmbedienung hoch und runter gehen und die habe ich dann auch

00:55:42: schon lange bei Home Assistant integriert und unsere Fita-Sensor natürlich auch, weil ich ja

00:55:47: schauen möchte, ob die Integration gut funktioniert und wo man da nachbessern kann und dann habe

00:55:53: ich mal ausprobiert, wenn meine Pflanze im Wohnzimmer sagt, es ist mir zu warm, dass dann der Roller

00:55:59: halt automatisch runter geht und das funktioniert sehr, sehr gut. Der Nachteil ist momentan noch,

00:56:05: dass wir nur jede Stunde den Messwert updaten, das bedeutet, die Pflanze kriegt jetzt eine Stunde zu

00:56:11: viel Licht und dann geht es runter, aber das ist immer noch besser als sieben Stunden zu viel Licht.

00:56:17: Also damit möchte ich sagen, das ist schon alles besser als so, wie es bisher war und der geht

00:56:21: dann auch automatisch wieder hoch, wenn es der Pflanze eben ein bisschen zu dunkel wurde und in der

00:56:25: Zukunft machen wir das halt alle 15 Minuten die Messwerte erfassen mit unserer neuen, mit

00:56:31: unserer neuen Technologie, weil wir da auch eine große Batterie drin haben. Dann könnte ich halt noch

00:56:36: präziser zum Beispiel meinen Rolleraden oder meinen Sprengler oder so was steuern und die langfristige

00:56:42: Idee ist, dass man für solche Integration nicht mehr zu Hause ist, seine eigene Messtechnik auf,

00:56:48: das kann man immer noch tun, wenn man das möchte, aber dass der Kunde, der eben einfach alles aus

00:56:52: einer Box möchte, über die FETA App dann auch Pumpen anbinden kann und dass er dann in der FETA App

00:56:59: hinterlegen kann, Pumpe an aus oder ähnlich und dann hätten wir eben schon, wenn wir beide Endgeräte

00:57:07: genau kennen, dann können wir diese Kommunikation dieser Endgeräte soweit optimieren, dass man

00:57:13: nicht mehr algorithmisch alles zwischen rein pummeln muss, sondern diese eben sehr, sehr effektiv

00:57:18: miteinander kommunizieren, also Gartensprängler jetzt 30 Minuten an und dann aus und dann ist

00:57:25: alles okay und dann ist das auch erledigt. Das ist so die langfristige Idee, dass man eben noch

00:57:31: mehr Integrationen in der App macht. Und dann Automation dann, oder? Ja genau, das ist dann zwanzläufig

00:57:37: natürlich auch, was man unbedingt mit berücksichtigen muss. Sonst hat man wieder so ein Smart Home,

00:57:42: wo alles IoT Fake ist, also alles verbunden ist, aber eben nicht miteinander und da muss ich ja

00:57:48: wieder händisch tun, dann kann ich auch gleich eine Firmware-Dienung benutzen. Das ist so der

00:57:52: Gedanke, wo es noch hingeht. Und was denn aktuell so eure großen Herausforderungen sein, weil ich

00:57:59: habe jetzt rausgenommen, ist da schon als vermutlich die einzige oder eine der wenigen Firmen sehr weit

00:58:05: vorne, was Daten angeht, was eure Essensoren angeht. Wir haben vorhin auch schon mal die Unterschiede

00:58:12: von euren Sensoren und anderen gesprochen, aber auch ja, bestimmt aktuell irgendwie Herausforderungen,

00:58:18: was die Technik gibt. Also wo arbeitet ihr da gerade dran oder was ist das? Ja, das ist das ganze

00:58:28: Thema Produktion natürlich. Also wir sind jetzt nicht im Software Business, wo man 100 neue Kunden

00:58:37: onboardet und marginal Kosten dafür hat, weil der Server halt ein bisschen mitskalliert. Wir

00:58:45: müssen ja überall in Vorleistung gehen. Das bedeutet, wenn wir jetzt neue Produkte auf den Markt

00:58:50: bringen, dann müssen wir die erst mal produzieren, dann müssen wir die nach Deutschland ins Lager,

00:58:54: dann müssen die verpackt sein und dann können die verkauft werden. Denn kein Kunde möchte

00:59:00: ja zwei Monate warten, wenn er bestellt hat, dass er die Ware bekommt. Also das, was wir jetzt bei

00:59:06: Kickstarter machen, weil halt da sind die Kunden, da helfen die einem für diesen Cold Start.

00:59:11: Mehr dazu habe ich mir aufgeschrieben. Vorhin schon, da schreiben wir gleich noch kurz darüber über

00:59:17: eure Kickstarter. Na klar. Aber konkret, also Cashflow Constraints, also finanzielle Herausforderungen,

00:59:23: weil man eben Hardware produziert, man muss erst das Geld ausgeben, um dann später das Geld

00:59:29: verdienen zu können. Das heißt, wenn jemand gibt, der das gut findet, was er macht und

00:59:34: ein bisschen investieren will in ein aufstrebendes Unternehmen, darf er das tun. Ach so, ja natürlich,

00:59:39: natürlich. Also Investoren, wir sind natürlich, das war für mich auch neu, weil ich ja aus dem

00:59:45: mittelständischen Betrieb komme. Wir sind natürlich von Anfang an mit Investoren zusammen, weil eben

00:59:52: die Entwicklung alleine schon unglaublich viel Geldverschmutzung hat, also mehrere Millionen.

00:59:56: Und da ist es klar, dass man dann externe finanzielle Ressourcen braucht. Aber so etwas persönlich,

01:00:09: was ich schön finden würde, also wir sind ja native. Also bei Android und iOS haben wir die Apps

01:00:15: nativ entwickelt. Das bedeutet in der Sprache des Mobilgerätes. Und es gibt auch sogenannte

01:00:21: Hybrid Apps. Das ist ein Flutter zum Beispiel. Da hat man dann ein bisschen wie HTML beim Browser.

01:00:30: Ich kann ja, egal ob es Mac, Windows oder Linux PC ist, egal ob es ein Opera oder ein Firefox

01:00:36: Browser ist, ich kann ja immer die gleiche Website anzeigen, egal ob auf dem Smartphone oder auf

01:00:40: dem Computer. Und das heißt, die Website wird einmal so gebaut, dass sie weiß, wie sie gerendert

01:00:46: werden muss und die funktioniert dann auf allen Endgeräten. Und das nennt man im App-Bereich,

01:00:51: wenn man jetzt von Smartphones spricht, im sogenannten Hybrid Apps, dass man die App einmal

01:00:57: designet, ähnlich wie eine Website, natürlich nicht genauso, aber einfach so, dass man es versteht,

01:01:01: und die dann auf allen möglichen Geräte ausgespielt werden kann. Und das haben wir mit Absicht nicht

01:01:07: gemacht. Wir haben das mit Absicht nativ entwickelt, weil wir IoT-Anbindung haben. Das heißt, wir

01:01:12: müssen auf Bluetooth-Treiber zugreifen, wir müssen auch WLAN-Treiber zugreifen. Und das hat

01:01:17: damals Hybrid suboptimal funktioniert. Das ist im Prinzip die App zweimal entwickelt.

01:01:22: Das ist unglaublich gut für die Performance, weil man dann sehr nah näher an der Hardware dran ist

01:01:33: für die Ausführungen. Das ist aber ein bisschen unschön für die ganze Programmierung, aber auch

01:01:39: fürs Testing und für die Qualitätssicherung und ähnliches. Weil du musst alles doppelt

01:01:44: programmieren, du musst doppelt testen. Du musst vor allem doppelt die Dinge testen,

01:01:49: die du nicht geändert hast. Das Problem ist ja nie das zu testen, was du gerade verändert hast

01:01:55: an deinem Qualificat. Das Problem ist, alles Alte zu testen, ob das wirklich alles noch funktioniert,

01:02:01: oder ob du irgendwo versehenlich was geändert hast, was eben auf was vorhandenes negativ ist.

01:02:06: Das wäre schon so etwas Schönes, wenn wir da mit einem Schnips auf einem komplett neuen Design

01:02:16: wären. Aber das macht gerade einfach gar keinen Sinn. Wie viel seid ihr im Unternehmen, wenn ich

01:02:22: 9 Leute sind? Genau, wir sind ein sehr stark Entwickler, Lastig. Das ist auch ein wichtiges Thema. Wir haben

01:02:30: ja die Hardware komplett selbst entwickelt. Also das ist jetzt nicht so, dass man da irgendwo zu einem

01:02:36: Hersteller geht und sagt, entwickeln wir mal wieder einen Sensor, der muss das, das, das können

01:02:40: und dann bekommst du da, das gibt es, aber das ist alles nicht optimiert für kostengünstige

01:02:48: Produktion und für optimale Messgenauigkeit. Also wir haben die Hardware komplett selbst entwickelt.

01:02:53: Wir haben die Firmware der Hardware komplett selbst entwickelt. Wir haben die Backend Algorithmen

01:02:58: selbst entwickelt und die Mobil Apps selbst entwickelt. Wir haben das lange mit externen

01:03:03: Partnern probiert. Das hat okay funktioniert. Aber seitdem wir es mit den eigenen Mitarbeitern

01:03:12: machen, bekommen wir da eine ganz andere Geschwindigkeit hin und vor allem auch eine ganz andere Qualität

01:03:17: und einen ganz anderen Einsatz, was ja völlig okay ist und völlig nachvollziehbar. Ist da vielleicht

01:03:22: die Antwort auf eine Frage, die ich hier noch offen habe, ob es besondere Projekte, Meilensteile,

01:03:28: Initiativen wie auch immer von Vita gibt auf die wir besonders stolz seid. War das vielleicht

01:03:34: schon die Antwort darauf? Also der Switch, der war glaube ich, der war richtig gut. Ja,

01:03:39: also vor allem wir gehen ja seit fünf Jahren durch einen echt zählenden Sennweg. Also wir haben

01:03:46: Hardware, Investoren mögen Hardware nicht wirklich, weil es so komplex ist. Also ich glaube,

01:03:51: jeder der jetzt noch zuhört hat verstanden, ah okay, das ist nicht so einfach, Hardware zu

01:03:55: produzieren. Und ich muss auch zugeben, ich brauch jedes Element meiner Werdegang ist,

01:04:03: wird gebraucht. Also ich war an den Maschinen gestanden und ich habe Fräsmaschinen und Drehmaschinen

01:04:10: und Kunsterspritzmaschinen bedient. Ich habe die Teile dann zusammen, dann Elektrotechnik studiert

01:04:16: dann mit. Also ich habe gemerkt, wir haben da ganz ein Journey, wo, wo, wo. Also wenn man Hardware

01:04:21: produziert, dann muss man supply chain können. Man muss China verstehen, weil man eben in China

01:04:27: produziert. Man muss aber auch Produktionstechnik verstehen, wenn man mit den Chinesen redet. Man

01:04:32: muss aber auch Firmwareprogrammierung verstehen. Also sehr, sehr hardwarenahe Programmierung,

01:04:36: was ein völlig anderes Thema ist als so eine App-Entwicklung, die ist ziemlich abstrahiert

01:04:42: von der Hardware. Auch den Sensoren, da läuft halt der reine Assembler am Ende, also die

01:04:48: Programmiersprache, sodass man so nah wie möglich an der Hardware ist, um so energieeffizient wie

01:04:52: möglich zu arbeiten. Und dann muss man natürlich auch noch Elektrotechnik und das kann ich alles

01:04:57: nicht leisten. Also das ist so, ich habe überall mal ein bisschen ein Finger reingesteckt, aber das

01:05:04: könnte ich niemals tun und dadurch habe ich halt ganz früh aufs ganze Netzwerk zugegriffen,

01:05:08: was ich von der Uni noch hatte und von meinen China Reisen und Co. Und dann haben wir dank dem

01:05:14: Netzwerk wirklich tolle Mitarbeiter gefunden und mit denen zusammen können wir das leisten. Also

01:05:19: wir haben dann Leute gefunden, die am Anfang ihrer Karriere waren, zum Beispiel nach Bemaster oder

01:05:26: nach dem Doktor und haben denen dann ganz viel Vertrauensvorschuss gegeben und die mit auf die

01:05:32: Reise genommen und die haben das so toll angenommen, dass die komplett das Thema jetzt "Ohne" nennt

01:05:39: man das. Also die haben, die, in Deutschland gibt es das Wort glaube ich gar nicht so, man besitzt die

01:05:45: Hoheit über das Thema. Also Hardware-Entwicklung, das Thema und bei uns Nico, weil er eben nach

01:05:51: seinem Doktor bei uns dann angefangen hat und die Hardware mit einem Freund von mir aus der Uni

01:05:57: komplett optimiert hat, sodass wir das endlich mal gescheit hinbekommen haben und wir haben dann

01:06:03: wirklich jedes Bauteil des Mikrochips benutzt. Also nicht jedes, aber ich gebe mal ein Beispiel

01:06:09: da, da gibt es dann so verschiedene "Op-Amp" das sind Operationsverstärker und wir hatten auf der

01:06:14: Platine vier Operationsverstärker und dann bin ich damit Lutz mehrere Abende lang dran gesessen,

01:06:19: weil der auch tagsüber viel getan hat und wir haben dann geguckt, welche der Operationsverstärker

01:06:25: sind schon in dem Mikrocontroller integriert und wie können wir die des Mikrocontrollers nutzen,

01:06:30: sodass wir wieder 20 Cent für das Bauteil gespart haben, weil man darf nicht vergessen, 20 Cent

01:06:36: des Bauteils sind nochmal zusätzlich 20 Cent für den Pick und für das Assembly, sind nochmal

01:06:41: zusätzlich ein paar Cent für das Organisierende der BOM, also jedes Bauteil, das man spart,

01:06:46: das vielleicht nur 20 Cent kostet, kostet am Ende von dem fertigen Produkt ein bis zwei Euro

01:06:52: weniger und das ist unglaublich herausfordernd, aber auch schön. Und jetzt war es ein Riesenausflug,

01:06:58: aber das war was, das war wirklich wirklich toll, die eigenen Mitarbeiter zu finden und die dann

01:07:03: so weit zu befähigen, sodass man Innovationen schaffen kann und Veränderungen, was einfach

01:07:11: besser machen kann als bisher, das war richtig geil. Ja, geil, Glückwunsch, also total geil. Ich

01:07:18: habe noch zwei Themen oder zwei Fragen, bevor wir dann auf die Zielgerade einbringen. Das eine ist

01:07:24: eure Kickstarter Kampagne, die aktuell läuft, gerne dazu was, wie lange die noch läuft,

01:07:30: wo man euch unterstützen kann und die andere ist, du hast es vorhin in einem Nebensatz, das habe

01:07:35: ich mir nur so mit B2B und B2C aufgeschrieben, ihr seid ein B2C, also Endkunden Produkt, aber geht

01:07:44: jetzt auch Richtung professionellen Gartenbau und so weiter. Kannst du da noch was zum Mehrwert

01:07:50: dann für die Gartenbaufirmen machen, weil jetzt sich jemand naives wie ich sagt, ja gut, wenn ich

01:07:57: eure Sensoren habe, brauche ich ja kein Gartenbau mehr, da ich sich ohne die Pflanzen kümmer,

01:08:00: dann habe ich ja alles, was ich machen kann. Also was ist da noch für den Gartenbau

01:08:05: interessant und wichtig und eben die Kickstarter-Thema-Altik, die zwei Sachen hätte ich noch?

01:08:12: Ich bin super gerne, also genau Kickstarter ist vor vier Tagen gestartet, wir sind jetzt bei 100.000

01:08:18: Euro an Funding, also für diejenigen, die es nicht kennen, Kickstarter ist so eine Plattform, die erlaubt

01:08:25: es Privatkunden oder einfach Menschen, Projekte zu unterstützen, die sie geil finden und wo sie

01:08:31: gerne das Produkt hätten, das gerade aber noch nicht gebaut wurde, also quasi so ein Vertrauensvorschuss

01:08:37: in Neuentwicklung. Schicksal, Link, den packen wir in die Show. Super, super, ja. Und unser erstes Produkt

01:08:43: haben wir auch schon auf Kickstarter gelornt, also gestartet und damals haben wir insgesamt

01:08:48: irgendwas mit 50.000 Euro eingesammelt in den 30 Tagen und das hatten wir jetzt schon in unserer neuen

01:08:53: Kompagnen je nach zwei Tagen und das ist einfach toll. Also dass man jetzt schon sieht, wir haben es

01:08:57: geschafft in den vier Jahren zu beweisen, dass wir Hardware entwickeln können, produzieren und auch

01:09:05: noch verschiffen an den Endkunden und es ist okay, es gut funktioniert, also dass die Erfahrung gut

01:09:12: ist. Also ich bin da auch immer ein bisschen skeptischer an mich selbst, weil ich finde, wir können

01:09:16: das so viel besser machen, aber wir machen es halt schon echt gut, können es natürlich noch besser

01:09:22: machen. Und jetzt haben wir auf Kickstarter die neue Kampagne gelornt und da geht es nämlich

01:09:26: darum und das möchte ich noch mal ganz kurz betonen. Was haben wir gerade? Also gerade haben wir einen

01:09:31: Sensor, der einen Messgerät, das vier Sensoren darauf hat und insgesamt sieben Messwerte sammelt,

01:09:42: weil eben der Nichtsensor drei sammelt, ja, sechs Messwerte insgesamt. Und dann haben wir gemerkt,

01:09:51: das ist viel schlauer, wenn wir das splitten, weil der Kostenpunkt von 40 Euro, der ist schon eine

01:09:56: Herausforderung, weil dann die Leute immer anfangen zu rechnen, ich habe 20 Sensoren, oh mein Gott,

01:10:00: das sind 800 Euro, das ist ja verrückt für Pflanzen 800 Euro auszugeben. Ach fair point, also wir

01:10:06: haben Kunden, die haben 150 Sensoren, aber das ist auch wirklich dann im Extrem. Also ich verstehe

01:10:11: den Punkt, dass man sagt, ich möchte keine 800 Euro für Gesundheit meiner Pflanzen ausgeben,

01:10:18: am Ende, das ist zehnmal Autofold haben, wenn man das ein bisschen rüber riecht. Und um da aber

01:10:25: entgegenzukommen, haben wir jetzt den einzelnen Sensor quasi auseinander gebaut und haben jetzt

01:10:31: die Lichtmessung separat zur Bodenmessung. Damit haben wir den charmanten Vorteil, dass man das

01:10:38: System effektiver an seine eigenen Bedürfnisse anpassen kann. Das heißt, ich brauche keine

01:10:44: 10 Sensoren mehr für 10 Pflanzen, sondern ich brauche vielleicht nur fünf Bodenfensoren und einen

01:10:49: Lichtsensor für 10 Pflanzen, weil eben jeweils zwei Pflanzen in dem gleichen Topf sind, zum Beispiel.

01:10:55: Oder, naja, das passt so. Und durch dieses monolake System, erreich es einmal den Kostenpunkt runter

01:11:03: zu nehmen für das jeweilige Produkt und zum anderen aber auch der Preis wird dadurch schöner,

01:11:12: wird besser für das Zuhause. Und das ganze System wird einfach modularer, wie schon dreimal gesagt,

01:11:19: wahrscheinlich. Und der Rasensensor kommt ganz neu dazu. Das ist natürlich so ein Produkt,

01:11:23: was immer wieder nachgefragt wurde. Das ist wirklich so ein Thema, das Rasen und das

01:11:29: Geile ist halt der Rasensensor, das auch gleichzeitig wieder ein Hub. Also wir haben ja wieder in

01:11:34: unserer Sensorung nur Bluetooth. Also der Lichtsensor und der Bodensensor, der kommt wieder nur mit

01:11:38: Bluetooth, weil die haben wieder kleine Batterien, die zwar länger halten, aber trotzdem wir wollen

01:11:44: die Batterie bestmöglich schrumpen. Und wenn wir damit wählen, anfangen, das wäre einfach

01:11:48: viel zu energieintensiv. Der Rasensensor ist ähnlich wie der Hub, ein Bluetooth Wi-Fi Gateway.

01:11:54: Das bedeutet, okay, das ist ein echt wichtiger Punkt, merke ich gerade, darauf bin ich auch stolz.

01:12:00: Wir haben ganz früh unser Funk-Protokoll so programmiert, dass es sich dynamisch mit dem

01:12:08: besten Access-Point verbindet. Was ich damit sagen möchte ist, du kannst dir einen Sensor für 40

01:12:15: Euro kaufen und steckst ihn zu Hause in deine Pflanze. Und du hast jetzt keinen Hub. Das bedeutet,

01:12:21: du hast kein Bluetooth Wi-Fi Gateway. Du bist jetzt in der Arbeit, kommst nach Hause und läufst

01:12:27: mit deinem Handy an dem Sensor vorbei. Dann verbindet sich der Sensor mit der App, überträgt die Daten

01:12:33: an unseren Server, die Daten werden auf unserem Server verarbeitet und du siehst sofort die

01:12:37: neuesten Messwerte, immer wenn du mit deinem Handy an dem Sensor vorbei läufst. Wenn du jetzt aber

01:12:42: beschließt, dass du immer die Daten haben möchtest, dann kaufst du dir einfach für 70 Euro unser

01:12:47: Bluetooth Wi-Fi Gateway Set, dann hast du, ah, du kannst den auch einzeln kaufen natürlich,

01:12:52: dann hast du einen Hub. Und das ist das Gleiche, was das Handy gemacht hat. Der hat ein Bluetooth

01:12:59: und Wi-Fi-Schiff eingebaut und der wird dann die Daten immer an uns senden und wenn du dann auf

01:13:04: der Arbeit bist und die App öffnet, siehst du trotzdem, wie es dein Pflanzen gilt. Und jetzt kommt

01:13:10: der Punkt, warum ich das erzähle. Der verbindet sich völlig dynamisch. Das bedeutet, gerade steht

01:13:15: dein Topf direkt neben dem Hub. Jetzt beschließt du aber, dass du den Topf lieber aus dem Garten

01:13:21: draußen hättest. Da hat er keine Verbindung mehr zum Hub. Dann läufst du mit deinem Handy vorbei,

01:13:26: dann wird er die Daten trotzdem übers Handy rausschicken. Du musst nicht einmal irgendwas

01:13:32: umprogrammieren. Also wenn man sich das vorstellt, was wir damit ZigBee immer machen müssen,

01:13:36: man muss zuerst den Hub verbinden und dann über den Hub muss man den Heizkörperregler verbinden

01:13:41: und lautest so ein Gruscht. Und wir haben halt von Anfang an das System so programmiert, dass es

01:13:46: einfach nur schaut, da ist ein möglicher Transmitter, gehört dieser Transmitter zu dem gleichen Besitzer

01:13:55: wie ich, wenn ja, schickt die Daten raus. Und der Rasen-Sensor ist eben auch wieder so ein

01:14:01: Transmitter. Das heißt, ich muss jetzt nicht in einem zusätzlichen Hub irgendwo hinstellen. Wenn der

01:14:05: Rasen-Sensor im Garten ist und ich habe im hinteren Bereich von meinem Garten dann noch mal 4

01:14:09: Füter Beams, dann werden die über den Rasen-Sensor, über das Wi-Fi später die Daten ausschicken,

01:14:15: so dass ich die immer habe. Und dieses Modulare, das ist sehr, sehr, sehr angenehm, gerade für

01:14:19: nicht technisch versierte Anwendungsfälle. Das gerade glaube ich, oder haben wir das erste

01:14:24: Merkster, die Füter Beams sind eure Sensoren. Wir haben glaube ich noch nie Füter Beams genutzt.

01:14:28: Aber genau, das sind eure Sensoren ja, nur damit keine Verwirrung aufschöpfen. Genau, die Füter Beams

01:14:34: sind die Sensoren und der Füter Mini, das ist unser Boden-Sensor, der gerade auf Kickstarter

01:14:38: gelaunst ist. Die Kampagne geht auch noch 25 Tage. Dann gibt es die Fitas 4. Das ist unser Multi-Umgebungsparametersensor.

01:14:46: Da misst dann das Licht und die Luftfeuchte und die Temperatur. Und dann geht es noch eben den Fita Outdoor.

01:14:52: Das ist unser Rasen-Sensor, der aber auch für Hochbeete und so was funktioniert. Hat einfach eine riesige

01:14:57: Arturie und kann sehr, sehr lange draußen bleiben. Und noch ganz, ganz kurz, in allkürze, was sind

01:15:03: die Vorteile für jetzt Gärtnereien oder also für den B2B Business to Business Kunden? Ja, ich glaube,

01:15:12: das ist ähnlich wie beim ganzen Thema KI für die Produktivbranche, für die Kreativbranche. Also

01:15:18: man sagt ja auch, wird check GPT und verschiedene Image-Generatoren werden die in der Kreativbranche

01:15:25: jetzt Arbeitsplätze weg machen. Ich glaube, das kommt immer darauf an, ob man die Technologie

01:15:32: annimmt oder nicht. Was ich damit sagen möchte, das ist einfach nur ein Enabler. Die Gartenbaubranche

01:15:37: fährt gerade zu jedem Kunden separat, schaut sich die Pflanzen an, gießt überall mal ein bisschen.

01:15:44: Natürlich machen die das sehr, sehr, sehr gut. Also das soll jetzt bitte nicht falsch verstanden

01:15:47: werden. Das ist unglaublich komplex, weil man muss sich mal vorstellen, man geht zu irgendeinem Kunden

01:15:53: und muss sich jetzt dran erinnern, wie viel Wasser braucht diese Pflanze nochmal. Wurde die letzte

01:15:57: Woche gegossen, wenn da mal ein Kollege krank ist oder sowas. Das ist ja grautvoll. Du musst ja

01:16:01: ständig dort in den Hemmien. Ja, teilweise Boden proben. Da muss also, wenn es in Gal ist,

01:16:06: legen. Total beeindruckend. Und da geht es einfach nur darum, das zu unterstützen. Das bedeutet,

01:16:12: man hat dann ein Lockbuch mehr oder weniger, dass eben auch Kollegen übergreifen funktioniert. Das

01:16:18: bedeutet, der Landschaftsgärtner, der kann jetzt auf einmal viel dynamischer sein, den Mitarbeiter

01:16:23: auch verplanen, weil eben nicht immer der gleiche Mitarbeiter zu dir in das Hubwerk gehen muss,

01:16:29: sondern jetzt kann auch einfach mal ein anderer Mitarbeiter vorbeikommen und über die Fitter App

01:16:33: nachschauen oder über seine App nachschauen. Wurde die Pflanze den letzten Mal gegossen,

01:16:38: braucht die überhaupt gerade Wasser, sollte ich mir das nochmal genau. Oder der kommt vielleicht

01:16:42: gar nicht erst vorbei, weil er sagt, der kann dir dann auch einen besseren Preis machen,

01:16:46: weil vielleicht, der kann vielleicht dann 50 Prozent Preiser-Sparung anbieten, weil er sagt,

01:16:52: pass auf beim Hubwerk, ich komme jetzt einfach nur noch und die Mahn zu dir und kümmere mich um

01:16:57: die Pflanzen und wenn mir einen Teil der Pflege übernimmt, dann muss ich ja noch weniger

01:17:02: vorbeikommen. Also mir geht es darum, den ganzen Prozess effektiv vorzugestellen oder uns geht es

01:17:07: darum, die Landschaftsgärtner bestmöglich zu unterstützen, sodass die von dieser neuen Technologie

01:17:13: profitieren können. Die sollen jetzt niemals obsolet. Man braucht diese Berufsgruppe natürlich

01:17:24: immer, weil wir gar nicht die Zeit haben, uns darum zu kümmern und gar nicht die Expertise. Aber wir

01:17:29: bekommen ein weiteres Werkzeug für unseren Baukasten als Firma, sodass wir damit noch

01:17:36: produktiver arbeiten können. Cool. Dann biegen wir auf die Zielgerade an, lieber Alex. Wir haben

01:17:43: eine oder zwei Rupprinken. Die erste ist drei Fragen an. Du kriegst gleich drei Fragen, sind in

01:17:50: jeder Folge dieselben und du darfst sie beantworten, wie du möchtest. Es kommt ein kurzes Intro, ein

01:17:58: kurzer Bumper und dann stelle ich dir die drei Fragen. Drei Fragen an. Ja, drei Fragen an Alexander

01:18:14: Schmidt von der Vita GmbH. Die erste Frage ist, stelle vor,