Hamid Montazeri, SVP of Software & KI bei Locus Robotics – Interview-Serie

Als Senior Vice President (SVP) von Software und künstlicher Intelligenz bei Locus Robotics bringt Hamid Montazeri über 30 Jahre Erfahrung im Leiten und Skalieren global verteilter Teams mit. Er spezialisiert sich auf modulare und skalierbare Software-Architektur und die Anwendung von transformativen Technologien wie Cloud, IoT, Big Data und KI/ML. Im Laufe seiner Karriere hat Hamid unterschiedliche Lösungen und Produkte für Unternehmen von Start-ups bis hin zu multinationalen Konzernen geliefert, die Anwendungen in autonomen Robotik, intelligenter Lagerautomatisierung und Supply-Chain-Systemen für Branchen weltweit ermöglichen.

Locus Robotics entwirft und liefert KI-gesteuerte Lagerautomatisierungslösungen, indem es autonome mobile Roboter mit intelligenter Software kombiniert. Ihre Plattform, LocusONE genannt, orchestriert Roboterflotten, um Aufgaben wie Kommissionierung, Einlagerung, Transport und Mezzanin-Operationen zu bewältigen, wodurch die Produktivität um zwei bis drei Mal gesteigert und die Arbeitskosten gesenkt werden. Das System integriert sich nahtlos in bestehende Lagerumgebungen und skaliert flexibel, sodass Betriebe ohne größere Störungen ein paar Roboter oder Tausende einsetzen können.

Sie haben Führungspositionen in Organisationen wie CNN, Stanley Black & Decker (SWK ), Dematic, KION Group und jetzt Locus Robotics innegehabt. Wie hat diese vielfältige Reise Ihre Perspektive darauf geprägt, wo KI und Robotik den größten Einfluss haben können?

Als ich technische Rollen übernahm, die eng mit KI und Software zusammenarbeiteten, hat mich die Art und Weise, wie die Branche sich entwickelt hat, stark geprägt.

Als ich anfing, befand sich die Branche in einer Phase, in der Software-Entwicklungsanstrengungen den Übergang von strukturierten zu objektorientierten Paradigmen in der Programmiersprache und von monolithischen Software-Prozessen zu Software-Komponenten vollzogen, die auf verschiedenen Betriebssystemprozessen ausgeführt und mithilfe von Interprozesskommunikationstechnologien Ziele in einer verteilten Weise erreichen konnten. Wir standen am Rande eines großen Wandels, der die Software von der Ausführung auf einer bestimmten Maschine wegführen und zu einer verteilten Ausführung mithilfe von Interprozess- und/oder Netzwerkkommunikationstechnologien hinlenken würde. Im Laufe der Zeit verlagerte sich der Fokus auf andere Bereiche, die neue Entwicklungen von der Programmierung unterliegender Systeme zur Nutzung aufkommender Netzwerk- und Internetfähigkeiten zur Steigerung der Skalierbarkeit von Systemen sowie der Bereitstellung, DatenSpeicherung und letztendlich Cloud-Entwicklung vorantrieben.

Diese Veränderungen waren für die Branche von entscheidender Bedeutung, da sie schrittweise eine gewisse Rechen- und Speicherelastizität mit sich brachten und neue Chancen für KI und Robotik eröffneten. Diese Fortschritte setzten sich fort, als ich im Laufe meiner Karriere voranschritt und einen ersten Blick auf den Einfluss werfen konnte, den KI und Robotik insbesondere in der Supply-Chain- und Logistikbranche haben können. Wir befinden uns nun an einem Punkt, an dem Roboter über die Fähigkeit verfügen, in riesigen, hochdichten Umgebungen mit komplexen Geometrien wie Lagerhäusern zu navigieren und zu operieren und einen erheblichen Geschäftseinfluss zu erzielen, einschließlich reduzierter Kosten, verbesserter Durchsatzleistung, erhöhter Flexibilität und verbesserter Arbeitsleistung.

Was bedeutet “physische KI” im Kontext der Lagerautomatisierung, und wie unterscheidet sie sich von herkömmlicher Robotik oder generischen KI-Modellen?

Physische KI ist die Zukunft der Logistik und Lagerautomatisierung. Sie ist das Rückgrat, das autonome Operationen durch eine Kombination aus Echtzeitwahrnehmung, Entscheidungsfindung und kontinuierlichem Lernen ermöglicht, wodurch Roboter jeden Entscheidungsprozess optimieren können.

Mit physischer KI sind Roboter nicht nur in der Lage, Waren in hochstrukturierten und festen Umgebungen zu bewegen. Sie sind mit Intelligenz ausgestattet, die über das bloße Memorieren eines bestimmten Lagerlayouts und das Transportieren von etwas von Punkt A zu Punkt B hinausgeht. Wenn sich Dinge in ihrer Umgebung ändern, können sie automatisch anpassen und die Planung ändern, um die besten Entscheidungen auf der Grundlage der aktuellen Bedingungen zu treffen.

Robotik, die keine physische KI nutzt, wird zunehmend in ihrer Anwendbarkeit eingeschränkt sein. Interessanterweise sind auch die Anwendungen moderner allgemeiner Grundmodelle nicht besonders effektiv darin, die Art von physischer KI zu schaffen, die die Anforderungen der Anwendungsdomäne erfüllt. Wenn man sich die Lagerautomatisierung ansieht, besteht das Ziel darin, Prozesse so effizient wie möglich zu gestalten, und generische Modelle können dies nicht wirklich liefern. Die Realität mit generischen Modellen ist, dass sie nicht darauf ausgelegt sind, domänenbezogene Bedenken wie effiziente Navigation und Interaktion mit Mitarbeitern in Lagerumgebungen effizient zu bewältigen. Physische KI, die mit einem speziell entwickelten Lager-Grundmodell ausgestattet ist, bietet einen zielgerichteten Ansatz, der sicherstellt, dass Roboter so effizient wie möglich arbeiten und die Fähigkeit haben, sich automatisch anzupassen und zu ändern, um das beste Ergebnis zu jeder Zeit zu liefern.

Wie passen sich KI-gesteuerte Robotiksysteme an ständig wechselnde Umgebungen an, wie neue Artikel, sich ändernde Layouts oder plötzliche Nachfragespitzen?

Diese Bereiche sind alle solche, in denen physische KI, ausgestattet mit einem zugrunde liegenden Domänen-Grundmodell, hervorragt. Wenn die Nachfrage steigt, sich Layouts ändern oder neue Artikel eingeführt werden, sind Roboter, die mit physischer KI ausgestattet sind, in der Lage, sich nahtlos an ständige Veränderungen anzupassen.

Dies ist der Grund, warum Roboter, die mit physischer KI ausgestattet sind, optimal für die Logistik sind. Dieser zielgerichtete Ansatz kann tatsächlich mit dem ständigen Fluss mithalten, dem die Branche typischerweise ausgesetzt ist.

Warum glauben Sie, dass domänenbezogene KI effektiver ist als die Verfolgung breiter Grundmodelle, wenn es um Supply-Chain- und Logistik geht?

Domänenbezogene KI ist im Allgemeinen am effektivsten für Supply-Chain- und Logistik, insbesondere bei der Lagerautomatisierung.

Wenn es um Lagerautomatisierung geht, ist es entscheidend, domänenbezogene Modelle zu haben. Ein allgemeines Grundmodell ist nicht darauf ausgelegt, die Herausforderungen zu bewältigen, denen Lagerumgebungen typischerweise ausgesetzt sind – wie Sicherheit und das Navigieren in komplexen Layouts -, was bedeutet, dass Betreiber weiterhin unter dem Druck dieser Hindernisse stehen werden.

Im Gegensatz dazu sind domänenbezogene Modelle mit dem notwendigen Branchenwissen ausgestattet, um diese Herausforderungen zu lösen. Durch die Nutzung domänenbezogener Modelle wird der Druck auf Betreiber reduziert und es werden Lösungen angeboten, um Herausforderungen zu bewältigen, sobald sie auftreten.

Welche messbaren Ergebnisse haben Sie durch die Einrichtung physischer KI in Lagerhäusern erzielt, sei es in Bezug auf Durchsatz, Reduzierung von Ausfallzeiten oder Fehlerquoten? 

Bei Locus Robotics haben unsere mit physischer KI ausgestatteten Lösungen bei unseren Kunden in den Lagerhäusern folgende Ergebnisse erzielt:

• Verbesserung der Bestellgenauigkeit auf 99%
• Reduzierung der Fehlerquote von 04% auf 0,01%
• Reduzierung der Ausfallzeit, indem Standorte in nur Wochen statt Monaten in Betrieb genommen werden
• Steigerung des Durchsatzes, sodass Kunden ihren operativen Durchsatz verdoppeln oder verdreifachen können

Wie gehen Sie bei der Einrichtung autonomer Systeme in Hochvolumen-Betrieben an Sicherheit, Zuverlässigkeit und menschliche Aufsicht heran?

Wenn man Hochvolumen-Betriebe wie Lagerhäuser automatisiert, beginnt man mit der Auswahl der richtigen Lösungen.

Diese Bereiche sind während des Entwicklungsprozesses von entscheidender Bedeutung und unterstreichen, warum diejenigen, die automatisieren möchten, Lösungen priorisieren sollten, die während des Entscheidungsprozesses speziell entwickelt wurden.

Bei Locus Robotics sind unsere autonomen mobilen Roboter (AMRs) so konzipiert, dass sie die Branchenstandards für Sicherheit übertreffen. Unsere LocusBots verwenden Multi-Sensor-Sicherheitssysteme mit Kameras und Lichtdetection und -ranging (LiDAR), die ihnen helfen, Kollisionen und Hindernisse zu vermeiden und Lagerbetriebe und Mitarbeiter sicher zu halten.

Zuverlässigkeit steht auch im Mittelpunkt dessen, was wir tun. Für Lagerbetreiber ist es eine Realität, dass sie ständig mit Nachfragespitzen konfrontiert sind, aber wir glauben, dass dies nicht unbedingt ein Schmerzpunkt sein muss. Bei Locus Robotics ermöglicht unser Robotik-as-a-Service-Modell (RaaS) Betreibern, ihre Lagerumgebungen ohne die üblichen Vorabinvestitionen oder Zeitaufwände zu automatisieren, die die Automatisierung normalerweise erfordert. Stattdessen ermöglichen unsere Lösungen es Betreibern, ihre Kapazitäten automatisch an die aktuellen Nachfragen anzupassen, sodass sie immer in der Lage sind, auf Nachfragespitzen zu reagieren, wenn diese auftreten.

In Hochvolumen-Betrieben wird menschliche Aufsicht immer erforderlich sein, aber der Schlüssel zum erfolgreichen Automatisieren ist die Nutzung von Lösungen, die größere Verantwortung übernehmen können. Ein wichtiger Unterschied zwischen Locus’ AMRs und anderen Lösungen ist die Kombination von Discrete-Event-Simulation (DES)-Techniken mit detaillierten Roboterautonomie-Modellen, die es Betreibern ermöglichen, Konzepte für den Betrieb zu entwerfen und die effizienteste Nutzung von Robotern in ihren Umgebungen genau zu simulieren, was dazu beiträgt, die Pickzeit zu optimieren und sicherzustellen, dass Aufträge rechtzeitig versandt werden – zwei entscheidende Komponenten für alle Betreiber.

Welche Herausforderungen entstehen bei der Integration von KI-gesteuerten Robotiksystemen mit bestehenden Lagerverwaltungs- und ERP-Systemen, und wie gehen Sie diese an?

Die Implementierungszeit der Integration wird normalerweise als die größte Herausforderung bei der Automatisierung angesehen. Betreiber müssen ihre bestehenden Technologie-Stapel untersuchen und möglicherweise von veralteten Legacy-Systemen wechseln. Da KI große Mengen an Daten verwendet, werden sie auch ihre bestehende Infrastruktur untersuchen, um sicherzustellen, dass sie in der Lage ist, KI-Modelle zu unterstützen und zu bewältigen.

Abhängig von den Lösungen, die sie wählen, können Betreiber in eine Situation geraten, in der ihre Umstellung einen großen Zeitaufwand erfordert, da sie möglicherweise Systeme migrieren und umfassende Schulungen für ihre Belegschaft durchführen müssen.

Locus Robotics zielt darauf ab, den Zeitaufwand für Betreiber zu reduzieren. Unsere AMRs sind so konzipiert, dass sie nahtlos mit diesen Systemen integrieren, was es Kunden ermöglicht, den teuren Vorabinvestitionszeitaufwand zu vermeiden, der für andere Lösungen auf dem Markt erforderlich ist.

Wie skalierbar sind diese Lösungen über verschiedene Lager und geografische Regionen hinweg, und wie viel Anpassung ist normalerweise erforderlich?

Die einfache Skalierbarkeit ist das, was flexible Automatisierung so ideal für Lagerumgebungen macht. Traditionelle Automatisierungssysteme erfordern erhebliche Vorabinvestitionen und langfristige Zeitaufwände.

Automatisierung, die ein RaaS-Modell wie Locus Robotics verwendet, ermöglicht es Lagern, ihre Robotik-Flotte basierend auf der Nachfrage zu deployen und anzupassen. Das bedeutet, dass Betreiber ihre Betriebe entsprechend an die Nachfrage anpassen können, wenn diese steigt oder sinkt.

Als globaler Marktführer im Bereich der Lagerautomatisierung sind unsere Lösungen über alle geografischen Regionen für unsere Kunden hinweg skalierbar. Unsere Dashboards bieten Echtzeit-Einblicke in wichtige Lagerleistungs-Kennzahlen – wie Einheiten und Picks pro Stunde sowie die Produktivität der Mitarbeiter. Diese einheitliche Sichtbarkeit ermöglicht es Betreibern, Lösungen leicht über Umgebungen hinweg zu skalieren, um operativen Anforderungen basierend auf spezifischen Lageranforderungen gerecht zu werden.

Bei Locus Robotics-Lösungen kann Anpassung leicht ohne Aufwand für die Kunden erfolgen; Dinge sind so konzipiert, dass sie jedem einzelnen Kunden helfen, basierend auf seinen eigenen einzigartigen Bedürfnissen zu skalieren. 

Wie verändern diese Technologien die Rolle der menschlichen Arbeiter in Lagern, und welche Art von Weiterbildung oder Change-Management ist erforderlich?

AMRs definieren die Standard-Lagerpositionen für menschliche Arbeiter neu, indem sie sicherere Arbeitsumgebungen schaffen und neue Chancen für die menschliche Belegschaft eröffnen.

Locus Robotics bietet einen einzigartig intuitiven Ansatz für die Interaktion zwischen AMR und Mitarbeiter und macht die Schulung/Change-Management für die Bereitstellung und den Betrieb von Robotik-Automatisierung zu einem sehr einfachen Prozess für Betreiber. Beispielsweise kann die Schulung, wenn LocusBots vor Ort bereitgestellt werden, Mitarbeitern in 10 Minuten oder weniger ermöglichen, mit den Robotern zu arbeiten – was bedeutet, dass Betreiber und Mitarbeiter nicht von zeitaufwändigen und teuren Schulungen zurückgehalten werden müssen.

AMRs können die Belastung durch körperlich anstrengende Aufgaben reduzieren, das Risiko von Verletzungen und Ermüdung der menschlichen Arbeiter minimieren. Indem sie Aufgaben wie das Heben schwerer Gegenstände und das lange Gehen im Lager übernehmen, verbessern AMRs die Bedingungen für menschliche Arbeiter, indem sie die Aufgaben übernehmen, die besonders anstrengend sind. Sie können auch menschliche Arbeiter von wiederholten Aufgaben wie der Kommissionierung befreien und ihnen die Gelegenheit geben, sich auf komplexere Aufgaben zu konzentrieren.

Die Einführung von AMRs in das Lager ist eine großartige Gelegenheit, die Rollen für menschliche Arbeiter zu verbessern. Diejenigen, die automatisieren möchten, sollten auch darauf achten, die Weiterbildungschancen zu identifizieren, die dies für ihre menschliche Belegschaft mit sich bringt, und Bereiche zu finden, in denen ganz neue Rollen eingeführt werden können, einschließlich Positionen, die direkt mit den Robotern zusammenarbeiten, wie Analysten, die die Leistungsdaten der Roboter überwachen.

Können Sie uns mitteilen, welche Art von KI-Modellen und -Ansätzen diese Systeme antreiben, und ob sie eher am Rand oder in der Cloud betrieben werden? 

Bei Locus Robotics konzentrieren sich unsere KI-Lösungen auf drei Merkmale: physisch (in das Lager eingebettete KI, die sich an die Umgebung anpassen kann), vertrauenswürdig (KI, die ihre Entscheidungen erklären kann) und ganzheitlich (KI, die das Lager als System und nicht nur einen einzelnen Roboter oder eine einzelne Aufgabe steuert). Für uns geht es darum, KI zu entwickeln, die das Lager wirklich versteht und echte Ergebnisse für die Umgebungen unserer Kunden liefern kann.

Daten sind die Grundlage jedes Modells, und Locus’ tiefes Branchenwissen, kombiniert mit unserem Schatz an realen Daten – einschließlich fast 6 Milliarden Einheiten, die abgerufen wurden -, ermöglicht es uns, domänenbezogene Modelle zu entwickeln und Systeme zu entwerfen, die lagerorientiert sind.

Bei Locus Robotics nutzen wir KI sowohl am Rand als auch in der Cloud: Unsere AMRs nutzen Edge-KI, um das zu erreichen, was physische und vertrauenswürdige KI erfordert, während unsere “Lagerweite Systeme von Aufzeichnungen zu Systemen von Aktionen”-Strategien und unser Lager-Grundmodell auf die skalierbare Rechenleistung zurückgreifen, die die Cloud bietet.

Wenn man in fünf Jahren vorausblickt, welche großen Fortschritte oder Verschiebungen erwarten Sie in KI-gesteuerter Robotik für Logistik und Supply-Chain?

Der größte Wandel, den wir sehen werden, ist, dass physische KI dominieren wird. Wenn Unternehmen ihre Investitionen in KI und die Rückkehr auf ihre Investitionen bewerten, werden Betreiber die Ergebnisse, die sie durch die Automatisierung erzielen, genau prüfen.

Wir können erwarten, dass diejenigen, die ihr Budget für die Automatisierung mit Lösungen aufgewendet haben, die nicht speziell entwickelt wurden, nicht die Rückkehr auf ihre Investitionen in ihren Lagerhäusern sehen werden, die sie sich wünschen. Lösungen, die nicht von physischer KI angetrieben werden, verfügen nicht über das notwendige Verständnis, um in diesen Umgebungen zu glänzen. Dies wird Betreiber dazu veranlassen, ihr Budget für physische KI-Lösungen zu priorisieren, die jeden Entscheidungsprozess in Echtzeit optimieren und die Ergebnisse liefern können, die sie suchen.

Parallel zum Aufstieg der physischen KI werden wir auch sehen, dass sich die Robotik in Logistik und Supply-Chain von generischen/allgemeinen Grundmodellen wegbewegt und sich auf die Entwicklung domänenbezogener Modelle konzentriert. Wie bereits erwähnt, werden Betreiber nach Wegen suchen, um ihre Rückkehr auf ihre Investitionen zu erhöhen, und Lösungen, die domänenbezogene Modelle nutzen, sind ein entscheidender Teil davon.

Um KI erfolgreich zu machen, werden wir eine bessere Verständnis dafür sehen, warum wir in KI investieren müssen, die von echter Domänen-Expertise profitiert und diese integriert. Entsprechend werden wir uns darauf konzentrieren, Entwicklung und Ressourcen hinter KI zu stellen, die für die Supply-Chain- und Logistikumgebungen konzipiert sind.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Locus Robotics besuchen.