Einer der sichersten Wege zum Scheitern im supply chain management ist die Denkweise „Lerne zu gehen, bevor du läufst“. Diese Analogie führt in die Irre, da sie Fortschritt als eine Art vorgezeichnete Reise darstellt. Diese Denkweise wird als Incrementalismus bezeichnet, und für viele große Unternehmen, die äquivalent große supply chains betreiben, ist Incrementalismus eine der größten treibenden Kräfte, die jegliche Verbesserung verhindern, manchmal über einen Zeitraum von bis zu einem Jahrzehnt.

Incrementalismus ist der Fluch von supply chains

Reines Nichtstun darf nicht mit Incrementalismus verwechselt werden, da es weitaus harmloser ist. Tatsächlich erfordert Incrementalismus im Gegensatz zum Nichtstun erhebliche, fortlaufende Investitionen an Ressourcen. Darüber hinaus ist Incrementalismus eine enorme Ablenkungsquelle für das obere Management, während Nichtstun hingegen Spielraum bietet, sich um andere dringende Angelegenheiten zu kümmern.

Incrementalismus beginnt üblicherweise mit der Absicht, einen Leistungsindikator zu verbessern: die Verbesserung der Prognosegenauigkeit, die Steigerung des Service levels, die Reduzierung des Lagerbestands, die Verkürzung der Durchlaufzeit, usw. Die quantitative Natur des Indikators fundiert die Initiative als ein „rationales“ – ja sogar wissenschaftliches – Unterfangen. Um den Leistungsindikator zu verbessern, wird ein Teil der Organisation als Engpass identifiziert: die Prognose-Engine, der S&OP-Prozess, die Planungssoftware usw. Anschließend wird eine unternehmensweite Initiative ins Leben gerufen, um diesen Bereich zu verbessern.

Unternehmensweit ist die grundlegende Akzeptanz von Incrementalismus hoch. Es wird nichts in Aufruhr versetzt. Die Machtstrukturen innerhalb der Organisation bleiben unangetastet. Die Mission bleibt dieselbe. Niemand wird an den Rand gedrängt oder abgelöst. Die Messlatte wird lediglich für einen oder nur sehr wenige Leistungsindikatoren ein wenig höher gelegt. Dies könnte einige Teams unter Druck setzen, wenn das Ziel ohnehin nicht trivial erreichbar wäre, indem man anderswo Kompromisse eingeht. Zum Beispiel ist die Erhöhung der Service levels trivial, solange man die fortlaufende Entstehung von Überbeständen nicht beachtet; die Verkürzung der Lieferanten-Durchlaufzeiten ist ebenso trivial, solange man auf verspätete Preiserhöhungen nicht achtet. Teams wissen das instinktiv, was auch ihre mangelnde Resistenz erklärt.

Incrementalismus wird angetrieben von unternehmensweiten Silos. Jedes Silo bringt seine eigene Gruppe von Experten mit, die das Problem ausschließlich aus dem durch das Silo vorgegebenen Blickwinkel betrachten:

  • Das Forecasting-Team denkt in Bezug auf die Prognosegenauigkeit.
  • Das Einkaufs-Team denkt in Bezug auf den Einkaufspreis.
  • Das replenishment Team denkt in Bezug auf die Service levels.
  • Das Pricing-Team denkt in Bezug auf die Preiselastizität.
  • usw.

Dennoch scheitert Incrementalismus in supply chain nahezu immer. Die Blockbuster replenishment Teams haben sich höchstwahrscheinlich für ihre immer besser werdenden Service levels selbst beglückwünscht – bis zum Schluss, als Netflix sie gänzlich aus dem Geschäft drängte. Allgemeiner gesagt schlägt Incrementalismus fehl, sobald Systeme involviert sind. In der Tat sind Systeme mehr als die Summe ihrer Teile, und infolgedessen ist das, was für einen Teil des Systems gut ist, nicht zwangsläufig das, was für das System als Ganzes gut ist.

Eine Automobilanalogie ist erhellend: Ein leistungsstärkerer Motor macht ein Auto nicht besser. Ein solcher Motor fügt Gewicht hinzu und erhöht somit den Kraftstoffverbrauch, verstärkt die Beanspruchung vieler mechanischer Teile, verringert die Bremseneffizienz usw. Das beste Autodesign ist ein sorgfältiges Gleichgewicht zwischen den Teilen, nicht eine Koalition von „besseren“ Teilen1.

Eine supply chain leidet genau unter derselben Art von Problemen. Höhere Service levels bedeuten mehr Investitionen, mehr Verschwendung, mehr Überbestände, weniger inventory turns, reduzierte Agilität usw. Da supply chain Systeme tendenziell relativ intransparent sind, können die negativen Effekte, die mit einer vermeintlichen Verbesserung einhergehen, schwer erkennbar sein. Doch das Nicht-Erkennen der Nachteile schützt das Unternehmen nicht davor, die tatsächliche finanzielle Strafe für diese Nachteile zu erleiden.

Genauere Zeitreihen Prognosen könnten wünschenswert erscheinen. Trotz höherer Genauigkeit können jedoch eine ganze Reihe von Nachteilen auftreten:

  • Der verringerte Fehlerprozentsatz führt nicht zu weniger Dollar an Fehlern.
  • Die Prognosen könnten weniger numerisch stabil sein und mehr operatives Chaos verursachen.
  • Die Software könnte weniger zuverlässig sein und zu Produktionsausfällen führen.
  • Die Software könnte weniger sicher sein, was zu Cybersecurity-Unfällen führt.
  • Die Software könnte undurchsichtiger sein, was die Wartungskosten erheblich erhöht.
  • usw.

Allgemeiner gesagt scheitert Incrementalismus in supply chains, weil er dazu verleitet, „mehr vom Gleichen“ zu tun. Leider wird das supply chain Spiel von den meisten Unternehmen seit Jahrzehnten gespielt. Was immer an leicht zu erreichenden Erfolgen existierte, wurde bereits vor Jahrzehnten genutzt. Welche „linearen“ Verbesserungen auch noch möglich sind, diese sind in der Regel schwer zu erreichen und liegen meist weit über dem Punkt negativer Nettorenditen.

Im Gegenteil, Incrementalismus verkennt schwierige Probleme, egal wie wichtig sie sind:

  • Unsicherheit über die Zukunft ist irreduzibel.
  • Datenanalysen erschweren das Design der Datenbank, die sie betreibt.
  • Der Anbieter von enterprise software wird zu Misserfolg verleitet.
  • Kannibalisierungen und Substitutionen finden überall statt.

Bei den meisten wirklich schwierigen Problemen ist die ursprüngliche Basis entweder nicht vorhanden oder falsch.

Das Konzept der Durchlaufzeitprognose fehlt gänzlich in klassischen Prognosesystemen2. Infolgedessen, da Durchlaufzeiten statistisch nicht erfasst werden, gibt es im System nichts zu verbessern. So bizarr es auch klingen mag, heutzutage ignorieren die meisten Prognosesysteme in großen Unternehmen, obwohl sie komplex und sehr teuer sind, die Durchlaufzeiten. Durchlaufzeitprognosen sind das Archetypische für eine nicht existente Basis.

Im Gegensatz dazu ist es ein Selbstmordakt, in ad hoc Softwareentwicklungen zu investieren, um mit den Konstruktionsmängeln eines Softwareanbieters umzugehen. Die darüber hinaus erreichten Verbesserungen sichern den Anbieter nur weiter im Unternehmen. Je größer die Organisation, desto schwieriger wird es, mit versunkenen Kosten umzugehen. Extravagante Ausgaben für mangelhafte Lösungen treten routinemäßig auf3 als Beispiele für falsche Ausgangsbasis.

Die eine wesentliche Schwierigkeit bei nicht-incrementalen Verbesserungen ist nicht technischer, sondern gesellschaftlicher Natur. Da es besser ist, ungefähr richtig zu liegen, als genau falsch, ist es in der Regel technisch unkompliziert, ein System zumindest ein wenig zu verbessern, indem man es etwas weniger dysfunktional macht im Umgang mit etwas, das bisher völlig vernachlässigt wurde.

Nicht-incrementale Verbesserungen in supply chain sind schwer zu verkaufen, weil es niemanden gibt, an den sie verkauft werden können. Nehmen wir das Beispiel von Pricing und Planning. Es ist offensichtlich, dass eine Preisänderung die Nachfrage verändert. Wenn sich die Nachfrage ändert, muss sich auch die Planung (z. B. Produktion) ändern. Dennoch versuchen nur wenige Unternehmen, und noch weniger Softwareanbieter, dieses grundlegende Problem anzugehen, nämlich die Verflechtung von Pricing und Planning. Tatsächlich kann eine Pricing-Lösung (bzw. eine Planning-Lösung), selbst eine interne, an das Pricing-Team (bzw. an das Planning-Team) verkauft werden. Eine kombinierte Pricing+Planning-Lösung könnte jedoch nur dem CEO – oder vielleicht einem Vorstandsmitglied – verkauft werden. Leider gilt: Wenn sowohl ein Planning-Team als auch ein Pricing-Team vorhanden sind, sollten diese Themen definitionsgemäß den CEO nicht direkt betreffen, und Anliegen bezüglich Pricing+Planning werden an die zuständigen Teams weitergeleitet, um hastig als weder in die Verantwortung des Pricing-Teams noch in die des Planning-Teams fallend verworfen zu werden.


  1. Manchmal ist es möglich, einen Teil zu verbessern, ohne etwas anderes zu verschlechtern. Solche Verbesserungen sind sehr wünschenswert, denn wenn sie eintreten, erhält das Gesamtsystem einen „freien Vorteil“. Zum Beispiel erzielt das 2021 vorgestellte Papier automemcpy: A framework for automatic generation of fundamental memory operations genau dies: Die gesamte Computerausrüstung von Google erhielt eine Leistungssteigerung um 1% durch die Neuentwicklung von 3 Speicher-Manipulations-Primitiven. Leider sind derartige in sich geschlossene Verbesserungen sehr schwer zu erreichen. ↩︎

  2. Regelbasierte Systeme zur Bewältigung von Durchlaufzeiten zählen in meinen Augen nicht als etwas statistisch Signifikantes, was die Prognose von Durchlaufzeiten betrifft. ↩︎

  3. Zwischen 2011 und 2018 hat Lidl berüchtig 500M€ verschwendet, um die Lagerauffüllungslösung von SAP zu reparieren. Solche Ergebnisse sind häufig, werden jedoch selten der breiten Öffentlichkeit zugänglich gemacht (obwohl Lidls Abenteuer aufgrund seines Ausmaßes in die Mainstream-Nachrichten gelangte), da sie gleichermaßen peinlich für den Anbieter und das Management des Kunden sind. ↩︎