Jenseits der Zeitreihen

Joannes Vermorel

Wenn alles, was du hast, ein Hammer ist, sieht alles wie ein Nagel aus. Der Hammer, der von der Supply-Chain-Community lange bevorzugt wurde, sind Zeitreihen und daher sehen in Supply-Chain-Kreisen alle Probleme wie Zeitreihenprognosen aus. Die Versuchung zu hämmern wird durch die umfangreiche Literatur verstärkt, die über Zeitreihenprognosen jenseits von Anwendungsfällen in der Supply Chain existiert. Es ist nicht nur der Hammer, den wir bereits haben: Wir befinden uns auch mitten in einer ganzen Einkaufsmall voller glänzender Hämmer in allen Formen, Größen und Farben.

Zeitreihen sind jedoch weitgehend ungeeignet, um vernünftig etwas anderes als vielleicht die einfachsten Situationen in der Supply Chain zu modellieren. Als Ergebnis werden die besten Zeitreihenprognosen, egal wie genau sie sind, routinemäßig von den banalen Aspekten der Supply Chains besiegt. Doch wenn wir mit diesen Situationen konfrontiert werden, ist die instinktive Reaktion der Community - der Unternehmen, die Supply Chains betreiben, ihrer Softwareanbieter und der Professoren, die Supply Chain unterrichten - nach genaueren Prognosen zu suchen. Schließlich, was könnte es außer genaueren Prognosen geben?

Der schwierigste Schritt, um mental aus der Zeitreihen-Box auszubrechen, besteht darin, die Existenz des Problems selbst - d.h. die Begrenzung der Zeitreihen selbst - anzuerkennen, ohne (noch) eine alternative Lösung präsentieren zu können. Tatsächlich zeigt uns die Geschichte der Wissenschaft, dass Probleme tendenziell “undenkbar” sind, bis eine Lösung gefunden wird. Probleme ohne Lösungen¹ werden in der Regel als irrelevant abgetan. Leider können wir, wenn wir nicht davon ausgehen, dass eine Lösung existieren könnte, nicht einmal mit der Suche nach einer beginnen.

Werfen wir einen genaueren Blick auf die Perspektive der Zeitreihen und ihre Anwendungsfälle in der Supply Chain. Bisher habe ich drei Supply-Chain-Personae namens Paris, Miami und Amsterdam vorgestellt (weitere werden folgen). Diese Personae stellen fiktive, aber realistische Darstellungen von realen Supply Chains dar. Können Zeitreihen verwendet werden, um etwas vage Ähnliches wie die “Nachfrage” in einer dieser drei Situationen widerzuspiegeln? Für jede dieser drei Situationen lautet die Antwort negativ:

• Paris, ein Mode-Netzwerk, beinhaltet massive Substitutions- und Kannibalisierungseffekte. Das Wesen des Mechanismus, der im Spiel ist, die vage Wahrnehmung der Kunden des Sortiments als Ganzes, geht verloren, wenn Zeitreihen übernommen werden.
• Miami, ein Luftfahrt MRO, beinhaltet AOG (Flugzeug am Boden)-Vorfälle, bei denen ein fehlendes Teil dazu führt, dass das gesamte Flugzeug am Boden bleibt. Sowohl AOGs als auch der zyklische Charakter der Teilreparaturen gehen ebenfalls verloren, wenn eine Zeitreihenprognose übernommen wird.
• Amsterdam, eine Käsemarke, ist sowohl auf der Angebotsseite als auch auf der Nachfrageseite streng eingeschränkt. Daher können sowohl Angebot als auch Nachfrage möglicherweise als Zeitreihen dargestellt werden, aber die interessanten Teile finden zwischen diesen Serien statt.

Dennoch sind Supply-Chain-Lehrbücher voll von “Beispielen”, die Zeitreihenanalyse und Zeitreihenprognosen beinhalten. Die Gültigkeit dieser Beispiele ist jedoch bedenklich. Diese Beispiele zeigen nichtssagende Unternehmen, die zufällig “etwas” produzieren und/oder verkaufen, ohne genaue Angaben zu machen. Doch der Teufel steckt im Detail. Sobald wir die Feinheiten aufdecken, wie es bei den oben genannten Supply-Chain-Personae der Fall ist, wird deutlich, dass die Zeitreihenperspektive im Wesentlichen eine Sammlung von Spielproblemen ist, die Studenten und Professoren beschäftigen, aber für den realen Einsatz nicht wirklich geeignet sind.

Die Zeitreihenperspektive ist eine der Hauptursachen², die erklärt, warum in Supply Chains trotz der Verfügbarkeit von “Advanced Planning Systems” (APS) seit drei Jahrzehnten in den meisten großen Unternehmen weiterhin Tabellenkalkulationsprogramme verwendet werden. Supply-Chain-Praktiker greifen auf ihre Tabellenkalkulationen zurück, weil das APS sie im Stich lässt.

Der spezielle Fall der Prognosegenauigkeit ist interessant. Praktiker sind nicht in der Lage, die Genauigkeit des APS zu übertreffen (außer vielleicht bei den wirklich dysfunktionalen). Das ist seit Jahrzehnten der Fall. Schon in den 1990er Jahren haben vernünftig abgestimmte parametrische Zeitreihenmodelle die Genauigkeit von Menschen übertroffen. Die Zurückhaltung der Supply-Chain-Praktiker, ihre Tabellenkalkulationen aufzugeben, kann nicht allein mit ihrer Abneigung gegen Veränderungen über drei Jahrzehnte erklärt werden.

Ein grundlegendes Designproblem liegt in den APS selbst, wie zum Beispiel die Ausrichtung der gesamten Software auf Zeitreihen, was nicht zum Problem passt - bietet eine viel einfachere und überzeugendere Erklärung. Doch damit stellt sich die Frage, warum so viele Unternehmen APS (häufig mehrere) übernommen haben, wenn APS so wenig liefert.

Diese gegenintuitive Situation ist ein Fall des Straßenlichteffekts.

Zeitreihen versagen in Supply Chains und dennoch halten Praktiker und ihre Führungskräfte häufig die Standard-Meinung, dass die Zeitreihenperspektive das ist, was sie tatsächlich brauchen; trotz ihres täglichen Arbeitsablaufs und der in ihren Tabellenkalkulationen implementierten Heuristiken, die dieser Meinung widersprechen. Darüber hinaus werden Bedenken hinsichtlich der Datenvisualisierung oft mit Bedenken hinsichtlich der Datenmodellierung vermischt. Egal welche Modellierungsperspektive gewählt wird, Zeitreihen sind ein Visualisierungsmechanismus, der wahrscheinlich erhalten bleibt, da die menschliche Wahrnehmung größtenteils zweidimensional ist und die meisten Supply-Chain-Angelegenheiten die Zeit als interessante Dimension beinhalten. Nur weil ein Ansatz für die Visualisierung gut ist, bedeutet das nicht automatisch, dass seine Vorteile auch auf die Modellierung übertragen werden.

Die reinste Form des Zeitreihenparadigmas in der Supply Chain ist wahrscheinlich Flowcasting, bei dem die gesamte Supply Chain als Sammlung von Zeitreihen dargestellt wird. Basierend auf Gesprächen mit Supply-Chain-Direktoren scheint Flowcasting jedes Mal gescheitert zu sein, wenn es versucht wurde. Die Fokussierung auf Zeitreihen war offensichtlich ein erschwerender Faktor.

Bisher wurde in diesem Beitrag keine Alternative zu Zeitreihen und Zeitreihenprognosen vorgeschlagen. Doch das ist der Kern des Straßenlichteffekts: Sobald man weiß, dass man nicht am richtigen Ort sucht, sollte man woanders suchen, egal wie dunkel diese anderen Orte sein mögen.

In meiner Reihe von Supply-Chain-Vorlesungen werde ich nach und nach Elemente einführen, um über das Zeitreihenparadigma hinauszugehen. Diese Elemente spiegeln die Richtungen wider, die Lokad vor Jahren eingeschlagen hat. Ich lade jedoch meine Leser ein, sich vorzustellen, wie ihre Supply-Chain-Praxis aussehen könnte, wenn sie jenseits der Einschränkungen des Zeitreihenparadigmas arbeiten würden.