Die Quantitative Supply Chain Reise

00:00:15 Feier der 100. Ausgabe von Lokad TV und Beantwortung von supply chain Fragen.
00:01:17 Diskussion über die Ursprünge von Lokad und dessen Fokus auf die supply chain Industrie.
00:03:15 Supply chain Prognose mit Verzerrung unter Verwendung von Quantilsprognosen im Jahr 2011.
00:04:53 Umstellung auf einen programmatischen Ansatz im Jahr 2012 und die damit verbundenen Herausforderungen.
00:07:47 Rückblick auf die frühen Jahre, gemachte Fehler und die Entwicklung von Lokad.
00:08:48 Die Auswirkungen von cloud computing auf das Geschäft des Unternehmers.
00:11:31 Die Entwicklung des Unternehmens und bedeutende technische Durchbrüche.
00:13:26 Erforschung von Bitcoin, Wirtschaft in Aktion und dessen Beziehung zu supply chains.
00:15:34 Wachstum des Unternehmens und Übergang zur Supply Chain Science Praxis.
00:17:54 Unterschied zwischen der Einstellung von data scientists und Supply Chain Scientists.
00:19:39 Zukunftspläne für Lokad und Herausforderungen eines rasanten Wachstums.
00:22:33 Die Geschichte hinter dem Namen “Lokad”.
00:23:37 Die größten Rückschläge, mit denen Lokad konfrontiert wurde.
00:25:45 Coronavirus, das die Notwendigkeit unterstreicht, supply chain Modelle zu transformieren.
00:26:59 Hervorhebung von Resilienz und der Fähigkeit, Unsicherheiten zu akzeptieren.
00:28:11 Wie die Algorithmen von Lokad während der COVID-19-Störung abschnitten.
00:29:00 Die Bedeutung von Anpassungsfähigkeit und dem Management wechselnder Anforderungen während des Lockdowns.
00:30:01 Anpassung von supply chain Modellen in Krisensituationen.
00:30:59 Bitcoin, Blockchain und deren Auswirkungen auf die supply chain Sicherheit.
00:33:30 Die Bedeutung von Professionalität und Verständnis für präzise Prognosen.
00:36:23 Herausforderungen bei der Implementierung von Narrow-AI-Lösungen für betriebliche Prognosen.
00:38:01 Diskussion über fehlerhafte Daten und die Auswirkungen schlecht qualifizierter Daten auf ERP-Systeme.
00:39:08 Debatte über die Langlebigkeit globaler supply chains und den Einfluss von Spezialisierung.
00:41:22 Die Zukunft lokaler supply chains und die Auswirkungen von Automatisierung auf Produktionsstandorte.
00:42:19 Herausforderungen bei der Implementierung des Ansatzes der die Quantitative Supply Chain und beim organisatorischen Change Management.
00:45:15 Identifizierung der Bereiche, in denen der Low-Cut-Ansatz den größten Geschäftswert freisetzen kann.
00:46:01 Diskussion über die Optimierung von supply chain Prozessen in verschiedenen Branchen.
00:47:34 Gründe für das Neuschreiben der Locad-Software von Grund auf.
00:49:10 Auswirkungen wichtiger Designentscheidungen auf die Softwareentwicklung.
00:50:23 Koexistenz von Locad und S&OP-ähnlichen Lösungen in Organisationen.
00:51:01 Diskussion über die Herausforderungen, denen sich große Unternehmen im Betrugsmanagement stellen müssen.
00:51:57 Kommentar dazu, wer den Blog schreibt und welchen Einfluss der Podcast auf die Content-Produktion hat.
00:53:00 Die Bedeutung, über vergangene Fehler nachzudenken und zu erkennen, wenn man falsch liegt.
00:54:02 Aus vergangenen Fehlern lernen, um ähnliche Probleme in der Zukunft zu vermeiden.
00:55:41 Fazit und Aufruf zum Handeln.

Zusammenfassung

Der Gründer von Lokad, Joannes Vermorel, diskutiert die Reise des Unternehmens und seinen Fokus auf die Optimierung der supply chain in einem Interview mit Kieran Chandler. Vermorel spricht über Lokads frühe Schwierigkeiten mit dem Forecasting-as-a-Service-Modell, die Einführung von Quantilsprognosen und den Wechsel zu einem programmatischen Ansatz. Er betont, dass supply chain Unternehmen für Unsicherheit planen und das Risikomanagement in einer zunehmend unvorhersehbaren Welt annehmen müssen. Vermorel spricht auch über die Leistung von Lokads Algorithmen während der COVID-19 Störungen, den potenziellen Wert von Kryptowährungen im supply chain management und die Zukunft globaler supply chains. Zum Schluss.

Ausführliche Zusammenfassung

In diesem Interview besprechen Kieran Chandler und Joannes Vermorel, der Gründer von Lokad, die Reise des Unternehmens und seinen Fokus auf die Optimierung der supply chain. Vermorel gründete Lokad 2008, während er an einem PhD in Computational Biology arbeitete, wurde jedoch vom Innovationspotenzial in der supply chain Branche angezogen. Zunächst hatte das Unternehmen mit seinem Forecasting-as-a-Service-Modell zu kämpfen, machte später jedoch bedeutende Fortschritte, wie beispielsweise die Einführung von Prognosen mit Verzerrung unter Verwendung von Quantilsprognosen im Jahr 2011 und den Wechsel zu einem programmatischen Ansatz im Jahr 2012.

Vermorel erklärt, dass der frühe Ansatz des Unternehmens zur Prognose darauf basierte, Verzerrungen zu beseitigen, aber schließlich erkannten sie, dass Verzerrungen in der supply chain Optimierung nützlich sein könnten. Quantilsprognosen ermöglichten es ihnen, stärker gewinnorientiert zu agieren, obwohl diese zunächst als “seltsame” Idee angesehen wurden.

Ursprünglich folgte Lokad einem traditionellen Enterprise-App-Modell mit Bildschirmen, Buttons und Menüs. Als sie jedoch mehr Kunden gewannen, erkannten sie, dass supply chains zu vielfältig waren, um in ein starres App-Format zu passen. Das Unternehmen wechselte zu einem programmatischen Ansatz, bei dem Berechnungen und Funktionen für jeden Kunden individuell angepasst wurden, mit Fokus auf Produktivität und Zuverlässigkeit.

Im Rückblick auf die Unternehmensreise räumt Vermorel ein, dass viele Lektionen gelernt wurden und der Weg eines Unternehmers von Bedauern geprägt ist. Eine bedeutende Veränderung ergab sich mit dem Aufstieg von cloud computing, was das Unternehmen dazu zwang, den Großteil seiner Produkte neu zu schreiben.

Der Gründer von Lokad berichtet über die Unternehmensgeschichte, technologische Durchbrüche und Zukunftspläne. Vermorel erklärt, dass cloud computing und deep learning entscheidende Durchbrüche für das Unternehmen waren, ebenso wie die Übernahme einer finanziellen Perspektive im supply chain management.

Vermorel teilt auch sein Interesse an Bitcoin, das er als Mikroökonomie in Aktion sieht und Parallelen zum supply chain management aufweist. Er findet Inspiration in den technischen Einsichten der Kryptowährungsgemeinschaft, von der er glaubt, dass sie Lokad zugutekommen kann.

Lokad wechselte von einem data science-Ansatz zu einem supply chain science Ansatz, nachdem festgestellt wurde, dass data scientists zu sehr auf Datenprobleme fokussiert waren und nicht auf supply chain Themen. Vermorel betont, dass es die Aufgabe der Lokad-Mitarbeiter sein sollte, die supply chain für die Kunden zu verbessern, anstatt nur schicke Machine-Learning-Modelle zu produzieren.

Auf die Frage nach der Zukunft des Unternehmens sieht Vermorel ein organischeres Wachstum. Er räumt ein, dass ein schnelles Wachstum für supply chain Unternehmen möglicherweise nicht geeignet ist, da es zu erheblichen Problemen führen könnte, wenn etwas schiefgeht. Lokad strebt an, in einem nachhaltigen Tempo zu wachsen, während gleichzeitig sichergestellt wird, dass die Mitarbeiter über ausreichende Erfahrung verfügen, um komplexe supply chain Probleme zu bewältigen.

Abschließend berichtet Vermorel über den Ursprung des Namens “Lokad”. Ursprünglich inspiriert von “lokaler Werbung”, übernahm er später die Interpretation “looking ahead”, die von einem IBM-Berater vorgeschlagen wurde.

Vermorel spricht über den größten Rückschlag, den das Unternehmen in seinen Anfangsjahren erlitten hat, der sich etwa in den Jahren 2011-2012 ereignete. In dieser Zeit gewann Lokad Benchmark-Wettbewerbe und bot seinen Kunden verbesserte forecast accuracy. Allerdings stellten diese Kunden fest, dass sich ihre supply chains dadurch verschlechterten, und ihre Planer waren von der Software frustriert.

Vermorel erinnert sich an ein bestimmtes Treffen in New York, bei dem verärgerte Kunden ihn konfrontierten und erklärten, dass Lokads Software zwar eine höhere Genauigkeit bot, aber ihr Leben unerträglich machte und die tatsächlichen Probleme in ihren supply chains nicht löste. Letztlich verlor Lokad infolgedessen einige Kunden.

Das Gespräch wendet sich dann dem Thema Coronavirus und dessen Auswirkungen auf traditionelle supply chain Modelle zu. Vermorel ist der Ansicht, dass die Pandemie nur eine von vielen Ungewissheitsquellen ist, die supply chains stören können, und nennt Beispiele wie politische Entscheidungen, Zölle oder virale Social-Media-Vorfälle. Er betont, dass Unternehmen für Unsicherheit planen und das Risikomanagement annehmen müssen, anstatt sich auf Vorhersagen zu verlassen, die vorgeben, die Zukunft mit Sicherheit prognostizieren zu können.

Vermorel behauptet, dass Unternehmen wie Amazon, die auf Resilienz und die Fähigkeit, Unsicherheit zu akzeptieren, setzen, diejenigen sind, die in Krisenzeiten erfolgreich sind. Er schlägt vor, dass auch die besten Finanzinstitute beginnen, sich mit diesen Ideen in Einklang zu bringen, und dass supply chain Unternehmen diesem Beispiel folgen sollten, um in einer zunehmend unvorhersehbaren Welt die Nase vorn zu behalten.

Sie sprechen über die Leistung von Lokads Algorithmen während der COVID-19-Störungen, den potenziellen Wert von Kryptowährungen im supply chain management, die Bedeutung von Professionalität und betriebswirtschaftlichem Verständnis in der Optimierung von supply chains, die Herausforderungen bei der Implementierung von Narrow-AI-Lösungen für betriebliche Prognosen und die Zukunft globaler supply chains.

Vermorel erklärt, dass während der COVID-19-Krise die Algorithmen von Lokad alleine nicht gut abschnitten. Allerdings waren die Supply Chain Scientists des Unternehmens in der Lage, die Modelle in kurzer Zeit anzupassen und zu optimieren, was die Bedeutung menschlicher Intervention in Krisenzeiten unterstreicht.

Als Antwort auf die Frage zu Narrow-AI-Lösungen für betriebliche Prognosen äußert Vermorel Skepsis gegenüber dem Begriff “AI” und betont die Wichtigkeit, verschiedene Klassen von Machine-Learning-Algorithmen zu verstehen. Er spricht auch über die Qualität der Daten in supply chains und erklärt, dass Daten zwar nicht notwendigerweise schlecht sind, aber oft unzureichend qualifiziert, was zu Problemen bei der Interpretation und Anwendung führt.

Schließlich wendet sich das Gespräch der Zukunft globaler supply chains zu. Vermorel gibt keine endgültige Antwort, spricht jedoch das Thema Klimawandel und dessen potenzielle Auswirkungen auf die Nachhaltigkeit globaler supply chains an und schlägt vor, dass sich das derzeitige Modell möglicherweise weiterentwickeln muss.

Es wurde über die globale Natur von supply chains und darüber diskutiert, wie Spezialisierung die lokale Produktion bestimmter Güter einschränkt. Er spricht auch darüber, dass einige supply chains aufgrund von Automatisierung letztlich in lokale Regionen zurückkehren könnten. Vermorel geht auf die Skepsis gegenüber Lokads die Quantitative Supply Chain-Ansatz ein und die Herausforderungen bei dessen Implementierung in Organisationen. Er hebt hervor, dass Lokad in komplexen supply chains mit vielen Optionen und Entscheidungen am besten abschneidet. Abschließend erklärt Vermorel die Motivation hinter dem vollständigen Neuschreiben der Lokad-Software und erläutert, wie Lokad parallel zu S&OP-ähnlichen Lösungen arbeitet, indem diese meist ignoriert werden, da sie von den realen Auswirkungen auf die supply chain losgelöst sind.

Es wurde darüber gesprochen, wie Lokad Seite an Seite mit data science Teams arbeitet, die voneinander losgelöste Modelle erstellen, die nicht genutzt werden. Er erwähnt auch, dass er den Blog des Unternehmens schreibt, jedoch in einem viel langsameren Tempo als zuvor aufgrund von Zeitmangel. Vermorel betont die Wichtigkeit, vergangene Fehler noch einmal zu überdenken, um zu verstehen, was schiefgelaufen ist und wie man ähnliche Fehler in der Gegenwart und Zukunft vermeiden kann. Er ist überzeugt, dass ein Blick auf ein Problem aus einem anderen Winkel zu Durchbrüchen führen kann, anstatt es einfach nur besser zu machen. Vermorel fordert die Zuschauer auf, Fragen an den Podcast zu senden und zukünftige Episoden zu abonnieren.

Full Transcript

Kieran Chandler: Hallo und herzlich willkommen zu einer ganz besonderen Ausgabe von Lokad TV. Heute sind wir live hier in Paris, um unsere 100. Ausgabe zu feiern, in der wir auf die Lokad-Reise bisher zurückblicken und eure supply chain Fragen beantworten werden.

Joannes Vermorel: Ich hätte wirklich nicht gedacht, dass wir es bei etwas so Bizarr wie supply chain auf hundert Episoden bringen würden. Der Grund, warum wir das alles gestartet haben, war einfach, dass ich diese coole Software namens OBS entdeckt und damit herumgespielt habe. Ich fand, dass es ein großartiges Stück Software ist, also wollte ich es ausprobieren. Aber in Wirklichkeit verwenden wir es heute zum ersten Mal, da es nur für Live-Events genutzt wird. Nein, ich hatte nicht wirklich so weit im Voraus geplant.

Kieran Chandler: Also, heute geht es darum, auf die bisherige Lokad-Reise zurückzublicken und die dabei gelernten Lektionen zu reflektieren. Vielleicht fangen wir damit an, dass ihr euch an 2008 erinnert, als du das Unternehmen gegründet hast: Warum hast du beschlossen, ein Unternehmen in der supply chain Branche zu gründen? Was hat dich interessiert?

Joannes Vermorel: Damals war ich Doktorand in Computational Biology, habe aber meinen PhD nie abgeschlossen. Die Anzahl ausgezeichneter Forscher auf diesem Gebiet war erstaunlich, was demütigend und zugleich sehr inspirierend war. Ich konnte jedoch erkennen, dass die Welt auch ohne mich in Ordnung sein würde. Als ich begann, mir supply chain anzusehen, sah ich vor allem Mathematik aus dem 19. Jahrhundert. Mir wurde klar, dass es in diesem Bereich enormes Verbesserungspotenzial gibt. Also habe ich mit viel Begeisterung mein eigenes Unternehmen gegründet.

Kieran Chandler: Wie liefen die ersten Jahre ab? War es einfach, zu starten? Waren die Menschen an dem interessiert, worüber du gesprochen hast, oder gab es zunächst viel Zurückhaltung?

Joannes Vermorel: Nein, es war schrecklich. Es hat Jahre gedauert, bis wir etwas hatten, das tatsächlich funktionierte. Lokad wurde auf der Idee des Forecasting-as-a-Service gegründet, was technisch sowie aus supply chain Sicht tatsächlich eine sehr schlechte Idee ist. Der Beginn der Reise verlief ziemlich langsam, gerade weil es nicht funktionierte.

Kieran Chandler: Sprechen wir über einige der großen Schritte, die du auf dem Weg gemacht hast. Der erste, den du erwähnt hast, war 2011, die Idee der Prognose mit Verzerrung unter Verwendung von Quantilsprognosen. Warum war das etwas, das ein wenig umstritten oder anders war?

Joannes Vermorel: Es war nicht umstritten, es war einfach nur merkwürdig. In Statistikvorlesungen und in allen supply chain Kreisen, die ich kannte, war die Idee der Prognose mit Verzerrung nicht bekannt.

Kieran Chandler: Die Idee war, dass man den Bias eliminieren muss, verstehst du. Große Unternehmen haben ganze Teams von Demand Plannern, die ihre Tage damit verbringen, das Modell zu bereinigen und anzupassen, damit es nicht voreingenommen ist. Warum sollte man eigentlich Leute haben, die das Gegenteil tun und absichtlich Bias hinzufügen, nicht versehentlich? Das war einfach der Punkt, es war nicht kontrovers, es war einfach dumm. Warum haben wir ein ganzes Team, das daran arbeitet, den Bias zu entfernen, und du willst Bias hinzufügen?

Joannes Vermorel: Tatsächlich hat es mich mehrere Jahre gekostet, bis ich zu dem Schluss gekommen bin, dass dies vielleicht eine gute Idee sein könnte. Für mich war es keine kontroverse Position; es war überhaupt keine Position. Es war kein Problem, bis ich durch Eliminierung aller anderen nicht funktionierenden Ansätze zu einem Schluss kam. Das war, denke ich, der Durchbruch im Quantile Forecasting. Ja, Biases waren im supply chain sehr, sehr nützlich, weil man verhindern will, dass man zugunsten des Profits voreingenommen ist, und so mussten wir die Technologie um diese Idee quasi komplett neu konzipieren.

Kieran Chandler: Okay, und dann war ein weiterer Schritt, den du 2012 unternommen hast, dass du dich dafür entschieden hast, anstatt der Mehrheit des Marktes zu folgen, der diesen Enterprise-Plug-and-Play-Ansatz verfolgte, etwas ganz Anderes zu tun und einen programmatischen Ansatz zu wählen. Warum dachtest du, dass dies gut für supply chains sei?

Joannes Vermorel: Wieder, Lokad wurde auf die ganz klassische Weise gestartet, weißt du, mit Bildschirmen, Buttons, Menüs und Optionen – genau die Art von Dingen, die man von jeder Art von Enterprise-App erwartet. Aber die Realität ist, dass wir jedes Mal, wenn wir einen neuen Kunden gewannen, feststellten, dass es so viele Dinge gab, die nicht passten. Also implementierten wir buchstäblich Unmengen neuer Funktionen, um jeden Kunden zu berücksichtigen.

Normalerweise, wenn man ein Softwareunternehmen gründet, denkt man, dass ja, wir haben nicht alle Features, die der Markt möchte, aber wir werden ein paar weitere Funktionen hinzufügen und allmählich zu etwas konvergieren, das funktionsreich ist. Also ist es in Ordnung, mit einem minimal funktionsfähigen Produkt zu starten, und dann spült man es ab und wiederholt, fügt ein paar Funktionen hinzu und hoffentlich konvergiert man zu etwas Gutem mit Marktreife. Aber ich war buchstäblich vier Jahre im Voraus, und ich sah keine Konvergenz; wenn ich überhaupt etwas sah, dann war es Divergenz.

Wir begannen, größere Kunden zu gewinnen, und ich bemerkte, dass es noch vielfältiger war als in den ersten Jahren, als ich mich nur mit SMBs beschäftigte. Also war ich, wenn überhaupt, nicht auf einem konvergenten Pfad, sondern auf einem divergenten Pfad. Als ich mir meine Wettbewerber ansah, sah ich Monster – Monster im Sinne davon, dass ihre Softwareprodukte Monster waren, nicht die Menschen. Die Softwareprodukte hatten tausende von Bildschirmen, buchstäblich tausende von Optionen, und es war ein völlig divergenter Entwicklungsprozess.

Zu der Zeit war die Herausforderung: Folge ich diesem Pfad? Das macht nicht einmal Sinn. Gibt es irgendeine Möglichkeit, irgendetwas Konvergentes zu erreichen? Und dann kam ich schließlich zu dem Schluss, dass supply chains viel zu vielfältig sind, um grundsätzlich in eine starre App mit Menüs und Buttons zu passen. Stattdessen brauchten wir einen programmatischen Ansatz.

Kieran Chandler: Kannst du uns etwas über die Anfänge von Lokad erzählen?

Joannes Vermorel: Ja, selbstverständlich. Lokad wurde mit der Idee gegründet, eine Plattform für programmatische Optimierung und prädiktive Optimierung der supply chain zu schaffen. Wir stellten uns eine Plattform vor, bei der Menüs, Buttons und Berechnungen völlig maßgeschneidert wären und die daher für jeden Kunden programmiert werden müssten. Aber wenn du für jeden Kunden Sachen programmierst, was ist dann dein Problem? Dein Problem wird es, Produktivität und Zuverlässigkeit zu erzeugen. Du möchtest in der Lage sein, es super schnell und super günstig zu machen, und so wurde die Idee einer Plattform für programmatische Optimierung und prädiktive Optimierung der supply chain geboren.

Kieran Chandler: Hast du jemals auf diese frühen Jahre zurückgeblickt und gibt es große Fehler, die du gemacht hast, und große Bedauern, die du hast?

Joannes Vermorel: Der Weg eines Unternehmers ist voller Bedauern, insofern als dass, wenn ich 2008 damals wüsste, was ich heute weiß, wir wahrscheinlich dreimal weniger Zeit benötigt hätten. Wir wären schneller wieder auf dem Markt gewesen, als es der Fall war. Aber weißt du, es ist schwierig, die Vergangenheit – selbst intellektuell – zu ersetzen oder neu abzuspielen. Zum Beispiel, als ich 2008 anfing, startete ich mit der damaligen Technologie, und dann, ein Jahr später, 2009, wurde ganz klar, dass sich die Welt der Software vollständig verändert hat und dass wir uns in Richtung Cloud Computing bewegen mussten.

Kieran Chandler: Kannst du erklären, was Cloud Computing ist?

Joannes Vermorel: Sicher. Die klassische Perspektive, ein Computerproblem zu betrachten – so habe ich 2008 begonnen – ist, dass man eine Maschine, einen Computer hat, um eine Berechnung durchzuführen, Daten zu verarbeiten, weißt du, eine Aufgabe, die du ausführen möchtest. Wie lange wird es dauern? Nun, es dauert so lange, wie das Programm läuft. Du hast eine Maschine. Du startest das Programm, und wenn es fertig ist, ist es fertig. Also ist konstant die Maschine. Das Problem variiert, und somit variiert auch die benötigte Rechenzeit, um das Problem zu lösen.

Die Denkweise des Cloud Computing ist das völlige Gegenteil. Was konstant ist, ist deine Ziel-Lieferzeit für das Ergebnis deiner Berechnung. Du sagst also: “Ich möchte, dass meine Berechnung in 30 Minuten geliefert wird”, und dann kannst du dynamisch die Menge der Rechenressourcen anpassen, die du zur Lösung des Problems einsetzt. Wenn ich im Grunde genommen tausend CPUs benötige, um das Ergebnis in 30 Minuten zu liefern, dann lassen wir diese 1000 CPUs dynamisch zuweisen. Die zentrale Erkenntnis war, als wir von der Idee wechselten, dass einerseits die Hardware konstant ist und das Problem variiert – und damit auch die Verzögerung, um die Lösung des Problems zu liefern – hin zur Cloud Computing-Perspektive, bei der die Verzögerung konstant ist und man die Rechenressourcen anpasst, um innerhalb des Zeitrahmens zu liefern. Plötzlich mussten wir fast alles, was wir bei Lokad gemacht hatten, nahezu vollständig neu schreiben.

Kieran Chandler: Wenn du zurückblickst, siehst du, dass wir uns allmählich weiterentwickelt haben, während sich die Technologien mit uns weiterentwickeln. Und wenn du auf unserer Website nachsiehst, kannst du diese Generationen von Machine Learning erkennen, denen wir gefolgt sind. Was würdest du sagen, war der größte technische Durchbruch?

Joannes Vermorel: Die Sache ist, es ist nicht nur Evolution. Es war buchstäblich ein kompletter Wandel. Die Leute denken, “Oh, es ist nur Evolution”, aber nein, so hat es in der Geschichte von Lokad nicht funktioniert. Es war eher so, dass wir ein Produkt hatten, das wir verworfen haben, und von Grund auf neu begannen – meist mit einem besseren Problem. Also ist es nicht einfach ein besseres Produkt, weil es die gleichen Funktionen hat, nur besser. In der Regel ist es buchstäblich ein anderes Problem, weil es die Angelegenheit mit einem besseren Verständnis angeht, was in der Regel die Technologie oder die Architektur der Software komplett verändert.

Ich denke, was Machine Learning angeht, war der größte Durchbruch Deep Learning. Aus infrastruktureller Sicht war der größte Durchbruch Cloud Computing. Das ist die Idee, dass du feste Deadlines für die Lieferung deiner Ergebnisse haben möchtest, während sich der Rest verändert. Aber aus statistischer Sicht war der größte Durchbruch wahrscheinlich Deep Learning, auch wenn es nicht das ist, was wir derzeit in der Produktion haben. Es ist differentiable programming, aber der Durchbruch selbst kam vom Deep Learning.

Und dann, aus der Perspektive der supply chain, war der größte Durchbruch die Idee, dass man eine völlig finanzielle Sichtweise auf die supply chain von Anfang bis Ende einnehmen muss. Man setzt Dollarbeträge für Fehler, Belohnungen und Chancen überall an. Diese finanzielle Denkweise war wahrscheinlich der größte Durchbruch – alles durch die Brille einer finanziellen Analyse zu betrachten, anstatt es durch die Brille von service level zu sehen, mit prozentualen Fehlerstufen, die man zu verbessern versucht.

Kieran Chandler: Ein weiterer vielleicht etwas seltsamer Weg, den viele als etwas bizarr angesehen hätten, war 2016, als wir uns in die Welt der Bitcoin-F&E wagten. Warum haben wir diesen Weg eingeschlagen, und was hast du aus diesen Erfahrungen gelernt?

Joannes Vermorel: Bitcoin war für mich schon immer ein Hobby, also ist Lokad beruflich nicht wirklich von irgendeiner Art von Krypto, Blockchain oder Bitcoin abhängig. Dennoch ist es faszinierend, weil es Wirtschaft in Aktion ist. Die Menschen haben begonnen, Softwaresysteme um Ideen zu entwickeln, die auf unserem Verständnis von Wirtschaft basieren, und das ist sehr interessant, weil diese Ideen normalerweise nur dem Bereich der Politik angehören. Sie werden nie technisch umgesetzt.

Man kann einen Politiker haben, der sagt, dass wir die Besteuerung erhöhen müssen, und einen anderen, der sagt, dass wir die Besteuerung senken müssen. Die Erfahrung findet nur im Maßstab von Ländern statt, und in der Regel werden sie nicht technisch umgesetzt – sie sind bestenfalls das Ergebnis eines unvollkommenen demokratischen Prozesses. Das Interessante an Bitcoin ist, dass es ein anderer Ansatz in Bezug auf Wirtschaft und Technologie ist.

Kieran Chandler: Also, Joannes, erzähl uns von deinem Interesse an Bitcoin und wie es sich auf die Optimierung der supply chain bezieht.

Joannes Vermorel: Bei Bitcoin handelte es sich um Mikroökonomie in Aktion aus einer engineering Perspektive. Man kann beurteilen, ob es funktioniert oder nicht. Das ist sehr interessant, denn supply chains sind ziemlich ähnlich. Es ist Mikroökonomie in Aktion. Man kann experimentieren und beurteilen, ob die Dinge funktionieren oder nicht. Insofern fand ich es sehr interessant. Bitcoin teilt viele Eigenschaften mit dem, was supply chain hat. Es ist dezentralisiert, es gibt viele Akteure, verschiedene Softwareebenen, tonnenweise Komplexität, widersprüchliche Anreize und mehrschichtige Sicherheitsprobleme. Offensichtlich sind das alles Analogien, keine direkte Übersetzung, aber es gibt viel Inspiration, wenn man die technischen Erkenntnisse in diesen Communities betrachtet. Nicht die Spekulation, das ist zwar nett, aber die technischen Erkenntnisse – sie sind durchaus interessant.

Kieran Chandler: Kannst du uns etwas über Lokad und den Fokus des Unternehmens erzählen?

Joannes Vermorel: Klar, heute sind wir ungefähr 50 Leute, die im Zentrum von Paris angesiedelt sind. Wir bieten das, was wir eine supply chain science practice nennen, an.

Kieran Chandler: Warum hast du dich von der klassischen Data Science-Seite der Dinge entfernt?

Joannes Vermorel: Ich finde es sehr nett von dir zu sagen, dass ich mich entschieden habe, einen anderen Weg einzuschlagen. Es war eher so, dass wir den klassischen Data Scientist-Weg ausprobiert und dabei kläglich versagt haben. Wir mussten uns davon entfernen. Als wir junge Ingenieure einstellten, definierten wir bereits in den Einstellungsgesprächen das Landschaftsbild dessen, wozu ihre loyalty gehört, wozu sie loyal sind, anstatt worin ihr Engagement liegt. Bist du der Vision verpflichtet, einem bestimmten Problem oder einer bestimmten Fähigkeit? Was ist dein Engagement? Wenn du den Weg der Data Science gehst, sind die Leute den Datenproblemen verpflichtet. Das ist die falsche Art von Engagement. Man endet mit Leuten, die sich auf die coolen Probleme und die coolen Tools konzentrieren, und sie fokussieren sich auf die schönen, etwas coolen Probleme im Datenbereich. Leider liegt der Großteil dessen, was zur Lösung eines supply chain Problems erforderlich ist, eher im uncoolen Bereich, zumindest was die Datenverarbeitung angeht. Du musst buchstäblich Hunderte von Feldern vorbereiten, qualifizieren, dokumentieren und mit Unmengen von Leuten besprechen, um genau zu klären, wie die Prozesse der supply chain genau aussehen, damit du eine Chance hast, etwas wie eine Optimierung durchzuführen, die in der Praxis Sinn macht. Dementsprechend sollte dein Engagement nicht den Daten gelten, sondern der supply chain. Das haben wir auf die harte Tour gelernt. Deshalb haben wir derzeit Supply Chain Scientists, denn wenn wir diese jungen Enthusiasten einstellen, sagen wir ihnen: Dein Engagement besteht nicht darin, ein ausgefallenes Machine-Learning-Modell bereitzustellen. Darum geht es bei Lokad nicht.

Kieran Chandler: Dein Engagement wird darin bestehen, die supply chain unserer Kunden zu verbessern, und das ist etwas ganz anderes, und ehrlich gesagt ist es uns auch nicht so wichtig. Weißt du, wenn du es mal so oder so machst, haben wir offensichtlich Rezepte, von denen wir wissen, dass sie funktionieren, wir haben bestimmte Werkzeugklassen, die erprobt wurden. Aber grundsätzlich wirst du alles tun, was nötig ist, um mit einem Kunden dessen supply chain zu verbessern. Und das sollte dein Engagement sein. Das sollte deine tägliche Herausforderung, deine tägliche Inspiration und alles sein.

Joannes Vermorel: Es stellte sich heraus, dass, wenn wir, würde ich sagen, Data Scientists einstellten, wir Leute bekamen, die wahrscheinlich zu sehr an den ausgefallenen Datenproblemen interessiert waren und nicht genug an, würde ich sagen, den Menschen, an den Geschäftsproblemen, daran, sicherzustellen, dass nichts den Einsatz der Lösung in der Produktion behindert, weil in der Regel die Probleme jener, würde ich sagen, machine-learning-gesteuerten Initiativen nicht daran scheitern, dass der Algorithmus ein Problem hat, sondern schlicht daran, dass es größere Mängel im Gesamtsystem gibt.

Kieran Chandler: Okay. Und bevor wir uns vielleicht den Fragen einiger unserer Zuschauer zuwenden, noch eine abschließende Frage: Wir waren ein Unternehmen, das in den letzten Jahrzehnt und etwas mehr organisch gewachsen ist. Und so langsam, aber sicher – was sind deine Ideen für die nächsten fünf Jahre, die nächsten 10 Jahre? Was siehst du für Lokad in der Zukunft?

Joannes Vermorel: Äh, mehr organisches Wachstum. Ich meine, buchstäblich – in einem Jahr hatten wir ein Wachstum von 60 % –, und ehrlich gesagt waren wir noch so weit vom totalen Zusammenbruch entfernt. Und was die Leute oft nicht realisieren, ist, dass wenn sie Startups sehen, die sagen: “Oh, wir haben dieses 200% jährliche Wachstum”, das absolut fantastisch ist. Ich würde sagen: “Ja, es ist gut, wenn man etwas hat, bei dem man sich schnell bewegen und Dinge kaputtmachen kann.” Wissen Sie, wenn Sie eine Dating-App haben und Ihre Server komplett zusammenbrechen, ist das ehrlich gesagt kein Problem. Ihre Kundenbasis kommt ja morgen wieder zurück. Aber wenn etwas, das eine supply chain antreibt, komplett zusammenbricht und Ihre Kunden plötzlich massive Produktionsaufträge oder Bestellungen aufgeben, die völliger Unsinn sind – dann sprechen wir von Fehlern im Millionenbereich. Das ist also wirklich sehr, sehr schlecht. Die Idee vom “schnell bewegen und Dinge kaputtmachen” ist einfach nicht vollständig kompatibel mit supply chains. Und was nur wenige realisieren, ist, würde ich sagen, wenn man den Arbeitsmarkt so betrachtet wie heute in Paris – oder dasselbe in New York oder anderen Großstädten weltweit –, dass bei 50% Wachstum pro Jahr und einer regelmäßigen Mitarbeiterfluktuation von etwa drei bis vier Jahren das mittlere Alter der Mitarbeiter in Ihrem Unternehmen am Ende des Jahres gerade einmal sechs Monate beträgt. Sehen Sie das? Das bedeutet, dass, wenn Sie 50% Wachstum haben, die Hälfte der Mitarbeiter am Ende des Jahres erst seit sechs Monaten dabei ist. Und buchstäblich, wenn Sie erwarten, dass Menschen mit gerade mal sechs Monaten Erfahrung eine supply chain steuern – bei Umsätzen, die sich potenziell auf hunderte Millionen Euro jährlich belaufen – ist das einfach zu viel verlangt, selbst wenn Sie kluge, engagierte, brillante Ingenieure einstellen. Es ist viel.

Joannes Vermorel: Und so glaube ich, dass sie – leider – wenn wir nicht ein Unternehmen wie Facebook haben, das jährlich um tausend Prozent wächst, einfach keine vernünftige Option darstellen. Und deshalb gehen wir schnell voran, aber es gibt Grenzen dafür, was möglich ist. Andernfalls können wir nicht einmal die neuen Leute schulen, die wir ständig einstellen.

Kieran Chandler: Okay, dann tauchen wir in ein paar der Fragen ein, denn ich sehe, dass es schon einige gibt und auch ein paar bekannte Gesichter, Freunde der Show. Zunächst einmal eine, an der sich viele der Mitarbeiter hier bei Lokad wirklich interessiert haben, und die wir nie beantwortet haben. Sie kommt von Dervish, der im Grunde fragt: Gibt es einen besonderen Grund für den Namen Lokad? Ist es eine Abkürzung der Algorithmen, die wir verwenden? Ist es ein Geheimnis?

Joannes Vermorel: Tatsache ist, als ich meinen PhD in computational biology machte, dachte ich daran, ein Unternehmen zu gründen, das Digital Display für Werbung einsetzt. Also dachte ich an lokale Werbung und kam auf “LoCad”. Es war ein sehr guter Domainname mit fünf Buchstaben. Ich behielt ihn, und dann, so etwa zehn Jahre später, sagte ein IBM-Berater zu mir: “Oh, Lokad – offensichtlich blickt es voraus. Was für ein großartiger Name!” Und ich dachte: “Ja, vorausblicken – das ist eine coole Geschichte, die ich jetzt meinen Kunden erzähle.” Die wahre Geschichte war also, dass es um lokale Werbung ging, aber ich finde, diese Interpretation des Vorausblickens ist wesentlich cooler.

Kieran Chandler: Wir haben hier eine weitere Frage von Deh. Sie ist etwas düster, aber ganz auf Fehler fokussiert. Was war die größte Niederlage oder der größte Rückschlag, den wir in der Geschichte von Lokad bisher erlebt haben? Und lasst uns das vielleicht insbesondere aus der Perspektive eines Kunden betrachten.

Joannes Vermorel: Der größte Rückschlag war, glaube ich, bei einigen großen US-Kunden, die wir hatten. In den ersten Jahren gab es keine großen Rückschläge, weil ich keine großen Kunden hatte. Es hat also seine Zeit gebraucht, bis die großen Rückschläge eintraten. Der große Rückschlag war ein Wendepunkt – ich denke, es war um 2011-2012 – als wir buchstäblich Benchmarks gewonnen haben, ähnlich dem Kaggle-Wettbewerb mit Walmart. Wir hatten eine höhere Genauigkeit bei den klassischen Wochen- und Monatsprognosen, und wir haben diese in die Vorhersagen für die supply chains unserer Kunden eingebunden. Allerdings wurden deren supply chains schlechter.

Dann haben wir den Benchmark neu durchgeführt und verglichen, und Lokad hatte eine höhere Genauigkeit. Aber irgendwann rief der Kunde an und sagte: “Joannes, weißt du was? Du hast unsere supply chain komplett durcheinandergebracht.” Ich erinnere mich an ein Meeting in New York, wo man mich bat zu kommen, und ich trat in einen Raum mit 20 Planern. Die Hälfte von ihnen war völlig außer sich vor Wut und sagte: “Deine Software macht unser Leben furchtbar.”

Für mich war das ein absoluter Albtraum. Es waren 20 Leute, die wirklich hartnäckig waren, und ich dachte: “Ja, was die Genauigkeit angeht, sind wir besser.” Aber die Leute sagten: “Ehrlich, uns ist es egal. Du musst dich nicht mit dem Chaos beschäftigen – wir haben es mit dem Chaos zu tun, und es funktioniert einfach nicht. Es ist ein Albtraum.”

Kieran Chandler: Im Laufe der Zeit waren die Kunden engagiert und haben ihr Bestes gegeben, wir haben unser Bestes gegeben. Und ich denke, wir haben sie etwa drei Jahre später verloren, aber es war eine so miserable Erfahrung.

Joannes Vermorel: Miserabel, und was soll’s. Okay, wir versuchen, uns ein bisschen aufzumuntern und über ein anderes, nicht so fröhliches Thema zu sprechen – leider das Coronavirus. Dem scheinen wir im Moment nicht entkommen zu können.

Kieran Chandler: Wir haben eine Nachricht von SV, der fragt: Glaubst du, dass das Coronavirus die Notwendigkeit hervorgehoben hat, traditionelle supply chain Modelle zu transformieren?

Joannes Vermorel: Ich glaube, dass das Coronavirus nur eine weitere Quelle der Variabilität ist. Es gibt so viele Dinge, die die Welt erschüttern können. Der nächste Präsident könnte beschließen, Zölle einzuführen, ein Land wie England könnte sich entscheiden, die Union zu verlassen, oder Ihr Unternehmen könnte durch unzählige Faktoren völlig aus der Bahn geworfen werden. Zum Beispiel könnten heutzutage Mitarbeiter ein rassistisches Video auf YouTube posten, das die Marke über Nacht komplett beschädigt – und dann verlieren Sie 20 % Ihres Marktanteils, nur wegen dieses dummen Videos, das viral geht. Es gibt unzählige Dinge, die die Welt unsicherer machen. Ich denke also, wenn man davon eines ableiten könnte, dann, dass wir seit vielen Jahren dafür plädieren: Man sollte für Unwägbarkeiten planen. Ich habe keinerlei Ahnung, wie die Zukunft in der Post-COVID-Welt aussieht, aber ich bin mir ziemlich sicher, dass sie noch unberechenbarer sein wird als bisher – und deshalb muss man die Ungewissheit annehmen, das Risiko akzeptieren und managen, statt einfach eine Prognose zu erstellen und so zu tun, als könnte man mit einer Kristallkugel die Zukunft vorhersagen. Lokad besitzt keine Kristallkugel, ebenso wenig wie Sie. Sie müssen also die Ungewissheit annehmen und das Risiko managen. Ich glaube, dass diese Idee heutzutage langsam auch im Finanzbereich Einzug hält. Nicht jeder Hedgefonds vertritt diese Ansicht, aber die Besten steigen darauf ein. Und ich vermute, dass in Bezug auf supply chains die Unternehmen, die mit dieser Krise vorne liegen, genau diejenigen sind wie Amazon, die auf Resilienz, die Fähigkeit, Ungewissheit zu akzeptieren, und ein superschnelles Reagieren mit vielen digitalen Systemen setzen.

Kieran Chandler: Ich fürchte, wir bleiben beim Coronavirus-Thema für noch eine Frage von Marcus Leopold, einem Freund von Lokad. Er fragt: Wie gut haben die Lokad-Algorithmen während der COVID-Störung überhaupt funktioniert? Mussten die Kunden wieder auf manuelle Prozesse zurückgreifen oder haben die Lokad-Algorithmen das automatisch bewältigt?

Joannes Vermorel: Die Algorithmen sind keine Magie; sie haben selbst schrecklich versagt. Aber – und das ist ein großes Aber – das, was wir bei Lokad verkaufen, ist nicht nur eine Softwareplattform. Wir sagen immer, dass es heutzutage das ist, was wir managed plans nennen. Es bedeutet im Grunde, die Plattform zu haben und ein Team von supply chain scientists…

Kieran Chandler: …chain scientists und buchstäblich das Team von supply chain scientists arbeitete Überstunden, um erst im März nahezu alle unsere europäischen supply chains herunterzufahren, dann einen Monat später alle unsere US supply chains zu schließen und zwei bis drei Monate später wieder hochzufahren, wissen Sie?

Joannes Vermorel: Die Herausforderungen, denen wir uns gegenübersahen, umfassten das Organisieren des Shutdowns, die Planung des Neustarts und das Anpassen des Modells, sodass diese ungewöhnliche Lockdown-Periode nicht als Nachfragerückgang interpretiert wird. Man kann nicht drei Monate lang davon ausgehen, dass das als Nachfrage zählt, da dies sämtliche saisonalen Profile völlig verzerren würde.

Ich denke, der Kernpunkt dabei ist, dass unsere Technologie recht effizient war – nicht weil die Algorithmen mächtig waren, sondern weil sie den supply chain scientists ein sehr hohes Maß an Produktivität ermöglichte. Als die Krise eintrat, hatten wir keine Wochen Zeit, um uns auf den Übergang vorzubereiten. Wir erhielten Anrufe, in denen stand: “Lokad, wissen Sie was? Nächste Woche machen wir unsere Anlagen und warehouses dicht. Wir müssen die Aufgaben priorisieren, die vor diesem Zeitpunkt erledigt werden müssen. Sie haben 24 Stunden Zeit, das Modell so anzupassen, dass alles reibungslos abläuft.” Jede Stunde zählte, und die supply chain scientists – selbst wenn das ganze Unternehmen Überstunden machte – mussten das innerhalb weniger Tage umsetzen. Es ging nicht um die Qualität des Algorithmus, sondern um die Produktivität, die Envision für das explizite Modellieren der supply chains ermöglicht.

Kieran Chandler: Wir kehren zurück zu den Diskussionen über Kryptowährungen und Bitcoin. Das ist eine Nachricht von John Michelle, der fragte: Siehst du einen wirklichen Mehrwert aus diesen Bitcoin-Blockchain-Anwendungen in den supply chains in naher Zukunft – also in den nächsten drei oder vier Jahren – oder siehst du das nur als Krypto-Hype?

Joannes Vermorel: Ich sehe viel Wert darin, aber einfach nicht die Art von Wert, die man erwarten würde. Erstens definieren Kryptowährungen, was Computersicherheit überhaupt bedeutet, neu. Das Interessante daran ist, dass, wenn Sie einen Bitcoin auf einen Computer legen, Sie wissen können, dass der Computer sicher ist, weil der Bitcoin nicht gestohlen wird. Das ist unglaublich interessant, denn es bedeutet, dass Sie plötzlich einen sehr einfachen Test haben, um zu prüfen, ob Ihre Systeme sicher sind oder nicht. Sie können etwas Kryptowährung daraufsetzen, und wenn sie verschwindet – nun, wissen Sie, da ist jemand in Ihren Systemen am Werk. Die Leute begannen dies zu realisieren, als Bitcoin-Unternehmen begannen, Maschinen in der Cloud zu betreiben, auf denen beträchtliche Mengen an Kryptowährungen gehalten wurden – und all diese Unternehmen gingen durch Diebstahl bankrott.

Kieran Chandler: Also, Joannes, kannst du ein wenig über die Herausforderungen der supply chain Optimierung in Bezug auf IT-Sicherheit sprechen?

Joannes Vermorel: Ja, und buchstäblich haben die Leute erkannt, dass nichts sicher ist. Alle Cloud-Computing-Anbieter hatten Exploits. Alle IoT-Geräte haben Exploits. Alle Smartphones haben Exploits. Ich meine, buchstäblich erkannten die Leute das Ausmaß des Problems, die Dimension des Ganzen. Ich glaube, dass wir als supply chain das Problem – würde ich sagen – doppelt so schlimm haben, weil supply chains per Definition geografisch verteilt sind. Man kann da nicht an den Festungsansatz für IT-Sicherheit denken, nur weil die Systeme praktisch über die ganze Welt verteilt sind. Es ist also eine enorme Herausforderung, und was in der Krypto-Welt passiert, ist sehr interessant, weil es Ihnen Einblicke in all die Dinge gibt, die Sie tun müssen, um Ihr System wirklich abzusichern. Das ist der Hauptmehrwert. Nochmals: Ich würde das nicht als Investitionsvehikel empfehlen. Ich schlage vor, sich die technischen Details dieser Dinge anzusehen, besonders aus der Perspektive der IT-Sicherheit, die typischerweise Probleme des Social Engineering mit Software-Exploits kombiniert.

Kieran Chandler: Okay. Wir haben eine weitere Nachricht von einem unserer Freunde, Khalil Mehana, der etwas zur Prognose erwähnt. Egal wie gut sie ist, sie braucht Informationen von den Nutzern dahinter. Zwei Schlüsselnutzer werden der Projektleiter von Unternehmensseite und die supply chain scientists von Lokad sein. Wie wichtig ist also diese Professionalität und das Geschäftsverständnis dieser beiden Personen und welchen Einfluss können sie auf das Ergebnis und die Genauigkeit der endgültigen Prognose haben?

Joannes Vermorel: Das ist der Knackpunkt. Einerseits haben wir etwa 100 – etwas mehr als 100 – Unternehmen in Produktion. Wir justieren die Prognose nicht. So funktioniert das nicht. Man denkt oft: “Oh, man braucht menschliche Einsicht, um die Prognose zu verschieben.” Dabei geht es in erster Linie darum, den Rahmen zu setzen, wie man statistische Informationen überhaupt aus den Daten extrahiert. Sie versuchen nicht, den Markt allein mit menschlicher Einsicht und Wissen zu erraten. Ich meine, so etwas kommt vor. Es passiert. Wir haben einige Randfälle, beispielsweise den A380 – das Flugzeug von Airbus. Wir haben einige Kunden, die Teile für dieses Flugzeug liefern. Als Airbus im Grunde ankündigte, diesen Flugzeugtyp einzustellen, ja, konnten Sie mit Marktwissen die Prognose anpassen – aber das ist sehr selten. Es ist in der Regel eine Ausnahme. Die Arbeit der supply chain Praktiker und der supply chain scientists bei Lokad – da gibt es noch viel mehr – besteht in der Regel zunächst darin, das Problem so zu rahmen, dass die Algorithmen das Richtige lernen und optimieren, was einem sich ständig bewegenden Ziel entspricht. Wenn die Situation bereits festgelegt ist, geht es nicht darum, Wissen einzubringen, indem man die Prognose verschiebt. Es geht buchstäblich darum, das Problem, das Sie prognostizieren und optimieren möchten, neu zu formulieren. Und dann besteht der Großteil der alltäglichen Arbeit darin, die wirtschaftlichen Treiber erneut zu überprüfen. Wissen Sie, wir versuchen, diese Dollar des Fehlers zu optimieren – aber diese Dollar des Fehlers lassen sich nicht aus den Daten extrahieren. Es gibt keinen Data-Mining- oder Machine-Learning-Algorithmus, der Ihnen sagen kann, ob – äh… äh.

Joannes Vermorel: Viele Menschen unterschätzen einige Kräfte. Zum einen wird die Stärke der Spezialisierung der Länder unterschätzt. Beispielsweise gibt es weltweit nur drei Länder, die RAM-Fabriken – Random Access Memories – besitzen. Wenn Sie also RAM brauchen und alle Computer diesen nutzen, gibt es nur drei Länder: Südkorea, China und die Vereinigten Staaten. Überall sonst – nun, Pech gehabt.

Und dann, wenn Sie Lithium für die Batterien Ihres Smartphones benötigen, stellt sich heraus, dass die weltweiten Lithiumreserven nur in drei Ländern liegen: Chile, Argentinien und Australien. Ich denke, manche werden noch nachprüfen. Also, nochmal: Wenn Sie eine lokale Lithiumproduktion anstreben, nun, Pech gehabt. Die Realität ist dieselbe wie beim Uhrmacherhandwerk. Ich bin der Meinung, dass die Schweiz mehr als die Hälfte ausmacht, aber im Segment des High-End-Uhrmacherhandwerks liegen sie bei etwa 70 %. Also, ich glaube nicht, dass es immer machbar ist für Artikel mit geringem Wert wie T-Shirts.

Die Textilindustrie war traditionell weit zurück, weil sie so schwer zu automatisieren ist. Infolgedessen verlagerte sich die Textilproduktion nach China, aber mittlerweile ist sie nicht mehr in China. Sie hat sich in günstigere Länder wie Vietnam, die Philippinen oder Bangladesch verlagert. Aber das Problem ist: Sobald in Bangladesch hoffentlich die Löhne steigen, wohin sollen diese Produktionen dann wandern? Vielleicht nach Afrika? Ich weiß es nicht. Aber uns gehen die billigen Länder aus.

Und die Automatisierung schreitet voran, weshalb ich glaube, dass diese grundlegenden supply chain wahrscheinlich lokal angesiedelt werden. Leider sollten Sie nicht erwarten, dass dadurch Arbeitsplätze entstehen, denn sobald ein super hoher Automatisierungsgrad erreicht ist, werden sie an die Orte zurückverlagert, an denen diese Produkte konsumiert werden. Also, werden wir marginal mehr lokale supply chain haben? Ja, ich glaube schon. Noch einmal: Wenn Dinge unglaublich automatisiert sind, spielt es eigentlich keine Rolle mehr, wo man seine Fabriken positioniert. Es spielt zwar wieder eine Rolle, denn Lithium kommt nur an wenigen Orten der Welt vor, usw. Aber plötzlich, wenn einem die Kosten lokaler Arbeitskräfte egal sind, kann man die Produktion im Grunde überall ansiedeln, wo man will.

Kieran Chandler: Wir haben hier zwei Fragen, die ich zu einer großen zusammenfassen werde. Eine stammt aus Kenia und eine von Manmeet. Kenia fragte, ob man aufgrund des so unterschiedlichen Ansatzes der die Quantitative Supply Chain auf viel Skepsis stößt, wenn man solche Praktiken implementiert. Und Manmeet knüpft daran an, indem er fragt, vor welchen organisatorischen Change-Management-Herausforderungen man steht, wenn man etwas wie Lokad implementiert.

Joannes Vermorel: Das ist wahrscheinlich eine meiner größten Frustrationen; ich stoße nicht auf viel Skepsis. Und ich sage euch, warum: Es liegt daran, dass wenn ich den Leuten zum Beispiel sage, dass time series Prognosen, also reine Zeitreihenprognosen, völlig fehlerhaft sind, weil sie die Unsicherheit ignorieren, wissen die Leute das, und dann ich…

Kieran Chandler: Also Joannes, kannst du erklären, was passiert, wenn du ein Produkt prognostizierst, aber dann 10 weitere Produkte einführst, die damit konkurrieren?

Joannes Vermorel: Wenn du ein Produkt prognostizierst, ohne zu wissen, dass du 10 weitere konkurrierende Produkte einführen wirst, kommt es überall zu Kannibalisierung. Und wenn du ein Zeitreihenmodell hast, wird es diese Kannibalisierung völlig ignorieren – es ist also völlig fehlerhaft. Und noch einmal: Die Leute sind keine Dummköpfe. Sie wissen das. Die Frustration entsteht, weil sie es verstehen. Ich denke, typischerweise, wenn ich mit beispielsweise supply chain Direktoren, Planungsleitern, Leitern der supply chain Prognose und dergleichen spreche, sind sie nicht skeptisch. Sie sagen: “Ja, ja, ja, ich verstehe.” Meine Frustration rührt daher, dass, wissen Sie, ich es einfach nicht umsetzen werde. Ich weiß, dass es fehlerhaft ist, aber – naja, bin ich wirklich bereit, theoretisch das zu tun, was angeblich am besten für mein Unternehmen ist? Aber leider machen in großen Unternehmen die meisten Menschen alles, um ihren Job zu behalten. Und selbst wenn sie relativ weit oben im Management stehen – man möchte meinen, dass die meisten Menschen Helden sind, die Innovation fördern und so weiter –, haben die meisten von ihnen sehr interessante Hobbys, ein interessantes Leben, und ihr Job ist nun mal nur ein Job. Und sie werden keinen Kreuzzug starten, um ihre Organisation zu reformieren, damit sie besser performt. Ja, für die Aktionäre wäre es besser – das Unternehmen würde wachsen, es würde profitabler werden. Aber mal ehrlich: Die meisten Menschen in großen Organisationen haben ein Gehalt. Dort wollen sie die Organisation nicht gefährden. Sie möchten einfach nur einigermaßen gut in ihrem Job sein, aber sie werden keinen Kreuzzug starten, um ihr Unternehmen auf die nächste Stufe zu heben. Und wenn es dem Unternehmen schlecht geht, wechseln sie einfach den Job und gehen zum nächsten Unternehmen.

Kieran Chandler: Okay, wir quetschen noch ein paar weitere Fragen rein, bevor wir abschließen. Ich werfe diese Frage von Richard Lebenski ein, hauptsächlich weil er in seiner Zeitzone spät aufbleibt. Also ja, ja, Helden, Helden, ja. Und er fragt: In welchem Bereich kann der Lokad-Ansatz den meisten geschäftlichen Mehrwert freisetzen, wo andere das vielleicht nicht können?

Joannes Vermorel: Es ist in der Regel umgekehrt proportional zur Menge an Unordnung und Komplexität. Und wenn die Leute sagen: “Oh, es ist wie ein Albtraum”, ist das gut, denn gewöhnlich, wenn die supply chain wie ein Albtraum ist – mit viel zu vielen Optionen, Entscheidungen, Effekten zweiter Ordnung, multi-echelon, mit Haltbarkeiten, Nachrüstungen und allerlei super bizarren Effekten –, dann glänzt Lokad am meisten, weil es sich typischerweise um eine supply chain handelt, bei der die Optimierung noch gar nicht begonnen hat. Denn offensichtlich, wenn man eine supply chain hat, die bereits extrem schlank ist, weil sie so einfach ist – und ich würde sagen, etwa bei der Wasserversorgung, weil es nichts Dümmeres gibt als die Wasserversorgung – redet eben niemand über die supply chain von Wasser, weil sie so verdammt trivial ist, dass es nichts mehr zu optimieren gibt. Alles, was noch zu optimieren war, wurde vor fast einem Jahrhundert optimiert. Also kann Lokad für Wasserunternehmen fast gar nichts tun. Aber

Kieran Chandler: Am anderen Extrem würde ich sagen, etwa die Luft- und Raumfahrt, die ein komplettes Chaos in völliger Unordnung ist, besonders während COVID. Das sind typischerweise Bereiche, in denen wir am besten performen. Aber frische Lebensmittel können super kompliziert sein, auch Luxus neigt dazu, super kompliziert zu sein, und obendrein hat man das zusätzliche Problem, dass die Datensätze sehr begrenzt sind. Die klassischen statistischen Methoden für die einzelnen Komponenten funktionieren in solchen Situationen in der Regel nicht. Das ist ein wenig paradox. Man könnte sagen, dass Lokad am besten performt, wenn es viele Daten gibt, aber auch, wenn es nur sehr wenige Daten gibt, sodass all die üblichen Statistiken einfach nicht greifen. Das ist auch ein sehr schöner Sweet Spot für uns.

Joannes Vermorel: Okay. Es scheint, dass es eine Diskussion mit Nicholas Vanderpooh gegeben hat, einem unserer früheren Favoriten unter den Gästen der Sendung. Er hat mit Edith diskutiert, und die Hauptfrage war: Was war das größte Problem, das einen dazu motivierte, eine so gewaltige Aufgabe wie einen kompletten Neuaufbau in Angriff zu nehmen?

Kieran Chandler: Du meinst eine Neuschreibung der Software, Lokad?

Joannes Vermorel: Ja. Ich meine, wenn man merkt, dass etwas nicht funktioniert, weiß man, dass man auf dem falschen Weg ist. Üblicherweise ist die Neuschreibung nur der letzte Ausweg – es ist der Moment, in dem man keine Hoffnung mehr hat. Buchstäblich, nach schrittweiser Entwicklung und weiter schrittweiser Entwicklung, kommt man irgendwann an den Punkt, an dem man einfach die Hoffnung aufgibt, dass es jemals funktionieren wird. Und so schreibt man es eines Tages einfach von Grund auf neu. Es ist sehr hart. Es ist nichts, was wir auf die leichte Schulter nehmen. Man sagt in der Softwareentwicklung, dass man niemals von Grund auf neu schreiben sollte. Ich würde sagen, ja, in der Regel ist es ein sehr schlechter Schritt, von Grund auf neu zu schreiben. Aber wenn man merkt, dass man architektonische und Designfehler hat, die das Herzstück der Architektur betreffen, dann bist du buchstäblich erledigt.

Kieran Chandler: Ich habe hier eine Frage, die ziemlich unterhaltsam sein könnte, von Slim Kalell. Er fragt: Wie gut funktioniert Lokad neben SNOP-artigen Lösungen?

Joannes Vermorel: Oh, wir ignorieren sie einfach. Das Lustige daran ist, dass Bürokratien die erstaunliche Eigenschaft haben, systematisch über ihren Nutzen hinaus zu leben. So kommt es zu Situationen, in denen Lokad live in der Produktion ist. Wir sind buchstäblich die Supply Chain Scientists, die zusammen mit einem bescheidenen Team von supply chain Praktikern jede einzelne Entscheidung treffen – also den Einkauf, die Produktion, alle inventory movements, sogar die Preise. Und dann gibt es noch die SNOP-Bürokratie, in der sich die Leute weiterhin treffen, ihren Prozess durchlaufen, immer noch die Vertriebsmitarbeiter nach deren Prognosen fragen, spreadsheets weiterhin mit Zahlen gefüllt sind und die Leute noch ihre üblichen Sandbagging-Spielereien und Ähnliches praktizieren. So lebt diese ganze Bürokratie einfach weiter.

Kieran Chandler: Es ist völlig von der Realität abgekoppelt, sodass es streng genommen nicht schadet, weil es keinerlei Auswirkungen auf die physische, reale Welt hat. Ich würde sagen, es hat zwar Auswirkungen auf die supply chain, aber die Leute haben den Eindruck, dass nur Regierungen nutzlose Verwaltung aufrechterhalten können – so wie beispielsweise das Vereinigte Königreich, das solange ein Department of the Colonies hatte, bis das Vereinigte Königreich keine Kolonie mehr zu verwalten hatte. Sie wirkten immer wie ein gigantisches Ministerium. Frankreich hat ziemlich dasselbe gemacht; zum Beispiel gibt es immer noch die Bank of France, die den Franc verwalten sollte. Wir haben den Franc nicht mehr – es ist der Euro – aber wir haben immer noch die Bank of France.

Joannes Vermorel: Letztendlich ist es nicht so, dass man als Unternehmen immun gegen das Problem ist. Es ist dasselbe Problem für jedes große Unternehmen, sodass wir in diese sehr paradoxen Situationen geraten, in denen Lokad normalerweise Seite an Seite mit SNOP arbeitet, die noch ihre eigene Sache machen – völlig abgekoppelt. Und es wird noch merkwürdiger, wenn wir Seite an Seite mit dem Data Science Team operieren, denn es gibt ein Data Science Team, das weiterhin Modelle produziert, die nicht genutzt werden. Sie erstellen weiterhin Prototypen, meist ein oder zwei pro Quartal, die völlig abgekoppelt sind, während wir einfach in der Produktion weitermachen. Es ist seltsam, aber wissen Sie, so ist es nun mal.

Kieran Chandler: Okay, und jetzt fassen wir zusammen. Ich werde eher mit einem Kommentar als mit einer Frage von Yatin Dinesh abschließen, der, wie ich weiß, ein großer Fan der Sendung ist. Er sagt so etwas wie: “Loving the podcast so far, years of experience and learnings through mistakes being shared.” Aber er möchte wissen: Wer schreibt eigentlich den Blog?

Joannes Vermorel: Den Blog schreibe in der Regel ich. Ich meine, ich bin sehr beschäftigt, ja. Und übrigens: Wenn man sich den Rhythmus der Blog-Produktion seit Beginn der Sendung anschaut, habe ich Blogbeiträge viel langsamer veröffentlicht. Ich werde wieder dazu zurückkehren; ich plane, wieder zum Blog zurückzukehren, aber es gibt nur so viele Stunden am Tag. Aber nein, ich habe nie an eine externe Content-Agentur delegiert, um massenhaft fröhliche Phrasen zu produzieren, die nur Plattitüden und Nonsens kombinieren.

Kieran Chandler: Normalerweise bin ich es, der immer irgendwie im Weg steht. Nein, nein, um heute alles abzurunden und zum Abschluss zu kommen: Warum war es deiner Meinung nach wichtig, auf die Lokad-Reise zurückzublicken, und was erhoffst du dir, dass unsere Zuschauer aus der heutigen Episode lernen?

Joannes Vermorel: Die Sache ist die, dass es intellektuell sehr schwierig ist zu erkennen, dass man falsch liegt. Es ist wirklich hart. Zunächst ist es nicht besonders angenehm; man mag es nicht, sich einzugestehen, dass man eine Menge Fehler gemacht hat. Deshalb neigt man als grundlegenden Instinkt dazu, sich zu verteidigen und Ausreden zu finden. Man sagt: “Ja, wir haben keinen Erfolg gehabt, aber die Kunden – wissen Sie, da gab es einen Kulturschock, es war eine so schwierige Situation, sie hatten eine ERP Implementierung laufen, die die Dinge verkomplizierte.” Es gibt immer Unmengen an Ausreden. Es gibt das Motto: Man kann Ergebnisse haben oder Ausreden. Und es gibt einen dritten Weg, nämlich zu…

Kieran Chandler: Zu verstehen, warum es schiefgelaufen ist und wo, ist mir sehr wichtig. Wahrscheinlich mache ich gerade eine Menge Fehler, ohne zu wissen, welche. Die vergangenen Fehler erneut zu durchdenken, ist ein Weg, um zu überlegen, was momentan alles schiefgehen könnte. Ich meine, offensichtlich machen wir jetzt Dinge, die viel besser sind als vor 10 Jahren, aber das heißt nicht, dass wir perfekt sind. Ich bin mir ziemlich sicher, dass es in 10 Jahren viele Dinge geben wird, bei denen wir denken: Ehrlich gesagt, ich war gerade komplett außer Rand und Band oder so. Es war einfach offensichtlich, dass es einen besseren Weg gab – der Elefant im Raum. Er war dick und offensichtlich, und und dennoch haben wir ihn übersehen. Deshalb versuche ich, diese Dinge immer wieder zu reflektieren, weil sie einem einen Anhaltspunkt geben, zu erkennen, was bei dem, was man gerade tut, schief läuft.

Joannes Vermorel: Und normalerweise liegt das Problem nicht darin, dass man etwas besser hätte machen können. Das ist der falsche Blickwinkel auf das Problem, denn in der Regel liegt das Problem darin, dass man es gar nicht einmal von der richtigen Seite betrachtet. Es geht nicht darum, das Problem besser zu beobachten oder besser zu machen – das ist, würde ich sagen, eine lineare Weiterentwicklung von dem, was man bereits hat, also eine inkrementelle Progression. Normalerweise geschehen die größten Durchbrüche, wenn man erkennt, dass man das Problem aus einem anderen Blickwinkel hätte betrachten müssen. Und dann wird einem klar, dass es ein anderes Problem, einen anderen Blickwinkel gibt, für den es sich wirklich zu kämpfen lohnt. Es geht nicht darum, dass wir besser hätten sein können; es ist vielmehr so, dass wir das Problem in der Vergangenheit gar nicht angegangen sind.

Kieran Chandler: Okay, wir müssen hier abschließen, aber nach hundert Episoden haben wir uns wahrscheinlich ein Bier verdient, denke ich. Das war also alles für diese Woche, und falls wir deine Frage nicht beantwortet haben, schreib uns eine E-Mail an contact@lokad.com, und wir versuchen, uns bei dir zu melden. Klick unbedingt auf den Subscribe-Button, und wir sehen uns in der nächsten Episode wieder. Danke fürs Zuschauen.