Jay Schroeder, CTO bei CNH – Interview-Serie

Jay Schroeder ist als Chief Technology Officer (CTO) bei CNH tätig und leitet die globalen Forschungs- und Entwicklungsoperationen des Unternehmens. Zu seinen Aufgaben gehören die Verwaltung von Bereichen wie Technologie, Innovation, Fahrzeuge und Anbaugeräte, Präzisionstechnologie, Benutzererfahrung und Antrieb. Schroeder konzentriert sich auf die Verbesserung des Produktportfolios des Unternehmens und die Erweiterung der Präzisionstechnologie, mit dem Ziel, präzise Lösungen über die gesamte Gerätepalette hinweg zu integrieren. Darüber hinaus ist er an der Erweiterung der alternativen Antriebsangebote von CNH und der Überwachung von Produktentwicklungsprozessen beteiligt, um sicherzustellen, dass das Produktportfolio des Unternehmens hohe Qualitäts- und Leistungsstandards erfüllt.

Durch seine verschiedenen Geschäftsbereiche produziert und verkauft CNH landwirtschaftliche Maschinen und Baumaschinen. Künstliche Intelligenz und fortschrittliche Technologien wie Computer-Vision, Machine-Learning (ML) und Kamerasensoren verändern, wie diese Geräte funktionieren, und ermöglichen Innovationen wie künstlich intelligente, selbstfahrende Traktoren, die Landwirten helfen, komplexe Herausforderungen in ihrer Arbeit zu meistern.

CNHs selbstfahrende Traktoren werden von Modellen angetrieben, die mit tiefen neuronalen Netzen und Echtzeit-Schlußfolgerungen trainiert wurden. Können Sie erklären, wie diese Technologie Landwirten hilft, Aufgaben wie das Pflanzen mit extremer Präzision auszuführen, und wie sie im Vergleich zu autonomem Fahren in anderen Branchen wie dem Transportwesen ist?

Während selbstfahrende Autos Schlagzeilen machen, hat die Landwirtschaftsindustrie bereits seit über zwei Jahrzehnten die autonome Revolution angeführt. Unternehmen wie CNH haben autonome Lenkung und Geschwindigkeitskontrolle bereits vor Tesla (TSLA ) entwickelt. Heute geht die Technologie von CNH über das bloße Fahren hinaus und führt hochautomatisierte und autonome Arbeiten aus, während sie sich selbst fährt. Von der präzisen Aussaat von Samen in den Boden genau dort, wo sie hingehören, bis hin zur effizienten und optimalen Ernte von Feldfrüchten und Bodenbehandlung, während sie durch das Feld fahren, ist die autonome Landwirtschaft nicht nur mit dem autonomen Fahren von Autos Schritt halten – sie überholt es.

Darüber hinaus ermöglicht die zukunftssichere Technologie-Plattform von CNH die autonome Landwirtschaft weit über das hinaus, was selbstfahrende Autos erreichen können. Unsere softwaredefinierte Architektur integriert nahtlos eine Vielzahl von Technologien, um die Automatisierung komplexer landwirtschaftlicher Aufgaben zu ermöglichen, die viel anspruchsvoller sind als die einfache Navigation von Punkt A nach Punkt B. Die Interoperabilität in der Architektur ermöglicht es Landwirten, eine beispiellose Kontrolle und Flexibilität zu haben, um durch offene APIs von CNH fortschrittlichere Technologien zu integrieren. Im Gegensatz zu geschlossenen Systemen ermöglicht die offene API von CNH es Landwirten, ihre Maschinen anzupassen. Stellen Sie sich Kamerasensoren vor, die Pflanzen von Unkraut unterscheiden können, die nur dann aktiviert werden, wenn sie benötigt werden – während das Fahrzeug autonom fährt. Diese Anpassungsfähigkeit, kombiniert mit der Fähigkeit, anspruchsvolles Gelände und vielfältige Aufgaben zu bewältigen, unterscheidet die Technologie von CNH von anderen.

Das Konzept einer “MRI-Maschine für Pflanzen” ist faszinierend. Wie ermöglicht die Verwendung von synthetischen Bildern und Machine Learning durch CNH es seinen Maschinen, den Pflanzentyp, Wachstumsstadien und gezielte Pflanzenernährung zu identifizieren?

Mit künstlicher Intelligenz, Computer-Vision-Kameras und riesigen Datensätzen trainiert CNH Modelle, um Pflanzen von Unkraut zu unterscheiden, Pflanzenwachstumsstadien zu identifizieren und den Gesundheitszustand der Pflanzen in den Feldern zu erkennen, um die genaue Menge an Nährstoffen und Schutz zu bestimmen, die benötigt wird, um den Ertrag der Pflanzen zu optimieren. Zum Beispiel kann die Augmenta Field Analyzer, eine Computer-Vision-Anwendung, den Boden vor dem Fahrzeug scannen, während es sich mit bis zu 20 Meilen pro Stunde durch das Feld bewegt, um die Bodenbedingungen zu bewerten und zu bestimmen, welche Bereiche behandelt werden müssen und in welchem Umfang, um diese Bereiche gesünder zu machen.

Mit dieser Technologie können Landwirte genau wissen, wo im Feld ein Problem entsteht, und es gezielt behandeln, anstatt das gesamte Feld mit einem Mittel zu behandeln, um Unkraut zu bekämpfen, Schädlinge zu kontrollieren oder notwendige Nährstoffe hinzuzufügen, um die Gesundheit der Pflanzen zu fördern. Die Technologie ermöglicht es, die genaue Menge an Chemikalien zu verwenden, die genau an der richtigen Stelle angewendet wird, um die Bedürfnisse der Pflanzen genau zu befriedigen und jede Bedrohung für die Pflanze zu stoppen. Die Identifizierung und gezielte Behandlung von Unkraut, das zwischen den Pflanzen wächst, kann den Einsatz von Chemikalien auf den Feldern um bis zu 90 % reduzieren. Nur eine kleine Menge an Chemikalien ist erforderlich, um jedes einzelne Problem zu behandeln, anstatt das gesamte Feld zu behandeln, um dieselben wenigen Bedrohungen zu erreichen.

Um photorealistische synthetische Bilder zu generieren und Datensätze schnell zu verbessern, verwendet CNH biophysikalische prozedurale Modelle. Dies ermöglicht es dem Team, Millionen von Bildern schnell und effizient zu erstellen und zu klassifizieren, ohne die Zeit aufwenden zu müssen, echte Bilder in der erforderlichen Menge zu erfassen. Die synthetischen Daten ergänzen die echten Bilder, verbessern die Modelltrainings- und Inferenzleistung. Zum Beispiel kann durch die Verwendung von synthetischen Daten ein Szenario erstellt werden, um Modelle zu trainieren – wie verschiedene Lichtverhältnisse und Schatten, die sich über den Tag bewegen. Prozedurale Modelle können spezifische Bilder basierend auf Parametern erstellen, um einen Datensatz zu erstellen, der verschiedene Bedingungen darstellt.

Wie genau ist diese Technologie im Vergleich zu herkömmlichen landwirtschaftlichen Methoden?

Landwirte treffen Hunderte von wichtigen Entscheidungen im Laufe des Jahres, aber sie sehen die Ergebnisse all dieser Entscheidungen nur einmal: bei der Ernte. Das Durchschnittsalter der Landwirte nimmt zu und die meisten arbeiten mehr als 30 Jahre. Es gibt keinen Spielraum für Fehler. Ab dem Moment, in dem die Saat gepflanzt wird, müssen Landwirte alles tun, um sicherzustellen, dass die Pflanze gedeiht – ihr Lebensunterhalt steht auf dem Spiel.

Unsere Technologie nimmt Landwirten viel von der Unsicherheit bei der Ausführung ihrer Aufgaben, wie z.B. der Entscheidung, wie sie am besten für wachsende Pflanzen sorgen können, während sie den Landwirten zusätzliche Zeit gibt, um sich auf die Lösung strategischer Geschäftsprobleme zu konzentrieren. Am Ende des Tages sind Landwirte enorme Unternehmen und verlassen sich auf Technologie, um sie am effizientesten, produktivsten und rentabelsten zu führen.

Nicht nur ermöglicht die von den Maschinen generierte Daten es Landwirten, bessere, informiertere Entscheidungen zu treffen, um bessere Ergebnisse zu erzielen, sondern die hohen Automatisierungs- und Autonomiegrade in den Maschinen selbst führen die Arbeit besser und in größerem Umfang aus als Menschen. Sprühmaschinen können “Problemstellen” in Tausenden von Acres von Pflanzen besser erkennen als menschliche Augen und können präzise Bedrohungen behandeln; während Technologien wie autonome Bodenbearbeitung die Last der manuellen Anpassung von Bodenbearbeitungsgeräten eliminieren und die Arbeit mit höherer Genauigkeit und Effizienz ausführen können. Bei der autonomen Bodenbearbeitung führt ein vollständig autonomes System die Bodenbearbeitung durch, indem es Sensoren mit tiefen neuronalen Netzen kombiniert, um optimale Bedingungen mit Zentimeter-Genauigkeit zu schaffen. Dies bereitet den Boden darauf vor, konsistente Reihenabstände, präzise Saattiefe und optimale Saatplatzierung trotz häufiger Bodenveränderungen in einem Feld zu ermöglichen. Herkömmliche Methoden, die oft auf von Menschen bediente Maschinen angewiesen sind, führen typischerweise zu mehr Variabilität in den Ergebnissen aufgrund von Fahrermüdigkeit, weniger konsistenter Navigation und weniger genauer Positionierung.

Während der Erntezeit verwenden CNHs Mähdrescher Edge-Computing und Kamerasensoren, um die Qualität der Ernte in Echtzeit zu bewerten. Wie funktioniert dieser schnelle Entscheidungsprozess und welche Rolle spielt künstliche Intelligenz bei der Optimierung der Ernte, um Abfall zu reduzieren und Effizienz zu verbessern?

Ein Mähdrescher ist eine unglaublich komplexe Maschine, die mehrere Prozesse – Ernte, Dreschen und Sammeln – in einer einzigen, kontinuierlichen Operation ausführt. Es wird deshalb als Mähdrescher bezeichnet, weil es das, was früher mehrere Geräte waren, in einer einzigen Fabrik auf Rädern kombiniert. Es geschieht viel auf einmal und es gibt wenig Raum für Fehler. CNHs Mähdrescher trifft Millionen von schnellen Entscheidungen alle 20 Sekunden, indem es sie am Rand verarbeitet, direkt auf der Maschine. Die Kamerasensoren erfassen und verarbeiten detaillierte Bilder der geernteten Pflanzen, um die Qualität jedes Korns der geernteten Pflanze zu bestimmen – indem sie Feuchtigkeitsgrade, Kornqualität und Unkrautgehalt analysieren. Die Maschine passt sich automatisch an die Bildinformationen an, um die besten Mascheneinstellungen zu verwenden, um optimale Ergebnisse zu erzielen. Wir können dies heute für Gerste, Reis, Weizen, Mais, Sojabohnen und Raps und bald auch für Sorghum, Hafer, Felderbsen, Sonnenblumen und Bohnen durchführen.

Künstliche Intelligenz am Rand ist entscheidend für die Optimierung dieses Prozesses, indem sie tiefes Lernen verwendet, um Muster in den Pflanzenbedingungen zu erkennen. Diese Modelle können schnell Bereiche der Ernte identifizieren, die Anpassungen erfordern, wie z.B. die Änderung der Geschwindigkeit des Mähdreschers oder die Modifizierung der Dreschereinstellungen, um eine bessere Trennung von Korn von dem Rest der Pflanze zu gewährleisten. Diese Echtzeit-Optimierung hilft, Abfall zu reduzieren, indem sie die Schädigung der Pflanzen minimiert und nur hochwertige Pflanzen sammelt. Sie verbessert auch die Effizienz, indem sie den Maschinen ermöglicht, datengetriebene Entscheidungen zu treffen, um den Ertrag der Landwirte zu maximieren, während sie den Betriebsstress und die Kosten reduziert.

Präzisionslandwirtschaft, getrieben von künstlicher Intelligenz und Machine Learning, verspricht, den Einsatz von Ressourcen zu reduzieren und den Ertrag zu maximieren. Können Sie erläutern, wie CNHs Technologie Landwirten hilft, Kosten zu senken, Nachhaltigkeit zu verbessern und Arbeitskräftemangel in einer zunehmend herausfordernden landwirtschaftlichen Landschaft zu überwinden?

Landwirte stehen vor enormen Herausforderungen, qualifizierte Arbeitskräfte zu finden. Dies gilt insbesondere für die Bodenbearbeitung – ein kritischer Schritt, den die meisten Farmen benötigen, um den Boden für den Winter vorzubereiten und bessere Pflanzenbedingungen im Frühjahr zu schaffen. Präzision ist bei der Bodenbearbeitung von entscheidender Bedeutung, wobei die Genauigkeit auf den Zehntel eines Zolls gemessen wird, um optimale Pflanzenwachstumsbedingungen zu schaffen. Die autonome Bodenbearbeitungstechnologie von CNH eliminiert die Notwendigkeit, hoch qualifizierte Bediener manuell anzupassen. Mit dem Druck auf einen Knopf autonomisiert das System den gesamten Prozess, sodass Landwirte sich auf andere wichtige Aufgaben konzentrieren können. Dies steigert die Produktivität und die Präzision spart Treibstoff, wodurch der Betrieb effizienter wird.

Wenn es um die Pflanzenpflege geht, ist die Sprühtechnologie von CNH mit über 125 Mikroprozessoren ausgestattet, die in Echtzeit kommunizieren, um die Kosten- und Umweltverträglichkeit von Wasser, Nährstoffen, Herbiziden und Pestiziden zu verbessern. Diese Prozessoren arbeiten zusammen, um Feldbedingungen zu analysieren und präzise zu bestimmen, wann und wo diese Nährstoffe angewendet werden sollen, um den Einsatz von Chemikalien um bis zu 30 % heute und um bis zu 90 % in naher Zukunft zu reduzieren, wodurch die Betriebskosten und die Menge an Chemikalien, die in den Boden gelangen, deutlich gesenkt werden. Die Düsenventile ermöglichen es der Maschine, das Produkt genau anzuwenden, indem sie sich automatisch an die Geschwindigkeit des Sprühers anpassen, um einen konstanten Satz und Druck für die präzise Tropfenabgabe an die Pflanze zu gewährleisten, sodass jeder Tropfen genau da landet, wo er benötigt wird, um die Gesundheit der Pflanze zu fördern. Diese Präzision reduziert die Notwendigkeit, den Sprüher häufig nachzufüllen, da Landwirte den Sprüher nur einmal pro Tag nachfüllen müssen, was zu einer erheblichen Wassereinsparung führt.

Ebenso vereinfacht die Wagenautomatisierung von CNH die komplexe und stressige Aufgabe, einen Mähdrescher während der Ernte zu bedienen. Präzision ist entscheidend, um Kollisionen zwischen dem Mähdrescher und dem Grain-Wagen zu vermeiden, der innerhalb von Zollabstand für Stunden fährt. Sie hilft auch, den Pflanzenverlust zu verringern. Die Wagenautomatisierung ermöglicht einen nahtlosen Ladevorgang, wodurch die Notwendigkeit einer manuellen Koordination entfällt und der Mähdrescher seine Arbeit ohne Unterbrechung fortsetzen kann. CNH hat physiologische Tests durchgeführt, die zeigen, dass diese Assistenztechnologie den Stress für Mähdrescher-Bediener um etwa 12 % und für Traktor-Bediener um 18 % reduziert, was sich summiert, wenn diese Bediener bis zu 16 Stunden pro Tag während der Erntezeit in diesen Maschinen sind.

Die Marke von CNH, New Holland, hat kürzlich mit Bluewhite eine Partnerschaft für autonome Traktor-Kits geschlossen. Wie passt diese Zusammenarbeit in die umfassendere Strategie von CNH für die Erweiterung der Autonomie in der Landwirtschaft?

Autonomie ist die Zukunft von CNH, und wir gehen einen zielgerichteten und strategischen Ansatz, um diese Technologie zu entwickeln, getrieben von den dringendsten Bedürfnissen unserer Kunden. Unsere internen Ingenieure konzentrieren sich auf die Entwicklung von Autonomie für unseren großen landwirtschaftlichen Kunden – Landwirte, die Pflanzen in großen, offenen Feldern anbauen, wie Mais und Sojabohnen. Ein weiterer wichtiger Kundenstamm für CNH sind Landwirte, die sogenannte “Dauerkulturen” anbauen, die in Obstgärten und Weinbergen wachsen. Durch die Partnerschaft mit Bluewhite, einem bewährten Anbieter von Autonomie in Obstgärten und Weinbergen, können wir den Markt schnell und effizient bedienen und sowohl den großen landwirtschaftlichen als auch den Dauerkultur-Kunden segmenten mit dringend benötigter Autonomie dienen. Mit Bluewhite liefern wir einen vollautonomen Traktor für Dauerkulturen und sind damit der erste Originalhersteller mit einer autonomen Lösung in Obstgärten und Weinbergen.

Unser Ansatz für Autonomie besteht darin, die kritischsten Herausforderungen zu lösen, mit denen unsere Kunden konfrontiert sind, in den Aufgaben und Arbeiten, bei denen sie am meisten darauf angewiesen sind, dass die Maschine die Arbeit erledigt und die Last von der Arbeitskraft nimmt. Die autonome Bodenbearbeitung führt unsere interne Entwicklung von Job-Autonomie an, da es eine arbeitsintensive Aufgabe ist, die viel Zeit in Anspruch nimmt und während eines engen Zeitfensters im Jahr stattfindet, wenn viele andere Dinge geschehen müssen. Eine Maschine kann in diesem Fall die Arbeit besser erledigen als ein menschlicher Bediener. Landwirte in Dauerkulturen haben auch einen dringenden Bedarf an Autonomie, da sie mit extremen Arbeitskräftemangeln konfrontiert sind und Maschinen benötigen, um die Lücken zu füllen. Diese Arbeiten erfordern, dass die Traktoren 20-30 Fahrspuren pro Reihe pro Saison durchführen, um wichtige Arbeiten wie die Anwendung von Nährstoffen auf die Bäume und das Mähen des Grases zwischen den Reihen auszuführen.

Viele Lösungen von CNH werden von Obst- und Weinbergbesitzern übernommen. Welche einzigartigen Herausforderungen stellen diese Umgebungen für autonome und künstlich intelligente Maschinen dar, und wie passt CNH seine Technologien an diese speziellen Anwendungen an?

Die Fenster für die Ernte ändern sich, und es wird immer schwieriger, qualifizierte Arbeitskräfte zu finden. Der Klimawandel macht die Jahreszeiten unvorhersehbarer; es ist von entscheidender Bedeutung, dass Landwirte Technologie haben, die Präzision und Effizienz für die Ernte bereitstellt, wenn die Pflanzen optimal für die Ernte sind. Landwirtschaft erfordert immer Präzision, aber sie ist besonders wichtig, wenn es um die Ernte von etwas so Kleinem und Delikatem wie einer Traube oder einer Nuss geht.

Die meisten automatischen Fahrtechnologien verlassen sich auf GPS, um Maschinen auf ihren Wegen zu führen, aber in Obstgärten und Weinbergen können diese GPS-Signale durch Baum- und Rebenzweige blockiert werden. Kameras und Radar werden in Kombination mit GPS verwendet, um die Maschinen auf ihren optimalen Wegen zu halten. Und in Obstgärten und Weinbergen ist die Ernte nicht nur eine Frage von Acres mit einheitlichen Reihen, sondern von einzelnen, unterschiedlichen Pflanzen und Bäumen, oft in hügeligem Gelände. Die automatisierten Systeme von CNH passen sich an die Höhe jeder Pflanze, dem Bodenniveau und der erforderlichen Pflückgeschwindigkeit an, um einen qualitativ hochwertigen Ertrag zu gewährleisten, ohne die Pflanze zu schädigen. Sie passen sich auch um unproduktive oder tote Bäume an, um unnötige Inputs zu sparen. Diese robotischen Maschinen bewegen sich automatisch entlang der Pflanzen, während sie die Frucht vorsichtig von den Bäumen oder Reben entfernen, und der Bediener stellt die gewünschte Pflückhöhe ein, und die Maschinen passen sich automatisch an, um diese Einstellungen pro Pflanze beizubehalten, unabhängig vom Gelände. Darüber hinaus ist für einige Früchte die beste Zeit für die Ernte, wenn der Zuckergehalt über Nacht Spitzenwerte erreicht. Kameras mit Infrarot-Technologie können auch in dunklen Bedingungen arbeiten, um die Frucht in ihrem optimalen Zustand zu ernten.

Wenn immer mehr autonome Landwirtschaftsgeräte eingesetzt werden, welche Schritte unternimmt CNH, um die Sicherheit und die Einhaltung von Vorschriften dieser künstlich intelligenten Systeme, insbesondere in unterschiedlichen globalen landwirtschaftlichen Umgebungen, zu gewährleisten?

Sicherheit und Einhaltung von Vorschriften sind für CNHs künstlich intelligente Systeme von entscheidender Bedeutung, daher arbeitet CNH mit lokalen Behörden in verschiedenen Regionen zusammen, um seine autonomen Systeme an regionale Anforderungen anzupassen, einschließlich Sicherheitsstandards, Umweltvorschriften und Datenschutzgesetze. CNH ist auch in Standards-Organisationen aktiv, um sicherzustellen, dass wir alle anerkannten und aufkommenden Standards und Anforderungen erfüllen.

Zum Beispiel umfassen autonome Sicherheitssysteme Sensoren wie Kameras, LiDAR, Radar und GPS für die Echtzeit-Überwachung. Diese Technologien ermöglichen es dem Gerät, Hindernisse zu erkennen und automatisch anzuhalten, wenn es etwas vor sich erkennt. Die Maschinen können auch komplexes Gelände navigieren und auf Umweltveränderungen reagieren, wodurch das Unfallrisiko minimiert wird.

Was sehen Sie als die größten Hindernisse für die weitverbreitete Akzeptanz von künstlich intelligenten Technologien in der Landwirtschaft? Wie hilft CNH Landwirten, auf diese neuen Systeme umzusteigen und ihren Wert zu demonstrieren?

Derzeit sind die größten Hindernisse die Kosten, die Konnektivität und die Schulung der Landwirte.

Aber bessere Erträge, geringere Ausgaben, geringerer physischer Stress und bessere Zeitmanagement durch erhöhte Automatisierung können die Gesamtkosten aufwiegen. Kleinere Farmen können von begrenzten autonomen Lösungen profitieren, wie z.B. Fütterungssystemen oder Nachrüst-Upgrade-Kits.

Unzureichende Konnektivität, insbesondere in ländlichen Gebieten, stellt eine Herausforderung dar. Künstlich intelligente Technologien erfordern eine konstante, immer-ein-Verbindung. CNH hilft, dies zu überwinden, durch die Partnerschaft mit Intelsat und durch universelle Modems, die sich mit jedem nahe gelegenen Netzwerk verbinden – Wi-Fi, Mobilfunk oder Satellit – und somit eine feldbereite Konnektivität für Kunden in abgelegenen Gebieten bieten. Während viele Kunden diesen Bedarf an Internet-Konnektivität mit dem marktführenden globalen Mobilfunk-Netz von CNH erfüllen, ermöglichen bestehende Mobilfunkmasten keine umfassende Verbindung.

Schließlich kann die wahrgenommene Lernkurve, die mit der künstlichen Intelligenz-Technologie verbunden ist, einschüchternd wirken. Dieser Wechsel von herkömmlichen Praktiken erfordert Schulung und eine Änderung der Denkweise, weshalb CNH eng mit den Kunden zusammenarbeitet, um sicherzustellen, dass sie mit der Technologie vertraut sind und den vollen Nutzen der Systeme erhalten.

Wenn wir in die Zukunft blicken, wie sehen Sie die Entwicklung von CNHs künstlicher Intelligenz und autonomen Lösungen in den nächsten zehn Jahren?

CNH geht wichtige, globale Herausforderungen an, indem es bahnbrechende Technologien entwickelt, um mehr Nahrungsmittel nachhaltig mit weniger Ressourcen für eine wachsende Bevölkerung zu produzieren. Unser Fokus liegt darauf, Landwirten zu ermöglichen, ihre Lebensgrundlage und ihr Geschäft durch innovative Lösungen zu verbessern, wobei künstliche Intelligenz und Autonomie eine zentrale Rolle spielen. Fortschritte in der Datenerfassung, der Verfügbarkeit von Sensoren, der Konnektivität und der Rechenleistung werden die Entwicklung von künstlicher Intelligenz und autonomen Systemen beschleunigen. Diese Technologien werden den Fortschritt in der Präzisionslandwirtschaft, der autonomen Operation, der prädiktiven Wartung und der datengetriebenen Entscheidungsfindung vorantreiben, letztendlich zu Gunsten unserer Kunden und der Welt.

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