00:00:07 Einführung und Hintergrund von Pierre Khoury und Shippeo.
00:01:25 Echtzeit-Sichtbarkeit in supply chains und ihre Bedeutung.
00:02:59 Shippeo’s Technologie und wie sie in der Praxis funktioniert.
00:04:00 Die Auswirkungen von Echtzeit-Sichtbarkeit auf die Entscheidungsfindung in supply chains.
00:07:03 Technische Herausforderungen, denen Shippeo gegenübersteht, und wie sie überwunden werden.
00:10:01 Berücksichtigung verschiedener Faktoren für den Algorithmus zur Ermittlung der voraussichtlichen Ankunftszeit.
00:11:07 Die Vorteile granularer, Echtzeit-Daten für die Effizienz der supply chain.
00:12:55 Der Bedarf an Granularität in supply chain Daten und die Identifikation potenzieller Probleme.
00:15:14 Aufbrechen von Silos in der supply chain durch geteilte Informationen.
00:16:30 Der Ansatz des Transportunternehmens und Vorteile für die Interessengruppen.
00:17:19 Herausforderungen bei der Vorhersage und Optimierung ohne Echtzeit-Sichtbarkeit.
00:18:35 Die Zukunft der Echtzeit-Sichtbarkeit und taktische Korrekturmaßnahmen.
00:19:56 Echtzeit-Sichtbarkeit als zentrales supply chain Thema und Wertschöpfung durch Datenfreigabe.
Zusammenfassung
In diesem Interview spricht Kieran Chandler mit Joannes Vermorel, dem Gründer von Lokad, und Pierre Khoury, CEO von Shippeo, über die Bedeutung der Echtzeit-Sichtbarkeit in supply chains. Vermorel betont die Notwendigkeit einer Optimierung basierend auf genauen Messungen, während Khoury die Technologie von Shippeo hervorhebt, die Daten und GPS-Punkte aggregiert, um die voraussichtlichen Ankunftszeiten zu bestimmen. Echtzeit-Sichtbarkeit ermöglicht eine bessere decision-making und kann helfen, potenzielle Probleme zu mildern. Trotz technischer Herausforderungen sind sich sowohl Vermorel als auch Khoury über den Wert von Echtzeit-Daten für das Tracking von Assets und zur Vermeidung kostspieliger disruptions einig. Der Datenaustausch von Shippeo zielt darauf ab, silos aufzubrechen und die Effizienz in der gesamten supply chain zu verbessern.
Erweiterte Zusammenfassung
In diesem Interview spricht Moderator Kieran Chandler mit Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf supply chain optimization spezialisiert hat, und Pierre Khoury, dem CEO und Mitgründer von Shippeo, einem europäischen Marktführer in der Echtzeit-Sichtbarkeit in supply chains. Sie diskutieren die Bedeutung der Echtzeit-Sichtbarkeit in supply chains, die Herausforderungen, denen sie gegenüberstehen, und wie Technologie eingesetzt wird, um diese Probleme zu lösen.
Pierre Khoury beginnt damit, seinen Hintergrund als Ingenieur, seine Erfahrungen im Finanzwesen und die Gründung von Shippeo vor vier Jahren zu schildern. Das Ziel des Unternehmens war es, Echtzeit-Sichtbarkeit in den Straßenverkehr zu bringen, der seit 40 Jahren eine Black Box darstellt. Shippeo hat nun 70 Mitarbeiter und ist führend im Tracking des Straßenverkehrs in ganz Europa.
Joannes Vermorel erklärt die kardinale Regel der Optimierung: Man kann nicht optimieren, was man nicht misst. Supply chains sind schwer zu optimieren, weil sie hochgradig verteilt und über Kontinente hinweg verstreut sind. Historisch haben die Menschen statische Güter verfolgt, etwa das, was in Lagern vorhanden ist. Supply chains beinhalten jedoch das Tracking beweglicher Güter wie trucks und Sendungen. Echtzeit-Sichtbarkeit ist entscheidend, um auf diese Informationen zuzugreifen, ohne Tage auf die Datenübermittlung an die Zentrale warten zu müssen, was eine bessere Optimierung ermöglicht.
Pierre Khoury erläutert, wie Shippeo’s Technologie in der Praxis funktioniert. Das Unternehmen hat mehr als 150 Connectoren zu verschiedenen Systemen entwickelt, wie beispielsweise Telematik- und Dispositionssysteme für Carrier sowie mobile Apps für kleinere Carrier. Shippeo aggregiert Daten und GPS-Punkte alle drei bis fünf Minuten, unabhängig von der Quelle, und verwendet anschließend prädiktive Analysen, um die voraussichtlichen Ankunftszeiten zu bestimmen.
Joannes Vermorel betont die Bedeutung der Echtzeit-Sichtbarkeit aus der Perspektive der supply chain Optimierung. Das Wissen um den Status von Sendungen ermöglicht eine bessere Entscheidungsfindung, etwa ob mehr eingekauft oder der Lieferant gewechselt werden sollte. Zum Beispiel, wenn ein Lieferant erwartet wird, Produkte in zehn Tagen zu liefern, sich die Sendung jedoch verspätet, kann das Echtzeit-Tracking durch Shippeo helfen, das Problem zu identifizieren und Gegenmaßnahmen zu ermöglichen, wie beispielsweise eine Notbestellung bei einem anderen Lieferanten, um Produktionsverzögerungen zu vermeiden.
Echtzeit-Sichtbarkeit in supply chains ist essenziell für eine bessere Optimierung und Entscheidungsfindung. Die Technologie von Shippeo hilft, das lang bestehende Problem des Trackings beweglicher Güter im Straßenverkehr zu lösen, sodass Unternehmen fundiertere Entscheidungen treffen und potenzielle Probleme abmildern können.
Joannes Vermorel erklärt, dass die Hauptherausforderung darin besteht, dass sie nur begrenzte Informationen von transaktionalen Systemen wie ERPs, WMS und Order Management Systemen erhalten. Diese Systeme liefern keine Informationen darüber, was passiert, nachdem eine Bestellung aufgegeben wurde, was zu Unsicherheiten in der supply chain führt. Er ist der Meinung, dass, obwohl probabilistic approaches weiterhin existieren werden, die Unsicherheit mit Echtzeit-Daten von Unternehmen wie Shippeo deutlich reduziert werden kann.
Pierre Khoury erörtert die technischen Herausforderungen, denen sie gegenüberstehen, wie zum Beispiel den Anschluss von über 150 verschiedenen Systemen, die Gewährleistung eines stabilen und konsistenten Datenflusses für Millionen von GPS-Punkten, das Management von Veränderungen in einer schwer anpassungsfähigen Transportbranche und die Aufrechterhaltung hochwertiger data pipelines. Er hebt die Wichtigkeit hervor, Faktoren wie Verkehr, Fahrpausen, Be- und Entladezeiten sowie Wetter zu berücksichtigen, um genaue voraussichtliche Ankunftszeiten zu berechnen.
Sowohl Vermorel als auch Khoury sind sich einig, dass Echtzeit-Daten in supply chains einen hohen Wert haben, da sie es Unternehmen ermöglichen, teure physische Assets zu tracken und kostspielige Verzögerungen oder Störungen zu vermeiden. Vermorel betont, dass auch wenn die Assets an sich nicht teuer sind, ihre Verfügbarkeit oder Nichtverfügbarkeit erhebliche Auswirkungen auf die supply chain haben kann.
Khoury liefert ein Beispiel dafür, wie die Echtzeit-Daten von Shippeo einem Kunden während der Yellow Jackets-Proteste in Frankreich halfen, ihre Trucks umzuplatzieren und kostspielige Hubschrauber- oder Flugzeuglieferungen zu vermeiden. Er erwähnt auch, dass das Granularitätsniveau ihrer Daten, mit Updates alle drei bis fünf Minuten, für alle Beteiligten in der supply chain von Vorteil sein kann, einschließlich Lager, Kunden, Transportteams und Kundenservice-Teams.
Vermorel erklärt, dass Probleme häufig an den Grenzen von supply chains auftreten, wo Verzögerungen aus verschiedenen Gründen eintreten können, beispielsweise wenn Waren nicht rechtzeitig abgeholt werden oder es zu Missverständnissen zwischen verschiedenen Systemen kommt. Er betont die Bedeutung feingranularer lead times, die wertvolle Informationen zur Optimierung von Prozessen in der supply chain liefern können. Vermorel stellt fest, dass, obwohl Echtzeit-Daten wichtig sind, die Analyse nicht zwangsläufig auf Minutenebene bleiben muss; beispielsweise könnte eine netzwerkweite Optimierung in Tagen statt in Minuten gedacht werden.
Khoury fügt hinzu, dass supply chains von Natur aus aus mehreren Akteuren bestehen, die oft einen isolierten Ansatz in Bezug auf Informationen verfolgen. Durch das Teilen von Echtzeit-Informationen im Bereich Transport beabsichtigt Shippeo, diese Silos aufzubrechen und die Gesamteffizienz zu verbessern. Er gibt ein Beispiel dafür, wie aktuelle Informationen dabei helfen können, Wartezeiten in Lagern zu reduzieren, was zu niedrigeren Transportkosten und einer besseren Produktivität für alle Beteiligten führt.
Auf die Frage nach Shippeo’s Hauptkunden erklärt Khoury, dass ihr Hauptfokus auf Shippers liegt, da diese am meisten von der Lösung profitieren und deren Einführung in der supply chain vorantreiben können. Das System wird Carriers und anderen Stakeholdern kostenlos zur Verfügung gestellt, um eine breite Teilnahme zu fördern.
Vermorel hebt die Bedeutung der Echtzeit-Sichtbarkeit in der supply chain Optimierung hervor und erklärt, dass sie dazu beitragen kann, einen Großteil der Unsicherheit zu beseitigen, die die Entscheidungsfindung erschwert. Probabilistische Ansätze können hilfreich sein, um mit Unsicherheiten umzugehen, aber eine möglichst starke Reduzierung derselben ist weiterhin sehr wünschenswert. Er stellt sich vor, dass Lokad in der Lage sein wird, effizientere Entscheidungen in der supply chain auf verschiedenen Ebenen anzubieten, von langfristigen Bestellungen bis hin zu taktischen, Notfallmaßnahmen.
Khoury schließt mit der Betonung des wachsenden Interesses an der Echtzeit-Sichtbarkeit in supply chains, wobei Gartner dieses als ein Top-Thema einstuft. Er ist der Meinung, dass der Austausch von Informationen mit anderen Systemen zusätzlichen Wert schaffen und ein kollaboratives Ökosystem fördern kann, von dem alle Beteiligten in der supply chain profitieren.
Vollständiges Transkript
Kieran Chandler: Heute freue ich mich, dass wir Pierre Khoury, den CEO und Mitgründer von Shippeo, bei uns begrüßen dürfen, der uns ein wenig über die positiven Aspekte sowie einige Herausforderungen der Echtzeit-Sichtbarkeit in supply chains berichten wird. Pierre, vielen Dank, dass du dabei bist.
Pierre Khoury: Danke, Kieran. Ich freue mich sehr, hier zu sein.
Kieran Chandler: Schön. Könntest du uns vielleicht kurz etwas über deinen Hintergrund erzählen und auch, wie Shippeo entstanden ist?
Pierre Khoury: Ja, ich habe eine ingenieurwissenschaftliche Ausbildung und bin danach im Finanzwesen tätig gewesen, wo ich einen Private-Equity-Fonds mitbegründet habe. Vor vier Jahren haben wir dann Shippeo gegründet, mit dem Ziel, Echtzeit-Sichtbarkeit im Transportwesen, insbesondere im Straßenverkehr, zu schaffen, der in den letzten 40 Jahren eine Black Box war. Shippeo ist heute ein 70-Mitarbeiter-Unternehmen und führend in Europa im Tracking des Straßenverkehrs auf dem gesamten Kontinent.
Kieran Chandler: Und, wie immer, wäre LokadTV nicht komplett ohne Joannes Vermorel. Joannes, vielleicht kannst du uns ein wenig mehr darüber erzählen, was Echtzeit-Sichtbarkeit in Bezug auf supply chains bedeutet.
Joannes Vermorel: Die kardinale Regel der Optimierung lautet, dass man nicht optimieren kann, was man nicht misst. Wenn etwas für dich im Dunkeln bleibt, hast du keine Chance, irgendetwas zu optimieren. In supply chains ist es sehr schwierig, da sie hochgradig verteilt sind und sich buchstäblich über Kontinente erstrecken. Früher haben die Menschen angefangen, das zu verfolgen, was sich nicht bewegt – wie das, was in Lagern vorhanden ist. Solange die Dinge statisch waren, war es nicht einfach, aber das begann bereits vor mehreren Jahrzehnten. Das Problem ist nun, dass supply chains sich um die beweglichen Dinge drehen, wie Trucks und Sendungen, und hier wird es sehr kompliziert. Echtzeit-Sichtbarkeit bedeutet, auf diese Informationen zuzugreifen, ohne Tage warten zu müssen, bis alle Daten an die Zentrale zurückfließen. Es ist eine Herausforderung, denn wenn das nicht gut funktioniert, verpasst man die Chance zur Optimierung, weil es zu spät ankommt. Daher ist Echtzeit-Sichtbarkeit in diesem Zusammenhang sehr wichtig.
Kieran Chandler: Okay, das ist also die Theorie dahinter. Pierre, könntest du uns ein wenig mehr darüber erzählen, wie es in der Praxis tatsächlich funktioniert? Wie arbeitet die Technologie bei Shippeo?
Pierre Khoury: Wie gesagt, war dies eine Herausforderung, die 40 Jahre lang ungelöst blieb. Deshalb haben wir uns organisiert, um zunächst die Heterogenität der IT-Systeme der Carriers zu beseitigen. Wir haben mehr als 150 Connectoren für verschiedene Systemtypen entwickelt, wie etwa Telematik-Dispatch-Systeme für Carriers und unsere mobile App für kleinere Carriers. Wir aggregieren Daten und GPS-Punkte alle drei bis fünf Minuten, egal aus welcher Quelle, und können darauf prädiktive Analysen durchführen, insbesondere zur Ermittlung der voraussichtlichen Ankunftszeit.
Kieran Chandler: Und Joannes, warum ist das aus der Perspektive von Lokad von Interesse? Warum ist das interessant?
Joannes Vermorel: Für uns hängt die Entscheidung, ob wir mehr einkaufen oder vielleicht von einem anderen Lieferanten beziehen sollten, um diese Entscheidung zu optimieren, davon ab, was du hast oder höchstwahrscheinlich zu einem bestimmten Zeitpunkt haben wirst.
Kieran Chandler: Also, wenn du zum Beispiel bemerkst, dass ein Lieferant Produkte in zehn Tagen liefern kann, aber um fünf Tage zu spät kommt, und du das dank Shippeo bereits weißt, weil das Tracking zeigt, dass sich der Truck in den letzten Tagen kaum bewegt hat – was bedeutet das?
Joannes Vermorel: Das bedeutet, dass du eventuell entscheiden kannst, Maßnahmen zu ergreifen, um einen Produktionsausfall abzuwenden, oder zu verhindern, dass deine Produktionsanlage stillsteht, weil du nicht über die Rohmaterialien verfügst, indem du eine Notbestellung bei einem Lieferanten aufgibst, der vielleicht teurer ist, aber sehr nahe liegt und dir am nächsten Tag liefern kann. Aber wenn du hochagile Notfallkorrekturmaßnahmen umsetzen möchtest, brauchst du diese Daten. Für uns besteht die große Herausforderung darin, dass wir häufig nur Daten haben, die aus transaktionalen Systemen wie ERPs, WMSs oder Order-Management-Systemen stammen, welche keine Informationen darüber liefern, wohin die Waren versendet wurden. Oft wissen wir nicht mehr, als dass die Bestellung abgeschickt wurde, und was danach passiert, ist uns unbekannt. Letztendlich werden wir erfahren, dass sie angekommen ist, aber es wird sehr, sehr spät sein.
Kieran Chandler: Würde das also den probabilistischen Ansatz, den wir bei den Durchlaufzeiten verfolgen, ersetzen? Wird dieser Ansatz komplett entfallen, wenn Kunden Shippeo nutzen?
Joannes Vermorel: Ich denke, probabilistische Ansätze werden bleiben, denn wenn man sich in der Mitte einer Lieferung befindet, die eigentlich ein paar Tage dauern sollte, hat man am ersten Tag immer noch ein gewisses Maß an Unsicherheit für die verbleibenden vier Tage. Aber die Frage ist, dass diese Unsicherheit im Laufe der Zeit erheblich reduziert werden kann. Das Interessante an Shippeo ist, dass wenn etwas für den Transport fünf Tage in Anspruch nehmen soll – beispielsweise, um ganz Europa zu durchqueren – und am vierten Tag der LKW dort ist, wo man ihn erwartet, die verbleibende Unsicherheit nahezu verschwindet. Im Gegensatz dazu, ohne Shippeo, sind wir am vierten Tag, und wir wissen nichts mehr als das, was wir am Tag null wussten, weil der LKW noch nicht da ist – das steht fest –, aber ob es zu einer Verzögerung kommt, wissen wir nicht. Somit befinden wir uns immer noch in einer sehr unsicheren Situation, während man mit Shippeo am vierten Tag einer fünftägigen Lieferung fast keine Unsicherheit mehr hat, was hervorragend ist und allein durch die reduzierte Unsicherheit zu einer besseren Optimierung führen würde.
Kieran Chandler: Es geht also im Grunde darum, diese Wahrscheinlichkeiten zu verfeinern. Pierre, könntest du mir ein wenig mehr über einige der technischen Herausforderungen erzählen, denen du begegnest? Ich meine, beim Arbeiten in Echtzeit kann es nicht sehr einfach sein. Was sind einige der Herausforderungen, die dort bestehen?
Pierre Khoury: Klar, ich würde sagen, es gibt drei Hauptprobleme. Die erste Herausforderung aus technischer Sicht besteht darin, mehr als 150 verschiedene Systeme zu verbinden und diese in ein einziges kanonisches Datenmodell in Echtzeit zu integrieren sowie einen stabilen und konsistenten Datenfluss von Millionen GPS-Punkten pro Tag zu gewährleisten. Die zweite Herausforderung betrifft das Change Management. Der Transportsektor verändert sich in der Regel sehr langsam, und es ist eine große Herausforderung, dies umzusetzen, carrier und Nutzer an Bord zu holen, sie zu schulen und die gewünschten Ergebnisse zu erzielen. Die dritte Herausforderung betrifft die Datenqualität und das Festlegen der richtigen Regeln, um die Daten abzurufen und etwas Konsistentes sowie Hochwertiges zu erhalten.
Kieran Chandler: Joannes, würdest du zustimmen, dass diese Daten benötigt werden? Ich meine, heutzutage scheint so viel Daten gesammelt zu werden. Brauchen wir das wirklich in supply chains? Ich meine, ich könnte niesen, und irgendwo würde diese Daten gesammelt werden. Brauchen wir das wirklich in supply chains? Das sind hoch wertvolle Daten. Es geht nicht um zufällige Tweets; es geht um LKWs, und ein LKW wird in der Regel Waren im Wert von mehreren Hunderttausend Euro transportieren. Wenn man Elektronik oder etwas transportiert, das nicht trivial ist – vorausgesetzt, man transportiert nicht Erde, Dreck oder Sand –, dann ist das, was man über diese supply chains bewegt, extrem wertvoll. Macht es also Sinn, diese Daten zu sammeln?
Joannes Vermorel: Ja, es macht Sinn, denn man verfolgt Vermögenswerte, die buchstäblich Tonnen Geld wert sind. Man befindet sich häufig in stark asymmetrischen Situationen, in denen das, was geliefert wird, vielleicht nicht besonders teuer ist, sondern nur kleine Teile – im Preis des Metalls. Aber wenn diese Teile fehlen und eine ganze Produktionsstätte stillsteht, dann gibt es Hunderte von Menschen, die nicht mehr arbeiten können, nur weil man darauf warten muss, dass die Ersatzteile geliefert werden. Die Daten sind unglaublich wertvoll, weil sie an physische Vermögenswerte gekoppelt werden können, die teuer sind, und selbst wenn sie an sich nicht teuer sind, kann ihre Verfügbarkeit oder Nichtverfügbarkeit später in anderen Elementen der supply chains sehr hohe Kosten verursachen.
Kieran Chandler: Wo ziehen wir also die Grenze in Bezug auf die Daten, die Sie tatsächlich sammeln? Es ist natürlich gut zu wissen, wo ein LKW zu jedem beliebigen Zeitpunkt ist, aber beobachten Sie auch Verkehrsmeldungen? Berücksichtigen Sie überhaupt das Wetter? Wo ziehen Sie die Grenze?
Pierre Khoury: Wir müssen all diese Faktoren berücksichtigen, um eine zuverlässige geschätzte Ankunftszeit zu ermitteln – unter Einbeziehung von Verkehr, Pausen für Fahrer, gesetzlich vorgeschriebenen Ruhezeiten sowie den Mustern beim Be- und Entladen. All dies fließt in unseren machine learning Algorithmus ein, um etwas Verlässliches zu erhalten. Ich denke, wir bauen gerade einen der besten geschätzten Ankunftszeit-Algorithmen in Europa. Um ein Beispiel für das zu geben, was Joannes erwähnte: Einer unserer Kunden hat uns im Dezember eine E-Mail geschickt, um sich wegen der Proteste der Yellow Jackets zu bedanken. Der Verkehr lief nicht wie üblich, aber sie konnten dies vorwegnehmen, ihre LKWs umpositionieren und das Risiko in ihrem Produktionsplan mindern. Sie hatten keinerlei Auswirkungen durch die Proteste, und im Gegenteil, sie hätten gezwungen worden sein können, für ihre Produkte teure Helikopter- oder Flugzeuglieferungen in Anspruch zu nehmen. Es ist ein gutes Beispiel für den Wert, den wir bringen.
Kieran Chandler: Die Yellow Jackets sind definitiv ein sehr spezielles Beispiel. Also, du hast erwähnt, dass ihr ein Granularitätslevel von Updates alle drei bis fünf Minuten habt – ist das korrekt?
Pierre Khoury: Ja, das ist korrekt. Die neue Grenze, die wir öffnen, sind Echtzeitdaten, dank GPS-Punkten. Wir sammeln Daten alle drei bis fünf Minuten, abhängig vom System des carrier. Es ist sehr detailliert und erlaubt uns, viele Dinge zu erkennen, wie Ladezeiten, Entladezeiten und Probleme, die auf der Straße auftreten können. Diese Daten sind für alle Beteiligten wertvoll, da es nicht darum geht, den Zugang zu diesen Daten einzuschränken, sondern sie nach den richtigen Regeln und mit gewährten Zugriffsrechten an andere Parteien – wie das Lager, den Endkunden, das Transportteam und den Kundenservice – zu teilen. Letztlich kann jeder produktiver und effizienter arbeiten, weil man weiß, was passieren wird. Ich möchte Amazon erwähnen, denn letztlich wollen alle Kunden, selbst bei B2B-Lieferungen, die gleiche Erfahrung wie bei einem Amazon B2C-Paket.
Kieran Chandler: Danke, Amazon ist wohl das, was wir jede Woche als Erstes erwähnen. Wenn wir nicht in Minuten sprechen, dann eher in Stunden und tatsächlich Tagen. Ist dieses Granularitätsniveau ein wenig zu hoch? Brauchen wir dieses Niveau wirklich?
Joannes Vermorel: Ja, denn meistens, besonders im Transport, braucht man es nicht für alles, aber im Transport muss man das Ausmaß der Probleme abschätzen, die an den Grenzen in der supply chain auftreten können. Zum Beispiel kann eine Lieferung an ein Lager erfolgen, aber die Ware wird erst am nächsten Tag oder acht Stunden später kommissioniert. An den Grenzen kann wirklich viel passieren. Meistens bewegen sich die Güter nicht oder werden nicht transformiert. Daher machen diese feinkörnigen Durchlaufzeiten – supply chain-wise – Sinn. Wir versuchen nicht, Messungen im Sub-Millisekundenbereich zu erreichen, wie es etwa bei der Optimierung der Paketverteilung im Internet der Fall wäre. Die Granularität liegt eher bei ein paar Minuten, was sinnvoll ist, wenn eine physische Operation durchgeführt werden muss.
Und tatsächlich, sobald wir diese Informationen haben, können wir viele Dinge erkennen, aber das bedeutet nicht, dass sämtliche Analysen auf Minutenebene verbleiben. Zum Beispiel, wenn man versucht, Durchlaufzeiten von mehreren Wochen end-to-end zu optimieren und zu komprimieren, ermöglichen Messwerte in Minuten, eine Vielzahl von Vorgängen präzise zu lokalisieren – vermutlich Muster, die leicht dysfunktional sind, insbesondere an den Übergängen der Systeme. Das Hauptproblem in supply chains liegt darin, wenn etwas von einem System in ein anderes übergeht, sei es Software, ein Unternehmen oder Teams. Dort können Lücken entstehen, die zu zufälligen Verzögerungen führen. Diese kann man beseitigen, und typischerweise, wenn man eine netzwerkweite Optimierung anstrebt, wechselt man zu Ansätzen, bei denen man in Tagen statt in Minuten denkt. Aber es hängt wirklich von der Art des Problems ab.
Pierre Khoury: Um das, was Joannes sagte, zu ergänzen: Per Definition ist die supply chain eine Kette, was bedeutet, dass es mehrere Akteure in der Kette gibt, und diese Akteure verfolgen heute einen sehr isolierten Ansatz und verfügen über getrennte Informationen. Was wir tun, ist, die Informationen über den Transport zu teilen, damit alle Akteure die richtigen Informationen erhalten und diese Silos aufgebrochen werden, um zu optimieren. Und ja, manchmal sind Informationen bis zur letzten Minute wichtig. Zum Beispiel, um zu wissen, dass es in einem Lager zwei Stunden Wartezeit beim Be- und zwei Stunden beim Entladen gibt. Mit der Information darüber, wo ein LKW ist und wann er ankommen wird, kann man diese Wartezeiten um bis zu 50% reduzieren, was zu geringeren Transportkosten, niedrigeren Lagerkosten und insgesamt höherer Produktivität führt. Dasselbe gilt für carrier, denn sie warten nicht umsonst. Wir halten dieses Beispiel für eine gelungene Win-Win-Win-Situation für alle.
Kieran Chandler: Sprechen wir über diese verschiedenen Akteure entlang der Kette. Auf wen sollte der Schwerpunkt gelegt werden? Wer sollte der Hauptkunde von Shippeo sein? Sollte es der Einzelhändler sein, der tatsächlich den Lagerbestand bestellt, oder sollten es die Versandunternehmen selbst sein?
Pierre Khoury: Unser Modell basiert auf dem shipper-Ansatz. Wir glauben, dass genau dieser Akteur einen der Hauptvorteile ernten und die Lösung in Richtung Veränderung vorantreiben wird. Daher ist unser Kunde der shipper, und das System ist für alle Stakeholder kostenlos, einschließlich des carrier. Das System ist 100% kostenlos für die carrier, und wir bemühen uns darum.
Kieran Chandler: Um so viele Akteure wie möglich einzubeziehen. Okay, großartig. Und Joannes, wir nähern uns heute dem Abschluss. Abgesehen von den Durchlaufzeiten, warum besteht so großes Interesse daran, dieses Thema zu betrachten? Ich meine, wie siehst du, dass die beiden Werkzeuge so gut zusammenarbeiten?
Joannes Vermorel: Zurzeit machen wir, würde ich sagen, häufig wilde Vermutungen bezüglich des Zustands, den wir zu optimieren versuchen. Ja, wir messen so viel wie möglich, indem wir die Bestände abrufen, die wir haben, aber die Realität ist, dass all die Dinge, die bestellt sind – wo es Bestellmengen oder Zwischenlager gibt – häufig einfach undurchsichtig sind. Das verkompliziert unnötig, weil es uns dazu zwingt, Schätzungen über den Zustand des Systems abzugeben. Das erschwert nicht nur die Modellierung, sondern macht die Optimierung auch weniger effizient. Je mehr Unsicherheit besteht, desto mehr benötigt man einen probabilistischen Ansatz, um numerisch zu überleben. Das heißt jedoch nicht, dass Unsicherheit wünschenswert ist. Vor allem, wenn man die Möglichkeit hat, fast alle Unsicherheiten zu beseitigen, indem man etwas hat, das zwar immer noch probabilistisch ist, aber wesentlich komprimierter, wird alles einfacher. Es gibt ganze Klassen von Korrekturmaßnahmen, super taktische Korrekturmaßnahmen, die nur möglich sind, wenn man dies tut. Häufig könnten wir derzeit theoretisch Korrekturmaßnahmen vorschlagen, die bei unseren Kunden mit sehr wenig Aufwand umsetzbar wären, sofern wir die Daten aus deren ERPs und vielen anderen Quellen bereits integriert haben. Aber mangels des Echtzeitstatus der Sendungen können wir diese Optimierungen nicht durchführen und keine Korrekturvorschläge generieren. In Zukunft sehe ich, dass Lokad immer mehr Kapazitäten entwickeln wird, um auf vielen Ebenen optimierte supply chain Entscheidungen zu liefern – einige für eine Bestellung in Asien und andere, die sehr taktisch sind, wie etwa eine Not-replenishment, indem man sofort bei einem nahegelegenen Lieferanten bestellt, der zwar für eine kleine Menge viel teurer ist, einem aber hilft, die Verzögerung zu überbrücken.
Kieran Chandler: Okay, wir überlassen das letzte Wort Pierre als unserem Gast. Was ist die wichtigste Erkenntnis, die die Leute bezüglich der Echtzeit-Transparenz in supply chains mitnehmen sollen?
Pierre Khoury: Ich möchte sagen, dass ich glaube, Echtzeit-Transparenz ist derzeit eines der heißesten Themen in supply chains. Das ist nicht nur meine Meinung; Gartner hat es als eines der Top-Themen eingestuft. Dieser Vortrag ist sehr interessant, um zu sehen, wie wir Werte schaffen können, indem wir mit anderen zusammenarbeiten. Unsere Mission bei Shippeo besteht wirklich darin, uns auf Echtzeit-Transparenz zu fokussieren, Daten zu aggregieren und darauf prognostische Einblicke zu geben. Aber wir sehen, dass, wenn wir – natürlich mit Zustimmung des shipper – Informationen mit anderen Systemen teilen, eine zusätzliche Ebene an Mehrwert entsteht. Eine solche Art von Ökosystem ist es, dem wir den Kunden und der welt supply chain Wert bringen möchten.
Kieran Chandler: Okay, wir müssen es hier belassen, aber danke für deine Zeit heute Morgen.
Pierre Khoury: Vielen Dank.
Kieran Chandler: Das war alles für diese Woche. Vielen Dank fürs Einschalten, und wir sind nächste Woche mit einer weiteren Episode zurück. Bis dahin, danke fürs Zuschauen.
