00:00:00 Einführung von Conor Doherty
00:00:35 Erklärung des Debattenformats
00:02:59 Joannes Vermorels Eröffnungsbemerkungen
00:09:52 Carol Ptaks Eröffnungsbemerkungen
00:17:07 Joannes Vermorels Erwiderung
00:22:13 Carol Ptaks Erwiderung
00:27:17 Joannes Vermorels Schlussbemerkungen
00:29:19 Carol Ptaks Schlussbemerkungen
00:31:24 Fragen aus dem Publikum
00:32:10 Herausforderungen der Entscheidungsfindung
00:34:56 Gedanken zur Theorie hinter DDMRP
00:37:51 Demand Driven-Ansatz während COVID
00:40:52 Lokads Sicht auf das Management von Störungen
00:42:17 DDAE und probabilistische Prognosen
00:49:14 DDMRP im Vergleich zu MRP
00:56:40 Minimale Technologie zur Optimierung
00:58:44 DDMRP Implementierungen in großen Einzelhandelsnetzwerken
01:00:02 Bedeutung des Flusses in DDMRP
01:01:09 Anpassungsfähigkeit auf Systemebene
01:03:35 Können Fallstudien verglichen werden
01:07:46 Umgang mit Ungewissheit nach Ungewissheit
01:12:26 Hauptkritik des DDMRP-Modells
01:19:19 Wenn DDMRP nicht ausreicht
01:24:47 Perspektive auf Push vs Pull
01:26:46 Sicherheitsbestand und hohe Variabilität
01:29:46 Warum der Demand Driven-Ansatz nicht weiter verbreitet ist
01:35:01 Das Ende der Debatte
Volles Transkript
Conor Doherty: Willkommen zu einer ganz besonderen Folge von LokadTV. Heute habe ich das Vergnügen, eine Live- und hoffentlich freundliche Debatte zwischen Carol Ptak und Joannes Vermorel zu moderieren. Carol ist Partnerin beim Demand Driven Institute und Gastprofessorin sowie herausragende Executive-in-Residence an der Pacific Lutheran University. Unterdessen ist Joannes, zu meiner Rechten, der Gründer und CEO von Lokad. Er ist Ingenieur beim Corps des Mines France und hat sechs Jahre lang Software Engineering an der École Normale Supérieure unterrichtet.
Nun werde ich kurz die Rahmenbedingungen der Debatte erläutern. Zuerst das Thema: “Ist das Demand Driven Adaptive Enterprise Modell in der Lage, die Herausforderungen der realen supply chain Entscheidungsfindung zu meistern?” Carol wird dafür argumentieren, und Joannes dagegen. Zunächst wird es, wie vorab vereinbart, siebminütige Eröffnungsbemerkungen geben. Joannes wird zuerst sprechen, gefolgt von Carol. Danach erhält jeder Sprecher eine fünfminütige Erwiderung. Im Anschluss wird jeder Sprecher eine zweiminütige Schlussbemerkung abgeben. An dieser Stelle werde ich einige Fragen stellen, die hoffentlich vollständig aus dem Publikum stammen. Zögern Sie nicht, Ihre Fragen jederzeit im Live-Chat einzureichen. Und am Ende gibt es einen freien Austausch – genau darum geht es hier.
Nun, zur Vorbereitung der Debatte haben beide Sprecher der folgenden Definition zugestimmt, und ich zitiere: “Das DDAE-Modell ist ein Management-Werkzeug, um Marktveränderungen zu erkennen, sich an komplexe und volatile Umgebungen anzupassen und marktorientierte Innovationsstrategien zu ermöglichen. Seine drei Hauptkomponenten sind das demand-driven operating model, demand-driven sales and operations planning, und adaptive sales and operations planning.” Um fair zu sein, ist dies eine lange Definition, weshalb wir einen Link zu einem offenen Google-Dokument im Live-Chat eingefügt haben. Wenn Sie darauf klicken, gelangen Sie zu einem offenen Google-Dokument, in dem Sie detaillierte Definitionen all dieser Begriffe und vollständige Lebensläufe der Sprecher finden.
Nun, im Debattenabschnitt werde ich beide Sprecher strikt timen. Die einzige Unterbrechung wird ein sanfter Hinweis sein, wenn Ihre Zeit fast abläuft. Ich empfehle zudem, dass Sie sich gegenseitig auf Ihren Geräten timen. Sprecher, wir sind fast fertig. Während des vorbereiteten Teils der Debatte sollen die Sprecher vollkommen schweigen. Sollten Sie sich während Ihrer vorbereiteten Bemerkungen gegenseitig unterbrechen, werden Sie stummgeschaltet – Sie wurden im Voraus darauf hingewiesen. Und schließlich, wenn Ihnen gefällt, was wir hier tun, wenn Sie die supply chain Debatten mögen, ermutige ich Sie, den YouTube-Kanal von Lokad zu abonnieren und uns auf LinkedIn zu folgen.
Und damit diese dreiste Selbstpromotion aus dem Weg geräumt ist, frage ich euch beide: Ist das Demand Driven Adaptive Enterprise Modell in der Lage, die Herausforderungen der realen supply chain Entscheidungsfindung anzugehen? Gegen diese Frage argumentiert Joannes.
Joannes Vermorel: Meine Damen und Herren, geschätzte Kollegen und Mitbegeisterte der supply chain, es ist mir eine Freude, hier zu sein, um das Demand Driven Adaptive Enterprise Modell und dessen Fähigkeit, die Herausforderungen der realen entscheidungsbasierte Optimierung zu adressieren, zu diskutieren. Zu diesem Zweck schlug mir Carol drei Bücher vor: “Demand Driven Material Requirements Planning” von 2016, “Demand Driven Adaptive Enterprise” von 2018 und schließlich “Adaptive Sales and Operations Planning” von 2022.
Das sind insgesamt 886 Seiten, aber keine Sorge, Sie müssen nur etwa ein Drittel davon lesen. Der Rest ist wie eine Netflix-Serie, die niemals aufhört, frühere Episoden zusammenzufassen, da sich diese Bücher umfangreich überschneiden. Ich werde Sie schonen und sie als ein einziges, übermäßig repetitives Werk verwerfen. Als jemand, der tief in der supply chain engagiert ist, näherte ich mich dem demand-driven Paradigma mit großen Hoffnungen. Schließlich, wer wäre nicht begeistert von einem Rahmenwerk, das verspricht, unsere Branche zu revolutionieren? Allerdings, nachdem ich fast tausend Seiten durchgearbeitet habe, bin ich nicht überzeugt.
Zuerst das Offensichtliche. Seite 43 von “Adaptive Enterprise”, und ich zitiere: “Wenn Führungskräfte ihre Mission erfüllen wollen, müssen sie verstehen, wo sie anfangen sollen.” Nun, ja. Seite 163: “Konsistente Definition, konsequente Einhaltung derselben Prinzipien.” Ich nehme an, es ist konsistent, “konsistent” zu definieren für diejenigen, die vielleicht die Grundschule übersprungen haben. Die Illustrationen, die angeblich dem Leser helfen sollen, sind auch nicht besser. Auf Seite 150 finden wir eine Tabelle mit Zahlen, die mit “Data” beschriftet ist, ein Balkendiagramm mit der Bezeichnung “Graph” und ein Stück Text, angeblich “Text”. Gott sei Dank wird das klargestellt. Ich war kurz davor, das Balkendiagramm als moderne Kunst zu bezeichnen. Es ist, als ob die Autoren befürchten, dass wir diese grundlegenden Konzepte nicht erkennen, und leisten dabei vielleicht einen öffentlichen Dienst für diejenigen, die in der Grundschule versagt haben.
Nun, wenn die einfachen Teile auf beleidigend einfache Weise präsentiert werden, was ist dann mit den schwierigen Teilen? Vielleicht liegt der wahre Wert des demand-driven Ansatzes dazwischen, begraben zwischen den Klischees. Lassen Sie uns die Gleichungen untersuchen. Und ja, sie enthalten Gleichungen – oder bezeichnen sie zumindest als solche. Auf den Seiten 17, 25, 28 und 29 von “Adaptive Enterprise” stoßen wir auf das, was die Autoren als Gleichungen bezeichnen. Aber diese “Gleichungen” sind nur eine zufällige Ansammlung von griechischen Buchstaben und Bruchstrichen. Sie sind bei weitem keine Gleichungen im eigentlichen Sinne. Als jemand, der auch mit dem Gleichungseditor von Microsoft Word experimentiert hat, verstehe ich die Versuchung – aber angesichts dessen, dass man hier eine bessere supply chain Entscheidungsfindung lehren möchte, wären echte mathematische Formeln vielleicht nützlicher.
Im Gegensatz dazu ertragen wir von Seite 99 bis 105 eine quälend langwierige Erklärung, in der die Autoren in einfachem Englisch sagen: “Add this, subtract that, and multiply this.” Es ist, als ließe sich daraus ein Kochrezept für mathematische Operationen ableiten. Ein halbes Dutzend Seiten ließe sich in nur wenige Zeilen grundlegender Formeln zusammenfassen. Aber vielleicht würde das offenbaren, dass der zugrunde liegende Mathematikansatz des Demand Driven Adaptive Enterprise nicht die Raffinesse eines Lehrbuchs der Mittelstufe besitzt. Ganz und gar nicht das, was man von einem Werk erwarten würde, das behauptet, Teil der – und ich zitiere – “aufkommenden Wissenschaft komplexer adaptiver Systeme” zu sein.
Um fair zu sein, gibt es in diesen drei Büchern eine echte Gleichung. Nur eine. Und nein, es ist nicht die sogenannte Nettoströmungsgleichung auf Seite 150 des DDMRP Buchs, die trotz ihres pompösen Namens lediglich eine Definition darstellt. Die einzige Gleichung findet sich in “Adaptive S&OP” auf Seite 156. Es handelt sich um den Taguchi-Fähigkeitsindex. Diese Formel ist ein direktes Copy-and-Paste von Wikipedia, aber hey, sie ist trotzdem eine Gleichung. Leider stammt sie aus dem Maschinenbau und dient zur Bemessung von Maßtoleranzen – gewöhnlich gilt sie als völlig unabhängig von der supply chain. Sie taucht willkürlich mitten in einer Diskussion über S&OP-Leistungsziele auf.
Ich möchte nicht den Eindruck erwecken, dass die Autoren versuchen, die Leser mit irrelevanten Gleichungen zu verwirren. Vielleicht haben sie sich einfach in einem Meer aus Copy-and-Paste verirrt. Während wir uns tiefer in die Klischees und Pseudo-Gleichungen hineinwagen, stoßen wir auf zahlreiche Handlungsaufrufe. Handlungsaufrufe sind zwar gut – Unternehmen müssen handeln. Auf Seite 44 von “Adaptive Enterprise” werden uns eine Reihe von Empfehlungen präsentiert, die nahelegen, dass Menschen systematisch geschult werden sollten, eine gemeinsame Sprache benötigen – eine gemeinsame systemische Sprache zum Denken und Arbeiten –, und dass es unerlässlich ist, den Menschen die Zusammenhänge zwischen Abteilungen, Ressourcen und Personen verständlich zu machen.
Meine Damen und Herren, was für ein brillantes Programm. Als CEO wäre ich überglücklich, wenn meine 60 Mitarbeiter das erreichen könnten. Und bedenken Sie: Bei Lokad engagieren wir Spitzeningenieure, und selbst für uns ist das, was Carol vorschlägt, absurd schwierig. Ich kann mir nur vorstellen, wie gut das in einem Unternehmen funktionieren würde, das tausende Mitarbeiter beschäftigt – wo das einzig Verstandene die After-Work-Drinks am Freitagabend sind. Natürlich erwartete ich, dass das Buch mir erklären würde, wie ich die Köpfe meiner Mitarbeiter umprogrammieren, ihnen eine neue Sprache beibringen und sie die Feinheiten jeder Abteilung verstehen lassen soll. Doch nachdem diese Bombe platzen ließ, wenden sich die Bücher prompt dem nächsten Kapitel zu und bieten keinerlei Anleitung, wie diese hochfliegenden Ziele zu erreichen sind.
Zusammengefasst haben wir fast tausend Seiten, die zwischen dem blendend Offensichtlichen, dem völlig Trivialen, dem mathematisch Unsinnigen und dem völlig Unpraktischen hin und her schwanken. Demand-driven prahlt damit, eine Revolution im Bereich supply chain management anzuführen. Ironischerweise hat sich dabei einzig meine Enttäuschung über den aktuellen Stand der supply chain Literatur revolutioniert.
Conor Doherty: Joannes, du hast noch 21 Sekunden.
Joannes Vermorel: Mir reicht’s.
Conor Doherty: Du meinst, das reicht? In dem Fall, Joannes, danke für deine Eröffnungsbemerkungen. Carol, nun bist du an der Reihe für deine siebenminütigen Eröffnungsbemerkungen.
Carol Ptak: Oh, vielen Dank. Das war höchstens amüsant. Ich hatte nicht erwartet, dass ich hier für einen Buchbericht und eine seitenweise Kritik herangezogen werde. Um das beiseite zu schieben: Ich hatte wirklich gehofft, dass unsere Debatte sich um das Demand Driven Adaptive Enterprise Modell drehen würde – und nicht um einen Buchbericht mit Seitenangaben. Nur zu Ihrer Information: Diese drei Bücher wurden für drei völlig unterschiedliche Märkte geschrieben. Ich habe nicht erwartet, dass irgendjemand alle tausend Seiten liest. Ich dachte lediglich, dass Joannes’ wissenschaftlicher Verstand es schätzen würde, sowohl die operative, taktische als auch strategische Perspektive dieser supply chain zu verstehen.
Also wollen wir uns nun dem eigentlichen Wesen des Demand Driven Adaptive Enterprise Modells widmen und den Grund, warum es revolutionär ist. DDAE basiert im Grunde auf der Wissenschaft komplexer adaptiver Systeme und dem Verständnis, dass supply chains keine Ketten sind. Supply chains waren und sind niemals Ketten. Wir haben sie falsch benannt, und das liegt daran, dass diejenigen, die an der Namensgebung der supply chains beteiligt waren – mich eingeschlossen – aus einer operativen Denkweise kamen, in der wir es gewohnt waren, Optimierungsalgorithmen zu verwenden, um Engpässe zu identifizieren und die Gesamtleistung des Prozesses über die Maximierung des Engpasses zu steigern.
Als wir den Begriff supply chain prägten, dachten wir: “Okay, ich nehme meine Abläufe und verbinde sie mit meinem Kunden, dem Kunden meines Kunden, meinem Lieferanten und dem Lieferanten meines Lieferanten – und voilà, da haben wir eine supply chain.” Wir lagen jedoch völlig falsch. Supply chains sind keine Ketten – sie waren es nie. Es handelt sich um komplexe adaptive Systeme, die nach ganz anderen wissenschaftlichen Prinzipien funktionieren als eine Kette. Eine Kette ist ein lineares System. Komplexe adaptive Systeme sind nicht linear, sie sind Netzwerke. Es gibt zahlreiche Knoten, viele Verbindungen, und leider lieben es Akademiker, die Verbindungen zu kappen, um die Knoten im Detail zu untersuchen – in der Überzeugung, dass sich daraus das Ganze rekonstruieren lässt. Dabei geht nämlich im Moment des Abtrennens der Verbindungen der Kontext des Ganzen verloren.
Was DDAE so anders macht, ist die Erkenntnis, dass supply chains tatsächlich keine Ketten sind, sondern komplexe adaptive Systeme, die niemals lange in einem Gleichgewichtszustand verharren. Sobald Druck auf sie ausgeübt wird, verändern und wandeln sie sich – und per Definition lassen sie sich nicht mathematisch optimieren.
Wie funktioniert DDAE also? Wir wissen, dass jedes Unternehmen heute in einer variablen, volatilen, unsicheren, komplexen und mehrdeutigen Welt agiert. Deshalb müssen wir in der Lage sein, Veränderungen auf dem Markt sehr schnell zu erkennen, um dann die Produktionsplanung anzupassen, von Lieferanten zu ziehen und all dies in Echtzeit zu erledigen. Eine gänzlich neue Idee? Nein. Den Begriff demand driven gab es bereits 2001. Er wurde tatsächlich geprägt, als ich bei PeopleSoft war. Wirklich verstanden haben wir, wie das umzusetzen ist, erst etwa 2006, als Chad Smith und sein Team begannen, das Konzept der Entkopplung entlang der supply chain anzuwenden.
Aufgrund der VUCA-Welt – dieser volatilen, unsicheren, komplexen und mehrdeutigen Welt, in der wir leben – gilt: Wenn unsere Reaktionszeiten auf den Markt kürzer sein müssen als die Toleranzzeiten unserer Kunden, muss irgendwo in der supply chain jemand Lagerbestand halten. Lagerbestand ist also ein Vermögenswert. Wir haben zugelassen, dass Lagerbestand sowohl als Last als auch als Vorteil diskutiert wird – je nachdem, wo und in welcher Menge er vorhanden ist. Haben wir den richtigen Lagerbestand am richtigen Ort, so ist dieser eindeutig ein Vermögenswert, weil er die Kapitalrendite des Unternehmens verbessert – das ist die relevante Kennzahl.
Wie können wir also Kohärenz in einer Organisation erreichen, um den ROI voranzutreiben? Wie managen wir diese operativen, taktischen und strategisch relevanten Zeiträume, sodass das Unternehmen im Einklang ist, um den ROI zu erzielen? Ich kann nicht einfach auf den Shopfloor gehen und Joe fragen, was er an diesem Tag getan hat, um den ROI zu steigern, aber ich kann sehr wohl mit ihm auf dem Shopfloor sprechen und sagen: “Was hast du getan, um den Flow zu verbessern?” Und nochmals: keine neue Idee. Wir wissen schon seit sehr, sehr langer Zeit von Flow, bis hin zu den alten Phöniziern, als sie ihre Handelsschiffe zu Kriegsschiffen umbauen mussten.
Das DDAE-Modell basiert auf der Kohärenz des Flow in der Organisation, welcher alles in der Organisation transformiert. Wir konzentrieren uns nicht länger auf Kosteneffizienz und Optimierung, weil wir erkennen, dass wir kein lineares System steuern; es ist ein komplexes adaptives System. Und die moderne Welt, in der wir es steuern, ist eine volatile, unsichere, komplexe und mehrdeutige Welt. MRP wurde beispielsweise in den 50er Jahren konzipiert, in den 70er Jahren kommerzialisiert, als Joe Orlicky sein Buch schrieb. Und was wir damals verstanden, war, dass wir in der Lage sein mussten, eine abhängige Planung durchzuführen, und so war die abhängige Planung der wahre Gewinn von MRP.
Aber denken Sie daran, in den 50er und 60er Jahren hatten wir 8K an Speicher und ein paar Bandlaufwerke, und so führten wir die Materialplanung in der Regel nur einmal pro Woche durch, bei vielen Unternehmen einmal im Monat, und dann dekomponierten wir daraus. Und wir dachten wirklich, dass mit zunehmender Geschwindigkeit der Technologie alles besser werden würde. Und tatsächlich brachte PeopleSoft 2001 das erste Echtzeit-MRP-System heraus, und die Reaktion unserer Kunden war: “Bitte, lasst es aufhören”, weil sie die Systemnervosität nicht bewältigen konnten. Das Maß an Präzision, wenn wir versuchen, es über die supply chain zu verbinden, verursacht eine derart selbstinduzierten Volatilität und Variabilität, dass die Planer damit nicht umgehen können.
Die Idee ist also, wie können wir gleichzeitig sehr schnell auf Veränderungen im Markt reagieren in einer volatilen, variablen, unsicheren, komplexen und mehrdeutigen Umgebung und gleichzeitig die Vorteile der heutigen Echtzeit-Computing nutzen? Als Dr. Goldratt und ich das Buch “Necessary But Not Sufficient” schrieben, sprachen wir über Technologie, weil wir verstanden, dass sich mit Veränderungen in der Technologie auch die Geschäftsregeln ändern müssen. Und wenn sich die Geschäftsregeln ändern, muss sich auch die Technologie ändern. Und wir haben heute das große Glück, Dinge wie machine learning und künstliche Intelligenz zu haben, die übrigens ebenfalls auf derselben Wissenschaft wie das DDAE-Modell basieren.
Und genau das macht uns so innovativ, denn nun sind die Geschäftsregeln an die Möglichkeiten der Technologie angepasst, sodass wir nun Veränderungen im Markt wahrnehmen, unsere Planung und Produktion anpassen, von Lieferanten ziehen und die Echtzeitsysteme, die wir haben, nutzen können.
Conor Doherty: Nun, Carol, ich habe dir ein paar zusätzliche 3 Sekunden gewährt, aber sie waren gut investiert. Vielen Dank. Danke. An dieser Stelle, Joannes, gebe ich dir das Wort für deine fünfminütige Erwiderung.
Joannes Vermorel: Ja, ich meine, das erste ist, dass ich nicht umhin kann, die Widersprüche zu bemerken, zum Beispiel in der Mathematik. Denn wenn Carol moderne Computer zitiert, dann berechnen Computer – wie der Name schon sagt, sie rechnen. Das ist das Einzige, was sie tun. Sie besitzen keine Kristallkugeln oder Ähnliches. Und tatsächlich, in den Büchern gibt es Unmengen an Gleichungen. Nochmals, ich behaupte nicht, dass ich etwas entdeckt hätte – ich beschreibe lediglich, dass Dinge als Gleichungen dargestellt werden. Die Autoren listen und erwähnen Gleichungen. Und dann, wenn sie sich mit Nichtlinearität befassen, befinden wir uns wieder im Bereich der Mathematik. Das richte ich nicht eigens für mich ein; das ist das, was sich die Autoren selbst eingerichtet haben.
Basierend auf meiner Kritik an diesen Büchern, die so ziemlich die heiligen Schriften der demand driven Paradigmen sind, scheint die Reaktion zu sein, dass das Ganze – obwohl es viele Abschweifungen gibt – mehr ist als die Summe seiner Teile. Richtig, man kann sich die Einzelteile nicht wirklich anschauen. Also, egal wie dysfunktional die Einzelteile sind, man klebt sie zusammen – und voilà, man hat Größe. Es ist, als würde man aus Ersatzteilen von Toyota ein Auto zusammenbauen und einen Tesla erwarten. Und wissen Sie was? Wir haben auch Fallstudien, die das untermauern. Das wäre ebenfalls ein interessanter Punkt.
Auf Seite 325 des DDAE-Buchs haben wir beispielsweise eine Einzelhandels-Fallstudie, die DDMRP verwendet. Es wird behauptet, dass der Umsatz um 60 % gesteigert, das Inventar um 40 % reduziert wurde, und ich zitiere: “die Beseitigung eines Mangels an Knappheit in den Geschäften, obwohl der Bestand anfangs fast halbiert wurde.” Nun, wenn du das glaubst, habe ich eine Brücke in Brooklyn für dich zu verkaufen. Aber hier ist der Knüller: Wir können keine dieser Fallstudien verifizieren. Schockierend, ich weiß. Und die Befürwortung kommt vom selben Anbieter, der das demande-getriebene Wundermittel anpreist. Es ist, als ob ein Restaurantbesitzer seine eigene Fünf-Sterne-Yelp-Bewertung schreibt: “Vertraue mir, es ist der beste Sushi in der Stadt.” Sicher, aber die Fallstudien sind nichts weiter als eine ausgefallene Art zu sagen: “Weil ich es sage.” Nicht gerade überzeugender Beweis.
Jetzt, zu dem Punkt, weil es hier so viele Abschweifungen gab – von Fakten, der Definition komplexer adaptiver Systeme, Anekdoten, woher der Name supply chain stammt, bis hin zu einigen Trivia zu ERP und dessen Verbesserung durch Technologien und Ähnliches – aber die Realität ist, dass, wenn wir zu einem einfachen Test zurückkehren, ich sagen würde, dass im Echtbetrieb der adaptiven Enterprise auf Seite 7 die Nichtlinearität als das allererste Prinzip aufgeführt ist, was auch Carol hervorgehoben hat. Also, das ist das allererste Prinzip komplexer adaptiver Systeme. Klingt beeindruckend, aber wählen wir die einfachste Nichtlinearität, die wir in der supply chain haben können: MOQs, Mindestbestellmengen. Sicherlich hätte demand driven etwas Tiefgründiges über MOQ zu sagen. Nun, nicht wirklich. Über tausend Seiten werden MOQs sechsmal erwähnt. Das ist schön in jedem einzelnen Buch, also etwa zweimal im Durchschnitt pro Buch. Das ist also ziemlich viel Material, das wir haben.
Und nehmen wir ein Beispiel: Auf Seite 63 haben wir eine MOQ, die so gering ist, dass sie praktisch nicht existiert, weil sie numerisch keinerlei Einfluss auf die Berechnung hat. Faszinierende Sache. Und dann, auf Seite 115, haben wir eine Situation mit einer Containerbestellung. Interessante Nichtlinearitäten aus mehreren Perspektiven mit einer MOQ. Und wie ist die Situation? Wir haben eine Bestellmenge von 100 Einheiten, eine Containergröße von 100 Einheiten und – warte – eine MOQ von 100 Einheiten. Welch ein Zufall. Es ist, als würden sich die Sterne so ausrichten, dass sie mit keiner wirklichen Nichtlinearität umgehen müssten. Man kann diesen Prozess mit Preisstaffelungen, perishable Gütern, cross-docking, reparierbarer Ausrüstung und so weiter wiederholen. Demand driven hat absolut nichts zu diesen üblichen Nichtlinearitäten zu sagen. Nichts. Null.
Und das ist das Wesen von demand driven: eine auffällige Theorie, die sich grandiose Ziele setzt und dabei das Beste nutzt, was die Technologie zu bieten hat. Ja, aber Technologie liefert dir Computer zum Rechnen, und es gibt so viele Gleichungen, und doch erreichen sie nichts. Im Grunde setzen wir uns also grandiose Ziele, haben aber dann nichts, um mit üblichen Entscheidungsproblemen umzugehen. Und sollen wir also glauben, dass demand driven reale Herausforderungen in der supply chain bewältigen kann? Lass mich nachdenken. Nein, absolut nicht.
Conor Doherty: Einige Sekunden übrig. Danke, Joannes. Carol, deine fünfminütige Erwiderung, wenn du bereit bist.
Carol Ptak: Danke. Nochmals, ich bin sehr enttäuscht, dass Joannes sich dafür entscheidet, einen Buchbericht vorzulegen, anstatt das Modell zu debattieren, über das wir diskutieren sollten. Aber lassen Sie mich zunächst den Fall ansprechen, den er in dem Buch zitiert, und ich würde Sie einladen, uns nächste Woche in Frankfurt zu begleiten, wo Sie mit der Person sprechen können, die diese Implementierung tatsächlich durchgeführt hat. David Poveda wird dort von Medan, Kolumbien, anwesend sein, und er kann Ihnen die ganz spezifischen Details geben.
Demand Driven World nächste Woche haben wir auch – denn ich weiß, dass Sie sich immer sehr für Fälle interessieren – dass es, glauben Sie mir, immer die Fallstudien sind, die von der Softwarefirma oder dem Berater durchgeführt werden, welche stets versuchen, dem Apfel ein glänzendes Gesicht zu verleihen. Das erlauben wir beim Demand Driven Institute nicht. Alle unsere Fallstudien werden von den Praktikern durchgeführt. Also lade ich dich ein, Joannes, und alle unsere Zuhörer, wenn ihr euch für die Demand Driven World nächste Woche anmelden möchtet.
Wir haben neun Fallstudien, die nächste Woche in Deutschland präsentiert werden – neue Fallstudien von Unternehmen wie Assa Abloy, bei denen Fredrik Helgesson, der Logistikdirektor, präsentieren wird. Eine weitere Fallstudie kommt aus Mexiko, von Mega Alimentos, bei der Antonio Treviño, der supply chain Director, anwesend ist. Mettler Toledo präsentiert mit dem Leiter ihrer globalen Planung, oder A2A mit ihrem Geschäftsführer, oder Gelwin mit ihrem VP der supply chain, oder Sapo mit ihrem Planungsleiter, oder Koch Engineered Solutions mit ihrem globalen Leiter für Planung und Terminierung, oder PPG mit ihrem Lateinamerika supply chain Director.
Das sind nur die Fallstudien, die nächste Woche in Deutschland erscheinen werden. Ich würde jeden ermutigen – glauben Sie mir – loszulegen. Wir stellen alle unsere Fallstudien auf unserer Webseite bereit. Sie werden ausschließlich von Praktikern durchgeführt. Wir erlauben weder dem Softwareunternehmen noch dem Berater, auch nur gemeinsam zu präsentieren. Diese Praktiker sagen: “Das ist, was wir getan haben, das ist, warum wir es getan haben, das ist das Problem, das wir hatten, das sind die Ergebnisse, die wir erzielt haben,” und ganz offen: “Und wenn wir es noch einmal machen müssten, würden wir etwas ändern.” Wir überwachen oder bearbeiten keines ihrer Kommentare.
Wenn wir uns also die Idee der MOQ anschauen, denke ich, dass du die Häufigkeit, mit der MOQ auftaucht, falsch zitiert hast, da sie jedes Mal erscheint, wenn auch die Nettofluss-Gleichung erwähnt wird. Aber ich denke wirklich immer noch, dass du den Kern dessen verfehlst, worum es beim Demand Driven Adaptive Enterprise geht. Es handelt sich dabei um drei getrennte, relevante Zeiträume mit den jeweils benötigten Werkzeugen.
Nun, was ist Relevanz? Und das ist eine Definition, die im Buch enthalten ist. Relevanz ist, wie ich die Anforderungen herstelle und wie ich sie mit dem, was in diesem Zeitraum geschieht, verbinde. Wie kann ich also meine Assets enger mit dem, was auf dem Markt geschieht, verknüpfen? Indem ich einfach DDMRP implementiere, das die treibende Kraft im Demand Driven Operating Model ist. Typischerweise erreichen Unternehmen im Durchschnitt eine Reduktion des Inventars um ein Drittel bis zur Hälfte, und gewöhnlich steigt ihre On-Time-in-Full-Rate auf weit über 90 %.
Ich verweise Sie auf den Coca-Cola Africa-Fall, um von Coca-Cola Africa zu hören, was dort geschah. Bevor sie DDMRP implementierten, betrug ihre forecast accuracy etwa 50 %. Nachdem sie es implementiert hatten, erzielten sie bessere Ergebnisse, ihr Inventar sank, ihre On-Time-in-Full-Rate stieg, und am Ende betrug ihre forecast accuracy etwa 50 %. Heißt das, dass wir nicht prognostizieren? Nein, natürlich nicht. Wir benötigen Prognosen, um den taktischen und den strategischen Bereich betreiben zu können. Was ich mir in dieser Debatte erhofft hatte, war mehr Gespräch darüber, wie das DDAE-Modell funktioniert, anstatt einer seitenweisen Buchrezension.
Wenn wir also an die Idee der Prognose denken, wissen Sie, bei der probabilistic forecasting, ja, sie spielt definitiv eine Rolle, aber sie hat nur im taktischen und strategischen Bereich eine Funktion, was es uns ermöglicht, das Operating Model – dessen Planungsmaschine DDMRP ist – zu modifizieren und anzupassen. Dabei müssen wir bedenken, dass das DDAE-Modell nur das aufnehmen kann, was wir beeinflussen können. Außerhalb unseres Einflussbereichs muss unsere marktgetriebene Innovation berücksichtigt werden, und andererseits müssen wir die tatsächliche Marktnachfrage in Betracht ziehen.
Und wie ich bereits sagte, wenn wir das Glück haben, dass unsere gesamte kumulative lead time innerhalb der Kundenerwartungen liegt, ist das ein Unternehmen, das leicht zu managen ist. Aber das ist nicht die Welt, in der wir leben. Die Toleranzzeiten unserer Kunden sind erheblich kürzer als unsere kumulative lead time. Also müssen wir ein Managementmodell haben, das in der Lage ist, Veränderungen im Markt zu erkennen, unsere Planung und Produktion anzupassen, einen adaptiven Geschäftsplan in operative Fähigkeiten zu übersetzen und gleichzeitig unsere einzigartige operative Fähigkeit strategisch auszunutzen. Ich glaube, ich habe dir damit die drei Sekunden zurückgegeben.
Conor Doherty: Mit Veränderung. Danke. Nun, vielen Dank, Carol. Damit wende ich mich, Joannes, für deine abschließenden zwei Minuten.
Joannes Vermorel: So, fast tausend Seiten Demand Driven-Material plus ein paar Minuten Kommentar lassen sich auf einen Haftnotizzettel zusammenfassen. Hier zeigt sich das Erbarmungslose: Das Demand Driven-Paradigma ist völlig unempfindlich gegenüber der Vernunft. Ich könnte den ganzen Tag damit verbringen, Zeile um Zeile zu zitieren und darzulegen, ob sie trivial, unsinnig oder geradezu irrational sind – und dennoch kämen wir nicht vom Fleck, wie ein Hamster im Rad, jedoch ohne den Unterhaltungswert. Warum? Weil jedes Mal, wenn ich einen Fehler aufzeige, es ist, als wollte ich Schach mit einer Taube spielen. Sie wirft die Figuren um, kackt auf das Brett und stolziert dann herum, als hätte sie gewonnen.
Carol reagierte auf keine der ernsthaften Kritiken, die ich vorgebracht habe, einschließlich der grundlegenden, wie dem eklatanten Missbrauch des Taguchi-Fähigkeitsindex. Sie erklärte nicht die pseudo-Gleichungen. Sie hätte versuchen können, meine Argumente einzeln zu widerlegen, tat es aber nicht. Und das tut sie auch nicht, weil sie es nicht kann. Stattdessen werden wir mit einer Reihe von Abschweifungen verwöhnt, größtenteils Autoritätsargumenten. Täuschen wir uns nicht: Fallstudien sind nur eine schicke Art zu sagen: “Vertraut mir, ich bin ein Profi.” Meine Damen und Herren, ich berufe mich auf die erhabenste Form menschlicher Vernunft: den Duck Test. Wenn es wie eine Ente aussieht, wie eine Ente schwimmt und wie eine Ente quakt, dann ist es wahrscheinlich eine Ente. Sieht eine Theorie wie Müll aus, riecht sie wie Müll und klingt sie wie Müll, dann ist sie vermutlich Müll.
Zusammenfassend: Kann das Demand Driven Adaptive Enterprise-Modell reale Herausforderungen in der supply chain bewältigen? Nein. Aber ich gebe zu: Wenn es dir irgendwie gelingt, deine Wettbewerber glauben zu machen, dass es das kann, wirst du definitiv einen Vorteil erlangen, da sie abstürzen und verbrennen werden.
Conor Doherty: Danke, Joannes. Und Carol, ich wende mich nun an dich für deinen abschließenden zweiminütigen Kommentar, bitte.
Carol Ptak: Danke. Nun, ich bin wirklich enttäuscht von Joannes – um ganz ehrlich zu sein. Ich hatte mir eine offene, ehrliche Diskussion erwartet, statt dass er von seinen vorab vorbereiteten Notizen abliest, ohne die vorgebrachten Punkte zu berücksichtigen.
Was die Taguchi-Funktion betrifft, wie ich in meinem fünfminütigen Widerspruch sagte, erzeugt der adaptive Geschäftsplan dann ein Betriebsmodell. Ein Betriebsmodell hat ein Ziel, hat eine obere und untere Spezifikationsgrenze, und wenn wir dies mit dem Vergleich dazu, wie der Prozess abläuft, abgleichen – denn das Demand Driven Adaptive Enterprise-Modell erlaubt es uns inzwischen, operativ mit Prozesskontrolle zu arbeiten im Gegensatz zur Transaktionskontrolle, wie wir sie in den alten Tagen des MRP kannten – passt die Taguchi-Funktion offensichtlich, weil wir sehen wollen, wie gut unsere tatsächliche Leistung innerhalb dieses definierten Bereichs liegt.
Wie gesagt, ich hatte keinen seitenweisen Buchbericht oder eine Buchrezension erwartet. Was ich wirklich erwartete, war eine Diskussion über die Methodik selbst. Und es lautet nicht “vertrau mir”. Ich schlage vor, dass ihr mit den tatsächlichen Praktikern sprecht und euch ihre Ergebnisse anschaut. Für mich spricht das lauter als alles andere. Es heißt nicht “vertrau mir”. Es heißt: “Das war unser Geschäftsproblem, das haben wir implementiert, das sind die Ergebnisse, die wir erzielt haben, und wenn wir es noch einmal machen müssten, würden wir etwas anders machen.”
Und wenn wir darüber sprechen, ob das Demand Driven Adaptive Enterprise-Modell die Bedürfnisse dieser VUCA-Welt, in der wir leben, adressiert und reale Ergebnisse liefert, lautet die Antwort absolut und eindeutig ja. Die Zehntausenden von Menschen, die die DDI-Ausbildung durchlaufen haben, die Ergebnisse der Unternehmen, die Steigerungen der Kapitalrendite, die Fähigkeit der Unternehmen, die Pandemie zu überstehen, während ihre Nachfragezyklen völlig aus den Fugen gerieten und sie dennoch Umsatz und ROI steigern konnten – ich denke, die Ergebnisse sprechen für sich.
Conor Doherty: Nun, vielen Dank an euch beide. Und Carol, danke für diese Bemerkungen. An dieser Stelle werde ich zu einigen Fragen aus dem Publikum übergehen. Eigentlich gibt es bereits ziemlich viele im Live-Chat. Nur um klarzustellen: Wir bitten darum, dass die Fragen angeben, für wen sie bestimmt sind, aber ich werde sie natürlich an euch beide richten. Und nochmals, es ist nicht zeitlich begrenzt, aber versucht, die Bemerkungen kurz zu halten, damit jeder die Chance bekommt.
Aber bevor ich zu den Fragen aus dem Publikum komme, gibt es nur eine, die ich notiert habe, weil ich euch beide in den letzten 33 Minuten habe sprechen hören. Und wisst ihr, ihr habt hin und her über die Bücher diskutiert und darüber, ob es um die Bücher geht – das ist in Ordnung. Aber sofern ich es nicht überhört habe, hat keiner von euch jemals tatsächlich definiert, was ihr als die wirklichen Herausforderungen der realen supply chain-Entscheidungsfindung seht. Also Carol, ich fange bei dir an. So knapp wie möglich: Was siehst du eigentlich als die Herausforderungen der realen supply chain-Entscheidungsfindung?
Carol Ptak: Nun, die größte Herausforderung ist das, was ich sagte, nämlich wie reagiere ich auf eine Welt, die variabel, volatil, unsicher, komplex und mehrdeutig ist? Und wie kann ich dabei vorgehen, um meine Kapitalrendite zu steigern?
Conor Doherty: Johannes?
Carol Ptak: So prägnant kann ich es formulieren, wie es eben geht. Und wenn Johannes es auf einen Haftnotizzettel bringen will, kann er das aufschreiben. Es fasst das Demand Driven Adaptive Enterprise-Modell auf einen Haftnotizzettel zusammen: Es geht nur um den Fluss.
Conor Doherty: Nun, danke, Carol. Joannes?
Joannes Vermorel: Meiner Meinung nach ist die supply chain die Beherrschung der Optionalität. Man hat für alles begrenzte Ressourcen, und man muss sie zuordnen, was in der Praxis Millionen von täglichen Entscheidungen für eine umfangreiche supply chain bedeutet. Die Lösung des Problems besteht im Wesentlichen darin, diese Entscheidungen zu treffen. Sie sind sehr grundlegend. Es geht darum: Was kaufe ich, was produziere ich, was weise ich zu, welche Preisklasse setze ich an, ob ich mein Sortiment erweitere oder verkleinere usw. Und so gesehen ist die supply chain für mich eine Theorie und ein Praxisfeld, das es ermöglicht, diese Entscheidungsfindung im großen Maßstab umzusetzen – was heutzutage viele berechnungsintensive Aspekte beinhaltet, sodass es mit Computern automatisiert werden kann. Das ist im Grunde alles.
Conor Doherty: Na, Carol, nachdem du Joannes’ Ansicht gehört hast, möchtest du deine eigene ergänzen oder stimmst du zu oder nicht?
Carol Ptak: Nein, überhaupt nicht, aber ich denke – und ihr wisst ja, ich bin seit den frühesten Tagen der Computer in der Branche – an ein Gespräch mit einem Computerunternehmen und einem Softwareunternehmen, in dem sie sagten: “Wir schreiben unseren Kunden nicht vor, Dinge so zu machen, wie wir es sagen.” Und ich erwiderte: “Ihr tut es aber ganz bestimmt, denn was ihr in eure Software integriert, gilt als Best Practice der Branche.” Aber was, wenn diese Praktiken falsch sind?
Also geht die Methodik mit der Berechnungsweise einher und die Technologie folgt der Methodik. Wisst ihr, zum Beispiel, nächste Woche beim Demand Driven World kommt Simo, der in der Lage ist, einen vollständigen digitalen Zwilling eines Unternehmens zu erstellen, um einige der strategischen Entscheidungen zu unterstützen, auf die Joannes anspielt. Und das macht er mit dem Potenzial einer DDMRP-Engine, die dort integriert ist, sodass erkannt wird, wo ich strategische Pufferbestände positioniere, wie ich diese plane und wie ich dann in Echtzeit auf meinen Markt reagiere. Technologie an sich ist also notwendig, aber nicht ausreichend. Ein guter Buchtitel.
Conor Doherty: Möchtest du noch etwas hinzufügen oder soll ich fortfahren?
Joannes Vermorel: Nein, mach weiter.
Conor Doherty: Mach weiter. Diese Frage richtet sich direkt an Joannes. Ich lese sie wortwörtlich vor, wie sie mir gestellt wurde: Könnte Joannes seine Gedanken zur Theorie hinter DDMRP mitteilen, insbesondere zu DDMRP und wie es auf bestehenden supply chain-Praktiken aufbaut?
Joannes Vermorel: Kurz gesagt, DDMRP ist eine Ansammlung von Banalitäten. Es dimensioniert Puffer mit drei Farben. Am Entkupplungspunkt ist eigentlich nichts Spezifisches definiert. Es gibt keinen Algorithmus, der vorgibt, wie diese angeordnet werden sollen, sodass sie im Grunde nur äußerst vage Anweisungen liefern. Es gibt auch grobe Fehler. Zum Beispiel heißt es, wenn MOQ vorhanden ist, müsse die grüne Zone so groß wie der MOQ sein, was absolut verrückt ist, denn es gibt zahlreiche Situationen, in denen reordering bis zu deinem MOQ verrückt ist. Das sollte also absolut nicht Teil dessen sein, was DDMRP als grün bezeichnet.
Aber letztlich ist es sehr, sehr oberflächlich. Weißt du, das Problem ist, dass für etwas, das quantitativ ist, meiner Ansicht nach alles in etwa drei Seiten zusammengefasst werden könnte – und das war’s. Daher ist es sehr, sehr schwach. Es ist sogar eine Beleidigung der Operations Research, die davor kamen, wenn behauptet wird, es sei der Nachfolger. Das ist es nicht. Operations Research war DDMRP jahrelang in Sachen Raffinesse voraus.
Carol Ptak: Nun, und ich würde Raffinesse gegen Ergebnisse stellen. Nur weil etwas raffiniert ist, heißt das nicht, dass es besser ist. DDMRP basiert tatsächlich auf den Ideen von Lean Manufacturing, MRP, DRP und der Theory of Constraints, kombiniert mit einigen Innovationen, die all diese zuvor als gegensätzlich betrachteten Konzepte harmonisieren. Es geht also wirklich nur um den Fluss.
Und was die Positionierung dieser Puffer betrifft, denke ich, hat er diese Seiten im Buch wahrscheinlich ausgelassen. Es gibt sechs Kriterien, anhand derer diese Puffer positioniert werden – dazu gehören die Kundentoleranzzeit, das Marktpotenzial, die Durchlaufzeit, Wasser, externe Variabilität. Es sind also sechs, und diese werden dann in einem digitalen Zwilling optimiert und berücksichtigt, sobald ich diese Puffer positioniert habe.
Typischerweise beobachten wir, dass supply chains stabil werden, weil wir das “Systemzucken” eliminiert haben, und dann müssen sowohl die Positionierung als auch die Mengen angepasst werden. Das ist also der Anpassungszyklus. Es geht also nicht nur um reines Pull; es heißt: Positionieren, Schützen, Ziehen und Anpassen. Aber wir wissen genau, wo diese Puffer positioniert sind – und zwar in grün, gelb, rot, denn das stellt die Praktikabilität der Lösung im Gegensatz zur Raffinesse dar. Jeder versteht grün, gelb, rot.
Und so verstehe ich die Regeln. Was passiert, wenn ich grün, gelb, rot sehe? Genau deshalb lieben es die Planer, und Unternehmen setzen es sehr schnell um – Implementierungen verlaufen in der Regel viel schneller als ursprünglich geplant.
Conor Doherty: Joannes, kein Kommentar?
Joannes Vermorel: Kein Kommentar.
Conor Doherty: Ich mache weiter. Diese Frage richtet sich direkt an dich, Carol. Ich lese sie, wie sie geschrieben ist: Warum hatte der demand-driven Ansatz während der COVID-Krise Schwierigkeiten, und was sollten Unternehmen tun, um sich in solchen Situationen anzupassen?
Carol Ptak: Nun, es gab eine interessante Diskussion während der COVID-Krise. Wir hatten keine Schwierigkeiten. Ich denke, jedes IT-Projekt, jedes Prozessverbesserungsprojekt wurde während COVID eingestellt – und das war bedauerlich. Wir haben viel Zeit am Telefon mit leitenden Angestellten verbracht, die sagten: “Wir werden mit der Implementierung fortfahren, wenn wir wieder normal sind.” Und unsere Botschaft an sie war: “Willkommen in der neuen Normalität.”
Die Frage ist nicht, ob Disruptionen kommen, sondern wann und wo – seid also besser vorbereitet. Was wir gesehen haben, ist, dass nach COVID die tatsächliche Nachfrage nach unseren Bildungsangeboten ein Rekordniveau erreicht hat und die Zahl der globalen Implementierungen auf ein Rekordniveau gestiegen ist, weil Führungskräfte erkannten, dass sie es mit dieser variablen, volatilen, verrückten Welt zu tun haben. Wir hatten nicht nur COVID, wir hatten auch den russischen Einmarsch in die Ukraine, die nächste Pandemie stand bevor, es herrschte Chaos an den amerikanischen Häfen, und es gab Streiks der Hafenarbeiter. Es geht nicht darum, ob die nächste Störung kommt, sondern wann und wo.
Und leider sagten während der COVID-Krise viele Führungsteams: “Wenn wir wieder normal sind”, und unsere Botschaft lautete: “Willkommen in eurer neuen Normalität.”
Conor Doherty: In Ordnung, danke, Carol. Joannes, verzeih mir, warum glaubst du, dass der demand-driven Ansatz während der COVID-Krise Schwierigkeiten hatte oder nicht?
Joannes Vermorel: Diese Frage war nicht an mich gerichtet, daher kommentiere ich einfach Carols Antwort. Typisch für die demand-driven Paradigmen: Man erhält eine endlose Liste von Faktoren – Regression, Ukraine-Krieg, Volatilität, Unsicherheit, usw. Schlagwort, Schlagwort, Schlagwort, Problem, Problem, Situation.
Seht ihr, es ist wie eine Vielzahl von Dingen. Aber wenn ich nochmals anfange – und die Bücher sind jedes Mal gleich – findet man auf jeder Seite diese Liste. Sie schweifen in zwanzig verschiedene Richtungen ab, und jedes Mal denke ich: “Okay, jetzt haben sie etwa zwanzig Kapitel geöffnet, um jede einzelne dieser Abschweifungen zu behandeln”, und man bekommt nichts Konkretes, nichts Mathematisch Fundiertes – und wenn ich mathematisch fundiert sage, meine ich nicht höhere Mathematik, sondern sogar Grundschulmathematik –, etwas, das nicht mehrdeutig ist und eine berechenbare Regel liefert, und dann nichts. Man fährt einfach fort, und wieder einmal ist das nur eine Ansammlung endloser Faktosammlungen. Und ich denke, das ist wirklich ein Muster, und ich möchte, dass das Publikum auf diese Ansammlung endloser Fakten achtet.
Conor Doherty: Nun, wenn ich weitermachen darf, denn die nächste Frage geht an Joannes und dann an Carol, wende ich sie also an dich. Bietet Lokad – ich habe diese nicht geschrieben – einen anderen Ansatz für den Umgang mit Störungen wie denen während COVID, und wenn ja, wie geht man damit um?
Joannes Vermorel: Die lange Antwort findet sich in der Serie von supply chain-Vorlesungen, aber das ist eine sehr lange Antwort. Kurz gesagt: Wir verwenden Wahrscheinlichkeiten und probabilistische Prognosen. Die Idee ist, ein ökonomisches Modell zu haben, bei dem Ereignisse, die eine geringe Wahrscheinlichkeit und gleichzeitig eine große wirtschaftliche Auswirkung haben, berücksichtigt werden können. Dafür benötigt man probabilistische Prognosen, und darauf aufbauend ein zweites Instrument – das prädiktive Instrument – und dann ist das Optimierungsinstrument die stochastische Optimierung, der Oberbegriff für jeden allgemeinen Solver, der unter Unsicherheit eine optimierte Antwort liefern kann.
Letztlich bewertet man die Wahrscheinlichkeiten aller möglichen Zukünfte – Schritt eins. Schritt zwei: Man betrachtet alle möglichen Entscheidungen, natürlich auf das reduziert, was ein Computer bewältigen kann, und optimiert das, was den höchsten risikoangepassten Return on Investment liefert. Das ist die kurze Antwort darauf, wie Lokad es umsetzt – in sehr, sehr technischen Begriffen würde ich sagen.
Conor Doherty: Carol, zuvor hast du gesagt, dass das DDAE-Modell, ebenso wie die alles umfassende Hierarchie der Konzepte, kompatibel mit probabilistischen Prognosen ist.
Carol Ptak: Absolut, absolut. Ich meine, probabilistische Prognosen helfen uns dabei, zu definieren, wie das Betriebsmodell gestaltet wird. Aber um Joannes’ Antwort entgegenzusetzen: Das war eine äußerst komplizierte wissenschaftliche Antwort, die im Grunde darauf hinausläuft: “Die Antwort kam vom Computer – vertrau darauf.” Und ich kenne keinen einzigen Planer auf der Welt, der sagen würde: “Oh, sie kam vom Computer, vertrau darauf.” Das DDAE-Modell ist verständlicher.
In einfachen Worten: Ich habe keinen Doktortitel – oder zwei oder drei. Und so würde ich sagen: “Zuerst müssen wir uns auf das Problem einigen. Was ist das Problem, das wir zu lösen versuchen?” Und deshalb reden wir unaufhörlich über Variabilität, Vielfalt – also die echten Probleme der realen Welt und wie DDAE sie löst. Und eine weitere Frage wäre: “Okay, Lokad, wo ist eure Seite mit den Fallstudien, in denen ihr zeigt, wie ihr Probleme für eure Kunden in der realen Welt mit echten, bottom-line Ergebnissen gelöst habt, die von euren Praktikern präsentiert werden?” Diese Seite würde ich in Relation dazu setzen, was das Demand Driven Adaptive Enterprise-Modell an jedem Tag leistet. Und wie gesagt, kommt nächste Woche nach Deutschland, trefft diese Leute von Angesicht zu Angesicht und sprecht mit ihnen.
Conor Doherty: Irgendwelche Kommentare? Kein weiteres Abschweifen, keine weiteren Ausführungen oder Autoritätsargumente über “Cherry and the cake”. Also, kein weiterer Kommentar.
Nun, wenn ich da noch einmal nachhaken darf, Carol – und ich möchte dir keine Worte in den Mund legen, also korrigiere mich, falls ich falsch liege – aber so hast du deine Antwort auf Joannes’ Kommentar formuliert, als wäre es fast so: “Nun, ich habe auch keinen Doktortitel, also hey, ich bin kein Arzt. Ich komme aus der Informatik und den Zahlen.”
Es schien, als würdest du dich und deinen Ansatz so positionieren, dass er zwar verständlich, aber nicht unbedingt akademisch oder hochkomplex ist. Meine Anschlussfrage an dich lautet daher: Wenn er zwar verständlich, aber weniger effektiv als eine anspruchsvollere Lösung ist, wärst du damit einverstanden?
Carol Ptak: Nein, würde ich nicht, weil ich denke, dass es verständlicher und effektiver ist. Wenn Planer und Manager verstehen, wie etwas funktioniert, dann werden sie es verwenden. Wie ich sagte, gibt es keinen Geschäftsführer auf dem ganzen Planeten, der sagen wird: “Oh, die Zahlen kamen aus einem Computer, gut.” Denn ich würde auch Joannes herausfordern, dass man eine supply chain nicht optimieren kann, weil supply chains komplexe adaptive Systeme sind. Man kann Alternativen betrachten und eine auswählen, aber die Realität ist, dass, solange keine Variabilität in der Ausführung vorhanden ist, es immer eine Bandbreite von Möglichkeiten gibt, die die tatsächlichen Ergebnisse zeigen werden.
In demand-driven würde ich sagen, dass es nicht nur hochgradig verständlich ist, wir verwenden nichts, was über Mathematik der fünften Klasse hinausgeht. Deshalb verstehe ich, warum Joannes von der primären akademischen Betrachtung der Mathematik beleidigt wäre, aber gleichzeitig verwenden wir nichts, was über Mathematik der fünften Klasse hinausgeht. Es ist sehr verständlich, sodass Unternehmen es einsetzen und unglaubliche Ergebnisse sehen. Es gibt eine großartige Fallstudie; es war die letzte, als wir vor ein paar Jahren Germany gemacht haben. Sie sagt: “Ja, ich weiß, dasselbe wie bei allen anderen, das Inventar ist halbiert, on-time full ist um 90% gestiegen, langweilig.” Und ich meinte: “Mann, wenn man diese Ergebnisse satt hat, ist man am falschen Ort.”
Also würde ich vorschlagen, dass es nicht nur leichter zu verstehen ist, sondern auch effektiver. Aber es steht nicht im Widerspruch zur probabilistischen Vorhersage, denn diese Mathematik kann uns helfen, zu verstehen, wie wir uns anpassen, sobald wir durch das Modell voranschreiten, nachdem die anfängliche Implementierung abgeschlossen ist. Wie passen wir uns an? Und hier sehe ich, dass probabilistische Vorhersagen, die digitalen Zwillinge, wirklich ins Spiel kommen, um all diese Beziehungen zu verstehen. Aber zuerst muss der erste Schritt sein, die supply chain zu stabilisieren, um die operative Variabilität abzumildern.
Conor Doherty: Okay, nun, Joannes, um fair zu sein, du hast einige Notizen gemacht. Hast du darauf eine Antwort?
Joannes Vermorel: Ich meine, erstens, wieder einmal, Dinge aufzuzeigen, die ein wenig unsinnig sind. Ja, das DDMRP und das komplexe adaptive System und all diese Theorie betreiben eine Optimierung. Es steht ganz am Anfang: Es optimiert den Return on Investment. Wenn du versuchst, eine Zahl nach oben oder unten zu drücken, betreibst du eine Optimierung. Das ist die Definition einer Optimierung. Also, wenn du sagst, “Siehst du, das ist die Art von Sache, die völlig schizophren ist,” indem du sagst, “Oh nein, das machen wir eigentlich nicht, wir machen keine Optimierung,” und du erwähnst dann in der nächsten Minute, dass du versuchst, den Return on Investment zu optimieren, dann ist das, sorry, genau die Definition von Optimierung.
Und dann, wenn wir zurückgehen zu…
Carol Ptak: Wir versuchen, den ROI zu steigern, nicht zu optimieren.
Joannes Vermorel: Aber das ist dasselbe. Wachstum, Optimierung ist buchstäblich ein Weg, eine Zielfunktion, die der ROI sein kann, zu nehmen und sie ein wenig in die gewünschte Richtung zu bewegen. Das ist buchstäblich die Wikipedia-Definition von Optimierung. Also, das ist genau das, was du tust. Das erscheint mir total verrückt, dieser Ansatz.
Und dann, probabilistische Vorhersage, es tut mir sehr leid, aber die Formeln und all das, was in diesen Büchern angegeben wird, ist sehr schwach. Die Formeln – ja, ich kann auch, nochmal, das ist ein wenig ein Autoritätsargument meinerseits – aber sie ist völlig unvereinbar mit probabilistischer Vorhersage. Um dir nur einen Eindruck davon zu geben, wie es aussieht, wenn du probabilistische Vorhersage anwendest: Das Erste ist, dass du deine SKUs nicht isoliert betrachtest. Du wirst den Beitrag jeder einzelnen Einheit im gesamten Unternehmen unabhängig gewichten. Das ist buchstäblich probabilistic forecasting 101, das du bekommst.
Also arbeitest du in dieser Methodik mit dem Puffer, einen Puffer nach dem anderen. Das heißt, sorry, es ist einfach nicht so, dass diese Dinge in derselben Ebene existieren. Sie sind weder in Bezug auf Konzepte noch in Bezug auf Methodologie oder Technologien kompatibel. Sie sind völlig, völlig unterschiedlich.
Carol Ptak: Habe ich gesagt, dass die probabilistische Vorhersage einen Puffer nach dem anderen vornehmen würde? Ich denke, eines, was wir immer über DDAE gesagt haben, ist, dass wir das Ganze und die Ursache und Wirkung gesamtheitlich betrachten. Und nochmals, ich lade dich ein, an einem Training teilzunehmen, komm nächste Woche nach Frankfurt. Wir haben etwa drei Präsentationen, in denen probabilistische Vorhersage das gesamte Netzwerk betrachtet und sehr erfolgreich im DDAE-Modell eingesetzt wird.
Conor Doherty: Okay, nächste Frage. Nochmals, diese hier ist tatsächlich, Carol, direkt an dich gerichtet. Es gibt einige. Wann immer wir müde werden, können wir aufhören, wir müssen nicht alle beantworten. Wie adressiert DDMRP – ich lese hier wörtlich – wie adressiert DDMRP die in der MRP-Logik inhärenten Probleme? Muss es mehrmals täglich ausgeführt werden, um effektiv zu sein?
Carol Ptak: Je näher man daran ist, DDMRP in Echtzeit auszuführen, desto stabiler wird es, da es unseren Planern ermöglicht, die relevantesten Echtzeitinformationen zu erhalten. Ist es notwendig, in Echtzeit zu arbeiten? Nein. Wie es die Einschränkungen der MRP-Logik adressiert, ist, dass die Stärke von MRP darin liegt, dass alles abhängig ist, und die schlechte Nachricht bei MRP ist, dass alles abhängig ist. Also bedeutet eine Verzögerung irgendwo eine Verzögerung überall.
Wie die DDMRP-Logik das adressiert, ist, indem sie diese Entkopplungspunkte einfügt – basierend auf einem der sechs Kriterien, um zu bestimmen, wo diese Unabhängigkeitspositionen sein werden – damit sie die Variabilität von beiden Seiten absorbieren. Es entkoppelt und stellt unsere primäre Position für die Planung bereit. Zwischen den Entkopplungspunkten ist es abhängig, wie es immer schon war. Deshalb haben wir viel Kritik auf uns gezogen, als wir es DDMRP nannten, und das liegt daran, dass MRP immer noch darin enthalten ist. Denn zwischen den Entkopplungspunkten ist es weiterhin abhängig, wie wir es immer hatten. Also adressiert es die Einschränkungen von MRP durch das Einfügen dieser Entkopplungspunkte, und das sind die primären Positionen für die Planung.
Conor Doherty: Danke. Joannes, du bist an der Reihe für einen Kommentar.
Joannes Vermorel: Ja, ich meine, es gibt hier mehrere Dinge. Zunächst einmal ist MRP wirklich die falsche Ausgangsbasis. Im Kern verwendet es eine traditionelle Datenbank, und das Problem ist, dass ein transaktionaler Kern absolut miserabel ist, wenn es um Analytik geht – jede Art von Analytik. Also, das ist Wahnsinn. Das ist eine absurde Ausgangsbasis, und deshalb denke ich, dass es falsch ist, MRP mit irgendetwas zu vergleichen. Dies ist eine veraltete Ausgangsbasis, die nicht einmal in Betracht gezogen werden sollte.
Dann, wenn es um Echtzeit geht, meine ich, das ist wieder etwas, bei dem man wirklich hinterfragen sollte, woher die Frage stammt. Denn die Realität ist, dass ein moderner Computer als Ausgangsbasis einen 2-GHz-Prozessor hat. Das bedeutet, dass du zwei Milliarden Operationen pro CPU durchführen kannst. Und ein moderner Computer hat – dein Telefon hat acht CPUs –, also sind das buchstäblich zig Milliarden Operationen pro Sekunde auf einem Smartphone.
Also stellt sich nun die Frage, was hast du, das nicht innerhalb einer Latenz von Mikrosekunden ausgeführt werden kann? Und die kurze Antwort ist, dass, wenn du ein System auf einer transaktionalen Datenbank entwirfst, du absolut schreckliche Performance erhältst. Und so bezeichnen Anbieter, die es gerade irgendwie schaffen, diese absolut schreckliche Performance zu mildern, dies als Echtzeit. Es ist wirklich Unsinn, ich meine, wirklich, wirklich Unsinn. Es ist einfach ein Missbrauch moderner Computerhardware. Ich könnte ins Detail gehen, aber ich würde sagen, hier haben wir eine wirklich falsche Ausgangsbasis für MRP und für Echtzeit. Das wären meine Bemerkungen.
Conor Doherty: Carol, ich denke, womöglich stimmst du zu, dass MRP eine ungeeignete Ausgangsbasis ist, oder?
Carol Ptak: Nun, die Realität ist diese: MRP wird praktisch von jedem Unternehmen auf der ganzen Welt genutzt. Also ja, ich stimme zu, es ist veraltet. Ich stimme zu, dass ein Schritt in die Zukunft nötig war, und deshalb haben wir DDMRP gemacht. Deshalb mussten wir die Entkopplungspuffer implementieren, die es uns ermöglichten, den Betrieb gemäß Prozesssteuerung statt Transaktionssteuerung auszuführen, was MRP macht. Alles basiert auf Transaktionssteuerung. Bei MRP ist man entweder in Ordnung oder nicht in Ordnung. Man weiß nicht, wie in Ordnung oder wie nicht in Ordnung man ist.
Und weißt du, MRP Echtzeit kam erstmals mit PeopleSoft im Jahr 2001 heraus, und unsere Kunden hassten es. Ich meine, ich habe den Vorteil gegenüber Joannes, dass ich wirklich alt bin. Als ich an der Universität unterrichtete, erzählten mir Studenten, wie sie bewunderten, wie ich die Forschung zur Geschichte der IT betrieben habe – und das war nicht wirklich Forschung, sondern anekdotisch, ich habe es erlebt.
Und wir dachten wirklich, dass, wenn die Computer schneller werden, unser Problem gelöst wäre. Aber wir entdeckten, dass, je schneller die Computer wurden, desto schlimmer wurden unsere Probleme, und das lag an der Systemnervosität. Mein allererstes APICS-Treffen vor 46 Jahren handelte von Systemnervosität. Wir wussten damals davon; wir wussten nur nicht, wie man es löst. Und wir wussten nicht, wie man es löst, bis DDMRP aufkam, um die Planungsfunktion zu stabilisieren.
Aber die ganze Idee von APS – ich meine, es gibt keine APS-Implementierung da draußen, die erfolgreich war. Nach Joannes’ Definition ist Erfolg: Hat es den ROI des Unternehmens gesteigert? Und es liegt daran, dass es versucht, diese mehrstufige Optimierung basierend auf einer falschen Geschäftslogik durchzuführen. Und ich stimme ihm zu: Die Technologie muss sich ändern, wenn sich die Geschäftsregeln ändern, und die Geschäftsregeln müssen sich ändern, wenn sich die Technologie ändert. Das ist es, was Eli und ich im Jahr 2000 schrieben, als wir “Necessary but Not Sufficient” verfassten. Das wissen wir schon lange.
Conor Doherty: Danke.
Joannes Vermorel: Ja, ich würde noch einmal sagen, das ist ein Missbrauch von Begriffen. Wenn ich für ein Datenbanksystem sage, es sei transactional, meine ich das in einer sehr spezifischen Weise. Es bezieht sich darauf, wie es beim Design von Datenbanken verwendet wird. Und wenn du sagst, transactional, hat das nichts mit Finanzen oder irgendeinem Prozess zu tun. Es bedeutet im Wesentlichen die ACID-Eigenschaft: Atomizität, Konsistenz, Isolation, Dauerhaftigkeit. Das sind Eigenschaften, die von deinem Speicher gewährt werden.
Und DDMRP ist als Paradigma genauso transactional wie MRP. Und bei allen Implementierungen, die ich gesehen habe, setzen die Anbieter, die DDMRP umsetzen, es auf SQL-Datenbanken ein, genau wie alle anderen, die MRP betrieben haben. Also, wieder gibt es so viele Fälle, in denen ihr Wörter verwendet, aber nicht in der richtigen Weise. Das bedeutet, dass, wenn du von Transaktionen sprichst, du dich auf etwas beziehst, das nichts mit dem Design von Datenbanksystemen zu tun hat. Du wirst vom Thema abkommen, wenn du Transaction für etwas einsetzt, das mehr der Methodologie von DDMRP ähnelt.
Und nochmal, es sind völlig unterschiedliche Dinge. Es tut mir leid, aber ich möchte nur darauf hinweisen, dass wir, erneut, zwar Faktoren haben, aber wir verschieben ständig die Semantik dessen, was die Wörter tatsächlich bedeuten.
Carol Ptak: Nun, und ich denke, hier kommt das Gespräch hin, das wir führten, als wir diese Debatte ins Leben riefen – nämlich zur Definition. Denn meine Perspektive auf die Welt stammt aus einem Leben lang, in dem ich die Fertigung geleitet habe und als Operations Planner tätig war, als Planer auf dem Shopfloor, als Vorgesetzte, als Operations VP und als Branchenexperte in der IT-Branche.
Weißt du, ich komme aus der Praxis, aus der realen Welt, und nicht aus dem, was wir früher das kleine weiße Haus nannten, also die IT in den alten Zeiten mit dem Podestboden. Und da wollte man im Sommer hinausgehen, weil es klimatisiert werden musste. Also komme ich nicht aus dem Kreis der sogenannten Bit-Twiddler. Ich komme aus der realen Perspektive, wie man tatsächlich einen Betrieb führt und eine Fertigungsanlage als Teil einer integrierten supply chain betreibt.
Also, ja, ich würde sagen, wir haben wahrscheinlich sehr unterschiedliche Definitionen, aber meine Definitionen wären die, die von denen verwendet werden, die – das war ein Teil unserer Debatte: Geht es auf die realen Herausforderungen von heute ein? Und das ist die Welt, aus der ich komme.
Conor Doherty: Okay, entschuldige, ich werde noch ein wenig weiterfragen, da es noch einige Fragen gibt. Aber nochmals, wir können später zu diesem Punkt zurückkehren. Also an Joannes, und nochmals, du hast das schon angeschnitten, also kannst du es kurz halten, denke ich: Was ist die minimale Technologie, die wir benötigen, um Optimierung zu realisieren?
Joannes Vermorel: Ich schlage vor, das Problem von der anderen Seite zu betrachten: Welche Technologien stehen dir explizit im Weg, dies zu erreichen? Weißt du, denn die Realität ist, dass data science – allgemein gesprochen – sehr, sehr wenig benötigt. Deshalb ist zum Beispiel Python so beliebt.
Meine Auffassung ist also, dass der Fluch heutzutage darin besteht, dass moderne Enterprise-Systeme wie tausend Schichten sind. Du hast die Datenbank, die Betriebssysteme, allerlei Caches, allerlei Datenerfassungsschichten usw. – Schicht auf Schicht. Und im Wesentlichen tun moderne, würde ich sagen, enterprise software Systeme so, dass sie Daten von einer Schicht in die nächste bewegen, was Unmengen an Rechenressourcen, Speicher, CPU, Bandbreite und so weiter erfordert.
Also, kurz gesagt, es gibt keine Mindestanforderung, aber du musst dir all der Dinge bewusst sein, die im Weg stehen. Und in diesem modernen Zustand der Softwaretechnologien ist das enorm. Meine Botschaft lautet also: Denke nicht an die Dinge, die du benötigst, sondern an die Dinge, die du nicht benötigst – und entferne sie. Und sobald du zum Kern, dem algorithmischen Kern, zurückgekehrt bist, bist du gut aufgestellt.
Conor Doherty: Carol, ich weiß, du hast gesagt, dass die supply chain nicht optimiert werden könnte, aber, weißt du, lass mich das mal annehmen: Wenn du denkst, dass sie es könnten, welche Technologie wäre erforderlich?
Carol Ptak: Oh, für mich ist das Thema Technologie – weißt du, das überlasse ich Joannes. Ich lebe in der realen Welt mit den realen Problemen der Betrachtung von Methodologien. Und ich arbeite immer sehr eng zusammen, weil ich eine Zeitlang für IBM gearbeitet habe und die große Ehre hatte, im Watson Research Center zu arbeiten. Weißt du, das sind diese brillanten PhD-Typen. Ich gehöre nicht dazu. Ich bin einfach ein sehr pragmatischer Operations Manager, der in den letzten 45 Jahren das große Glück hatte, eine sehr erfolgreiche Karriere zu haben.
Conor Doherty: Okay, dann mache ich weiter. Carol, nochmals, ich lese das hier wegen der Zeit. Wurde DDMRP – oder, sagen wir, sogar DDAE – in großen Einzelhandelsorganisationen mit mehreren hundert Filialen erfolgreich implementiert? Falls ja, könntest du bitte Beispiele nennen?
Carol Ptak: Sicher, ja. Zunächst fällt mir Mick ein. Die meisten Einzelhandelsbetriebe, in denen es implementiert wurde, befinden sich in Südamerika. Also hat Mick, sie besitzen mehrere Einzelhandelsgeschäfte. Ich versuche, an einige der anderen zu denken. Der größte Einzelhändler in Kolumbien hat DDMRP implementiert. Es gibt eine einzigartige Herausforderung im Einzelhandel, weil der Einzelhandel so etwas wie einen Long Tail hat. Typischerweise generieren etwa 10% ihrer Produkte 90% ihres Umsatzes, und 90% ihrer Produkte generieren 10% des Umsatzes.
Es ist also eine einzigartige Anwendung, aber die meisten Einzelhandelsimplementierungen befinden sich tatsächlich in Südamerika und Mexiko. Und dann haben wir auch einen Einzelhandelsfall aus Südafrika. Takealot sollte auf der Konferenz sein, und das ist das größte Geschäft in Südafrika.
Conor Doherty: Okay, danke. Ich mache weiter. Es gibt eigentlich nicht mehr hinzuzufügen zu dieser Frage, Carol. Du hast das Konzept des Flow ein paar Mal erwähnt. Könntest du das Konzept des Flow tatsächlich definieren und erklären, was es im Kontext von DDMRP bedeutet, bitte?
Carol Ptak: Nun, das ist die grundlegende Säule. Flow ist die Rate, mit der eine supply chain Materialien in vom Kunden benötigte Produkte umwandelt. Und das ist sehr spezifisch. Flow ist die Rate, mit der eine supply chain Materialien, Inputs, in Outputs umwandelt, die vom Kunden verlangt werden. Es ist absolut die grundlegende Säule, die DDMRP zugrunde liegt. Es stellt sich auch als die grundlegende Säule von Lean und Theory of Constraints sowie vielen anderen, weißt du, gängigeren, moderneren, sollte ich sagen, Bereichen der Betriebsverbesserung heraus. Also, das ist die ganze grundlegende Säule. Wie ich bereits sagte: Wenn Joannes eine echte Post-It-Notiz über demand-driven schreiben wollte, dreht sich alles um den Flow.
Conor Doherty: Danke, Carol. Joannes, du hast einige Notizen gemacht. Möchtest du antworten? Nun, diese Frage ist an dich gerichtet. Wie integriert Lokad Adaptabilität auf Systemebene, während gleichzeitig die Sensitivität der Lösung gegenüber Variationen in der supply chain ausgeglichen wird?
Joannes Vermorel: Also, zwei Blickwinkel hier. Bezüglich der Sensitivität gegenüber der Variation stellt sich die Frage: Sind sie wünschenswert oder nicht? Es gibt Klassen von numerischen Rezepten, die extrem – würde ich sagen – trigger-happy in Bezug auf Ergebnisse sind, und das ist sehr schädlich, denn in der supply chain gibt es Ratscheneffekte. Sobald du einen Produktionslauf ausgelöst hast, kannst du das nicht rückgängig machen, sodass du mit deiner Entscheidung leben musst.
Du möchtest also nicht wirklich numerische Rezepte, die von selbst trigger-happy und unregelmäßig agieren. Übrigens, einer der Aspekte der probabilistischen Prognose ist, dass sie die numerischen Rezepte deutlich stabiler macht. Ein Großteil der Unsicherheit, die bei traditionellen Systemen auftritt, besteht darin, dass bei einer klassischen Vorhersage eine kleine Abweichung dazu neigt, sich fließend in massive Divergenzen weiter unten im Prozess zu verwandeln. Dieses Problem wird also durch die Umstellung auf probabilistische Prognose und stochastische Optimierung gelöst.
Jetzt haben wir einen weiteren Blickwinkel in der Frage, nämlich Adaptabilität. Tatsache ist, dass wenn du ein numerisches Rezept hast und etwas Katastrophales oder völlig Beispielloses passiert, es keinen Ersatz für menschliche Intelligenz gibt. Die Arbeitsweise von Lokad besteht darin, supply chain scientists einzusetzen, die in sehr kurzer Zeit die numerischen Rezepte umschreiben und anpassen können, um der neuen Situation gerecht zu werden. Nochmals, wir haben keine Kristallkugel; wir können nichts voraussagen, das radikal beispiellos ist – wie etwa, wenn Evergreen einen Kanal blockiert.
Aber wenn es passiert, gibt es so viele Veränderungen, dass es einen menschlichen Verstand erfordert. Doch der menschliche Verstand ist nicht dazu da, jedes einzelne SKU mit Klebeband zu reparieren; er soll das numerische Rezept neu schreiben. Dann sind wir wieder im Geschäft. Alle Entscheidungen werden automatisiert getroffen, und das geschieht automatisch und in großem Maßstab.
Conor Doherty: Carol, möchtest du dem noch etwas hinzufügen?
Carol Ptak: Ich kann über Lokad nicht sprechen.
Conor Doherty: Nun, diese Frage war ursprünglich an dich gerichtet, Carol, aber eigentlich denke ich, es wäre interessanter, sie zuerst an Joannes zu richten und dann eure Antworten zu vergleichen. Also, Joannes, warum zögerst du, Fallstudien zur probabilistischen Prognose mit DDMRP oder denen von Carol zu vergleichen? Lassen wir es einfach so ausdrücken.
Joannes Vermorel: Weil ich überhaupt nicht an Fallstudien im Bereich Unternehmenssoftware oder Unternehmenspraktiken glaube. Das Feld ist seit den 1950er Jahren im Grunde voller Probleme. Nochmals, das Problem ist, dass es einen massiven Interessenkonflikt gibt. Denk es einfach so: Der Anbieter wird die Fallstudie nicht veröffentlichen, es sei denn, sie stellt ihn auf ein Podest.
Und dann haben die Kunden, die Manager, die ihr Ansehen riskieren, wenn sie sich für eine Initiative entscheiden, einen enormen Anreiz, dafür zu sorgen, dass die ganze Welt glaubt, dass diese Initiative hervorragend verlaufen ist. Meine beiläufige Beobachtung ist, dass 90% der Initiativen in der supply chain in allen Unternehmen, allen Ländern, allen Branchen scheitern. 90% – das ist die gleiche Ausgangsbasis.
Und wie viele Fallstudien kann ich in meiner gesamten Karriere nennen, die ernüchternde Ergebnisse zeigten? Keine, nicht eine einzige. Die einzige negative Fallstudie, die ich finden konnte, stammte, würde ich sagen, von brillanten Journalisten. Zum Beispiel ermutige ich dieses Publikum, „The Last Days of Target Canada“ zu lesen. Das ist eine fantastische Zusammenfassung all der Dinge, die schiefgelaufen sind, aber so etwas kommt extrem selten vor.
Leo hat vor nur wenigen Jahren eine halbe Milliarde Euro bei einer SAP-Initiative zur Bestandsoptimierung verloren. Keine Fallstudie. Also, du siehst, was ich meine. Der Interessenkonflikt ist so enorm, dass es nicht darum geht, meine Fallstudie mit deiner zu vergleichen. Diese Methode muss abgeschafft werden. Es ist eine Methodik, die von vornherein strikt abgelehnt werden muss, Punkt.
Conor Doherty: Richtig. Nun, Carol, die Frage war ursprünglich an dich gerichtet. Warum denkst du, dass Joannes zögert, seine Fallstudien mit deinen zu vergleichen?
Carol Ptak: Nun, das ist eine sehr gute Frage, und nur er kann sie beantworten. Ich weiß, dass er Fallstudien sehr ablehnt. Ich meine, als ein realitätsnaher Beobachter wäre die Frage offensichtlich: “Habt ihr welche?” Und ich ermutige die Leute, mit diesen Experten zu sprechen – nicht nur das, was veröffentlicht wurde, sondern tatsächlich zu ihnen zu gehen und ins Detail zu gehen.
Denn wir ermutigen sie dazu zu sagen: “Wenn wir es noch einmal machen müssten, was würden wir anders machen? Wo sind wir gescheitert? Was hat nicht funktioniert? Was dachten wir, würde funktionieren?” Wir fördern diese Art von Transparenz in unseren Fallstudien. Wie ich bereits sagte, erlauben wir es weder den Softwareunternehmen noch den Beratungsfirmen, die Fallstudien durchzuführen. Es sind die Menschen.
Das ist der Grund, warum wir Demand Driven World veranstalten – um diesen Praktikern zu ermöglichen, miteinander zu sprechen, damit sie darüber diskutieren können, was funktioniert hat, was wirklich nicht funktioniert hat, was sie gelernt haben und wie wir voneinander lernen können. Nicht nur die Erfolge, was wichtig ist, sondern auch, wie wir aus den Misserfolgen lernen können. Was lief nicht gut?
Und ich denke, das ist genauso wichtig. Wenn wir dazu beitragen können, die Misserfolge zu teilen, damit jemand anderes nicht über dieselbe Schwelle stolpert, dann ist das eine gute Sache. Deshalb veranstalten wir Demand Driven World. Die meisten unserer Implementierungen befinden sich in Europa, weshalb wir nächste Woche nach Europa kommen.
Aber wir halten Fallstudien für absolut entscheidend, weil das Erste, worum wir gebeten werden. Versteht: Demand Driven Institute – wir sind kein Beratungsunternehmen. Wir sind kein Softwareunternehmen. Wir waren noch nie ein Softwareunternehmen und auch nie ein Beratungsunternehmen. Wir sind einfach Vordenker im Bereich der supply chain. Also sind wir sehr unabhängig von allen Softwareunternehmen.
Aber als die Leute demand-driven in Betracht zogen, änderte sich das ungefähr gleich nach der Pandemie. Ich würde sagen, es verschob sich von “Hast du demand-driven ausprobiert?” zu “Warum hast du demand-driven nicht ausprobiert?” Und das lag an den Ergebnissen, die das Unternehmen während der Pandemie sah, als bereits Implementierungen liefen.
Conor Doherty: Okay, nun, ich mache weiter, aber ich komme wieder auf dich zu, Carol. Zunächst – noch einmal, die Frage richtet sich eigentlich an euch beide, aber ich beginne mit Carol, weil du bereits gesprochen hast –: In einer hochgradig VUCA-Welt mit spärlicher und unregelmäßiger Nachfrage, wie würdest du Entscheidungen treffen, ohne die Lagerbestände signifikant zu erhöhen? Und als Unterfrage: Wie gehst du mit aufeinanderfolgender Unsicherheit in solch herausfordernden Situationen um?
Carol Ptak: Nun, und genau da muss man das Geschäft wirklich verstehen. Diese Frage liefert nicht genügend Informationen. Was bedeutet Unsicherheit auf Unsicherheit? Wie viel dieser Unsicherheit ist selbst verursacht? Wie viel dieser Unsicherheit resultiert aus deiner Preisstrategie? Es gibt viele Schichten dieser Zwiebel, die man abziehen muss, um zur Wurzel des Problems zu gelangen.
Ich war gerade auf einer Konferenz in Wisconsin, wo ein Softwareunternehmen auf mich zukam und sagte: “Wie würdest du vorschlagen, in Zeiten knapper Ressourcen die Allokation vorzunehmen?” Ich fragte: “Hat dein Kunde einen Überbestand?” “Oh ja, sie haben zu viel vom Falschen und zu wenig vom Richtigen.” Ich sagte: “Nun, löst doch dieses Problem.” Manchmal sehen wir, dass diese Variabilität auf Variabilität selbst verursacht wird.
Wenn ich ein Lieferant für schnelle Reaktionen mit hoher Variabilität und geringem Volumen sein möchte, wirst du das nicht durch Importe aus China erreichen. Das ist eine andere Strategie. Deine Strategie muss mit deiner operativen Leistungsfähigkeit übereinstimmen, und deine operative Leistungsfähigkeit ermöglicht dir verschiedene strategische Vorteile. Diese Dinge müssen aufeinander abgestimmt sein. Deshalb betrachtet DDAE Strategie, Taktik und operative Abläufe getrennt und behandelt diese drei relevanten Bereiche.
Conor Doherty: Danke. Joannes, dieselbe Frage.
Joannes Vermorel: Das ist eine sehr interessante Frage. Fangen wir mit spärlichem, intermittierendem Verhalten an. Spärlich und unregelmäßig – hier glänzt der probabilistische Ansatz wirklich. Wenn du es mit etwas Spärlichem zu tun hast, musst du ein mathematisches Instrument haben, das dir erlaubt, mit Mustern auf Untereinheitsebene umzugehen.
Wenn du einfach fragst: “Wie viele Einheiten werde ich im Laufe einer Woche verkaufen?” könntest du sagen: “50% Chance, dass ich nur eine verkaufe.” In der klassischen Welt würdest du 0,5 sagen, aber das macht keinen Sinn, da du die Einheit nicht aufteilen kannst; sie ist verpackt. Die klassische Perspektive hat Schwierigkeiten mit Vorhersagen auf Untereinheitsebene, was zu viel Unsinn führt, weil am Ende Bruchzahlen entstehen, die einfach nicht real sind. Sie existieren in der Mathematik, aber in der supply chain gibt es nur null oder eins.
Mit Wahrscheinlichkeiten erhältst du eine schöne, elegante Lösung, die tatsächlich funktioniert, bei der du eine Wahrscheinlichkeit für null, eine für eins, eine für zwei – sagen wir – Einheiten und vielleicht auch eine Wahrscheinlichkeit für 50 Einheiten hast, was der unregelmäßige Ausschlag sein wird. Also, spärlich, intermittierend – hier glänzt es wirklich.
Nun, wenn du Unsicherheit auf Unsicherheit stapelst, ist dies eine sehr interessante Frage. Wie machst du das in einer deterministischen Welt, wenn du eine Verzögerung auf eine andere addierst? Die Antwort: Du bildest eine Summe, eine Addition, die sich wie etwas völlig Normales anfühlt. Du kannst also addieren, subtrahieren, multiplizieren. Es stellt sich heraus, dass, wenn du Unsicherheit hast – wenn du so etwas wie eine Algebra zufälliger Variablen besitzt – du all diese Kombinationen von Unsicherheiten durchführen kannst und so effektiv die daraus resultierenden Unsicherheiten berechnen kannst. Ich beschreibe also nicht exakt die Lösung; ich beschreibe nur die Instrumente, die dir das ermöglichen.
Zuerst brauchst du, würde ich sagen, statistische Instrumente, die mit Spärlichkeit und Unregelmäßigkeit umgehen. Das wird also nicht deine klassische Art der Prognose sein. Das sind auch nicht die Puffer, die als verherrlichte gleitende Durchschnitte in DDMRP dargestellt werden. Und zweitens, wenn du mit kumulierter Unsicherheit umgehst, brauchst du Instrumente, die dir das ermöglichen. Die Leute machen das seit einem halben Jahrhundert in der Finanzwelt. Das ist kein Zauber. Lokad hat das nicht erfunden. Es ist nur ein etwas ungewöhnliches Instrument, aber es ist sehr unkompliziert. So wie es dir natürlich vorkommt, Zahlen zu addieren, zu subtrahieren und zu multiplizieren, wirst du lernen, dies auch mit Unsicherheit zu tun.
Conor Doherty: Okay, danke. Ich mache weiter. Das ist eine ziemlich umfangreiche Frage. Ich werde versuchen, sie in Echtzeit zusammenzufassen. Ähm, okay, das richtet sich an dich, Joannes, da du das bereits teilweise beantwortet hast. Es gibt einige bewegliche Teile, aber ich werde als Grundlage vorlesen.
An Joannes: Was ist deine Hauptkritik am DDMRP-Modell, und welche spezifischen Aspekte davon stellst du in Frage? Ich denke, das hast du bereits beantwortet, aber ich habe kein überzeugendes Argument gegen DDMRP gehört, außer dass es zu einfach sei. Wenn ein einfaches Modell Ergebnisse liefern kann, warum brauchen wir dann komplexere und anspruchsvollere Systemdynamik-Modelle?
Joannes Vermorel: Meine Hauptkritik ist, dass es außerordentlich wenig Substanz gibt, und deshalb habe ich auf Seiten hingewiesen. Denn wenn du die Einzelteile betrachtest, merkst du, dass es größtenteils aus viel Nichts besteht. Und die Vorstellung, dass aus einem Haufen Nichts – wenn man es zusammenfügt –, voilà, eine grandiose Gesamtlösung entstehen soll, halte ich für völligen Unsinn. Also, meine Hauptkritik ist, dass es sehr, sehr schwach ist – sowohl im Einzelnen als auch im Gesamten.
Und dann kommst du zurück zur Frage, warum es so gut funktionieren soll. Die Frage ist: Wenn du schon annimmst, dass alle Fallstudien stimmen – entschuldige, ich kann nichts für dich tun –, wenn du so annimmst wie in der Fallstudie, dass du durch Anwendung von DDMRP im Einzelhandel einen zuverlässig 60% höheren Umsatz erzielen kannst, während der Bestand im gleichen Prozess halbiert wird und der Eindruck entsteht, dass das Geschäft sogar noch voller ist, wenn du glaubst, dass das die Art von Ergebnis ist, die man erzielen kann – weil genau das präsentiert wird – entschuldige, ich habe noch eine Brücke in Brooklyn, die ich dir verkaufen muss – das war’s.
Conor Doherty: Nun, Carol, ich möchte da noch einmal nachhaken, und das baut auf dem auf, was Joannes gesagt hat. Also, diese Frage ergibt sich sowohl aus Joannes’ Ausführungen als auch aus der Gesamtdiskussion. Zu Beginn hattest du kommentiert: “Ich war überrascht, dass Joannes über die Bücher sprechen wollte.” Und nochmals, ich werde nicht für Joannes sprechen, aber für mich gilt: Wenn du sagst: “Hey, willst du etwas lernen? Hier sind mehrere Bücher, die – wie Handbücher – erklären, wie ein Flugzeug abhebt.” Du liest über Luft- und Raumfahrt oder Aeronautik, du lernst das Bernoulli-Prinzip kennen. Es steht in einem Buch. Also lerne ich nicht, dass Flugzeuge fliegen; ich lese dieses Buch, um zu lernen, wie Flugzeuge fliegen.
Also, wenn man über Fallstudien spricht, und ich sage der Einfachheit halber einfach, dass es funktioniert, okay, aber ich denke, für Joannes und vielleicht auch für die Zuhörer besteht das Problem darin, dass, wenn ich lernen will, wie es funktioniert, ihr behauptet, dass es nicht in den Büchern steht.
Carol Ptak: Oh nein, es steht eindeutig in den Büchern. Joannes behauptet, dass es nicht in den Büchern steht. Es steht in den Büchern. Wir haben diese drei Bücher für drei völlig getrennte, unterschiedliche Märkte geschrieben. Das “Demand Driven Adaptive Enterprise”-Buch wurde für Führungskräfte geschrieben, um zu verstehen, wie das Ganze zusammengebaut ist. Das “Adaptive S&OP”-Buch wurde für das S&OP-Team verfasst, um darzulegen, wie man nun einen strategischen S&OP-Prozess, der einen adaptiven Geschäftsplan hervorbringt, mit einem demand-driven operating model verknüpft. Und das “DDMRP”-Buch erklärt ganz speziell, wie der DDMRP-Motor funktioniert.
Nun, ich liebe die Kritik, dass es zu einfach ist. Ich denke, das ist das beste Kompliment, das ich bekommen kann. Warum? Weil es sehr einfach ist, Dinge komplex zu machen. Es ist sehr schwierig, Dinge einfach zu machen. Und wir haben sehr, sehr hart daran gearbeitet, das Konzept verständlich und leicht umsetzbar zu machen.
Also dreht sich die heutige Diskussion darum: Löst das DDAE-Modell das Problem in der realen supply chain von heute? Nun, das ist real. Wir müssen etwas haben, das verständlich, einfach umzusetzen ist und signifikante Ergebnisse liefert. Wissen Sie, wenn man sich die Werkzeuge des kritischen Denkens anschaut, sucht man immer nach dieser bahnbrechenden Idee, die viele Probleme löst und das auf sehr tiefgreifende Weise. Und genau das tut demand-driven.
Ich meine, ich liebe Eli Goldratt. Er hat die Dinge immer so gut formuliert. Wissen Sie, er sagte: “If you have to use math to explain yourself, then you don’t know what you’re talking about.” Ich liebe Goldratt. Er hat großartige Ideen hervorgebracht. Also, wenn Joannes’ schlimmste Kritik darin besteht, dass er nicht mag, was wir als Gleichung bezeichnet haben – okay, der Rest der Welt nennt das Gleichungen – und es gibt bestimmte Formatierungsvorgaben von einem Verlag; ich weiß nicht, wie viele Bücher Joannes veröffentlicht hat, aber es gibt bestimmte Anforderungen in der Formatierung, wenn man ein Buch herausgibt, dass man Dinge als Diagramm und Abbildung kennzeichnen muss, in Ordnung? Und das ist eine Voraussetzung.
Also, Sie arbeiten mit den Verlagen zusammen und wir würden all das gerne weglassen, aber es ist eine Voraussetzung. Ich weiß nicht, wie viele Bücher Sie bereits veröffentlicht haben, aber Sie werden feststellen, dass dies eine Anforderung ist, wenn man bei einigen der Spitzenverlage veröffentlicht – als müssten all diese Dinge gekennzeichnet werden. Deshalb ist es das beste Kompliment, das ich mir vorstellen kann, wenn man sagt, was wir tun, sei einfach, denn wir arbeiten sehr, sehr hart daran, es einfach zu verstehen, einfach umzusetzen und dabei tiefgreifende Ergebnisse zu erzielen.
Conor Doherty: Okay, danke, Carol. Ich gebe das Wort zurück an Joannes.
Joannes Vermorel: Ja, ich denke, das ist eine Fehlinterpretation meiner Kritik. Ich habe nicht gesagt, dass diese Bücher einfach sind. Im Gegenteil, ich habe ausführlich dargestellt, dass sie sehr verschachtelt sind, um Dinge zu präsentieren, die letztlich sehr einfach sind. Da sage ich, dass man buchstäblich ein halbes Dutzend Seiten auf Englisch braucht, um zu sagen: “Add this, subtract that, multiply by that.” Es ist einfach wahnsinnig schwer nachzuvollziehen, was man auch mit, wieder, Formeln aus der Grundschule hätte darstellen können, also ganz basic.
Und im Gegenteil, sehen Sie, darin liegt der Punkt dieses Buches. Ich kritisiere nicht, dass sie zu einfach sind. Das ist nicht mein Punkt. Mein Punkt ist, dass sie äußerst schwach sind. Das ist eine ganz andere Kritik. Schwäche ist nicht dasselbe wie Einfachheit. Man kann Dinge haben, die äußerst einfach und schön sind. Maxwells Gleichungen, wissen Sie, sind äußerst einfach, schön. Ja, der Formalismus ist ziemlich ausgeklügelt, aber das ist nicht die Art von Einfachheitsproblem, von der ich spreche.
Mein Punkt ist, dass diese Bücher drastisch vereinfacht werden hätten können, tatsächlich drastisch, indem man sich an die etablierten Normen hält, dass, wenn man etwas addieren, subtrahieren usw. will, man einfach eine einfache Formel verwendet und nicht buchstäblich ein halbes Dutzend Seiten extrem komplizierte und verschachtelte Erklärungen hinzufügt, um das Einfache zu erklären. Und mein Punkt, die Kritik, ist, dass man dadurch die Seitenzahl aufbläht, die Masse an Worten erhöht, um am Ende auf 900 Seiten sehr, sehr wenig zu vermitteln.
Conor Doherty: In Ordnung, ich mache weiter. Wir sind jetzt seit 80 Minuten im Gespräch, deshalb werde ich beginnen, Fragen zu kürzen, die bereits beantwortet wurden. Also, nochmals, ich werde Joannes nicht noch einmal zu DDMRP-Fallstudien befragen. Wir haben dieses Thema bereits gut behandelt. Ja, damit wende ich mich zuerst an Carol.
Können Sie zusammen den Umfang, die Situationen oder Bedingungen definieren, unter denen etwas Ausgereifteres als DDMRP erforderlich ist? Zum Beispiel scheint DDMRP bei Demontageprozessen nicht auszureichen. Wie würden Sie solche Szenarien angehen?
Carol Ptak: Tatsächlich hat es bei der Demontage sehr gut funktioniert. Eine der frühesten Fallstudien war ein Unternehmen namens Erickson Air-Crane. Entschuldigung, Joannes, dass ich wieder auf eine Fallstudie zurückkomme, aber Erickson Air-Crane besitzt tatsächlich das Flugzertifikat für den Sikorsky-Hubschrauber. Und somit haben sie einen vollständigen Demontageprozess. Daher funktioniert es dort sehr, sehr gut, vor allem aufgrund des hohen Variabilitätsgrads.
Wenn ein Flugzeug hereinkommt, landet es in dem Zustand, in dem es gewartet wurde. Nun müssen Sie herausfinden, wie es ursprünglich gebaut, konzipiert wurde, und dann versuchen, alles wieder nachzurüsten. Und dann haben Sie ein Problem mit Ihrem FAA-Flugzertifikat, das besagt, dass ein Teil nachgerüstet wurde und bis zum 31. Oktober 2024 gültig ist, während ein anderes Teil nachgerüstet wurde und bis zum 1. Juni 2025 gültig ist. Der Rumpf ist nur bis zum 31. Oktober 2024 zertifiziert, weil alle Teile übereinstimmen müssen. Wenn Sie also mit so hoher Variabilität konfrontiert werden, funktioniert es tatsächlich ziemlich gut.
Was ich den Leuten immer sage, wenn sie mich fragen: “Für welche Branche passt es nicht?” – Die Branche, in der demand driven nicht passt, ist jene, in der Sie in einer hochzuverlässigen Branche tätig sind, in der Ihre Kundentoleranzzeit kürzer ist als Ihre kumulative Durchlaufzeit und in der Sie keine Variabilität in den Abläufen erleben. Dann wird es nicht funktionieren.
Implizit heißt das, nein, ich habe diesen Punkt in der Welt nicht gefunden, aber theoretisch könnte man es bis zu diesem Punkt treiben. Je mehr Variabilität, Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit vorhanden sind, desto besser funktioniert es, weil es dafür entworfen wurde. Demand Driven Adaptive Enterprise wurde für die heutige VUCA-Welt entworfen, und es funktioniert in der heutigen VUCA-Welt.
Conor Doherty: Ich lasse dich antworten.
Joannes Vermorel: Ja, ich nehme dieses Beispiel nochmals an das Publikum. Okay, sprechen wir über die Luftfahrt. Wir haben also Teile, die Flugstunden und Flugzyklen aufweisen. Ich mache es für das Publikum ganz einfach. Das bedeutet, dass man seine Bestände nicht mehr einfach so zählen kann: “Ich habe eine Einheit, zwei Einheiten, drei Einheiten, fünf Einheiten.” Das macht eigentlich keinen Sinn, weil jede Einheit, die Sie haben, eine bestimmte Anzahl an Flugstunden und, übrigens, Flugzyklen hat.
So kann es passieren, dass Sie tausende Flugstunden mit nur einem Teil haben oder, aus irgendeinem Grund, lediglich 100 Flugstunden, aber zwei Teile besitzen. Der Punkt ist: Was Sie nicht mehr tun können, ist, eine eindimensionale Darstellung Ihrer SKU zu haben. Sie können also nicht sagen: “Ich habe eine, zwei, drei, vier, fünf zusätzliche Einheiten.” Sie benötigen eine mehrdimensionale Darstellung der SKU.
Und nochmals, wenn ich auf DDMRP und alles, was in den Büchern steht, zurückkomme, werden diese Punkte niemals angesprochen, nicht einmal im Ansatz, der die schwierigen Punkte behandeln könnte. Sie werden nicht angesprochen. Ich garantiere diesem Publikum, dass Sie nichts finden werden, was es Ihnen ermöglicht, mit mehrdimensionalen SKU-Problemen umzugehen. Und dennoch ist es buchstäblich genau die Art von Nichtlinearität und Komplexität, die sich die Bücher zu Beginn als Ziele gesetzt haben.
Carol Ptak: Ich stimme Joannes absolut zu. Ja, wir behandeln mehrdimensionale Teile nicht. Bedeutet das, dass wir nicht wissen, wie man es macht, oder dass wir nicht wissen, wie man es implementiert? Absolut nicht. Mein Hintergrund liegt in der Luft- und Raumfahrt. Ich habe viel bei den NAA-Luftfahrtdepots in Cherry Point, Jacksonville und auch in Kalifornien gearbeitet, ebenso wie bei den Hubschrauberunternehmen. Das war meine Karriere. Wenn Sie recherchieren, habe ich 20 Jahre in der Luft- und Raumfahrt verbracht.
Ich verstehe also mehrdimensionale Teile, weil Sie unterschiedliche SKU-Nummern haben, mit verschiedenen Zustandscodes und unterschiedlichen Flugstunden. Und Joannes, Sie haben absolut recht. Wir behandeln mehrdimensionale Teile in keinem dieser Bücher. Wenn Sie ein ERP-Buch lesen möchten, ist mein ERP-Buch das erste Mal, dass Remanufacturing jemals in einem Buch erscheint. Aber es ist eine so spezialisierte Umgebung, dass diese Bücher 3.000 Seiten umfassen würden, wenn wir alles für jede einzelne Umgebung einbeziehen würden.
Das sind die Grundlagen, die Bausteine für jedes demand-driven adaptive enterprise. Es gibt verschiedene Dimensionen, die man hinzufügt, wie wir bereits den Einzelhandel besprochen haben, wissen Sie, wir sprechen über die Luft- und Raumfahrt, wir sprechen über Remanufacturing, Projektmanagement. Wie wäre es mit einem Unternehmen, das niemals dasselbe Material zweimal verwendet? Sehr erfolgreiche Implementierungen von demand-driven. Diese Bücher repräsentieren also die Bausteine.
Wissen Sie, es ist, wie Sie bereits erwähnt haben: Wenn ich über den Flug lese – ja, ich werde die Bücher lesen und das Bernoulli-Prinzip und all das verstehen –, wird es Sie nicht zu einem Piloten einer 747 machen.
Conor Doherty: Es würde mich zumindest zum Ingenieur machen, nur um diese Analogie zu vervollständigen. Aber Joannes, dein…
Joannes Vermorel: Nein, ich denke, wir stehen erneut vor einem Autoritätsargument, das ich anfangs erwähnt habe, nämlich “Vertrau mir.” Jedenfalls schlage ich vor, dass wir weitermachen, um nicht in dieselben Argumente zurückzufallen.
Conor Doherty: Gut, okay. Dieser geht an Joannes. APICS und ASCM betonen ebenfalls die Bedeutung der Push-Pull-Grenze. In Ihrer Lösung, an welchem Punkt im supply chain-Netzwerk wechseln Sie von einem Push- zu einem Pull-Ansatz?
Joannes Vermorel: Zunächst einmal basiert die Unterscheidung zwischen Push und Pull wieder auf der falschen Ausgangsbasis. Wir kehren zurück zu der Denkweise der 1970er, in der man annimmt, dass die verschiedenen Teile der Organisation nicht miteinander kommunizieren können. Tatsächlich muss eine Partei entscheiden, wann gepusht wird, oder eine andere, wann gepullt wird. Aber nochmals, das ist in diesem Zeitalter des Internets irgendwie Unsinn. Warum? Ganz einfach, man kann eine Intelligenz darüber schalten – künstlich oder nicht, spielt keine Rolle –, solange man ein Netzwerk hat.
Das Einzige ist, Entscheidungen auszulösen. Wenn Sie entscheiden, 10 Einheiten von Punkt A zu Punkt B zu bewegen, dann ist es lediglich eine Perspektive zu sagen, dass, wenn es Punkt A ist, der die Einheiten anfordert, Sie ziehen (pull). Wenn es Punkt B ist, der entscheidet, dann drücken Sie (push). Wiederum ist dies keine gültige Unterscheidung in diesem Zeitalter des Internets. Mein Fazit wäre also: Bitte behalten Sie nicht die Konzepte bei, die vor 25 Jahren im Grunde durch die Idee eines Internetnetzwerks obsolet gemacht wurden, wodurch Informationen frei über Ihre supply chain fließen können.
Bei Lokad befassen wir uns nicht wirklich damit, weil es ein Problem ist, das überholt ist, und es existiert nur in Unternehmen, die weiterhin, würde ich sagen, veraltete Methoden und veraltete Perspektiven verwenden.
Conor Doherty: In Ordnung, es gibt noch zwei weitere Fragen, dann wechseln wir das Thema, da es schon eine Weile her ist. Aber Joannes, bitte voran: Wie effektiv sind traditionelle safety stock Berechnungen für ein Unternehmen, das sowohl ein hohes Volumen als auch hohe Variabilität in seinen Abläufen managt?
Joannes Vermorel: Safety Stock ist von Grund auf in so vielen Bereichen fehlerhaft. Ich fasse mich kurz, aber im Kern heißt das: Warum ist es völlig fehlerhaft? Immer wenn Sie 1 $ in Ihre supply chain investieren, konkurriert dieser 1 $ um alle, sagen wir, Investitionen in Bestände. Er konkurriert mit allen SKUs. Alle SKUs konkurrieren um diesen 1 $. Ihr Safety Stock-Modell geht davon aus, dass Sie eine SKU völlig isoliert bearbeiten können, ohne das zu berücksichtigen, was bei den anderen SKUs passiert. Das ist buchstäblich das Safety Stock-Modell.
Allein aufgrund dieser Prämisse ist Safety Stock völlig fehlerhaft. Und dann gibt es ein zweites Problem, das zwar eine Implementierungsdetails ist, in der Praxis aber wirklich ein Killer, nämlich die Annahme der Normalverteilung, die darüber getroffen wird. Safety Stock bedeutet daher in Lehrbüchern und Softwareimplementierungen stets, dass für Nachfrage und Durchlaufzeiten Normalverteilungen verwendet werden. Und das ist verrückt.
Das große Problem ist also erneut, dass alle SKUs um die gleiche Investition konkurrieren. Jede SKU-unabhängige Logik ist somit von Grund auf fehlerhaft. Und dann gibt es noch ein zweites Problem, nämlich die verwendete Mathematik, die wirklich unzureichend ist.
Conor Doherty: Danke. Carol, was denken Sie?
Carol Ptak: Ich freue mich, einen weiteren Punkt der Übereinstimmung mit Joannes gefunden zu haben. Safety Stock ist grundsätzlich fehlerhaft, absolut. In Ordnung, es ist eines der beiden Dinge, die wir in der demand-driven Methodik eliminieren. Und der Grund dafür ist, dass Safety Stocks, wie sie durch jede MEIO-Optimierungssoftware berechnet werden, davon ausgehen, dass man für besseren Kundenservice mehr Inventar haben muss und dass man die erforderliche Menge an Safety Stock, wie Joannes sagte, isoliert, SKU für SKU, berechnen kann, indem man die Variation und den z-Score für das gewünschte service level betrachtet.
Das ist lächerlich. Das ist absolut lächerlich, und wir nennen das eine tiefe Wahrheit. Eine tiefe Wahrheit kann nur durch eine noch tiefere Wahrheit offenbart werden, was wieder auf diesen Post-It zurückgeht, den ich gerne in Joannes’ Büro hängen würde: “It’s all about flow.” Wenn wir einen besseren Flow haben, erhalten wir gleichzeitig einen besseren Kundenservice mit weniger Inventar. Es ist kein Trade-off, wissen Sie.
Die MEIO-Systeme, die versuchen, diese beiden Größen – die Menge des Inventars und den Kundenservice – zu optimieren, sind absolut grundlegend fehlerhaft, und der demand-driven Ansatz verwendet keine Safety Stocks. Daher stimme ich Joannes absolut zu, genau richtig.
Conor Doherty: In Ordnung, und nochmals, wir machen noch eine letzte Frage. Es gab weitere Fragen, aber ich möchte nun zur nächsten Sektion übergehen. Alles, was nicht beantwortet wurde, werden wir auf LinkedIn behandeln. Aber das ist tatsächlich eine Frage, die, Carol, von jemandem kam, der ein Fan von Ihnen ist – tatsächlich. Ich werde den Namen nicht nennen, aber jemand, der ein Fan von Ihnen ist. Diese Frage kommt also in gutem Glauben und guter Absicht.
Also, Carol, an dich: Wenn Joannes’ Kritik völlig falsch ist, wenn er einfach völlig danebenliegt, warum denkst du also, dass der demand-driven Ansatz nicht weiter verbreitet oder populärer ist?
Carol Ptak: Nun, das ist interessant. Weißt du, ich… seine Kritik… gut, lass mich noch einmal von vorne anfangen. Meine Enttäuschung war, dass ich dachte, unsere heutige Debatte würde sich um die Methodologie drehen, nicht um Seitenzahlen und das Beschriften von Dingen, Diagrammen und Abbildungen, was uns von unseren Verlegern vorgeschrieben wird. Daher war ich enttäuscht über die Tiefe unserer heutigen Diskussion.
Ich denke, die Fragen, die wir am Ende hin und her hatten, waren der bessere Teil der Debatte, anstatt dass Joannes einfach seine vorbereiteten Notizen vorlas, als er hereinkam. Ich hatte also eine dynamischere Diskussion erwartet. Warum ist demand-driven nicht weiter verbreitet? Es ist in manchen Ländern tatsächlich sehr bekannt, und es hängt davon ab, welches Team dort arbeitet. In Frankreich ist es sehr, sehr bekannt, weshalb Joannes uns seit vielen, vielen Jahren im Visier hat.
Er geht die demand-driven Methodologie schon seit vielen Jahren an wegen ihrer Sichtbarkeit in Frankreich. Unser Land Nummer eins ist Frankreich. Nummer zwei ist Kolumbien. Nummer drei ist Mexiko. Wir haben gerade nach Japan expandiert. Die Vereinigten Staaten wachsen wahnsinnig. So sehen wir einige sehr große Konsumgüterunternehmen, wie Fortune Brands, die das umsetzen. Wir haben auch einige weniger bekannte Marken wie Toyota und Caterpillar, die es implementieren.
Deshalb würde ich die Aussage in Frage stellen, dass es nicht bekannter sei. Es waren vor allem sehr, sehr große Unternehmen, die die Idee angenommen haben. Wir haben auch einige kleine familiengeführte Betriebe, weil sie die Auswirkungen und die Bedeutung des Cashflows verstehen. Das Spannendere daran ist, dass wir während der Pandemie nach China expandiert haben und jetzt erst nach Japan. Das Team in Japan sagt: “Wisst ihr, wir merken, dass demand-driven genau das ist, was uns gefehlt hat, weil der Kaizen-Ansatz begrenzt ist und wir eine bahnbrechende Idee brauchen.” Sie glauben ebenfalls, dass demand-driven das Richtige ist.
Dass unser demand-driven Wörterbuch in 12 Sprachen vorliegt und die Prüfung in neun Sprachen angeboten wird, beweist meiner Meinung nach, dass es doch bekannter ist. Wir in der Community neigen dazu zu betrachten, wie viele Unternehmen es nicht einsetzen, anstatt uns an der Größe und Vielfalt derjenigen zu messen, die es tun. Zu Joannes’ Bemerkung: Viele Unternehmen, sobald sie es implementiert haben, hört man nicht mehr über ihre Fallstudien, weil sie es als Wettbewerbsvorteil ansehen – und das ist bedauerlich.
Conor Doherty: Gut, Joannes, ich werde die Frage leicht anpassen, denn offensichtlich stimmen die Gründe, warum du denkst, dass es nicht funktioniert, nicht unbedingt mit denen überein, die nicht dein akademisches Niveau haben. Warum glaubst du also, dass es bei anderen Praktikern nicht weiter verbreitet oder stärker angenommen wird?
Joannes Vermorel: Also, faktisch, würde ich – ganz, ganz faktisch – sagen, dass es extrem mehrdeutig ist. Es gibt einige Methoden, wenn ich sie mit anderen supply chain Theorien vergleiche – nicht meine, lassen wir mal meine eigenen Sachen außen vor – sagen wir, wenn ich zu konkurrierenden Theorien wie flowcasting greife, zum Beispiel. Ich glaube auch an flowcasting nicht, aber ihre Theorie ist in ihrem Konzept äußerst spezifisch, wirklich, wirklich spezifisch.
Wenn ich also eine flowcasting Software implementieren möchte, kann ich das flowcasting Buch nehmen – es heißt flowcasting – und buchstäblich alles bekommen, was ich brauche. Es gibt fast keinerlei Unklarheiten darüber, was genau ich tun muss, um es zu implementieren. Ich behaupte nicht, dass flowcasting gut ist; tatsächlich finde ich es ziemlich furchtbar. Aber den Autoren ist zuzugestehen, dass ihre präsentierte Theorie nicht mehrdeutig und nicht vage ist. Bei DDMRP würde ich sagen, die Hauptkritik ist, dass es extrem vage, sehr schwach ist und es sehr schwierig ist, etwas klar zu umreißen.
Wenn ich als Softwareherausgeber meinen Hut abnehmen und sagen würde, dass ich das implementieren möchte, dann ist das so unglaublich vage, dass ich gar nicht weiß, wo ich anfangen soll. Entschuldigt, und ich weiß, dass das subjektiv ist – deshalb kann ich dem Publikum nur raten: Nehmt eines dieser Bücher, lest zufällig 10 Seiten und fragt euch: “Kann ich das, was gesagt wurde, eindeutig für mein Unternehmen umsetzen?” Eindeutig. Stellt euch eure eigene Frage, und die Antwort darauf sollte der wahre Maßstab dafür sein, ob das, was ich sage, korrekt ist oder einfach nur Unsinn.
Carol Ptak: Nun, ich würde bezweifeln, dass irgendein Buch, das man aufschlägt und 10 Seiten liest, einem das vollständige Bild liefert. Die Art, wie alle unsere Bücher geschrieben sind, ist: Zuerst beschreiben wir das Problem, dann die Richtung der Lösung, danach erklären wir, wie die Lösung das Problem behebt, und schließlich gehen wir auf die Hindernisse ein – die “ya-buts” – und beschreiben einen sicheren Weg nach vorne. Deshalb denke ich nicht, dass das zufällige Lesen von 10 Seiten in irgendeinem Buch einen ans Ziel bringt.
Aber ich müsste die heutige Diskussion so zusammenfassen: Es dreht sich alles um den Flow, und ungefähr richtig ist besser als exakt falsch.
Conor Doherty: An dieser Stelle habe ich keine weiteren Fragen, aber ich öffne den Raum. Joannes, gibt es etwas, das du Carol direkt ohne meine Aufsicht vorbringen möchtest?
Joannes Vermorel: Nein, ich möchte mich bei Carol dafür bedanken, dass sie diese Übung gemacht hat. Ich weiß das wirklich zu schätzen. Es war eine echte Debatte. Es ging nicht darum, meine Ansichten in Einklang zu bringen. Ich werde dich nicht überzeugen, und du wirst mich wahrscheinlich auch nicht überzeugen, aber ich schätze es sehr, dass du dir die Zeit und Mühe genommen hast, diese Diskussion zu führen. Für mich bedeutet das viel, und mein Ziel ist es, künftig mehr von diesen Debatten zu führen. Offensichtlich gibt es auch andere Theorien – das ist ein Ziel, das ich mir für diesen Kanal gesetzt habe.
Ich bin sehr froh, dass Carol sich erneut solide, sagen wir, 90 Minuten ihrer Zeit gewidmet hat. Das schätze ich wirklich, und ich möchte dir, Carol, dafür danken.
Carol Ptak: Sehr gerne, und ich weiß die Einladung zu schätzen. Ich hatte gehofft, dass wir die Debatte persönlich führen könnten, aber dann kam die Pandemie, und das wurde verschoben. Deshalb freue ich mich, dass sich diese Gelegenheit wieder ergeben hat, denn wie du dich erinnerst, hatte ich dir versprochen, dass ich jederzeit und überall gerne diese Debatte führen würde, weil ich es für sehr wichtig halte, die vollständigen Informationen auf den Markt zu bringen und diese Punkte zu diskutieren.
Ich denke, in einer Debatte kann jeder genau den Weg wählen, den er gehen möchte, und das ist völlig in Ordnung. Wie ich bereits sagte: Wenn ich es zusammenfassen müsste – demand-driven dreht sich ganz um den Flow. Ungefähr richtig ist besser als exakt falsch.
Conor Doherty: Nun, Carol, ich habe gehört, dass Frankreich das Land Nummer eins für die DDMRP-Implementierung ist. Also, falls du das nächste Mal in Frankreich bist, insbesondere in Paris, weißt du, dass wir beide uns sehr freuen würden, dich zu bewirten – wenn auch nur zum Abendessen.
Carol Ptak: Das ist mein Favorit. Meine Leute in Toulouse wissen, dass wenn ich dort ankomme, es unbedingt Foie gras und Entenbrust geben muss. Ich bekomme meinen canard, bekomme mein Foie gras, und ich bin ein glücklicher Camper.
Conor Doherty: Nun, an dieser Stelle werde ich alles abschließen. Ehrlich gesagt, war es wirklich angenehm, euch im Hin und Her diskutieren zu hören. Das hat sich über mehrere Jahre hingezogen – das kann man wohl sagen. Falls es nicht lehrreich war, hoffe ich, dass es zumindest unterhaltsam für alle war. Also nochmals vielen Dank an euch beide.
Carol Ptak: Conor, ich finde, du hast einen absolut fantastischen Job gemacht, und das weiß ich wirklich zu schätzen. Wie gesagt, Joannes und ich sprechen schon seit mehreren Jahren darüber, und ich freue mich, dass es endlich zustande gekommen ist.
Conor Doherty: Damit schließe ich. Joannes, vielen Dank für deine Zeit. Carol, du warst eine große Unterstützung. Vielen Dank für deine, und danke euch allen fürs Zuschauen. Wir sehen uns beim nächsten Mal.