00:00:00 (Re)Einführung von Knut
00:01:51 Knut Alickes Arbeit an der supply chain Resilienz
00:02:59 Reaktion der Unternehmen auf den ersten Lockdown
00:04:15 Joannes’ Perspektive auf supply chain Veränderungen
00:06:35 Definition von Risiko und Resilienz in der supply chain
00:10:06 Knut’s Schlüsselfaktoren für resiliente supply chains
00:13:09 Bedeutung von End-to-End-Sichtbarkeit
00:14:42 Bedeutung der Dateninterpretation
00:15:55 Fallstudie: Pharmazeutika
00:17:28 Softwaregetriebene supply chain Katastrophen
00:19:28 Lokads Ansatz zu Machine-Learning-Tools
00:21:21 Anspruchsvolle Software macht Unternehmen fragil
00:28:32 Komplexität von supply chains
00:30:29 Vorteile des probabilistischen Ansatzes
00:33:08 Berücksichtigung des Inflationsrisikos
00:40:33 supply chain Resilienz als Versicherung
00:44:32 Erklärung des CHAIN-Modells
00:50:00 Beispiel eines B2B-Retailer-Services
00:52:12 Bedeutung von dollarbasierten Kennzahlen
00:58:41 Die Effektivität automatisierter Systeme im Risikomanagement
01:00:37 Beispiel einer Erzählung zur Flugzeugwartung
01:04:11 Kritische Fähigkeiten in der supply chain
01:05:31 Bedeutung klaren Schreibens
01:08:16 Knut’s Aufruf zum Handeln
Zusammenfassung
Die Pandemie hat Unternehmen gezwungen, ihre supply chains neu zu bewerten, mit Schwerpunkt auf Risikominderung und Resilienz. In diesem Interview diskutierten Knut Alicke von McKinsey und Joannes Vermorel von Lokad die Notwendigkeit einer systematischen Planung, des Einsatzes digitaler Werkzeuge und der Softwareautomatisierung. Alicke betonte die Bedeutung von Sichtbarkeit und Frühwarnsystemen, um potenzielle Störungen zu erkennen, während Vermorel die Notwendigkeit einer digitalen Kultur hervorhob, um die Nuancen der Daten zu verstehen. Beide einigten sich auf die Wichtigkeit der Szenarioplanung und eines probabilistischen Ansatzes, um potenzielle Probleme zu managen. Sie unterstrichen auch die Notwendigkeit strategischen Denkens, effektiver Kommunikation und das Schaffen von Optionen in der supply chain Führung – Themen, die Alicke in seinem jüngsten (mitautorierten) Buch, From Source to Sold, ausführlich behandelte.
Erweiterte Zusammenfassung
Die jüngste Pandemie hat Unternehmen dazu gezwungen, ihre supply chains neu zu bewerten, mit dem Fokus auf Risikominderung und Erhöhung der Resilienz – wie es Knut Alicke, Partner bei McKinsey, und Joannes Vermorel, CEO und Gründer von Lokad, erklärten.
Alicke, der seit fast 30 Jahren im Bereich supply chain tätig ist, bemerkte, dass Unternehmen systematischer und agiler in ihren Planungsprozessen werden mussten. Er wies jedoch darauf hin, dass es immer noch eine Lücke hinsichtlich der Erfahrung in der supply chain und der optimalen Nutzung digitaler Werkzeuge gibt. Vermorel hingegen betonte die Bedeutung der Softwareautomatisierung, um alltägliche Entscheidungen und Aufgaben zu bewältigen, wodurch den Mitarbeitern Zeit verschafft wird, sich auf ungewöhnliche oder außerordentliche Situationen zu konzentrieren.
Alicke erläuterte, wie Unternehmen in der Vergangenheit auf Störungen reagiert haben, wie etwa bei der Fukushima-Katastrophe 2011, und bei jüngsten Stilllegungen und Lockdowns. Er stellte fest, dass viele der Ideen für Resilienz bereits vor Jahren existierten, jedoch nicht als wichtig erachtet wurden. Oft kehrten Unternehmen nach einer Störung zum normalen Betrieb zurück und konzentrierten sich auf schlanke und kostengünstige supply chains statt auf resiliente.
Alicke betonte die Notwendigkeit von Sichtbarkeit und eines Frühwarnsystems, um potenzielle Störungen in der supply chain zu erkennen. Dies könnten Probleme beim Lieferanten des Lieferanten oder Probleme mit Logistik, Produktion oder Qualität sein. Er hob auch die Bedeutung der Planung hervor, insbesondere der Szenarioplanung, um mögliche Verzögerungen oder Störungen abzumildern. Dies könnte bedeuten, Sendungen zu beschleunigen, Produkte auszutauschen oder Alternativen einzufliegen.
Vermorel stimmte der Bedeutung von End-to-End Sichtbarkeit zu, wies jedoch darauf hin, dass Unternehmen häufig eine digitale Kultur fehlt, um die Nuancen in ihren Daten zu verstehen. Er argumentierte, dass das Problem nicht in einem Mangel an Daten oder deren Qualität liegt, sondern im fehlenden Verständnis der Daten.
Vermorel sprach außerdem über die Bedeutung, zu verstehen, was ein Algorithmus zu bewirken versucht, anstatt nur dessen Funktionsweise. Er merkte an, dass Software eine rasche Skalierung ermöglicht, einschließlich des Potenzials für groß angelegte Fehler. Zudem wies er darauf hin, dass selbst relativ einfache Berechnungen undurchsichtig werden können, bedingt durch die Grenzen des menschlichen Verstandes.
Vermorel erklärte weiter, dass selbst wenn data scientists Planer ersetzen, das gleiche Problem der Undurchsichtigkeit fortbesteht. Einige machine learning Tools sind selbst für die Anwender undurchsichtig, und das Verständnis der Algorithmen bedeutet nicht zwangsläufig, dass auch die Ergebnisse nachvollziehbar sind.
Vermorel erörterte die Praktikabilität von Szenarien im supply chain Management und erklärte, dass die Verwaltung mehrerer Szenarien sehr aufwendig sein kann. Ein probabilistischer Ansatz, der alle Szenarien gleichzeitig berücksichtigt, sei jedoch mit den richtigen mathematischen und Softwarewerkzeugen besser handhabbar.
Er erklärte, dass dieser Ansatz die Berücksichtigung verschiedener potenzieller Probleme ermöglicht, wie zum Beispiel, dass ein warehouse jeden Monat eine 1%-ige Wahrscheinlichkeit hat, überflutet zu werden, ohne dass die genaue Ursache bekannt sein muss.
Vermorel verglich den probabilistischen Ansatz mit einer quantenmechanischen Perspektive, bei der alle möglichen Zukünfte in Betracht gezogen werden und mathematische Instrumente sich mit seltenen Phänomenen befassen.
Alicke stimmte zu und betonte, wie wichtig es ist, dass Unternehmen bereit sind, basierend auf den Erkenntnissen aus Szenariosimulationen zu handeln. Er wies darauf hin, dass Unternehmen oft nicht die Bereitschaft zeigen, Lösungen umzusetzen, selbst wenn sie über die notwendigen Einsichten verfügen.
Vermorel sprach über die Bedeutung, in der supply chain Management Optionen zu entwickeln. Er erklärte, dass der probabilistische Ansatz die ständige Berücksichtigung von Alternativen ermöglicht, wie etwa alternative Transportmittel, die aktiviert werden können, wenn die Bedingungen stimmen.
Alicke teilte ein Beispiel, wie Szenarioplanung einem Kunden half, resilienter zu werden, indem ein Engpass identifiziert wurde, der 12 Wochen benötigte, um von einem Werk zum anderen transportiert zu werden.
Vermorel erörterte die Bedeutung strategischen Denkens im supply chain Management, das durch ständiges Krisenmanagement behindert werden kann.
Alicke betonte die Bedeutung, dem Vorstand den Bedarf an strategischen Investitionen zu vermitteln, und verglich dies mit dem Abschluss einer Versicherung. Er bemerkte, dass dies eine strategische Entscheidung des Vorstands und die Fähigkeit erfordert, die Geschichte effektiv zu kommunizieren.
Alicke sprach auch über die Inspiration hinter seinem Buch, “From Source to Sold” (mitverfasst mit Radu Palamariu), das Interviews mit Personen beinhaltet, die mit einem supply chain Hintergrund den Weg in den Vorstand geschafft haben, und das das von ihnen entwickelte CHAIN-Modell diskutiert.
Alicke erklärte, dass ‘C’ für collaborative, ‘H’ für holistic, ‘A’ für adaptable, ‘I’ für influential und ‘N’ für narrative steht. Er betonte die Bedeutung des Beziehungsaufbaus, des Verständnisses des großen Ganzen, der Anpassungsfähigkeit, der Befähigung von Menschen und der Verwendung der richtigen Sprache, um Dinge zu erklären.
Vermorel sprach über die Angst vor sekundären Effekten in der supply chain, wie etwa der Erwartung von Rabatten durch Kunden. Er plädierte dafür, einen KPI zu haben, der auch Ermessensentscheidungen einbezieht und einen langfristigen Blick erzwingt.
Vermorel kritisierte den Mangel an Vorstellungskraft bei der Berücksichtigung schwer messbarer, schwer fassbarer Faktoren. Er unterstrich die Bedeutung, Narrative zu entwickeln, um technische und rationale Aspekte prägnant zu vermitteln.
Vermorel argumentierte, dass es notwendig ist, Einsichten zu gewinnen, die tief mit dem, was Unternehmen zu erreichen versuchen, in Resonanz stehen, anstatt sich auf einfache Kennzahlen zu verlassen, die für das eigentliche Problem irrelevant sind.
Alicke stimmte zu und fügte hinzu, dass Zahlen die Narrative unterstützen und helfen, die Ursachen von Problemen zu identifizieren, wenn etwas schiefgeht. Er betonte, dass effektive Führung Menschen erfordert, die über die notwendigen Fähigkeiten verfügen, um die durch die Narrative vermittelte Vision umzusetzen.
Alicke schlug vor, dass jeder in der supply chain die End-to-End-Prozesse verstehen und Kollegen aus der supply chain sowie anderen Bereichen schulen sollte. Er erwähnte, dass er und Vermorel an Universitäten lehren, um die Fähigkeiten der Gemeinschaft zu erhöhen und die supply chain als ein interessantes und wichtiges Thema zu fördern.
Vermorel fügte hinzu, dass klares Schreiben eine entscheidende Fähigkeit für Zusammenarbeit, die Erstellung von Narrativen und die Organisation von Berichten ist. Er kritisierte die niedrige Schreibqualität in vielen Abteilungen und forderte die Studierenden auf, ihre Schreibfähigkeiten ihr ganzes Leben lang zu verbessern.
Abschließend hob das Interview die Bedeutung hervor, Risiken und Resilienz in supply chains zu verstehen und zu managen, die Rolle von Daten und Algorithmen sowie die Notwendigkeit strategischen Denkens und effektiver Kommunikation. Es betonte auch die Wichtigkeit, Optionen zu entwickeln, End-to-End-Prozesse zu verstehen und die Schreibfähigkeiten zu verbessern.
Vollständiges Transkript
Conor Doherty: Angesichts der jüngsten Pandemie haben die meisten Unternehmen ihre supply chains neu bewertet, mit einem Schwerpunkt auf Risikominderung und Erhöhung der Resilienz. Der heutige Gast, Knut Alicke, hat ausführlich über diese Themen sowie über supply chain Führung in seinem neuen Buch, “From Source to Sold”, geschrieben. Knut, willkommen bei Lokad.
Knut Alicke: Vielen Dank, dass ich hier sein darf.
Conor Doherty: Nun, ich habe gesagt, willkommen bei Lokad, aber es ist wahrscheinlich genauer zu sagen, willkommen zurück bei Lokad. Du warst, glaube ich, vor etwa 3 Jahren, fast genau am selben Tag, bei uns.
Knut Alicke: Das ist richtig. Dies ist meine zweite Episode mit euch. Also, es liegt drei Jahre zurück, du hast recht. Wir sprachen über die Zukunft der supply chain, Arbeitsfähigkeiten und alles Mögliche. Es waren interessante 3 Jahre für uns alle mit vielen Störungen und zahlreichen Veränderungen in der supply chain.
Conor Doherty: Absolut, und darauf werden wir noch zurückkommen. Aber für alle, die diese Episode vielleicht verpasst haben, könntest du dich bitte noch einmal dem Publikum vorstellen?
Knut Alicke: Gerne. Mein Name ist Knut Alicke. Ich arbeite für McKinsey. Ich bin in unserem Stuttgarter Büro in Deutschland tätig, und supply chain ist meine Leidenschaft. Das ist es, was ich seit fast 30 Jahren mache. Nächstes Jahr wird es 30 Jahre sein. Wir werden immer älter. Was ich hier mache, betrifft im Wesentlichen alle Themen rund um die Planung, also Forecasting, S&OP, Bedarfsplanung, Produktionsplanung, Inventar sowie den physischen Fluss, Lageroptimierung, Optimierung des Transportnetzwerks und das Aufsetzen der richtigen Governance-Organisationsstruktur.
In den letzten drei Jahren habe ich mich eindeutig auf supply chain Risiko und Resilienz konzentriert, um unseren Kunden zu helfen, besser zu werden und eine resilientere supply chain zu haben. Und neben McKinsey lehre ich weiterhin. So entwickle ich gewissermaßen die neue Generation von supply chain Professionals, weil wir immer wieder hören, dass es nicht genügend supply chain Professionals gibt. Es gibt nicht genug Menschen, die End-to-End-Prozesse wirklich verstehen, die trade-offs nachvollziehen können und sich für das Thema begeistern.
Conor Doherty: Nun, wenn wir zu dem zurückkehren, worüber wir gesprochen haben. Denn wie du bereits erwähnt hast, liegt es drei Jahre zurück, als wir über die Zukunft der supply chain und die benötigten Fähigkeiten sprachen. Das war mitten in der Pandemie. In den folgenden Jahren, jetzt, wo wir quasi in der Post-Pandemie-Zeit sind, glaubst du, dass sich die Situation verändert hat? Wissen, Risiko und Resilienz sind deutlich wichtiger geworden. Ist also derselbe Fähigkeitsmix erforderlich oder hat sich das verändert?
Knut Alicke: Es ist viel passiert. Wenn wir zurückblicken auf die letzten drei Jahre, begannen viele Unternehmen, direkt nach dem ersten Lockdown, Feuerlöschungs-Krisenzentralen, Kontrollräume oder wie auch immer sie es nannten, einzurichten, um Probleme zu lösen. Das wurde nicht immer systematisch gemacht. Es wurde nicht immer wirklich End-to-End gedacht. Und dann erkannten sie: Hey, wir müssen mehr tun. Richtig? Wir müssen uns vorbereiten, sicherstellen, dass wir die richtige Sichtbarkeit haben, dass die passenden Stellhebel vorhanden sind, und dass unsere Planungsprozesse agil und schnell genug sind.
Knut Alicke: Also haben viele Unternehmen ihre Planung von einer monatlichen auf eine zweiwöchentliche Umstellung reduziert, und im S&OP wurde die operative Planung von einer Woche auf alle zwei Tage verkürzt. Und das alles erfordert Talent. Es erfordert Talente, die supply chain verstehen, die digital versiert sind und alles miteinander verbinden. Und was wir hier sehen, ist, dass immer noch eine riesige Lücke besteht. Die Lücke wurde zwar kleiner. Die Leute haben, würde ich sagen, ihr eigenes Personal geschult. Es wurden viele externe Einstellungen vorgenommen, aber dennoch besteht eine Lücke in Bezug auf die Erfahrung in der supply chain, in der optimalen Nutzung digitaler Werkzeuge zur Planung und zur Verbesserung der Leistung der supply chain.
Conor Doherty: Nun, danke. Joannes, du warst ebenfalls in diesem Panel. Hat sich deine Perspektive in den vergangenen Jahren verändert?
Joannes Vermorel: Ich meine, sie hat sich weiterentwickelt, ja. Ich weiß nicht, inwieweit das als Veränderung zählt, aber im Wesentlichen ist meine Ansicht, je mehr Störungen man erlebt, desto mehr Automatisierung wird benötigt. Denn, wenn der Alltag alle bereits so beschäftigt – also mit Feuerwehrlösungen und der Bewältigung des Alltäglichen –, wenn man bereits zu 100% mit dem Gewöhnlichen ausgelastet ist, dann hat man null Spielraum, um mit dem Außergewöhnlichen umzugehen.
Und damit meine ich nicht die supply chain Kapazität oder harte Vermögenswerte, sondern einfach die mentale Bandbreite, um ein Problem zu bewältigen. Wenn alle in der Organisation bereits auf Hochtouren laufen, nur um das Unternehmen an einem normalen Tag am Laufen zu halten, dann führt ein abnormer Tag dazu, dass alles irgendwie explodiert oder sich verzögert. Und ich habe – ich würde sagen – kein Allheilmittel, um diese Bandbreite freizusetzen. Allerdings ist eine der nächstbesten Alternativen zu einem Allheilmittel eine umfangreiche Softwareautomatisierung.
Damit zumindest alle alltäglichen Entscheidungen und Belange aus dem Weg geräumt und automatisiert werden, sodass die Menschen die Zeit haben, sich auf das zu konzentrieren, was wirklich ungewöhnlich ist. Und mit ungewöhnlich meine ich nicht die üblichen Schwankungen der Nachfrage, die ein wenig höher oder ein wenig niedriger ausfallen oder sich immer ähnlich verändern, sondern einen strukturellen Wandel, bei dem Lieferanten verschwinden, Lieferanten viel teurer werden, ohne dass zum früheren Zustand zurückgekehrt werden kann, Zölle oder Dinge, die die Struktur des Marktes, in dem Sie tätig sind, wirklich verändern.
Conor Doherty: Nun, mir kommt in einer Diskussion über Risiko und Resilienz in den Sinn, dass es wahrscheinlich besser wäre, die Begriffe tatsächlich zu definieren. Also, Knut, falls ich wieder auf Sie zurückkommen darf: Nach der Pandemie sprechen die Leute über die Bedeutung von Risiko und Resilienz, aber Risiko und Resilienz existierten bereits vor der Pandemie. Wie haben sich Ihrer Expertenmeinung nach diese Konzepte konkret verändert? Im Wesentlichen, wie haben sie sich infolge der Pandemie verändert?
Knut Alicke: Die gute Frage ist, ob sie sich verändert haben. Wenn man bedenkt, dass es, sagen wir, 2011 war, als Fukushima passierte – also vor etwa 12 Jahren – und die Unternehmen genauso reagierten wie auf die jüngsten Stilllegungen, Störungen und Lockdowns, würde ich sagen, dass viele der Ideen bereits vor vielen, vielen Jahren existierten, aber nicht als wichtig erachtet wurden. Die Unternehmen konzentrierten sich nicht darauf. Sie sagten: Hey, die Störung ist vorbei, kehren wir zum Normalzustand zurück und sorgen einfach dafür, dass unsere supply chain so schlank und so günstig wie möglich, jedoch nicht so resilient wie möglich ist.
Wenn man darüber nachdenkt, was es braucht, um resilient zu sein, benötigen wir die nötige Sichtbarkeit. Wir brauchen so etwas wie ein Frühwarnsystem, das anzeigt: Hey, in sagen wir Tier 3, Tier 4 braut sich etwas zusammen. Also nicht bei unserem direkten Lieferanten, sondern beim Lieferanten des Lieferanten des Lieferanten treten Probleme auf. Vielleicht gibt es ein Logistikproblem, vielleicht ein Produktionsproblem, vielleicht ein Qualitätsproblem.
Wir wissen genau, dass dies bis hin zu uns, zu unserer Produktionslinie durchschlagen und eine Störung verursachen wird. Wenn wir das frühzeitig wissen, können wir reagieren. Oder sagen wir, hoffentlich können wir reagieren. Um reagieren zu können, müssen wir zudem sicherstellen, dass wir eine angemessene Planung in place haben. Wenn wir zum Beispiel feststellen, dass dieser Container wahrscheinlich zwei Wochen zu spät ankommt, ist diese Information allein nicht hilfreich. Die Information, dass diese zweiwöchige Verzögerung zu einem Fehlbestand unserer Komponenten führt, was wiederum zu einem Produktionsstopp führt, weil wir nicht das zusammenbauen können, was wir zusammenbauen möchten, oder weil wir ein Verfügbarkeitsproblem haben und nicht an das Einzelhandelsgeschäft liefern können, das unsere Produkte dringend benötigt – das ist von größter Bedeutung. Und dafür brauchen wir eine Szenarioplanung.
Wir müssen also analysieren, was wir implementieren können, um diese Verzögerung abzumildern. Bedeutet das, dass wir den Versand beschleunigen müssen? Oder dass wir das Produkt austauschen? Oder müssen wir etwas anderes hereinfliegen, um den Rückstand auszugleichen? Und genau hier haben viele Unternehmen immer noch Probleme. Sie erstellen einen Plan, sind aber nicht in der Lage, Pläne für den Fall zu erstellen, dass eine Störung oder Verzögerung eintritt. Und das ist super wichtig. Wenn man darüber nachdenkt, was dafür notwendig ist, brauchen wir Daten, Masterdaten. Wir müssen die entsprechenden Fähigkeiten besitzen – wir haben bereits darüber gesprochen – und wir benötigen die Organisation, die auch akzeptiert, dass wir in diesem Szenario zu dem Schluss kommen, dass Luftfracht die Lösung ist und uns dann für Luftfracht entscheiden. All dies muss geschehen, um sicherzustellen, dass wir eine resilient supply chain haben, die weiterhin liefern kann.
Conor Doherty: Nun, tatsächlich haben Sie wieder einmal drei Zutaten identifiziert, und das war etwas, das Sie in einer aktuellen Umfrage erwähnt haben, die Sie bei McKinsey zum Thema Technologie und Regionalisierung durchgeführt haben. Sie erwähnten, dass die resilientesten supply chains über End-to-End-Sichtbarkeit, hochwertige Masterdaten verfügen und eine effektive Szenario-Nachfrageplanung betreiben. Also, Joannes, zurück zu Ihnen: Warum glauben Sie, dass dies absolut kritische Zutaten für eine resilient supply chain sind? Oder würden Sie noch etwas hinzufügen?
Joannes Vermorel: Ja, ich meine, aus meiner Sicht ist die Herausforderung bei den Daten sehr spezifisch, insofern als dass die Datenqualität in der Regel hervorragend ist. Das ist merkwürdig – ich weiß, die meisten Anbieter beklagen sich über schlechte Daten, aber die Realität ist, dass, wenn wir uns beispielsweise westliche Unternehmen anschauen – vielleicht nicht asiatische Unternehmen –, diese seit drei Jahrzehnten digitalisiert sind und in Bezug auf Genauigkeit üblicherweise, wenn ein Datensatz besagt, dass etwas an diesem Tag in einer bestimmten Menge verkauft wurde, diese Angabe zu 99,9 % korrekt ist. Ja, es gibt hier und da ein paar Fehler in der Buchhaltung, aber grundsätzlich ist sie sehr genau. Das Problem ist nun nicht, dass die Daten normalerweise falsch sind, sondern dass die Semantik sehr unklar ist.
Um eine Vorstellung zu geben: Bei den meisten unserer Kunden – und ich denke hier an die größeren, wie börsennotierte Unternehmen – ist es meist sehr unklar, wie man ermittelt, was sie auf Lager haben. Das Problem ist nicht, dass sie keine Daten haben, sondern dass man sich vorstellen muss, dass man nicht ein ERP hat, sondern 20 ERPs, die den Bestand nicht auf eine einzige Art und Weise, sondern auf 20 unterschiedliche Arten erfassen. Und der Bestand ist dann nicht binär – er ist entweder vorhanden oder nicht vorhanden –, sondern er kann beim Zoll festgehalten, zur Qualitätsprüfung zurückgehalten, im Lager gelagert oder irgendwo für bestimmte Kunden reserviert sein. Man sieht also, dass es jede Menge Komplexitäten gibt.
Und was die Nachfrage betrifft, so wird es genauso schnell sehr unklar. Nehmen wir zum Beispiel einen B2B-Distributor. Sie verkaufen an Unternehmen, weswegen es in der Regel mehrere Bestelldaten gibt, nicht nur ein einziges. Es gibt Termine, an denen der Kunde Ihnen mitteilt, dass er etwas in der Zukunft will, was jedoch keine verbindliche Bestellung darstellt, sondern etwas, das zukünftig benötigt wird. Und dann gibt es ein Datum, an dem die Bestellung aufgegeben wird, und danach ein Datum, an dem ein Teil der Bestellung zuerst geliefert werden soll, und dann ein weiteres Datum für die Lieferung des zweiten Teils der Bestellung und so weiter.
Ich stimme der End-to-End-Sichtbarkeit also absolut zu – sie ist eine entscheidende Zutat. Aber wo ich denke, dass es den Unternehmen häufig an digitaler Kultur fehlt, um die Nuancen, die in diese Daten einfließen, zu erfassen, ist eben das Problem. Es geht nicht so sehr darum, dass die Daten schlecht sind oder dass sie sie nicht haben, sondern darum, dass sie buchstäblich Tausende und Abertausende von Tabellen besitzen und die Menschen in schlechten KPIs, vereinfachten Rezepten und Ähnlichem ertrinken, die ihnen nicht das verraten, was sie wissen müssen.
Beispielsweise haben wir bei Unternehmen, die in einer multi-on supply chain operieren, gesehen, dass man an Service Levels in der Mitte des Netzwerks denkt, aber der Service Level in der Mitte des Netzwerks sagt nichts über die wahrgenommene Servicequalität aus Kundensicht aus. Es handelt sich um rein künstliche Größen. Ich würde also sagen, dass diese Probleme im Kern dieselben sind, aber es gibt einen gewissen Unterschied in der Betrachtungsweise – und dort sehe ich die größte Lücke in den Fähigkeiten.
Wenn wir von Masterdaten sprechen, was bedeutet es, die Beherrschung der Daten zu haben? Das ist ein Wortspiel, aber ich würde sagen, dass das Problem eher darin besteht, die Daten zu meistern, als dass es an Daten oder an qualitativ hochwertigen Daten mangelt.
Conor Doherty: Also, Knut, um es nochmals auf Sie zurückzuwerfen: Stimmen Sie zu, dass es mehr darauf ankommt, wie Sie die Datenfülle oder die Datenquelle interpretieren, und nicht auf die inhärente Qualität der Daten?
Knut Alicke: Ehrlich gesagt, ich habe beides gesehen, aber ich würde zustimmen, dass die Nutzung der Daten und das Erzeugen von Erkenntnissen daraus sehr wichtig sind. Lassen Sie mich dazu noch ein Element hinzufügen, denn das sehe ich auch bei vielen unserer Kunden.
Der Planer hat ein System zur Verfügung, richtig? Es werden Daten genutzt und dann kommt ein Algorithmus, der einige Berechnungen vornimmt, eine Prognose, einen Produktionsplan, einen Versorgungsplan oder Ähnliches erstellt. Was wir oft feststellen, ist, dass dort viel mehr algorithmische Intelligenz steckt, als der Planer zu nutzen bereit ist. Und warum ist das so? Das liegt daran, dass der Algorithmus für die meisten Planer wie eine Black Box wirkt. Was sie gerne tun würden, ist, die Black Box zu öffnen, hineinzuschauen, zu verstehen und dann zu nutzen.
Bei einem großen Pharmaunternehmen haben wir eine Analyse durchgeführt, nachdem sie eines der großen Planungssysteme implementiert hatten, und es meldeten sich nur acht Personen an, um das System zu nutzen. Alle anderen Hunderte von Planern loggten sich ein, loggten sich aber sehr schnell wieder aus, loggten sich erneut ein und dann wieder aus. Was bedeutet das? Sie luden alle Daten in ihre Excel-Tabellen herunter, nahmen ihre üblichen Änderungen und Planungen vor und luden anschließend die Ergebnisse wieder hoch.
Ein sehr wichtiges Element ist also die Erklärbarkeit. Wir müssen Vertrauen in all unsere Algorithmen aufbauen. Entweder erklären wir sie, oder wir finden andere Wege, um zu zeigen, dass die Algorithmen so funktionieren, wie sie sollten – und nur so werden die Planer all diese coolen Dinge, die da draußen existieren, auch nutzen.
Conor Doherty: Eigentlich eine kurze Nachfrage dazu, die in Bezug auf etwas steht, das ich bei Lokad gelesen habe. Ich werde nicht verraten, wer es geschrieben hat, aber es war in einem Papier über MRO, und es hieß, dass es wichtiger sei, dass der Praktiker versteht, was der Algorithmus zu bewirken versucht, als dass er versteht, wie der Algorithmus funktioniert. Und ich bin gespannt, was Sie dazu sagen, Joannes, angesichts dessen, was Knut gerade gesagt hat und was ich gerade gesagt habe.
Joannes Vermorel: Ich stimme Knut vollkommen zu, insofern als dass ausgefeilte Methoden neue Risikoklassen einführen. Wenn man sich einige der größten supply chain Katastrophen aller Zeiten anschaut – das Nike-Desaster von 2004, Target Canada, Lidl, das eine halbe Milliarde Euro verschwendet hat – waren diese softwaregetrieben. Software ermöglicht es nämlich, Dinge in großem Maßstab super schnell zu tun, einschließlich wirklich stupider Dinge. Und ja, es bedarf keiner besonders ausgefallenen Mittel, um etwas vollkommen undurchsichtig zu machen.
Das Schöne an Computern ist, dass der menschliche Geist mit nur etwa 10 Multiplikationen zurückbleibt. Und selbst wenn man superintelligent ist, kann man keiner bescheidenen Rechnung, die mehr als 10 Multiplikationen und Additionen umfasst, intuitiv folgen. Es bedarf also keiner brutalen numerischen Finesse, um völlig undurchsichtig zu sein. Selbst etwas, das in Bezug auf die Rechenleistung des Computers noch relativ einfach ist, liegt bereits weit über dem, was man nachvollziehen kann.
Das ist also ein großes Problem, und übrigens – auch wenn man Planer durch Data Scientists ersetzt – bleibt das Problem genau gleich. Es gibt Klassen von Machine-Learning-Tools, die selbst für diejenigen, die diese Tools bedienen, sehr intransparent sind. Selbst wenn man ein tiefes Verständnis der Algorithmen hat, bedeutet das nicht, dass man versteht, ob die Ergebnisse, die man sieht, wirklich das sind, was beabsichtigt war. Das ist eine weitere Problemkategorie.
Lokads Ansatz hierzu besteht hauptsächlich darin, sehr klare Vorstellungen von bestimmten Klassen von Machine-Learning-Tools zu haben, insbesondere von differenzierbarem Programmieren, das Ihnen erlaubt, mit semantischen Variablen zu operieren. Die Idee ist also, dass es nicht irgendeine Art von Machine Learning ist, sondern jene Modelle, bei denen jede einzelne Variable einen Namen und eine zugehörige Semantik hat. Das bedeutet, dass Sie schrittweise überprüfen können, was in Ihrem Modell vor sich geht, um zu verstehen, ob das Verhalten korrekt erscheint.
Um ein Beispiel zu geben: Wenn wir zyklische Muster haben – etwa den Wochentag, die Kalenderwoche im Jahr, die Woche im Monat –, bedeutet das, dass diese Zyklen benannte Parameter haben, die Sie überprüfen können. Es wird buchstäblich eine Variable namens Ramadan-Effekt oder Chinesischer-Neujahrs-Effekt geben. Das mag sehr anti-Machine-Learning klingen, weil wir die Muster nicht automatisch entdecken, aber die Idee, dass alle Muster benannt sind und die Variablen eine klare Semantik besitzen, macht es viel leichter, das Modell schrittweise zu inspizieren.
So können Sie, selbst wenn das Ergebnis seltsam ist, dennoch die einzelnen Bestandteile des Modells prüfen – und es bedarf nicht eines PhD in Mathematik, um das zu tun. Das ist nur ein Teil der Lösung, aber der Rest erfordert andere Methoden. Aber ja, das technologische Risiko – ich meine, die Einführung von Komplexität, um Ihr Unternehmen resilienter zu machen – spricht insgesamt ein wenig gegen Softwareanbieter. Anspruchsvollere Softwaretechnologien neigen dazu, Unternehmen insgesamt fragiler zu machen als gröbere, einfachere Organisationsweisen.
Conor Doherty: Nun, Knut, um es wieder auf Risiko und Resilienz zurückzuführen: Ich erinnere mich, dass Sie in der Umfrage – ich glaube, im November dieses Jahres – angemerkt haben, dass von den drei genannten Zutaten, nämlich Sichtbarkeit, Masterdaten und Nachfrageplanung, die Szenario-Nachfrageplanung den geringsten Einsatz fand. Ich glaube, nur etwa ein Drittel der Befragten gab an, dass in ihrem Unternehmen eine effektive Szenario-Nachfrageplanung implementiert sei. Mich würde nur interessieren, warum es Ihrer Meinung nach einen Rückgang zwischen den ersten beiden Zutaten und der letzten gibt und welche Auswirkungen das auf die Resilienz des Unternehmens hat.
Knut Alicke: Planung ist nicht einfach. Es klingt simpel, man sagt einfach: “Warum bewerten Sie nicht Ihren gesamten End-to-End-Plan für das Szenario, in dem wir weniger Kapazität haben, eine höhere Nachfrage besteht oder der Lieferant nicht liefern kann?” Aber stellen Sie sich vor, dass viele Unternehmen immer noch nur einen Plan pro Woche berechnen. Das heißt, es ist immer noch das Wochenende gefragt, weil es 14 Stunden dauert und viele IT-Ressourcen blockiert.
Auch heutzutage ist das oft der Fall. Wie würden Sie diesen Unternehmen also sagen: “Hey, bitte berechnen Sie fünf Szenarien, in denen Sie verschiedene Lösungen evaluieren”, wenn sie sagen: “Okay, das dauert eine Woche zu berechnen”? Da fehlt oft einfach die nötige Rechenleistung. Und häufig ist auch nicht klar, wie das Szenario zu befüllen ist – was sollen wir berechnen und wie sollen wir es bewerten, richtig?
Alle Anbieter von Planungslösungen haben die Fähigkeit, Szenarien zu berechnen. Dann müssen Sie bewerten, was für unsere aktuelle Konstellation und für unsere Kunden und für unsere supply chain besser ist. Also müssen sie klarstellen: “Hey, es soll auf Service, Kosten oder unseren Lagerbestand optimiert werden.” Das ist oft nicht klar.
Leider sehen wir immer noch viele S&OP-Prozesse oder IBP-Prozesse oder End-to-End-Planungsprozesse, die nur mit einer Lösung auftauchen. Und dann ist die Diskussion sehr interessant, weil man diese einzige Lösung akzeptieren muss. Es gibt keine Möglichkeit zu sagen: “Hey, warum machen wir hier nicht etwas anderes?” Es gibt also viel aufzuholen und zu verbessern, um die Szenarien berechnen zu können, die Kompromisse zu verstehen und zu bewerten und dann zu einer gemeinsamen Entscheidung zu kommen, was für unsere Kunden, unser Unternehmen oder den Wert am besten ist.
Conor Doherty: Nun, Joannes, ich komme gleich zu dir. Ich komme gleich zu dir, weil ich weiß, dass du dazu etwas zu sagen hast. Aber um darauf aufzubauen, Knut: Wenn es darum geht, die Tragfähigkeit eines bestimmten Szenarios zu bewerten, siehst du das als etwas, das für jedes Unternehmen einzigartig ist, oder denkst du, dass es eine übergreifende Kennzahl oder Philosophie gibt, die jedes Unternehmen zur Bewertung der Tragfähigkeit eines Szenarios verwenden könnte?
Knut Alicke: Wir sprechen also immer über die drei wichtigsten Elemente einer supply chain, und das sind Kosten, Service und Kapital. Es würde wahrscheinlich schon beim Service beginnen. Und dann gibt es Abwägungen. Steigt der Service, “Oh ja, das können wir machen, wenn wir den Lagerbestand oder die Kosten erhöhen.” Sinkt die Kosten, “Ja, okay, aber dann könnte der Service sinken.” Daher ist es super wichtig, diese Abwägungen zu verstehen.
Im Gespräch mit vielen unserer Kunden führen wir oft eine ganz einfache Übung durch. Wir fragen sie einfach individuell: “Was ist für Sie am wichtigsten? Wohin würden Sie investieren, sagen wir mal, 10 EUR, um etwas zu verbessern – oder 1.000 oder 100.000? Geht es darum, Kosten zu senken oder Kosten zu optimieren? Geht es darum, das Service-Niveau zu verbessern oder den Lagerbestand zu reduzieren?” Und oft erhält man ein völlig gemischtes Bild. Also spricht jeder über unterschiedliche Dinge.
Das bedeutet also, dass die supply chain-Strategie nicht ausgerichtet ist. Wenn die supply chain-Strategie nicht ausgerichtet ist, wie würdest du das beste Szenario bewerten? Denn ein Teil des Unternehmens würde sich für ein höheres Service-Niveau entscheiden, während oft der Produktionsbereich aufgrund lokaler Anreize auf niedrigere Kosten setzt. Das ist also etwas, bei dem, wenn man sich die Bonussysteme ansieht, diese oft den Abwägungsdiskussionen zu Szenarien widersprechen. Damit muss etwas angegangen, gelöst werden, und dann kann man entscheiden: “Hey, das ist wirklich die beste Lösung für unser Unternehmen.”
Conor Doherty: Danke. Und Joannes, wie siehst du die Bewertung der Tragfähigkeit von Szenarien?
Joannes Vermorel: Zuerst würde ich noch ein paar andere Dinge ansprechen. Denn, schauen Sie, zunächst einmal: Lassen Sie uns über die Rechenanforderungen sprechen. Das höre ich häufig, “Oh, es dauert Stunden, um zu rechnen.” Aber bedenken Sie, dass ein Smartphone – nur ein normales Smartphone – von Haus aus etwa 10 bis 20 Milliarden Operationen pro Sekunde ausführt. Und das ist ein Smartphone. Wenn man zu einer Workstation wechselt, einer echten Workstation, erreichen wir sehr leicht und kostengünstig 100 Milliarden Operationen pro Sekunde. Wenn man verrückt ist und 5.000 Dollar ausgibt und Grafikkarten und GPUs einsetzt, erreicht man tausend Milliarden Operationen pro Sekunde. Wiederum, kostengünstiger Kram.
Also, die Frage ist jetzt: Was genau machen Sie mit dieser Rechenleistung? Denn das ist der Punkt. Bei Lokad führen wir typische Diskussionen. Ich höre, wie Leute sagen, “Oh, fünf Szenarien brauchen 40 Stunden Rechenzeit.” Und dann sagen wir bei Lokad, “Oh, aber wir berechnen etwa tausend Szenarien pro Sekunde.” Zuerst würde ich sagen, wir haben mehrere Probleme.
Zunächst einmal hat moderne Unternehmenssoftware das Problem, dass sie Schicht auf Schicht von Ineffizienz anhäuft. Und vielen ist nicht bewusst, dass die meiste Unternehmenssoftware auf 40, manchmal 50 Jahre ineffizienter Schichten basiert, die nie verschwunden sind. Dadurch verliert man seine Rechenleistung um den Faktor 1 Million, manchmal noch mehr, aufgrund der Ineffizienzen eines buchstäblich lasagneartigen Softwaredesigns, bei dem es sich um ein Softwarestück handelt, das mit einem anderen Softwarestück kommuniziert, das wiederum mit einem anderen kommuniziert, usw.
Beispielsweise, wenn Sie versuchen, solche Dinge mit einer transaktionellen SQL-Datenbank zu machen, wird das extrem ineffizient sein. Wenn ich ineffizient sage, meine ich einen Faktor zwischen etwa tausendmal langsamer als nötig und möglicherweise bis zu einer Million mal langsamer als es sein sollte. Supply chains als Objekte für numerische Simulationen sind also nicht super komplex. Selbst eine unglaublich komplexe supply chain umfasst etwa 100 Millionen SKUs, vielleicht 200 Millionen SKUs. Ein modernes Videospiel simuliert in Echtzeit etwa eine Milliarde Dreiecke mit 60 Bildern pro Sekunde. Das gibt Ihnen einfach eine Vorstellung von der Größenordnung.
Wir reden also über etwas, das in Bezug auf moderne Rechenleistung, selbst eine gigantische supply chain im Maßstab von Walmart, klein ist. Sie ist kleiner als Ihr durchschnittliches Videospiel heutzutage. Das sollten wir im Hinterkopf behalten. Und wenn Sie eine Berechnung haben, die mehr als Minuten dauert, müssen Sie wirklich innehaben und überlegen: “Mache ich etwas, das wirklich kompliziert ist und all diese Rechenleistung benötigt? Oder starte ich einfach mit etwas, das unglaublich ineffizient ist?” Meine These ist also, dass es meistens um Dinge geht, die unglaublich ineffizient sind.
Und das ist, wenn man es richtig angeht, kein Thema. Dann kommt noch die Funktionsfähigkeit von Szenarien ins Spiel. Mein Ansatz, den ich bei Lokad vor etwas mehr als einem Jahrzehnt entdeckt habe, ist, dass das Problem mit Szenarien darin besteht, dass sie einen hohen Wartungsaufwand haben. Wenn Sie ein Dutzend Szenarien pflegen möchten, ist das ein großer Aufwand. Der Trick – und es war buchstäblich eine Art Trick – besteht darin, einen probabilistischen Ansatz zu wählen, bei dem Sie alle Szenarien gleichzeitig betrachten, was potenziell Millionen von Szenarien bedeutet. Wenn Sie dann die richtigen Instrumente, mathematische Instrumente und Softwarewerkzeuge haben, wird es viel einfacher.
Und das ist überraschend, denn man könnte denken, “Oh, wenn ich mir alle möglichen Zukünfte auf einmal ansehe, muss es viel komplizierter sein.” Aber die Realität ist, dass es mit dem richtigen Ansatz nicht so ist. Die Antwort liegt darin, dass plötzlich all die Dinge, die Sie berücksichtigen wollen, viel überschaubarer werden. Sie müssen keine schwierigen Entscheidungen darüber treffen, was mit dem Lager passiert. Nehmen wir an, das Lager hat in jedem beliebigen Monat eine 1%-Chance, überflutet zu werden oder etwas zu erleiden, das den Betrieb erheblich beeinträchtigen würde. Wir müssen nicht genau wissen, was – wir sagen einfach: “Okay, 1%-Chance pro Monat, dass wir aus irgendeinem Grund, etwa einem Streik, einer Überschwemmung, einem Stromproblem oder einem kleinen Brand, die Hälfte der Lagerkapazität verlieren.”
Und wir können sagen, “0,1%-Chance, dass wir das Lager für sechs Monate verlieren.” Und wissen Sie, es ist eine Schätzung, aber in Ordnung. Und das Interessante ist, dass Sie das nicht isoliert von den anderen Dingen tun. Das Schöne am probabilistischen Ansatz ist, dass Sie sagen können: “Wir fügen diesem Lager dieses Risiko hinzu und dann fügen wir das Risiko hinzu, dass ein Hafen in China blockiert wird, wieder 1%-Chance pro Monat.” Das ist eine Schätzung, die wir noch einmal überdenken können. Aber das Interessante ist, dass Sie plötzlich den Ansatz parallelisieren können, um über diese Risiken nachzudenken.
Es geht nicht darum, ein Szenario zu erstellen, in dem Sie genau entscheiden, welche Risiken berücksichtigt werden und welche nicht. Es geht darum, dass Sie ein Risiko für das Lager hinzufügen können, ein Risiko für einen Hafen in China, ein Risiko eines Preisanstiegs bei einem Lieferanten. Und das Schöne daran ist, dass all das miteinander verschmilzt. Und in Bezug auf den Wartungsaufwand, sobald Sie sich entscheiden, ein Risiko einzubeziehen, was bleibt dann zu tun? Die Antwort: nichts, denn Ihre probabilistische Vorhersage bettet das embedding ein und die Entscheidungen, die aus dem System hervorgehen, sind von Haus aus risikoadjustiert.
Joannes Vermorel: Ich würde sagen, dieser puristische Ansatz im Vergleich zur klassischen Szenarioplanung besteht darin, dass Sie zunächst die Art und Weise, wie Sie die unterschiedlichen Risiken analysieren, vollständig auseinandernehmen können. Wenn also verschiedene Personen unterschiedliche Risiken analysieren, können sie gleichzeitig mit demselben System arbeiten. Und sobald man sich auf ein Risikoniveau geeinigt hat, erhält man sofort risikoadjustierte Entscheidungen, sobald man es aktiviert. Das war’s, nichts weiter zu tun, und das ist das Schöne daran.
Praktisch gesehen, wenn Sie denken, dass die Inflation ein 1%-Risiko hat, in den nächsten 12 Monaten über 20% zu liegen, berücksichtigen Sie das. Und wenn die Leute zustimmen, dann haben wir das und sofort alle Entscheidungen, die dafür risikoadjustiert sind.
Das Interessante daran ist, dass wenn man die Dinge so ausdrückt, man zwar möglicherweise mit ein paar Dutzend hochrangiger Risiken endet, diese aber nicht sehr kompliziert auszudrücken und zu pflegen sind. Das ist das Schöne daran. Es ist viel einfacher, ein hochrangiges Risiko wie eine 1%-Chance von über 20% Inflation in den nächsten 12 Monaten für, sagen wir, Deutschland zu pflegen, als ein Szenario zu erstellen und aufrechtzuerhalten, in dem man spezifisch auf dieses Risiko reagiert.
Der probabilistische Ansatz ist eher wie die Quantenperspektive, bei der wir sagen: Nun, wir betrachten all diese möglichen Zukünfte und überlassen die mathematischen Instrumente dem Umgang mit diesen seltenen Phänomenen. Aber insgesamt sind sie unvermeidlich. Wenn Sie eine Reihe von 1%-Risiken pro Monat anhäufen, ist es garantiert, dass Sie im Laufe der nächsten 5 Jahre auf mehrere dieser Probleme stoßen werden. Die Frage bleibt nur, wann eines davon eintreten wird. Sie wissen es nicht, aber das ist in Ordnung.
Conor Doherty: Knut, entspricht das deinem ingenieurtechnischen Verständnis der Situation?
Knut Alicke: Das entspricht auf jeden Fall meinem Verständnis. Es wäre großartig, diese Rechenleistung zu nutzen und irgendeine Art von Verteilung der Reaktionen zu haben, um darüber zu diskutieren.
Beispielsweise, nehmen wir an, Sie führen diese Szenariosimulationen durch, richtig? Und dann wissen Sie so ungefähr, hey, mit dieser Wahrscheinlichkeit passiert dies und das. Was dann wichtig ist, ist, dass Unternehmen darauf vorbereitet sein müssen, Maßnahmen zu ergreifen. Wenn Sie wissen, dass es zu einer Störung kommen könnte, was kommt als Nächstes? Sie müssen verstehen: “Hey, hier muss ich diese fünf Dinge bereit haben, und falls etwas mit meinem Frühwarnsystem passiert, werde ich dann mit der Umsetzung beginnen.”
Oftmals sind Unternehmen gar nicht wirklich vorbereitet. Selbst wenn es Einsichten gibt, sind sie nicht darauf vorbereitet, die Lösung umzusetzen.
Joannes Vermorel: Da stimme ich vollkommen zu. Und übrigens, deshalb habe ich in meiner Vortragsreihe die supply chain als Beherrschung der Optionalität eingeführt. Man muss Optionen kultivieren.
Szenarien sind eine Möglichkeit, diese Optionen dringlicher erscheinen zu lassen, wie zum Beispiel alternative Transportmodi. Aber das Problem ist, dass es sich sehr theoretisch anfühlt, bis man auf das Problem stößt.
Mein Problem mit Szenarien vor einem Jahrzehnt war, dass ein bestimmtes Szenario die meiste Zeit nicht eintritt. Diese 1%-Chance tritt meist nicht ein, und daher gibt es keine Bereitschaft dafür, weil nichts im System wirklich auf die sofortige Umsetzung dieses Szenarios ausgerichtet ist.
Aber wenn Sie etwas kultivieren, bei dem beispielsweise bei jeder Bestellaufgabe die Option besteht, per Fracht zu einem viel höheren Preis zu versenden, dann ist diese Option immer vorhanden. Nur ist sie normalerweise nicht profitabel.
Das ist der Unterschied zwischen einer Optimierung, bei der die Option bereits eingebaut, nur latent vorhanden und nicht genutzt wird, weil die Bedingungen nicht stimmen, und einem Szenario, bei dem am Tag, an dem diese Option zum Tragen kommen sollte, nichts bereitsteht. Die Leute sind nicht daran gewöhnt, die IT-Systeme reagieren nicht sofort auf die richtigen Entscheidungen, und so müssen die Menschen viel Ungewöhnliches denken und tun.
Knut Alicke: Lassen Sie mich ein Beispiel aus den letzten Jahren geben, bei dem wir einem Kunden geholfen haben, widerstandsfähiger zu werden. Wir haben Szenarien betrachtet, ein Frühwarnsystem untersucht und alles Mögliche, und dann festgestellt, dass wenn in einem Werk etwas passiert, wir in einem anderen Werk produzieren können. Aber es gibt eine Engpassressource, das Prüfgerät. Es benötigte 12 Wochen, um es von einem Werk ins andere zu verlagern.
Also, in Ihren Szenarien müssen Sie 12 Wochen im Voraus entscheiden: “Hey, erwarten wir etwas und sollten wir verlagern?” Das war für sie völlig neu. Sie haben immer so gehandelt, als würden sie drei Wochen vorher reagieren, und dann: “Oh, es ist zu spät.” Sie müssen den Lösungsraum verstehen, sozusagen die Durchlaufzeit zur Umsetzung, und erst dann können Sie wirklich eine gute Diskussion führen.
Joannes Vermorel: Ich denke, du hast den Nagel auf den Kopf getroffen. Aber zum Beispiel ist der Fall der Prüfgeräte sehr interessant, weil die Leute häufig in alltägliche Notfälle verstrickt werden. Wenn man bereits mit späten Lieferanten, Preisanstiegen, der Neuverhandlung von Verträgen mit Kunden und allerlei anderen Problemen zu kämpfen hat, lenkt das völlig ab.
Das bedeutet, dass der Punkt, “Okay, wir müssen doppelt investieren und Redundanz bei den Prüfgeräten schaffen. Es wird nicht super effizient sein, aber auf lange Sicht, sagen wir in den nächsten fünf Jahren, wird es einen Moment geben, in dem es unsere Servicequalität rettet.” und es ist vielleicht gar nicht so teuer, zu beachten ist.
Das ist die Art von Angelegenheit, bei der die Menschen Zeit und Ruhe zum Nachdenken brauchen. Wenn sie von einem Löschen eines Feuers zum nächsten springen müssen, passiert solch super strategisches Denken einfach nicht.
Knut Alicke: Lassen Sie mich darauf aufbauen. Was ich auch super wichtig fand, ist, wie man diese Geschichte erzählt, die Sie gerade erzählt haben, nämlich “Hey, wir müssen die Prüfgeräte haben, wir brauchen ein zweites.” Das erfordert Investitionen, sodass alle Arten von börsenendbezogenen KPIs nicht gut aussehen werden.
Das ist eine Entscheidung des Vorstands. Und was wir oft zu erklären versuchen, ist, dass wir die Analogie einer Versicherung verwenden. Man hat eine Autoversicherung, man zahlt für seine Autoversicherung. Wenn man das auf den täglichen Betrieb überträgt, würde man sagen: “Ah, warum muss ich diese Autoversicherung zahlen? Es besteht eine so geringe Wahrscheinlichkeit, dass etwas passiert. Vielleicht kann man sie einfach auslassen, oder? Ich brauche sie nicht.”
Nein, du möchtest es im seltenen Fall eines Unfalls haben, weil es dann wirklich schlimm wird und die Versicherung einspringt. Und so denken wir über supply chain resilience nach. Es ist etwas, das man für den Fall der Fälle entwickelt. Es könnte Investitionen erfordern, es könnte Vorbereitung verlangen, aber dann bist du vorbereitet, falls es passiert.
Die Herausforderung besteht darin, dass die meisten Unternehmen an das nächste Quartal oder das nächste Jahr denken, aber die nächste Störung könnte in einem Jahr plus einem Monat eintreten. Das ist also eine strategische Entscheidung, die getroffen werden muss und über die der Vorstand entscheiden muss. Und deshalb ist es super, super wichtig, diese Geschichte dem Vorstand zu erzählen.
Conor Doherty: Wenn du sagst, Geschichten zu erzählen, klingt das fast wie Führung, fast wie etwas, das Teil einer Führungsmethodik sein könnte, etwas, das vielleicht in einem Buch vorkommt?
Knut Alicke: Genau, und es ist sehr schön, dort sogar ein Exemplar des Buches zu sehen. Das ist erstaunlich, “Source to Sold”. Und tatsächlich haben mein Co-Autor und ich, Radu Palamario und ich, darüber gesprochen, warum wir nicht mehr Menschen mit einem supply chain Hintergrund in Vorständen sehen, oder? Also als CEO, auch als COO, warum ist das so?
Wir haben scherzhaft gesagt, dass es wahrscheinlich daran liegt, dass supply chain Leute eine andere Sprache sprechen. Sie sind so zahlengetrieben, so detailverliebt, dass sie das große Ganze nicht sehen. Und wir sagten, dass supply chain Leute hingegen ein durchgängiges Verständnis haben. Also sollten sie das Geschäft verstehen.
Knut Alicke: Wir haben gescherzt, weil es wahrscheinlich stimmt, dass supply chain Leute eine andere Sprache sprechen. Sie sind so zahlengetrieben, so detailverliebt, dass sie oft das große Ganze nicht sehen.
Andererseits haben supply chain Leute ein End-to-End-Verständnis, sodass sie das Geschäft verstehen sollten. Wir haben überprüft, ob es Beispiele dafür gibt. Wir haben die Fortune 200 untersucht und festgestellt, dass nur 11 % der Unternehmen einen CEO mit einem supply chain Hintergrund haben. Tim Cook ist ein bekanntes Beispiel, aber es gibt eindeutig noch weitere.
Wir haben uns entschieden, einige Personen zu interviewen, die mit einem supply chain Hintergrund in den Vorstand gekommen sind. Dies führte zu 26 Interviews, die wir im Buch zusammengefasst haben. Anschließend haben wir eine komprimierte Version dessen erstellt, was wir gelernt haben, und das ist das Chain Model.
Die Interviews waren sehr interessant. Wir haben viel von diesen Menschen gelernt, die sehr unterschiedliche Karrieren hatten. Wir hatten Menschen aus aller Welt, Männer und Frauen. Es war nicht so einfach, Frauen zu finden, daher ist es klar, dass dieses Feld immer noch von weißen Männern dominiert wird und sich das ändern muss.
Wir hatten Unternehmer, kleine Unternehmen, große Unternehmen. Das Buch hat sehr gutes Feedback erhalten.
Conor Doherty: Aus Neugier, im Kontext einer Diskussion über Risiko und resilience, gibt es unter den Interviews welche, die dir Einblicke liefern, die für die aktuelle Diskussion relevant sind? Du kannst jeden auswählen, männlich oder weiblich.
Knut Alicke: Buchstäblich jeder, denn es war die Zeit des Lockdowns, als wir die Interviews führten. Alle sprachen über die Bedeutung, agil zu sein, vorbereitet zu sein, resilient zu sein. Genau das haben wir auch in das Chain Model aufgenommen. Das “A” steht für adaptable. Es ist sehr wichtig, dass wir das Risiko verstehen und in der Lage sind, es dem Vorstand zu kommunizieren.
Conor Doherty: Könntest du das Chain Model Buchstabe für Buchstabe erklären?
Knut Alicke: “C” steht für collaborative. Wir müssen kollaborativ sein, wie wir in einigen Interviews gehört haben. Einer der Beitragenden sagte, dass er einen neuen S&OP-Prozess implementieren wollte und er kam auf die Idee, die Lieferanten zu integrieren. Es gab drei Lieferanten, die wirklich wichtig waren. Alle im Unternehmen waren zunächst dagegen, unseren Produktionsplan dem Lieferanten offenzulegen. Aber er setzte es durch, und alle waren sehr zufrieden. Der Aufbau von Beziehungen intern und extern, mit Kunden und Lieferanten, ist super wichtig.
“H” steht für holistic. Wir müssen das gesamte System verstehen, das große Ganze, was von Anfang bis Ende passiert. Das ist etwas, das in der Natur eines supply chain Person liegt. Es ist nicht notwendigerweise in der Natur mancher anderer Funktionen, bei denen man oft mehr auf das fokussiert ist, was man tut.
“A” steht für adaptable, worüber wir bereits gesprochen haben. Das “I” in chain steht für influential. Hier würde ich sagen: Befähige die Menschen um dich herum, ihr Bestes zu geben und beizutragen.
Das “N” steht für narrative, was für mich der wichtigste Teil ist. Es geht wirklich darum, wie du Dinge erklärst. Zum Beispiel könnte eine supply chain Person eine Verbesserung im Servicelevel damit erklären, dass unser OTIF von 89,7 % auf 91,2 % gestiegen ist. Das sagt nicht unbedingt viel aus. Wenn du eine Sprache verwendest, die vom Vorstand verstanden wird, könntest du sagen, dass wir unser Servicelevel verbessert haben und dadurch mehr verkaufen konnten oder der Kunde zufriedener ist und zurückkommt. Es geht darum, die richtige Sprache, die richtige narrative zu verwenden.
Wir sagen immer, dass supply chain in den letzten drei Jahren einen Platz am Tisch bekommen hat und jetzt jeder das verstanden hat. Nun müssen wir sicherstellen, dass wir diesen Platz am Tisch behalten. Wir müssen beweisen, dass es sich lohnt, diesen Platz zu behalten.
Conor Doherty: Danke für deine Gedanken.
Joannes Vermorel: Das Interessante ist, dass die Kritik in beide Richtungen geht. Ja, der Supply Chain Director sollte in der Lage sein, die Sprache des Vorstands zu sprechen. Aber auch das Problem, das ich sehe, ist, dass die zugrunde liegende Softwareinfrastruktur, die die Aktionen des Supply Chain Directors unterstützt, in der Regel Indikatoren bereitstellt, die unglaublich kurzsichtig sind.
Zum Beispiel bedeutet Servicelevel nichts, wenn man in einem Geschäftsfeld tätig ist, in dem es Ersatz gibt. Wenn der Kunde trotzdem in den Laden kommt und technisch gesehen 50 % der Waren fehlen, aber es Unmengen an Ersatz gibt und er einfach auf ein Ersatzprodukt ausweicht – wie es zum Beispiel in der Modebranche vorkommen kann – ist das weitgehend unsinnig.
Wir haben ein Problem, bei dem der Supply Chain Director keine narrative oder etwas, das Sinn ergibt, hat, weil all die Zahlen, die von seiner zugrunde liegenden Infrastruktur, den Menschen und der Software erzeugt werden, nicht wirklich vollständig sinnvoll sind.
Sehr häufig hat noch nie jemand die Servicequalität in Euro oder Dollar quantifiziert, auf eine Weise, die auch nur annähernd zum Geschäft passt. Man würde sagen: “Oh, wir haben Servicelevel.” Aber Servicelevel ist super einfach zu berechnen, spiegelt es jedoch die Wahrnehmung wider?
Beispielsweise, was ist der Unterschied zwischen dem heutigen Betreten deines Ladens und dem Nichtfinden dessen, was ich erwartet habe, und dem Aufgeben einer Bestellung vor sechs Monaten, bei der dir sechs Monate Spielraum eingeräumt wurden, um die Ware zu erhalten, und dann festzustellen, dass du auch nach sechs Monaten immer noch nicht vorbereitet bist? Im einen Fall ist es bedauerlich, ich hatte Pech. Im anderen Fall ist es völlig inakzeptabel und amateurhaft.
Das Problem bei diesen sehr naiven Indikatoren ist, dass sie in der Regel nicht nur den Elefanten, sondern die Herde von Elefanten völlig übersehen. Es ist sehr schlimm. Ich glaube, dass deine narrative auch ein Aufruf sein kann, Zahlen zu entwickeln, die tiefer mit dem Geschäft in Resonanz stehen.
Es geht nicht nur darum, Zahlen zu haben. Diese technischen Zahlen resonieren nicht, weil sie schlichtweg schlecht sind. Wenn du eine Zahl präsentierst, sei es “Wir investieren diese 1 Million EUR in zusätzliche Servicequalität” oder “Es wird uns in den nächsten fünf Jahren insgesamt 10 Millionen EUR Umsatz kosten,” dann würden das alle irgendwie nachvollziehen können.
Das Problem, das ich sehe, ist, dass viele der traditionellen supply chain Praktiken ein wenig schuld an ihren unterstützenden Anbietern sind. Die Art von Zahlen, die man aus diesen Praktiken plus ihren Tools erhält, sind Prozentsätze, die sehr unsinnig sind.
Alles, was als Prozentsatz ausgedrückt wird, ist meiner Ansicht nach in der Regel sehr verdächtig. Wenn es in Dollar ausgedrückt wird, ist es besser. Wenn es in Dollar über Dollar ausgedrückt wird, ist es noch besser. Also, pro Dollar, den ich investiere oder nicht investiere, was verdiene oder verliere ich? Meistens ist dies die Art von Kennzahl, um einen guten Messwert zu erhalten.
Jegliche Art von narrative zu entwickeln, die auch nur im Ansatz geschäftlich Sinn macht, ist eine Herausforderung, weil man, würde ich sagen, auf hohlen Versprechungen basiert.
Knut Alicke: Mir gefällt, dass das Erzählen der richtigen Geschichte auch die richtigen KPIs an erster Stelle erfordert.
Also sagst du im Grunde, dass mein Beispiel bereits übersetzt sein sollte und nicht vom Head of supply chain. Das wäre eine ideale Situation, in der sogar der CEO verstehen kann, dass ich durch die Verbesserung bestimmter Aspekte meinen Umsatz steigern werde. Ich stimme voll und ganz zu. Wir sind wahrscheinlich noch einen Schritt davor, aber es ist eine großartige Vision, die du darlegst.
Joannes Vermorel: Meine Perspektive auf deine narrative Idee ist, dass ich sehr häufig sehe, dass Menschen, besonders in supply chain, im Allgemeinen solche Auswirkungen zweiter Ordnung fürchten – Dinge, die nicht in den Büchern stehen.
Zum Beispiel, wann immer du am Ende der Saison Rabatte in deiner Marke hast, hast du zwei Probleme. Erstens verzichtest du sofort auf deine Marge, aber dann erzeugst du in deiner Kundenbasis eine schlechte Angewohnheit, die den Rabatt erwartet. Also werden sie im nächsten Jahr abwarten, bevor sie kaufen, bis du denselben Rabatt anbietest.
Solche Dinge lassen sich nicht leicht quantifizieren, weil es die Art von Dingen sind, die sich über mehrere Jahre, möglicherweise Jahrzehnte, entwickeln. Luxusmarken beispielsweise machen niemals irgendwelche Promotions – damit sie solche Entwicklungen von vornherein verhindern.
Aber zurück dazu, das bedeutet, dass du in der Lage sein musst, eine KPI zu haben, bei der ein Teil deiner Zahl völlig erfunden ist. Das bedeutet nicht, dass sie irrational oder gefälscht ist, sondern lediglich, dass es eher einer Beurteilung bedarf, die sehr vernünftig sein kann, aber getroffen werden muss.
Diese Art von narrative zwingt dich dazu, den langfristigen Blick zu haben und diese Dinge numerisch zu berücksichtigen, sodass du nicht mit einer als optimal erachteten Entscheidung endest, die in Wirklichkeit unglaublich kurzsichtig ist.
Ein weiteres Problem, das ich sehe, ist, dass die Menschen nicht einfallsreich genug sind. Sie berücksichtigen nicht Dinge, die im Unternehmen, im weiteren Sinne, bekannt sind, die aber aufgrund ihrer schwer fassbaren, etwas ungenauen Messbarkeit lieber ganz ignoriert werden, anstatt sie – wenn auch nur grob – präsent zu haben.
Conor Doherty: Nun, es kommt mir in den Sinn, um Joannes kurz mit einem Folgekommentar zu antworten. In Knuts Beispiel, als er darüber sprach, narrative bereitzustellen, die das Konzept der Nachfrageplanung ein wenig erleichtern, nutzte er das Beispiel der Versicherung, und Lokad hat auch narrative, wie zum Beispiel die Warenkorbperspektive, die die Idee der Wechselbeziehung und die zusätzlichen Kosten erklärt, wenn etwas fehlt, wenn man es benötigt. Das ermöglicht es den Menschen, den Effekt zweiter Ordnung zu verstehen. Also möchte ich vielleicht die Warenkorbperspektive als die narrative aufschlüsseln, die wir dazu neigen zu verwenden, um das zu erleichtern.
Joannes Vermorel: Das Problem ist, dass sobald wir diese Faktoren einbeziehen, die keine greifbaren Zahlen sind, nenne ich das den zweiten Kreis wirtschaftlicher Treiber. Dinge, die sehr wichtig, aber immateriell sind, werden nicht im Buch auftauchen. Zum Beispiel haben viele Unternehmen in der Theorie Vertragsstrafen mit ihren Lieferanten, die sie ausüben können. In der Praxis, wann immer sie das tun, ist es ein offener Krieg mit dem Lieferanten und das Vertrauen geht verloren.
Wenn du also beginnst, diese Versicherung zu optimieren, ist das Interessante, dass du das Risiko internalisierst und das Risiko bei Dingen, die niemals gemessen werden, internalisierst. Das erfordert eine andere Denkweise.
Bei Lokad, wenn wir solche Systeme haben, die automatisch laufen, ist es ein bisschen wie ein nettes Anti-Spam-System. Es summt leise, aber man sieht es nie. Es macht einfach seine Arbeit, und irgendwann fragt man sich vielleicht: Brauche ich das wirklich, weil es einfach nur leise vor sich hin arbeitet und es Klassen von Problemen gibt, die einfach nicht auftreten. Aber sobald man es ausschaltet, sind die Probleme wieder da.
Ich glaube, dass diese Idee, narrative zu entwickeln, sehr wichtig ist, weil es eine Möglichkeit ist, Dinge zu vermitteln, die sehr rational, aber auch technisch sind, und diese Botschaft auf eine sehr prägnante Weise zu übermitteln. Die Menschen haben nicht die Zeit, in all diesen Risiken Experten zu sein, alles abzuwägen und alle Kompromisse zu berechnen.
Test des Verständnisses: Betrachtet diese Person das Problem wirklich aus einer Perspektive, die Sinn macht? Zum Beispiel, wenn wir über Flugzeugwartung und Servicequalität sprechen, ist ein einfacher Ansatz, in Begriffen wie AOG (Aircraft on Ground) zu denken. Also, pro investiertem Dollar, wie viele AOG pro Jahr vermeidest du? Dabei ist zu berücksichtigen, dass, wenn ein Flugzeug am Boden bleibt, Passagiere umgeleitet werden müssen und es zu vielen Verzögerungen, hohen Kosten und Kettenwirkungen im Flugplan kommt.
Wenn du also in Begriffen des Servicelevels denkst, verpasst du völlig den Kern, denn ein Flugzeug benötigt nur ein fehlendes Teil, um nicht abzuheben. Das relevante Ereignis ist das Aircraft on Ground-Problem, nicht der Lagerausfall usw. Jedes Unternehmen muss über diese Art von Einsicht verfügen, die tief mit dem, was es zu erreichen versucht, in Resonanz steht, im Gegensatz zu einfachen Kennzahlen, die billig verfügbar sind, weil sie in der Software vorgefertigt sind, selbst wenn sie völlig irrelevant für das eigentliche Problem sind.
Ich weiß, dass ich in meiner Perspektive eine gewisse Software-Voreingenommenheit habe. Welche narrative hast du, Knut? Ich liebe Zahlen, aber der Trick ist, dass man denken würde, dass Zahlen das Gegenteil von narrative sind, aber dem würde ich nicht zustimmen. Ich würde sagen, sie gehen Hand in Hand. Wenn du einen Weg hast, selbst zu verstehen, was vor sich geht, wird das die Art und Weise, wie du deine Zahlen gestaltest, völlig bestimmen.
Also denk nicht, dass narrative unabhängig von den Zahlen ist. Narrative ist buchstäblich die Geschichte, die du dir selbst erzählst, um deine Arbeit als Data Scientist zu lenken. Wenn du diese narrative falsch festlegst, bedeutet das höchstwahrscheinlich, dass du mit deinen Zahlen völligen Müll produzierst. Die Korrektheit liegt nicht im mathematischen Aspekt, sondern meist in der Angemessenheit zwischen dem Geschäft und dem, was ich mit diesen Zahlen mache.
Ja, es gibt den sachlichen Fehler, bei dem man einfach eine Zahl multipliziert, während man teilen sollte, aber das ist ein super technischer Fehler und diese Art von technischen Fehlern sind in der Regel so unmittelbar schädlich für deine Berechnung, dass sie leicht zu erkennen sind. Die weitaus schwierigeren Probleme treten auf, wenn du in subtiler Weise danebenliegst.
Knut Alicke: Also unterstützen die Zahlen eindeutig deine Darstellung und untermauern alles, was du dann tust, um herauszufinden, ob etwas schief läuft, wobei du in die Details gehst. Es gibt dieses Phänomen, bei dem du fragst und dann von dem fehlenden Service, dem Aircraft on Ground, warum das so ist? Keine Verfügbarkeit, warum? Weil wir keinen Lagerbestand hatten, warum? Weil wir keinen guten Vertrag mit unserem Supplier hatten, und so weiter. Und dann findest du die Wurzel des Problems und kannst es lösen.
Conor Doherty: Jede Form von Leadership oder welche Erzählung du auch für Leadership vorschlägst, selbst das Chain Model, was auch immer, ist dennoch wirkungsvoll. Leadership basiert weiterhin darauf, dass man Menschen mit den notwendigen Fähigkeiten hat, um die Vision zu aktivieren, die durch welche narrative Darstellung auch immer zum Ausdruck kommt. Also, Knut, um den Kreis wieder zu schließen, drei Jahre später – was siehst du jetzt als die entscheidende Fähigkeit, die Menschen in supply chain benötigen?
Knut Alicke: Ich könnte jetzt das Chain Model wiederholen, aber lasst uns das unterlassen. Man muss all diese Fähigkeiten besitzen. Und wenn ich darüber nachdenke, was wir uns alle wünschen würden, dann ist es, dass jeder in supply chain, der all diese End-to-End-Dinge versteht und so weiter, darauf achtet, Kollegen aus der supply chain und aus anderen Bereichen zu schulen.
Dass du dafür sorgst, dass du das Fähigkeitsniveau erhöhst, dass du sinngemäß die Pipeline vergrößerst. Joannes und ich unterrichten an Universitäten genau aus diesem Grund, um praktische supply chain zu lehren, dadurch die Community zu vergrößern und das Wort zu verbreiten. Mache klar, dass supply chain ein super spannendes Thema ist und auch den Weg in den Vorstand öffnet.
Oft fragen Leute: “Wenn ich in supply chain bin, ist das vielleicht eine Sackgasse?” Nein, das ist es nicht. Es ist das Thema, das in den letzten drei Jahren eines der wichtigsten war und auch in Zukunft sein wird.
Joannes Vermorel: Ich stimme dem voll und ganz zu. Ich denke, was Fähigkeiten angeht, gibt es wahrscheinlich eine, wenn ich nur eine nennen müsste – und das ist nicht Programmieren, sondern klares Schreiben. Denn die ganze Idee der Zusammenarbeit in deinem großen, verteilten Unternehmen erfolgt meistens schriftlich. Ja, du kannst Meetups haben, aber meistens ist es schriftlich.
Du möchtest eine Narrative haben, die wiederum schriftlich festgehalten wird. Du möchtest deine Berichte und dergleichen organisieren, wieder schriftlich. Und eine der Eigenschaften, die in modernen Unternehmen am meisten unterschätzt wird – besonders in supply chain, weniger in anderen Abteilungen wie Marketing – ist klares Schreiben.
Sehr häufig sehe ich, dass die Qualität des Schreibens in diesen Abteilungen, generell gesprochen, sehr niedrig ist. So gibt es sehr verwirrende Zusammenfassungen zu Problemen, sehr unklare Problembeschreibungen. Selbst wenn die Leute gebeten werden, mir eine halbe Seite lange Beschreibung ihrer Position und warum sie überhaupt existiert, zu geben, ist das Ergebnis meistens absolut miserabel.
Und das ist ein großes Problem. Ich denke, dass es einige Branchen oder Funktionen gibt, in denen die Menschen seit langem klares Schreiben kultivieren. Finanzen ist eine davon, wo in der Regel sehr prägnant auf den Punkt gebracht wird. Marketing ist eine weitere, aus Notwendigkeit. Wenn du ein gutes Branding haben möchtest, musst du in der Lage sein, Dinge klar und präzise zu vermitteln.
Es gibt einige Branchen, wie die Softwarebranche, in denen sehr viel geschrieben wird, und so würde ich sagen, dass im Durchschnitt, verglichen mit anderen Branchen, die Qualität des Schreibens ziemlich gut ist. Aber insgesamt denke ich, dass das Schreiben für Studenten immer noch eine schwache Fähigkeit ist, die im Laufe ihres Lebens verbessert werden kann. Es ist nicht so, dass man nach dem Studium fertig ist, sondern es ist etwas, das man danach noch lernen kann.
Conor Doherty: Wie bei Lokad TV üblich, Knut, geben wir dir das letzte Wort. Gibt es irgendetwas, das du erwähnen möchtest?
Knut Alicke: Ihr solltet das Buch bei Amazon kaufen. Falls ihr noch ein Weihnachtsgeschenk benötigt, ist das Buch erhältlich. Es ist bei Amazon und anderen verfügbar. Kauft unbedingt ein Exemplar, verbreitet die Nachricht. Verbreitet die Nachricht, dass supply chain cool ist, und baut das Netzwerk auf.
Conor Doherty: In Ordnung, mit diesem Schlusswort, Joannes, danke für deine Zeit. Knut, vielen Dank auch für deine. Und an alle, die zugeschaut haben, vielen Dank. Wir sehen uns beim nächsten Mal.
