00:00:05 Die Rolle und Verantwortlichkeiten eines Supply Chain Scientist.
00:00:31 Maximilians Hintergrund und wie er zum Unternehmen kam.
00:02:03 Der Grund des Unternehmens, die Rolle eines Supply Chain Scientist einzuführen.
00:04:14 Die drei Bestandteile der Rolle eines Supply Chain Scientist.
00:07:35 Die Priorität eines Supply Chain Scientist am Morgen.
00:08:02 Die Balance zwischen Kundenkommunikation und Umsetzungsarbeit.
00:08:44 Schwierigkeiten beim klassischen Ansatz, separate Rollen für Kommunikation und Umsetzung zu haben.
00:11:02 Der Vorteil, der einzige Ansprechpartner für Kunden zu sein und eine direkte Umsetzungsrolle zu übernehmen.
00:12:54 Die Herausforderung, für mehrere Rollen und Stakeholder verantwortlich zu sein.
00:14:25 Die Schwierigkeit, Data Scientists in Supply Chain Scientists zu verwandeln.
00:16:00 Diskussion über den Fortschritt von Doktoranden in den Bereichen Softwaretechnik und Data Science.
00:17:07 Was an der Rolle eines Supply Chain Scientist lohnend ist.
00:18:16 Erklärung der Vielfalt des Teams bei Loca und warum diese nicht beabsichtigt war.
00:22:48 Max’ Ratschlag für jemanden, der eine Karriere in der supply chain Branche in Betracht zieht.
00:23:00 Joannes’ Ratschlag für angehende Supply Chain Scientists.

Zusammenfassung

In diesem Interview diskutiert Kieran Chandler die Rolle von supply chain scientists bei Lokad mit dem Gründer Joannes Vermorel und dem Supply Chain Scientist Maximilian Barth. Vermorel erklärt, dass traditionelle Data Scientists unzureichend waren, was zur Schaffung der Rolle eines Supply Chain Scientist führte. Barth berichtet, dass Supply Chain Scientists sich auf technische, zwischenmenschliche und projektmanagementbezogene Aspekte konzentrieren. Lokads einzigartiger Ansatz umfasst, dass Supply Chain Scientists direkt mit Kunden interagieren, wodurch Zwischenmanager entfallen. Vermorel und Barth betonen die Wichtigkeit praktischer Problemlösung, praxisnaher Erfahrung und Offenheit für den Erfolg in der supply chain Branche. Sie unterstreichen auch den Wert einer vielfältigen Belegschaft, in der Fähigkeiten und Kompetenzen über Nationalität oder Geschlecht gestellt werden.

Ausführliche Zusammenfassung

In diesem Interview bespricht Kieran Chandler, der Moderator, die Rolle und Bedeutung von Supply Chain Scientists bei Lokad, einem Softwareunternehmen, das sich auf supply chain Optimierung spezialisiert hat. Er wird begleitet von Joannes Vermorel, dem Gründer von Lokad, und Maximilian Barth, einem Supply Chain Scientist bei Lokad.

Maximilian Barth beginnt, indem er seinen Hintergrund und seinen Weg zu Lokad schildert. Er erwähnt, dass er Deutscher ist und in verschiedenen Ländern gelebt hat, unter anderem in den USA, Finnland und Australien, bevor er nach Frankreich zog. Wie die meisten Supply Chain Scientists bei Lokad hat er einen MINT-Hintergrund, doch liegt sein Fachgebiet im Finanzwesen. Barth hebt die Gemeinsamkeiten zwischen Finanzen und supply chain Management hervor, da beide darauf abzielen, den maximalen Ertrag zu optimieren und gleichzeitig das Risiko zu minimieren.

Joannes Vermorel erklärt den Grund für die Einführung der Rolle eines Supply Chain Scientist bei Lokad. Zunächst versuchte das Unternehmen, mit traditionellen Data Scientists zu arbeiten, was sich jedoch als unwirksam erwies. Vermorel schließt sich selbst der ersten Gruppe unzureichender Data Scientists an, da er zu jener Zeit an computergestützter Biologie und verteiltem machine learning arbeitete. Er erkannte jedoch bald, dass die Fokussierung auf die kleinsten Details einer supply chain entscheidend für den praktischen Erfolg war.

Vermorel betont die Bedeutung von Engagement im supply chain Management. Er stellt den Ansatz, moderne Technik zu verwenden, dem Ansatz gegenüber, sich auf tatsächlich praktische Ergebnisse zu konzentrieren. Letzterer erfordert, dass man den finanziellen Risiken und der Performance große Aufmerksamkeit schenkt und Zeit investiert, um die Risiken und deren Auswirkungen im System zu verstehen. Im Gegensatz dazu kann der erste Ansatz darin bestehen, Zeit damit zu verbringen, Algorithmen zu verfeinern, was nicht zwangsläufig einen signifikanten Einfluss auf die supply chain performance hat.

Im gesamten Interview hebt die Diskussion die Bedeutung von Supply Chain Scientists bei Lokad hervor, den Wert ihrer spezialisierten Expertise und die Notwendigkeit, sich auf praktische Ergebnisse zu konzentrieren, um die Quantitative Supply Chain effektiv zu optimieren.

Sie diskutierten die Rollen und Herausforderungen, denen Supply Chain Scientists gegenüberstehen, mit Joannes Vermorel, dem Gründer von Lokad, und Maximilian Barth, einem Supply Chain Scientist bei Lokad. Das Gespräch behandelt die facettenreichen Aspekte der Rolle eines Supply Chain Scientist, die Balance zwischen dem Programmieren, der Kommunikation mit Kunden und der Bewältigung dringender Probleme sowie die Bedeutung, eine “Zero Defect”-Mentalität zu vermeiden.

Die Rolle eines Supply Chain Scientist, wie sie von Barth erklärt wird, umfasst einen technischen Aspekt (Programmierung und das Verständnis der Kundenbedürfnisse), einen zwischenmenschlichen Aspekt (Kommunikation mit Kunden und das Erkennen der richtigen Fragen zur Lösung) sowie einen projektmanagementbezogenen Aspekt (Priorisierung von Aufgaben und Vorantreiben von Projekten). Vermorel betont, dass der Kontext entscheidend ist, da dringende Themen wie eine Pandemie oder ein ERP Problem sofortige Aufmerksamkeit erfordern können. Supply Chain Scientists müssen Aufgaben ständig neu priorisieren, basierend auf ihrem potenziellen Einfluss in Euro oder Dollar.

Barth erläutert die Bedeutung der Balance zwischen Umsetzung und Kommunikation mit den Kunden. In der Regel liegt das Verhältnis bei etwa 20% Kommunikation und 80% Ausführung. Er weist darauf hin, dass es entscheidend ist, das richtige Gleichgewicht zwischen Meetings und Arbeit zu finden, um die besten Interessen der Kunden zu wahren und ihre Erwartungen mit der geleisteten Arbeit in Einklang zu bringen.

Vermorel reflektiert über die Herausforderungen des klassischen Ansatzes, bei dem eine Person für die kundennahe Kommunikation und eine andere für den technischen Bereich verantwortlich ist. Diese Methode führt häufig zu Informationsverlust, da Botschaften zwischen den Beteiligten hin und her springen. Infolgedessen hat Lokad einen integrierteren Ansatz gewählt, bei dem Supply Chain Scientists sowohl die technischen als auch die kommunikativen Aspekte übernehmen, was zu einem besseren Verständnis der Kundenbedürfnisse und zur Förderung effektiver Lösungen führt.

Vermorel teilt seine frühen Erfahrungen im Unternehmen, in denen er mehrere Rollen innehatte, von Vertrieb über Data bis hin zum Supply Chain Scientist. Er erkannte, dass die herkömmliche Methode, die Arbeit auf verschiedene Rollen zu verteilen, ineffizient war und sich nicht gut skalieren ließ.

Vermorel hebt den einzigartigen Ansatz bei Lokad hervor, bei dem Supply Chain Scientists wie Maximilian Barth direkt mit Kunden arbeiten, wodurch Zwischenmanager oder Softwareentwickler überflüssig werden. Dieser Ansatz erforderte spezielle Werkzeuge, um den Zeitaufwand für technische Details zu reduzieren. Barth sieht die zentrale Herausforderung seiner Rolle darin, mehrere Stakeholder zu managen und gleichzeitig verschiedene Verantwortlichkeiten zu übernehmen. Er betont den Vorteil, als einziger Ansprechpartner zu fungieren, was den Wissensverlust im Prozess minimiert.

Auf die Frage, wie der Übergang von Data Scientist zu Supply Chain Scientist gelinge, erklärt Vermorel, dass es für Data Scientists tatsächlich schwieriger sei als für Personen mit einem eher allgemeinen numerischen Hintergrund. Er argumentiert, dass Supply Chain Scientists ein Gespür für quantitative Angelegenheiten haben müssen, sich jedoch auf die Lösung greifbarer, konkreter ingenieurtechnischer Probleme konzentrieren sollten. Data Scientists könnte es schwerfallen, ihren Fokus von Algorithmen auf praktische Lösungen zu verlagern, selbst wenn diese relativ einfach sind.

Vermorel schlussfolgert, dass, obwohl Lokad auch Doktoranden beschäftigt, der Hauptfokus des Unternehmens darauf liegt, effektive numerische Rezepte zu liefern, die den Kunden helfen, fundierte, datenbasierte Entscheidungen in ihren supply chain Abläufen zu treffen. Die Diskussion dreht sich um ihre Rollen, die vielfältige Belegschaft des Unternehmens und um Ratschläge für angehende Supply Chain Scientists.

Joannes erklärt, dass Lokad Mitarbeiter für Aufgaben in der Softwareentwicklung und supply chain Problemlösung einstellt. Data Scientists arbeiten oft an langfristigen Projekten, während Supply Chain Scientists wie Maximilian sich darauf konzentrieren, praktische Probleme mit kürzeren Zeitrahmen zu lösen. Maximilian findet die Vielfalt der Probleme und die Fähigkeit, diese für Kunden zu lösen, lohnend. Er erwähnt, wie die Lösungen von Lokad häufig manuelle Prozesse automatisieren, wodurch die Zeit der Kunden freigemacht und wertvolle Einblicke gewonnen werden.

Auf die Frage nach der Vielfalt im Team von Lokad stellt Joannes klar, dass es keine bewusste Entscheidung war, ein multikulturelles Team zu bilden. Stattdessen basiert die Einstellungspolitik des Unternehmens auf Fähigkeiten und Kompetenzen, ohne Menschen aufgrund ihrer Nationalität, Sprache oder ihres Geschlechts auszuschließen. Er betont, dass sie auf intelligente, ergebnisorientierte Kandidaten setzen, was naturgemäß zu einer vielfältigen Belegschaft führt.

Maximilian rät denen, die eine Karriere im Bereich supply chain in Betracht ziehen, die richtigen Fragen zu stellen und die Dinge aus verschiedenen Perspektiven zu sehen, da Projekte in der Regel mehrere Stakeholder haben. Ganzheitliches Denken und das Verständnis der Bedürfnisse aller Beteiligten sind wesentliche Fähigkeiten in diesem Bereich.

Joannes empfiehlt angehenden Supply Chain Scientists, praktische Erfahrungen zu sammeln, anstatt sich ausschließlich auf mathematische Algorithmen oder Wettbewerbe wie Kaggle zu konzentrieren. Er betont die Bedeutung, die Herausforderungen in den tatsächlichen Daten zu verstehen, mit verschiedenen Stakeholdern umzugehen und praktische Lösungen zu liefern, die ohne ständige Überwachung funktionieren. Zusammenfassend unterstreichen beide Gäste die Wichtigkeit von praxisnaher Erfahrung, praktischer Problemlösung und Offenheit für den Erfolg in der supply chain Branche.

Vollständiges Transkript

Kieran Chandler: Zuvor auf diesem Kanal haben wir die Bedeutung eines supply chain Spezialisten gegenüber jemandem mit klassischen Data-Science-Fähigkeiten besprochen. Hier bei Lokad ist dies als der supply chain scientist bekannt, und heute haben wir das Glück, einen unserer eigenen, Maximilian Barth, begrüßen zu dürfen, der uns ein wenig mehr über seine tägliche Rolle und seine Verantwortlichkeiten berichtet. Also, Max, vielen Dank, dass du heute bei uns bist, und vielleicht könntest du, wie immer, damit beginnen, uns ein wenig mehr über deinen Hintergrund und deinen Weg zu Lokad zu erzählen.

Maximilian Barth: Sicher. Wie man an meinem Nachnamen erkennen kann, bin ich nicht Franzose, im Gegensatz zu vielen meiner Kollegen in der supply chain sciences Community. Ich bin ein Expat, der in Frankreich arbeitet; ich bin Deutscher. Aber wie alle anderen habe ich an verschiedenen Orten gelebt. Ich bin in den USA aufgewachsen, habe eine Zeitlang in Finnland und in Australien gelebt, und jetzt bin ich hier in Frankreich. Wie jeder, der ein supply chain scientist bei Lokad ist, habe ich einen MINT-Hintergrund – Wissenschaft, Technologie, Ingenieurwesen und Mathematik. Was mich vielleicht ein wenig unterscheidet, ist, dass ich einen Hintergrund im Finanzwesen habe. Ich habe keine klassische ingenieurtechnische Ausbildung oder so etwas in der Art. Allerdings denke ich, dass Finanzwesen gut zur Arbeit im supply chain passt, da beide sehr ähnlich sind. Im Finanzwesen optimiert man in der Regel seine Portfolios auf Erträge, während man das Risiko, das von den Märkten ausgehen könnte, minimiert. Es ist sehr ähnlich in der supply chain science. Wir versuchen, den Bestand unserer Kunden auf maximalen Ertrag bei minimaler Risikobelastung und Nachfragevariabilität zu optimieren.

Kieran Chandler: Hervorragend. Und heute, Johannes, sprechen wir über einen Tag im Leben eines supply chain scientist. Ich weiß, wir haben schon einmal darüber gesprochen, aber vielleicht lohnt es sich, noch einmal darauf einzugehen, warum du diese Fähigkeit des supply chain scientist bei Lokad eingeführt hast.

Joannes Vermorel: Wie üblich war es kein Geistesblitz. Wir haben versucht, Data Scientists auf traditionelle Weise einzusetzen, und es lief schlecht. Übrigens schließe ich mich selbst der ersten Runde unzureichender Data Scientists an. Lokad wurde gegründet, als ich mein Promotionsstudium beendete, welches in der computergestützten Biologie lag. Damals war das zwar nicht exakt der Fachbegriff, aber es handelte sich im Grunde um verteiltes machine learning – also Data Science in all seiner Pracht. Aber es stellte sich heraus, dass es wirklich auf die kleinen Details einer supply chain ankommt. Genau wie Maximilian hervorgehoben hat, hängt es davon ab, wo dein Engagement liegt. Das ist eine große Frage. Liegt es darin, ausgefallene Technik zu nutzen, oder darin, tatsächliche praktische Ergebnisse zu erzielen? Man könnte denken, es sei nur eine feine Nuance, aber tatsächlich birgt die Realität Dinge, die sehr unterschiedlich, ja sogar dramatisch verschieden sind. Ich meine, interessiert es dich, was das finanzielle Risiko und die Performance betrifft? Wenn ja, wirst du Zeit damit verbringen, darüber zu diskutieren, was Risiken bedeuten, was sie in deinem System bedeuten und wie man das versteht. Oder verbringst du Zeit damit, einen Gradient-Booster-Tree zu verfeinern, damit du einen etwas besser nachweisbaren Konvergenznachweis oder was auch immer bekommst, der dir einen leicht besseren Algorithmus verschafft?

Kieran Chandler: Heute werden wir ein wenig mehr darüber erfahren, was du in deiner täglichen Rolle machst. Was siehst du als die Kernbestandteile deiner Rolle?

Maximilian Barth: Ich denke, die Rolle ist tatsächlich sehr facettenreich. Es gibt mehrere Komponenten dessen, was du täglich machst. Es gibt offensichtlich den technischen Teil – du programmierst viel, versuchst, die genauen supply chain Bedürfnisse deiner Kunden zu verstehen, die Nuancen, wo ihre Herausforderungen liegen, und versuchst wirklich herauszufinden, welche Lösung am besten zu ihnen passt und was genau ihre Wünsche und Bedürfnisse sind. Das geht nahtlos in den nächsten wesentlichen Teil der Rolle über, nämlich den zwischenmenschlichen Aspekt – die Fähigkeit, mit Kunden zu sprechen, herauszufinden, welche Fragen für sie zu lösen sind und wo ihre Herausforderungen liegen. Du musst verstehen, was genau ihre Bedürfnisse sind und was sie von anderen unterscheidet, damit du die passende Lösung für sie entwickeln kannst. Ich denke, der dritte Aspekt ist wohl eher eine projektmanagementbezogene Perspektive. In Projekten, insbesondere wenn sie klein sind, sind wir in der Regel die Hauptpersonen, die es zumindest aus der Sicht von Lokad vorantreiben. Somit versuchen wir, mit unseren Kunden abzustimmen, wie es am besten weitergeht, wie priorisiert wird und welche Aufgaben zuerst angegangen werden sollen.

Kieran Chandler: Was siehst du als den wichtigsten Teil der täglichen Rolle eines Supply Chain Scientist?

Joannes Vermorel: Der wichtigste Teil hängt wirklich vom Kontext ab. Wenn the supply chain wegen einer Pandemie oder Ähnlichem in Flammen steht, muss man zuerst das Feuer löschen. Genau hier spielt wieder das Thema Engagement eine Rolle. Wenn du ein data scientist bist, liegt dein Engagement darin, einen überlegenen Algorithmus zu besitzen. Ich glaube, dass häufig die dringendste und wichtigste Aufgabe viel alltäglicher ist. Das ERP bereitet aus welchem Grund auch immer Probleme, und die Daten passen einfach völlig nicht zusammen. Du hast doppelte Einträge, am Ende erhältst du völlig falsche Lagerbestände und so weiter. Was auch immer angegangen werden muss, muss sofort angegangen werden. Das Problem ist, dass es so viele Probleme gibt, dass einige von ihnen potenziell aufgeschoben werden können. Was die Lösung betrifft – ja, es wäre schön, wenn alles 100% sauber wäre –, aber wenn du über eine umfangreiche supply chain operierst, ist es einfach nicht möglich, in irgendetwas – dem Datensatz, den du verarbeitest, den Prozessen selbst und der Art und Weise, wie die Leute die Ergebnisse nutzen – null Fehler zu haben. Du kannst keine fehlerfreie Lösung liefern. Also musst du irgendwann erneut basierend auf dem finanziellen Impact priorisieren. Ich glaube, dass in Bezug auf den Druck der Supply Chain Scientist immer irgendwie neu priorisiert wird, was jetzt angegangen werden muss, was wichtig ist und was strategisch.

Kieran Chandler: Wie siehst du das, also wie teilst du deine Zeit zwischen der Implementierung von Code, der Kommunikation mit Kunden und dem Zeitaufwand, den du fürs Feuerlöschen aufwendest?

Maximilian Barth: Ich denke, das ist tatsächlich ein sehr guter Punkt. Im Allgemeinen beginnt dein Tag immer damit, sicherzustellen, dass es keine Brände gibt. Du kommst ins Büro, überprüfst all deine Accounts und stellst sicher, dass über Nacht nichts kaputt gegangen ist. Wir haben Kunden auf der ganzen Welt in verschiedenen Zeitzonen, also während wir schlafen, arbeiten sie tatsächlich. Deine oberste Priorität ist es, sicherzustellen, dass alles so läuft, wie es sollte, und dass unsere Kunden die dashboards bereit zur Nutzung haben. Das war eigentlich mein Morgen heute, als ich einen ERP-Änderung beheben musste, die uns nicht mitgeteilt wurde. Es ist nicht die glamouröseste Aufgabe, aber definitiv die wichtigste Sache des Tages. Nachdem es behoben war, konnten alle Daten aktualisiert werden. Generell hängt die Aufteilung deiner Zeit vom jeweiligen Tag und der Woche ab. Es ist ein schmaler Grat, den man beschreiten muss. Du möchtest nicht zu viel Zeit in Meetings verbringen, in denen du mit deinen Kunden sprichst, weil du dann keine Zeit hast, etwas zu implementieren, aber du willst auch nicht nur arbeiten, weil du sonst womöglich etwas tust, das nicht im besten Interesse deines Kunden liegt oder nicht dem entspricht, was er sich vorgestellt hat. Man muss wirklich eng kommunizieren und dieses Gleichgewicht finden. Insgesamt denke ich, dass das Verhältnis zwischen der tatsächlichen Implementierungsarbeit und der Kommunikation mit Kunden – sei es per E-Mail oder Telefon – im Durchschnitt irgendwo zwischen 20 % und 80 % liegt, wobei 20 % für die Kommunikation und 80 % für die Umsetzung des Besprochenen entfallen.

Kieran Chandler: Dieser Konflikt ist wirklich interessant, oder? Denn du musst mehr Zeit mit Kommunikation und Meetings verbringen, aber offensichtlich verbringst du auch einen Teil deiner Zeit damit, dass du das Gefühl hast, die technischere Seite der Dinge erledigen zu müssen. Es ist eine sehr facettenreiche Rolle. War das immer die Rolle, die du dir vorgestellt hast, oder hast du jemals in Betracht gezogen, einen klassischeren Ansatz zu verfolgen, bei dem eine Person für den Kundenkontakt verantwortlich wäre und eine andere Person sich voll und ganz auf die technische Seite konzentriert?

Joannes Vermorel: Wir haben die klassische Methode ausprobiert, und diese besteht darin, dass jemand mit dem Kunden spricht, dann schreibt diese Person die Spezifikationen, übergibt sie an die IT, und das IT-Team versucht, die Kommunikation umzusetzen. Am Ende kommt es zu einer Situation, in der die Botschaft von einer Person zur nächsten springt, über ein paar Stationen hinweg, und in jedem Schritt geht ein sehr hoher Prozentsatz an Informationen verloren. Schließlich landet man bei einem schlechten Softwareingenieur, der etwas implementiert, das überhaupt nichts mit dem Problem zu tun hat, mit einer fünf Tage dauernden Verzögerung, nur weil es durch mehrere Personen laufen musste. Das Problem war, dass es von vornherein fehlerhaft konstruiert war. In den allerersten Jahren konnte ich es – mit Hilfe einiger Kollegen – schaffen, mehrere Rollen zu übernehmen: Erst als Vertriebsmitarbeiter, der eine Idee an den Kunden verkauft, dann startete ich eine sehr unsaubere Implementierung und übergab diese dem Softwareingenieur mit den Worten: “Das Ding funktioniert, aber was die Softwarequalität angeht, ist es totaler Schrott. Du musst versuchen, es besser zu machen, ein bisschen mehr unit-tested, ein bisschen schlanker in Bezug auf die Performance und vielleicht ein bisschen organisierter.” Aber sie hatten bereits den Prototyp.

Kieran Chandler: Der Punkt dieses Ansatzes ist, dass er in technologischer Hinsicht unglaublich archaisch ist und man jemanden braucht, der alle Rollen übernehmen kann – von Sales über data scientists bis hin zu Supply Chain Scientists, Produktmanagern und allem Drum und Dran. Also wurde mir klar, dass diese Art der Arbeitsteilung in großem Maßstab nie wirklich funktionieren würde. Und übrigens sagte ich damals zu unseren Kunden, dass im Grunde alle über die IT meckerten, aber die IT sich auch über alle anderen beschwerte, weil die Leute in der IT sagten: “Okay, sie behaupten, dass wir miese Arbeit leisten, aber schaut euch die Spezifikation und die Anforderungen an, die sie uns geben. Auch die sind mies, also wisst ihr was, wir sind auf gleicher Höhe mit ihnen.”

Joannes Vermorel: Aber das ist einfach der falsche Ansatz. Im Grunde genommen funktioniert es so, dass es keinen Middle Manager gibt. Ich meine, du bist buchstäblich – und ich denke, das ist etwas ziemlich Einzigartiges –, der Kunde spricht direkt mit dir. Ich spreche von echten supply chain Praktikern, die buchstäblich im warehouse arbeiten, den Filialen gegenüberstehen und all das. Und dann sprichst du mit ihnen, und du gehst direkt dazu über, das Rezept umzusetzen. Es gibt keinen Mittelsmann, wie einen Softwareingenieur, mit dem du sprichst. Du koordinierst nicht, aber um das zu ermöglichen, mussten wir einige spezialisierte Tools entwickeln, damit du nicht zu viel Zeit mit reinen technischen Details verbringst.

Kieran Chandler: Ja, ich sehe das vermutlich als eine der großen Herausforderungen für einen Supply Chain Scientist. Du hast so viele Stakeholder und so viele Leute, die um deine Aufmerksamkeit buhlen, und du jonglierst tatsächlich mit so vielen Dingen. Das muss ziemlich schwierig sein. Was siehst du also als die zentrale Herausforderung deiner Rolle?

Maximilian Barth: Ich denke, das ist wahrscheinlich die zentrale Herausforderung – dass man mit so vielen Stakeholdern umgehen muss, während man zugleich so viele verschiedene Rollen übernimmt. Der Vorteil daran ist auch, dass du der einzige Ansprechpartner bist, und wenn du mit jemandem sprichst, bist du die Person, die das Problem mit ihm besprochen hat, aber auch diejenige, die weiß, was implementiert wurde und wie es umgesetzt wurde. So geht nicht viel Wissen in den vielen Zwischenschritten verloren. Ich denke, das ist der Hauptvorteil, aber natürlich auch die größte Herausforderung, weil du in der Lage sein musst, so viele unterschiedliche Dinge wirklich gut zu beherrschen. Du möchtest in der Lage sein, tatsächlich eine gute Lösung für deine Kunden zu entwickeln und gleichzeitig genau verstehen, was sie benötigen.

Kieran Chandler: Ja, definitiv. Man kommt nicht umhin, dass, wenn man in Schwierigkeiten ist und etwas falsch gemacht hat, man definitiv Verantwortung übernehmen muss. Für einen Supply Chain Scientist bestehen wir darauf, dass er supply chain Expertise mitbringt. Wenn du ein data scientist wärst, wie leicht wäre es, in die Rolle eines Supply Chain Scientist wie Max zu wechseln?

Joannes Vermorel: Das Paradoxon ist – und ich glaube, das ist so – dass es für data scientists tatsächlich viel schwieriger ist, in die Rolle eines Supply Chain Scientist zu wechseln, als es für herkömmliche Ingenieure oder allgemein zahlenaffine Menschen ist. Es ist witzig, es gibt zwei Wörter im Französischen, für die es keine englische Übersetzung zu geben scheint. Es ist der Unterschied zwischen einem Mathematiker und einem “Matheux”, also jemandem, der mathematisch veranlagt ist.

Kieran Chandler: Also, die erste Frage, die ich habe, betrifft die Eigenschaften, die erforderlich sind, um ein Supply Chain Scientist zu werden. Joannes, kannst du uns sagen, wonach für Personen gesucht wird?

Joannes Vermorel: Was wir brauchen, sind Menschen, die eine Vorliebe für Zahlen haben. Supply chains sind groß, und man kann sich nicht einfach auf eine Intuition von Tausenden von Produkten verlassen. Man braucht Leute, die eine Vorliebe für quantitative Angelegenheiten im Allgemeinen haben. Aber der Clou ist, dass es sich um eine sehr praxisorientierte Rolle handelt. Maximilian hilft buchstäblich Unternehmen dabei, Entscheidungen über Millionen von Euro an physischen Vermögenswerten zu treffen. Es sind wirklich greifbare Entscheidungen, die letztlich getroffen werden. Du musst diese Denkweise haben, dass du ein ganz konkretes ingenieurtechnisches Problem angehst. Und ich weiß, dass das vielleicht dem data science Publikum nicht gefällt, aber meine Erfahrung war, dass es tatsächlich sehr schwierig ist, Menschen, die einige Jahre data science betrieben haben, dazu zu bringen, in dem, was wir einen Supply Chain Scientist nennen, wirklich gut zu werden – denn nochmals: Der Fokus liegt nicht auf dem Algorithmus, sondern darauf, dass du ein numerisches Rezept hast. Eine weitere Episode, die wir kürzlich gemacht haben, war, dass das numerische Rezept von Anfang bis Ende auf einer sehr hohen Ebene wirklich Sinn macht und es eigentlich keine Rolle spielt, ob es ausgeklügelt ist oder nicht. Wenn du im Grunde mit einer halb-trivialen Lösung auskommst, exzellente Arbeit geleistet wird und du einfach nur anpasst, dann – einfach: Ja, du wirst keinen wissenschaftlichen Artikel bekommen, nur weil du herausgefunden hast, dass ein leicht angepasster numerischer Koeffizient genau den richtigen Effekt erzielt. Darauf kann man nicht publizieren. Aber wenn es seinen Job erfüllt, warum nicht?

Maximilian Barth: Ja, und so war unsere Erfahrung, dass obwohl wir auch PhDs haben, die das machen – ich meine, bei Lokad machen tatsächlich Leute Promotionen. Wir haben insgesamt fünf. Zwei haben ihre Promotion bereits abgeschlossen, und drei sind noch im Gange, aber ich bin zuversichtlich, dass sie ihre Promotionen verteidigen können. Aber buchstäblich sind diese Leute bei uns auf rein softwaretechnischen Laufbahnen, wo der Zeitrahmen nicht einmal derselbe ist. Die Leute greifen Probleme an und denken daran, in den nächsten drei Jahren eine Lösung zu liefern. Das ist der Zeitrahmen eines data scientists auf der Plattformseite, sodass sie an etwas wie differentiable programming denken. Wir haben jemanden, der an einer Promotion im Bereich des differenzierbaren Programmierens arbeitet, und diese Person baut buchstäblich die Bausteine des differenzierbaren Programmierens, löst aber kein tatsächliches supply chain Problem. Das macht Maximilian. Und wenn man arbeitet – ich bin mir nicht ganz sicher, bei welchem Problem du gerade stehst – aber typischerweise blickt man ein paar Tage bis vielleicht ein paar Monate voraus, aber sicherlich nicht etwa drei Jahre. Es ist einfach nicht einmal der gleiche Zeithorizont.

Kieran Chandler: Und was ist der lohnendere Teil des Jobs, was gefällt dir wirklich daran?

Maximilian Barth: Ich denke, das Befriedigendste ist wahrscheinlich die Vielfalt der Probleme, denen du begegnest, und wie greifbar du sie tatsächlich lösen kannst. Ein Kunde kommt zu dir mit etwas, für das er noch keine Lösung gefunden hat oder nur einen wirklich schlechten manuellen Workaround, bei dem er viel in Excel arbeitet, und dann können wir etwas liefern, das das automatisiert.

Kieran Chandler: Es scheint, als könnte Lokad seinen Kunden nicht nur in puncto Entscheidungsfindung, sondern auch, indem es ein klareres Bild ihres Geschäfts vermittelt, einen enormen Mehrwert bieten. Kannst du ein wenig über die multikulturellen und internationalen Aspekte des Lokad-Teams sprechen, insbesondere über die Supply Chain Scientists? Warum habt ihr ein solches Team geschaffen und warum war es euch wichtig?

Joannes Vermorel: Zunächst möchte ich klarstellen, dass die Vielfalt in unserem Team nicht das Ergebnis einer speziellen Intention war, sondern vielmehr daraus resultierte, dass wir bestimmte Personengruppen nicht ausschlossen. Mit anderen Worten, wir haben keine diverse Einstellungsstrategie entwickelt, um gezielt Menschen aus bestimmten Ländern oder mit bestimmten Hintergründen auszuwählen. Mein Gedanke war, dass ich nicht wollte, dass Lokad in seinem Design irgendeinen Aspekt hat, der Menschen ausschließt.

For example, we have about one-third of women in the company, which is quite a lot for a tech company. To achieve that, you need to ensure that the company’s setup isn’t directly adverse to young women or promotes behavior that would make them feel unwelcome.

Ähnlich verhält es sich: Wir haben unseren Sitz in Paris, aber wenn wir perfektes Französisch voraussetzen würden, würde sich unser Kandidatenpool vorwiegend auf Franzosen oder Menschen aus ehemaligen französischen Kolonien beschränken. Indem wir solche Barrieren abbauen, ziehen wir einen vielfältigen Kandidatenpool an, den wir dann anhand ihrer Fähigkeiten bewerten können.

Es stellt sich heraus, dass Franzosen kein Monopol auf Intelligenz und Fleiß haben. Heute sind also nur etwa 40 % unserer Mitarbeiter französische Staatsbürger, während der Rest größtenteils aus der Europäischen Union und darüber hinaus stammt. Diese Vielfalt ist nicht das Ergebnis aktiver Diskriminierung, sondern vielmehr das Resultat davon, dass wir Menschen nach ihrer Fähigkeit beurteilen, klug zu handeln und Dinge zu erledigen.

Maximilian Barth: Genau, und es ist wichtig zu betonen, dass wir durch den Abbau dieser Barrieren und den Fokus auf Fähigkeiten in der Lage sind, ein Team mit vielfältigen Perspektiven und Erfahrungen zusammenzubringen. Das kommt letztlich dem Unternehmen und unseren Kunden zugute, da es uns erlaubt, Probleme aus verschiedenen Blickwinkeln zu betrachten und innovativere Lösungen zu finden.

Kieran Chandler: Nun, es stellt sich heraus, dass letztlich häufig Nicht-Franzosen eingestellt werden. Ich meine, ich liebe Frankreich wirklich – das ist mein Geburtsland –, aber als Arbeitgeber muss ich in erster Linie die Leute einstellen, die dem Unternehmen am besten dienen, und nicht nur diejenigen, die zufällig am richtigen Ort geboren wurden.

Maximilian Barth: Gut, dass du perfektes Französisch nicht vorausgesetzt hast, denn ich denke, sowohl Max als auch ich wären in Schwierigkeiten geraten.

Kieran Chandler: Wenn du jetzt ein wenig zum Schluss kommst, Max, welchen Rat würdest du jemandem geben, der vielleicht eine Karriere in der supply chain Industrie oder tatsächlich als Supply Chain Scientist in Betracht zieht?

Maximilian Barth: Ich denke, für meinen Job ist die wichtigste Fähigkeit, die ich als besonders wertvoll empfinde und die mir am meisten geholfen hat, zu lernen, die richtigen Fragen zu stellen und die Dinge aus verschiedenen Perspektiven zu betrachten. Unsere Projekte haben in der Regel mehrere Stakeholder, und auch wenn du einen Hauptansprechpartner hast, mit dem du am meisten sprichst, musst du immer daran denken, dass er auch andere Menschen repräsentiert. Du möchtest also wirklich sicherstellen, dass du eine ganzheitliche Lösung findest, die für alle gut passt. Ich denke, die Fähigkeit, die Dinge aus einer ganzheitlichen Perspektive zu sehen und die richtigen Fragen zu stellen, ist wahrscheinlich die wichtigste Fähigkeit, die du entwickeln solltest.

Kieran Chandler: Okay, großartig. Und Joannes, abschließend, welchen Rat würdest du jemandem geben, der vielleicht ein angehender Supply Chain Scientist ist?

Joannes Vermorel: Sei realistisch. Es gibt so viele Möglichkeiten, unecht zu sein. Kaggle ist fantastisch, aber es sind nur Spiele. Algorithmen sind unglaublich interessant, aber das ist nicht die Realität, zumindest nicht direkt. Mein Vorschlag ist: Wenn du eine Karriere im supply chain starten möchtest, musst du selbst Hand anlegen. Tauche in ein ERP ein, fang an, dir anzusehen, wie die Daten wirklich aussehen – nicht die idealisierte Version, die man in Lehrbüchern findet, die bereits vollständig gereinigt, perfekt und ordentlich arrangiert ist. Und tatsächlich, setze dich damit auseinander, dass es viele Anteilseigner gibt. Das ist wirklich schwierig, denn wie gut ist deine Lösung, wenn das Unternehmen am Ende intern in Streit gerät? Du musst einen Weg finden, sodass die Lösung für all die verschiedenen Parteien akzeptabel ist. Das ist eine sehr harte Herausforderung, aber du musst es schaffen, während du deine ingenieurtechnischen Werte bewahrst. Du möchtest etwas, das einem kapitalistischen Prozess ähnelt. Du bist nicht nur ein Berater, der PowerPoints erstellt und Dinge liefert. Maximilian, du lieferst etwas, das in der Produktion funktioniert und idealerweise sogar ohne dich laufen kann, sodass ein echter Vermögenswert entwickelt und im Laufe der Zeit verbessert wird. Es werden keine PowerPoints geliefert.

Kieran Chandler: Okay, großartig. Wir müssen es hier beenden, aber danke euch beiden für eure Zeit.

Maximilian Barth: Danke.

Kieran Chandler: Das war alles für diese Woche. Vielen Dank fürs Einschalten, und wir sehen uns in der nächsten Folge wieder. Danke fürs Zuschauen.