Zusammenfassung
Entdecken Sie, wie Tokic, ein führendes Unternehmen im kroatischen Automotive Aftermarket, seine Abläufe mit KI und datengesteuerten Strategien transformiert. In diesem exklusiven Interview aus Athen enthüllt CTO Josip Kelava, wie Tokic die Expertise von Lokad nutzt, um komplexe supply chain Herausforderungen anzugehen und kritische Prozesse zu automatisieren. Durch die Priorisierung sauberer, strukturierter Daten und die Integration eines neuen ERP Systems ebnet Tokic den Weg für Innovationen der nächsten Generation, einschließlich predictive maintenance und nahtloser decision-making. Mit Lokad als vertrauenswürdigem Partner bleibt Tokic nicht nur am Puls der Zeit – es setzt den Standard für die Zukunft des unabhängigen Aftermarkets.
Volles Transkript
Fabian Hoehner: Willkommen zu einer Spezialausgabe von Lokad TV. Ich bin hier in Gesellschaft von Josip Kelava und wie Sie sehen, befinden wir uns an einem ganz besonderen Ort. Wir stehen tatsächlich in Athen. Josip, erzähl uns ein wenig von dir und warum sind wir heute in Athen?
Josip Kelava: Danke, dass du mich eingeladen hast, Fabian. Ich bin Josip Kelava, der CTO der Tokic-Gruppe, und wir sind tatsächlich Autoteileverkäufer, die Marktführer in unserer Branche, mit Einzelhandelsgeschäften in ganz Slowenien und Kroatien. Heute sind wir hier in Athen auf der ATR Digitalkonferenz, die sich mit dem heißen Thema KI beschäftigt. Wie wir wissen, ist es heutzutage ein Schlagwort, aber es umfasst KI im unabhängigen Aftermarket. Das ist der Markt, in dem Tokic aktiv ist. Heute geht es eigentlich mehr um die Nachhaltigkeit unseres Marktes. Der unabhängige Aftermarket beginnt, wenn Autos und Fahrzeuge größtenteils das Ende ihrer Garantiezeit erreicht haben, sagen wir mal, und diese Fahrzeuge dann in den Aftermarket kommen. Es ist also ein Kampf zwischen OE und dem unabhängigen Aftermarket. Ich meine, es wird als Kampf bezeichnet, aber ja, es ist ein Machtspiel. Sie haben die Daten, wir wollen, dass die Daten funktionieren, und nun müssen wir auf Ebene der EU-Kommissionen dafür kämpfen. Es ist ein großer Markt, den wir nicht verlieren dürfen, und das ist die Schlüsselrolle von ATR.
Fabian Hoehner: Okay, danke. Dann kommen wir ein wenig zu deinem Thema, während wir hier auf der Konferenz sind. Du hast gestern tatsächlich eine Präsentation gehalten, bei der es um das große Thema artificial intelligence ging. Offensichtlich ist es ein großes Thema, aber vielleicht kannst du uns ein wenig darüber erzählen, was deine Sichtweise war und was deine Erfahrungen und Eindrücke in Bezug auf die Tokic-Gruppe sind?
Josip Kelava: Ja, gestern war, würde ich sagen, der KI-Tag für den unabhängigen Aftermarket. Es wurden starke Botschaften von der Bühne gesendet: KI ist gekommen, um zu bleiben. Wir haben KI kurzfristig überschätzt, aber langfristig unterschätzt. Ich bin definitiv froh, dass einige Anbieter begonnen haben, sie zu nutzen, weil sie den neuen Entwicklungen sehr nahe waren. Sie dachten, es sei wie Telematik. Jeder hat viel Geld, Energie und Zeit in Telematik investiert, und wir sind gescheitert. Telematik bezieht sich eigentlich darauf, dass die Daten von Autos in die Cloud gesendet werden, an wen auch immer als Serviceanbieter, und dass wir damit spielen, ferndiagnostizieren, Vorhersagen treffen, vielleicht auch Wartung, um die Daten, sagen wir, online zu haben. Wir haben viel Zeit und Aufwand investiert und haben keine Ergebnisse erzielt. Aber die Botschaft hier ist, dass KI nicht dieser Typ ist. KI ist mehr wie das Internet, mehr wie Mobiltelefone. Es ist eine dieser disruptiven Technologien, und sie ist so umfangreich, dass man sie auf vielen verschiedenen Ebenen einsetzen kann.
Fabian Hoehner: Was sind einige der Beispiele, die wir gesehen haben bzw. noch sehen?
Josip Kelava: Meistens habe ich gesehen, dass sie sie in Übersetzungen, Video-Tutorials, Wissensdatenbanken einsetzen. Das ist bei vielen Anbietern wirklich üblich. Wir haben den Tokic-Fall mit autonomen Kraftfahrern gesehen, der gescheitert ist. Das war der erste Fall, sogar Jahre vor GPT und LLMs. Dann haben wir intern ein Team für digitale Transformation, das tatsächlich RPA, Robotic Process Automation, entwickelt hat. Da ist keine KI im Spiel – das ist nur ein Skript –, aber es war so nah an der KI. Dann haben wir diesen kognitiven Teil in den Roboter integriert, sodass RPA und KI sehr eng beieinander liegen und hervorragend zusammenarbeiten. Wir haben unsere interne KI entwickelt, aber dann haben wir gesagt: “Okay, diese Technologie funktioniert, wir haben großen Erfolg, gute Ergebnisse, lasst uns weitermachen.” Danach sind wir zu dem sehr spezifischen Teil unseres Geschäfts, supply chain, übergegangen, und so sind wir letztlich zu Lokad gekommen.
Fabian Hoehner: Ja, aber vielleicht, bevor wir dazu kommen, fasse ich erst einmal zusammen. Was ich gesehen habe, ist im Grunde, dass wir jetzt eine große Anpassung von LLMs, also großen Sprachmodellen, beobachten. Wofür werden sie eingesetzt? Bilderkennung, Texterkennung, all das. Es war sehr interessant, Anwendungsfälle zu sehen, etwa die automatische Identifizierung von Teilen, die Analyse von Bildern bei Reparaturaufgaben, nicht wahr?
Josip Kelava: Ja, Objekterkennung. Danke, dass du darauf zurückkommst. Objekterkennung in der anderen Lösung ist tatsächlich ein sehr gutes Anwendungsbeispiel. Wenn man viele Teile sieht, haben wir keinen Namen, man weiß nicht, wie man die Form beschreiben soll, welches Stichwort man zur Suche verwenden soll. Mit dem Übersetzungs-LLM ist die Objekterkennung ein Top-Anwendungsfall. Am Ende denke ich, dass wir sehen, dass es bereits implementiert ist und nicht etwas Zukunftsorientiertes, sondern schon vorhanden ist.
Fabian Hoehner: Ja, und gut, dann kommen wir zu dem, was wir tatsächlich gemacht haben, und hier sehen wir wahrscheinlich den Unterschied zwischen, ich will sagen, einigermaßen einfachen Text- und Bildinterpretationen und supply chain. Wir sprechen von sogenannten “wicked problems”, also Problemen, die wir lösen – zum Beispiel Einkaufszuweisungen – mit unzähligen Schichten. Es handelt sich also nicht um ein einzelnes strukturiertes Problem, sondern um viele Implikationen. Kannst du uns aus deiner Perspektive ein wenig darüber erzählen? Ich meine, wir arbeiten nun seit zwei Jahren zusammen, und was hat das Projekt vorangetrieben und wie hast du das erlebt?
Josip Kelava: Ja, das ist ein wirklich spezifisches Thema, weil es viele Schichten hat, die man einzeln angehen muss. Es war nicht einfach zu implementieren, es war nicht einfach, vorher damit zu arbeiten, aber wir haben viele Ressourcen aufgewendet, um all diese Bereiche zu bewältigen: Bestellungen, replenishment, Hofmanagement, um alles vom back order über Rechnungsstellung bis zum Großhof abzudecken. Also wurden viele Ressourcen investiert, um diesen Prozess straff zu gestalten.
Fabian Hoehner: Und wenn du von Ressourcen sprichst, nehme ich an, dass du damit nur Menschen, also Human Resources, meinst?
Josip Kelava: Ja, und Zeit. Zeit ist Geld. Definitiv war es ein internes Projekt. Wir hatten vorher ein gewisses Know-how, dann hatten wir das im Bereich Analytics, sind dann zum Lager übergegangen, und es gab einige Softwarelösungen, die uns vor der Implementierung von Lokad über Wasser gehalten haben. Ihr kennt die Geschichte, aber es war wirklich schwierig, all das auf einfache Weise abzudecken, weil es, wie ich zuvor erwähnt habe, nie einfach war mit diesen Schichten. Ich könnte über die Ergebnisse sprechen, über die Checkpoints, aber ich bin wirklich froh, dass wir es auf eine einzige Lösung, eine erprobte Lösung, die funktioniert, eingegrenzt haben, und dass es nicht mehr so viele Kopfschmerzen gibt wie zuvor. Also danke dafür.
Fabian Hoehner: Das ist eine schöne Zusammenfassung, die im Grunde gesagt das Beseitigen von Kopfschmerzen und Anwendungsproblemen beschreibt. Wir hatten viele Diskussionen darüber, was KI ist, und aus unserer Sicht, ohne zu sehr ins Detail zu gehen, bezeichnen die meisten Leute es als LLM, die großen Sprachmodelle, die aufkommen. Aber was wir sehen, ist, dass es offensichtlich um hochdimensionale Statistik geht und wir viele dieser Ansätze verwenden. Die Frage ist wirklich, was das Ziel ist? Was wir sehen, ist, dass es bei der Idee von KI darum geht, Prozesse zu automatisieren, das Leben der Menschen zu erleichtern, schneller zu sein und Excel in der supply chain loszuwerden.
Josip Kelava: Das ist es.
Fabian Hoehner: Und vielleicht sollte man dabei auch den Datenaspekt hervorheben. Lass uns kurz darüber sprechen, welche Daten-Themen in den letzten Jahren für dich von Bedeutung waren und wie die Zukunft in diesem Bereich aussieht.
Josip Kelava: Daten sind in unserer Zeit entscheidend. Jeder sagt, Daten seien das neue Gold, und ich glaube wirklich, dass dem so ist. Um mit RPA arbeiten zu können, müssen wir Datenhygiene haben und diese strukturieren. Die Leute haben nicht verstanden, dass wir so viel Zeit investieren, um strukturierte Daten zu erhalten, mit denen wir arbeiten können. Gott sei Dank haben wir ein business intelligence Team, das versteht, das mit uns arbeitet. Wir investieren viel Zeit in data cleaning, weil jeder von Input-Output-Ergebnissen weiß. Wenn man von “Garbage in, garbage out” spricht, ist es sehr gut, dass die Führungskräfte erkannt haben, dass wir mehr Zeit in die Daten investieren müssen. Wir haben ein Team für Master Data Management eingerichtet, weil es ein Wettbewerbsvorteil ist. Wenn Ihre Daten gut aufbereitet sind und Ihre Systeme mit klaren und gut strukturierten Daten kommunizieren, sind Sie wettbewerbsfähiger auf dem Markt als die anderen Akteure, die es nicht sind. Es ist also tatsächlich ein Mindset-Wechsel in Bezug auf die Datenstrukturen. Das folgt in einem Projekt, das wir gerade mitten drin haben: Wir implementieren parallel zum ERP das neue Daten warehouse in der Tokic-Gruppe. In ein oder zwei Jahren, sagen wir, wenn wir einen Blick in die Zukunft werfen, werden wir ein neues ERP, ein neues Data Warehouse haben, und es sollte perfekt funktionieren, sobald das Master Data Management Team die Struktur und die sauberen Daten abdeckt.
Fabian Hoehner: Und ich erinnere mich, dass ein Teil unseres Inventarprojekts ebenfalls eine lange Phase der, wie ich immer sage, Dateninterpretation war, weil Daten einfach Daten sind. Es kommt nicht darauf an, dass sie vorhanden sind, sondern darauf, wie sie richtig interpretiert werden. Darüber werden wir mit Elliot sprechen, der die Implementierung geleitet hat, soweit ich weiß.
Josip Kelava: Ja.
Fabian Hoehner: Vielleicht zum Abschluss ein wenig: Wie sieht die Zukunft aus? Was sind die großen Projekte für 2025, 2030? Wo siehst du dich und Tokic aus deiner Sicht als CTO hinentwickeln?
Josip Kelava: Definitiv konzentrieren wir uns jetzt – wir, unsere Leute, unser Team und das gesamte Unternehmen – auf das neue ERP, dessen Implementierung bereits im Gange ist. Es ist ein großes Kernsystem, und wir müssen die Prozesse mit dem anderen Unternehmen abstimmen. Wir haben das slowenische Unternehmen Bartog ins Boot geholt. Es geht nicht nur um Tokic. Vor vier Jahren haben wir ein slowenisches Unternehmen, Bartog Tire Specialists, akquiriert, und definitiv tauschen wir unser Wissen im Bereich Autoteile mit ihrem Know-how im Bereich Reifen aus. So passt alles zusammen. Sie haben ein anderes System, andere Prozesse, und wir müssen diese angleichen, um auf demselben ERP-System weiterarbeiten zu können.
Fabian Hoehner: Ja, und nicht nur ERP, sondern auch Inventar.
Josip Kelava: Genau. Es gibt ein Warehouse-Management-System, viele periphere Softwarelösungen und Dienstleistungen – auch wie die euren – die mit unserem ERP, mit unseren Prozessen bei Tokic und jetzt bei Bartog zusammenarbeiten. Wenn man sich vorstellen kann, wie viele davon es gibt, führt das zu einem Kampf, den wir jetzt führen: den neuen ERP und die Abstimmung der Prozesse in den beiden Ländern, in all diesen 130 Geschäften in den verschiedenen Ländern, unter einen Hut zu bringen. Wie bereits erwähnt, ist das Data Warehouse schon im Einsatz, aber du hast nach der Zukunft gefragt, und definitiv ist das der Bereich, in den ich gehen möchte. Deshalb machen wir all diese Dinge, damit wir mit den Daten spielen können, mit gut strukturierten Daten, mit dem Data Warehouse und dem guten ERP-System. Wir würden die KI gerne erst dann einsetzen, wenn all das geregelt ist. Du hast saubere Daten, alle möglichen Systeme. Wir können predictive maintenance spielen, wir können die supply chain verbessern, bessere Berichte erstellen, und die Entscheidungsfindung wird viel einfacher. Hinter den Daten verbirgt sich eine ganze Wissenschaft. Wir wollen dorthin gelangen. Wir wissen, dass es da ist, wir kennen zwar nicht alle Details, aber wir sind uns ziemlich sicher, dass wir die Infrastruktur benötigen, um tief in die Materie einzutauchen.
Fabian Hoehner: Nun, ich meine, wir freuen uns, dich auf dieser Reise zu begleiten. Von meiner Seite, Josip, danke für dein Vertrauen, danke für deine Zeit heute.
Josip Kelava: Danke, dass du mich eingeladen hast. Es war mir ein Vergnügen. Als CTO möchte ich dir für deinen Einsatz und deinen Beitrag in den Jahren unserer Zusammenarbeit danken. Und hier in Athen hast du auch bei mir und den anderen Eindruck hinterlassen. Danke dafür.