지멘스 디지털 인더스트리 소프트웨어  푸니트 시나  배터리 산업 글로벌 총괄 
Puneet Sinha, Global Head of Battery Industry of Siemens Digital Industries Software

AI와 실행 가능한 디지털 트윈(xDT)은 이미 배터리 제조 현장의 생산성을 높이고, 스크랩률과 같은 고질적 문제를 절반 가까이 줄이는 등 현실적인 해법으로 자리 잡고 있다. 차세대 배터리 기술의 복잡성과 개발 속도에 대응하기 위해, 소재 개발부터 셀·팩 설계, 시스템 검증까지 AI와 시뮬레이션의 융합은 더욱 가속화되고 있다. 인간·기계·데이터 간의 협업 방식은 지멘스와 함께 배터리의 모든 이슈를 ‘앞당겨’ 해결하는 방향으로 진화하고 있다. 지멘스 디지털 인더스트리 소프트웨어의 푸니트 시나 글로벌 총괄을 만나 이야기를 나눴다.

글 | 한상민 기자_han@autoelectronics.co.kr


우승을 설계하다: 지멘스가 본 디지털 트윈
알테어: 시뮬레이션과 AI로 완성하는 지멘스의 디지털 트윈
SDV, 진화인가 전환인가: 스텔란티스의 로드맵
10살의 수명, 수익은 3년? SDV의 본질을 묻다




지멘스는 Executable Digital Twin(xDT)과 AI의 결합을 통해 실시간 최적화와 Adaptive한 공정 대응을 실현하고자 하고 있습니다. 현재 Siemens 고객사에서는 이 기술이 어떤 수준까지 구현됐으며, 가장 빠르게 ROI를 창출한 사례가 있다면 소개해주실 수 있을까요? 
Sinha        네, 지멘스에서 가장 중점을 두고 있는 부분은 디지털 세계와 현실 세계를 어떻게 연결하느냐입니다. 그중 하나의 중요한 방법이 바로 ‘실행가능한 디지털 트윈(xDT)’을 공장 운영과 연결하는 것이죠.

우리가 예전에 소개한 사례 중 하나는 이 실행가능한 디지털 트윈을 산업용 에지(Industrial Edge)에서 구동시키는 것입니다. 이 방식은 실제 기계를 제어하는 PLC(Programmable Logic Controller)와 실시간으로 연결돼 기계의 동작을 조정할 수 있게 해줍니다. 예를 들어, 전극의 와인딩(감기) 공정이 있습니다. 이 공정은 매우 빠르게 이뤄지는데, 두 롤러 사이에서 전극 포일이 일정한 텐션으로 감겨야 하죠. 텐션이 맞지 않으면, 와인딩 품질이 나빠지고 텐션이 너무 높으면 포일이 끊어질 수 있습니다. 포일이 끊어지면 생산이 멈추고, 이를 복구해야 하며, 결국 생산성이 떨어지게 됩니다.
우리는 고객과 함께 이 문제를 해결했습니다. 에지에서 와인딩 기계의 동작을 학습하게 하고, 실제 와인딩이 진행되는 동안 그와 동일한 가상 동작이 옆에서 실시간으로 시뮬레이션되는 것입니다. 이 디지털 트윈이 PLC와 연동돼 텐션이나 스트레인이 한계를 벗어나기 전에 감지합니다. 그래서 포일이 끊어지기 전에 PLC가 모터의 토크나 속도를 자동으로 줄여서 문제를 예방할 수 있게 하는 것입니다.

이렇게 실제 기계의 동작을 조절할 수 있는 ‘피드백 루프’가 만들어집니다. 이는 실제 제조 효율을 개선하는 매우 좋은 사례입니다. 우리는 이런 솔루션을 많은 고객에게 제공하고 있으며, 실행가능한 디지털 트윈과 기계를 연결하는데 다양한 포트폴리오를 함께 활용하고 있습니다.
이런 기술은 기계가 설계되고 제작될 때부터 적용돼, 이를 통해 기계가 제대로 제작되고 정확히 커미셔닝될 수 있게 합니다. 기계가 실제 공장에서 가동될 때도 동일한 디지털 트윈이 에지에서 계속 작동하면서 운영을 돕습니다.
이런 방식을 통해 고객은 생산 효율성을 크게 개선하고 있습니다. 실제로 생산 효율이 15% 이상 향상된 사례도 있습니다. 이는 디지털 트윈이 자동화 기술과 PLC와 협업하면서 실질적인 제조 혁신을 이룬 대표적인 예라 할 수 있습니다.


배터리 산업의 고질적인 문제로 지적됐던 스크랩률은 수율·원가에 큰 영향을 줍니다. 지멘스의 고객들은 이 문제를 어떤 방식으로 개선합니까? 특히 스크랩률 감소에 기여한 기술적 또는 프로세스적 전환점은 무엇이었습니까?      
Sinha        스크랩률은 여전히 제조업에서 큰 도전 과제로 남아 있습니다. 지금도 많은 기업이 높은 스크랩률 문제를 겪고 있으며, 특히 생산을 확대하고 있는 중소 제조업체의 경우 그 비율이 40% 이상에 이르기도 합니다. 대규모 양산을 이미 하고 있는 기업들도 상황은 크게 다르지 않아서 10% 이상의 스크랩률을 유지하는 경우가 많습니다.
스크랩률이라는 것은 단순히 하나의 요인으로 설명되기 어려운 복합적인 결과입니다. 각 제조현장이 다르고 사용되는 기계도 제각각이기 때문에, 우리가 집중하는 부분은 어떻게 하면 고객이 그들의 공정 데이터를 수집하고 이를 기반으로 학습하며 의미 있는 통찰을 얻어내게 할 수 있을까에 맞춰져 있습니다.
이 데이터는 단순한 기계 동작 데이터 뿐 아니라, 들어오는 소재의 배치, 그 재료들이 어떻게 사용되는지, 생산 공정에서 어떤 문제가 발생하는지 등을 포함합니다. 단순히 데이터를 모으는 데 그치지 않고 데이터를 서로 연동하고 분석해 그것이 우리에게 어떤 신호를 주는지를 해석하는 것이 핵심입니다. 그리고 그 안에서 비효율의 근본 원인을 찾아내는 것이 우리가 추구하는 방향입니다.

이와 동시에, 우리는 공정의 가상 시뮬레이션도 백그라운드에서 함께 수행합니다. 이를 통해 어떤 기계의 동작 방식이 개선돼야 하는지 혹은 지금 어떤 부분이 문제인지를 시각적으로 파악할 수 있습니다. 그렇게 찾아낸 통찰은 다시 실제 제조 현장에 피드백돼 공정이 개선될 수 있도록 지원합니다.
우리는 이를 데이터 기반 제조(Data-driven Manufacturing)라고 부릅니다. 이 개념은 단순한 시뮬레이션이나 데이터 분석을 넘어, 다양한 제조 단계들을 가상으로 재현하고 연결하는 종합적인 접근 방식입니다. 

최근에는 알테어(Altair)가 지멘스 포트폴리오에 합류하면서, 이런 능력이 더욱 강화되고 있습니다. 예를 들어 알테어의 RapidMiner는 매우 강력한 AI 분석 플랫폼으로, 기존에는 데이터 과학자들만 사용할 수 있었던 기능들을 일반 엔지니어나 제조 엔지니어들도 쉽게 활용할 수 있도록 해줍니다. AI 기술을 민주화(democratize)한다는 개념이죠. RapidMiner가 Mendix나 Opcenter MES 같은 지멘스의 다른 디지털 제조 솔루션들과 결합되면, 훨씬 더 정교하고 직관적인 방식으로 데이터를 해석하고 문제를 진단할 수 있습니다. 예컨대 소재 배치 간의 차이, 공정에서 발생한 미세한 이상, 기계의 행동 변화 등을 정밀하게 추적할 수 있게 되는 것입니다.

결과적으로, 우리는 이렇게 분석된 데이터를 통해 공정을 어떻게 개선할 수 있을지를 AI, 시뮬레이션, 실제 제조 현장의 데이터와 연동해 계속 피드백하고 있습니다. 이를 통해 스크랩률을 빠르게 줄이는 사례가 실제로 많이 나타나고 있습니다.
예를 들어, 어떤 기업이 스크랩률을 현재의 높은 수준에서 안정적인 수준으로 낮추는 데 원래 36개월이 걸렸다면, 데이터 기반 제조를 도입한 기업은 그 기간이 절반으로 줄어든 18개월로 단축되기도 했습니다. 이런 방식은 셀 제조에만 해당되는 것이 아닙니다. 소재 제조 등 다양한 산업에서도 동일하게 적용 가능합니다.  그리고 우리는 지멘스가 이미 보유한 기술력과 알테어의 산업 AI 학습 역량을 결합해 제조와 엔지니어링의 실질적 향상을 위한 역량을 계속 강화해 나가고 있습니다.


최근 고체 배터리, 실리콘 음극재 등 다양한 차세대 배터리 기술이 본격적인 양산을 준비 중입니다. 지멘스는 이러한 기술 변화에 어떻게 대응하고 있으며, 기존 제조 인프라와의 연계, 시뮬레이션, 공정 최적화는 어떻게 접근하고 있나요? 
Sinha        차세대 배터리 기술은 지멘스의 주요 전략 중 하나입니다. 우리는 배터리 기업들이 혁신을 실현할 수 있도록 지원하는 데 큰 의지를 갖고 세 가지 핵심 영역에서 활동하고 있습니다.
시작은 신소재 개발을 돕는 것입니다. 지멘스는 AI 기반의 소재 혁신 기술을 제공하고 있으며, 최근에 알테어 인수 및 다양한 파트너십을 통해 이런 역량을 더욱 강화하고 있습니다. 새로운 화학 조성(chemistry)을 개발하는 것도 중요하지만, 그것이 셀이나 팩의 설계에 어떤 영향을 미치는지까지 고려하는 것이 매우 중요합니다. 그래서 저희는 디지털 트윈을 기반으로 이런 분석을 가능한 한 제품 개발 초기로 앞당기고(shift left) 있습니다.

예를 들어, 실리콘 음극을 사용하는 배터리는 충방전 시 리튬의 이동에 따라 부피가 크게 팽창하고 수축합니다. 이로 인해 셀의 내구성이나 압축 구조 등 설계에 반드시 반영해야 할 요소들이 생깁니다. 단순히 소재 차원에서 문제를 해결하는 데 그치지 않고, 그 소재가 셀과 팩 설계에 어떤 영향을 미치는지까지 고객사와 함께 고민하고 있습니다. 예컨대 고속 충전이 가능해야 한다면, 그에 따른 셀의 열 거동이나 작동 조건별 반응까지 종합적으로 고려해야 합니다. 솔리드 스테이트 배터리도 마찬가지입니다.
지멘스는 이런 전체 과정을 지원하기 위해, Simcenter 포트폴리오를 분자 수준 시뮬레이션에서 셀, 팩 수준까지 연계해 제공합니다. 소재 개발 단계에서부터 셀, 팩 엔지니어링이 함께 움직이도록 해 더욱 빠르고 통합적인 설계가 가능하도록 돕고 있습니다. 

그리고 기술이 계속 진화하면서, 예를 들어 실리콘 음극, 고체전해질, 나트륨 배터리 등 새로운 형태의 배터리가 등장하고 있습니다. 저희는 이러한 변화에 대응해 포트폴리오의 기능을 지속적으로 확장하고 있으며, AI 기술을 활용해 혁신의 속도를 가속화하고 있습니다.
예를 들어, 저희 팀에서는 설계 확정을 하기 전 단계에서 필요한 복잡한 검증 작업을 지원하고 있습니다. 전기차(EV)용 배터리 팩의 최종 설계가 확정되기 전에는 성능뿐 아니라 충전 속도, 주행 사이클, 환경 조건에 따른 안정성 등 다양한 조건에 맞춰 설계를 검증해야 합니다. 이 과정에서 엔지니어들은 3D 시뮬레이션을 통해 셀 내부 온도나 리튬 분포 같은 정밀한 데이터를 확보합니다. 하지만 이런 3D 해석은 시간과 자원이 많이 소요되기 때문에, 최종 검증은 보통 1D 시뮬레이션으로 전환해 진행합니다. 문제는 이때 3D에서 얻은 정밀한 데이터를 1D 모델로 옮기면서 정보 손실이 발생한다는 점입니다. 이를 해결하기 위해, 저희는 AI 기반의 신경망(Neural Network)을 Simcenter Amesim에 적용하고 있습니다. 3D 시뮬레이션(예: STAR-CCM+)에서 생성한 데이터를 합성 데이터(Synthetic Data)로 활용해 신경망을 학습시키고, 부족한 실제 테스트 데이터를 보완하는 방식입니다. 이렇게 훈련된 AI 모델은 더 빠르고 정확하게 시스템 수준의 시뮬레이션을 가능하게 해줍니다.

결국, AI와 시뮬레이션을 결합함으로써 새로운 배터리 설계나 새로운 소재를 검증하는 데 걸리는 시간을 획기적으로 줄이고, 전체적인 개발 속도를 높이는 것이 지멘스의 핵심 전략입니다.


지멘스는 작업자의 음성 기반 피드백, LLM, 메타버스 협업 도구를 통해 인간-기계 협업을 새롭게 정의하고 있습니다. 이 기술들이 실제 공장에서 어떤 방식으로 활용되고 있으며, 운영 시스템에 통합되기 위해 필요한 기술적 조건이나 조직적 변화는 무엇입니까? 
Sinha        산업용 AI는 지멘스가 매우 중점을 두고 있는 분야입니다. 우리가 지향하는 바는 LLM을 단순히 텍스트나 음성, 이미지와 같은 일반적인 데이터에만 훈련시키는 것이 아니라, ‘엔지니어링’과 ‘제조’의 언어와 문맥에 맞춰 학습시키는 것입니다. 즉, 엔지니어와 제조 현장의 작업자들이 AI를 보다 정확하고 신뢰할 수 있게 사용할 수 있도록 만드는 것이 우리의 목표입니다. 
이를 위해선 AI가 헛소리(hallucination)를 줄이고, 올바른 데이터 보안 환경 속에서 활용돼야 합니다. 그렇게 되면, 현장 엔지니어들은 신뢰할 수 있는 AI 기반의 판단을 바탕으로 의사결정을 내릴 수 있게 됩니다. 이런 AI는 단순 독립 도구가 아니라, 우리가 보유한 디지털 트윈 포트폴리오와도 긴밀히 연결됩니다. 디지털 트윈의 기능을 더욱 강화하고, 산업 메타버스(Industrial Metaverse)의 실현에도 기여하죠.

지멘스가 말하는 산업용 메타버스는 단지 가상 공간이 아닌, 매우 강력한 실무 프레임워크입니다. 예를 들어, 배터리 산업의 경우 새로운 공장을 다양한 지역에 설립하려는 기업들이 이 메타버스를 활용해 공장의 ‘디지털 청사진’을 먼저 설계할 수 있습니다. 또, 이 환경은 신입 작업자 교육, 실시간 데이터 통합, 현장 가시성 확보 등에도 활용될 수 있습니다.
AI가 이 프레임워크에 결합되면, 공장에서 수집된 데이터에서 훨씬 더 많은 가치를 추출할 수 있게 됩니다. 예컨대 Mendix를 활용해 데이터 대시보드화, 분석, 인사이트 도출이 가능하고, AI는 이를 더 강력하게 보완합니다. 결과적으로, 고객들은 보다 지속가능한 방식으로 공장을 설계하고, 더 높은 생산성과 효율성을 달성할 수 있게 되는 것이죠.


AI 힘은 언제 진실되게 발휘될까요? 이미 그렇게 되고 있다고 할 수 있을까요? 
Sinha         AI의 힘을 산업 현장에서 어떻게 실현하고 있는지에 대해 설명할 때, 저는 이 과정을 ‘세 겹으로 된 케익’에 비유합니다. 첫 번째 층은 지금 당장 가능한 것들, 디버깅과 문제 해결 자동화입니다. 가장 바닥에 있는 이 층은 현재 기업들이 실질적으로 적용하고 있는 부분입니다. 예를 들어, 지멘스의 PLC와 관련된 디버깅 작업이 있죠. 우리는 Microsoft와 협력해 현장 작업자들이 자신들의 언어, 음성만으로 문제를 기록할 수 있도록 하는 기능을 구현했습니다. 이렇게 기록된 정보는 자동으로 번역되고 Teamcenter를 통해 전 세계 어디에 있는 엔지니어든지 관련 문제를 받아볼 수 있게 됩니다. 예를 들어, 어떤 공장에서 로봇 팔이 비효율적으로 작동할 경우, 현장 작업자가 언어로 문제를 말하면 그 음성 정보가 Teamcenter에 자동 등록되고 관련 데이터와 맥락도 함께 수집됩니다. 그러면 이 정보는 다른 나라에 있는 자동화나 PLC 엔지니어에게 전달되고, 그 엔지니어는 AI를 활용해 코드를 분석하고 수정합니다. 그 후 새로운 코드는 다시 Teamcenter를 통해 현장으로 돌아가 로봇에 적용됩니다. 즉, AI를 통한 디버깅과 코드 생성이 실시간으로 글로벌 협업 안에서 이뤄지고 있으며, 많은 고객이 이 기능을 실제로 활용하고 있습니다.

두 번째 층은 성능, 효율성 향상에 대한 것, AI와 디지털 트윈의 통합에 대한 것입니다. 앞서 언급한 것처럼, 고해상도의 3D 시뮬레이션 데이터를 AI에 학습시키고, 그 결과를 빠른 1D 시뮬레이션으로 연결해 디자인 검증 속도와 정확성을 동시에 높이는 방식이 여기에 해당합니다. 이처럼 AI는 디지털 트윈과 연계돼 제품 성능을 더욱 정교하게 개선하는 데 큰 역할을 하고 있습니다.

마지막 층은 아직은 초기 단계에 있지만 미래를 바꾸는 가능성, 일종의 문샷(Moonshot)이라 부를 수 있는 영역입니다. 여기에는 성능 저하 원인을 AI가 스스로 탐지, 문제가 발생하기 전에 예측(prognostics)해 대응, 배터리 수명이나 이상을 조기에 진단하고 리콜 전 선제적으로 조치하거나 서비스 전략을 최적화하는 것이 포함됩니다. 우리는 현재 많은 고객과 이런 미래 사용사례를 논의 중이며, 고객들이 겪는 실제 사례를 중심으로 어떤 기능을 더 추가할 수 있을지 계속 고민하고 있습니다.
정리하자면, 지멘스는 이미 AI 기능을 통해 고객들에게 실질적인 가치를 제공하고 있으며, 앞으로도 고객 비즈니스에 실제 효과를 가져오는 기술 역량을 계속해서 발전시키고 확장해 나갈 계획입니다. AI는 단순한 기술 이상으로, 업무 효율과 생산성을 끌어올리는 전략적 파트너가 되고 있습니다.


스타트업과 기존 배터리 제조사는 디지털 전환의 속도와 방식에서 차이를 보이죠? 지멘스는 이 두 그룹에 어떤 차별화된 접근 전략을 적용하고 있으며, 각각에서 주목할 만한 성공 사례가 있다면 소개해주시겠습니까?
Sinha         좋은 질문입니다. 말씀하신 것처럼, 배터리 스타트업과 전통 제조업체는 디지털 전환을 접근하는 방식이 크게 다릅니다. 지멘스는 이 두 그룹 각각의 필요와 목표에 맞춰 맞춤형 전략을 제공하고 있습니다.
스타트업은 흔히 디지털 네이티브, 즉 처음부터 디지털 환경에서 태어난 기업들이 많습니다. 반면, 전통 제조업체들은 오랜 시간 동안 구축해 온 레거시 시스템과 축적된 노하우를 새로운 디지털 기술과 어떻게 통합할지가 중요한 과제입니다. 지멘스가 지향하는 핵심은, 스타트업이든 기존 제조사든 디지털 트윈에서 실질적인 가치를 끌어내도록 지원하는 것입니다. 단순히 아이디어를 디지털 환경에서 실험하고 설계하는 데 그치지 않고, 그 디지털 작업이 현실 세계와 유기적으로 연결돼 실제 제품과 공정으로 이어지도록 만드는 것, 이것이 핵심입니다. 특히 스타트업의 경우, 지멘스의 다양한 포트폴리오를 쉽고 빠르게 활용할 수 있도록 돕는 ‘스타트업 프로그램’을 운영하고 있습니다.

이 프로그램은 올해 초 CES에서 발표된 것으로, 스타트업이 디지털 기술을 빠르게 도입하고 성장할 수 있도록 학습 곡선을 줄이고, 도입 속도를 높이는 것을 목표로 합니다. 물론 전통 제조업체에게도 이런 기술 도입은 중요하지만, 그들의 핵심은 기존 시스템과 경험, 데이터, 지식 등을 어떻게 디지털 세계와 자연스럽게 연결하고 통합할 수 있을 것인가입니다. 그래서 지멘스는 개방형 생태계에 대한 투자를 지속하고 있으며, 이는 특히 기존 제조사들로부터 높이 평가받고 있습니다.


EU 배터리 패스포트 규제는 제조사뿐 아니라 공급망 전반의 데이터 추적성을 요구합니다. 지멘스는 단일 데이터 소스, 디지털 스레드를 통해 고객이 어떻게 규제 대응과 지속가능성 목표를 달성할 수 있도록 지원하고 있습니까?      
Sinha         EU 배터리 패스포트는 매우 중요한 주제입니다. 2027년부터 유럽에서는 배터리에 대한 디지털 패스포트가 필수적으로 요구될 예정인데요, 이에 맞춰 지멘스는 두 가지 핵심 영역에 집중하고 있습니다.

첫 번째는, 지멘스 자체의 배터리 패스포트 플랫폼입니다. 이 플랫폼은 보안이 강화된 클라우드 기반 시스템으로, 기업들이 규제에 맞춰 QR 코드를 생성하고 관리할 수 있도록 지원합니다. 특히 Catena-X와 같은 표준을 따르도록 설계돼 있어 유럽 규제에 대응하는 데 있어 실질적인 도움이 됩니다.
두 번째는, 기업들이 직면하는 핵심 과제 중 하나인 배터리 패스포트에 입력해야 할 ‘데이터를 어떻게 수집하느냐’에 관한 부분입니다. 이 지점에서 지멘스는 강력한 강점을 갖고 있는데, 바로 그것은 Teamcenter 플랫폼입니다. Teamcenter는 단일 데이터 소스(Single Source of Truth)로서 다양한 부서와 프로세스 간 정보를 통합 관리할 수 있는 PLM 솔루션입니다. 실제로 EU 배터리 패스포트에는 약 100개 항목의 데이터 입력이 필요하며, 저희 분석에 따르면 이 중 약 70%는 Teamcenter를 통해 자동으로 수집 및 지원될 수 있습니다. 이를 위해 지멘스는 배터리 라이프사이클 관리 기능이 내장된 Teamcenter Battery Lifecycle Management를 출시했습니다. 이는 배터리 관련 데이터 구조를 Teamcenter 내에 기본으로 포함함으로써, 정확하고 신뢰성 있는 데이터를 효율적으로 수집하고 관리할 수 있도록 돕습니다.

또한 지멘스는 단순히 배터리 데이터 수집에 그치지 않고, 탄소 발자국(LCA, 전 과정 환경 영향 평가)과 같은 지속가능성 지표도 함께 통합할 수 있도록 파트너들과 협업하고 있습니다. 기업이 규제에 맞는 데이터 수집과 배포를 하나의 통합된 흐름으로 처리할 수 있도록 지원하는 것이 핵심 목표입니다.
결국 지멘스는 ELS(End-of-Life Status, 수명 종료 시점 정보)를 포함한 다양한 정보를 쉽게 수집하고 보안이 강화된 플랫폼을 통해 QR 코드 형태로 패스포트를 발행할 수 있도록 해 기업이 EU 배터리 패스포트 규제에 원활히 대응할 수 있도록 전방위적 지원을 하고 있습니다.


한국은 글로벌 배터리 제조 강국 중 하나입니다. 지멘스는 한국 배터리 산업의 디지털 전환에 대해 어떤 평가를 하고 있으며, 한국 고객들과의 협업에서 기대하는 전략적 방향성이나 차별성이 있다면 말씀해 주시겠습니까?
Sinha         네, 한국은 배터리와 관련해 지멘스에게 매우 중요한 전략 국가입니다. 배터리 산업의 미래를 생각할 때 한국은 현재도 중심적인 역할을 하고 있지만, 앞으로도 전기차뿐만 아니라 에너지 저장 시스템(ESS)과 다양한 응용 분야에서 글로벌 배터리 산업의 판도를 이끌어갈 핵심 국가라고 확신합니다.
지멘스 입장에서 다행인 점은, 한국의 대표적인 배터리 기업들과 이미 강력한 파트너십과 신뢰 관계를 구축하고 있다는 것입니다. 이들 기업은 지멘스의 솔루션을 활발히 도입해 활용하고 있고 저희는 이들의 배터리 비즈니스와 글로벌 도약을 적극 지원하고 있습니다. 예를 들어 SK온과는 스마트 배터리 제조를 위한 전략적 파트너십을 공식적으로 발표한 바 있습니다. 

그리고 디지털화 관점에서 봤을 때, 저는 한국 기업들이 이 분야에 대해 매우 개방적이며 실제로 적극적으로 수용하고 있는 기업들이라고 생각합니다. 한국 기업들은 오랜 기간 시뮬레이션을 활용해 셀과 팩 설계의 고도화뿐 아니라 배터리 제조 설비 개발까지도 개선해왔습니다. 지멘스도 이런 여정에 함께하고 있습니다. 우리는 또한 LG에너지솔루션과도 강한 협력 관계를 맺고 있습니다. 디지털 트레이닝, 자동화 기술 도입 등 다양한 영역에서 협력하고 있습니다. 이 외에도 한국의 여러 주요 기업들과 협력이 지속되고 있습니다.
디지털 전환은 하나의 여정이지만, 한국의 전통적인 배터리 제조사들은 디지털화를 매우 진지하게 받아들이고, 실제로 이를 통해 실질적인 가치를 창출하면서 배터리 기술 혁신의 선두를 유지하고 있습니다.