00:00:13 Herausforderungen bei der Implementierung von Proofs of Concept in der supply chain.
00:01:00 Wann Proofs of Concept gut funktionieren und wie sich die supply chain unterscheidet.
00:02:29 Die supply chain als offenes Problem und Schwierigkeiten bei der Messung ihres Erfolgs.
00:03:31 Einschränkungen von Proofs of Concept in der supply chain Branche.
00:06:30 Bedeutung eines ganzheitlichen Ansatzes und von Durchlaufzeiten in der supply chain Optimierung.
00:08:00 Bedeutung, sich auf die unveränderlichen Aspekte einer Initiative zu konzentrieren.
00:08:54 Schwierigkeit, Daten in Proofs of Concept zu sammeln.
00:11:55 Probleme, eine Initiative auf reine Prognosen zu vereinfachen.
00:13:54 Die Beschränkungen von Zeitreihenprognosen.
00:15:17 Schmerzhafte Erfahrungen mit Proofs of Concept und deren Mängeln.
00:17:36 Alternativen zu POCs bei der Bewertung von Softwareanbietern für supply chain Lösungen.
00:20:25 Die Zukunft von POCs in der supply chain Branche und deren Grenzen.
00:21:31 Die Bedeutung eines ganzheitlichen Ansatzes bei der supply chain Optimierung.
00:22:52 Bewertung der Leistung von Anbietern auf wöchentlicher Basis anstatt sich auf POCs zu verlassen.

Zusammenfassung

In einem Interview diskutieren Joannes Vermorel, Gründer von Lokad, und Moderator Kieran Chandler supply chain optimization und die Beschränkungen von Proofs of Concept (POCs). Vermorel erklärt, warum Lokad häufig POC-Anfragen ablehnt, da sie beiden Parteien schaden können. Er ist der Meinung, dass POCs am besten für eng definierte Probleme funktionieren, wie etwa die Auswahl eines E-Mail-Clients, jedoch bei komplexen, transformativen Prozessen wie der supply chain Optimierung versagen. Supply chains involvieren mehrere Parteien und stellen eine verteilte Herausforderung dar, die POCs oft zu stark vereinfachen. Stattdessen rät er, sich auf stabile Aspekte sowie datengesteuerte, ganzheitliche Perspektiven zu konzentrieren. Vermorel schlägt zudem vor, die Leistung der Anbieter regelmäßig zu bewerten und Beziehungen, die nicht zufriedenstellend verlaufen, zu beenden.

Erweiterte Zusammenfassung

Im Interview führen Moderator Kieran Chandler und Joannes Vermorel, Gründer von Lokad, eine ausführliche Diskussion über Proofs of Concept (POCs) im Kontext von supply chain software und deren Einschränkungen. Vermorel erklärt, warum Lokad häufig POC-Anfragen von potenziellen Kunden ablehnt, da sie potenziell sowohl dem Unternehmen des Kunden als auch Lokad schaden können.

Vermorel beginnt damit, anzuerkennen, dass POCs seit zwei Jahrzehnten existieren und nicht grundsätzlich schädlich sind. Sie funktionieren effektiv, wenn sie auf ein eng definiertes Problem angewendet werden. Das archetypische Beispiel, bei dem ein POC gut funktionieren würde, ist die Wahl eines E-Mail-Clients wie Microsoft Outlook oder Gmail. Dies ist ein standardisiertes Problem mit einer bekannten Lösung. Der Benutzer hat klare Erwartungen und kennt die Schmerzpunkte. Dieser Prozess ist nicht mehr transformativ; er beinhaltet lediglich den Wechsel von einem E-Mail-Client zu einem anderen.

Die Herausforderung entsteht jedoch, wenn POCs auf die supply chain Optimierung angewendet werden, die Vermorel als das “Gegenteil” eines eng definierten Problems bezeichnet. Er schlägt vor, dass es sich um einen transformativen Prozess für ein Unternehmen handelt, der als ein nicht lokales Problem charakterisiert wird, das sich über mehrere Standorte und potenziell zahlreiche Länder erstreckt. Die Komplexität wird durch die vernetzte Natur der supply chain verstärkt.

Weitergehend zur Idee eines “offenen Problems” beschreibt Vermorel die supply chain Optimierung als den Wunsch zu optimieren, was von Natur aus eine Messung erfordert. Die Etablierung einer sinnvollen Messung in monetären Begriffen erfordert erhebliche Anstrengungen, und die gewonnenen Kennzahlen sind erst der Anfang. Die Reise geht weiter mit der Verfeinerung des “numerischen Rezepts”, um die Auswirkungen von Maßnahmen auf den Betrieb des Unternehmens zu bewerten. Er nennt als Beispiel die präzise Ermittlung der Kosten jedes einzelnen Fehlbestands oder den spezifischen Einfluss auf die Kundentreue für jeden Kunden, verlinkt als loyalty.

Auf die Frage, ob POCs ausschließlich für die die Quantitative Supply Chain oder für die gesamte supply chain Branche wirkungslos sind, betont Vermorel, dass die meisten supply chain Probleme aufgrund ihrer vernetzten Natur schwer als POCs darstellbar sind. Er erklärt, dass supply chains mehrere Parteien umfassen – Lieferanten, Kunden, Lager warehouses und Produktionsstätten. Sie stellen eine verteilte Herausforderung dar, im Gegensatz zu einer lokal begrenzten, wie der Optimierung eines isolierten Fertigungsprozesses.

Vermorel betont, dass supply chains von Natur aus mit Lieferanten und Kunden verbunden sind, was es schwierig macht, etwas zu finden, das sowohl lokal als auch bedeutungsvoll ist. Er warnt, dass es zwar einfach sei, lokale Optimierungen in supply chains durchzuführen, diese Bemühungen jedoch in der Regel lediglich dazu führen, dass Probleme verlagert werden. So kann beispielsweise ein beträchtlicher Aufwand zur Optimierung eines Produkts an einem Standort unbeabsichtigt an anderer Stelle in der supply chain Probleme verursachen.

Vermorel erklärt, dass supply chain Optimierung für POCs herausfordernd ist, weil diese sich tendenziell auf Mikrooptimierungen konzentrieren, ohne das Gesamtbild zu berücksichtigen. Dies kann zu Problemen für Lieferanten und Kunden führen. Zudem erschweren lead times den Prozess zusätzlich, da es schwierig ist, eine supply chain in einem kürzeren Zeitraum als der Durchlaufzeit selbst zu optimieren. Dies führt oft dazu, dass POCs viel länger dauern als erwartet.

Chandler und Vermorel diskutieren die Bedeutung, das Gesamtbild zu betrachten, wenn versucht wird, supply chains zu optimieren. Sie erwähnen, dass POCs oft versäumen, die vollständigen Durchlaufzeiten zu berücksichtigen, die für ein echtes Verständnis der supply chain notwendig sind. Vermorel rät dazu, in jedem Schritt der Methodik einen kapitalistischen Ansatz zu verfolgen und sich auf das zu konzentrieren, was sich unabhängig vom gewählten Anbieter oder der Lösung nicht ändert.

Eine Herausforderung bei POCs besteht darin, Daten zu sammeln und zu messen. Vermorel ist der Ansicht, dass man nicht optimieren kann, was man nicht misst, weshalb das Sammeln von Daten Priorität haben sollte. In der Realität gestaltet sich das Sammeln von Daten für POCs jedoch oft schwieriger als erwartet. Dies liegt an der Komplexität realer Situationen, wie etwa Einzelhandelsnetzen mit mehreren Lagern, Produktionsstätten und Vertriebsstandorten.

Vermorel gibt ein Beispiel dafür, wie schwierig es sein kann, die historische Nachfrage genau zu bewerten. Probleme wie Fehlbestände, promotions und andere Anomalien können die historischen Bestelldaten verzerren, wodurch es schwierig wird, wahre Nachfragemuster zu erkennen. Wenn POCs auf diese Probleme stoßen, greifen sie oft auf klassische forecasting methods, wie wöchentliche time series Prognosen, zurück. Dieser Ansatz vereinfacht das Problem, ignoriert jedoch die Komplexitäten und Nuancen der supply chain Optimierung.

Backtesting, also die Verwendung historischer Daten zur Überprüfung von Prognosen, ist ein weiteres Werkzeug in der supply chain Optimierung. Obwohl es aus statistischer Sicht funktioniert, argumentiert Vermorel, dass es nur einen Bruchteil des Gesamtbilds im Supply Chain Management darstellt. Beispielsweise können Einkaufsverhalten durch Faktoren wie verhandelte Preise und Mindestbestellmengen (MOQs) beeinflusst werden, die im Backtesting nicht berücksichtigt werden.

Vermorel hebt hervor, dass supply chain Optimierung kein eindimensionales Problem ist, das sich lösen lässt, indem man sich ausschließlich auf forecasting accuracy konzentriert. Er argumentiert, dass bestehende Prozesse überdacht und angepasst werden müssen, um eine Optimierung zu ermöglichen. Das Hauptproblem beim Fokussieren auf Prognosen besteht darin, dass das Gesamtbild übersehen wird und sich auf eine spezielle Art der Prognose verlassen wird, die nicht in allen Situationen anwendbar ist.

Vermorel weist darauf hin, dass supply chains seit Jahrzehnten digitalisiert sind, aber viele Unternehmen verlassen sich immer noch auf Excel-Tabellen und ignorieren die von verschiedenen Systemen erzeugten Zahlen. Er schlägt vor, dass Unternehmen sich auf die Grundlagen konzentrieren sollten, wie zum Beispiel die Konsolidierung von Daten in einem Data Lake und die Erstellung aussagekräftiger Dokumentation, die die Semantik ihrer supply chain widerspiegelt.

Indem man sich auf die stabilen Aspekte einer supply chain konzentriert, wie Lieferanten, Produktionsstätten, Lager und Vertriebskanäle, können Unternehmen Kennzahlen entwickeln, die ihre langfristigen finanziellen Interessen widerspiegeln. Vermorel betont, dass die größte Herausforderung darin besteht, die Semantik der Daten zu verstehen und sicherzustellen, dass die richtigen Daten für eine Optimierung zur Verfügung stehen.

Bei der Betrachtung von Alternativen zu POCs schlägt Vermorel vor, sich auf die unveränderlichen Aspekte einer supply chain zu konzentrieren und einen Anbieter zu suchen, der eine datengesteuerte, ganzheitliche Perspektive bieten kann. Obwohl POCs einige Einblicke liefern können, warnt er davor, von kleinskaligen Experimenten zu viel zu erwarten, da komplexe Probleme tiefgehendere Ansätze erfordern.

Er schlägt außerdem vor, dass die Zusammenarbeit mit Anbietern keine langfristige Verpflichtung sein sollte. Unternehmen können sich an schlanken Initiativen beteiligen und die Leistung des Anbieters wöchentlich bewerten, um sicherzustellen, dass Fortschritte erzielt werden. Wenn die Fortschritte unbefriedigend sind, ist es besser, die Beziehung frühzeitig zu beenden, anstatt mit einem suboptimalen Anbieter fortzufahren.

Volles Transkript

Kieran Chandler: Heute werden wir genau verstehen, warum POCs nicht funktionieren und auch die Alternativen kennenlernen, die einem Kunden offenstehen, um zwischen der Vielzahl von supply chain software zu wählen. Also, Joannes, POCs gibt es nun seit zwei Jahrzehnten, sie können also nicht durchweg schlecht sein. In welchen Branchen funktionieren sie eigentlich?

Joannes Vermorel: Proofs of concept funktionieren gut, wenn man ein eng umrissenes Problem hat, das angegangen werden soll, ohne an massive, offene Möglichkeiten denken zu müssen. Zum Beispiel wäre das archetypische Szenario, in dem ein POC gut funktionieren würde, wenn ich Sie bitten würde, Ihren E-Mail-Client auszuwählen, da Sie jahrelang einen E-Mail-Client genutzt haben, sagen wir Microsoft Outlook oder Gmail. So wissen Sie, was Sie erwarten können, und kennen Ihre Schmerzpunkte. Dies ist ein ziemlich standardisiertes Problem mit standardisierten Lösungen, und Sie können einen sehr präzisen Vergleich anstellen, weil Sie genau wissen, worauf Sie achten müssen. Für Ihr Unternehmen ist dies grundsätzlich nichts Transformierendes; es war vor Jahrzehnten transformativ, als die Menschen anfingen, E-Mail überhaupt zu nutzen, aber inzwischen geht es nur noch darum, von einem E-Mail-Client zu einem anderen zu wechseln. POCs funktionieren gut für diese super taktischen, klar definierten Probleme. Die große Herausforderung besteht darin, dass die Quantitative Supply Chain so etwas wie das Gegenteil ist. Sie wird Ihr Unternehmen grundlegend transformieren und ist im Grunde etwas, das völlig nicht lokal ist. Sie können eine supply chain nicht lokal von Ihrem Schreibtisch aus steuern. Es liegt daran, dass es ein Netzwerk gibt, das sich über viele Standorte, potenziell viele Länder, erstreckt, wodurch die Dinge wirklich kompliziert werden.

Kieran Chandler: Was charakterisiert das als ein offenes Problem?

Joannes Vermorel: supply chain ist zunächst die Idee, die wir optimieren wollen, und um zu optimieren, muss man messen. Allein die Tatsache, dass man Dinge in Euro oder Dollar messen möchte, erfordert einen erheblichen Aufwand, um eine Messung zu erhalten, die tatsächlich sinnvoll ist. Die Kennzahl, der Ausgangspunkt, ist eigentlich eine Reise, um das numerical recipe zu verfeinern, das beurteilt, ob Sie etwas Gutes oder Schlechtes für Ihr Unternehmen tun. Offensichtlich ist es gut, Kunden zu bedienen, und es ist schlecht, wenn es eine enorme Anzahl von Fehlbeständen gibt, aber die Frage lautet genau: Wie bewerten wir die genauen Kosten jedes einzelnen Fehlbestands und den präzisen Einfluss auf die Kundentreue für jeden einzelnen Kunden?

Kieran Chandler: Also, wenn Sie sagen, dass Proofs of Concept grundsätzlich nicht funktionieren, liegt das nur an der Quantitative Supply Chain, oder gilt das für die gesamte supply chain Branche?

Joannes Vermorel: Die meisten supply chain Probleme lassen sich nur sehr schwer als Proofs of Concept darstellen. Per Definition beinhalten supply chains mehrere Parteien: Es gibt viele Lieferanten, viele Kunden, Lager warehouses und Produktionsstätten. Im Wesentlichen ist es eine sehr verteilte Herausforderung, im Gegensatz zu etwas, das extrem lokal wäre, wie die Optimierung eines Fertigungsprozesses, der völlig isoliert vom Rest der Welt stattfindet. Supply chains sind vollständig mit Ihren Lieferanten und Kunden verbunden. Somit ist es per Definition schwer, etwas zu finden, das sowohl lokal als auch bedeutungsvoll ist, weil das Problem bei supply chains darin besteht, dass es sehr einfach ist, eine lokale Optimierung durchzuführen. Der Punkt ist, dass man dabei in der Regel nur Probleme verlagert. Also, ja, Sie haben eine Menge geleistet. Damit haben Sie ein Problem für Ihren Lieferanten und vielleicht auch für ein paar Kunden geschaffen. Sie haben das Gesamtbild nicht gelöst; Sie haben lediglich etwas lokal mikro-optimiert. Das macht supply chain im Allgemeinen sehr herausfordernd für Proofs of Concept. Und dann kommt noch eine weitere Schwierigkeit im Fall von Lokad hinzu. Da wir die Zukunft und die Unsicherheiten angehen wollen, müssen die Durchlaufzeiten berücksichtigt werden. Wann immer wir es mit einer Branche zu tun haben, in der Durchlaufzeiten – sagen wir, man muss planen und Dinge mit dem Blick auf drei Monate im Voraus ausführen – bedeutet das, dass egal wie sehr man die numerischen Rezepte für seine supply chain optimiert, eine Iteration praktisch so lange dauert wie die Durchlaufzeit. Das heißt, dass man in einem kürzeren Zeitraum als der Durchlaufzeit eigentlich nichts bewirken kann und realistischerweise zwei oder drei Iterationen benötigt werden. Hat man also Durchlaufzeiten von etwa drei Monaten, und wir sprechen von zwei oder drei Iterationen, reden wir von sechs bis neun Monaten. Es ist nicht unverhältnismäßig lang für Unternehmenssoftware, aber wir entfernen uns sehr von dem, was man sich unter einem schnellen Proof of Concept vorstellt.

Kieran Chandler: Lassen Sie uns das ein wenig genauer betrachten. Was Sie sagen, ist, dass ein Proof of Concept im Grunde nur ein kleines Bild betrachtet und dass eine Lösung, um wirklich zu funktionieren und sich zu beweisen, das gesamte größere Bild berücksichtigen muss. Und der zweite Punkt, den Sie erwähnt haben, bezieht sich auf die Vorlaufzeiten, und Sie sagen, dass ein Proof of Concept normalerweise ziemlich kurz ist, sodass wir die vollständigen Vorlaufzeiten nicht berücksichtigen, um die Ergebnisse wirklich zu erhalten und zu verstehen, was passiert. Wie lange sollten Sie wirklich an einem Proof of Concept festhalten, bevor Sie tatsächlich Ergebnisse sehen?

Joannes Vermorelr: Der Punkt ist, dass wenn Sie warten, bis Sie Ihre Messungen abschließen und es absolut klar ist, dass Sie die Vorteile messen und kodifizieren können, es zu lange dauern wird. Deshalb schlagen wir typischerweise vor, eine Methodik zu verwenden, die in jedem Schritt hochkapitalistisch ist und von der Vision geleitet wird. Damit meine ich, dass egal wie Sie Ihre supply chain optimieren möchten, Sie Daten benötigen, um diese Optimierung durchzuführen. Der Prozess wird zwar etwas Zeit in Anspruch nehmen, ist aber weitgehend unabhängig davon, welchen Anbieter oder welche Lösung Sie wählen – selbst wenn Sie es intern oder mit einem externen Unternehmen durchführen wollen. Sie müssen diesen Prozess durchlaufen. Wenn Sie Ihre Initiative so umsetzen können, dass Sie sich auf das konzentrieren, was sich am Ende der Initiative in Bezug auf den gewählten Anbieter, sofern vorhanden, nicht ändert, dann können Sie hochkapitalistisch agieren. Zum Beispiel: Sie können nicht optimieren, was Sie nicht messen – Sie sollten also damit beginnen, Daten für Messungen zu sammeln. Dieser Aufwand wird wahrscheinlich über das hinausgehen, was Sie für einen Proof-of-Concept-Aufwand als passend erachten.

Kieran Chandler: Das ist wahrscheinlich für viele unserer Zuschauer ziemlich überraschend, denn bei Proofs of Concept sollte das Sammeln der Daten der einfache Teil sein, der zu Beginn des Proof of Concept bereitgestellt wird. Warum ist es also so schwierig?

Joannes Vermorel: Es ist immer schwierig, weil die Realität ihre eigenen Wege hat, um sicherzustellen, dass Ihre Proof-of-Concept-Versuche auf die miserabelste Art scheitern. Aber ernsthaft: Betrachten wir eine reale Situation. Angenommen, Sie haben ein Einzelhandelsnetzwerk, das ein paar Lager, ein paar Produktionseinheiten und vielleicht ein paar Vertriebsstandorte umfasst. Nun starten Sie Ihre Initiative, in der Sie sagen:

Kieran Chandler: Sprechen wir über Kunden, die zufrieden damit sind, wie Sie sie bedienen. Sie erkennen also, dass Sie Ihren Proof of Concept starten möchten, und stellen fest, dass das Beschaffen aller Transaktionsdaten schwieriger ist, als es zunächst schien. Warum ist das so?

Joannes Vermorel: Nun, zum Beispiel könnte man sagen, dass Kundenbestellungen einfach sein sollten. Ja und nein, denn es kann viele kuriose Situationen geben, wie etwa, wenn ein Kunde Ihnen eine Bestellung schickt, die Sie aufgrund eines Lagerbestandsfehlers nicht erfüllen können. Sie vermerken gewissenhaft im System, dass die Bestellung nicht ausgeführt werden konnte. Am nächsten Tag gibt der Kunde eine weitere, sogar größere Bestellung auf. Warum? Weil Sie die Bestellung vom Vortag nicht erfüllt haben. Hätten Sie die erste Bestellung erfüllt, wäre wahrscheinlich am nächsten Tag keine zweite Bestellung aufgegeben worden. Man möchte also die historische Nachfrage widerspiegeln und nicht nur den rohen, historischen Bestellstrom des Kunden, der aus verschiedenen Gründen beeinflusst wurde. Sie merken, dass es komplizierter ist, als es scheint.

Kieran Chandler: Was geschieht also typischerweise mit einer Proof-of-Concept-Initiative, wenn Sie all diese Probleme haben?

Joannes Vermorel: Man versucht, Wege zu finden, die Probleme zu vereinfachen, und landet unvermeidlich bei einem klassischen Vorhersage-Proof of Concept, wie etwa einer wöchentlichen Zeitreihenprognose. Sie denken in Begriffen der Prognose der Nachfrage auf Basis der historischen Nachfrage und können diese sofort rückwirkend testen. Sie ignorieren Lagerausfälle, Aktionen und alle anderen bizarren Faktoren. Das Endergebnis entspricht zwar der Definition eines Proof of Concept, aber dadurch entfernen Sie sich völlig von dem Problem, das Sie eigentlich lösen wollten.

Kieran Chandler: Sprechen wir ein wenig über Backtesting. Dabei geht es darum, historische Daten der Vergangenheit zu betrachten, Vorhersagen zu treffen und diese zu vergleichen. Warum funktioniert Backtesting eigentlich nicht wirklich?

Joannes Vermorel: Backtesting funktioniert aus statistischer Sicht, hat aber seine Grenzen. Aus der Sicht der supply chain ist Backtesting nur ein kleines numerisches Werkzeug, das nur einen Bruchteil des gesamten Bildes darstellt. Wenn Sie anfangen, über die Optimierung der Einkaufsgewohnheiten Ihrer Teams nachzudenken, stellt sich heraus, dass möglicherweise all diese Mindestbestellmengen nicht in Stein gemeißelt sind. Vielleicht werden diese seltenen Einkäufe dadurch verursacht, dass Ihr Einkaufsteam niedrige Preise ausgehandelt hat, allerdings mit extrem hohen Mindestbestellmengen. Dies zwingt Ihr Team, zusätzliche Verzögerungen zwischen den Bestellungen einzubauen, was alles verkompliziert und die Vorlaufzeiten in die Höhe treibt.

Was ich damit sage, ist, dass Optimierung nicht nur eindimensional ist – etwa durch Verringerung des Fehlers aus der Perspektive der Prognosegenauigkeit. Es geht auch darum, alle bestehenden Prozesse zu erfassen, zu überdenken und gegebenenfalls anzupassen, damit eine Optimierung überhaupt möglich wird. Außerdem müssen Sie darüber nachdenken, was Sie tatsächlich messen. Das Problem ist, dass diese kleinen Proof-of-Concept-Projekte, die unvermeidlich wieder zu Zeitreihen-Genauigkeits-Benchmarks zurückführen, am Ende einen Fehler in Prozent statt in Dollar aufweisen. Wieder einmal sind wir sehr weit von den betriebswirtschaftlichen Grundlagen entfernt.

Kieran Chandler: Das eigentliche Problem bei Vorhersagen ist also, dass Sie sich nur auf diesen Aspekt konzentrieren und nicht das größere Bild betrachten? Es ist eine sehr spezifische Art der Vorhersage. Das Sammeln aller relevanten Daten ist schwierig, sodass Sie sicher sein können, dass Ihr Proof of Concept ein klassischer Zeitreihenforecast mit wöchentlichen Eingabedaten und wöchentlichen Vorhersagen sein wird – und das soll es sein. Ich nehme an, was wir heute beschreiben, stammt ein wenig aus schmerzlichen Erfahrungen, aus den Dingen, die Sie in der Vergangenheit ausprobiert und POCs durchgeführt haben. Was sind also einige der Hauptprobleme, die Sie bei Ihren POCs erlebt haben?

Joannes Vermorel: Das Schlimmste ist, dass Sie manchmal im POC völlig erfolgreich sein können, und das ist wahrscheinlich das, was am meisten schmerzt. Als Unternehmen für Unternehmenssoftware gewinnen Sie nicht jeden einzelnen Lead, der an Ihnen vorbeigeht – das Verlieren von Leads gehört einfach zum Alltag. Was wirklich schmerzt, ist, wenn Sie im POC gewinnen, weil Sie dort – möglicherweise mit großem Abstand – am besten abschneiden, und dann, wenn Sie versuchen, das in eine Produktionssituation zu übertragen, explodieren die Dinge komplett und erfüllen keinerlei Erwartungen des Kunden. Ihnen wird klar, dass es daran liegt, dass Sie von einem Spielzeugproblem zu einem realen Problem übergegangen sind. Vielleicht hat alles, was Sie für das Spielzeugproblem getan haben, in diesem begrenzten Rahmen mit einer klar definierten Metrik sehr gut funktioniert, aber es hat alle betriebswirtschaftlichen Grundlagen völlig ignoriert. Wenn Sie in die Produktionssituation übergehen, erkennen Sie, dass Ihre Lösung bei weitem keine zufriedenstellende Antwort liefert.

Das Schlimmste ist, dass supply chains seit einigen Jahrzehnten digitalisiert werden. Für große Unternehmen wird die Lösung, die Sie ins Unternehmen bringen, genau wie frühere Ansätze sein. Sie wird eine Masse an Zahlen erzeugen, die von allen völlig ignoriert werden. Unweigerlich greifen alle supply chain Teams wieder zu ihren üblichen Excel-Tabellen und ignorieren dabei die dysfunktionalen Zahlen, die von einem weiteren System erzeugt werden.

Kieran Chandler: Betrachten wir die Dinge nun aus der Perspektive eines Unternehmens. Das Schöne an POCs ist, dass Sie die unterschiedlichen Herangehensweisen sehen können, mit denen Softwareanbieter ein Problem angehen, und wie sie tatsächlich auf bestimmte Herausforderungen reagieren. Abgesehen davon: Welche Alternativen können Unternehmen anstelle eines POC nutzen? Was könnten sie sonst tun, um zu sehen, wie verschiedene Unternehmen abschneiden?

Joannes Vermorel: Die Alternative besteht darin, sich auf die Grundlagen zu konzentrieren. Ich habe darauf hingewiesen, dass die Konsolidierung von Daten eine Herausforderung darstellt. Der moderne Weg, dies aktuell zu bewerkstelligen, ist der Aufbau eines Data Lake. Der nächste Schritt darüber hinaus besteht darin, eine sinnvolle Dokumentation aus der Sicht der supply chain bereitzustellen. Um erfolgreich zu sein, müssen Sie sich auf das konzentrieren, was sich nicht ändert. Ihre supply chain wird sich wahrscheinlich in ihren grundlegendsten Aspekten nicht ändern. Sie werden weiterhin Lieferanten, Produktionseinheiten, Lagerhäuser und Vertriebskanäle haben. Es gibt viele Dinge, die als relativ stabil angesehen werden, also konzentrieren Sie sich darauf. Wenn Sie Daten konsolidieren, konsolidieren Sie auch die entsprechende Dokumentation, denn die große Herausforderung ist immer die Semantik der Daten.

Was bedeuten diese Daten? Wenn wir ein Bestelldatum haben, war es der Tag, an dem Sie die Bestellung erstellt haben, um sie an den Lieferanten zu senden, der Tag, an dem der Eintrag in Ihrem System registriert wurde, oder der Tag, an dem Ihr Lieferant den Erhalt der Bestellung bestätigt hat? Es gibt etliche Möglichkeiten. Die Frage ist, wo all diese Dinge dokumentiert sind. Wenn Sie keinen Zugang zu den Daten und deren Semantik haben, gibt es keine Hoffnung, jemals etwas zu optimieren. Noch einmal: Als ich einen Ansatz der Quantitative Supply Chain beschrieb, gab es Lokad als eine cloud computing Plattform, um all diese numerischen Rezepte in großem Maßstab auszuführen. Aber das, was für den Kunden hochkapitalistisch ist, ist die Konsolidierung aller relevanten Daten, das Verstehen der Semantik der supply chain, das Erarbeiten von Kennzahlen, die das langfristige finanzielle Interesse Ihres Unternehmens wirklich widerspiegeln – was schwierig ist. Ebenso das Erarbeiten von Prozessen, die gut mit den physischen Beschränkungen Ihrer supply chain harmonieren, und all das liegt im Inneren und ist weitgehend unabhängig von dem Toolset, das Sie zur Durchführung dieser numerischen Berechnungen verwenden.

Kieran Chandler: Wenn wir die Dinge zusammenführen und den heutigen Tag abschließen, gibt es POCs in der supply chain-Branche schon seit Jahrzehnten. Können Sie sich wirklich eine Zeit vorstellen, in der es überhaupt keine POCs mehr gibt?

Joannes Vermorel: Offensichtlich wird es immer noch junge Leute geben, die noch nicht genug Erfahrung haben und nach einem weiteren PoC fragen. Sie wissen ja, das ist einfach eine Tatsache des Lebens. Und vielleicht haben sie recht, denn es gibt Situationen – auch in supply chains –, in denen ein PoC wirklich der richtige Weg ist. Wenn Sie beispielsweise einen neuen Barcode-Drucker haben, der scheinbar mit dem System kompatibel ist, in dem die alten Barcode-Drucker verwendet werden, der neue jedoch einfach besser, schneller, günstiger, schlanker und so weiter ist – dann können Sie einfach noch einen Barcode-Drucker kaufen und ihn in Ihrem Lieblingslager testen. Es gibt also Situationen und Probleme, in denen ein PoC genau der richtige Ansatz ist. Doch wenn Sie an eine optimierungsweite supply chain-Herausforderung denken, die wirklich eine ganzheitliche Perspektive auf Ihre supply chain einnimmt, würde ich sagen, dass Sie nicht zu viel von klein angelegten Experimenten erwarten sollten. Letztlich werden Sie unweigerlich feststellen, dass das Problem komplex ist, und wenn Sie nicht hart genug daran arbeiten, scheitern Sie eben, weil Sie dem Problem nicht genügend Energie gewidmet haben.

Kieran Chandler: Also lautet die abschließende Kernaussage von heute, dass PoCs Ihnen zwar gewisse Einblicke geben können, dass Sie jedoch nicht zu viel erwarten sollten und dass sie als Gesamtpaket nicht wirklich funktionieren?

Joannes Vermorel: Ja, und das Gegenteil eines PoC sollte kein zehnjähriges Engagement mit einem Anbieter sein. Ich meine, das ist auch ein weiterer Punkt. Nur weil Sie keinen PoC durchführen, heißt das nicht, dass Sie nicht sagen können: “Ich nehme an, wir können mit einem Anbieter zusammenarbeiten. Was wir wollen, ist, Initiativen zu starten – eine schlanke Branche, wissen Sie – sodass es nicht sehr teuer sein muss, und dann machen wir Woche für Woche einfach weiter mit Ihnen.” Anstatt darauf zu achten, dass Initiativen innerhalb von zehn Wochen abgegrenzt werden sollen, geht es mehr darum, ob Sie mit der Geschwindigkeit des Fortschritts der Initiative zufrieden sind. Werden von Woche zu Woche Fortschritte in einem zufriedenstellenden Tempo gemacht?

Wenn Sie einen Anbieter wählen und nach drei Wochen feststellen, dass die Dinge immer noch sehr schleppend vorangehen, sollten Sie abbrechen – selbst innerhalb eines Zeitrahmens, der kürzer ist als ein typischer PoC. Die Frage ist vielmehr, dass Sie zwar zehn Jahre vorausdenken – das ist Ihre Vision –, aber Sie sich auf einen Aspekt konzentrieren, der für Ihr Unternehmen im nächsten Jahrzehnt hochkapitalistisch sein wird. Wenn es jedoch darum geht, einen Unternehmensanbieter hinauszuwerfen, weil er einfach nicht liefert, handelt es sich eher um eine wöchentliche Bewertung, bei der Sie erneut prüfen, ob die Dinge voranschreiten und ob sich eine gewisse Dynamik aufbaut. Sie achten auf all diese kleinen Anzeichen, stets mit einem unbestimmten Plan im Hinterkopf.

Kieran Chandler: Wir müssen hier Schluss machen, aber wir werden sehen, ob wir alle verschreckt haben.