00:00:08 Einführung und Begrüßung von Nicolas Vandeput.
00:00:34 Nicolas’ aktuelle Arbeit und Universitätslehre.
00:01:00 Diskussion über Nicolas’ Buch “Bestandsoptimierungsmodelle und Simulationen.”
00:03:51 Zielgruppe des Buches und Ansatz der Vereinfachung.
00:05:15 Der Wandel von IT-Abteilungen zu Praktikern und die Reife der supply chain.
00:08:02 Pythons Ausdrucksstärke und Vorteile gegenüber anderen Programmiersprachen.
00:10:19 Betonung von Python im Buch und die Vorteile des praktischen Lernens.
00:11:47 Popularität von Python und seine Konkurrenten, wie Java und JavaScript.
00:13:51 Übergang von Python 2 zu Python 3 und dessen Einfluss auf die akademische Welt.
00:15:10 Umgang mit Unsicherheit in Python und potenziellen Verbesserungen der Sprache.
00:16:03 Sonderpreis für das Ausprobieren neuer Bestandsoptimierungssoftware.
00:16:18 Häufige Verwechslungen bei der Bestandsoptimierung und der Sicherheitsbestand-Formel.
00:17:32 Die Bedeutung der Überprüfungsperiode bei Sicherheitsbestandsberechnungen.
00:18:34 Der Bedarf an besseren Ingenieuren im Bereich supply chain management.
00:19:57 Vergleich von supply chain Problemen mit komplexeren Bereichen wie Mikroelektronik.
00:21:02 Bedeutung der Problemformulierung und das Anziehen brillanter Köpfe.
00:22:32 Einschränkungen akademischer Modelle und deren Anwendung in der realen Welt.
00:23:01 Wechsel von mathematischen Modellen zu Simulationen für bessere Genauigkeit.
00:24:01 Grenzen der Sicherheitsbestand-Formel und der Bedarf an Simulationen.
00:25:07 Fazit und Erwähnung von Nicolas’ Buch zur Bestandsoptimierung.
Zusammenfassung
Im Interview führt Kieran Chandler ein Gespräch mit Joannes Vermorel, dem Gründer von Lokad, und Nicolas Vandeput, dem Autor von “Bestandsoptimierungsmodelle und Simulationen.” Sie thematisieren die Vereinfachung und Zugänglichkeit der Programmierung in der supply chain Optimierung unter Verwendung von Python. Vandeputs Buch bietet vereinfachte Modelle zur Bestandsoptimierung, während Vermorel die Leichtigkeit der Implementierung dieser Modelle hervorhebt. Sie diskutieren die Entwicklung der supply chain Optimierung, die Bedeutung der Ausdrucksstärke in der Programmierung und die Vorteile von Python. Beide Experten erkennen die Grenzen herkömmlicher mathematischer Modelle an und betonen die Notwendigkeit alternativer Methoden wie Simulationen, um realen Herausforderungen im supply chain management zu begegnen.
Erweiterte Zusammenfassung
Im Interview stellt Kieran Chandler, der Moderator, Joannes Vermorel, den Gründer von Lokad, und Nicolas Vandeput, den Autor von “Bestandsoptimierungsmodelle und Simulationen,” vor. Die Diskussion dreht sich um die Vereinfachung und Zugänglichkeit der Programmierung in der supply chain Optimierung mittels Tools wie Python.
Vandeput berichtet, dass sein Buch darauf abzielt, Modelle zur Bestandsoptimierung zu vereinfachen und sie für supply chain Praktiker zugänglich zu machen. Das Buch konzentriert sich darauf, einfache numerische Rezepte in Python bereitzustellen, um reale Situationen zu adressieren, anstatt sich tief in idealisierte supply chains zu vertiefen. Vermorel hebt hervor, dass diese Rezepte in nur wenigen Zeilen Code implementiert werden können, wodurch das, was große Softwareanbieter anbieten, entmystifiziert und deren tatsächlicher Mehrwert in Frage gestellt wird.
Das Buch ist für supply chain Fachleute gedacht, die mit Bestandskontrolle zu kämpfen haben, und soll ihnen helfen, ihre Lagerbestände zu verstehen und zu optimieren.
Vermorel erklärt, dass die Reife der supply chain im Laufe der Jahrzehnte gewachsen ist, wobei Unternehmen anfangs Schwierigkeiten hatten, eine digitale Entsprechung ihrer supply chain zu etablieren. Nach Jahrzehnten des Fortschritts können Unternehmen ihre Lagerbestände nun digital verwalten – ohne jegliche Intelligenz – und sich so auf die Optimierung konzentrieren.
Der Wandel in der Denkweise, bei dem supply chain Praktiker zunehmend in die Programmierung eingebunden werden, wird der zunehmenden Zugänglichkeit von Tools wie Python und der Vereinfachung der Prozesse zugeschrieben. Dieser Wandel hat es den Praktikern ermöglicht, mehr Kontrolle über ihre supply chain Optimierung zu übernehmen, anstatt sich ausschließlich auf IT-Abteilungen zu verlassen.
Sie diskutieren die Entwicklung der supply chain Optimierung, die Bedeutung der Ausdrucksstärke in der Programmierung und die Vorteile der Verwendung von Python.
Vermorel hebt hervor, dass es vier Jahrzehnte gedauert habe, bis ERP Systeme ihre Reife erreicht haben, was die supply chain Optimierung zu einer realisierbaren Option gemacht hat. Das Gespräch wendet sich der Bedeutung programmgesteuerter Ausdrucksstärke zu, da sie es Organisationen ermöglicht, sich an reale Veränderungen und unvorhersehbare Ereignisse anzupassen. Vermorel erklärt, dass Excel ein gewisses Maß an Ausdrucksstärke bietet, dessen Einschränkungen jedoch in der Art und Weise begründet liegen, wie Logik in spreadsheets organisiert ist. Python hingegen bietet eine abstraktere und ausdrucksstärkere Lösung, was es ideal für die supply chain Optimierung macht.
Vandeput erklärt dann, warum Python seine Sprache der Wahl für das Buch ist. Er weist darauf hin, dass Python weltweit eine der beliebtesten Programmiersprachen ist und eine Fülle an online verfügbaren Ressourcen bietet. Das bedeutet, dass Nutzer Antworten auf ihre Fragen leicht finden können, wodurch es weniger wahrscheinlich ist, dass sie stecken bleiben. Darüber hinaus erleichtert Pythons Einfachheit den Einstieg, sodass der Code leicht verständlich ist.
Das Buch hebt Python aus zwei Gründen hervor. Erstens ist Vandeput der Meinung, dass Übung entscheidend für den Lernerfolg ist, weshalb er viele Do-it-yourself-Sektionen in Excel und Python einbaut, die den Lesern praktische Erfahrungen ermöglichen. Zweitens erlaubt Python den Nutzern, Lösungen zur supply chain Optimierung zu skalieren – über die Lösung einzelner Artikel hinausgehend und umfassendere supply chain Probleme adressierend.
Vermorel stimmt Vandeputs Punkten bezüglich Pythons Popularität und Einfachheit zu, weist jedoch auch auf einige Einschränkungen der Sprache hin. Er schlägt vor, dass andere Programmiersprachen, wie JavaScript und Java, für die supply chain Optimierung weniger geeignet sind, da hierfür umfangreiche Softwareengineering-Kenntnisse erforderlich sind.
Die Diskussion dreht sich um die Vorzüge von Python als Programmiersprache und gängige Missverständnisse in der Bestandsoptimierung.
Vermorel argumentiert, dass Python aufgrund seiner prägnanten Natur und Benutzerfreundlichkeit, insbesondere für Einsteiger, gut für die supply chain Optimierung geeignet ist. Er merkt an, dass Pythons Entwicklung von den 1990er Jahren bis heute dazu beigetragen hat, dass es immer populärer und effektiver geworden ist, um den Anforderungen von Wissenschaft und Industrie gerecht zu werden. Trotz seiner Vorteile erwähnt Vermorel, dass es noch Verbesserungspotenzial gibt, insbesondere im Umgang mit uncertainty. Er betont jedoch, dass Python im Vergleich zu anderen kostspieligen Optionen auf dem Markt eine preiswerte Lösung darstellt.
Vandeput geht hingegen auf gängige Missverständnisse in der Branche hinsichtlich der Bestandsoptimierung ein. Er weist darauf hin, dass viele Praktiker oft lead time mit Transportzeiten verwechseln und dabei die Bedeutung der Überprüfungsperiode bei der Berechnung des Sicherheitsbestands übersehen. Vandeput betont, dass die Überprüfungsperiode zusätzlich zur Durchlaufzeit berücksichtigt werden muss und schlägt vor, dass eine Verringerung dieser Periode zu einer Reduzierung des Sicherheitsbestands führen kann.
Sowohl Vermorel als auch Vandeput erkennen die weit verbreitete Verwirrung in der Branche und den Bedarf an besser ausgebildeten Fachkräften im Bereich supply chain management an. Sie betonen die Wichtigkeit, die Feinheiten der Bestandsoptimierung zu verstehen und geeignete Werkzeuge und Techniken zu nutzen, um bessere Ergebnisse zu erzielen.
Die Diskussion berührte die Herausforderungen in der supply chain Industrie und die Notwendigkeit, mehr talentierte Personen für diesen Bereich zu gewinnen.
Vermorel stellte fest, dass die Komplexität der Probleme in der supply chain Branche oft geringer ist als in anderen Bereichen, wie beispielsweise der Mikroelektronik. Er betonte jedoch die Bedeutung, mehr brillante Köpfe für diesen Bereich zu gewinnen, um die bestehenden Herausforderungen zu bewältigen. Er lobte Vandeputs Buch dafür, dass es das Feld der supply chain Optimierung für intelligente, engagierte Personen attraktiver macht, die echtes Interesse daran haben, solche Probleme anzugehen.
Vandeput erörterte die Einschränkungen traditioneller mathematischer Modelle im supply chain management, die oft auf Vereinfachungen der Realität basieren. Er erklärte, dass einige Modelle für bestimmte Szenarien gut funktionieren mögen, aber wenn sie nicht ausreichend leisten, andere Ansätze wie Simulationen benötigt werden.
Vandeput nannte als Beispiel die Sicherheitsbestand-Formeln, die normalverteilte Durchlaufzeiten annehmen. In der Realität kann es vorkommen, dass Lieferanten meist pünktlich sind, aber wenn sie zu spät kommen, dann erheblich. Traditionelle mathematische Modelle stoßen in solchen Fällen an ihre Grenzen, was den Bedarf an alternativen Methoden wie Simulationen unterstreicht.
Das Gespräch konzentriert sich auf die Grenzen traditioneller mathematischer Modelle, wie beispielsweise Sicherheitsbestand-Formeln, die normalverteilte Durchlaufzeiten annehmen. Beide Experten betonen, dass reale Szenarien oft von diesen Annahmen abweichen, was alternative Methoden wie Simulationen für eine genauere supply chain management erforderlich macht.
Abschließend hob das Interview die Bedeutung hervor, brillante Köpfe für die supply chain Industrie zu gewinnen, die Grenzen traditioneller mathematischer Modelle anzuerkennen und die potenziellen Vorteile von Simulationen als Alternative zur Überwindung dieser Einschränkungen darzustellen.
Vollständiges Transkript
Kieran Chandler: Heute bei lokad tv freuen wir uns, Nicolas Vandeput wieder begrüßen zu dürfen, der mit uns darüber sprechen wird, wie einfach es sein kann und was wir aus seinem neuen Buch lernen können. Also, Nicolas, vielen Dank, dass du wieder dabei bist. Heute möchten wir, wie immer, ein wenig über unsere Gäste und ihre aktuellen Tätigkeiten erfahren. Was hast du gemacht, seit wir dich zuletzt in der Show gesehen haben?
Nicolas Vandeput: Hallo nochmal, Kieran. Wie immer bin ich damit beschäftigt, für Unternehmen tolle Modelle zur Bestandsoptimierung und -prognose zu entwickeln. Und, naja, ich kann auch sagen, dass ich einige Bücher schreibe und an der Universität unterrichte – was mittlerweile zu meinem großen Hobby geworden ist.
Kieran Chandler: Okay, wunderbar. Und heute werden wir eines dieser Bücher besprechen, Joannes. Es heißt “Bestandsoptimierungsmodelle und Simulationen.” Was unterscheidet Nicolas’ Buch von anderen?
Joannes Vermorel: Ich denke, Nicolas greift in diesem Buch frontal ein, was ich als einen Grundpfeiler moderner supply chains betrachte. Und wenn ich supply chain sage, meine ich im Sinne der supply chain Optimierung, nicht nur das Management, also das reine Verwalten von Dingen. Man muss eine programmgesteuerte Ausdrucksstärke besitzen, wenn man etwas haben will, das auch nur annähernd in der Lage ist, mit realen supply chains umzugehen. Und in diesem Buch finde ich es sehr interessant, dass statt sich super tief in idealisierte supply chains zu vertiefen – wo man sagt: “Oh, lasst uns einen mathematischen Beweis der Optimalität für dies oder das für eine idealisierte supply chain erbringen, die es so nie geben wird” und bei dem alle mathematischen Konzepte zusammenbrechen, sobald man ein wenig Realität einfließen lässt – Nicolas zeigt, wie man mit Python sehr einfache und unkomplizierte numerische Rezepte bereitstellen kann.
Die Schönheit dieser Rezepte liegt darin, dass sie sehr praxisnah sind und buchstäblich demonstrieren, dass die meisten klassischen supply chain Rezepte in etwa fünf Zeilen Python-Code umgesetzt werden können. Und ich finde das sehr interessant, denn es vermittelt den Eindruck, dass man, wenn man etwas wirklich Einfaches will, dies auch auf äußerst einfache Weise erreichen kann. Es braucht nicht ein halbes Dutzend Softwareingenieure, um diese Lösungen zu entwickeln. Und ich bin der Meinung, dass dies – als Nebeneffekt – grundlegend entmystifiziert, was große Softwareanbieter tatsächlich auf den Markt bringen, denn wenn man zeigt, dass man im Grunde dasselbe erreichen kann, was sie vorgeben zu tun, jedoch in nur wenigen Codezeilen, stellt sich die Frage: Hat das, was von diesen Anbietern vorgeschlagen wird, überhaupt einen echten Mehrwert? Und ich bin der Meinung, weitgehend nicht. Noch wichtiger ist, dass es demonstriert, dass man durch den Einsatz winziger Bausteine diese kombinieren kann, um reale Herausforderungen in die Rezepte einzubringen, sodass man etwas erhält, das zumindest eine anständige Chance hat, geeignet zu sein.
Kieran Chandler: Eine Lösung für deine supply chain. Klingt durchaus sehr interessant. Nicolas, diese Idee, dass man nur ein paar Zeilen Code benötigt und bereits Ergebnisse erzielt, ist viel befriedigender, als stundenlang Code zu durchforsten. Für wen ist dieses Buch gedacht?
Nicolas Vandeput: Eine meiner großen Obsessionen ist die Vereinfachung. Wenn ich also ein solches Buch schreibe, überlege ich mir: “Okay, wenn ich den supply chain manage und das Inventar optimieren will, wie kann ich alles vereinfachen, um ein Gesamtbild zu vermitteln und gleichzeitig den Praktikern zu ermöglichen, es selbst in die Hand zu nehmen?” Ich schreibe dieses Buch wirklich für jeden im supply chain, der gerade denkt: “Oh mein Gott, wir haben zu viel Lagerbestand,” oder “Wir haben so viel Lagerbestand und gleichzeitig den falschen service level,” oder einfach: “Nun, ich bin für den Lagerbestand verantwortlich, aber ich habe keine Ahnung, wie viel ich benötige.” Ich habe dieses Buch geschrieben, um diesen Menschen zu helfen, prinzipiell selbst aktiv zu werden. Es gibt so viele “Do-it-yourself”-Abschnitte in diesem Buch, die auf die einfachste Weise zeigen, wie man es machen kann. Und gleichzeitig versuche ich ihnen zu sagen: “Wir müssen einige Annahmen treffen – und da diese Annahmen nie Perfektion garantieren, werden wir Simulationen durchführen und die Grenzen der Modelle, die wir verwenden, aufzeigen.” Kurz gesagt, dieses Buch ist für jeden im supply chain gedacht, der heute denkt: “Okay, ich muss das Inventar korrekt erfassen.”
Kieran Chandler: Großartig, und es ist ein wenig ein Umdenken, nicht wahr, Johannes? Denn historisch gesehen war Programmieren etwas, das den IT-Abteilungen vorbehalten war. Jetzt scheint es, als würden immer mehr Praktiker ihr Repertoire erweitern. Warum, meinst du, gibt es diesen Wandel in der Denkweise?
Joannes Vermorel: Ich glaube, dass diese Dinge schon sehr lange existieren. Aber was die Reife im supply chain betrifft, kämpften Unternehmen jahrzehntelang nur damit, ein digitales Abbild ihres supply chain zu besitzen – ein ERP- oder WMS System, mit dem der Lagerbestand auf einfache Weise verwaltet werden konnte – ohne jegliche Intelligenz, lediglich als exaktes digitales Gegenstück. Es hat lange gedauert, bis wir dort angekommen sind. Wenn man bedenkt, dass die ersten ERPs – damals noch nicht so genannt – bis Ende der 70er Jahre eingeführt wurden, blicken wir heute auf vier Jahrzehnte ERP-Geschichte zurück. Es dauerte also lange, bis eine ausreichende digitale Abbildung geschaffen wurde, die es zu einer vernünftigen Option machte, alle Arten von Optimierung vorzunehmen. Und übrigens, der Übergang von Excel zu Python verlief schleppend. Excel bietet bereits viele Programmiermöglichkeiten, die auch im Buch in gewisser Weise dargestellt werden. Für mich ist es also ein Kontinuum, keine vollständige disruption, bei der man von einer Sache zur nächsten springt. Man braucht diese programmatische Ausdruckskraft, um mit all den Herausforderungen umzugehen, die die reale Welt einem entgegenwirft.
Kieran Chandler: Also Joannes, du hast gerade von der Notwendigkeit berichtet, dass Software ausdrucksstark sein muss, um mit der unvorhersehbaren Natur von supply chains umzugehen. Kannst du das etwas näher erläutern?
Joannes Vermorel: Ja, ich denke, es wird immer Dinge geben, die völlig zufällig und unvorhersehbar sind. Es kann ein Brexit, ein Trump-Zoll, eine Pandemie oder plötzlich die Tatsache sein, dass das Unternehmen mit der Verteilung eines Impfstoffs konfrontiert ist, was euren supply chain völlig auf den Kopf stellt. Es passiert also viel, und wenn man nur eine starre Software hat, wird diese einfach nicht in der Lage sein, mit all dem, was in der realen Welt passiert, umzugehen. Deshalb braucht man etwas Ausdrucksstärkeres – diese programmatische Ausdruckskraft. Excel bietet dies, kommt jedoch mit gewissen Einschränkungen, die, würde ich sagen, eng damit verknüpft sind, wie man seine Logik in einer Tabelle organisiert. Python ermöglicht das nächste Level; es ist etwas abstrakter, aber man erreicht, würde ich sagen, ein höheres Maß an Ausdruckskraft, etwa durch benutzerdefinierte Funktionen. Das kann man in Excel über Visual Basic erreichen, aber im Grunde genommen ist Python eine überlegene Variante von VBA.
Kieran Chandler: Nicolas, sprechen wir vielleicht über den Übergang von Excel zu Python – und es gibt viele andere Programmiersprachen, wie SQL, C-Sharp und so weiter. Warum war Python die von dir gewählte Sprache für dieses Buch? Was bietet es, das manche dieser anderen Sprachen nicht liefern?
Nicolas Vandeput: Nun, insgesamt erkennen wir, dass Python einige Vorteile hat. Der erste ist, dass es tatsächlich ziemlich bekannt ist. Ich weiß nicht, ob man sagen kann, dass es die Nummer eins unter den Sprachen weltweit ist, aber es kommt zumindest nahe. Das heißt, wenn man heute eine Frage zu Python hat, kann man sie einfach googeln und eine Antwort finden – was wirklich praktisch ist. Findet man nämlich eine Programmiersprache, die viel schneller als Python ist, könnte man sagen: “Okay, die benutze ich, sie ist schneller.” Doch wenn man dann Fragen hat und diese online sucht, aber keine Antwort findet, gerät man ins Stocken. Bei Python ist es fast unmöglich, hängen zu bleiben, weil irgendwo schon jemand dieselbe Frage hatte und sie beantwortet wurde. Andererseits, und das ist mir äußerst wichtig, stehe ich total auf Vereinfachung. Python ist wirklich simpel. Ich erinnere mich noch an meine Zeit als quantitativer Analyst, als Kollegen noch VBA nutzten. Viele denken an diese riesige VBA-Makrodatei in Excel, vor der jeder Angst hatte, denn man traute sich nicht, etwas zu ändern, weil im Falle eines Fehlers alles unlösbar schien. Python ist ganz anders. Es ist wesentlich einfacher, und man kann den Code im Grunde lesen und verstehen, während man die Datei durchgeht. Ein oder zwei Leser schrieben mir nach dem Lesen des Buches eine E-Mail mit den Worten: “Nicolas, ich weiß nichts über Python, aber ich habe deinen Code gelesen und grundsätzlich verstanden, was du machst, weil alles super klar ist.” Dank dieser beiden Aspekte denke ich, dass Python wirklich die Sprache ist, die man nutzen sollte, wenn man etwas Neues lernen will. Was das Buch betrifft, warum lege ich so viel Wert auf Python? Nun, ich sehe zwei Gründe, warum ich das mache. Erstens glaube ich, dass wenn du etwas lernen willst, du
Kieran Chandler: Mich interessiert, in deinem Buch, warum hast du dich dafür entschieden, Python für die supply chain-Optimierung in den Fokus zu stellen?
Nicolas Vandeput: Ich denke, es ist viel besser, wenn man es selbst erlebt und ausprobiert. Ich setze stark auf Do-it-yourself-Abschnitte im Buch, sei es in Excel oder Python, weil ich möchte, dass der Leser neues Know-how erwirbt. Außerdem will ich die supply chain-Optimierung entmystifizieren, indem ich zeige, dass es gar nicht so kompliziert ist. Man tippt einfach ein paar Codezeilen ein, und es funktioniert auf dem eigenen Rechner. Der Hauptgrund, warum ich auf Python setze, liegt darin, dass es einfach ist, die Lösung auf einen supply chain zu skalieren. Mit Python kann man einen supply chain problemlos unter einfachen Annahmen und Modellen betreiben.
Kieran Chandler: Würdest du dem zustimmen, Joannes? Wir haben in der Vergangenheit bereits ein wenig über einige der Einschränkungen von Python gesprochen.
Joannes Vermorel: Was die Beliebtheit angeht, steht außer Frage, dass Python zu den Top 10 der am häufigsten genutzten Programmiersprachen gehört. Konkurrenten wären JavaScript, Java und einige andere, aber diese sind für supply chains keine guten Optionen. Es erfordert erhebliche Software-Engineering-Fähigkeiten, um mit diesen Sprachen etwas zu bewirken. Einige der positiven Eigenschaften von Java, wie die umfassende Unterstützung objektorientierter Programmierung, können ein Nachteil sein, wenn es darum geht, neue Benutzer einfach einzuarbeiten. Diese Merkmale sind für die supply chain-Optimierung oder das supply chain-Modelling nicht unmittelbar nützlich. Wenn man das einfach mit einmischt, erhält man eine komplexere Programmiersprache ohne offensichtliche Vorteile – zumindest nicht in den ersten Monaten eines Projekts.
Python wurde in den 90er Jahren ins Leben gerufen, und es dauerte fast drei Jahrzehnte, bis es populär wurde. Es kam zu einer massiven Migration von Python 2 zu Python 3, die, so glaube ich, von der Wissenschaft übernommen wurde. Python fand seinen Sweet Spot in der akademischen Welt, und der große Übergang zwischen Python 2 und Python 3 bestand darin, alle schlechten Aspekte zu beseitigen. Was sich im letzten Jahrzehnt daraus entwickelt hat, ist eine Sprache, die viel besser zu dem passt, was man in der Wissenschaft und für supply chain-Optimierung benötigt.
Kieran Chandler: Sprechen wir also über Programmiersprachen. Joannes, was hältst du von Python?
Joannes Vermorel: Python ist eine Sprache, die sehr prägnant ist, ohne unnötigen Ballast und überflüssige Elemente. Das genaue Gegenteil wäre wahrscheinlich etwas wie C++. Ich bezweifle, dass es jemanden auf der Welt gibt, der sagen könnte: “Ich weiß alles, was es über C++ zu wissen gibt,” denn die Spezifikation der Sprache ist so enorm, dass es menschlich kaum möglich ist, mit allen Facetten von C++ vertraut zu sein. Die Sprache wirkt fast schon verrückt, wenn man darüber nachdenkt. All das zusammengenommen bietet Python einen wirklich idealen Ausgangspunkt, damit man sofort loslegen kann. Ich halte das für einen guten Start, um viele Fallstricke unbeabsichtigter Komplexität zu vermeiden. Dabei glaube ich aber auch, dass es nicht das Endziel ist – was übrigens das ist, woran wir bei Lokad arbeiten. Aber das ist natürlich nicht das Thema von Nicolas’ Buch, also will ich nicht zu sehr ins Detail gehen. Ich bin überzeugt, dass man, wenn man mit Unsicherheiten umgehen möchte, in Python vieles relativ einfach umsetzen kann. Und wenn man sogar bereit ist, die Sprache selbst anzupassen, gibt es Wege, die noch einfacher sind. Das geht jedoch über den Rahmen des Buches hinaus. Für unsere Diskussion denke ich, dass, wenn man sich zwischen dem, was man mit Python erreichen kann, und den meisten teuren Optionen auf dem Markt entscheiden muss, Python buchstäblich ein Schnäppchen ist – und es gibt nur sehr wenige Gründe, es nicht zumindest ernsthaft auszuprobieren. Selbst wenn man scheitert, ist der Misserfolg weitaus kostengünstiger, als es mit einem SAP dieser Welt zu tun.
Kieran Chandler: Nicolas, neben den Modellen in deinem Buch geht es auch um einige Verwirrungen bei der Inventaroptimierung. Was sind die häufigsten Missverständnisse, auf die wir in der Branche achten sollten?
Nicolas Vandeput: Ja, basierend auf meiner Erfahrung als Berater und den Gesprächen mit vielen Praktikern darüber, wie sie mit der Inventaroptimierung umgehen, und wenn man sich beispielsweise diese Sicherheitsbestand-Formel anschaut, die man überall findet – sogar auf Wikipedia – sieht man, wie Leute “safety stock” eintippen, sich die Formel ansehen und sie dann in Excel übernehmen. Was wir dabei beobachten, ist, dass – und das ist korrekt, wenn man ermitteln möchte, wie viel Sicherheitsbestand benötigt wird – zunächst die Durchlaufzeit betrachtet wird, also im Grunde, wie lange es dauert, ein replenishment durchzuführen. Die erste Verwirrung liegt darin, dass viele Praktiker das Konzept der Durchlaufzeit und der Transportzeit vermischen. Es mag nur zwei Tage oder einen Tag dauern, bis ein truck von einem Lager zum anderen fährt, doch kann die Planung drei Wochen in Anspruch nehmen, weil man einen LKW finden, einen Fahrer organisieren und die Kommissionierzeit sowie all die weiteren Aspekte berücksichtigen muss. Am Ende spricht man von zwei Wochen, aber ein entscheidender Faktor wird dabei immer vergessen: Man sollte nicht nur die Durchlaufzeit, sondern auch die Review-Periode betrachten.
Nicolas Vandeput: Lassen Sie mich ein Beispiel geben. Wenn Sie jede Woche oder jeden Monat eine Bestellung aufgeben, addieren Sie, was ich in der Gruppe als die Risikoperiode bezeichne. Im Grunde genommen deckt der Zeitraum, in dem Sie Ihren Bedarf absichern müssen, nicht nur die Durchlaufzeit ab, sondern auch die Review-Periode.
Kieran Chandler: Okay, Nicolas, in deinem Buch “Inventory Optimization Models and Simulations” hast du über die Wichtigkeit gesprochen, die Review-Periode zu berücksichtigen. Kannst du das näher erläutern?
Nicolas Vandeput: Ja, die Review-Periode entspricht grundsätzlich dem Zeitraum, in dem Sie geschützt sein müssen – zu dem die Dauer der Review-Periode addiert wird. Wenn Sie also nur wöchentlich replenishment durchführen und eine Durchlaufzeit von drei Wochen haben, beträgt die Risikoperiode tatsächlich vier Wochen. Das bedeutet, dass Sie für einen Zeitraum von vier Wochen gegen alle möglichen Ereignisse abgesichert sein müssen. Was ich beobachte, ist, dass die meisten Menschen und viele Softwarelösungen diese Review-Periode völlig außer Acht lassen und sich ausschließlich auf die drei Wochen Durchlaufzeit konzentrieren. Im Buch betone ich daher ausdrücklich, dass man die Review-Periode bei der Ermittlung von Sicherheitsbeständen unbedingt berücksichtigen muss. Außerdem möchte ich verdeutlichen, dass, wenn man diese Review-Periode verkürzen kann – beispielsweise durch Reduzierung der Einfrierperiode in der Produktion – man im Grunde genommen auch den Sicherheitsbestand senken kann, was ich als einen großen Gewinn für den supply chain betrachte.
Kieran Chandler: Okay. Und würdest du dem zustimmen, Joannes? Würdest du sagen, dass da draußen viel Verwirrung herrscht und dass die Leute deshalb so gerne für eine Art Inventar-Software bezahlen?
Joannes Vermorel: Ja, also, ich meine, erneut, ich glaube, dass supply chains dringend, würde ich sagen, bessere Ingenieurklassen benötigen. Und in einer meiner ersten Vorlesungen hatte ich diesen einleitenden Witz, dass, wenn man viel Energie hat, man in den Vertrieb geht. Wenn man zuverlässig ist, geht man in die Produktion. Und wenn einem, weißt du, allerlei Qualitäten fehlen, landet man in der supply chain. Aber die Sache ist: Wenn ich bestimmte Bereiche in der supply chain vergleiche, dann sind die Verwirrungen, auf die man stößt, nicht, würde ich sagen, das Produkt außerordentlich brillanter Köpfe. Und es tut mir leid, wenn das vielleicht etwas hart klingt, aber wenn man sich zum Beispiel anschaut, was mit Lithografie für Mikroelektronik gemacht wird und welche Probleme diese Leute lösen, dann sind diese unglaublich komplex. Es ist buchstäblich so, dass man alles hat. Man hat Quantenphysik mit komplizierter Mathematik. Und ehrlich gesagt ist das weitaus komplexer als die Probleme, die in der supply chain angegangen werden. Man hat physikalische Probleme, bei denen man mit allerlei Schwierigkeiten konfrontiert wird. Die Technologie besteht buchstäblich aus so vielen superkomplizierten Technikbauteilen, die zusammengebracht werden müssen. Ich meine, zum Beispiel, was Unternehmen wie ASML in den Niederlanden machen – es ist fast magisch, denn es ist, es ist einfach, würde ich sagen, ein menschlicher Triumph, wenn die brillantesten Köpfe zusammenkommen. Aber die Herausforderung besteht darin, dass, wenn man klügere Leute in die supply chain bringen möchte, damit wir sehr brillante Köpfe anziehen können, die nicht von Problemen verwirrt werden, die so simpel sind wie nur die Definition der anwendbaren Periode für deine Bestandsauffüllung – ein System, das du modellieren möchtest – wir das Problem so formulieren müssen, dass diese Leute ihre Intelligenz einsetzen können. Denn offensichtlich, wenn deine gesamte Disziplin darin besteht, dumme Knöpfe an dummen Softwareteilen zu betätigen, dann wundere dich nicht, wenn am Ende die einzigen Mitarbeiter, die du bekommst, nicht die brillantesten sind.
Kieran Chandler: Äh, also ich glaube, dass – und das ist auch etwas, das mir an diesem Buch gefällt – dass, weißt du, ich denke, Nicolas’ Buch etwas bietet, bei dem, wenn du klug bist, wenn du jung bist, wenn du ein gewisses Maß an Enthusiasmus hast, du dich wirklich aufrichtig für die Art von Problemen interessieren kannst, die du angehen wirst. Und nicht nur, dass du durch das Lesen des Buches tatsächlich besser darin wirst, diese Probleme zu lösen, was auch eine sehr gute Stütze für die supply chain darstellt. Es sind die Dinge, die die Welt für brillante Köpfe attraktiver machen können, die in erster Linie ihre Köpfe mit interessanten Problemen fordern wollen. Und so vermute ich, dass was Verwirrung angeht, die Art von Dingen, die die Leute jetzt verwirren, und die Art von Dingen, von denen ich hoffe, dass sie die Leute in zwei Jahrzehnten verwirren werden, radikal unterschiedlich sein werden, besonders wenn wir, weißt du, viel mehr Talent in diese Branche bringen. Okay, wenn wir jetzt ein wenig zum Schluss kommen: Nicolas, in deinem Buch hat Johanna erwähnt, dass einige der verwendeten Modelle ihre ganz bestimmten Anwendungsbereiche haben, vielleicht aus einer akademischen Perspektive, aber in der realen Welt haben sie ihre Einschränkungen. Würdest du sagen, dass einige dieser Einschränkungen überwunden werden können und wie? Und wie können sie letztendlich in der realen Welt eingesetzt werden?
Nicolas Vandeput: Nun, man muss immer verstehen, dass ein Modell in gewisser Weise eine Vereinfachung der Realität ist, oder? Also, von Anfang an, wenn du ein Modell erstellst, musst du verstehen, dass du einige Dinge außer Acht lassen musst. Die eigentliche Frage ist also: Wenn ich ein Modell nehme, das, sagen wir, im Jahr 1995 in 98 % der Fälle funktioniert, ist es gut genug für mich? Manche würden argumentieren, ja, das ist es, oder nein, das ist es nicht. Wenn du jedoch ein Modell erstellst und feststellst, dass es nur in, sagen wir, 70 % oder 60 % der Fälle funktioniert, dann wird dir klar, dass das übliche mathematische Modell nicht gut genug ist. Ich muss zu etwas anderem übergehen. Und das zeige ich auch im letzten Teil des Buches, indem ich sage, dass irgendwann ein mathematisches Modell nicht mehr ausreichend sein wird – es wird nicht genau genug sein, nicht handhabbar sein.
Joannes Vermorel: Und das ist etwas, das wir auch bei den Kunden von Lokad sehen: Im Grunde sind die Modelle, die wir haben – die mathematischen Modelle, die wir haben – gut genug, um das zu identifizieren, was wir die großen Erfolge nennen. Das heißt, die Dinge, die, wenn du sie behebst, einen massiven Einfluss auf die Profitabilität der supply chain oder was auch immer du zu optimieren versuchst, haben. Und hier, würde ich sagen, bringen wir unseren Kunden einen enormen Mehrwert. Allerdings gibt es auch zahlreiche Details, bei denen das Modell zwar gut ist, aber nicht gut genug, und hier kommt es darauf an, eine Art Industrialisierung zu haben, bei der man wirklich testen, anpassen und justieren kann und im Grunde Tests in der realen Welt durchführen kann. Ich meine, das ist wirklich das Herz der supply chain, oder? Es ist eine Mischung aus Analytics und Operations, bei der du erstens die Analytics haben musst, um sicherzustellen, dass du keine dummen Sachen machst, und zweitens die Operations, das Testen, das …
Kieran Chandler: Also, ich wollte euch mal zum Thema Bestandsoptimierung befragen. Es scheint ein Bereich zu sein, in dem die Leute oft zögern, Modelle zu verwenden, weil sie befürchten, dass diese zu kompliziert werden. Man könnte also auf eine Simulation zurückgreifen, und ich bin mir ziemlich sicher, dass Jonas so einiges darüber zu sagen hat, wie man Simulation in der supply chain durchführt.
Joannes Vermorel: Nun, im ersten Teil des Buches zeige ich auch: “Okay, das sind die üblichen Modelle für die supply chain. Schauen wir durch Simulation, ob sie funktionieren, ja oder nein.” Und ich stelle dabei fest, dass etwa eines der Dinge, die wir in der supply chain üblicherweise tun, darin besteht, diese, wieder die gängige Sicherheitsbestandformel, diejenige, die auf Wikipedia zu finden ist, zu verwenden. Diese Formel kann mit zufälligen Bedarfsvorlaufzeiten umgehen, das heißt, dass dein Lieferant von Zeit zu Zeit zu spät kommt und du deshalb etwas mehr Sicherheitsbestand haben solltest, oder? Wenn man sich die Formel zur Bestimmung des erforderlichen Sicherheitsbestands bei zufälligen Bedarfsvorlaufzeiten ansieht, erkennt man, dass eine ganze Annahme dahintersteckt, die besagt: “Nun, die Lieferzeit wird normalverteilt angenommen.” Im Grunde genommen ist es also eine wohlerzogene Kurve, bei der dein Lieferant zwar ab und zu zu spät kommt, aber niemals allzu sehr. Tatsächlich glaube ich in der Praxis, dass die meisten Lieferanten in den meisten Fällen pünktlich sind. Aber wenn sie zu spät kommen, dann kommen sie auch ziemlich spät, oder? Ich würde also sagen, in 80 % der Fälle sind sie pünktlich, während es in 20 % der Fälle vorkommen kann, dass sie ein oder zwei Wochen zu spät sind. Tatsächlich existiert keine mathematische Formel, die damit umgehen kann, oder? Wenn du also einen solchen Lieferanten hast, kommst du mit dieser Sicherheitsbestandformel nicht weiter. Du musst wirklich auf Simulation zurückgreifen, und hier stoßen einfache mathematische Modelle an ihre Grenzen – wir müssen einen Schritt weitergehen und vielleicht beginnen, Simulation einzusetzen, um das Problem zu lösen.
Nicolas Vandeput: Ja, und ich stimme vollkommen zu, was Joannes sagt. Ich denke, es gibt eine Grenze dessen, was man mit mathematischen Modellen im Bereich der supply chain-Optimierung erreichen kann. Und Simulation ist ein sehr mächtiges Werkzeug, das dir hilft, die Auswirkungen der verschiedenen Parameter auf deine supply chain zu verstehen und sie zu optimieren. Und tatsächlich ist das etwas, das wir seit vielen Jahren tun, und was Joannes auch tut.
Kieran Chandler: Okay, brillant. Wir müssen es hier belassen, aber danke euch beiden für eure Zeit. Falls du daran interessiert bist, Nicolas’ Buch über Modelle zur Bestandsoptimierung und Simulationen zu lesen, werden wir einen Link in der Beschreibung unten einfügen. Ansonsten sehen wir uns in der nächsten Episode wieder, und danke fürs Zuschauen. Tschüss.
Joannes Vermorel: Danke.
Nicolas Vandeput: Danke.