Digitale Zwillinge realer Supply Chains

00:00:08 Diskussion der Behauptungen und Vorteile digitaler Zwillinge in der supply chain Industrie.
00:01:50 Unterschied zwischen gehaltvollen Schlagwörtern und dem digitalen Zwilling.
00:03:00 Mangel an Innovation im Kern digitaler Zwillinge.
00:05:07 Vergleich des digitalen Zwillings mit überhöhten supply chain Simulatoren.
00:08:20 Angebliche Vorteile digitaler Zwillinge und Locads Ansatz.
00:09:34 Einführung in digitale Zwillinge und das Konzept der Prognose.
00:11:29 Bedenken hinsichtlich der Genauigkeit und des Mangels an Metriken in digitalen Zwillingen.
00:15:00 Verbesserung digitaler Zwillinge und Behebung wesentlicher Bedenken.
00:16:05 Semantische Angemessenheit und die vereinfachte Darstellung von supply chains.
00:18:01 Wie digitale Zwillinge in klassische ERP-Systeme integriert werden und der Bedarf an Klarstellung.
00:18:57 Diskussion der Einschränkungen digitaler Zwillinge basierend auf Datenpräzision und Annäherungen.
00:21:00 Kritik an der Marketingkommunikation rund um digitale Zwillinge durch Wettbewerber.
00:22:48 Erklärung, was ein tatsächlicher digitaler Zwilling ist und seine Verbindung zu Monte-Carlo-Simulatoren.
00:24:53 Analyse der Behauptungen zu intuitiven dashboards und der Bedeutung von Genauigkeit in Simulationen digitaler Zwillinge.
00:27:14 Verständnis für die nicht intuitiven Eigenschaften von Simulatoren und die Bedeutung von Genauigkeit für supply chain Anwendungen.
00:28:33 Diskussion über die Idee eines supply chain Simulators und dessen Genauigkeit.
00:29:32 Agentenbasierte Simulation und deren hoher Grad an Anpassungsfähigkeit.
00:30:31 Die Praxis und der Wert, Simulationsparameter manuell anzupassen.
00:33:12 Vergleich verschiedener Entscheidungen basierend auf einer Vielzahl von Metriken und den damit verbundenen Herausforderungen.
00:35:34 Beantwortung der Frage, wie die beste Entscheidung mithilfe eines digitalen Zwillings identifiziert werden kann.
00:37:35 Monte-Carlo-Prozess mit niedriger Auflösung in der supply chain Simulation.
00:38:07 Digitaler Zwilling als Sammelpunkt und Hinzufügen von Echtzeit- und Synchronisationsqualifikatoren.
00:39:07 Bedeutung eines systemweiten Ansatzes für supply chain sowie dessen Wert.
00:39:47 Kritik an digitalen Zwillingen: fehlende Elemente und der Fokus auf billige Fähigkeiten.
00:40:58 Fazit und abschließende Bemerkungen.

Zusammenfassung

In einem Interview diskutiert Joannes Vermorel, Gründer von Lokad, digitale Zwillinge in der supply chain Industrie. Vermorel hebt die Einschränkungen digitaler Zwillinge hervor und betrachtet sie als ein Schlagwort mit begrenzter Innovation. Er vergleicht sie mit Demand Sensing und schlägt vor, dass sie nur inkrementelle Verbesserungen bieten. Vermorel betont die Wichtigkeit von accuracy in Simulationen digitaler Zwillinge und die Herausforderung, sie in bestehende Systeme zu integrieren. Obwohl er ihren potenziellen Wert als Teil eines ganzheitlichen, computerisierten Ansatzes für supply chain management anerkennt, argumentiert Vermorel, dass digitale Zwillinge allein nicht für signifikante Verbesserungen ausreichen und nicht als Komplettlösung angesehen werden sollten.

Erweiterte Zusammenfassung

In diesem Interview spricht Nicole Zint mit Joannes Vermorel, Gründer von Lokad, über digitale Zwillinge in der supply chain Industrie. Digitale Zwillinge werden häufig als virtuelle Darstellungen von supply chains beschrieben, die verschiedene Szenarien für Entscheidungsfindung simulieren können. Allerdings äußert Vermorel Skepsis gegenüber den Behauptungen der Befürworter digitaler Zwillinge und hebt deren Einschränkungen hervor.

Vermorel erklärt, dass “digitaler Zwilling” zu einem Schlagwort im Bereich der supply chain geworden ist, das als Sammelpunkt für Fachleute dient, die vor ähnlichen Herausforderungen stehen oder ähnliche Lösungen suchen. Er argumentiert, dass das Problem mit dem digitalen Zwilling als Schlagwort in seinem Mangel an Tiefe und Innovation liegt, im Vergleich zu anderen Schlagwörtern wie deep learning.

Vermorel behauptet, dass er keine signifikanten Innovationen im Kern digitaler Zwillinge gesehen hat. Er vergleicht sie mit Demand Sensing, das er zuvor als Vaporware kritisierte, räumt jedoch ein, dass digitale Zwillinge etwas mehr Wert haben könnten. Jegliche Innovationen in digitalen Zwillingen werden jedoch wahrscheinlich inkrementell statt transformativ sein.

Das Gespräch berührt die Unklarheiten, die digitale Zwillinge umgeben, da die meisten Anbieter es versäumen, deren Natur und Fähigkeiten klar zu definieren. Vermorel erläutert, dass digitale Zwillinge im Wesentlichen virtuelle Darstellungen von supply chains sind, die oft mithilfe von Marketingtricks und futuristischen Bildern beworben werden. Er vergleicht diesen Ansatz mit der Umbenennung von Facebook in Meta.

Traditionelle Prognosen im supply chain management sind in der Regel begrenzt, da sie sich auf Punkt-Zeitreihen-Prognosen stützen. Obwohl digitale Zwillinge vielseitigere Prognosefähigkeiten besitzen könnten, stellt Vermorel ihre Genauigkeit in Frage und betont, wie wichtig es ist, diese zu messen, um sicherzustellen, dass die virtuelle Darstellung sinnvoll ist.

Um digitale Zwillinge zu verbessern, empfiehlt Vermorel, die Genauigkeit anzugehen und für semantische Angemessenheit zwischen der virtuellen Darstellung und der realen supply chain zu sorgen. Er räumt ein, dass selbst fortschrittliche Simulationen im Vergleich zu tatsächlichen supply chains stark vereinfacht sind. Zudem hebt er die Herausforderung hervor, digitale Zwillinge in bestehende Unternehmenssysteme zu integrieren, wie ERPs, warehouse-Managementsysteme und CRMs, die nicht dafür ausgelegt wurden, wissenschaftlich präzise Daten für digitale Zwillinge zu erfassen.

Vermorel äußert Skepsis gegenüber der Kommunikation rund um digitale Zwillinge und ihrer Praktikabilität. Er weist darauf hin, dass historische Daten, die über ERP-Systeme erhoben werden, häufig ein verzerrtes Bild der supply chain Realität vermitteln. Außerdem stellt er die Nützlichkeit des Betriebs eines digitalen Zwillings in Frage und ob die gewonnenen Erkenntnisse und KPIs die Kosten rechtfertigen, die mit der Beschäftigung von Personen zur Interpretation verbunden sind.

Vermorel beschreibt digitale Zwillinge als überhöhte Monte-Carlo-Simulatoren für supply chain Zwecke, die häufig agentenbasierte Modellierung verwenden. Allerdings stellt er die Genauigkeit dieser Simulatoren und das Maß an Vertrauen in ihre Ergebnisse in Frage. Vermorel räumt ein, dass Simulatoren visuell ansprechende dashboards erzeugen können, betont jedoch die Herausforderung, die Genauigkeit und Zuverlässigkeit der präsentierten Daten zu bestimmen. Zudem weist er darauf hin, dass Simulatoren von Natur aus komplexe Black-Box-Systeme sind und, obwohl sie nichtlineare Phänomene in supply chains erfassen können, unerwartete Reaktionen generieren können, wenn Parameter angepasst werden.

Das Gespräch konzentriert sich auf die Praktikabilität, den Wert und die Einschränkungen beim Einsatz digitaler Zwillinge im supply chain management.

Digitale Zwillinge sind laut Vermorel eine Neuverpackung jahrzehntealter Simulationskonzepte, insbesondere Monte-Carlo-Prozesse, ermöglicht durch günstige und leistungsstarke Verarbeitungsmöglichkeiten. Diese Simulationen können nun eine gesamte supply chain abdecken und haben erhebliches Interesse in der Industrie geweckt. Dennoch betont Vermorel, dass digitale Zwillinge lediglich als ein algorithmischer Baustein in einer umfassenden supply chain Lösung betrachtet werden sollten und nicht als eine alleinstehende Komplettlösung.

Das Interview befasst sich mit den Herausforderungen beim Vergleich verschiedener Ansätze im supply chain management, angesichts der Vielzahl von einbezogenen Variablen. Vermorel weist darauf hin, dass digitale Zwillinge die Messung verschiedener Metriken ermöglichen, wie service levels für jede SKU, inventory costs für Lieferanten und die Servicequalität für Kunden. Der eigentliche Vorteil digitaler Zwillinge liegt in ihrer Fähigkeit, eine komplette supply chain von Anfang bis Ende zu simulieren, obwohl es aufgrund unvollständiger Daten Einschränkungen gibt.

Indem er digitale Zwillinge als eine Reihe von Anbietern definiert, die alte Konzepte mittels Monte-Carlo-Prozessen neu verpacken, räumt Vermorel deren Attraktivität in einem systemweiten Ansatz im supply chain management und den Wert der Überwindung von silos ein. Dennoch meint er, dass digitale Zwillinge nur als ein Baustein in einer umfassenderen Lösung betrachtet werden sollten.

Vermorels Hauptkritik an digitalen Zwillingen rührt eher daher, was sie nicht sind, als was sie sind. Er ist der Ansicht, dass dem Konzept des digitalen Zwillings viele Elemente fehlen, und obwohl Monte-Carlo-Simulationen nützlich sind, reichen sie nicht aus, um das supply chain management wirklich zu verbessern. Vermorel schlägt vor, dass digitale Zwillinge als Aufruf zu einem ganzheitlicheren, computerisierten Ansatz im supply chain management wertvoll sein können, sie jedoch nicht als alleiniges Mittel zur Verbesserung gesehen werden sollten.

Joannes Vermorel teilt seine Erkenntnisse über digitale Zwillinge in der Optimierung der supply chain und betont die Notwendigkeit eines umfassenderen Ansatzes im supply chain management. Er erkennt den potenziellen Wert digitaler Zwillinge an, warnt jedoch davor, sie als vollständige Lösung zu betrachten. Das Gespräch unterstreicht die Bedeutung, die Grenzen und das Potenzial digitaler Zwillinge zu verstehen, sowie die Notwendigkeit einer breiteren Perspektive in der Optimierung der supply chain.

Der Gründer teilte seine Gedanken zu digitalen Zwillingen im supply chain management. Vermorel kritisierte das Konzept des digitalen Zwillings dafür, was ihm fehlt, anstatt für das, was es bietet. Er ist der Ansicht, dass, obwohl Monte-Carlo-Simulationen nützlich sind, sie nicht ausreichen, um eine signifikante Verbesserung im supply chain management zu bewirken. Er schlägt vor, dass digitale Zwillinge dabei helfen können, einen ganzheitlicheren Ansatz im supply chain management voranzutreiben, sie jedoch nicht als einzige Lösung angesehen werden sollten.

Vermorel betont die Notwendigkeit eines umfassenderen Ansatzes im supply chain management, der die Integration verschiedener Werkzeuge und Techniken beinhaltet. Obwohl digitale Zwillinge das Potenzial haben, diesem Ansatz Mehrwert zu verleihen, sollten sie nicht als einziges Mittel zur Erzielung von Verbesserungen herangezogen werden. Stattdessen schlägt Vermorel vor, dass Fachleute im supply chain management eine Vielzahl von Faktoren berücksichtigen sollten, einschließlich Datenanalyse, Simulation, Optimierung und maschinelles Lernen, um die zentralen Herausforderungen ihrer Organisationen zu identifizieren und anzugehen.

Insgesamt deuten Vermorels Erkenntnisse darauf hin, dass digitale Zwillinge eine Rolle im supply chain management spielen, jedoch kein Allheilmittel darstellen. Er plädiert für einen differenzierteren Ansatz, der eine Vielzahl von Werkzeugen und Techniken integriert, um die gewünschten Ergebnisse zu erzielen. Vermorels Betonung der Notwendigkeit eines ganzheitlichen, computerisierten Ansatzes im supply chain management wird voraussichtlich bei Fachleuten in diesem Bereich Anklang finden, die ihre Abläufe verbessern und ihren Wettbewerbsvorteil ausbauen möchten.

Vollständiges Transkript

Nicole Zint: Nun, Joannes, wie sieht ein digitaler Zwilling für den Benutzer aus der Ferne wirklich aus?

Joannes Vermorel: Meine Wahrnehmung digitaler Zwillinge ist, dass es sich um eins dieser Schlagwörter handelt, bei denen die Form stärker als der Gehalt ist. Technologische und wissenschaftliche Gemeinschaften brauchen Schlagwörter als Sammelpunkte, damit Menschen, die ein Problem auf dieselbe Weise betrachten, zusammenkommen und etwas in Form einer wissenschaftlichen Konferenz oder einer Geschäftsstrategie abhalten können. Zum Beispiel wäre ein Schlagwort mit substanziellem Gehalt Deep Learning. Es ist ein umfassendes Paket an wissenschaftlichen und technologischen Unternehmungen. Bei digitalem Zwilling sehe ich jedoch das Schlagwort und irgendeine Mechanik im Spiel, aber wenn wir ein wenig tiefer graben, was darunter steckt, so ist meine bisherige Wahrnehmung, dass es sehr oberflächlich ist. Es gibt keine große Revolution in der Informatik, keine mathematische Revolution, keine Revolution im Bereich des maschinellen Lernens, und es ist sehr schwierig, einen wirklich innovativen Aspekt dessen zu benennen, was hinter diesen digitalen Zwillingen stehen könnte.

Nicole Zint: Also sagst du, dass es keine bahnbrechende Innovation im Kern eines digitalen Zwillings gibt?

Joannes Vermorel: Ich habe noch keine gesehen. Es könnte tatsächlich ein wenig besser sein als Demand Sensing, das wir vor ein paar Monaten besprochen haben und das schlichtweg Vaporware ist. Allerdings, selbst wenn es Möglichkeiten gibt, in denen ich digitale Zwillinge einen gewissen Fortschritt machen sehe, wird es in Bezug auf die Art der Innovation sehr inkrementell sein. Anbieter, die digitale Zwillinge verkaufen, formulieren es als einen supply chain Simulator. Würdest du sagen, dass es als Simulator gedacht ist?

Nicole Zint: Die meisten Anbieter, die digitale Zwillinge verkaufen, bleiben äußerst vage, was sie tatsächlich sind. Sie würden sagen, es sei wie deine virtuelle supply chain, eine Darstellung deiner supply chain. Was ist die virtuelle supply chain?

Nicole Zint: Das ist virtuell, was im Grunde bedeutet, dass es nicht deine echte supply chain ist. Es handelt sich im Grunde um eine Darstellung deiner supply chain. Bisher bleibt es unglaublich vage. Ein Schlachtplan auf Papier deiner supply chain könnte eine virtuelle Darstellung der supply chain sein. Typischerweise ist es mit einer computerunterstützten Darstellung deiner supply chain verbunden. “Virtual” hat diese Art von cooler, positiver Konnotation.

Joannes Vermorel: Es bewegt sich auch ein bisschen in Richtung virtueller Welten, Virtual-Reality-Sachen, ein wenig wie Facebook, das sich als Meta umbenannt hat. Das sind wieder die gleichen Schwingungen, die ich wahrnehme. Das Interessante ist, dass, wenn man versucht, technisch herauszufinden, was es ist – bestenfalls kann ich das einschätzen, da die meisten unserer Wettbewerber erneut eine unglaublich geringe Menge an technischen Details darüber liefern – es aussieht wie aufgeblasene Simulatoren für supply chains. Wieder, widerlegt mich, aber ich habe keine Elemente gesehen, die mich glauben lassen, dass diese supply chain Zwillinge etwas anderes als schicke Simulatoren sind.

Nicole Zint: Also sagst du, es sind sozusagen ähnliche Schwingungen wie bei Facebook, das seinen Namen zu Meta ändert. Was meinst du damit, dass es ähnliche Schwingungen sind?

Joannes Vermorel: Ich bezog mich nur auf die Art des Marketings, den Kommunikationsstil, der mit dem Pushen des Produkts einhergeht – nichts weiter. Es ist eine Art, es zu verpacken. Man würde sehen, dass in jedem Jahrzehnt, wenn Menschen etwas Zukunftsweisendes präsentieren wollen, nicht dieselben Metaphern oder Themen verwendet werden. Zum Beispiel drehte sich in den 1950er Jahren alles um humanoide Roboter. Man sah zahlreiche futuristische Werbeanzeigen, in denen die Menschen darüber nachdenken wollten, wie die Zukunft aussehen könnte. Man hatte Leute, die buchstäblich als Roboter verkleidet waren, mit etwas, das heute sehr veraltet wirkt – Menschen, die in Metallplatten gehüllt waren und so taten, als wären sie Roboter.

Und bei künstlicher Intelligenz sieht man viele, die versuchen, mit kognitiven Technologien zu kommunizieren, als ob sie das Gehirn nachbilden würden. Es gehört zu den Bildern, die mit KI assoziiert werden, das Gehirn, den kognitiven Aspekt darzustellen, als ob ein Geist in der Maschine wäre. Digital Twins spielen mit einer anderen Idee. Sie greifen auf die Vorstellung von virtuellen Realitäten, dem Metaverse, einer Matrix-ähnlichen Vision für die Zukunft zurück. Nochmals – ich sage nicht, dass das wissenschaftlich fundiert ist; es ist einfach ein Marketingtrick. So nähert man sich dem Thema an. Und übrigens ist jedes wissenschaftliche Unterfangen letztlich auch mit einer bestimmten Art der Eigenvermarktung verbunden, selbst wenn es reine Wissenschaft ist. Man muss es ja immer auch irgendwie an die breite Öffentlichkeit vermarkten.

Nicole Zint: An sich ist das nichts Schlechtes – es ist in Ordnung, wenn es gewisse Themen und Bildwelten gibt, die damit einhergehen. Aber ich halte es für wichtig, im Bereich enterprise software darauf hinzuweisen.

Joannes Vermorel: Warum ist das wichtig? Nun, weil die Menschen in erster Linie versuchen, dir etwas zu verkaufen. Es geht nicht darum, dass wir das um der Schönheit des menschlichen Geistes willen tun. Es ist in erster Linie ein profitorientiertes Unterfangen zur Verbesserung der supply chain.

Nicole Zint: Moment, lass uns das ein wenig auseinandernehmen. Was sind denn die angeblichen Vorteile eines digitalen twin laut der Kommunikation vieler anderer Anbieter, die als Konkurrenten von Lokad qualifiziert werden könnten?

Joannes Vermorel: Lokad verkauft keine digitalen twins. Ich glaube, wir tun tonnenweise Dinge, die sehr wohl unter den erwarteten Vorteilen von digitalen twins fallen. Allerdings ist es eine bewusste Entscheidung; wir vermarkten uns nicht als digitale twins. Nimm das mit einem Körnchen Salz. Ich versuche lediglich, so zu beschreiben – ohne allzu unfair zu sein – was unsere Konkurrenten im Wesentlichen unter diesem Begriff zu verkaufen versuchen.

Nicole Zint: Ein Kommentar zu Lokad und digitalen twins, denn was wir hier bei Lokad in Bezug auf unsere probabilistische Prognose machen, ist, dass wir alle möglichen erwarteten Ergebnisse sämtlicher unterschiedlicher Entscheidungen betrachten, um diese miteinander zu vergleichen. Im Wesentlichen, wenn wir an die Behauptungen eines digitalen twin denken, geht es darum, alle verschiedenen Entscheidungen in einem What-If-Szenario durchzuspielen und anschließend deren Auswirkungen zu betrachten. Ist das nicht irgendwie ähnlich, nur dass ein digital twin auf eine spielerischere Art verpackt ist?

Joannes Vermorel: Ich denke, mit digitalen twins wird die vermeintlich überlegene Fähigkeit beworben, ein viel höheres Maß an Ausdruckskraft zu besitzen, sodass man tonnenweise mögliche Zukünfte und Variationen sehen kann. Und ich würde sagen, das ist in punkto Absicht wohl in Ordnung. Allerdings wundere ich mich sehr, denn sobald man das tut – wenn man also im Grunde irgendeine Art von Projektion für irgendeine virtuelle supply chain hat – stellt sich die Frage der Genauigkeit, weil das, was man eigentlich tut, ja eine Prognose ist.

Und ich kann nicht umhin, an all die Anbieter zu denken, die enorme Schwierigkeiten mit der Genauigkeit ihrer Prognosetechnologien haben, und dass diese plötzlich durch digitale twins das Problem in den Marketingbroschüren verschwinden lassen. Eines der Dinge, die ich in all diesen Diskussionen über digitale twins überhaupt nicht gesehen habe, ist, dass alle von der Idee gehypt sind, so viel in Bezug auf mögliche Zukünfte betrachten zu können. Im Wesentlichen erstellt man eine Prognose, und dann sagen die Leute: “Nein, nein, es ist nicht nur eine Prognose. Es ist viel vielseitiger als das.”

Ich würde sagen, in Ordnung – wenn es sich um eine sehr vielseitige Prognose handelt, die dir erlaubt, tonnenweise mögliche Zukünfte zu betrachten –, dann ist das, was man technisch macht, in der wissenschaftlichen (statistischen) Gemeinschaft als eine probabilistische Prognose bekannt. Also betrachtest du viele wahrscheinliche Zukünfte und sogar richtliniengesteuert, wenn du höhere Ordnungsstrukturen wie beispielsweise deine Preispolitik, deine harten Strafrichtlinien und dergleichen einbringen möchtest.

Nicole Zint: Es gibt dieses Problem der Genauigkeit, und es wundert mich, dass viele Anbieter, die digitale twins vorantreiben, scheinbar nicht realisieren, dass es ein massives Genauigkeitsproblem gibt. Meiner Meinung nach ist ein digital twin im Wesentlichen nur eine Prognose, nur anders verpackt, sodass die Bedenken hinsichtlich der Genauigkeit einfach verschwinden.

Joannes Vermorel: Das Problem ist, dass das Wort “forecast” in den Kreisen der supply chain typischerweise auf eine unglaublich enge Art von Prognose angewendet wird – nämlich Punktzeitreihenprognosen. Es gibt eine ganze Bandbreite von Prognosen. Digitale twins sind keine Prognosen, wenn man Prognosen aus der Perspektive von Punktzeitreihenprognosen definiert – sie sind mehr als das.

Nicole Zint: Einverstanden. Also sind digitale twins nicht bloß Punktzeitreihenprognosen?

Joannes Vermorel: Lassen Sie mich das ganz klar formulieren: Digitale twins sind keine Prognosen, wenn man Prognosen aus der Perspektive von Punktzeitreihenprognosen definiert. Wenn wir jedoch eine breitere Definition von Prognosen als eindeutige und quantitative Aussagen über die Zukunft nehmen, dann fallen digitale twins – zumindest so, wie sie von unseren Konkurrenten präsentiert werden – sehr stark in diese Kategorie. Meine erste Sorge ist, dass sobald irgendeine Art von Prognose vorliegt, die Frage der Genauigkeit aufkommt. Wenn du diese Frage nicht einmal stellst und nicht die nötigen Tools entwickelst, um deine Genauigkeit zu messen, weißt du nicht, ob das, was du tust, auch gut ist. Du könntest einfach nur mit großen Datenmengen spielen – was übrigens mit modernen Computern unglaublich einfach ist. Du kannst viel Rechenleistung, numerische Rezepte und mathematische Formeln einsetzen, aber das bedeutet nicht, dass das, was du durch die Kombination all dessen erhältst, wissenschaftlich oder gar vernünftig ist. Was du bekommst, ist eine Art Illusion deiner virtuellen Realität, die überhaupt keine hochwertige Beziehung zu deiner tatsächlichen supply chain hat. Wenn du deine Genauigkeit nicht einmal misst, hast du – egal, welche Art von Prognose du hast – keine Ahnung, ob das, was du tust, auch sinnvoll ist.

Nicole Zint: Wie verbessert man also einen bestehenden digitalen twin?

Nicole Zint: Aber ich meine, das ist die erste Sorge, die man bei diesen Systemen sieht. Wenn ich mir anschaue, was unsere Computer tun, scheint es nicht einmal Metriken zu geben. Wenn du also keine Messung hast, bin ich mir nicht wirklich sicher, was sie tatsächlich optimieren.

Joannes Vermorel: Das ist nicht die einzige Sorge. Das war nur die erste. Also siehst du, ich sage einfach, dass wenn wir überhaupt so tun wollen, als wäre das, was wir tun, nicht bloß ein leeres Schlagwort, wir die grundlegenden Probleme angehen müssen. Die erste Kernsorge scheint bei den supply chain Anbietern, die digitale twins verkaufen, völlig unter den Tisch zu fallen – nämlich das Problem der Genauigkeit. Aber das ist nicht die einzige Sorge. Wir haben eine weitere Klasse von Problemen, die eine außerordentlich große Sorge darstellt, nämlich die semantische Angemessenheit zwischen dem, was du in Form einer virtuellen Darstellung von digitalen Gegenstücken tust, und der Realität.

Denn sieh mal: Diese digitalen twins sind nicht wie in “The Matrix”, jenem alten Film, in dem man ein alternatives Universum erschaffen kann, das fast unmöglich von der realen Welt zu unterscheiden ist. So etwas zu leisten, bleibt reine Science-Fiction. Wir sind Jahrzehnte, wenn nicht Jahrhunderte davon entfernt, etwas zu schaffen, das der Matrix ähnelt. Wann immer wir eine Simulation oder ein digitales Gegenstück einer supply chain erstellen wollen, haben wir im Wesentlichen etwas, das eine äußerst vereinfachte Sicht auf die supply chain darstellt.

Sogar bei Lokad, wenn wir die fortschrittlichste Methodisierung vornehmen, die wir für eine supply chain erreichen können, müssen wir die Demut besitzen, zu erkennen, dass selbst das, was wir als state-of-the-art in Sachen Raffinesse und Granularität der Darstellung – also als digitales Gegenstück der supply chain – betrachten, immer noch eine unglaublich vereinfachte Sicht der supply chain ist.

Zudem, die Daten, die wir dieser virtuellen Darstellung, diesem digitalen Abbild zuführen müssen, fallen nicht vom Himmel. Die Daten, die wir verwenden, stammen aus Enterprise-Systemen, Business-Systemen, ERP-Systemen, Warehouse-Management-Systemen, CRMs, EDI Extrakten und Dutzenden anderer Quellen. Der Punkt ist, dass diese Systeme alle dafür entwickelt worden sind, die supply chain zu betreiben – nicht um wissenschaftlich genaue Daten über die supply chain zu sammeln.

Nicole Zint: Wie verbindet sich ein digital twin mit einem klassischen ERP-System?

Joannes Vermorel: Zunächst einmal haben wir noch gar nicht begonnen, das anzusprechen, was eigentlich eine digitale supply chain ist – einen digital twin für die supply chain. Siehst du, die Anbieter wollen diese Frage vermeiden. Sie wollen, dass der Kunde direkt zu den Vorteilen springt, die er erhält, usw. Aber ich bestehe darauf, dass wir erst einmal alle Probleme auflisten, um überhaupt zu wissen, ob das, was wir betrachten, authentisch ist.

Es wird eine dritte Kategorie von Fragen geben, die sich mit der Ausdruckskraft beschäftigen, die wir erreichen können. Wir stehen vor dem Problem, eine Aussage über die Zukunft zu treffen, basierend auf Daten, die keine wahre Übereinstimmung mit der Realität haben.

Nicole Zint: In deiner supply chain gibt es so etwas nicht. Weißt du, was du hast, ist die historische Sicht, wie sie durch das ERP vermittelt wird. Das sollte nicht mit der Realität verwechselt werden; es ist nur eine sehr, sehr verzerrte Sicht. Okay, wir müssen damit arbeiten, aber täusche dich nicht – es gibt enorme Annahmen, die gemacht werden, und diese Annahmen können sehr schädlich sein, was das Ziel angeht, die supply chain mithilfe dieses digitalen twins zu verbessern. Dann haben wir wahrscheinlich eine dritte Kategorie von Bedenken, nämlich: Wie operiert man überhaupt mit einer solchen digitalen Darstellung der supply chain? Es ist nicht klar, dass allein der Besitz eines digitalen Gegenstücks automatisch gute Dinge für deine supply chain bewirkt, besonders wenn dir gesagt wird, dass du KPIs oder Schlüsselerkenntnisse erhältst. Ich würde sagen, okay, du hast Schlüsselerkenntnisse – aber im Grunde genommen, bis das Gegenteil bewiesen ist, bedeuten diese Schlüsselerkenntnisse, dass das Unternehmen Mitarbeiter bezahlen muss, nur um sie anzusehen.

Joannes Vermorel: Also siehst du, wenn du sagst, dass eine Software dir KPIs und Erkenntnisse liefert, gehört sie im Grunde zur Kostenseite der Unternehmensrechnung, denn egal wie interessant diese Dinge auch sein mögen, diese Zahlen könnten im Endeffekt bedeuten, dass das Unternehmen zahlen muss, damit Leute sie analysieren. Und bisher erzielt das immer noch keinen Return on Investment. Übrigens, das ist etwas, das ich in einer der vorherigen Episoden mit dem bürokratischen Kern der supply chain diskutiert habe. In der supply chain ist es immer sehr verlockend, allerlei bürokratische Dinge zu tun – das ist eben das Problem, wenn hochspezialisierte Leute mit ziemlich technischen Aufgaben betraut werden.

Nicole Zint: Also bist du den digitalen twins gegenüber sehr kritisch?

Joannes Vermorel: Ich bin nicht kritisch gegenüber digitalen twins. Nochmals, lass uns präzise sein: Ich sage, dass wann immer ein Konzept präsentiert wird, wir sehr spezifisch all die Herausforderungen ansprechen müssen, die mit diesem kritischen Element verbunden sind. Und meine Kritik richtet sich ganz genau an die Kommunikationsaspekte, mit denen digitale twins – so wie sie von meinen Konkurrenten präsentiert werden – einhergehen. Bisher muss ich sagen, dass die Elemente, die für mich auftauchen, so auffällig sind, als würden sie die Elefanten im Raum übersehen. Und zwar nicht nur einen Elefanten, sondern es werden mindestens drei große Elefanten irgendwie missachtet, ignoriert oder gar nicht erwähnt – wenn man so will. Das lässt mich darüber nachdenken, ob sie überhaupt auf die Realität des zu lösenden Problems achten.

Nicole Zint: Fair genug, aber nun zurück zum digitalen twin selbst.

Joannes Vermorel: Ja. Also, eine der Behauptungen, die ich von Anbietern gehört habe, ist, dass ihr digital twin in der Lage sei, ein intuitives Dashboard bereitzustellen, das dir sofort die Auswirkungen verschiedener What-If-Szenarien anzeigt. Wie siehst du das? Was wäre deine erste Kritik – wenn du magst – und was sind deiner Meinung nach die Vorteile, die man von einem digitalen twin erhalten kann?

Nicole Zint: Also, zunächst würde ich sagen, was genau ist ein tatsächlicher digital twin, wie er von den Anbietern implementiert wird, die digitale twins verkaufen?

Nicole Zint: Um die Frage zu stellen: Was ist er technisch? Und hier siehst du, dass ein Werturteil mitschwingt – und ich würde sagen, das sind aufgeblasene Simulatoren, genauer gesagt Monte-Carlo-Simulatoren.

Joannes Vermorel: Trotz der Tatsache, dass die Menge an technischen Informationen, die von vielen unserer Konkurrenten verbreitet wird, sehr gering ist, haben sie trotzdem ein paar Screenshots hier und da und einige technische Details. Das nutze ich, um diese Aussage zu stützen. Im Wesentlichen, wenn Leute sagen, dass sie einen digitalen twin haben, dann haben sie ein Stück Enterprise-Software, das dir gewisse Modellierungsmöglichkeiten bietet. Es handelt sich um etwas, das sehr auf eine Monte-Carlo-Denkweise ausgerichtet ist. Es wird, mit einem gewissen Maß an Rauschen, Dinge generieren, die angeblich die zukünftigen Zustände deiner supply chain repräsentieren sollen. Typischerweise besitzen sie Elemente, die von agentenbasierten Modellen inspiriert sind. Sie versuchen, das Netzwerk der supply chain als eine Ansammlung von Agenten darzustellen, die vorab konfigurierte Verhaltensweisen besitzen – möglicherweise in eingeschränktem Maße auch erlernte Verhaltensweisen. Dann lassen sie einfach den Simulator laufen und sammeln Metriken, so als ob man an bestimmten Stellen oder Mustern in deiner supply chain Sonden platzieren würde. Auf technischer Ebene ist ein digital twin also eine Art Simulator – ein Monte-Carlo-Simulator, der auf Anwendungsfälle der supply chain ausgerichtet ist.

Nicole Zint: Wenn es um Behauptungen geht, zum Beispiel bezüglich Dashboards?

Joannes Vermorel: Bei allen Simulatoren können Sie überall Sonden anbringen, um die Ergebnisse Ihrer Simulatoren zu messen, und es ist sehr einfach, Tausende von Zahlen zu sammeln. Wenn Sie Tausende von Zahlen haben, ist es sehr einfach, diese in eine visuell ansprechende Form zu bringen, wie zum Beispiel ein Dashboard. Das Hauptproblem ist, wie viel Vertrauen und Zuversicht Sie in diese Zahlen haben sollten, und das führt mich zurück zur Frage der Genauigkeit. Schicke Dashboards zu haben, ist höchstwahrscheinlich etwas, das ich meinen Wettbewerbern zutraue. Aber seien wir realistisch; es ist möglich, mit Excel sehr ansprechende Berichte zu erstellen, und das ist seit drei Jahrzehnten möglich. Also, es ist bestenfalls sehr inkrementell für diese Art von Vorteilen.

Nicole Zint: Was wäre dann Ihre Vorstellung von Vorteilen? Lassen Sie uns eine weitere Eigenschaft in Frage stellen, die Sie sehen, nämlich eine, die Sie erwähnt haben: intuitiv.

Joannes Vermorel: Das ist interessant, denn das entspricht absolut nicht meiner Erfahrung mit etwas, das einem Simulator ähnelt. Simulatoren sind sehr blackboxartig, von Natur aus komplex, und sie sind absolut nicht die Art von numerischen Rezepten, die sich leicht erklären lassen. Übrigens, Lokad setzt umfangreich Monte-Carlo-Prozesse, Simulatoren und Generatoren ein, und es ist etwas, das sehr

Nicole Zint: Lokad hat eine starke Affinität zu probabilistischen Prognosen. Allerdings, selbst wenn Lokad diese Methoden anwendet, erkenne ich, dass sie nicht besonders intuitiv sind, insbesondere was die Ergebnisse betrifft. Das ist so gut wie dem Design geschuldet. Was man mit einem Simulator erfassen möchte, sind typischerweise all die Arten von Nichtlinearitäten, die man mit anderen Methoden nicht einfangen kann. Aber sobald man es mit Phänomenen in Ihrer supply chain zu tun hat, die hochgradig nichtlinear sind, wird es sehr schwierig und sehr blackboxartig, einen Überblick darüber zu bekommen, was vor sich geht. Es bedeutet, dass man plötzlich einen Parameter nur geringfügig anpasst und auf der anderen Seite des Netzwerks eine enorme Reaktion erhält, die irgendwie unerwartet war.

Joannes Vermorel: Wenn der Simulator genau ist, dann ist er gut. Das bedeutet, dass er Ihnen ein Werkzeug bietet, um im Grunde Kontrolle zu erlangen und die unbeabsichtigten Konsequenzen scheinbar kleiner Maßnahmen in Ihrer supply chain besser zu verstehen. Allerdings hängt alles von der Genauigkeit des Simulators ab. Es wird niemals etwas sein, das auf irgendeine Weise intuitiv ist. Bestenfalls wird es sehr blackboxartig sein. Und nochmals: Es handelt sich um ein komplexes numerisches Modell, das abläuft, wenn Sie die supply chain der Welt simulieren. Es fällt nicht wirklich in die Kategorie der Dinge, die ich als intuitiv bezeichnen würde.

Nicole Zint: Also, ein Simulator ist im Wesentlichen eine Prognose hinter dem Simulatorvorhang, bei dem die Genauigkeit infrage gestellt wird. Die Idee ist, dass wir die supply chain auf einem einzigen Bildschirm sehen und mit verschiedenen Parametern umschalten können, um das Ergebnis zu beobachten. Auf dem Papier klingt das großartig, wie eine magische Kugel, die in die Zukunft blicken kann. Aber natürlich, wenn man die Genauigkeit nicht hinterfragt, ist das im Grunde genommen genau das, was es ist.

Joannes Vermorel: Ja, und es gibt noch viele andere Fragen. Wenn Sie einen Simulator haben, haben Sie Agenten, die im Wesentlichen die Bausteine Ihrer Simulation sind. Wenn Sie sagen, dass Sie eine Simulation über die supply chain durchführen, bedeutet das, dass Sie jede einzelne SKU simulieren, um zum Beispiel ein Lagerauffüllungsmuster oder Verbrauchsverhalten zuzuordnen. Also haben wir viele kleine Agenten, die ihr eigenes Verhalten haben, und wenn wir den Simulator ablaufen lassen, lassen wir einfach all diese Agenten arbeiten, um uns einen potenziellen zukünftigen Zustand der supply chain zu geben. Wir können das viele Male tun.

Nun, tatsächlich, ist diese agentenbasierte Simulation durch ihr Design von Natur aus sehr vergleichbar. Sie können jeden einzelnen Agenten berühren und modifizieren. Das ist etwas, das Sie tun können, und tatsächlich können Sie Ihre Metrikenwand haben, die Sie allein durch das Anpassen der Parameter erhalten.

Nicole Zint: Den Simulator jetzt laufen zu lassen, wirft die Frage auf, ob es eine realistische Übung ist. Wir haben möglicherweise Tausende von SKUs, wenn wir von einer groß angelegten supply chain sprechen. Ergibt es tatsächlich Sinn, Leute zu bezahlen, um den Parameter, der den Agenten steuert, also die Modellierung jeder einzelnen SKU einzeln, manuell anzupassen? Ja, das können Sie tun, aber hat das einen Sinn? Ist darin ein Mehrwert?

Joannes Vermorel: Das ist ebenfalls ein großer Teil des Problems. Absolut, Sie können das tun, aber das gehört zu den gegebenen Möglichkeiten, die man aus dem Design herausbekommt. Aber dann stellt sich die Frage, ob man das tun sollte. Indem Sie das tun, erhalten Sie Zahlen, aber wie entscheiden Sie, dass eine Anpassung überhaupt besser ist als eine andere, wenn wir einfach etwas anpassen können, sagen wir, was passiert, wenn ich so viel von diesem Produkt bestelle? Im Grunde passen Sie also etwas an, und dann sehen Sie das Ergebnis davon – in nur einem Szenario.

Nicole Zint: Das klingt für mich nach einer Zeitreihe. Also, normalerweise erhalten Sie bei der Ausführung eines Monte-Carlo-Simulators nicht nur ein Szenario; es ist wie die Aggregation des durchschnittlichen Ergebnisses über viele Szenarien. Moment, aber sie behaupten, dass es eine intuitive Methode ist, das Ergebnis verschiedener Was-wäre-wenn-Szenarien zu sehen. Also, wenn ich so viel bestelle, sollte ich ein sofortiges Bild davon bekommen, wie die Zukunft aussehen würde, nicht verschiedene Bilder, sondern nur eins.

Joannes Vermorel: Ja, ich meine, weil im Wesentlichen das, was Sie mit Simulatoren tun, darin besteht, dass Sie die Ergebnisse mitteln. Also ist es eine Zeitreihenprognose; zumindest ist es ein Punkt-Ergebnis. Der Unterschied besteht darin, dass die Art der Zeitreihe voraussetzt, dass Sie einen Informationsvektor haben, der zeitlich granular ist, aber dennoch einen Punkt hat. Im Wesentlichen gibt sie Ihnen eine durchschnittliche Schätzung. Was Sie erhalten, ist eine Punktschätzung der Konsequenz Ihrer Anpassung. In dieser Hinsicht ist es in Ordnung, das so zu machen. Sie können nicht alle zukünftigen Möglichkeiten bis zum allerletzten Zeitpunkt aufrechterhalten; irgendwann müssen Sie sagen, ich habe eine Entscheidung getroffen, und ich möchte das wirtschaftliche Ergebnis dieser Entscheidung bewerten. Dieser Teil ist also in Ordnung. Was jedoch nicht in Ordnung sein könnte, ist, wenn Benutzer potenziell Millionen von Parametern von Hand durchgehen müssen. Dann haben Sie etwas, das sehr unpraktisch, ablenkend und zeitaufwändig ist, und die Vorteile, die Sie bei der Identifizierung besserer Entscheidungen erzielen könnten, reichen möglicherweise nicht aus, um die Kosten für die Bezahlung aller Personen zu decken, die den Simulator anpassen müssen.

Nicole Zint: Das ist eine Art von Problem, und dann haben Sie noch eine andere Art von Problem, nämlich dass das, was Sie aus einem Simulator erhalten, eine Metrikenwand ist, buchstäblich Tausende von Zahlen. Wie vergleichen Sie also Entscheidung A, mit einer Metrikenwand, also Tausende von Metriken, mit Entscheidung B, mit weiteren tausend Metriken, wobei einige besser, einige schlechter, einige dramatisch schlechter und einige dramatisch besser sind? Es klingt irgendwie…

Nicole Zint: Wie bei einem RFP-Prozess, auf gewisse Weise, haben Sie so viele verschiedene Variablen. Wie vergleichen Sie, wenn alle Variablen unterschiedlich sind, anstatt nur eine einzige?

Joannes Vermorel: Ja, und das wirft eine echte Vergleichsfrage auf. Deshalb haben Sie eine Metrikenwand, denn wenn Sie einen Simulator haben, können Sie jedes einzelne Detail messen. Zum Beispiel können Sie das Servicelevel für jede SKU messen. Also ist Ihr Output des Simulators, wenn Sie über Tausende und Tausende von Durchläufen mitteln, buchstäblich ein Servicelevel für jede SKU, eine Servicequalität für jeden Kunden und Lagerhaltungskosten für jeden einzelnen Lieferanten. Der wahre Vorteil des systemweiten Ansatzes der digitalen Zwillinge ist es, nicht nur eine einzelne SKU zu simulieren, sondern die gesamte supply chain end-to-end, so weit Sie mit den Daten, die Sie für Ihre Lieferanten haben, und so weit Sie auf der nachgelagerten Seite end-to-end für den Teil der supply chain, den Sie kontrollieren, reichen können.

Nicole Zint: Aber es scheint, als bliebe die Frage, welche Entscheidung die beste ist?

Joannes Vermorel: Ja, und ich würde sagen, das ist auch ein weiterer Elefant im Raum. Was machen Sie, sobald Sie diese Fähigkeiten besitzen? Soweit ich den digitalen Zwilling betrachte, sieht es für mich so aus, als ob es eine Frage ist, die keine Antworten hat. Ein psychologischer Trick, der von Anbietern aus der enterprise supply chain und generell von Unternehmensanbietern genutzt wird, ist folgender: Sobald Menschen ein Softwarestück sehen, mit dem sie interagieren und Dinge tun können, gewinnen sie Vertrautheit und irgendwann gefällt ihnen die Software. Auch wenn die Interaktion mit der Software ein Spielelement hat, besteht das Problem darin, dass das Spielelement bedeutet, dass die Leute das Produkt mögen können, aber es beweist nicht, dass es etwas Gutes für Ihr Unternehmen bewirkt. Es lenkt den Fokus vom Ergebnis ab. Zum Beispiel, wenn ich sagen würde, dass es als Teil der Unternehmenspolitik sein sollte, dass die Leute täglich zwei Stunden Karten spielen, bin ich mir ziemlich sicher, dass es viele Menschen gäbe, die diese Aktivität genießen und sagen würden, dass sie es lieben, aber das bedeutet nicht, dass es einen Mehrwert für das Unternehmen schafft.

Nicole Zint: Also, um hier abzuschließen, falls wir noch einmal darauf zurückkommen, was ein digitaler Zwilling eigentlich ist, könnten Sie Ihre Definition dazu geben?

Joannes Vermorel: Meine Wahrnehmung ist, dass ein digitaler Zwilling im Wesentlichen eine Reihe von Anbietern ist, die Konzepte für Simulatoren, die Jahrzehnte alt sind, neu verpacken. Was sich geändert hat, ist, dass die Rechenleistung nun so günstig ist, dass man einen Monte-Carlo-Prozess in niedriger Auflösung über eine gesamte supply chain hinweg betreiben kann, ohne allzu große Schwierigkeiten.

Nicole Zint: Im Wesentlichen nehmen Sie eine große Maschine mit vielen CPUs. Monte Carlo lässt sich sehr leicht parallelisieren. Es ist ein “embarrassingly parallel”, technischer Begriff. Und so finden sich viele Anbieter in der Lage, ein Produkt zu entwickeln, das günstig implementiert werden kann und eine Simulation eines supply chain-weiten Systems durchführt. Sie wissen, dass das das ist, was sie tun können. Und dann, weil sie es können, können sie es verkaufen. Und da es keine radikale Innovation gibt, haben sie den digitalen Zwilling als Schlachtruf gefunden, um dieses Produkt im Grunde attraktiver zu machen, denn wenn ich Ihnen sage, dass wir einen Monte-Carlo-Ansatz auf der Grundlage von Dingen durchführen werden, die in den 50er Jahren entdeckt wurden, vor 70 Jahren, würden die Leute plötzlich sagen: “Ja, wirklich? Ist das so?”

Joannes Vermorel: Also, im Grunde genommen machen sie das, und um die Sache noch attraktiver zu gestalten, fügen sie weitere Qualifikatoren wie Echtzeit und Synchronisation hinzu. Ich würde sagen, gut und recht. Allerdings werden Sie mit dem Simulator per Design niemals etwas Echtzeitliches erhalten, es sei denn, Ihr Simulator ist in Bezug auf Raffinesse unglaublich oberflächlich. Das ist also wirklich fragwürdig. Und dennoch sehe ich den Grund, warum dieses Produkt Anklang findet, darin, dass es ein Schlüsselelement an Wahrheit gibt, nämlich einen systemweiten, würde ich sagen, Ansatz für die supply chain, der wirklich einen sehr, sehr ernsthaften Blick verdient. Es ist also ein sehr lohnendes Unterfangen zu sagen, dass wir grundsätzlich die Silos überbrücken und einen systemweiten Ansatz verfolgen wollen, der, würde ich sagen, ein sehr ansprechendes Konzept für mich darstellt. Ich sehe darin viel Wert.

Nun, Simulatoren, Monte-Carlo-Simulatoren, sind eine Zutat. Aber was ich sage – und das wäre mein Punkt – ist, dass ich digitale Zwillinge nicht dafür kritisiere, was sie sind. Ein Simulator ist einfach solide. Er ist in Ordnung, verstehen Sie? Es ist eine etablierte Methode, um, würde ich sagen, probabilistische Prognosen in einem sehr generischen Sinne zu erstellen. Was ich sagen möchte, ist, dass ich eine enorme Menge an Elementen sehe, die einfach im Bild fehlen, und es sieht so aus, als hätten die Leute an den Fähigkeiten gearbeitet, die günstig zu implementieren sind, und sie versuchen, diese zu verkaufen, während es, nun ja, eine ganze Klasse von Fähigkeiten gibt, die völlig fehlen und leider viel schwieriger umzusetzen und deutlich teurer sind. Aber es sind diese, die diese Fähigkeit, die Monte-Carlo-Simulation, wirklich nützlich für die supply chain machen. Mein Punkt ist also, dass die digitale supply chain gut ist, wenn sie als Schlachtruf für einen ganzheitlicheren Ansatz der supply chain aus, würde ich sagen, einer computerisierten Perspektive dient. Aber wenn Sie denken, dass Monte-Carlo-Ansätze nichts anderes sind als ein algorithmischer Bestandteil, halte ich das für eine sehr fehlgeleitete Vorstellung, dass man allein damit seine supply chain tatsächlich verbessern kann.

Nicole Zint: Okay, Joannes. Vielen Dank, dass Sie Ihre Einsichten zu digitalen Zwillingen geteilt haben. Vielen Dank fürs Einschalten, und wir sehen uns nächste Woche.