Menschen in modernen Lieferketten

Joannes Vermorel

Lieferketten sind komplexe Systeme, möglicherweise die komplexesten, die jemals von Menschen entwickelt wurden. Sie umfassen Menschen (viele), Maschinen (vielfältig) und Software (Tonnen). Die Perspektive, die ich kürzlich in Bezug auf DDMRP veröffentlicht habe, hat eine ziemlich lebhafte Diskussion ausgelöst. Dies hat mich dazu gebracht, über die grundlegenden Unterschiede zwischen dem Quantitativen Supply Chain Management (QSCM) und DDMRP weiter nachzudenken. Im Kern sind diese beiden Visionen sich in der Rolle der Menschen in Lieferketten grundlegend uneinig.

QSCM ist fest in der klassischen IBM-Vision verankert:

Maschinen sollten arbeiten; Menschen sollten denken;

Im Gegensatz dazu nimmt DDMRP eine Massenbildungshaltung ein, die am besten durch ihr Motto zusammengefasst wird:

Für Menschen, nicht für Perfektion, entwickelt;

Obwohl die philosophische Haltung gegenüber Menschen in Lieferketten nicht alle Unterschiede zwischen QSCM und DDMRP erklärt, beleuchtet sie, warum diese beiden Perspektiven in gewissem Maße unvereinbar sind.

Knappheit vs. Überfluss an Lieferkettenpraktikern

Lieferkettenpraktiker werden sowohl von DDMRP als auch von QSCM als wertvolle Ressource für das Unternehmen anerkannt. Die beiden Ansätze unterscheiden sich jedoch stark darin, wie dieser Aspekt in ihre jeweilige Methodik einfließt.

QSCM geht von der Hypothese aus, dass jede banale Entscheidung in der Lieferkette automatisiert werden sollte¹. Diese Perspektive betont, dass kompetente Lieferkettenpraktiker als zu selten und zu teuer angesehen werden, um ihre Zeit mit der Generierung von Bestands-, Einkaufs- oder Preisentscheidungen zu verbringen. All diese Entscheidungen können und sollten automatisiert werden, damit sich die Praktiker auf die Verbesserung des numerischen Rezepts selbst konzentrieren können. Aus finanzieller Sicht wandelt QSCM diese Gehälter von OPEX, wo Personentage verbraucht werden, um das System am Laufen zu halten, in CAPEX um, wo Personentage in die fortlaufende Verbesserung des Systems investiert werden.

Der DDMRP-Ansatz geht davon aus, dass kompetente Lieferkettenpraktiker in Massen geschult werden können², was sowohl die Kosten für den Arbeitgeber senkt als auch den Busfaktor verringert, der mit dem Ausscheiden eines Mitarbeiters verbunden ist. Durch die Annahme numerischer Rezepte, die speziell für die menschliche Verarbeitung entwickelt wurden, können auch die OPEX-Investitionen reduziert werden. DDMRP etabliert einen Prozess zur Generierung banaler Entscheidungen in der Lieferkette, aber die vollständige Automatisierung ist größtenteils kein Ziel³, obwohl DDMRP Automatisierung nicht abgeneigt ist, wenn sich die Gelegenheit ergibt.

Interessanterweise lässt sich in gewissem Maße beobachten, ob die Branche eher die QSCM-Perspektive oder die DDMRP-Perspektive verfolgt. Wenn die QSCM-Perspektive breiter angenommen wird, werden sich Supply Chain Management Teams weiterentwickeln und mehr wie andere “Talent”-Branchen, z.B. Finanzwesen mit ihren quantitativen Händlern, werden, wo einige außergewöhnlich talentierte Einzelpersonen die Leistung großer Unternehmen antreiben. Wenn hingegen die DDMRP-Perspektive breiter angenommen wird, werden sich Supply Chain Management Teams weiterentwickeln und mehr wie erfolgreiche Franchise-Unternehmen, z.B. Starbucks-Filialleiter, werden, wo außergewöhnliche Einzelpersonen wenig Einfluss auf das System haben, aber eine überlegene Kultur den Unterschied zwischen Unternehmen ausmacht.

Lokale vs. globale Transparenz

Sowohl QSCM als auch DDMRP streben danach, den Black-Box-Effekt zu vermeiden, der jedem Versuch der Optimierung eines komplexen Systems innewohnt. Beide Ansätze legen Wert auf die Idee, ein gewisses Maß an Transparenz in der Lieferkette zu erreichen. Aufgrund unterschiedlicher Ausgangsannahmen haben beide Ansätze jedoch völlig unterschiedliche Perspektiven darauf, was Transparenz bedeutet.

Aus der QSCM-Perspektive muss Transparenz in erster Linie auf der Management-Ebene durch explizit quantifizierte wirtschaftliche Treiber⁴ erreicht werden. Jede Entscheidung, die vom System getroffen wird, sollte von einer Reihe von Treibern unterstützt werden - gemessen in monetären Beträgen (z.B. Dollar) -, die warum diese Entscheidung vorgelegt wird, motivieren. Zum Beispiel wird eine Einkaufsentscheidung durch den zusätzlichen Gewinn motiviert, der durch das Vorhandensein eines zusätzlichen Lagerbestands generiert wird (anstatt keines), aber auch negativ beeinflusst durch Lagerhaltungskosten und ein erhöhtes Risiko von Lagerbestandsabschreibungen. Das Management hat die Kontrolle über die wirtschaftlichen Treiber und auf Systemebene ist QSCM sehr transparent: Das System rollt lediglich im großen Maßstab die komplexen, aber alltäglichen Auswirkungen dieser Treiber aus. Der Nachteil einer solchen systemweiten Optimierung besteht jedoch darin, dass das Entschlüsseln des Kleingedruckten einer bestimmten Entscheidung kompliziert ist, genau weil jede Entscheidung ein komplexes Gleichgewicht vieler Treiber ist, die gegen viele mögliche Zukunftsszenarien bewertet werden.

Aus der DDMRP-Perspektive ist die Transparenz auf der operativen Ebene beabsichtigt und wird auch geliefert. Die Einfachheit der numerischen Rezepte stellt sicher, dass jede Entscheidung einfach dadurch als korrekt bewertet werden kann, indem man “guesstimated”, was das Ergebnis sein sollte. Auch das Nachvollziehen der Berechnungen in einer Tabellenkalkulation bleibt immer möglich. Darüber hinaus mildert DDMRP durch Prioritätslisten die inhärente Komplexität von Lieferketten, indem es einen Aufmerksamkeitsmechanismus für Supply Chain-Praktiker bereitstellt, damit sie nicht ständig alle SKUs manuell überprüfen müssen. Der Nachteil einer lokalen Optimierungsstrategie wie sie von DDMRP angeboten wird, besteht jedoch darin, dass die systemweiten Ergebnisse, wenn sie in monetären Beträgen gemessen werden, undurchsichtig sind. Zum Beispiel bietet DDMRP dem Management keine Kontrolle, um einen systemischen Kompromiss wie Widerstandsfähigkeit vs. Wachstum⁵ anzupassen, wenn das Risiko eines plötzlichen Verlusts eines großen und wachsenden Kunden, der bisher verschiedene Produkte in verschiedenen Mengen bestellt hat, in Betracht gezogen wird.

Es ist nicht möglich, sowohl lokale als auch globale Transparenz zu haben: Entweder werden Entscheidungen lokal optimiert (wie bei DDMRP) mit einfachen numerischen Rezepten, in diesem Fall gibt es keine Kontrolle und keine Transparenz darüber, was auf Systemebene passiert; oder Entscheidungen werden global optimiert, in diesem Fall neigen alle Entscheidungen dazu, numerisch verflochten zu sein, wie es bei QSCM der Fall ist, was jeden Versuch, Transparenz zu erreichen, während man eine Entscheidung isoliert trifft, erschwert.