Ausrichtung und Entscheidungen in modernen Supply Chains

Joannes Vermorel

Immer wenn ich mit Supply Chain-Führungskräften spreche, fällt mir auf, wie viele verschiedene „Theorien von Allem“ ihnen angeboten werden. Einige betonen Prozesse, andere Technologie, Beziehungen oder Kultur. Unter den ernsthaften Beiträgern zu diesem Feld sticht John Gattorna heraus. Seine Arbeit zur dynamischen Ausrichtung, zum Kundenverhalten und zu maßgeschneiderten supply chains hat eine Generation von Praktikern beeinflusst, besonders in Australien und Europa. Seine Sprache ist ganz anders als meine, und ebenso sein Ausgangspunkt. Genau aus diesem Grund ist es nützlich, unsere Ansichten nebeneinanderzustellen, um zu verdeutlichen, worum es bei supply chains eigentlich geht.

Kürzlich habe ich versucht, meine eigene Perspektive systematisch in meinem Buch Einführung in die supply chain niederzuschreiben, in dem ich das Feld als das Geschäft definiere, rentable Entscheidungen über physische Güter zu treffen, wenn die Zukunft sich nicht still verhält. Aber eine Behandlung in Buchlänge kann abstrakt werden. Deshalb möchte ich in diesem Essay etwas Konkreteres tun: meine Sichtweise in einen Dialog mit Gattornas zu stellen, hervorzuheben, wo ich übereinstimme, wo ich abweiche und wie diese Positionen in der Praxis zusammenpassen könnten.

Zwei verschiedene Ausgangspunkte

Gattorna beginnt außerhalb des Unternehmens. Sein “Dynamic Alignment”-Framework beginnt mit der Idee, dass der ultimative Bezugspunkt für ein Unternehmen der externe Markt ist: die Kunden und Endanwender, die es bedient. Von dort aus argumentiert er, dass nachhaltige Leistung daraus resultiert, vier Elemente in Einklang zu bringen: die Eigenschaften des Marktes, die Strategie des Unternehmens, seine interne Kultur und seinen Führungsstil. In seinen Büchern, insbesondere Living Supply Chains und Dynamic Supply Chain Alignment, beschreibt er supply chains als “lebende” Systeme, die von dem Verhalten der Menschen – Kunden, Partnern und Mitarbeitern – angetrieben werden, anstatt nur Flüsse von Kisten und Bits zu sein.

Anschließend schlägt er vor, dass die meisten Kunden in eine kleine Anzahl dominanter Kaufverhalten fallen. Um effektiv zu agieren, sollten Unternehmen nicht eine einzige monolithische chain betreiben, sondern ein kleines Portfolio unterschiedlicher chain-Designs, die jeweils auf ein Verhaltenssegment abgestimmt sind. Auf hoher Ebene unterscheidet er zwischen continuous replenishment chains für kollaborative Kunden, lean chains für effizienzorientierte Kunden, agile chains für anspruchsvolle Kunden, die Geschwindigkeit schätzen, und fully flexible chains für Kunden, die innovative, hochgradig maßgeschneiderte Lösungen suchen. Der Schwerpunkt liegt auf der Passung: Welche Art von Beziehung und welches Servicemuster ist für jedes Segment angemessen und wie sollten Kultur, Prozesse, Systeme und Führung intern so organisiert werden, dass sie dieses Muster unterstützen?

Mein eigener Ausgangspunkt ist bewusst anders. Ich beginne innerhalb des Unternehmens, auf der Ebene konkreter Entscheidungen: wie viel gekauft werden soll, wohin es geschickt wird, welche Aufträge angenommen werden, welche Serviceversprechen gegeben werden und zu welchem Preis. Ich betrachte supply chain als einen Zweig der angewandten Ökonomie, der sich auf physische Güter unter Unsicherheit konzentriert. Die zentrale Frage für mich lautet: Angesichts unseres begrenzten Kapitals, unserer Kapazitäten und unserer Zeit, welche Kombination von Maßnahmen bietet den besten risikoadjustierten Ertrag, wenn man bedenkt, dass Nachfrage, Lieferzeiten und Abläufe niemals exakt wie erwartet verlaufen?

Wo Gattorna supply chain in den Begriffen der Angleichung von Verhaltensweisen und Kulturen rahmt, sehe ich sie als Zuweisung knapper Ressourcen unter Unsicherheit. Seine Analyseeinheit ist das Verhaltenssegment und das entsprechende chain-Archetyp; meine ist die wiederholte, granulare Entscheidung – Millionen kleiner Wetten, die jedes Jahr auf Lager, Transport und Serviceversprechen gesetzt werden.

Wir betrachten dasselbe Phänomen aus entgegengesetzten Blickwinkeln.

Kunden zuerst oder Cash zuerst?

Gattornas Arbeit ist kompromisslos kundenorientiert. Er besteht darauf, dass man damit beginnen sollte, zu verstehen, wie verschiedene Kunden einkaufen, was sie erwarten und wie sie sich unter Stress verhalten. Unternehmen, so argumentiert er, überversorgen routinemäßig einige Kunden und unterversorgen andere, meist weil sie diese Verhaltenssegmentierung nie richtig durchgeführt haben. Sobald man erkennt, dass unterschiedliche Kunden unterschiedliche Spiele mit einem spielen, macht es wenig Sinn, allen dieselbe Logistikerfahrung, dieselben Reaktionszeiten und dieselben Kollaborationsrituale zu bieten.

Ich habe großes Verständnis für diese Kritik. In meiner eigenen Praxis habe ich immer wieder erlebt, dass Unternehmen margenarmen Konten einen übertriebenen Service bieten, während profitable, aber „unwichtige“ Kunden stillschweigend vernachlässigt werden, weil die Organisation eine alte Segmentierung nie überarbeitet hat. Wo ich einen Unterschied mache, ist, was ich als letztinstanzlichen Maßstab ansehe.

Für mich ist das ultimative Ergebnis Cash – genauer gesagt, der Strom von Cashflows, den das Unternehmen vernünftigerweise zu generieren erwarten kann, risikoadjustiert. Das liegt nicht daran, dass ich Kunden weniger schätze, sondern daran, dass ich keinen anderen Weg kenne, widersprüchliche Forderungen ehrlich zu vergleichen. Ein anspruchsvoller, aber strategisch wichtiger Kunde mag eine Premium-Behandlung verdienen; ein anderer anspruchsvoller Kunde mit schlechten Margen und unberechenbarem Verhalten hingegen möglicherweise nicht. Von innen klingen ihre Bitten bemerkenswert ähnlich. Was es ermöglicht, sie zu unterscheiden, ist ihr langfristiger Beitrag zur wirtschaftlichen Gesundheit des Unternehmens.

Anders ausgedrückt: Gattorna nimmt den Kunden als den “fail-safe”-Referenzpunkt; ich nehme die risikoadjustierte Ökonomie des Unternehmens als diesen Referenzpunkt, in den Kunden, Lieferanten und interne Zwänge einfließen. In der Praxis schließen sich diese Ansichten natürlich nicht gegenseitig aus. Wenn man konsequent falsch interpretiert, was Kunden wertschätzen, werden die Cashflows letztlich dagegen sprechen. Aber die Schwerpunkte sind entscheidend. Ein Rahmenwerk, das bei “Ausrichtung” stehen bleibt, kann verschleiern, dass unterschiedliche Ausrichtungen sehr unterschiedliche wirtschaftliche Konsequenzen haben.

Wie wir über Unsicherheit denken

Beide betrachten Volatilität als normal und nicht als Ausnahme. Gattorna schreibt über ein Betriebsumfeld, das selten in das Gleichgewicht zurückkehrt; er betont, dass Unternehmen lernen müssen, mit konstanten Veränderungen von Nachfrage, Wettbewerb und Regulierung zu leben. Seine praktische Antwort besteht darin, mehrere supply chain-Konfigurationen zu entwerfen, die jeweils eine unterschiedliche Haltung gegenüber Unsicherheit verkörpern. Eine lean chain spart Kosten, weil die Nachfrage regelmäßig und die Beziehungen locker sind; eine agile oder fully flexible chain akzeptiert höhere Kosten im Austausch für Geschwindigkeit oder maßgeschneiderte Lösungen in Märkten, die volatil oder innovationsgetrieben sind.

Anders ausgedrückt, behandelt er Unsicherheit weitgehend auf der Ebene der Architektur. Für jeden Verhaltenskontext wählt er eine unterschiedliche Kombination aus Puffern, Kapazitäten und Kollaborationsmustern und passt diese kontinuierlich an, während sich der Markt verändert.

Ich gehe die Unsicherheit eine Ebene tiefer an, nämlich auf der Ebene der Zahlen selbst. Anstatt eine chain als “lean” oder “agile” zu klassifizieren und qualitativ zu entscheiden, wie viel Spielraum beibehalten werden soll, möchte ich die zugrunde liegende Zufälligkeit explizit ausdrücken: die Wahrscheinlichkeit, dass die Nachfrage für eine bestimmte SKU an einem bestimmten Standort in der nächsten Woche 0, 1, 2 oder 20 Einheiten beträgt; die Wahrscheinlichkeit, dass ein Container in 18, 25 oder 40 Tagen eintrifft. Diese probabilistische Sicht auf Nachfrage und Lieferzeiten fließt dann in ein Entscheidungsmodell ein, das Stock‑outs, Veralterung und Working Capital in Geld bewertet. Dies ist genau die probabilistische, ökonomisch-zentrierte Haltung, die ich im Abschnitt “Forecasts, plans, and the illusion of certainty” von Supply Chain als ökonomische Wetten in einer marktorientierten Welt entwickle.

Das Ergebnis mag oberflächlich ähnlich aussehen – mehr Inventar dort, wo die Nachfrage unregelmäßig oder die Lieferzeiten riskant sind, weniger dort, wo die Dinge stabil sind – aber die Logik ist eine andere. Anstatt ein qualitatives Label zu verteidigen (“das ist eine agile chain”), bin ich gezwungen, explizit über die Abwägungen zu sprechen: Für diesen Artikel, in dieser Woche, wie viel Profit opfere ich, wenn ich mich schütze gegen das 95. Perzentil der Nachfrage anstatt gegen das 80.? Solche Überlegungen sind mühsam von Hand zu erledigen, aber relativ kostengünstig in Software zu kodieren und täglich über Millionen von Entscheidungen laufen zu lassen.

Man könnte sagen, dass Gattorna Unsicherheit durch top‑down pattern recognition und -konfiguration managt, während ich versuche, sie durch bottom‑up probabilistisches Modeling und Optimierung zu steuern. Der eine betrachtet das Schachbrett und wählt einen Gesamtspielstil; der andere bewertet jeden Zug einzeln, unter Berücksichtigung der Stellung.

Technologie und der Platz der Menschen

Nirgendwo ist der Kontrast schärfer als in unserem Umgang mit Menschen und Technologie.

Gattornas Schreibweise rückt Human Factors in den Mittelpunkt. In der Fachliteratur zu Living Supply Chains wird er so beschrieben, dass er den Leser auf eine Reise von den Kunden über Geschäftsprozesse zur Unternehmenskultur und schließlich zur Führung mitnimmt, wobei der Schwerpunkt darauf liegt, wie Subkulturen und Führungsstile die Leistung beeinflussen. Seine Beratungspraxis konzentriert sich explizit darauf, die vorherrschenden Kulturen in verschiedenen Unternehmensbereichen zu kartieren und sie mit den Anforderungen verschiedener Kundensegmente und supply chain-Typen in Einklang zu bringen. Der Tonfall erinnert an Organisationsdesign und Change Management: Workshops, Diagnostik, Führungskräfte-Coaching.

Ich leugne keineswegs die Bedeutung von Kultur und Führung. Wenn Ihr Lagerpersonal demoralisiert ist, Ihre Daten unzuverlässig sind oder Ihr Beschaffungsteam bezahlt wird, um Rückvergütungen zu jagen – unabhängig von nachgelagerten Konsequenzen – wird Sie keine Menge cleverer Software retten. Was ich in Frage stelle, ist, ob Kultur als Hauptsteuerungsinstrument behandelt werden sollte.

Meine Erfahrung ist, dass jeder Prozess, der auf individuelle Heldentaten und kontinuierliche menschliche Wachsamkeit angewiesen ist, per Design fragil ist. Menschen werden müde, abgelenkt, befördert, abgeworben. Implizites Wissen verlässt jeden Abend das Gebäude. Wenn die entscheidende Logik Ihrer supply chain in ein paar Köpfen von Planern oder in einem Gewirr von Tabellenkalkulationen auf deren Laptops steckt, mag man kurzfristig “aligned” sein, aber man ist nicht robust.

Deshalb lege ich so großen Wert auf Entscheidungssysteme: Softwarekomponenten, die bei gleichen Eingaben stets dieselben Empfehlungen produzieren und die ohne Überzeugungskampagnen geprüft, getestet und verbessert werden können. Auf der Lokad-Seite unterscheiden wir zwischen systems of record (den Hauptbüchern), systems of reports (den Dashboards) und systems of intelligence, in denen die eigentlichen Entscheidungen berechnet werden. Die letzte Kategorie ist, wie ich glaube, der am meisten unterentwickelte Bereich moderner Supply Chains. Ich plädiere allgemein dafür, solche Entscheidungsmaschinen ins Zentrum des Technologie-Stacks zu stellen, mit Architekturen, die zu ihrem Dienst gebaut sind, in Supply Chain als ökonomische Wetten in einer marktorientierten Welt.

Meiner Ansicht nach bestehen die wertvollsten Aufgaben für Menschen in supply chain nicht darin, jede Nachschubbestellung manuell zu schlichten, sondern darin, zu entscheiden, welche Fragen die Entscheidungssysteme beantworten sollen, die Ökonomie korrekt abzubilden, Experimente zu entwerfen und zu interpretieren sowie neue Optionen in der physischen Welt auszuhandeln – neue Lieferanten, neue Verträge, neue Netzwerk-Konfigurationen. Kultur spielt weiterhin eine Rolle, jedoch hauptsächlich darin, ob die Organisation bereit ist, ihren eigenen Algorithmen zu vertrauen und diese kontinuierlich zu verbessern oder ob sie es vorzieht, sich hinter Dashboards und Ausschüssen zu verstecken.

Gattorna könnte entgegnen, dass ohne kulturelle und führungstechnische Ausrichtung diese Algorithmen niemals richtig übernommen oder genutzt werden. Dem würde ich zustimmen. Aber ich würde hinzufügen, dass, wenn sich die Kulturarbeit letztlich nicht im Code ausdrückt, der Tag für Tag Kapital und Kapazitäten bindet, die Transformation unvollständig ist. Das lebende System muss schließlich seine Fingerabdrücke in der Software hinterlassen.

Metriken, KPIs und das Messproblem

Gattornas Rahmenwerke ignorieren Metriken nicht. Im Gegenteil, er behandelt Leistungskennzahlen als einen der Hebel, die jeweils an den Typ der supply chain und das Verhaltenssegment angepasst werden müssen. Eine lean chain wird naturgemäß die Kosten‑zur‑Bedienung und Auslastung betonen; eine agile chain wird gewisse Einbußen bei diesen Metriken in Kauf nehmen, um Reaktionsfähigkeit oder Innovation zu ermöglichen. Entscheidend ist die Kohärenz: Fördern die Metriken die Verhaltensweisen und Service-Muster, die das gewählte Wertversprechen erfordert?

Ich teile die Sorge um die Kohärenz, bin jedoch KPIs als solche skeptischer. Traditionelle Supply Chain-Control-Towers sind gefüllt mit durchschnittlichen Service-Leveln, Vorhersagegenauigkeitswerten, Auslastungsraten, On‑Time‑in‑Full-Prozentsätzen. Einzelne Kennzahlen klingen vernünftig; kollektiv ermutigen sie jedoch zu Spielereien und lokaler Optimierung. Ein Lager könnte seine Auslastungsziele erreichen, indem es Netzwerkänderungen widersteht, die den unternehmensweiten Gewinn steigern würden. Ein Vertriebsteam könnte um jeden Preis Volumen pushen, da ihr Bonus vom Umsatz und nicht von Marge oder Variabilität abhängt.

In meiner eigenen Arbeit habe ich mich zunehmend der Messung in Form von zusätzlichem Cash-Uplift zugewandt: Wenn wir diese Politik ändern oder diese neue Forecasting-Methode einsetzen, wie viel zusätzlichen Gewinn haben wir nach Berücksichtigung von Risiko und Kapitalkosten über ein Jahr erzielt? Das ist keine leichte Frage, und man erhält selten ein sauberes kontrolliertes Experiment. Aber der Versuch zwingt einen, sich mit Abwägungen auseinanderzusetzen, die zusammengesetzte KPIs zu verschleiern tendieren.

Hier noch einmal: Der Unterschied besteht nicht darin, dass einer von uns Leistung wichtiger nimmt als der andere. Es geht darum, wo man die Messung verankert. Gattorna verankert sie in der Übereinstimmung mit den Kundenerwartungen und Segmentstrategien; ich verankere sie im expliziten wirtschaftlichen Einfluss, auch wenn dies mehr Modellierungsaufwand und Demut hinsichtlich dessen, was wir wissen können, erfordert.

Konvergenzpunkte

Es wäre ein Fehler, den Abstand zwischen diesen Ansichten zu übertreiben. In mehreren wichtigen Punkten sind wir Verbündete.

Wir lehnen beide die Idee einer einzigen, universellen supply chain-Konfiguration ab, die allen Kunden gleichermaßen dienen kann. Gattorna formt dies zu einem Portfolio von chain-Typen, die auf Verhaltenssegmente abgestimmt sind; ich begegne ihm als praktischer Notwendigkeit, wenn ich sehr unterschiedliche Produkte, Kanäle und Serviceversprechen innerhalb desselben Unternehmens modellieren muss.

Wir betrachten Volatilität als strukturell, nicht als vorübergehende Unannehmlichkeit, die man ausplanen kann. Er drückt dies durch die Sprache lebender Systeme, dynamischer Ausrichtung und ständiger Neukonfiguration aus. Ich drücke es durch explizite probabilistische Modelle aus und bestehe darauf, dass Algorithmen die Unsicherheit mit sich tragen sollten, anstatt sie hinter Einzelzahlen in Vorhersagen zu verstecken.

Wir beide kritisieren die Selbstzufriedenheit des traditionellen Regelwerks: statische Pläne, starre S&OP-Zyklen, mechanische KPIs und den Glauben, dass bessere Tabellenkalkulationen irgendwie strukturelle Fehlanpassungen oder Fehlallokationen von Kapital lösen werden.

In diesen Punkten betrachte ich Gattorna als eine wichtige Stimme, die das Feld von simplen Kostensenkungen weg und hin zu einem nuancierteren Verständnis dessen drängt, wie Märkte und Organisationen tatsächlich agieren. Wenn wir unterschiedlicher Meinung sind, dann hauptsächlich darüber, wohin man als Nächstes steuern sollte.

Wo ich mich abgrenze

Der wesentliche Punkt, an dem ich von Gattorna abweiche, ist mein Maß an Ungeduld gegenüber Rahmenwerken, die bei der Segmentierung und Kultur haltmachen.

Verhaltensbasierte Segmentierung ist ein mächtiges Analyseinstrument, aber sie sagt nicht, wie viel Inventar wo, wann und zu welchen wirtschaftlichen Kosten zu platzieren ist. Kulturdiagnostik kann Fehlanpassungen aufdecken – etwa zwischen einer vertriebsgetriebenen Subkultur und einem effizientie-orientierten Operationsteam –, aber sie legt nicht fest, welche Kompromisse in Ihren Verträgen explizit gemacht werden sollen oder wie Risiken in Ihren Nachschubregeln zu bepreisen sind.

In vielen Transformationsprojekten, die ich von außen beobachtet habe, haben Unternehmen die Sprache maßgeschneiderter supply chains und Ausrichtung übernommen, ohne das mathematische und rechnergestützte Rückgrat aufzubauen, das erforderlich ist, um diese Ideen in großem Maßstab umzusetzen. Sie veranstalten Workshops, drucken Poster, benennen Teams um. In der Zwischenzeit bleibt die eigentliche Logik der Bestandserneuerung ein Wirrwarr aus Sicherheitsbestandsformeln, Mindestabnahmen von Lieferanten und manuellen Eingriffen, die in Altsysteme und Tabellenkalkulationen eingebettet sind.

Aus meiner Sicht muss die Transformation letztlich an der Entscheidungslogik ansetzen, die tagtäglich LKWs, Container, Lagerflächen und Betriebskapital bindet. Wenn eine neue Strategie diese Algorithmen nicht ändert, proben Sie größtenteils nur bessere Geschichten über dasselbe Verhalten.

Deshalb bestehe ich so auf probabilistischen Modellen und automatisierten Entscheidungsmaschinen. Es liegt nicht daran, dass ich glaube, Algorithmen seien magisch objektiv, sondern daran, dass sie einen zwingen, das, woran man glaubt, niederzuschreiben und sich den Konsequenzen zu stellen. Wenn Sie der Meinung sind, dass ein bestimmtes Kundensegment in einem Ausverkauf Vorrang verdient, codieren Sie es. Wenn Sie denken, dass ein bestimmtes Lead-Time-Risiko tolerierbar ist, nehmen Sie es in das Modell auf und prüfen Sie, wieviel es in erwarteten entgangenen Verkäufen versus eingespartem Kapital kostet. Code beseitigt keine Politik, aber er kristallisiert sie heraus.

Insofern geht mein Widerspruch zu Gattorna weniger um seine hochrangige Diagnose – die ich im Großen und Ganzen teile – als darum, wie tief in das Getriebe des Unternehmens eine supply chain Theorie eindringen sollte. Ich glaube nicht, dass wir bei der Ausrichtung haltmachen können; wir müssen bis in die Algorithmen vordringen.

Eine mögliche Synthese

Wenn wir bereit sind, diese Ansichten zu stapeln, statt uns für eine einzige zu entscheiden, ergibt sich eine Art Synthese.

An oberster Stelle können Sie Gattornas dynamische Ausrichtungsideen nutzen, um Ihr Verständnis des Marktes zu strukturieren. Beginnen Sie damit, zu beobachten, wie unterschiedliche Kunden tatsächlich einkaufen, was sie schätzen und wie sie auf Variabilität und Krisen reagieren. Gruppieren Sie sie in verhaltensmäßig kohärente Segmente. Entscheiden Sie in klarer Sprache, welche Segmente Sie mit kontinuierlichen, kollaborativen Vereinbarungen bedienen möchten, welche mit schlanker, niedrigintensiver Effizienz, welche mit schneller Reaktion und welche mit tiefgehender, lösungsorientierter Flexibilität. Stellen Sie sicher, dass Ihre Führungsstruktur und Kultur weitgehend mit diesen Entscheidungen übereinstimmen.

Darunter können Sie einen stärker entscheidungszentrierten, wirtschaftsgetriebenen Ansatz für den täglichen Betrieb jeder supply chain anwenden. Innerhalb eines „lean“ Segments beispielsweise müssen Sie weiterhin Unwägbarkeiten bei der Nachfrage und bei den Lieferzeiten bewältigen; Sie müssen für jede SKU an jedem Standort entscheiden, wieviel Bestand zu halten ist, wann nachbestellt wird, welche Servicelevelversprechen gegeben und wie die Fracht geroutet wird. In einem „agilen“ oder „voll flexibilen“ Segment sind diese Unsicherheiten größer und die Kompromisse schärfer. Dass das Segment als agil bezeichnet wird, nimmt der quantitativen Disziplin keineswegs den Stellenwert; wenn überhaupt, erhöht es diesen.

Hier können probabilistische Prognosen, eine explizite Bewertung von Risiken und automatisierte Entscheidungsmaschinen die nötige Präzision und Geschwindigkeit bieten. Sie ermöglichen es Ihnen, die durch Ihre Ausrichtungsentscheidungen implizierten Verpflichtungen im Code auszudrücken und anzupassen, wenn die Realität zurückschlägt.

In dieser geschichteten Sichtweise besteht Gattornas Beitrag darin, Ihnen zu helfen, zu entscheiden, welche Spiele Sie auf dem Markt spielen und wie Sie das Unternehmen um diese Spiele herum mobilisieren. Mein Beitrag besteht darin, Ihnen zu helfen, die Einsätze innerhalb jedes Spiels mit größerer Klarheit und weniger Verschwendung zu platzieren und festzulegen.

Abschließende Gedanken

Supply chain ist als formale Disziplin noch jung. Es ist wenig überraschend, dass wir mehrere, teils überlappende Theorien darüber haben, was es ist und wie es funktionieren sollte. Ich betrachte diesen Pluralismus nicht als Problem, solange wir klar definieren, wo jede Theorie beginnt, welche Fragen sie gut beantwortet und wo ihre blinden Flecken liegen.

Gattorna erinnert uns daran, dass supply chains nicht nur Fabriken, LKWs und Matrizen in PowerPoint sind. Sie sind soziale Systeme, in denen Menschen agieren, deren Verhalten und Erwartungen zählen. Er hat recht, dass one‑size‑fits‑all supply chains eine kostspielige Illusion sind und dass Kultur und Führung jede von Ihnen entworfene Strategie bestärken oder sabotieren können.

Meine eigene Arbeit drängt in eine komplementäre Richtung. Ich möchte, dass wir ehrlicher und rigoroser in Bezug auf die Ökonomie unserer Entscheidungen werden, expliziter in der Darstellung von Unsicherheiten und ambitionierter im Einsatz von Software – nicht nur um den Zustand der Welt darzustellen, sondern um zu entscheiden, wie wir darauf reagieren. Ich habe zu viele Organisationen gesehen, die bei guten Absichten und neuen Vokabularien stehen blieben, während die Motoren ihrer supply chain – die Algorithmen, die Waren und Geld bewegen – weitgehend unberührt blieben.

Wenn dieser Essay eine einzige Botschaft hat, dann lautet sie: Führung, Ausrichtung und Kultur sind notwendig, aber nicht hinreichend. Ebenso wenig wie Prognosen, Dashboards und KPIs. Um supply chains zu bauen, die diesem Namen im einundzwanzigsten Jahrhundert gerecht werden, müssen wir die Außenperspektive von Kunden und Märkten mit dem inneren Mechanismus probabilistischer Modelle und automatisierter Entscheidungen verbinden. Wir müssen bereit sein, nicht nur unsere Präsentationen, sondern auch unseren Code neu zu schreiben.

Erst dann hören unsere Theorien auf, Metaphern zu sein, und werden zu einem Teil der Infrastruktur, die still und leise die Arbeit verrichtet.