00:00:08 Das Problem getrennter Entitäten in Preisgestaltung und Planung.
00:01:02 Traditionelle Softwareunternehmen und ihr Ansatz zur Preisgestaltung und Vorhersage.
00:03:24 Die zufällige Konvergenz von Preisgestaltung und Vorhersagetechnologien.
00:05:46 Datenintegration als Ausgangspunkt für die Konvergenz.
00:07:33 Das Meta-Problem angehen und es sowohl auf Preisgestaltung als auch auf Planung anwenden.
00:09:20 Der Durchbruch im Deep Learning und in prädiktiven Nachfragemodellen.
00:11:22 Die Konvergenz von Planungs- und Preisgestaltungsmodellen in verschiedenen Branchen.
00:13:36 Die Vorteile eines einheitlichen Teams für Preisgestaltung und Planung.
00:15:00 Amazons erfolgreicher Ansatz für dynamische Preisgestaltung basierend auf Lagerbestand.
00:16:01 Diskussion über den Trend zur Preisoptimierung im E-Commerce.
00:17:03 Die zufällige Entwicklung und Konvergenz von Lösungen für Preisgestaltung und Planung.
00:19:01 Die Herausforderungen traditioneller Softwareunternehmen bei der Vereinheitlichung von Preisgestaltung und Planung.
00:21:20 Das Aufkommen neuer Unternehmen, die von Anfang an Preisgestaltung und Planung gemeinsam angehen.
00:22:37 Die Marktdominanz von Unternehmen, die Preisgestaltung und Planung vereinheitlichen, wie Amazon und Alibaba.

Zusammenfassung

Kieran Chandler interviewt Joannes Vermorel, Gründer von Lokad, über die Bedeutung der Integration von Preisgestaltung und Nachfrageplanung in der supply chain Optimierung. Traditionell wurden diese Aspekte getrennt behandelt, was zu Datensilos und schlechter Kommunikation führte. Lokad entdeckte, dass Preisgestaltung und Planung ähnliche Datenquellen sowie numerische Rezepte teilen, was zur Entwicklung einer domänenspezifischen Programmiersprache, Envision, führte. Durch die Nutzung gemeinsamer Datenspeicherung und -verarbeitung schuf Lokad komplexere Modelle, die Preis- und Zeiteffekte integrieren. Vermorel ist der Ansicht, dass erfolgreiche Unternehmen Preisgestaltung und Planung vereinheitlichen müssen, da diese miteinander verbundenen Aspekte in nahezu jeder Branche eine entscheidende Rolle spielen.

Erweiterte Zusammenfassung

In diesem Interview diskutiert Kieran Chandler, der Moderator, mit Joannes Vermorel, dem Gründer von Lokad, die Bedeutung der Integration von Preisgestaltung und Nachfrageplanung in der supply chain Optimierung. Historisch wurden Preisgestaltung und Planung als getrennte Einheiten behandelt, was zu Datensilos und mangelnder Kommunikation zwischen den Abteilungen führte. Das Gespräch dreht sich darum, wie Software dabei helfen kann, diese Aufgaben gemeinsam anzugehen, und warum die Branche sie als zwei miteinander verbundene Aspekte betrachten sollte.

Vermorel erklärt, dass die Vorhersage von zukünftiger Nachfrage entscheidend ist, um Kunden effektiv zu bedienen. Unternehmen müssen Produkte im Voraus produzieren oder beschaffen, um der Nachfrage gerecht zu werden, da eine sofortige Produktion noch nicht möglich ist. Allerdings wird die Nachfrage auch stark durch den Preis beeinflusst. Ist ein Produkt zu teuer, wird die Nachfrage gering sein, während ein wettbewerbsfähiger Preis zu einer erheblichen Nachfrage führen kann.

Als Lokad gegründet wurde, war die Softwarebranche in zwei Lager geteilt: Prognoseunternehmen, die sich auf die Vorhersage der Nachfrage konzentrierten, und Unternehmen zur Preisoptimierung, die die Vorhersage und Planung ignorierten. In den ersten fünf Jahren von Lokad fehlte der Aspekt von Preisen und Preisgestaltung, da sich das Unternehmen hauptsächlich mit der Vorhersage beschäftigte. Ebenso betrachteten Preisoptimierungsunternehmen die Vorhersage und Planung nicht als Teil ihres Aufgabengebiets.

Vermorel betont, dass Nachfrage und Preisgestaltung eng miteinander verknüpft sind. Unternehmen müssen die Nachfrage antizipieren und gleichzeitig ihre Produkte korrekt bepreisen. Historisch hielten Organisationen Preisgestaltung und Nachfrageplanung getrennt, indem sie Werkzeuge wie Price Forge und Salescast verwendeten. Irgendwann entschied sich Lokad jedoch, diese beiden Aspekte zu integrieren.

Die Entscheidung, Preisgestaltung und Nachfrageplanung zu vereinen, resultierte aus der Erkenntnis, dass bestimmte etablierte Praktiken so tief im kollektiven Denken verankert sein können, dass die Zusammenhänge zwischen ihnen übersehen werden. Durch die Integration dieser beiden Aspekte zielt Lokad darauf ab, die supply chain Optimierung zu verbessern, indem die wechselseitige Abhängigkeit von Preisgestaltung und Nachfrageplanung berücksichtigt wird.

Anfangs entwickelte Lokad zwei separate Produkte, Salescast für die Vorhersage und PriceForge für die Preisgestaltung, jeweils mit völlig unterschiedlichen Technologien. Das Unternehmen beschloss, diese beiden Anwendungen zusammenzuführen, da sie bemerkten, dass beide ähnliche Datenquellen nutzten, wie zum Beispiel Verkaufsstatistiken und Produktkataloge, sowie dieselben Transaktionsdaten aus DRP, WMS, und E-Commerce-Plattformen. Sie entschieden sich, eine einheitliche Architektur für die Datenspeicherung und -verarbeitung zu schaffen, hatten aber zu diesem Zeitpunkt noch nicht die tiefgreifende Verbindung zwischen Preisgestaltung und Vertriebsprognose erkannt.

Der erste Grad der Konvergenz zwischen den beiden Lösungen entstand zufällig. Das Unternehmen stellte fest, dass die numerischen Rezepte für Preisgestaltung und Vertriebsprognose ähnlich waren, und begann, an einer domänenspezifischen Programmiersprache für prädiktive Optimierung von supply chains zu arbeiten. Dies führte zur Entwicklung von Envision, die auf der Seite der Preisgestaltung begann.

Zu dieser Zeit war Lokad mit der Preisgestaltung weniger vertraut als mit der Planung, weshalb man sich entschied, ein Meta-Problem anzugehen: Wie können numerische Rezepte schneller und zuverlässiger entwickelt werden? Man hoffte, dass durch die Verkürzung der Time-to-Market und die Verbesserung der Zuverlässigkeit neuer numerischer Rezepte im Bereich der Preisgestaltung Erfolg erzielt werden könnte. Während man mit diesen Techniken experimentierte, entdeckten sie, dass derselbe programmatische Ansatz, der für die Preisgestaltung verwendet wurde, auch für die Planung sinnvoll war. Diese Erkenntnis führte zu einem zweiten Grad der Konvergenz, bei dem sowohl Preisgestaltung als auch Planung dieselbe Datenverarbeitungs-Schicht und Programmiersprache teilten.

Die Lösungen liefen jedoch weiterhin separat, und es war während der deep learning-Ära, dass Lokad seinen ersten Durchbruch erzielte. Durch die Einbindung fortgeschrittener prädiktiver Nachfragemodelle stellten sie fest, dass die Integration von Preis- und Zeiteffekten zu ausgeklügelteren Modellen in beiden Bereichen führte. Zum Beispiel könnte die Zahlungsbereitschaft für ein Produkt saisonal sein, weshalb es sinnvoll war, diese Faktoren sowohl in Preisgestaltungs- als auch in Vertriebsprognosemodellen zu berücksichtigen.

Lokads Reise zur Kombination von Preisgestaltung und Vertriebsprognose begann mit der Beobachtung, dass beide Lösungen ähnliche Datenquellen teilten und sich durch mehrere Konvergenzstufen entwickelten. Durch die Nutzung gemeinsamer Datenspeicherung und -verarbeitung sowie einer einheitlichen Programmiersprache gelang es Lokad, komplexere Modelle zu erstellen, die sowohl Preis- als auch Zeiteffekte integrierten. Obwohl dieser Teil des Interviews kein abschließendes Fazit liefert, hebt er den iterativen Prozess hervor, den Lokad durchlief, um seinen Ansatz zur supply chain Optimierung zu entwickeln und zu verfeinern.

Vermorel berichtet, wie Lokad allmählich erkannte, dass die Zahlungsbereitschaft saisonal ist und wie dies ihren Ansatz zur supply chain Optimierung beeinflusste. Während der Arbeit an ihren Modellen stellten sie fest, dass die Dimension der Preisgestaltung immer stärker in den Vordergrund rückte. Dies galt besonders in Branchen wie der Mode, in denen der Preis als Hebel genutzt wird, um sicherzustellen, dass Bestände am Ende einer Kollektion abverkauft werden. Mit fortschreitender Arbeit an den Modellen merkten sie, dass sich die Probleme von Planung und Preisgestaltung immer mehr annäherten, was sie letztlich dazu veranlasste, ein einziges Modell zu entwickeln, das beide Fragestellungen adressieren konnte.

Auf die Frage, in welchen Branchen dieser Ansatz am besten anwendbar sei, erklärt Vermorel, dass Preisgestaltung in nahezu jeder Branche entscheidend ist, da sie den Unterschied zwischen keiner Marge und einer signifikanten Marge ausmachen kann. Planung und Preisgestaltung sind oft miteinander verflochten und stehen in engem Zusammenhang, wenn es darum geht, mit Knappheit und Zahlungsbereitschaft umzugehen. Verschiedene Branchen haben einzigartige Perspektiven auf das Problem, aber im Kern sind die beiden Fragestellungen fast immer miteinander verbunden.

Dennoch bietet der Großteil des Marktes nach wie vor Software an, die sich entweder auf Preisgestaltung oder Planung konzentriert, anstatt eine einheitliche Lösung bereitzustellen. Vermorel führt dies darauf zurück, dass solange es keine Lösung gibt, das Problem auch nicht wahrgenommen wird. Lokads Ansatz zur Vereinheitlichung von Preisgestaltung und Planung entstand zufällig, als festgestellt wurde, dass ihre Modelle für beide Bereiche viele gemeinsame Komponenten aufwiesen. Mit fortlaufender Entwicklung der Modelle wurde klar, dass beide Probleme gleichzeitig angegangen werden müssen.

Auf die Frage nach der Möglichkeit, dass sich Softwareunternehmen zusammenschließen, um eine duale Lösung anzubieten, äußert sich Vermorel skeptisch, da die Technologie, die zur Vereinheitlichung von Preisgestaltung und Planung erforderlich ist, radikal von herkömmlichen Methoden abweicht. Stattdessen prognostiziert er, dass neue Unternehmen entstehen werden, die von Anfang an Erkenntnisse nutzen, um beide Fragestellungen gemeinsam zu adressieren.

Vermorel betont, dass Unternehmen, die Preisgestaltung und Planung erfolgreich vereinheitlichen, Marktdominanz erreichen können. Er führt Amazon und Alibaba als Beispiele an für Unternehmen, die weiterhin Marktanteile gewinnen, weil sie die Grundlagen richtig umgesetzt haben. Sein Fazit lautet, dass Unternehmen eine Lösung annehmen sollten, die sowohl Preisgestaltung als auch Planung berücksichtigt, da diese beiden Aspekte untrennbar miteinander verbunden sind.

Vollständiges Transkript

Kieran Chandler: Heute bei Lokad TV werden wir besprechen, wie Software diese Aufgaben gemeinsam bewältigen kann und warum die Branche sie als zwei Seiten derselben Medaille betrachten sollte. Also, Joannes, zuvor haben wir ein wenig über Preisgestaltung gesprochen. Wie lautet heute der Ansatz?

Joannes Vermorel: Der Ansatz besteht darin, dass man, wenn man an die Nachfrage denkt, offensichtlich vorausplanen muss, um in der Lage zu sein, Kunden zu bedienen – man muss vorab antizipieren, wie die zukünftige Nachfrage ausfallen wird, damit man das, was angeboten werden soll, rechtzeitig produzieren oder beschaffen kann. Man kann Dinge nicht sofort per 3D-Druck auf Abruf herstellen, zumindest noch nicht. Aber offensichtlich wird die Nachfrage stark vom Preis beeinflusst. Wenn etwas extrem teuer ist, wird die Nachfrage ausfallen, und wenn etwas extrem wettbewerbsfähig bepreist ist, kann die Nachfrage im großen Maßstab absolut immens sein.

Joannes Vermorel: Dennoch, als ich Lokad gründete, gab es eindeutig zwei Lager bei Softwareunternehmen. Es gab die Prognoseunternehmen – Lokad gehörte zu diesen –, die das Problem der Nachfrageanalyse aus einer prädiktiven Perspektive betrachteten. Und traditionell existierte Preisgestaltung gar nicht. Preise existierten nicht, und das ist gewissermaßen seltsam, aber in den ersten fünf Jahren von Lokad fehlte schlichtweg jegliches Konzept von Preisen und Preisgestaltung. Es war nicht einmal Bestandteil der Roadmap. Es war nirgends zu finden. Natürlich wusste ich wie alle anderen, dass Preise Dinge sind, die man sehen kann, aber es gab keine spezifische Verbindung. Und dann gab es noch andere Unternehmen, die sich ausschließlich mit Preisoptimierung befassten, bei denen Prognose und Planung völlig außer Acht gelassen wurden. Es war nicht einmal Teil des Gesamtkonzepts. Ihnen war es egal. Wiederum wussten sie, dass es Prognosen gibt, weil sie wie alle anderen den Wetterbericht in den Nachrichten ansahen. Dennoch ignorierte ich als jemand vom Prognose-Standpunkt aus vollkommen, was in Sachen Preisgestaltung geschah. Softwareunternehmen für Preisgestaltung ignorierten völlig, worum es bei der Prognose geht. Und doch, wenn man darüber nachdenkt, ist es zutiefst mit der Nachfrage verbunden, und die Nachfrage ist äußerst wichtig; man muss antizipieren, aber man muss auch richtig bepreisen.

Kieran Chandler: Ja, und historisch wurden diese beiden Bereiche in Salescast und PriceForge ziemlich getrennt gehalten, aber dann haben sie sich irgendwann verbunden. Warum habt ihr euch also entschieden, sie zu vereinen?

Joannes Vermorel: Das ist sehr interessant. Manchmal gibt es Dinge, die so fest in der damaligen Denkweise verankert sind, dass man sie gar nicht mehr sieht. Als Lokad begann, sich dem Preisgestaltungsproblem zu widmen, hatten wir eigentlich eine reine Preisgestaltungsmission. Ich betrachtete diese als völlig separat. Wir hatten also ein Produkt namens Salescast, das im Grunde den Prognosebereich von Lokad abdeckte, und ein weiteres Produkt, das völlig eigenständig war – PriceForge.

Kieran Chandler: Und wir haben diese beiden Produkte separat verkauft, und tatsächlich waren auch die jeweiligen Technologien völlig getrennt. Wie einfach war es in Bezug auf Datenanalysen, die beiden zu kombinieren?

Joannes Vermorel: Das ist das Merkwürdige. Wir haben diese beiden Anwendungen zusammengeführt, nicht weil ich dachte: “Oh, dasselbe Problem lösen wir ja doppelt.” Nein, das wäre sehr clever gewesen, aber stattdessen haben wir etwas wirklich Dummes gemacht. Wir sagten: “Diese App nutzt die Verkaufsstatistiken, diese App nutzt ebenfalls die Verkaufsstatistiken. Diese App benötigt den Katalog mit Preisen, diese App benötigt auch einen Katalog. Wir verwenden den Preis zwar nicht, aber im Grunde ist es dasselbe – ein Katalog.” Und buchstäblich betrachteten wir die Daten, die für die Preis- oder Planungsanalysen benötigt wurden. Es handelte sich im Wesentlichen um dieselben Transaktionsdaten, die aus den gleichen Quellen stammten: ERP, WMS, E-Commerce-Plattformen usw. Also entschieden wir uns, die Architektur zu vereinheitlichen, um dieselbe Basisschicht für die Datenspeicherung und -verarbeitung zu nutzen, da es sich um dieselben Daten handelte. Aber zu diesem Zeitpunkt hatten wir noch gar nicht konzeptionell erkannt, dass es buchstäblich zwei Seiten derselben Medaille waren.

Kieran Chandler: Also, es begann mit der Datenintegration und der Zusammenführung dieser beiden Datensätze an einem Ort. Aber wann begannen die Lösungen in Bezug auf Preisgestaltung und Vertrieb zusammenzufließen?

Joannes Vermorel: Wir haben allmählich festgestellt, dass die numerischen Rezepte irgendwie alle gleich waren, was ziemlich rätselhaft war. Was Lokad heutzutage ist – Envision, mit einer domänenspezifischen Programmiersprache, die der prädiktiven Optimierung der supply chain gewidmet ist – begann im Bereich Pricing. Damals war Pricing etwas völlig Neues für uns, und wir wussten nicht wirklich, wie wir es in Angriff nehmen sollten. Also haben wir uns dazu entschlossen, anstatt das Preisproblem direkt zu lösen, ein Meta-Problem in Angriff zu nehmen, nämlich: Wie können wir numerische Rezepte schneller und auf verlässlichere Weise entwickeln? Wir kannten die Rezepte noch nicht, aber wenn wir die Zeitspanne bis zur Markteinführung eines neuen, noch nicht erfundenen numerischen Rezepts verkürzen und ebenso die Zeit, die es braucht, um das Ganze zuverlässig in der Produktion zum Laufen zu bringen, dann wären wir sozusagen auf dem richtigen Weg. Unser Denken lautete also: „Das machen wir eben beim Pricing, weil ich damals viel weniger über Pricing wusste als über die Planung.“ Und dennoch stellten wir beim Optimieren fest, dass wir buchstäblich mit denselben Datensätzen arbeiteten – und wir erkannten: „Oh, das ist sehr interessant. Was wir auf der Pricing-Seite tun, scheint sich erheblich zu ähneln.“

Kieran Chandler: Es ist eine ziemliche Herausforderung, sich mit dem Planungsteil der supply chain auseinanderzusetzen, da sie aus einer Reihe von Zufällen besteht. Einige Unternehmen haben ein ERP, andere haben zwei, manche haben sogar je ein ERP pro Land. Manchmal ist die E-Commerce-Plattform integriert, manchmal getrennt, und manchmal gibt es auch ein WMS. Es ist sehr heterogen. Wir erkannten, dass wir einen völlig maßgeschneiderten, programmatischen Ansatz sowohl für den Pricing- als auch für den Planungsprozess benötigen. Dadurch konnten wir eine zweite Ebene der Konvergenz schaffen, mit derselben Basisschicht für Daten und denselben Data-Crunching-Layern. Aber wie gut funktioniert das eigentlich? Ist es nur eine grobe Annäherung?

Joannes Vermorel: Es hat eine Weile gedauert, bis wir das System verbessern konnten. Anfangs haben wir die Datenschicht gemeinschaftlich genutzt, da wir mit denselben Datenquellen arbeiteten, und auch den Data-Crunching-Ansatz haben wir zusammengelegt. Uns wurde klar, dass beide Seiten programmatisch sein mussten, und wir hatten unterschiedliche Sätze numerischer Rezepte. Der erste Durchbruch kam in der Deep-Learning-Ära, als wir begannen, mit fortgeschritteneren Nachfragemodellen zu experimentieren. Auf der Planungsseite benötigt man für ein anspruchsvolles Modell den Preis als Integrationsfaktor, und auf der Pricing-Seite müssen Zeiteffekte integriert werden, wie zum Beispiel Saisonalität.

Zum Beispiel ist die Zahlungsbereitschaft für ein Strandtuch am Ende des Frühlings höher als am Ende des Sommers, weil man, wenn man das Tuch zu Beginn der Saison kauft, es den ganzen Sommer über nutzen kann. Umgekehrt, wenn man es erst gegen Ende des Sommers erwirbt, ist die Nutzung des Produkts stark eingeschränkt. Wir erkannten, dass die Zahlungsbereitschaft tatsächlich saisonabhängig ist, und auf der Planungsseite rückte die Preisdimension bei unseren fortschrittlicheren Modellen immer mehr in den Vordergrund. In der Mode beispielsweise möchte man den Preis als Hebel nutzen, um sicherzustellen, dass man den Lagerbestand am Ende einer Kollektion vollständig abverkauft.

So sahen wir diese Konvergenzen, und in der Mitte entstand eine Art prädiktives Modell für die Nachfrage. Wir erkannten, dass diese Modelle tatsächlich zusammenwuchsen, und der Kreislauf schloss sich in der Ära der differenzierbaren Programmierung.

Kieran Chandler: Ist also die Modebranche der Sektor, auf den diese Lösung am ehesten anwendbar ist? Denn wenn man an die Flugindustrie denkt, schwanken deren Preise jede Sekunde, während in anderen Branchen die Preise jahrelang unverändert bleiben.

Joannes Vermorel: Die Lösung ist buchstäblich überall anwendbar. Pricing ist immer von zentraler Bedeutung, wenn man etwas verkauft, denn es entscheidet darüber, ob man überhaupt eine Marge erzielt oder tonnenweise Gewinn macht. Und es besteht eine enge Beziehung zwischen der Planung, bei der man sich mit Knappheit auseinandersetzt, und dem Pricing, bei dem es um Zahlungsbereitschaft geht. Diese beiden Bereiche sind tatsächlich vollkommen miteinander verknüpft. Wenn man eine höhere Nachfrage erwartet, kann man zu einem niedrigeren Preis mehr produzieren, was zu einer besseren Marge führt und es einem ermöglicht, die Konkurrenz preislich zu unterbieten. Wenn man hingegen einen sehr hohen Preis hat, kann man auf Knappheit setzen und seine Produkte, ähnlich wie Luxusmarken, noch begehrenswerter machen. Sie wollen, dass die Preise im Laufe der Zeit steigen und knappe Verfügbarkeiten betonen. Jede Branche hat eine recht spezifische Sichtweise auf das Problem – sowohl in der Planung als auch beim Pricing –, aber dass diese beiden Kernprobleme untrennbar miteinander verbunden sind, gilt fast immer.

Kieran Chandler: Müssen also die Planungsteams sehr eng mit den Pricing-Teams zusammenarbeiten, um die besten Ergebnisse zu erzielen?

Joannes Vermorel: Dagegen würde ich etwas einwenden. Meine ursprüngliche Frage lautete: Warum sollte man ein separates Planungsteam und ein separates Pricing-Team haben? Warum zwei? Das ist exakt derselbe Fehler, den ich zuerst bei der getrennten Softwareentwicklung für jeden Bereich gemacht habe. Es handelt sich um dasselbe Problem – man betrachtet es nur aus zwei unterschiedlichen Blickwinkeln. Es sollte ein einziges Team geben.

Kieran Chandler: Gibt es Unternehmen, bei denen du beobachtet hast, dass sie das so gut machen und nur mit einem Team arbeiten?

Joannes Vermorel: Ja, den üblichen Verdächtigen: Amazon. Sie sind sehr schlau und machen Dinge, die einem auf den ersten Blick ganz offensichtlich erscheinen. Zum Beispiel, wenn etwas knapp wird, erhöhen sie den Preis. Es gibt keinen Grund, auf einen Fehlbestand zuzusteuern. Der Preis ist einfach ein Mittel, um die Nachfrage so zu steuern, dass man das Beste aus dem vorhandenen Lagerbestand herausholt. Man kann das buchstäblich in Aktion beobachten.

Kieran Chandler: Amazon hat das beispielsweise vor Weihnachten mit den Spielzeugen gemacht, die sie verkaufen. Meine 10-jährige Tochter ist ein großer Fan von LEGO-Spielzeugen, und wenn man auf Amazon nachschaut, erhöht sich der Preis bestimmter LEGO-Boxen buchstäblich alle paar Stunden, sobald der Lagerbestand etwas knapper wird. Ich bin mir ziemlich sicher, dass sie einige grundlegende Heuristiken haben, die den Preis in die Höhe treiben, wenn der Bestand sinkt – das macht Sinn. Es ist im Grunde gesunder Menschenverstand, auch wenn es nicht super offensichtlich ist. Ich bin ziemlich sicher, dass sie allein durch öffentliche Beobachtung einen Algorithmus entwickelt haben, der die Lagerverfügbarkeit – als Prognose betrachtet – mit der Preisoptimierung verknüpft.

Joannes Vermorel: Aber dann sehe ich in unserer lokalen Kundenbasis, dass auch andere sehr schlaue, technikorientierte und aggressive E-Commerce-Unternehmen das bereits praktizieren – es ist also nicht nur Amazon. Es sind auch die größten Herausforderer in Sachen supply chain von Amazon heutzutage, die das umsetzen.

Kieran Chandler: Okay, wenn das also ein so vielversprechender Weg ist, warum bietet dann die Mehrheit des Marktes immer noch Software an, die sich ausschließlich auf Pricing oder ausschließlich auf Planung konzentriert?

Joannes Vermorel: Weil, solange es keine Lösung gibt, das Problem gar nicht wahrgenommen wird. Das ist wirklich merkwürdig. Man könnte meinen: „Oh, es gibt ein Problem, also sollten die Leute aktiv nach einer Lösung suchen“, aber so funktioniert das nicht. Niemand sucht heute nach einer Möglichkeit, Autos neu zu erfinden, wenn wir über Antischwerkraftmotoren verfügen würden. Da wir keine Antischwerkraftmotoren haben, interessiert es auch niemanden, Lösungen für ein Problem zu finden, das noch gar nicht existiert. Wenn es keine Lösung zur direkten Bewältigung von Pricing und Planung gibt, stellt sich die Frage: Lohnt es sich überhaupt, über eine mögliche Lösung nachzudenken? Ich würde sagen, nein.

Wie kam Lokad zu diesem Ansatz? Hatte ich in einem Geistesblitz gedacht: „Das sind zwei Seiten derselben Medaille – ich muss beides gemeinsam angehen“? Absolut nicht. Ich tat genau das Gegenteil. Wir dachten: „Nun, wir haben ein Problem, zu dem in der Literatur einige bekannte Lösungen für Prognosen existieren, und ebenso für Pricing gibt es bekannte Lösungsansätze.“ Also werde ich ein Produkt entwickeln, das entweder alle diese Lösungen implementiert oder vielleicht eine leicht verbesserte Variante davon bietet – und dasselbe gilt für den Prognosebereich: eine verbesserte Variante dessen, was in der Literatur bekannt ist.

Wie ich bereits beschrieb, entstand die Konvergenz ganz zufällig. Wir nutzten einfach dieselben Datensätze – warum also nicht? Wir machten es so, wir führten die Bereiche zusammen. Dann stellten wir fest, dass die Art der Rezepte ein wenig ähnlich war – also legten wir auch hier gemeinsame Grundlagen zugrunde. Die beiden unterschiedlichen Softwareprodukte wurden quasi zufällig zusammengeführt, weil sie dieselben Komponenten teilten.

Aber wie Sie sehen, war das nicht das Resultat eines großen Geistesblitzes, sondern vielmehr einer zufälligen Entwicklung. Und dann, fünf Jahre später, trat erneut ein Zufall ein: Mit neuen Machine-Learning-Techniken bemerkte man, „Oh Mist, es ist dasselbe Modell, das ich letztendlich für beide Seiten des Problems verwende.“ So hatte ich meine Lösung, die beide Bereiche zusammen abdeckt – und erkannte, dass ich Pricing und Planung als eine Einheit behandeln sollte, weil ich eben eine funktionsfähige Lösung besaß.

Kieran Chandler: Im Nachhinein erscheint das zwar offensichtlich, aber rückblickend war es das nicht. Deshalb denke ich, dass die meisten Unternehmen diese Teams getrennt gehalten haben, da es vernünftig ist, das so zu machen, bis man eine Lösung zur Vereinheitlichung hat. Wenn man nämlich keine Lösung besitzt, die Pricing und Planung vereinheitlichen kann, bleibt man im Grunde mit zwei getrennten Teams stecken. Denn ohne eine solche Lösung könnten die Mitarbeiter gar nicht anfangen, an beiden Problemen gleichzeitig zu arbeiten. Das Erste, was sie tun würden, ist das Problem intern wieder aufzuteilen – also dass die einen an einem Teil des Programms arbeiten und die anderen an einem anderen Teil, wodurch das Thema in Planung und Pricing wieder getrennt wird.

Joannes Vermorel: Okay, das klingt also ein wenig nach einem glücklichen Zufall.

Kieran Chandler: Und vielleicht, wenn wir in die Zukunft blicken, siehst du manche Softwareunternehmen, die sich zusammenschließen und ein gemeinsames, duales Lösungssystem anbieten?

Joannes Vermorel: Ich glaube nicht, denn buchstäblich liegen die Dinge, die Pricing und Planung vereinheitlichen, völlig außerhalb dessen, was traditionell für Pricing und was traditionell für Prognosen gemacht wurde. Es ist eine bizarre Sache, dass diese neue Klasse von Lösungen beide Probleme gleichzeitig angeht – also sowohl die Preise als auch den Plan (sprich: wie viel produziert wird, wie viel eingekauft wird, wie viel Lagerbestand in den Netzwerken platziert wird) frontal optimiert. Die Technologie, die wir entwickelt haben, ist radikal anders als alles, was wir bisher in den Bereichen Pricing oder Planung hatten. Wir mussten unsere jeweiligen Technologien auf beiden Seiten komplett verwerfen. Man stelle sich vor, zwei Softwareunternehmen würden sich zusammenschließen und sich darauf einigen, ihre gesamte Tech-Stack zu verwerfen, um gemeinsam alles neu zu schreiben – das erscheint mir ziemlich absurd. Wahrscheinlich werden wir daher am ehesten sehen…

Kieran Chandler: Ich weiß es nicht, es ist wirklich schwer, die Zukunft vorherzusagen. Aber was wir höchstwahrscheinlich erleben werden, sind neue Unternehmensklassen, die von Anfang an Erkenntnisse nutzen, um zu sagen: „Wir werden diese beiden Probleme gemeinsam angehen“, und von Tag eins an auf eine Lösung setzen, die das gesamte Problemspektrum abdeckt.

Joannes Vermorel: Okay.

Kieran Chandler: Wenn wir heute so langsam zum Ende kommen, ähm, was ist also unsere Hauptschlussfolgerung? Bedeutet das, dass ein Unternehmen, das Pricing und Planung vereinheitlicht, wesentlich mehr Kontrolle hat?

Joannes Vermorel: Nein, vielmehr ist es so, dass die Unternehmen, die das bereits vereinheitlicht haben, – um es mal so auszudrücken – ihre Konkurrenten, die das nicht tun, buchstäblich in den Bankrott treiben. Es geht dabei nicht nur um mehr Kontrolle; es geht schlicht um Marktdominanz. Und nochmals: Wenn man feststellt, warum Amazon immer noch Marktanteile gewinnt – obwohl sie zu den größten Unternehmen der Welt gehören – und ebenso Alibaba in China, dann liegt das daran, dass sie diese fundamentalen Dinge richtig machen. Mit der Zeit werden sie einfach alle Unternehmen erdrücken, die das nicht tun. Warum sollte man also diesen Weg nicht gehen? Ich würde sagen: Überlegen Sie einmal gründlich, ob es wirklich sinnvoll ist, die Preisgestaltung vom Planungsteil zu isolieren. Geschäftlich gesehen macht das kaum Sinn. Meist, wenn man kurz innehält und darüber nachdenkt, merkt man, dass diese Bereiche völlig miteinander verknüpft sind. Wenn ich also eine Lösung habe, die beide Bereiche umfasst, sollte ich sie nutzen. Meine Empfehlung an alle Zuschauer lautet: Tun Sie es.

Kieran Chandler: Es scheint immer wieder auf das Überleben der Stärksten hinauszulaufen – absolut. Okay, das war’s für diese Woche. Vielen Dank fürs Einschalten, und wir sehen uns in der nächsten Episode wieder. Danke fürs Zuschauen.