Natürliche Dummheit vs. Künstliche Intelligenz
Transkript des Vortrags von Joannes Vermorel auf der SCTech 2024 am 9. Oktober (2024). Symposiumsthema: ‘supply chain Intelligenz – Künstlich oder nicht’. Die Veranstaltung wurde von der Interational Supply Chain Education Alliance (ISCEA) organisiert.
KI war 2024 das Schlagwort. Anbieter, Softwarefirmen und Berater machen nun gleichermaßen grandiose Behauptungen über all die Vorteile, die von künstlicher Intelligenz erwartet werden können. Lokad, mein Unternehmen, ist einer dieser Anbieter, ein Softwareanbieter, der sich auf die prädiktive Optimierung der supply chain spezialisiert hat. Mein Ziel heute ist es jedoch zu zeigen, dass die nahezu gesamte Masse dieser KI-Initiativen scheitern und zu Nettoverlusten für Unternehmen führen wird. Dieser konträre Standpunkt ist wesentlich: Warum? Weil, nun ja, deine KI-Initiative scheitern wird, ja, das wird sie, ungeachtet dessen, was meine Konkurrenten dir verkaufen, und wenn sie scheitert, wirst du dich daran erinnern, dass es einen Kerl mit einem lustigen französischen Akzent gab, der dir das gesagt hat; und vielleicht achtest du beim nächsten Mal darauf, was sein Unternehmen, Lokad, in Bezug auf supply chain und KI tatsächlich befürwortet.
In diesem Zeitalter der aufkommenden künstlichen Intelligenz wollen wir einen Blick auf deren Gegenspieler werfen: die natürliche Dummheit. Einstein sagte berühmterweise: “Zwei Dinge sind unendlich, das Universum und die menschliche Dummheit, und beim Universum bin ich mir noch nicht ganz sicher.” Einstein hatte recht: Die Bedeutung der natürlichen Dummheit kann nicht hoch genug eingeschätzt werden, und im Gegensatz zur KI gibt es sie schon praktisch seit jeher. Daher kann man mit Fug und Recht davon ausgehen, dass sie uns auch in einigen Jahrzehnten noch begleiten wird.
Mein heutiger Vorschlag wird ebenso einfach wie beleidigend sein: Natürliche Dummheit ist das größte Hindernis, das dich daran hindern wird, mit deinem KI-getriebenen supply chain Vorhaben Erfolg zu haben.
Diese Aussage wird höchstwahrscheinlich als empörend arrogant wahrgenommen werden. Zu meiner Verteidigung möchte ich sagen, dass das sie nicht weniger wahr macht, und dass Arroganz auch der zweitgrößte Nationalsport in Frankreich ist, gleich nach der Bürokratie. Ernster gesagt, gebe ich als Erster zu, dass es eine bittere Pille zum Schlucken ist, da ich mir meiner eigenen Grenzen schmerzlich bewusst bin, aber das Verleugnen des Problems wird nichts lösen.
Lassen Sie uns zunächst einen wichtigen Unterschied zwischen zwei Klassen von Unternehmenssoftware klären: den Records-Systemen und den Intelligence-Systemen. Im Bereich der supply chain sind die Records-Systeme die Buchhalter des Flusses physischer Güter. Diese Systeme erfassen die Produkte, die Bestellungen, die Fertigungsaufträge, die Verkaufsaufträge, die Lagerbestände usw. Die Records-Systeme kümmern sich um alle lästigen Dateneingaben und automatisieren alle administrativen Aufgaben, wie beispielsweise die Inventarzusammenfassung. Sie sind nichts weiter als billigere, zuverlässigere Versionen der alten Papierprozesse. ERP, CRM, PIM, PLM, WMS … all diese maximal undurchsichtigen Akronyme beziehen sich auf Records-Systeme. Records-Systeme sind kategorisch nicht intelligent. Sie sind auch nicht dumm: Intelligenz trifft auf sie nicht zu. Daher werden Records-Systeme in der heutigen Diskussion vollständig außen vor gelassen.
Heute werde ich mich ausschließlich auf Intelligence-Systeme konzentrieren. Ein Intelligence-System ist eine Art von Unternehmenssoftware, die dazu bestimmt ist, einen Entscheidungsprozess zu automatisieren. Je intelligenter die Software, desto besser die Entscheidungen. Beispielsweise waren Antispam-Filter diskrete, aber allgegenwärtige Intelligence-Systeme, die in den letzten zwei Jahrzehnten in Ihrem Auftrag darüber entschieden haben, welche Nachrichten Ihre Aufmerksamkeit wert waren.
In der supply chain betreffen die relevanten Entscheidungen: Wann einkaufen? Wie viel einkaufen? Wie viel produzieren? Wie viel zuteilen? Usw. Die Optimierung des Flusses physischer Güter erfordert täglich etwa ein Dutzend grundlegender Entscheidungsklassen. Intelligenz zeigt sich darin, profitable Entscheidungen zu treffen. Im Gegensatz dazu zeigt sich Dummheit darin, es nicht zu schaffen, profitable Entscheidungen zu treffen. Daher muss, wann immer von künstlicher Intelligenz die Rede ist, verstanden werden, dass sie eine Komponente eines Intelligence-Systems ist.
Meine These lautet, dass Intelligence-Systeme, die sich der supply chain widmen und seit Ende der 1970er Jahre an Unternehmen verkauft werden, eine ununterbrochene Reihe trauriger Misserfolge aufgebaut haben. Lokad, mein Unternehmen, beendete diesen ununterbrochenen Strom von Misserfolgen in den frühen 2010er Jahren. Weltweit gibt es einige ähnliche Ausnahmen, jedoch liegt Lokad, wie diese Ausnahmen, außerhalb des Rahmens dieses Vortrags. Ich lade das Publikum ein, die Website Lokad.com und den Lokad TV YouTube-Kanal zu besuchen, wenn Sie mehr erfahren möchten. Zurück zum eigentlichen Thema: Die Tatsache, dass künstliche Intelligenz, in Form von Large Language Models (LLMs) geliefert, verfügbar ist, wird an diesem Trend der supply chain Misserfolge nichts ändern. Tatsächlich, wie wir sehen werden, wurden diese Misserfolge nicht durch fehlende technologische Instrumente verursacht, und daher wird das Hinzufügen weiterer Instrumente an sich nichts ändern, sofern wir nicht zuerst das zugrunde liegende Problem angehen. Leider ist dies keine leichte Aufgabe, da das zugrunde liegende Problem die natürliche Dummheit ist.
Zunächst möchte ich die Gültigkeit meiner Diagnose demonstrieren. Bereits 1979 veröffentlichte Russell Ackoff, ein amerikanischer Pionier der Operations Research, das Papier “The Future of Operational Research is Past”. Dieses faszinierende Papier erklärt mit großer Klarheit, warum all die Techniken, die aus dem Operations Research hervorgegangen sind – was heute nahezu das gesamte Kernstück der supply chain umfasst – scheitern, warum das gesamte Gebiet fehlerhaft ist und warum es weiterhin scheitern wird, solange die Gemeinschaft, sowohl Akademiker als auch Praktiker, sich nicht mit diesem fehlerhaften Paradigma auseinandersetzt. Dies ist ein visionäres Papier und wahrscheinlich das eine Papier, das ich gerne gelesen hätte, als ich 2008 mit Lokad begann. Leider habe ich dieses Papier erst ein Jahrzehnt später wiederentdeckt, als ich im Wesentlichen zu denselben Schlussfolgerungen gelangt war, fast vier Jahrzehnte nach der Arbeit von Russell Ackoff. Wie wissen wir, dass diese Intelligence-Systeme für supply chain scheitern? Dass die Unternehmenssoftware, die als supply chain optimization gilt, scheitert? Nun, nachdem ich in meiner Karriere die Gelegenheit hatte, mit über zweihundert supply chain Direktoren auf beiden Seiten des Atlantiks zu sprechen, kann ich Folgendes feststellen: All diese Unternehmenssoftwareprodukte haben unweigerlich dazu geführt, dass die supply chain Teams wieder auf Excel-Tabellen zurückgegriffen haben.
Es mangelt nicht an Unternehmenssoftware, die verspricht, den Entscheidungsfindungsprozess in der supply chain zu automatisieren. Dies war das zentrale Versprechen aller Softwareanbieter, die sich seit Ende der 1970er Jahre mit supply chain optimization beschäftigen, und dennoch griffen die supply chain Teams nach jeder einzelnen Implementierung wieder auf Tabellen zurück. Sie müssen mir nicht glauben. Wenn Sie zufällig in einem beträchtlichen Unternehmen arbeiten, sagen wir, mit einem Umsatz von einer halben Milliarde Euro und mehr, kann ich garantieren, dass es seit den 1990er Jahren mindestens einen gescheiterten Versuch pro Jahrzehnt gab, eine solche Lösung zu implementieren. Doch, liebe supply chain Praktiker, ihr benutzt immer noch Tabellen, und das nicht, weil euer Unternehmen unreif ist oder eure Kollegen faul sind. Ihr benutzt immer noch Tabellen, weil diese Unternehmenssoftwareanbieter gescheitert sind, weil ihre Intelligence-Systeme versagt haben. Meine These – und ich werde heute nicht viele Freunde gewinnen – ist, dass diese Misserfolge der natürlichen Dummheit zuzuschreiben sind, nämlich genau der Art von Dummheit, die Russell Ackoff bereits 1979 nach Jahrzehnten der Beiträge im Bereich des Operations Research so klar benannte.
Um diese These zu demonstrieren, werde ich 4 Objekte untersuchen, die im Kontext der supply chain nachweislich dumm sind. Diese 4 Objekte sind: RFPs (Request for Proposals), time-series, safety stocks, und service levels. Jedes Unternehmen, das eines dieser 4 Objekte einsetzt, stellt sich selbst auf Erfolgskurs des Scheiterns. Es spielt keine Rolle, wie viel “KI” in den Fall hineingestopft wird. Natürliche Dummheit kann nicht durch künstliche Intelligenz besiegt werden.
Beginnen wir mit den Request for Proposals. Die Auswahl des richtigen Anbieters ist offensichtlich entscheidend, da es eindeutig keinen Mangel an völlig inkompetenten Softwareanbietern gibt, die mehr als glücklich sind, Millionen Euro an Gebühren für miserable Technologien zu kassieren. Daher werden Sie, sofern Ihr Unternehmen keinen sehr robusten Prozess zur Anbieterauswahl hat, fast sicher mit einem inkompetenten Anbieter enden. Allerdings sind RFPs nicht der Weg.
Als Softwareanbieter, der diese erhält – wir bekommen mehrere RFPs pro Woche – kann ich bestätigen, dass diese Dokumente nicht nur durchweg dumm, sondern regelrecht wahnsinnig sind. In der Regel enthält ein RFP Hunderte von Fragen. Jede Frage scheint darum zu konkurrieren, die irrelevanteste Frage aller Zeiten zu sein. Zum Beispiel war letzte Woche eine der Fragen: Welche feuerfesten Eigenschaften sind für den Lagerraum vorhanden, der Ihrem Faxarchiv gewidmet ist? Wir befinden uns im Jahr 2024; ich habe seit zwei Jahrzehnten kein Fax mehr benutzt. Tatsächlich wissen einige der jüngeren Personen in diesem Publikum vielleicht nicht einmal, was ein Fax ist.
Allerdings sind auch die supply chain bezogenen Fragen dumm. Warum? Weil die nahezu Gesamtheit der Fragen gar keine Fragen sind, sondern strikte Anforderungen. Die meisten “Fragen” sehen so aus: Ist Ihre Software in der Lage, Benutzern zu ermöglichen, seasonality Profile bis zu 36 Monate im Voraus zu aktualisieren? An dieser Frage stimmt so vieles nicht, dass ich gar nicht weiß, wo ich anfangen soll.
Stellen Sie sich vor, Sie schreiben ein RFP, um ein Smartphone zu kaufen. Sie haben das intuitive Gefühl, dass das iPhone das beste Smartphone ist, das es gibt. Allerdings beginnen Sie, in Ihrem RFP Anforderungen aufzulisten, wie zum Beispiel die Größe des Akkus, das Material für das Display, oder die genauen Einstellungen, die dem Endnutzer zur Verfügung stehen sollen oder nicht. Wie stehen die Chancen, dass Ihre Liste von Anforderungen letztlich das iPhone von der Ausschreibung ausschließt? Bei 100 oder mehr Fragen sind die Chancen 100%. Sie werden unweigerlich all die anständigen Anbieter ausschließen. Die einzigen Anbieter, die dieses dumme Spiel spielen, sind die, die so verzweifelt sind, weil ihre Technologie so mangelhaft ist, dass sie keine Wahl haben, als JA zu jeder fehlgeleiteten Anforderung des Kunden zu sagen.
Somit sind RFPs das erste Element der natürlichen Dummheit, das verschwinden muss.
Als nächstes haben wir Zeitreihen. Oh, ich bestreite nicht, dass Zeitreihen gut für Visualisierungszwecke sind, aber für supply chain optimization Zwecke ist das dumm. Folglich ist jede Lösung, jedes Framework oder jede Technologie, die Zeitreihen in den Vordergrund stellt, zum Scheitern verurteilt; nur dass dieses Scheitern an Ihnen liegen wird, weil Sie hätten erkennen müssen, dass die Verwendung von Zeitreihen von Anfang an eine dumme Idee war.
In der Tat sind Zeitreihen als mathematisches Modell schlichtweg nicht in der Lage, die Informationen zu vermitteln, die wir benötigen. Zeitreihen sind eindimensional, und für die supply chain reicht das einfach nicht aus. Nehmen wir zum Beispiel ein Unternehmen, das seit Jahren jede Woche 100 Einheiten – mehr oder weniger – verkauft. Die Nachfrage erscheint äußerst stabil. Betrachten wir nun zwei Varianten dieser Situation. In der ersten Situation hat das Unternehmen 1000 Kunden, von denen jeder Kunde alle 10 Wochen 1 Einheit kauft. In der zweiten Situation hat das Unternehmen 1 einziger Kunde, der 100 Einheiten pro Woche kauft. Wie groß sind die Chancen, dass die Verkäufe in der nächsten Woche auf null sinken und für immer auf null bleiben? Nun, in der ersten Situation sind diese Chancen sehr gering. Schließlich gibt es 1000 Kunden. Alle zu verlieren würde höchstwahrscheinlich Zeit in Anspruch nehmen. In der zweiten Situation reicht es jedoch, wenn ein Kunde seine Meinung ändert, um 100 % der Verkäufe zu verlieren. Diese beiden Situationen sind nicht gleich, und dennoch haben sie dieselben Zeitreihen.
Dieses Beispiel zeigt, warum Zeitreihen nicht geeignet sind, die Vergangenheit darzustellen. Dutzende weitere Beispiele lassen sich finden. Ich überlasse das der Aufgabe für das Publikum.
Allerdings schneiden Zeitreihen auch nicht besser ab, wenn wir in die Zukunft blicken. Ihre Zeitreihen besagen “das wird passieren” oder “das ist die einzige Zukunft”. Die Zukunft hängt jedoch von Entscheidungen ab, die noch nicht getroffen wurden. Zeitreihen ignorieren dies vollständig und behandeln die Zukunft als völlig symmetrisch zur Vergangenheit. supply chains sind jedoch nicht die Physik. Wir können die zukünftige Nachfrage eines Produkts nicht so betrachten, als wäre es die Bewegung des Planeten Mars. Die Zukunft unterscheidet sich radikal von der Vergangenheit, weil wir die Zukunft verändern können.
Wir können die Zukunft jedoch nur verändern, wenn wir bereit sind, sie zu verändern, das heißt, wenn wir bereit sind, die Zeitreihen nicht mehr zu verwenden. Erneut: In der supply chain kann keine Menge an künstlicher Intelligenz die mit Zeitreihen verbundene natürliche Dummheit rückgängig machen.
Wenden wir uns nun den safety stocks zu. Dies ist eine der Säulen der modernen supply chain Theorie. Es gibt kaum ein supply chain Lehrbuch der quantitativen Art, das safety stocks nicht behandelt. Safety stocks sind auch die grundlegende Funktion, die jede angeblich anständige supply chain optimization Software bieten soll. Dennoch lautet meine These – und das sollte an diesem Punkt nicht allzu überraschend sein – dass safety stocks dumm sind.
Der Grund ist äußerst einfach: Safety stock-Formeln sind die richtige Antwort auf die falsche Frage. Betrachten wir eine supply chain, die stets Tausende von SKUs (stock keeping units) umfasst. Wenn Sie 1 € in Inventar investieren, lautet die Frage: “Was ist die Inventareinheit über alle SKUs hinweg, die meine Gewinne maximiert?” Es macht keinen Sinn, die Frage so zu formulieren: “Sollte gerade diese eine SKU eine zusätzliche Einheit vorrätig haben?” Alle SKUs konkurrieren um dieselbe knappe Ressource: das Kapital des Unternehmens. Alle SKUs isoliert zu betrachten, ist, als ob man annimmt, dass der dem Unternehmen zur Verfügung stehende Bargeldbestand unendlich wäre.
Zudem ist die eigentliche Definition der Volkswirtschaftslehre die Wissenschaft, die die Zuteilung knapper Ressourcen untersucht, die alternative Verwendungsmöglichkeiten haben. Das Konzept der safety stocks widerspricht der elementaren Ökonomie, genauer gesagt widerspricht es der eigentlichen Definition der Volkswirtschaftslehre.
Betrachtet man das Ausmaß des Fehlers, den Sicherheitsbestände darstellen, ist es völlig unzureichend, diesen Fehler als fehlgeleitet zu bezeichnen – wir haben jetzt einen viel besseren Ausdruck für diese Art von Fehlern: dumm sein.
Zum Schluss betrachten wir Servicelevels. Wenn ich jedes Mal 1€ verdienen könnte, wenn ein Unternehmen einen Servicelevel dazu nutzt, sich selbst wirtschaftlichen Schaden zuzufügen, wäre ich inzwischen Milliardär. In supply chain ist der Servicelevel die Wahrscheinlichkeit, dass ein bestimmter SKU im nächsten Inventurzyklus keinen Lagerengpass erlebt. Als deskriptive Statistik sind Servicelevels in Ordnung – sie sind weder intelligent noch dumm, wie jeder andere einfache statistische Indikator.
Die Dummheit zeigt sich erst, wenn Menschen beginnen anzunehmen, dass der Servicelevel – dieser Prozentsatz – in irgendeiner Weise mit der Kundenzufriedenheit oder der Rentabilität des Unternehmens zusammenhängt. Das ist nicht der Fall. Betrachten wir die Mode: Um Platz für die nächste Kollektion zu schaffen, muss das Unternehmen die vorherige Kollektion liquidieren. Die Servicelevels auf null zu senken, ist notwendig, um Neuheiten zu bieten und die Kunden zufriedenzustellen.
Umgekehrt betrachten wir die Luftfahrt. Ein typischer Jetliner besteht aus etwa 300.000 verschiedenen Teilen. Zehntausende von Teilen müssen routinemäßig inspiziert und ersetzt werden. Wenn ein einziges NO-GO-Teil nicht verfügbar ist, wird das Flugzeug am Boden gehalten, was täglich Hunderttausende von Euro wirtschaftlichen Schaden verursacht. Ein Servicelevel von 99% bei all Ihren SKUs bedeutet nichts: Es zählt nur die Wahrscheinlichkeit, dass das Flugzeug nicht am Boden bleibt. Es ist das schwächste Glied, das die Anzahl der AOG (aircraft on ground)-Vorfälle bestimmt. Der durchschnittliche Servicelevel ist völlig irrelevant.
Ähnliche Probleme gibt es in jeder Branche, nicht nur in der Mode und der Luftfahrt. Noch einmal überlasse ich dies diesem Publikum als Übung. Elementare Logik besagt, dass nur Dummköpfe Servicelevels nachjagen würden, und doch sind wir hier, während die meisten Unternehmen genau das tun und ihre Manager sich fragen, ob sie in einige KI-gestützte Technologien zur Optimierung des Servicelevels investieren sollten.
Abschließend wird künstliche Intelligenz Sie nicht vor lächerlichen supply chain Theorien retten. Sie wird Sie nicht vor Beratern bewahren, deren einzige Kompetenz Showmanship und ihre Fähigkeit ist, Vertrauen zu erwecken. Sie wird Sie nicht vor Softwareanbietern schützen, die mehr als bereit sind, Ihnen jedweden Wahnsinn zu verkaufen, der heute gerade in Mode ist.
Um mit künstlicher Intelligenz erfolgreich zu sein, muss zuerst die natürliche Dummheit überwunden werden. Im großen Gesamtbild wird mein Unternehmen, Lokad, nicht erfolgreich sein; aber wenn wir einen kleinen Eindruck im Problem hinterlassen können, indem wir die weit verbreiteten dummen Ideen der supply chain, wie ich es heute getan habe, aufzeigen, dann ist das bereits ein Schritt zum Sieg.
