00:00:00 (Re)Einführung von Knut
00:01:51 Knut Alicke’s Arbeit zur Resilienz der Supply Chain
00:02:59 Reaktion der Unternehmen auf den ersten Lockdown
00:04:15 Joannes’ Perspektive auf Veränderungen in der Supply Chain
00:06:35 Definition von Risiko und Resilienz in der Supply Chain
00:10:06 Knuts wichtigste Bestandteile für widerstandsfähige 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 Softwaregesteuerte Katastrophen in der Supply Chain
00:19:28 Lokads Ansatz für maschinelles Lernen
00:21:21 Sophisticated Software macht Unternehmen fragil
00:28:32 Komplexität der 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 für den Service eines B2B-Einzelhändlers
00:52:12 Bedeutung von metrischen Angaben in Dollar
00:58:41 Die Effektivität automatisierter Systeme im Risikomanagement
01:00:37 Beispiel für eine Erzählung zur Flugzeugwartung
01:04:11 Kritische Fähigkeiten in der Supply Chain
01:05:31 Bedeutung von klarer Schreibweise
01:08:16 Knuts Handlungsaufforderung
Zusammenfassung
Die Pandemie hat Unternehmen gezwungen, ihre Supply Chains neu zu bewerten und sich auf Risikominderung und Resilienz zu konzentrieren. In diesem Interview diskutieren Knut Alicke von McKinsey und Joannes Vermorel von Lokad die Notwendigkeit systematischer Planung, Nutzung digitaler Werkzeuge und Softwareautomatisierung. Alicke betont die Bedeutung von Sichtbarkeit und Frühwarnsystemen zur Erkennung potenzieller Störungen, während Vermorel die Notwendigkeit einer digitalen Kultur zur Erfassung von Datenfeinheiten hervorhebt. Beide sind sich einig über die Bedeutung von Szenarioplanung und einem probabilistischen Ansatz zur Bewältigung potenzieller Probleme. Sie betonen auch die Notwendigkeit strategischen Denkens, effektiver Kommunikation und der Entwicklung von Optionen in der Supply Chain-Führung - Themen, die Alicke in seinem kürzlich (gemeinsam) veröffentlichten Buch From Source to Sold ausführlich behandelt.
Erweiterte Zusammenfassung
Die jüngste Pandemie hat Unternehmen dazu gezwungen, ihre Supply Chains neu zu bewerten und sich auf Risikominderung und erhöhte Resilienz zu konzentrieren - wie von Knut Alicke, Partner bei McKinsey, und Joannes Vermorel, CEO und Gründer von Lokad, erläutert.
Alicke, der seit fast 30 Jahren in der Supply Chain tätig ist, stellte fest, dass Unternehmen in ihren Planungsprozessen systematischer und agiler werden mussten. Er wies jedoch darauf hin, dass es immer noch eine Lücke in Bezug auf Erfahrung in der Supply Chain und den besten Einsatz digitaler Werkzeuge gibt. Vermorel betonte hingegen die Bedeutung der Softwareautomatisierung zur Bewältigung alltäglicher Entscheidungen und Aufgaben, um Zeit für die Bewältigung ungewöhnlicher oder außergewöhnlicher Situationen zu gewinnen.
Alicke erläuterte, wie Unternehmen in der Vergangenheit auf Störungen reagiert haben, wie zum Beispiel die Fukushima-Katastrophe im Jahr 2011 und die jüngsten Stilllegungen und Lockdowns. Er stellte fest, dass viele der Ideen zur Resilienz schon vor Jahren existierten, aber nicht als wichtig erachtet wurden. Unternehmen kehrten oft nach einer Störung zum normalen Betrieb zurück und konzentrierten sich auf schlanke und kostengünstige Supply Chains anstelle von widerstandsfähigen.
Alicke betonte die Notwendigkeit von Transparenz und einem Frühwarnsystem, um potenzielle Störungen in der Supply Chain zu erkennen. Dies könnten Probleme mit dem Lieferantenlieferanten oder Probleme mit Logistik, Produktion oder Qualität sein. Er hob auch die Bedeutung der Planung hervor, insbesondere der Szenarioplanung, um potenzielle Verzögerungen oder Störungen zu mildern. Dies könnte die Beschleunigung von Lieferungen, den Ersatz von Produkten oder den Einsatz von Alternativen beinhalten.
Vermorel stimmte der Bedeutung der end-to-end Transparenz zu, wies jedoch darauf hin, dass Unternehmen oft eine digitale Kultur fehlt, um die Feinheiten ihrer Daten zu verstehen. Er argumentierte, dass das Problem nicht der Mangel an Daten oder deren Qualität ist, sondern das mangelnde Verständnis der Daten.
Vermorel diskutierte auch die Bedeutung des Verständnisses dessen, was ein Algorithmus zu tun versucht, anstatt wie er funktioniert. Er stellte fest, dass Software eine schnelle Skalierung ermöglicht, einschließlich des Potenzials für groß angelegte Fehler. Er wies auch darauf hin, dass selbst relativ einfache Berechnungen aufgrund der Begrenzungen des menschlichen Verstandes undurchsichtig werden können.
Vermorel erklärte weiterhin, dass selbst wenn Data Scientists Planer ersetzen, das Problem der Undurchsichtigkeit weiterhin besteht. Einige Machine Learning Tools sind selbst für diejenigen, die sie verwenden, undurchsichtig, und das Verständnis der Algorithmen bedeutet nicht zwangsläufig das Verständnis der Ergebnisse.
Vermorel diskutierte die Umsetzbarkeit von Szenarien im Supply Chain Management und erklärte, dass die Aufrechterhaltung mehrerer Szenarien mit hohem Wartungsaufwand verbunden sein kann. Ein probabilistischer Ansatz, der alle Szenarien gleichzeitig berücksichtigt, kann jedoch mit den richtigen mathematischen und Softwarewerkzeugen besser handhabbar sein.
Er erklärte, dass dieser Ansatz die Berücksichtigung verschiedener potenzieller Probleme ermöglicht, wie z.B. die Möglichkeit, dass ein Lager jeden Monat eine 1%ige Chance hat, überflutet zu werden, ohne die genaue Ursache zu kennen.
Vermorel verglich den probabilistischen Ansatz mit einer quantenmechanischen Perspektive, bei der alle möglichen Zukunftsszenarien berücksichtigt werden und mathematische Instrumente mit seltenen Phänomenen umgehen.
Alicke stimmte zu und betonte die Bedeutung, dass Unternehmen bereit sein müssen, aufgrund der aus Szenariosimulationen gewonnenen Erkenntnisse Maßnahmen zu ergreifen. Er stellte fest, dass Unternehmen oft nicht bereit sind, Lösungen umzusetzen, selbst wenn sie die notwendigen Erkenntnisse haben.
Vermorel diskutierte die Bedeutung der Kultivierung von Optionen im Supply Chain Management. Er erklärte, dass der probabilistische Ansatz die ständige Berücksichtigung von Optionen ermöglicht, wie z.B. alternative Transportmittel, die bei geeigneten Bedingungen aktiviert werden können.
Alicke teilte ein Beispiel dafür, wie die Szenarioplanung einem Kunden geholfen hat, widerstandsfähiger zu werden, indem ein Engpassressource identifiziert wurde, die 12 Wochen benötigte, um von einer Anlage zur anderen zu gelangen.
Vermorel diskutierte die Bedeutung des strategischen Denkens im Supply Chain Management, das durch ständiges Feuerlöschen behindert werden kann.
Alicke betonte die Bedeutung der Kommunikation der Notwendigkeit strategischer Investitionen an den Vorstand und verglich dies mit dem Abschluss einer Versicherung. Er stellte fest, dass dies eine strategische Entscheidung des Vorstands und die Fähigkeit erfordert, die Geschichte effektiv zu kommunizieren.
Alicke diskutierte auch die Inspiration für sein Buch “Source to Sold” (gemeinsam mit Radu Palamariu), das Interviews mit Personen enthält, die es mit einem Hintergrund in der Supply Chain bis in den Vorstand geschafft haben, und das auf diesen Interviews basierende Kettenmodell diskutiert.
Alicke erklärte, dass ‘C’ für kollaborativ steht, ‘H’ für ganzheitlich, ‘A’ für anpassungsfähig, ‘I’ für einflussreich und ‘N’ für narrativ. Er betonte die Bedeutung des Aufbaus von Beziehungen, des Verständnisses des großen Ganzen, der Anpassungsfähigkeit, der Stärkung der Mitarbeiter und der Verwendung der richtigen Sprache, um Dinge zu erklären.
Vermorel diskutierte die Angst vor Folgeeffekten in der Supply Chain, wie z.B. die Erwartung von Rabatten durch Kunden. Er argumentierte für die Notwendigkeit, einen KPI zu haben, der Urteilsentscheidungen einschließt und einen langfristigen Blick erzwingt.
Vermorel kritisierte das Fehlen von Vorstellungskraft bei der Berücksichtigung von schwer messbaren Faktoren. Er betonte die Bedeutung der Entwicklung von Erzählungen, um technische und rationale Dinge auf prägnante Weise zu vermitteln.
Vermorel argumentierte dafür, dass Erkenntnisse tief mit dem übereinstimmen sollten, was Unternehmen zu tun versuchen, anstatt sich auf einfache Metriken zu verlassen, die für das vorliegende Problem irrelevant sind.
Alicke stimmte dem zu und fügte hinzu, dass Zahlen die Erzählung unterstützen und dabei helfen, die Ursachen zu identifizieren, wenn etwas schief geht. Er betonte, dass effektive Führungskräfte Menschen mit den erforderlichen Fähigkeiten benötigen, um die durch die Erzählung ausgedrückte Vision umzusetzen.
Alicke schlug vor, dass jeder in der Supply Chain die End-to-End-Prozesse verstehen und Kollegen aus der Supply Chain und anderen Bereichen schulen sollte. Er erwähnte, dass er und Vermorel an Universitäten unterrichten, um die Fähigkeiten der Community zu stärken und die Supply Chain als interessantes und wichtiges Thema zu fördern.
Vermorel fügte hinzu, dass klares Schreiben eine entscheidende Fähigkeit für die Zusammenarbeit, das Erstellen von Erzählungen und das Organisieren von Berichten ist. Er kritisierte die geringe Qualität des Schreibens in vielen Abteilungen und ermutigte die Studierenden, ihre Schreibfähigkeiten im Laufe ihres Lebens zu verbessern.
Zusammenfassend betonte das Interview die Bedeutung des Verständnisses und der Bewältigung von Risiken und Widerstandsfähigkeit in Lieferketten, die Rolle von Daten und Algorithmen sowie die Notwendigkeit strategischen Denkens und effektiver Kommunikation. Es betonte auch die Bedeutung der Kultivierung von Optionen, des Verständnisses von End-to-End-Prozessen und der Verbesserung der Schreibfähigkeiten.
Vollständiges Transkript
Conor Doherty: Angesichts der jüngsten Pandemie haben die meisten Unternehmen ihre Lieferketten unter dem Schwerpunkt der Risikominimierung und Erhöhung der Widerstandsfähigkeit neu bewertet. Unser heutiger Gast, Knut Alicke, hat ausführlich zu diesen Themen sowie zur Führung in der Lieferkette in seinem neuen Buch “From Source to Sold” geschrieben. Knut, herzlich willkommen bei Lokad.
Knut Alicke: Vielen Dank, dass Sie mich eingeladen haben.
Conor Doherty: Nun, ich habe gesagt, willkommen bei Lokad, aber es ist wahrscheinlich genauer zu sagen, willkommen zurück bei Lokad. Sie waren vor drei Jahren bei uns, fast genau am selben Tag, um genau zu sein.
Knut Alicke: Das ist korrekt. Dies ist meine zweite Episode bei Ihnen. Also vor drei Jahren, Sie haben recht. Wir haben über die Zukunft der Lieferkette, Arbeitsfähigkeiten und alles gesprochen. Es waren interessante 3 Jahre für uns alle mit vielen Störungen und vielen Dingen, die in der Lieferkette passiert sind.
Conor Doherty: Absolut, und darauf werden wir noch eingehen. Aber für alle, die diese Episode verpasst haben, könnten Sie sich vielleicht dem Publikum noch einmal vorstellen?
Knut Alicke: Klar. Mein Name ist Knut Alicke. Ich arbeite für McKinsey. Ich bin in unserem Büro in Stuttgart, Deutschland, tätig und Lieferkette ist meine Leidenschaft. Das mache ich seit fast 30 Jahren. Nächstes Jahr werden es 30 Jahre sein. Wir werden immer älter. Was ich hier mache, sind im Grunde alle Themen im Bereich Planung, also Prognosen, S&OP, Lieferplanung, Produktionsplanung, Bestandsführung, aber auch physischer Fluss, Optimierung von Lagern, Optimierung des Transportnetzwerks, die richtige Governance-Organisationsstruktur schaffen.
In den letzten drei Jahren habe ich mich intensiv mit Risiken und Widerstandsfähigkeit in der Lieferkette beschäftigt, um unseren Kunden zu helfen, besser zu werden und eine widerstandsfähigere Lieferkette zu haben. Neben McKinsey unterrichte ich immer noch. Ich entwickle sozusagen die neue Generation von Fachleuten für die Lieferkette, denn das ist es, was wir immer wieder hören, dass wir nicht genug Fachleute für die Lieferkette haben. Wir haben nicht genug Leute, die das End-to-End wirklich verstehen, die Abwägungen verstehen und sich mit dem Thema beschäftigen.
Conor Doherty: Nun, wenn wir uns noch einmal dem zuwenden, worüber wir gesprochen haben. Denn vor drei Jahren haben wir über die Zukunft der Lieferkette und die erforderlichen Fähigkeiten gesprochen. Das war mitten in der Pandemie. In den folgenden Jahren, jetzt sind wir praktisch postpandemisch, glauben Sie, dass sich die Situation verändert hat? Risiken und Widerstandsfähigkeit sind zu einem größeren Thema geworden. Ist also dasselbe Fähigkeiten-Set erforderlich oder hat sich das geändert?
Knut Alicke: Es ist viel passiert. Wenn wir nur drei Jahre zurückblicken, haben viele Unternehmen nach dem ersten Lockdown begonnen, Feuerwehrkrisenzentren, Kontrollräume oder wie auch immer sie es genannt haben, einzurichten, um Probleme zu lösen. Das wurde nicht immer systematisch gemacht. Das wurde nicht immer in Bezug auf das End-to-End-Denken gemacht. Und dann haben sie erkannt, dass sie mehr tun müssen. Richtig? Wir müssen uns vorbereiten, wir müssen sicherstellen, dass wir die richtige Sichtbarkeit haben, wir müssen die richtigen Hebel haben, die wir ziehen können, und wir müssen sicherstellen, dass unsere Planungsprozesse agil genug und schnell genug sind.
Viele Unternehmen haben ihre Planung von monatlich auf alle zwei Wochen reduziert und in der S&OP-Planung von wöchentlich auf alle zwei Tage. Und das erfordert alles Talent. Das erfordert Talent, das die Lieferkette versteht, das digital versteht und alles zusammenbringt. Und was wir hier sehen, ist, dass es immer noch eine große Lücke gibt. Die Lücke ist kleiner geworden. Die Unternehmen haben ihre eigenen Mitarbeiter geschult. Es gab viele Neueinstellungen von externen Quellen, aber es gibt immer noch eine Lücke in Bezug auf die Erfahrung in der Lieferkette, wie man digitale Tools am besten einsetzt, um die Leistung der Lieferkette zu planen und zu verbessern.
Conor Doherty: Nun, vielen Dank. Joannes, Sie waren auch in diesem Panel. Hat sich Ihre Perspektive in den letzten Jahren geändert?
Joannes Vermorel: Nun ja, sie hat sich weiterentwickelt. Ich weiß nicht, inwieweit das als Veränderung zählt, aber im Wesentlichen gilt für mich: Je mehr Störungen Sie erleben, desto mehr Automatisierung benötigen Sie. Denn sehen Sie, wenn Ihre Routine bereits alle beschäftigt hält, wenn Sie bereits zu 100 % damit beschäftigt sind, Feuer zu löschen und sich mit dem Alltäglichen zu befassen, wenn Sie bereits an einem normalen Tag voll ausgelastet sind, dann haben Sie bei außergewöhnlichen Ereignissen keinerlei Spielraum, um mit diesen zusätzlichen Dingen umzugehen.
Und damit meine ich nicht die Kapazität oder die materiellen Vermögenswerte der Lieferkette, sondern nur die geistige Bandbreite, um ein Problem zu bewältigen. Wenn alle in der Organisation bereits mit voller Geschwindigkeit arbeiten, um das Unternehmen an einem normalen Tag am Laufen zu halten, dann explodiert oder verzögert sich alles, wenn Sie einen ungewöhnlichen Tag haben. Daher habe ich keine Patentlösung, um diese Bandbreite freizusetzen. Eine der besten Alternativen zu einer Patentlösung ist jedoch eine umfangreiche Softwareautomatisierung.
Auf diese Weise werden zumindest alle banalen Entscheidungen und banalen Aufgaben automatisiert erledigt, sodass die Menschen Zeit haben, sich auf das zu konzentrieren, was ziemlich ungewöhnlich ist. Und mit ungewöhnlich meine ich nicht die üblichen Schwankungen der Nachfrage, die etwas höher oder niedriger sind oder sich ständig ändern. Ich meine strukturelle Veränderungen, bei denen Lieferanten verschwinden, Lieferanten, die deutlich teurer werden, ohne dass es zu einer Rückkehr zum früheren Zustand kommt, Zölle oder Dinge, die die Struktur des Marktes, in dem Sie tätig sind, wirklich verändern.
Conor Doherty: Nun, mir fällt auf, dass es in einer Diskussion über Risiko und Widerstandsfähigkeit wahrscheinlich besser wäre, die Begriffe tatsächlich zu definieren. Also, Knut, wenn ich noch einmal auf Sie zurückkommen darf, nach der Pandemie wird viel über die Bedeutung von Risiko und Widerstandsfähigkeit gesprochen, aber ich meine, Risiko und Widerstandsfähigkeit gab es schon vor der Pandemie. In Ihrer fachlichen Meinung, wie haben sich diese Konzepte genau verändert? Wie haben sie sich materiell verändert als Folge der Pandemie?
Knut Alicke: Die gute Frage ist, ob sie sich verändert haben. Wenn Sie darüber nachdenken, was war es, 2011, als wir Fukushima hatten? Das war vor 12 Jahren, und Unternehmen haben ähnlich auf die jüngsten Stilllegungen, Störungen und Lockdowns reagiert. Ich würde sagen, dass viele dieser Ideen schon vor vielen, vielen Jahren existierten, aber sie wurden nicht als wichtig erachtet. Unternehmen haben sich nicht darauf konzentriert. Sie sagten: “Hey, die Störung ist vorbei, kehren wir zur Normalität zurück und stellen wir einfach sicher, dass unsere Lieferkette so schlank wie möglich und so günstig wie möglich ist, aber nicht so widerstandsfähig wie möglich.”
Wenn Sie also darüber nachdenken, was erforderlich ist, um widerstandsfähig zu sein, müssen wir die Sichtbarkeit gewährleisten. Wir brauchen so etwas wie ein Frühwarnsystem, das besagt: “Hey, in Stufe drei, Stufe vier brodelt etwas.” Also nicht unser direkter Lieferant, sondern der Lieferant des Lieferanten des Lieferanten hat Probleme. Vielleicht gibt es ein logistisches Problem, vielleicht gibt es ein Produktionsproblem, vielleicht gibt es ein Qualitätsproblem.
Wir wissen genau, dass sich dies bis zu uns, bis zu unserer Produktionslinie, durchziehen wird und eine Störung verursachen wird. Wenn wir das früh genug wissen, können wir reagieren. Oder sagen wir, hoffentlich können wir reagieren. Um reagieren zu können, müssen wir auch sicherstellen, dass wir so etwas wie eine Planung haben. Wenn wir zum Beispiel sehen, dass dieser Container wahrscheinlich zwei Wochen zu spät ankommt, dann ist diese Information an sich nicht hilfreich. Die Information, dass diese zweiwöchige Verzögerung zu einem Fehlbestand unserer Komponenten führt, dass dies zu einem Produktionsstopp führt, weil wir nicht das zusammenbauen können, was wir zusammenbauen wollen, oder dass wir ein Verfügbarkeitsproblem haben und nicht an den Einzelhandel liefern können, der unsere Produkte dringend benötigt, ist sehr wichtig. Und dafür benötigen wir Szenarioplanung.
Also müssen wir analysieren, was wir tun können, um diese Verzögerung zu mildern. Müssen wir den Versand beschleunigen? Müssen wir das Produkt ersetzen? Müssen wir etwas anderes einfliegen lassen, um die Verzögerung auszugleichen? Und hier haben viele Unternehmen immer noch ein Problem. Sie erstellen einen Plan, aber sie sind nicht in der Lage, Pläne zu erstellen, falls eine Störung oder eine Verzögerung auftritt. Und das ist äußerst wichtig. Wenn Sie jetzt darüber nachdenken, was notwendig ist, um das zu tun, müssen wir Daten haben, Stammdaten. Wir müssen die erforderlichen Fähigkeiten haben, über die wir bereits gesprochen haben, und wir müssen die Organisation haben, die auch akzeptiert, dass hier in diesem Szenario die Schlussfolgerung gezogen wird, dass Luftfracht die Lösung ist, und dann entscheiden wir uns für Luftfracht. All dies muss geschehen, um sicherzustellen, dass wir eine widerstandsfähige Lieferkette haben, die immer noch in der Lage ist zu liefern.
Conor Doherty: Nun, Sie haben tatsächlich wieder drei Komponenten identifiziert, und das war etwas, das Sie in einer kürzlich durchgeführten Umfrage erwähnt haben, die Sie bei McKinsey zu Technologie und Regionalisierung geschrieben haben. Sie haben erwähnt, dass die widerstandsfähigsten Lieferketten eine End-to-End-Sichtbarkeit, hochwertige Stammdaten und eine effektive Nachfrageszenarioplanung haben. Also, Joannes, um darauf zurückzukommen, warum halten Sie diese Komponenten für absolut entscheidend für eine widerstandsfähige Lieferkette? Oder würden Sie noch etwas hinzufügen?
Joannes Vermorel: Ja, aus meiner Sicht ist die Herausforderung bei Daten sehr spezifisch in dem Sinne, dass die Datenqualität normalerweise ausgezeichnet ist. Das ist seltsam, ich weiß, die meisten Anbieter beschweren sich über schlechte Daten, aber die Realität ist, dass, wenn wir uns zum Beispiel westliche Unternehmen ansehen, vielleicht nicht asiatische Unternehmen, diese seit drei Jahrzehnten digitalisiert sind und die Genauigkeit, wenn es einen Datensatz gibt, der besagt, dass dieses Ding an diesem Tag verkauft wurde, diese Menge, beträgt 99,9%. Ja, es gibt hier und da einige Schreibfehler, aber es ist sehr genau. Das Problem ist nicht, dass die Daten normalerweise falsch sind, sondern dass die Semantik sehr unscharf ist.
Nur um eine Vorstellung zu geben, die meisten unserer Kunden, und ich denke an die größeren wie börsennotierte Unternehmen, es ist normalerweise sehr unscharf, zu zählen, was sie auf Lager haben. Das Problem ist nicht, dass sie die Daten nicht haben, das Problem ist, stellen Sie sich einfach vor, Sie haben nicht ein ERP, sondern 20 ERPs und sie zählen alle den Bestand nicht auf eine Weise, sondern auf 20 verschiedene Arten. Und dann ist der Bestand nicht binär, er ist da oder nicht da, er kann beim Zoll festgehalten werden, er kann zur Qualitätsprüfung festgehalten werden, er kann gelagert werden, er kann für bestimmte Kunden irgendwo reserviert sein. Also sehen Sie, es gibt viele Komplexitäten.
Und wenn Sie über die Nachfrage nachdenken, dasselbe, es wird sehr schnell sehr unscharf. Betrachten wir zum Beispiel einen B2B-Vertreiber. Sie verkaufen an Unternehmen, daher haben Sie normalerweise mehrere Bestelldaten, nicht nur eine. Sie haben die Daten, in denen der Kunde Ihnen sagt, dass er dies in Zukunft möchte, aber es ist keine feste Bestellung, es ist in der Zukunft. Und dann gibt es ein Datum, an dem sie die Bestellung aufgeben, und dann gibt es ein Datum, an dem sie einen Teil der Bestellung zuerst geliefert haben möchten, und dann ein anderes Datum für den zweiten Teil der Bestellung und so weiter.
Also stimme ich absolut der End-to-End-Sichtbarkeit zu, sie ist eine entscheidende Zutat. Aber wo ich denke, dass Unternehmen häufig fehlen, ist, dass es an einer digitalen Kultur mangelt, um die Nuancen zu erfassen, die in diese Daten einfließen. Das Problem ist nicht so sehr, dass die Daten schlecht sind oder dass sie die Daten nicht haben, das Problem ist, dass sie buchstäblich Tausende von Tabellen haben und die Menschen in schlechten KPIs, simplen Rezepten und dergleichen ertrinken, die ihnen einfach nicht sagen, was sie wissen müssen.
Zum Beispiel haben wir bei Unternehmen, die eine Multi-On-Supply-Chain betreiben, gesehen, dass die Menschen über Service Levels im Mittelteil des Netzwerks nachdenken, aber das Service Level im Mittelteil des Netzwerks sagt Ihnen nichts über die wahrgenommene Servicequalität von der Kundenseite aus. Es sind reine Artefakte. Also würde ich sagen, diese Probleme sind die gleichen, aber es gibt eine gewisse Wendung in der Art und Weise, wie man sie betrachtet, und da sehe ich die größte Kompetenzlücke.
Wenn wir über Stammdaten sprechen, was bedeutet es, die Beherrschung der Daten zu haben? Das ist so etwas wie ein Wortspiel, aber ich würde sagen, dass das Problem eher die Beherrschung der Daten ist als der Mangel an Daten oder der Mangel an qualitativ hochwertigen Daten.
Conor Doherty: Also, Knut, um es zurückzugeben, stimmen Sie zu, dass es eher darauf ankommt, wie Sie die Datenreichtum oder die Datenquelle interpretieren und nicht auf die intrinsische Qualität der Daten?
Knut Alicke: Ehrlich gesagt, ich habe beides gesehen, aber ich würde zustimmen, dass es sehr wichtig ist, die Daten zu nutzen und Erkenntnisse aus den Daten zu gewinnen. Lassen Sie mich nur ein Element hinzufügen, denn das ist auch das, was ich bei vielen unserer Kunden sehe.
Der Planer hat ein System zur Verfügung, richtig? Verwendung von Daten und dann gibt es einen Algorithmus und dieser Algorithmus führt einige Berechnungen durch, eine Prognose, einen Produktionsplan, einen Lieferplan, was auch immer. Was wir oft sehen, ist, dass in diesem Algorithmus viel mehr algorithmische Intelligenz steckt, als der Planer bereit ist zu nutzen. Und warum ist das so? Das liegt daran, dass der Algorithmus für die meisten Planer wie eine Blackbox aussieht. Was sie gerne tun würden, ist, die Blackbox zu öffnen, hineinzuschauen, zu verstehen und sie dann zu nutzen.
Für ein großes Pharmaunternehmen haben wir nach der Implementierung eines der großen Planungssysteme eine Analyse durchgeführt und es haben sich nur acht Personen angemeldet und das System genutzt. Alle anderen Hunderte von Planern haben sich angemeldet, sind dann sehr schnell ausgeloggt und dann wieder eingeloggt. Was bedeutet das? Sie haben alle Daten in ihre Excel-Tabellen heruntergeladen, ihre üblichen Änderungen und Planungen vorgenommen und die Ergebnisse wieder hochgeladen.
Also, ein sehr wichtiger Aspekt ist die Erklärbarkeit. Wir müssen Vertrauen in Bezug auf all die Algorithmen schaffen, die wir haben. Entweder müssen wir es erklären oder wir müssen andere Möglichkeiten haben, um zu zeigen, dass die Algorithmen so funktionieren, wie sie sollten, und nur dann werden die Planer schließlich all diese coolen Sachen nutzen.
Conor Doherty: Tatsächlich, eine schnelle Nachfrage dazu, und es ist relevant für etwas, was ich bei Lokad gelesen habe. Ich werde nicht sagen, wer es geschrieben hat, aber es stand in einem Artikel über MRO und sie sagten, dass es wichtiger ist, zu verstehen, was der Algorithmus zu tun versucht, als zu verstehen, wie er funktioniert. Und ich bin neugierig, was Sie dazu sagen, Joannes, basierend auf dem, was Knut gerade gesagt hat und dem, was ich gerade gesagt habe.
Joannes Vermorel: Also, ich stimme Knut vollkommen zu in dem Sinne, dass anspruchsvolle Methoden neue Risikoklassen einführen. Und wenn Sie sich einige der größten Supply-Chain-Katastrophen aller Zeiten ansehen, waren sie softwaregesteuert. Das ist die Nike-Katastrophe von 2004, das ist Target Canada, das ist Lidl, das eine halbe Milliarde Euro verschwendet hat. Software ermöglicht es Ihnen, Dinge in großem Maßstab super schnell zu tun, einschließlich super dummer Dinge. Und ja, Opazität erfordert nichts Superfancy, um super undurchsichtig zu werden.
Die Schönheit von Computern besteht darin, dass der menschliche Verstand mit nur etwa 10 Multiplikationen zurückbleibt. Und selbst wenn Sie super intelligent sind, können Sie bei einer bescheidenen Berechnung, die mehr als 10 Multiplikationen und Additionen durchführt, nicht intuitiv nachvollziehen, was passiert. Es erfordert also keine brutale numerische Raffinesse, um absolut undurchsichtig zu sein. Selbst etwas, das in Bezug auf die Rechenleistung des Computers noch relativ einfach ist, geht bereits weit über das hinaus, was Sie verfolgen können.
Also, das ist ein großes Problem und übrigens, selbst wenn Sie Planer durch Datenwissenschaftler ersetzen, haben Sie immer noch dasselbe Problem. Es gibt Klassen von maschinellen Lernwerkzeugen, die selbst für diejenigen, die diese Werkzeuge verwenden, sehr undurchsichtig sind. Selbst wenn Sie ein tiefes Verständnis der Algorithmen haben, bedeutet das nicht, dass Sie verstehen, ob die Ergebnisse, die Sie betrachten, wirklich das sind, was Sie beabsichtigt haben. Das ist eine andere Art von Problem.
Der Ansatz von Lokad besteht größtenteils darin, sehr bestimmte Klassen von maschinellen Lernwerkzeugen zu verwenden, insbesondere differenzierbares Programmieren, mit denen Sie mit semantischen Variablen arbeiten können. Die Idee ist also, dass es sich nicht um irgendeine Art von maschinellem Lernen handelt, sondern um Modelle, bei denen jede einzelne Variable einen Namen und eine damit verbundene Bedeutung hat. Das bedeutet, dass Sie stückweise in Ihrem Modell überprüfen können, was passiert, um zu verstehen, ob das Verhalten korrekt aussieht.
Nur um ein Beispiel zu geben, wenn wir zum Beispiel Zyklen haben, den Wochentag, die Woche des Jahres, die Woche des Monats, bedeutet das, dass diese Zyklen benannte Parameter haben, die Sie überprüfen können. Es wird buchstäblich eine Variable namens Ramadan-Effekt oder chinesischer Neujahrseffekt geben. Das mag sehr anti-maschinelles Lernen klingen, weil wir die Muster nicht automatisch entdecken, aber die Idee, dass alle Muster benannt sind und Variablen eine klare Bedeutung haben, macht es viel einfacher, das Modell stückweise zu überprüfen.
Also, selbst wenn die Ausgabe seltsam ist, können Sie immer noch die Teile überprüfen, aus denen das Modell besteht, und dafür brauchen Sie keinen Doktortitel in Mathematik. Das ist nur ein Teil der Lösung, aber der Rest erfordert unterschiedliche Methoden. Aber ja, das technologische Risiko, also die Einführung von Raffinesse, um Ihr Unternehmen widerstandsfähiger zu machen, die Geschichte ist ein wenig gegen Softwareanbieter im Allgemeinen. Anspruchsvollere Softwaretechnologien neigen dazu, Unternehmen insgesamt fragiler zu machen im Vergleich zu groberen, einfacheren Möglichkeiten, Unternehmen zu organisieren.
Conor Doherty: Nun, Knut, um tatsächlich zum Thema Risiko und Widerstandsfähigkeit zurückzukehren, erinnere ich mich, dass Sie in der Umfrage, glaube ich, im November dieses Jahres festgestellt haben, dass von den drei genannten Zutaten - Sichtbarkeit, Stammdaten und Bedarfsplanung - die Szenariobedarfsplanung die geringste Akzeptanz hatte. Ich glaube, nur etwa ein Drittel der Befragten gab an, dass sie eine effektive Szenariobedarfsplanung im Unternehmen haben. Mich interessiert nur, warum Sie denken, dass es einen Rückgang zwischen den ersten beiden Zutaten und der letzten gibt und welche Auswirkungen das auf die Widerstandsfähigkeit des Unternehmens hat.
Knut Alicke: Planung ist nicht einfach. Es klingt einfach, man sagt einfach: “Warum bewerten Sie nicht Ihren gesamten End-to-End-Plan für das Szenario, dass wir weniger Kapazität haben oder eine höhere Nachfrage besteht oder der Lieferant nicht liefern kann?” Aber stellen Sie sich vor, dass viele Unternehmen immer noch einen Plan pro Woche berechnen. Es dauert also immer noch das Wochenende, weil es 14 Stunden dauert und viele IT-Ressourcen blockiert.
Selbst in diesen Tagen ist dies oft der Fall. Wie würden Sie diesen Unternehmen sagen: “Bitte berechnen Sie fünf Szenarien, in denen Sie verschiedene Lösungen bewerten”, wo sie sagen: “Okay, das dauert eine Woche, um zu berechnen.” Also ist die reine Berechnung oft nicht vorhanden. Dann ist oft nicht klar, wie das Szenario bevölkert werden soll. Was sollen wir berechnen und wie bewerten wir das, richtig?
Alle Anbieter von Planungslösungen haben die Möglichkeit, Szenarien zu berechnen. Dann müssen Sie bewerten, was für unsere aktuelle Konfiguration und für unsere Kunden und für unsere Lieferkette besser ist. Sie müssen also klarstellen, “Hey, es sollte optimiert sein für Service, Kosten oder unseren Bestand.” Das ist oft nicht klar.
Leider sehen wir immer noch viele S&OP-Prozesse oder IBP-Prozesse oder End-to-End-Planungsprozesse, die nur eine Lösung bieten. Und dann ist die Diskussion sehr interessant, weil Sie nur diese eine Lösung akzeptieren können. Es gibt keine Möglichkeit zu sagen: “Hey, warum machen wir hier nicht etwas anderes?” Es gibt also viel aufzuholen und zu verbessern, um in der Lage zu sein, die Szenarien zu berechnen, die Abwägungen zu verstehen und zu bewerten und dann zu einer gemeinsamen Entscheidung zu kommen, was am besten für unsere Kunden oder das Unternehmen oder den Wert ist.
Conor Doherty: Nun, Joannes, ich komme gleich auf Sie zu. Aber um darauf zurückzukommen, Knut, wenn es darum geht, die Machbarkeit eines bestimmten Szenarios zu bewerten, sehen Sie das als einzigartig für jedes Unternehmen an oder glauben Sie, dass es eine übergreifende Metrik oder Philosophie gibt, die jedes Unternehmen zur Bewertung der Machbarkeit eines Szenarios verwenden könnte?
Knut Alicke: Wir sprechen immer von den drei wichtigsten Elementen einer Lieferkette, nämlich Kosten, Service und Kapital. Wahrscheinlich würde es sogar mit dem Service beginnen. Und dann gibt es Abwägungen. Der Service steigt, “Oh ja, das können wir tun, wenn wir den Bestand erhöhen oder die Kosten erhöhen.” Kosten senken, “Ja, okay, aber dann könnte der Service sinken.” Also ist es wichtig, diese Abwägungen zu verstehen.
Wenn wir mit vielen unserer Kunden sprechen, machen wir oft eine sehr einfache Übung. Wir fragen sie einfach einzeln: “Was ist für Sie am wichtigsten? Wo würden Sie investieren, sagen wir, 10 EUR, um zu verbessern, wenn Sie etwas hätten, oder tausend oder 100.000? Geht es darum, Kosten zu senken oder Kosten zu optimieren? Geht es darum, den Servicegrad zu verbessern oder den Bestand zu reduzieren?” Und oft bekommt man ein völlig unterschiedliches Bild. Jeder spricht über verschiedene Dinge.
Das bedeutet, dass die Lieferkettenstrategie nicht ausgerichtet ist. Wenn die Lieferkettenstrategie nicht ausgerichtet ist, wie würden Sie dann bewerten, was das beste Szenario ist? Denn ein Teil des Unternehmens würde sich für einen höheren Servicegrad entscheiden, oft würde der produzierende Teil sich für niedrigere Kosten entscheiden, weil das ihre lokalen Anreize sind. Das ist also etwas, wo in der Bonusstruktur, wenn Sie sich die Bonusstruktur ansehen, oft im Widerspruch zu diesen Abwägungsdiskussionen für Szenarien steht. Das ist also etwas, das angegangen werden muss, gelöst werden muss, und dann können Sie entscheiden: “Hey, das ist wirklich die beste Lösung für unser Unternehmen.”
Conor Doherty: Danke. Und Joannes, wie bewerten Sie die Machbarkeit von Szenarien?
Joannes Vermorel: Ich würde zuerst ein paar andere Dinge überdenken. Denn sehen Sie, zunächst einmal sollten wir über die Rechenanforderungen sprechen. Das ist etwas, das ich häufig höre: “Oh, es dauert Stunden, um zu berechnen.” Aber betrachten wir einmal, dass ein Smartphone, nur ein gewöhnliches Smartphone, von Haus aus etwa 10 bis 20 Milliarden Operationen pro Sekunde durchführt. Und das ist ein Smartphone. Wenn Sie zu einer Workstation wechseln, einer tatsächlichen Workstation, sind wir sehr leicht, kostengünstig, bei 100 Milliarden Operationen pro Sekunde. Wenn Sie verrückt sind und 5.000 Dollar ausgeben und Grafikkarten und GPUs einbauen, sind Sie bei tausend Milliarden Operationen pro Sekunde. Wiederum billiges Zeug.
Die Frage ist nun, was genau machen Sie mit dieser Rechenleistung? Denn das ist das Entscheidende. Bei Lokad haben wir die typische Diskussion. Ich höre Leute sagen: “Oh, für fünf Szenarien benötigen wir 40 Stunden Rechenzeit.” Und dann sagen wir bei Lokad: “Oh, aber wir führen etwa tausend Szenarien pro Sekunde aus.” Also würde ich zuerst sagen, wir haben mehrere Probleme.
Erstens hat moderne Unternehmenssoftware das Problem, dass sie Schicht um Schicht ineffizient ist. Und die Leute realisieren es vielleicht nicht, aber die meisten Unternehmenssoftware basiert auf 40, manchmal sogar 50 Jahren ineffizienter Schichten, die nie verschwunden sind. Und so verlieren Sie Ihre Rechenleistung um den Faktor 1 Million, manchmal sogar mehr, durch Ineffizienzen, die durch diese Art von Lasagnen-Software-Design entstehen, bei dem es sich um ein Stück Software handelt, das mit einem anderen Stück Software spricht, das mit einem anderen Stück Software spricht, usw.
Wenn Sie beispielsweise versuchen, so etwas mit einem Transaktionssystem-SQL-Datenbank zu tun, wird es wahnsinnig ineffizient sein. Ich meine, wenn ich von wahnsinnig spreche, dann um den Faktor etwas zwischen tausendmal langsamer als es sein sollte und möglicherweise bis zu einer Millionmal langsamer als es sein sollte. Lieferketten als Objekte für numerische Simulationen sind also nicht super komplex. Selbst eine unglaublich komplexe Lieferkette besteht aus etwa 100 Millionen SKUs, vielleicht 200 Millionen SKUs. Ein modernes Videospiel simuliert in Echtzeit jetzt etwa eine Milliarde Dreiecke, 60 Bilder pro Sekunde. Das gibt Ihnen nur eine Vorstellung von der Größenordnung.
Wir sprechen also von etwas, das in Bezug auf moderne Rechenleistung selbst eine gigantische Lieferkette, wie bei Walmart, klein ist. Sie ist kleiner als Ihr durchschnittliches Videospiel heutzutage. Das sollten wir im Hinterkopf behalten. Und wenn Sie eine Berechnung haben, die länger als Minuten dauert, müssen Sie wirklich innehalten und überlegen: “Mache ich etwas, das wirklich kompliziert ist und all diese Rechenleistung benötigt? Oder starte ich nur von etwas, das unglaublich ineffizient ist?” Meine These ist, dass wir die meiste Zeit über Dinge sprechen, die unglaublich ineffizient sind.
Und das ist, wenn Sie es richtig angehen, kein Problem. Dann ist die zweite Sache die Umsetzbarkeit von Szenarien. Mein Ansatz, ich meine bei Lokad, was ich vor etwas mehr als einem Jahrzehnt entdeckt habe, ist, dass das Problem mit Szenarien ist, dass sie viel Wartung erfordern. Wenn Sie ein Dutzend Szenarien haben, die Sie pflegen möchten, ist das viel Aufwand. Und der Trick, und es war buchstäblich ein Trick, besteht darin, dass Sie einen probabilistischen Ansatz wählen, bei dem Sie alle Szenarien auf einmal betrachten. Das bedeutet potenziell Millionen von Szenarien. Wenn Sie die richtigen Instrumente, mathematischen Instrumente und Software-Instrumente haben, wird es viel einfacher.
Und das ist überraschend, denn man würde denken: “Oh, wenn ich mir alle möglichen Zukunftsszenarien auf einmal anschaue, muss es viel komplizierter sein.” Aber die Realität ist, dass es mit dem richtigen Ansatz nicht so ist. Und die Antwort ist, dass plötzlich alles, was Sie berücksichtigen möchten, viel besser handhabbar wird. Sie müssen keine schweren Entscheidungen darüber treffen, was mit dem Lagerhaus passiert. Okay, nehmen wir an, das Lagerhaus hat jeden Monat eine 1%ige Chance, überflutet zu werden oder etwas zu erleiden, was den Betrieb schwerwiegend beeinträchtigen würde. Wir müssen nicht genau wissen, was passiert, wir sagen einfach: “Okay, jeden Monat besteht eine 1%ige Chance, dass wir die Hälfte der Kapazität des Lagers aus irgendeinem Grund verlieren, sei es ein Streik, eine Überschwemmung, ein elektrisches Problem, ein kleiner Brand.”
Und wir können sagen: “0,1%ige Chance, dass wir das Lagerhaus für sechs Monate verlieren.” Und wissen Sie, es ist eine Vermutung, das ist in Ordnung. Und dann ist das Interessante, dass Sie das nicht isoliert von den anderen Dingen tun. Das Schöne am probabilistischen Ansatz ist, dass Sie sagen können: “Wir fügen dieses Risiko dem Lagerhaus hinzu und dann fügen wir das Risiko hinzu, dass ein Hafen in China blockiert ist, wiederum 1%ige Chance jeden Monat.” Das ist eine Schätzung, wir können das überprüfen. Aber das Interessante ist, dass Sie plötzlich den Weg parallelisieren können, um über diese Risiken nachzudenken.
Sie erstellen kein Szenario, in dem Sie genau festlegen, welche Risiken berücksichtigt werden und welche nicht. Sie können ein Risiko für das Lagerhaus hinzufügen, ein Risiko für einen Hafen in China, ein Risiko für einen Preisanstieg bei einem Lieferanten. Und das ist das Schöne daran, dass all das miteinander verschmilzt. Und in Bezug auf die Wartung, was bleibt zu tun, wenn Sie sich entscheiden, ein Risiko einzubeziehen? Die Antwort lautet: nichts, denn Ihre probabilistische Prognose eingebettet das und die Entscheidungen, die aus dem System hervorgehen, sind von vornherein risikobereinigt.
Joannes Vermorel: Ich würde sagen, diese Art von puristischer Perspektive im Vergleich zur klassischen Szenarioplanung besteht darin, dass Sie zunächst die Art und Weise, wie Sie die verschiedenen Risiken analysieren, vollständig zerlegen können. Wenn Sie verschiedene Personen haben, die verschiedene Risiken analysieren, können sie gleichzeitig mit demselben System arbeiten. Und sobald Sie sich auf ein Risikoniveau geeinigt haben, erhalten Sie sofort risikobereinigte Entscheidungen, sobald Sie es einschalten. Das war’s, nichts zu tun, und das ist das Schöne daran.
Also, in Bezug auf die Praktikabilität, wenn Sie der Meinung sind, dass die Inflation ein 1%iges Risiko hat, in den nächsten 12 Monaten über 20% zu liegen, okay, berücksichtigen Sie das. Und wenn die Leute zustimmen, dann haben wir das und wir haben sofort alle Entscheidungen, die für dieses Risiko risikobereinigt sind.
Das Interessante ist, dass wenn Sie solche Dinge ausdrücken, ja, Sie können am Ende ein paar Dutzend Risiken auf hoher Ebene haben, aber sie sind nicht sehr kompliziert auszudrücken und sie sind nicht sehr kompliziert zu pflegen. Das ist das Schöne daran. Es ist viel einfacher, ein Risiko auf hoher Ebene wie eine 1%ige Chance auf eine Inflation von über 20% in den nächsten 12 Monaten für Deutschland zu pflegen, als ein Szenario zu erstellen, in dem Sie auf dieses Risiko auf spezifische Weise reagieren würden.
Der probabilistische Ansatz ähnelt eher der quantenphysikalischen Perspektive, bei der wir sagen, nun, wir betrachten all diese möglichen Zukunftsszenarien und lassen die mathematischen Instrumente mit diesen seltenen Phänomenen umgehen. Aber insgesamt sind sie unvermeidlich. Wenn Sie eine Reihe von 1%igen Risiken pro Monat anhäufen, ist es garantiert, dass Sie im Laufe der nächsten 5 Jahre mit mehreren dieser Probleme konfrontiert werden. Die Frage ist nur, wann eines davon passieren wird. Das wissen Sie nicht, aber das ist in Ordnung.
Conor Doherty: Knut, entspricht das Ihrer technischen Sicht der Situation?
Knut Alicke: Das passt definitiv. Es wäre großartig, diese Berechnungen zu nutzen und Verteilungen von Reaktionen zu haben, um dies zu diskutieren.
Nehmen wir zum Beispiel an, Sie führen diese Szenario-Simulationen durch, richtig? Und dann wissen Sie sozusagen, mit welcher Wahrscheinlichkeit dies und das passiert. Was dann wichtig ist, ist, dass Unternehmen bereit sein müssen, Hebel zu betätigen. Jetzt wissen Sie, dass es möglicherweise zu einer Störung kommt, was dann? Sie müssen verstehen, dass ich hier diese fünf Dinge bereithalten muss und falls etwas mit meinem Frühwarnsystem passiert, würde ich dann anfangen, umzusetzen.
Oft sind Unternehmen jedoch nicht wirklich darauf vorbereitet. Selbst wenn sie die Erkenntnis haben, sind sie nicht bereit, die Lösung umzusetzen.
Joannes Vermorel: Ich stimme Ihnen vollkommen zu. Und übrigens habe ich deshalb in meiner Vortragsreihe die Supply Chain als Beherrschung der Optionen eingeführt. Sie müssen Optionen kultivieren.
Szenarien sind eine Möglichkeit, diese Optionen dringlicher zu machen, wie zum Beispiel alternative Transportmittel. Aber das Problem ist, dass es sich bis zum Auftreten des Problems sehr theoretisch anfühlt.
Mein Problem mit Szenarien vor einem Jahrzehnt lag darin, dass ein bestimmtes Szenario die meiste Zeit nicht zum Tragen kam. Diese 1%ige Chance tritt die meiste Zeit nicht ein, und daher gibt es keine Bereitschaft dafür, weil nichts im System wirklich auf die unmittelbare Umsetzung dieses Szenarios ausgerichtet ist.
Aber wenn Sie etwas kultivieren, bei dem zum Beispiel jedes Mal, wenn Sie eine Bestellung aufgeben, die Möglichkeit besteht, sie zu einem viel höheren Preis per Fracht zu versenden, ist es immer eine Option, die vorhanden ist. Es ist nur so, dass es normalerweise nicht rentabel ist.
Das ist der Unterschied zwischen der Optimierung, bei der die Option bereits eingesteckt ist, latent vorhanden, aber nicht genutzt wird, weil die Bedingungen nicht stimmen, und einem Szenario, bei dem am Tag, an dem diese Option zum Einsatz kommen sollte, nichts bereit ist. Die Menschen sind nicht daran gewöhnt, die IT-Systeme reagieren nicht sofort auf die richtigen Entscheidungen, und so müssen die Menschen viel ungewöhnliche Dinge denken und tun.
Knut Alicke: Lassen Sie mich Ihnen ein Beispiel aus den letzten Jahren geben, bei dem wir einem Kunden geholfen haben, widerstandsfähiger zu sein. Wir haben uns Szenarien angesehen, ein Frühwarnsystem entwickelt und alles Mögliche gemacht und dann festgestellt, dass wir, wenn in einer Anlage etwas passiert, in einer anderen Anlage produzieren können. Aber es gibt eine Engpassressource, die Testausrüstung. Es dauerte 12 Wochen, um sie von einer Anlage in die andere zu verlegen.
In Ihren Szenarien müssen Sie 12 Wochen im Voraus entscheiden: “Hey, erwarten wir etwas und sollten wir uns bewegen?” Das war für sie völlig neu. Sie haben immer erst etwa 3 Wochen vorher darüber nachgedacht und dann gesagt: “Oh, es ist zu spät.” Sie müssen den Lösungsraum verstehen, sozusagen die Durchlaufzeit zur Umsetzung, und dann können Sie wirklich eine gute Diskussion führen.
Joannes Vermorel: Ich denke, Sie haben absolut recht. Aber zum Beispiel der Fall der Testausrüstung ist sehr interessant, weil die Menschen häufig in die alltäglichen Notfälle hineingezogen werden. Wenn Sie bereits mit verspäteten Lieferanten, Preissprüngen, der Neuverhandlung Ihres Vertrags mit Kunden und allen möglichen anderen Problemen zu kämpfen haben, sind sie eine vollständige Ablenkung.
Das bedeutet, dass es wichtig ist zu sagen: “Okay, wir müssen doppelt investieren und Redundanz in der Testausrüstung haben. Es wird nicht super effizient sein, aber auf lange Sicht, im Laufe der nächsten fünf Jahre, wird es eine Zeit geben, in der es unsere Servicequalität retten wird.” Und es ist vielleicht nicht so teuer.
Das ist die Art von Dingen, bei denen die Menschen Zeit und Ruhe zum Nachdenken brauchen. Wenn sie von einem Feuerwehreinsatz zum nächsten springen müssen, findet dieses strategische Denken einfach nicht statt.
Knut Alicke: Lassen Sie mich darauf aufbauen. Was ich auch für sehr wichtig halte, ist, wie erzählt man diese Geschichte, die Sie gerade erzählt haben, dass “Hey, wir brauchen die Testausrüstung, wir brauchen eine zweite.” Das erfordert Investitionen, daher werden alle Arten von KPIs, die mit dem Quartalsende zusammenhängen, nicht gut aussehen.
Das ist eine Entscheidung des Vorstands. Und was wir oft zu erklären versuchen, ist, dass wir die Analogie einer Versicherung verwenden. Sie haben eine Autoversicherung, Sie zahlen für Ihre Autoversicherung. Wenn Sie dies in Ihren täglichen Betrieb übersetzen würden, würden Sie sagen: “Ah, warum muss ich diese Autoversicherung bezahlen? Es besteht eine so geringe Wahrscheinlichkeit, dass etwas passiert. Vielleicht können Sie es einfach überspringen, oder? Ich brauche es nicht.”
Nein, Sie möchten es für den seltenen Fall eines Unfalls haben, denn dann wird es wirklich schlimm und dann kommt die Versicherung ins Spiel. Und so denken wir über die Widerstandsfähigkeit der Lieferkette nach. Es ist etwas, das Sie für den Fall entwickeln. Es kann einige Investitionen erfordern, es kann einige Vorbereitungen erfordern, aber dann sind Sie für den Fall gerüstet, dass es passiert.
Die Herausforderung besteht darin, dass die meisten Unternehmen nur das nächste Quartal oder das nächste Jahr im Blick haben, aber die nächste Störung könnte in einem Jahr plus einem Monat eintreten. Das ist also eine strategische Entscheidung, die getroffen werden muss und die vom Vorstand entschieden werden muss. Und deshalb ist es super, super wichtig, diese Geschichte dem Vorstand zu erzählen.
Conor Doherty: Wenn Sie von Geschichten erzählen sprechen, klingt das fast wie Führung, fast wie etwas, das in einer Führungsmethodik vorkommen könnte, etwas, das vielleicht in einem Buch vorkommen könnte?
Knut Alicke: Genau, und es ist sehr schön zu sehen, dass sogar ein Exemplar des Buches dort ist. Das ist erstaunlich, “Source to Sold”. Und tatsächlich haben mein Co-Autor Radu Palamario und ich darüber gesprochen, warum wir nicht mehr Menschen mit Hintergrund in der Lieferkette in Vorständen sehen, oder? Als CEO, auch als COO, warum ist das so?
Wir haben scherzhaft gesagt, dass es wahrscheinlich daran liegt, dass Menschen in der Lieferkette eine andere Sprache sprechen. Sie sind so zahlenorientiert, so detailliert, dass sie das große Ganze nicht sehen. Und wir haben gesagt, andererseits haben Menschen in der Lieferkette ein umfassendes Verständnis. Sie sollten das Geschäft verstehen.
Knut Alicke: Wir haben scherzhaft gesagt, weil es wahrscheinlich wahr ist, dass Menschen in der Lieferkette eine andere Sprache sprechen. Sie sind so zahlenorientiert, so detailliert, dass sie oft das große Ganze nicht sehen.
Andererseits haben Menschen in der Lieferkette ein umfassendes Verständnis, sodass sie das Geschäft verstehen sollten. Wir haben untersucht, ob wir Beispiele dafür haben. Wir haben die Fortune 200 untersucht und festgestellt, dass nur 11% der Unternehmen einen CEO mit Hintergrund in der Lieferkette haben. Tim Cook ist ein bekanntes Beispiel, aber es gibt sicherlich noch einige mehr.
Wir haben beschlossen, ein paar Leute zu interviewen, die es mit einem Hintergrund in der Lieferkette in den Vorstand geschafft haben. Daraus ergaben sich 26 Interviews, die wir in dem Buch zusammengefasst haben. Wir haben dann eine zusammengefasste Version dessen erstellt, was wir gelernt haben, das sogenannte Chain-Modell.
Die Interviews waren sehr interessant. Wir haben viel von diesen Menschen gelernt, die sehr unterschiedliche Karrieren hatten. Wir hatten Menschen aus der ganzen Welt, Männer und Frauen. Es war nicht so einfach, Frauen zu finden, also ist klar, dass dies immer noch ein von weißen Männern dominiertes Feld ist und sich das ändern muss.
Wir hatten Unternehmer, kleine Unternehmen, große Unternehmen. Das Buch hat sehr gutes Feedback erhalten.
Conor Doherty: Aus Neugierde, im Zusammenhang mit einer Diskussion über Risiko und Widerstandsfähigkeit, gibt es Interviews, die Ihnen in Bezug auf die aktuelle Diskussion relevante Erkenntnisse liefern? Sie können jeden auswählen, männlich oder weiblich.
Knut Alicke: Jeder wortwörtlich, denn es war die Zeit des Lockdowns, als wir die Interviews geführt haben. Jeder sprach über die Bedeutung von Agilität, Vorbereitung und Widerstandsfähigkeit. Das haben wir auch in das Chain-Modell aufgenommen. Das ‘A’ steht für anpassungsfähig. Es ist sehr wichtig, dass wir das Risiko verstehen und in der Lage sind, das Risiko dem Vorstand zu kommunizieren.
Conor Doherty: Könnten Sie das Chain-Modell Buchstabe für Buchstabe erklären?
Knut Alicke: ‘C’ steht für kollaborativ. Wir müssen kollaborativ sein, das haben wir in einigen der Interviews gehört. Einer der Beitragenden sagte, dass er einen neuen S&OP-Prozess implementieren wollte und auf die Idee kam, die Lieferanten einzubeziehen. Es gab drei Lieferanten, die sehr wichtig waren. Anfangs war jeder im Unternehmen dagegen, unseren Produktionsplan dem Lieferanten offenzulegen. Aber er setzte es durch und alle waren sehr zufrieden. Der Aufbau von Beziehungen intern und extern zu Kunden und Lieferanten ist äußerst wichtig.
‘H’ steht für ganzheitlich. Wir müssen das gesamte System verstehen, das große Ganze, was von Anfang bis Ende passiert. Das ist etwas, das in der Natur einer Person in der Lieferkette liegt. Es liegt nicht unbedingt in der Natur einiger anderer Funktionen, bei denen man oft mehr auf das konzentriert ist, was man tut.
‘A’ steht für anpassungsfähig, worüber wir bereits gesprochen haben. Das ‘I’ in Chain steht für einflussreich. Hier würde ich sagen, ermächtigen Sie die Menschen um Sie herum, ihr Bestes zu geben und beizutragen.
Das ‘N’ steht für narrativ, was für mich der wichtigste Teil ist. Es geht wirklich darum, wie man Dinge erklärt. Zum Beispiel könnte eine Person in der Lieferkette eine Verbesserung des Servicelevels erklären, indem sie sagt, dass unser OTIF von 89,7% auf 91,2% gestiegen ist. Das sagt nicht unbedingt viel aus. Wenn Sie eine Sprache verwenden, die vom Vorstand verstanden wird, könnten Sie sagen, dass wir unseren Servicelevel verbessert haben und dadurch mehr verkaufen konnten oder dass der Kunde zufriedener ist und wiederkommt. Es geht darum, die richtige Sprache, das richtige Narrativ zu verwenden.
Wir sagen immer, dass die Lieferkette in den letzten drei Jahren einen Platz am Tisch bekommen hat und jetzt hat das jeder verstanden. Jetzt müssen wir sicherstellen, dass wir diesen Platz am Tisch behalten. Wir müssen beweisen, dass es sich lohnt, diesen Platz zu behalten.
Conor Doherty: Vielen Dank für Ihre Gedanken.
Joannes Vermorel: Das Interessante ist, dass die Kritik in gewisser Weise in beide Richtungen geht. Ja, der Leiter der Lieferkette sollte die Sprache des Vorstands sprechen können. Aber das Problem, das ich sehe, ist auch, dass die zugrunde liegende Softwareinfrastruktur, die die Handlungen des Leiters der Lieferkette unterstützt, in der Regel Indikatoren liefert, die unglaublich kurzsichtig sind.
Zum Beispiel bedeutet der Servicegrad nichts, wenn Sie in einem Geschäft sind, in dem es Ersatz gibt. Wenn der Kunde immer noch in den Laden kommen kann und technisch gesehen 50% der Artikel fehlen, aber es tonnenweise Ersatz gibt und er einfach einen Ersatz nimmt, wie es zum Beispiel in der Modebranche passieren kann, ist das größtenteils unsinnig.
Wir haben ein Problem, bei dem der Leiter der Lieferkette keine Erzählung oder etwas hat, das Sinn ergibt, weil alle Zahlen, die von seiner zugrunde liegenden Infrastruktur, den Menschen und der Software, generiert werden, nicht ganz sinnvoll sind.
Sehr häufig wurde noch nie in Euro oder Dollar quantifiziert, wie die Qualität des Service auf eine Weise ist, die auch nur annähernd dem Geschäft entspricht. Sie würden sagen: “Oh, wir haben einen Servicegrad.” Aber der Servicegrad ist super einfach zu berechnen, aber spiegelt er die Wahrnehmung wider?
Zum Beispiel, was ist der Unterschied zwischen dem Betreten Ihres Ladens heute und dem Nichtfinden dessen, was ich erwartet habe, im Vergleich zum Aufgeben einer Bestellung vor sechs Monaten, Ihnen sechs Monate Spielraum zu geben, um das Produkt zu bekommen, und dann festzustellen, dass Sie sechs Monate später immer noch nicht vorbereitet sind? In einem Fall ist es schade, ich hatte Pech. Im anderen Fall ist es völlig inakzeptabel und amateurhaft.
Das Problem bei diesen sehr naiven Indikatoren ist, dass sie nicht nur den Elefanten, sondern die Elefantenherde völlig übersehen. Es ist sehr schlecht. Ich glaube, dass Ihre Erzählung auch eine Aufforderung sein kann, Zahlen zu entwickeln, die tiefer mit einem Unternehmen resonieren.
Es geht nicht nur darum, Zahlen zu haben. Diese technischen Zahlen resonieren nicht, weil sie einfach schlecht sind. Wenn Sie eine Zahl nennen, die entweder besagt: “Wir investieren 1 Million EUR in zusätzliche Servicequalität” oder “Es wird uns 10 Millionen EUR Umsatz pro Jahr kumulativ für die nächsten fünf Jahre kosten”, dann würde es jeder irgendwie verstehen.
Das Problem, das ich sehe, ist, dass viele der traditionellen Praktiken in der Lieferkette ein wenig schuld an ihren unterstützenden Anbietern sind. Die Art von Zahlen, die Sie aus diesen Praktiken und ihren Tools erhalten, sind Prozentsätze, die sehr unsinnig sind.
Alles, was als Prozentsatz ausgedrückt wird, ist meiner Meinung nach in der Regel sehr suspekt. 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? Es ist normalerweise diese Art von Maßstab, um eine gute Kennzahl zu erhalten.
Es ist eine Herausforderung, eine Erzählung zu erstellen, die auch geschäftlich Sinn ergibt, weil man auf Luftpolstern arbeitet, würde ich sagen.
Knut Alicke: Mir gefällt der Ansatz, dass das Erzählen der richtigen Geschichte auch die richtigen KPIs erfordert.
Also, was Sie im Grunde sagen, ist, dass mein Beispiel bereits übersetzt werden sollte und nicht vom Leiter der Lieferkette. Das wäre eine ideale Situation, in der sogar der CEO verstehen kann, dass ich durch Verbesserung bestimmter Aspekte meinen Umsatz steigern werde. Ich stimme vollkommen zu. Wir sind wahrscheinlich einen Schritt davor, aber es ist eine großartige Vision, die Sie entwerfen.
Joannes Vermorel: Meine Perspektive zu Ihrer Erzählungsidee ist, dass ich sehr häufig sehe, dass die Leute, insbesondere in der Lieferkette, diese Art von Effekten zweiter Ordnung fürchten. Dinge, die nicht in den Büchern stehen.
Zum Beispiel, immer wenn Sie am Ende der Saison Rabatte in Ihrer Marke haben, haben Sie zwei Probleme. Erstens geben Sie sofort Ihre Marge auf, aber dann schaffen Sie eine schlechte Gewohnheit in Ihrer Kundenbasis, die den Rabatt erwartet. Also werden sie nächstes Jahr warten, bis Sie den gleichen Rabatt geben, bevor sie kaufen.
Diese Art von Dingen kann nicht einfach quantifiziert werden, weil es sich um Dinge handelt, die sich über mehrere Jahre, möglicherweise Jahrzehnte, entwickeln. Luxusmarken machen zum Beispiel nie Promotionen, damit sich solche Dinge erst gar nicht entwickeln.
Aber zurück dazu, das bedeutet, dass Sie eine KPI haben müssen, bei der ein Teil Ihrer Zahl komplett erfunden ist. Das bedeutet nicht, dass es irrational oder gefälscht ist, es bedeutet nur, dass es eher eine Einschätzung ist, die sehr vernünftig sein kann, aber getroffen werden muss.
Diese Art von Erzählung zwingt Sie dazu, diese langfristige Sichtweise einzunehmen und diese Art von Dingen numerisch zu berücksichtigen, damit Sie keine als optimal angesehene Entscheidung treffen, die tatsächlich unglaublich kurzsichtig ist.
Ein weiteres Problem, das ich sehe, ist, dass die Leute nicht einfallsreich genug sind. Sie berücksichtigen nicht Dinge, die im Unternehmen, im weiteren Unternehmen, bekannt sind, aber aufgrund der Tatsache, dass es etwas schwer fassbar, etwas schwer genau zu messen ist, ziehen sie es vor, es vollständig zu ignorieren, anstatt es grob, aber zumindest präsent zu haben.
Conor Doherty: Nun, mir fällt auf, um Joannes schnell zu antworten, dass Knut in seinem Beispiel, als er über die Bereitstellung von Erzählungen sprach, die das Konzept der Bedarfsplanung etwas einfacher machen, das Beispiel der Versicherung verwendet hat und Lokad hat tatsächlich Erzählungen wie zum Beispiel die Korb-Perspektive, die die Idee der Wechselbeziehung und der zusätzlichen Kosten vermittelt, wenn man etwas nicht hat, wenn man es braucht. Das ermöglicht es den Menschen, den Effekt zweiter Ordnung zu verstehen. Also möchte ich vielleicht die Korb-Perspektive als die Erzählung entpacken, die wir tendenziell verwenden, um das zu erleichtern.
Joannes Vermorel: Das Problem ist, dass sobald wir diese Faktoren haben, die keine greifbaren Zahlen sind, das ist das, was ich den zweiten Kreis der wirtschaftlichen Treiber nenne. Dinge, die sehr wichtig sind, aber immateriell, werden nicht im Buch auftauchen. Zum Beispiel haben viele Unternehmen Strafen mit ihren Lieferanten, die sie theoretisch durchsetzen können. In der Praxis, wenn sie es tun, herrscht offener Krieg mit dem Lieferanten und das Vertrauen geht verloren.
Also, wenn Sie diese Versicherung optimieren, ist das Interessante, dass Sie das Risiko internalisieren und das Risiko auf Dinge internalisieren, die niemals gemessen werden. Es erfordert eine andere Art des Denkens.
Bei Lokad, wenn wir solche Systeme haben, die automatisch laufen, wird es ein bisschen wie ein schönes Anti-Spam-System. Es summt leise, aber man sieht es nie. Es macht einfach seine Arbeit und irgendwann fragen Sie sich vielleicht sogar, ob Sie das wirklich brauchen, weil es einfach summt und es gibt Klassen von Problemen, die einfach nicht auftreten. Aber sobald Sie es ausschalten, sind die Probleme wieder da.
Ich glaube, dass diese Idee der Entwicklung von Erzählungen sehr wichtig ist, weil es eine Möglichkeit ist, Dinge zu vermitteln, die sehr rational, aber auch technisch sind und Sie diese Botschaft auf eine sehr prägnante Weise vermitteln müssen. Die Leute haben nicht die Zeit, Experten in all diesen Risiken zu sein und all das auszubalancieren und alle Trade-offs zu berechnen.
Test des Verständnisses, betrachtet diese Person das Problem aus einer sinnvollen Perspektive? Um ein Beispiel zu geben, wenn wir zum Beispiel über Flugzeugwartung, Servicequalität sprechen, ist ein einfacher Ansatz, in Bezug auf AOG, Flugzeug am Boden, zu denken. Also pro investiertem Dollar, wie viele AOG pro Jahr vermeiden Sie? Wissend, dass wenn ein Flugzeug am Boden ist, Passagiere umgeleitet werden müssen und es viele Verzögerungen, viele Kosten, Auswirkungen auf den Flugplan und so weiter gibt.
Wenn Sie also in Bezug auf den Servicestandard denken, verfehlen Sie völlig den Punkt, denn ein Flugzeug benötigt nur ein fehlendes Teil, um nicht abheben zu können. Das relevante Ereignis ist das Problem des Flugzeugs am Boden, nicht der Lagerbestand usw. Jedes Unternehmen muss diese Art von Erkenntnis haben, die tief mit dem resoniert, was sie zu tun versuchen, im Gegensatz zu einfachen Metriken, die zufällig günstig verfügbar sind, weil sie in der Software vorgefertigt sind, selbst wenn sie für das vorliegende Problem völlig irrelevant sind.
Ich weiß, dass ich diese Art von Software-Bias in meiner Perspektive habe. Welche Erzählung haben Sie, Knut? Ich liebe Zahlen, aber der Trick besteht darin, dass man denken würde, dass Zahlen das Gegenteil von Erzählungen sind, aber das würde ich nicht sagen. Ich würde sagen, sie gehen Hand in Hand. Wenn Sie eine Möglichkeit haben, selbst zu verstehen, was vor sich geht, wird das die Art und Weise, wie Sie Ihre Zahlen entwickeln, vollständig prägen.
Denken Sie also nicht, dass die Erzählung unabhängig von den Zahlen ist. Die Erzählung ist buchstäblich die Geschichte, die Sie sich selbst erzählen, um Ihre Arbeit als Datenwissenschaftler zu lenken. Wenn Sie diese Erzählung falsch verstehen, bedeutet das höchstwahrscheinlich, dass Sie mit Ihren Zahlen völligen Müll produzieren. Die Korrektheit liegt nicht im mathematischen Aspekt, sondern in der Übereinstimmung zwischen dem Geschäft und dem, was ich mit diesen Zahlen mache.
Ja, es gibt den faktischen Fehler, bei dem Sie eine Zahl multiplizieren, während Sie sie teilen sollten, aber das ist ein sehr technischer Fehler und diese Art von technischen Fehlern sind in der Regel so unmittelbar schädlich für Ihre Berechnung, dass sie leicht zu erkennen sind. Die Probleme, die viel schwieriger sind, treten auf, wenn Sie auf subtile Weise danebenliegen.
Knut Alicke: Die Zahlen unterstützen eindeutig Ihre Erzählung und unterstützen auch alles, was Sie dann tun, um zu verstehen, wenn etwas schiefgeht, wo Sie dann in die Details gehen. Es gibt diese Sache, bei der Sie fragen und dann von dem fehlenden Service, dem Flugzeug am Boden, warum ist das so? Keine Verfügbarkeit, warum ist das so? Weil wir keinen Lagerbestand hatten, warum ist das so? Weil wir keinen guten Vertrag mit unserem Lieferanten hatten und so weiter und so weiter. Und dann finden Sie die Ursache und können sie lösen.
Conor Doherty: Jede Form von Führung oder welche Erzählung Sie auch immer für Führung vorschlagen möchten, ist immer noch wirksam. Führung beruht immer noch darauf, Menschen mit den notwendigen Fähigkeiten zu haben, um die durch die gewählte Erzählung ausgedrückte Vision umzusetzen. Also, Knut, um wieder zum Ausgangspunkt zurückzukehren, was sehen Sie jetzt als die entscheidende Fähigkeit, die Menschen im Bereich Supply Chain benötigen?
Knut Alicke: Ich könnte jetzt das Kettenmodell wiederholen, aber das machen wir nicht. Sie müssen all diese Fähigkeiten haben. Und noch einmal, wenn ich darüber nachdenken würde, was ein Wunsch für uns alle wäre, dann wäre es, dass jeder in der Supply Chain all diese End-to-End-Dinge und so weiter versteht und sicherstellt, dass Sie Kollegen aus der Supply Chain und aus anderen Bereichen schulen.
Stellen Sie sicher, dass Sie das Kompetenzniveau erhöhen, stellen Sie sicher, dass Sie den Pool erhöhen, sozusagen. Joannes und ich unterrichten aus genau diesem Grund an Universitäten, um praktische Supply Chain zu lehren und damit die Community zu erweitern und das Wort zu verbreiten. Machen Sie deutlich, dass Supply Chain ein äußerst interessantes Thema ist und dass es auch den Weg in den Vorstand eröffnet.
Oft fragen sich die Leute: “Wenn ich in der 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 sehr zu. Ich denke, wenn es um Fähigkeiten geht, gibt es wahrscheinlich eine, wenn ich nur eine nennen müsste, dann ist es nicht Programmieren, sondern klares Schreiben. Denn die gesamte Idee der Zusammenarbeit in Ihrem großen Unternehmen wird größtenteils schriftlich erfolgen. Ja, Sie können sich zu Treffen treffen, aber meistens wird es schriftlich sein.
Sie möchten eine Erzählung haben, auch das wird schriftlich sein. Sie möchten Ihre Berichte und dergleichen organisieren, auch das schriftlich. Und eine der am meisten unterschätzten Qualitäten in modernen Unternehmen, insbesondere in der Supply Chain, weniger in anderen Abteilungen wie Marketing, ist klares Schreiben.
Sehr oft sehe ich, dass die Qualität des Schreibens in diesen Abteilungen im Allgemeinen sehr niedrig ist. Sie haben sehr verwirrende Zusammenfassungen über Probleme, sehr unklare Problemstellungen. Selbst wenn Menschen gebeten werden, mir eine halbe Seite Beschreibung ihrer Arbeitsposition und warum sie überhaupt existiert zu geben, ist das Ergebnis in der Regel absolut schrecklich.
Und das ist ein großes Problem. Ich denke, es gibt einige Branchen oder Funktionen, in denen klares Schreiben seit langem gepflegt wird. Finanzen ist eine davon, wo es normalerweise sehr prägnant auf den Punkt gebracht wird. Marketing ist eine andere, aus der Notwendigkeit heraus. Wenn Sie eine gute Markenbildung haben möchten, müssen Sie in der Lage sein, Dinge klar und prägnant zu vermitteln.
Es gibt einige Branchen wie Software, die sehr schriftlich sind, und ich würde sagen, im Durchschnitt ist die Qualität des Schreibens ziemlich gut im Vergleich zu anderen Branchen. Aber insgesamt denke ich, dass Schreiben für Studenten immer noch eine schwache Fähigkeit ist, die im Laufe ihres Lebens verbessert werden kann. Es ist nicht so, dass Sie nach dem Studium fertig sind, es ist etwas, das Sie auch danach noch lernen können.
Conor Doherty: Wie es bei Lokad TV üblich ist, Knut, geben wir Ihnen das letzte Wort. Gibt es etwas, das Sie erwähnen möchten?
Knut Alicke: Sie sollten das Buch auf Amazon kaufen. Wenn Sie noch ein Weihnachtsgeschenk brauchen, ist das Buch erhältlich. Es ist auf Amazon und anderen Plattformen erhältlich. Stellen Sie sicher, ein Exemplar zu kaufen, stellen Sie sicher, das Wort zu verbreiten. Verbreiten Sie die Botschaft, dass Supply Chain cool ist und bauen Sie Ihr Netzwerk auf.
Conor Doherty: Nun gut, Joannes, vielen Dank für Ihre Zeit. Knut, vielen Dank auch Ihnen. Und vielen Dank an alle, die zugeschaut haben. Wir sehen uns das nächste Mal.
