Heuristiken in der Supply Chain - Ep 172

00:00:00 Einführung in Heuristiken in der Supply Chain
00:01:14 Beispiele für Heuristiken: Min-Max-Inventar, FIFO, ABC-Analyse
00:03:15 Ursprünge und informelle Verwendung von Heuristiken in Unternehmen
00:06:28 Menschliche vs. algorithmische Ansätze zur Problemlösung
00:09:58 Heuristiken aus der Perspektive der Informatik
00:13:27 Das Problem mit Laienperspektiven auf Heuristiken
00:17:22 Supply Chain-Heuristiken und die Illusion von Kausalität
00:22:00 Die Notwendigkeit von Metriken zur Bewertung der Wirksamkeit von Heuristiken
00:26:35 Unterschied zwischen Algorithmen und Heuristiken in der Praxis
00:30:26 Experimentelle Validierung und empirische Optimierung
00:36:33 Irreführende Intuition bei Supply Chain-Entscheidungen
00:41:27 Beispiel für Airline-Boarding-Strategien und Intuition
00:46:47 Das Fehlen von finanziellen Metriken bei Supply Chain-Entscheidungen
00:53:05 Menschliche Einschränkungen bei komplexen Zeitplänen vs. Algorithmen
00:58:47 Abschließende Gedanken und Erkenntnisse

Zusammenfassung

In einer kürzlich erschienenen LokadTV-Episode führte Conor Doherty, Kommunikationsdirektor bei Lokad, ein Interview mit Joannes Vermorel, CEO von Lokad, über Heuristiken in der Supply Chain-Verwaltung. Sie diskutierten über die Verwendung einfacher Problemlösungstools wie FIFO und ABC-Analyse, hoben deren Grenzen hervor und die Notwendigkeit robusterer mathematischer Ansätze. Joannes erklärte, dass Heuristiken zwar einfache Lösungen bieten, oft jedoch an Konsistenz und empirischer Validierung fehlen. Er betonte die Bedeutung der Unterscheidung zwischen echten Heuristiken und willkürlichen numerischen Rezepten und plädierte für realweltliche Bewertungen und Experimente zur Validierung von Supply Chain-Praktiken. Das Gespräch unterstrich die Notwendigkeit einer kritischen Bewertung und empirischer Evidenz zur Optimierung von Supply Chain-Entscheidungen.

Erweiterte Zusammenfassung

In einer kürzlich erschienenen Episode von LokadTV führte Conor Doherty, der Kommunikationsdirektor bei Lokad, eine nachdenkliche Diskussion mit Joannes Vermorel, dem CEO und Gründer von Lokad, einem französischen Softwareunternehmen, das sich auf die prädiktive Optimierung der Supply Chain spezialisiert hat. Das Gespräch tauchte in die Verwendung von Heuristiken in der Supply Chain-Verwaltung ein, untersuchte deren Grenzen und stellte sie robusten mathematischen Ansätzen gegenüber.

Conor begann mit der Einführung des Konzepts der Heuristiken, die einfache Problemlösungstools wie FIFO (First In, First Out), LIFO (Last In, First Out) und ABC-Analyse umfassen, die häufig bei Supply Chain-Entscheidungen verwendet werden. Er betonte, dass diese Heuristiken oft eingesetzt werden, um Unsicherheit zu bewältigen, und bat Joannes, näher zu erläutern, was Supply Chain-Praktiker meinen, wenn sie von Heuristiken sprechen.

Joannes erklärte, dass Heuristiken in der Industrie im Wesentlichen formalisierte Faustregeln sind, die zur Lenkung von Entscheidungen verwendet werden. Zum Beispiel ist eine Min-Max Bestandspolitik, bei der der maximale Bestand auf drei Monate Nachfrage festgelegt ist, eine Heuristik. Diese Heuristiken bieten einfache Lösungen für komplexe Probleme, sind jedoch oft willkürlich und weisen keine Konsistenz zwischen verschiedenen Planern und Unternehmen auf.

Conor fragte weiter nach den Ursprüngen dieser Heuristiken. Joannes antwortete, dass sie die einfachsten Lösungen sind, die Menschen sich vorstellen können, um spezifische Probleme anzugehen. Zum Beispiel stellt FIFO sicher, dass alle Artikel schließlich ausgewählt und verarbeitet werden, um Verfall zu verhindern. Er betonte jedoch, dass diese Heuristiken nicht unbedingt optimale Lösungen sind.

Joannes stellte dann einen entscheidenden Unterschied zwischen Heuristiken dar, wie sie von Ökonomen verstanden werden, und denen in der Supply Chain-Verwaltung. Bei natürlichen Aufgaben, wie dem Greifen eines Glases Wasser, verwenden Menschen Heuristiken effektiv, weil uns die Evolution mit den notwendigen Instinkten ausgestattet hat. Supply Chain-Probleme sind jedoch diskrete numerische Herausforderungen, die in der Natur nicht existieren, und unsere angeborenen Heuristiken sind nicht für diese Aufgaben geeignet.

Conor und Joannes diskutierten die Grenzen traditioneller Heuristiken wie FIFO und ABC-Analyse. Joannes argumentierte, dass diese Methoden oft willkürliche numerische Rezepte sind, anstatt echte Heuristiken, da ihnen Metriken zur Messung ihrer Wirksamkeit fehlen. Er betonte die Bedeutung der Unterscheidung zwischen Heuristiken und willkürlichen numerischen Rezepten, die irreführend sein können.

Conor präsentierte eine Einzelhändlersicht und schlug vor, dass einfache Methoden wie ABC-Analyse funktionieren, weil sie profitabel sind. Joannes entgegnete, dass Profitabilität nicht jede Praxis in einem Unternehmen rechtfertigt. Er verwendete Apple als Beispiel und merkte an, dass einige Praktiken möglicherweise nicht direkt zur Rentabilität beitragen, aber dennoch befolgt werden.

Das Gespräch verlagerte sich auf die Herausforderungen der Validierung von Heuristiken in realen Supply Chains. Joannes erklärte, dass während Algorithmen nachweisbare Eigenschaften haben, Heuristiken eine empirische Bewertung durch Experimente erfordern. Er verwies auf das Beispiel des stochastischen Gradientenabstiegs, einer Heuristik, die aufgrund ihrer praktischen Leistung Anerkennung fand, obwohl formale Beweise fehlen.

Conor und Joannes diskutierten die Schwierigkeit, die Güte von Heuristiken ohne klare Metriken zu bewerten. Joannes betonte die Notwendigkeit für Unternehmen, ihre numerischen Rezepte durch Experimente zu validieren, anstatt von ihrer Wirksamkeit auszugehen. Er verwies auf seine Vorlesungsreihe zur experimentellen Optimierung und hob die Bedeutung der Entdeckung von Optimierungszielen sowie den Unterschied zwischen empirischer und mathematischer Validierung hervor.

Joannes sprach auch die psychologische Voreingenommenheit an, sich in die eigenen Ideen zu verlieben, was zur Annahme willkürlicher Richtlinien ohne angemessene Validierung führen kann. Er warnte davor anzunehmen, dass traditionelle Methoden grundsätzlich gut sind, nur weil sie nicht zu Insolvenz geführt haben.

Die Diskussion endete damit, dass Joannes empfahl, den Begriff “Heuristik” für einfache, effektive numerische Rezepte mit empirischen Belegen für ihren Erfolg zu reservieren. Er betonte die Bedeutung von realen Bewertungen in finanzieller Hinsicht und die Notwendigkeit für Unternehmen, ihre Methoden kritisch zu überprüfen.

Conor beendete das Interview, indem er Joannes und dem Publikum dankte und die Zuschauer ermutigte, den LokadTV YouTube-Kanal zu abonnieren und ihnen auf LinkedIn zu folgen, um weitere aufschlussreiche Diskussionen zur Optimierung der Supply Chain zu erhalten.

Vollständiges Transkript

Conor Doherty: Willkommen zurück bei LokadTV. Heuristiken stehen im Mittelpunkt der meisten Entscheidungen, die Menschen in Bezug auf die Supply Chain treffen.

Heuristiken sind einfache Problemlösungstools, die uns durch Momente der Unsicherheit führen. Denken Sie an FIFO, LIFO und ABC-Analyse.

Heute werden wir mit Joannes Vermorel die Grenzen dieser Heuristiken diskutieren und sie mit einer robusteren mathematischen Perspektive kontrastieren.

Wie immer, wenn Ihnen gefällt, was Sie hören, abonnieren Sie den YouTube-Kanal und folgen Sie uns auf LinkedIn. Und damit gebe ich Ihnen Heuristiken in der Supply Chain.

Wie ich in meiner Einführung erwähnt habe, sind wir hier, um über Heuristiken zu sprechen, insbesondere in der Supply Chain. Also, um das Thema zu klären, wenn Supply Chain-Praktiker im Büro über Heuristiken sprechen, worüber sprechen sie? Was meinen sie?

Joannes Vermorel: Ich meine, die meisten Supply Chain-Praktiker würden wahrscheinlich nicht den Begriff Heuristiken verwenden. Es ist schon etwas ausgefallen. Wenn ich allgemein in der Branche denke, wenn Leute Heuristik sagen, bedeutet das einfach, dass sie eine Art formalisierte Faustregel haben, die zur Lenkung einer Entscheidung verwendet wird.

Ein Beispiel dafür wäre, dass wir eine Min-Max-Inventarpolitik haben und das Maximalniveau definiert ist als drei Monate Bedarf. Das ist es. Das ist meine Heuristik.

Und der interessante Aspekt von Heuristiken ist, dass angeblich, das ist die weltliche Perspektive von Heuristiken, dass Sie ein komplexes Problem haben, aber Ihre Heuristik liefert eine einfache Lösung für dieses Problem.

Conor Doherty: Nun, viel wurde buchstäblich die Worte niedergeschrieben, die von einem Ausschuss erarbeitet wurden. Also meine Nachfrage dazu ist, wenn Sie im Beispiel von Min-Max sagen, dass drei Monate Bedarf sein werden, ist das einfach eine willkürliche Entscheidung. Macht das dann eine allgemeine Faustregel daraus?

Joannes Vermorel: Ja, das ist im Grunde alles. Ich meine, vielleicht haben die Leute locker ein paar Alternativen ausprobiert, und ihr Bauchgefühl sagt ihnen, dass zwei Monate nicht genug sind, sechs Monate zu viel sind, und so konvergieren sie zu etwas.

Oder noch häufiger gibt es überhaupt keine Konsistenz. Jeder Bedarfs- und Beschaffungsplaner hat seine eigene Sammlung von Faustregeln, seine eigene Sammlung von Heuristiken, die verwendet werden.

Es ist selten, dass Unternehmen irgendeine Art von Praxis in Bezug auf Heuristiken durchsetzen. Zumindest wenn Unternehmen denken und sagen, dass sie Heuristiken haben, bedeutet das in der Regel, dass es nicht durchgesetzt wird und dass es relativ informell ist und dass es einen großen Spielraum gibt, wie Sie alle Parameter dieser Heuristiken auswählen.

Conor Doherty: Nun, ich meine, Sie haben das Beispiel von Min-Max gegeben. Es gibt auch Dinge wie FIFO, LIFO, ABC-Analyse. Es gibt eine ganze Reihe von Heuristiken. Woher kommen diese? Aus welchem Äther tauchen sie auf?

Joannes Vermorel: Ich meine, es sind einfach die einfachsten Lösungen, die Sie sich vorstellen können, um Ihnen eine Lösung für das Problem zu geben, mit dem Sie konfrontiert sind. Betrachten wir zum Beispiel FIFO.

Eines der grundlegendsten Probleme, wenn Sie iterativ Dinge verarbeiten müssen, die hereinkommen, ist, wie Sie vermeiden, dass etwas für immer auf der Seite bleibt. Das ist es.

Wenn Sie keine Reihenfolge festlegen und einfach zufällig Dinge auswählen, können Sie am Ende mit einem Artikel enden, der nie ausgewählt wird. Er wird einfach beiseite geschoben und nie verarbeitet.

Und das ist schlecht, denn dann wird dieser Artikel letztendlich verfallen. Ob Sie ein Produkt als verderblich betrachten oder nicht, alle Produkte verderben mit der Zeit.

Deshalb möchten Sie einfach einen Prozess, der zumindest garantiert, dass letztendlich alles, was Ihren Weg gegangen ist, ausgewählt, verarbeitet und irgendwann verschickt wird.

Wenn Sie also zum Beispiel zuerst rein, zuerst raus sagen, ist das nur eine grundlegende Möglichkeit, sicherzustellen, dass alles ausgewählt wird. Ist es eine gute Richtlinie? Nun, das hängt davon ab, aber es gibt Ihnen sicherlich diese eine Eigenschaft.

Und so können Sie sagen, dass es sicherlich eine Lösung für dieses Problem ist. Ist es eine gute Lösung? Das ist eine völlig andere Frage.

Conor Doherty: Nun, das ist genau die nächste Frage, denn Sie haben den Begriff Optimalität nicht verwendet oder Sie haben nicht von optimaler Entscheidung gesprochen. Natürlich, in Situationen wie der von Ihnen gerade beschriebenen, sind Sie in einer Reparaturwerkstatt, zwei Motoren kommen herein, oder Sie kommen morgens herein und es gibt viele Motoren, und Sie müssen entscheiden, was repariere ich zuerst, welchen Zeitplan werde ich einhalten, und Sie versuchen, zu einer Entscheidung zu kommen, die zumindest wie eine gute oder optimale Entscheidung aussieht.

Also meine Frage ist, was ist Ihrer Meinung nach die Obergrenze, was ist die Obergrenze für die Optimalität, die durch diese Art von Heuristiken erreicht werden kann? Nehmen wir zum Beispiel FIFO.

Joannes Vermorel: Ich glaube nicht, dass es der richtige Weg ist, das Problem überhaupt zu formulieren. Ich denke, wir müssen einen Schritt zurücktreten und sehen, dass es, wenn wir in Bezug auf Heuristiken denken, tatsächlich zwei radikal unterschiedliche Perspektiven gibt, über die wir nachdenken müssen, und wir müssen innehalten und darüber nachdenken.

Erstens sind Heuristiken so, wie Ökonomen darüber nachdenken, oder zumindest, was ist, sagen wir, zum Beispiel, ich muss dieses Glas Wasser greifen. Ich kann es erreichen und nehmen.

Ein Physiker könnte sagen: “Oh, es gibt wie eine Million Berechnungen, die erforderlich sind, um die genaue Flugbahn meiner Hand, jedes meiner Finger, die genaue Masse, die genaue Kraft zu berechnen”, und das wären alle Berechnungen, die ich benötigen würde, wenn ich Roboter haben wollte, die eine perfekte Berechnung darüber anstellen, wie sie einen Roboterarm bewegen und das Glas nehmen.

Aber es stellt sich heraus, dass ein Mensch nicht so funktioniert. Stattdessen verwenden wir Tonnen von Heuristiken wie zum Beispiel die tote Rechnung. “Ich bin zu weit rechts, oh, nach links steuern”, und “Fühlt sich der Druck ausreichend an? Oh nein, das Glas rutscht, drücke mehr.”

Sie haben also viele Heuristiken, die es Ihnen ermöglichen, eine sehr komplexe Aufgabe zu bewältigen, aber mit einer zugrunde liegenden Verarbeitung, die viel einfacher ist. Grundsätzlich löst Ihr Gehirn beim Greifen eines Glases Wasser keine differenzierbaren Gleichungen in Echtzeit. Es sind einfach eine ganze Reihe von Heuristiken, die wunderbar funktionieren, und dann können Sie erfolgreich Ihr Glas Wasser greifen.

Und es stellt sich heraus, dass uns für eine Vielzahl von Dingen, die in der realen Welt, der Natur, dem Universum oder was auch immer passieren, schöne Lösungen gegeben wurden, die für scheinbar unglaublich komplizierte Probleme einfach funktionieren.

Übrigens erfordert auch das auf zwei Beinen stehen alle möglichen Heuristiken. Wenn Menschen versuchen, einen Roboter zu konstruieren, der auf zwei Beinen geht, stellen sie fest, dass es tatsächlich sehr, sehr schwierig ist, weil wir diese Heuristiken nicht kennen.

Nun, das ist nicht die Situation in der Supply Chain. Hier beschreibe ich Heuristiken mit Aufgaben, die in den letzten eine halbe Milliarde Jahre eine Herausforderung für alle Lebewesen darstellen, um sich bewegen zu können.

Conor Doherty: Sie sind auch unbewusst. Ich spreche von Entscheidungen.

Joannes Vermorel: Ja, ich meine, das Greifen des Glases Wasser ist eine Entscheidung. Das Bewegen Ihrer Hand ist eine Entscheidung. Aber hier geht es um diskrete numerische Entscheidungen. Das ist etwas, das in der Natur nicht existiert.

In der Natur denken Sie nicht in Bezug auf diskrete numerische Entscheidungen wie zum Beispiel wie viele Produkte ich morgen, übermorgen usw. liefern muss. Das sind diskrete numerische Entscheidungen, die völlig anders sind als das, was Sie in der Natur finden.

Also der erste Punkt, den ich mache, ist, dass wenn wir diese implizite Perspektive übernehmen, die aus der natürlichen Welt kommt, über Heuristiken, können wir sagen, dass Menschen einfach mit der Fähigkeit beschenkt sind, sehr einfache Lösungen für komplexe Probleme anzuwenden, die wunderbar funktionieren.

Und mein Gegenargument ist, dass dies für von Menschen geschaffene Situationen wie die Supply Chain nicht funktioniert, wo wir von der Lösung diskreter numerischer Probleme sprechen. Diese Art von Problemen ist völlig anders als das, was wir in der Natur vorfinden, und wir können nicht davon ausgehen, dass wir irgendeine Art von angeborenem Gespür dafür haben, was dort funktionieren wird.

Die Evolution hat uns nicht mit der Fähigkeit beschenkt zu beurteilen, was der optimale Auffüllungs Zeitplan für ein komplexes Supply Chain-Netzwerk ist. Das ist eine sehr phantastische Behauptung zu sagen, dass die Evolution uns etwas in Bezug auf ein solches Problem gegeben hat.

Also, was ich hier sage, ist, dass wir eine andere Perspektive auf Heuristiken benötigen, die von Informatikern übernommen wird. In der Informatik, wenn wir ein Problem haben, und wenn wir eine Lösung haben, die für dieses Problem nachweislich korrekt ist und schöne Eigenschaften aufweist, nennen wir es einen Algorithmus.

Das ist, was ein Algorithmus ist. Ein Algorithmus in der Informatik ist ein numerisches Rezept, bei dem wir formale Beweiselemente haben.

Zum Beispiel das Sortieren einer Liste. Sie haben eine ungeordnete Liste von Elementen, Sie möchten sie von klein nach groß sortieren. Es gibt viele Möglichkeiten, eine Liste zu sortieren, aber einige Methoden liefern Lösungen, die eine minimale Anzahl von Schritten und einen minimalen Speicherbedarf erfordern, um all diese Zahlen zu sortieren.

Das ist also ein Algorithmus für Sie. Ein Algorithmus ist eine Lösung, die nachweislich korrekt ist und zusätzlich zu ihrer Korrektheit auch mit zusätzlichen Eigenschaften kommt, die sich gut für das vorliegende Problem verhalten.

Eine Heuristik, wieder aus der Perspektive der Informatik, ist ein numerisches Rezept, das in der Praxis sehr gut funktioniert, auch wenn Sie formell nicht wissen, warum es funktioniert oder warum es so gut funktioniert.

Und es stellt sich heraus, dass es Klassen von Lösungen gibt, die wie verborgene Juwelen funktionieren, die wunderbar funktionieren, die extrem einfach sind, und dennoch weiß niemand wirklich warum.

Also, ein Beispiel, das auf die Supply Chain angewendet wird? Ja, viele davon gelten für die Supply Chain. Da ist zum Beispiel der stochastische Gradientenabstieg. Es war ein Prozess, der entdeckt wurde. Er ist konzeptionell sehr einfach. Sie können ihn in etwa vier Zeilen aufschreiben. Er wurde höchstwahrscheinlich in den 50er Jahren entdeckt, obwohl es ein wenig unklar ist. Die Idee ist so einfach, dass sie wahrscheinlich mehrmals erfunden wurde.

Und doch haben die Leute im Allgemeinen, die Gemeinschaft hat dem stochastischen Gradientenabstieg vor 15 Jahren nicht wirklich viel Aufmerksamkeit geschenkt. Warum? Weil die Leute nicht wirklich bemerkt hatten, wie gut er in der Praxis funktioniert, wenn er verwendet wird.

Conor Doherty: Bei welchen Problemen?

Joannes Vermorel: Bei allen Lernproblemen, allen Optimierungsproblemen und vielen anderen Situationen auch. Es ist also eine halb-universelle Heuristik, die in einer extrem breiten Palette von Situationen funktioniert.

Das ist sogar verwirrend, das reine Spektrum der Anwendbarkeit des stochastischen Gradientenabstiegs ist verwirrend. Und doch haben wir keine mathematischen Beweise, um zu erklären, warum es so gut funktioniert. Es funktioniert einfach.

Das ist sehr interessant. Und hier müssen Sie daran denken, wenn Informatiker über Heuristiken sprechen, beziehen sie sich auf Heuristiken als verborgene Juwelen. Und übrigens, wenn wir zu Ihrer ursprünglichen Frage zurückkehren müssen, ist eine Heuristik nach der präzisen Definition, wie sie von Informatikern gegeben wird, eine numerische Lösung, für die Sie keinen Beweis haben.

Also eine Heuristik, per Definition, Sie wissen nicht, wie weit Sie vom Optimum entfernt sind. Das ist sozusagen gegeben. Wenn Sie es wüssten, wäre es per Definition ein Algorithmus. Denn ein Algorithmus ist buchstäblich, wenn Sie die Korrektheit plus zusätzliches Verhalten beweisen können, dann wird Ihr numerisches Rezept zu dem, was als Algorithmus bezeichnet wird.

Conor Doherty: Algorithmus, okay, also ich werde versuchen, das alles zusammenzufassen und lassen Sie mich wissen, wo ich daneben liege. Aber noch einmal, so wie ich das alles verstanden habe, das Problem mit traditionellen Heuristiken wie FIFO, zum Beispiel, das Problem dabei ist, wenn Menschen versuchen, das anzu…

Joannes Vermorel: Nein, ich würde sagen, das Problem ist, dass Menschen, ich würde sagen, der Fehler, der bei Heuristiken gemacht wird, wenn sie mit einer Laienperspektive, also nicht mit der Perspektive eines Informatikers, betrachtet werden, ist, Ihrem numerischen Rezept eine gewisse Güte zuzuschreiben. Deshalb ziehe ich es vor, den Begriff numerisches Rezept zu verwenden, der völlig neutral ist. Sie wissen, es kann totaler Mist sein, es kann ausgezeichnet sein, es ist einfach so. Es ist einfach eine Reihe von Berechnungen, die Ihnen ein Ergebnis liefern. Wir nehmen nicht an, dass es für irgendetwas gut ist, es führt einfach eine Berechnung durch.

Das Problem, wenn Menschen den Begriff Heuristiken verwenden, ist, dass sie etwas sehr willkürliches entwickeln und diesen Qualifikator anwenden, als ob es eine gegebene Tatsache wäre, dass das numerische Rezept gut ist. Natürlich, wenn wir wieder in die natürliche Welt gehen, diese Heuristiken, diese instinktiven Wege, um zum Beispiel ein Objekt zu greifen, sind sehr gut. Sie sind sehr gut. Und wie wissen wir, dass sie sehr gut sind? Nun, weil wenn wir versuchen, einen Roboter zu konstruieren, der dasselbe tut, scheitert er kläglich und es erfordert immense Anstrengungen in der Ingenieurwissenschaft, um auch nur annähernd das zu erreichen, was wir instinktiv tun können.

Das führt jedoch zu einer Art Voreingenommenheit, die die Menschen glauben lässt, dass sie zum Beispiel sagen können: “Oh, sagen wir, dass das Maximum in meiner Min-Max-Inventarpolitik drei Monate Nachfrage entspricht.” Warum nenne ich das eine Heuristik? Ist das Ding gut? Es kann völlig unsinnig sein. Ich weiß es nicht. Es ist nicht, weil ich eine Intuition habe. Woher kommt diese Intuition? Sehen Sie das? Und normalerweise kommt sie aus dem Nichts. Und da denke ich, liegt der Fehler.

Aufgrund der Tatsache, dass es andere Gemeinschaften gibt, wie die Informatikgemeinschaften, in denen Heuristik als Begriff verwendet wird, um auf etwas zu verweisen, das überraschend gut ist, haben wir eine lockere positive Zuschreibung, einen Art Halo-Effekt, der diesen numerischen Rezepten mehr Wert zuschreibt, als sie tatsächlich verdienen.

Conor Doherty: Aber ein Einzelhändler würde einfach darauf antworten, wenn er das hören würde, was Sie gerade gesagt haben, und sagen: “Nun, ich führe eine ABC-Analyse durch. Ich weiß, wo der Großteil meiner Verkäufe herkommt. Ich halte einen bestimmten hohen Service-Level dieser SKUs auf Lager und ich verdiene Geld. Es muss nicht komplizierter sein als das und es funktioniert, weil ich immer noch im Geschäft bin. Ich verdiene Geld und ich verdiene mehr Geld als im letzten Jahr.”

Joannes Vermorel: Ja, und Sie können ein Geschäft haben, das Wasser verliert, und trotzdem Geld verdienen. Wenn Sie also mehr Geschäfte hätten, die Wasser verlieren, würden Sie vielleicht mehr Geld verdienen. Sehen Sie, auch das ist das Problem. Die Supply Chain ist nur eine Zutat in einem großen Bild. Der Fehler besteht darin zu denken, dass es nicht daran liegt, dass Sie Geld verdienen, dass jede einzelne Sache, die Sie tun, sinnvoll ist oder positiv dazu beiträgt, dass Sie profitabel sind.

Auch Unternehmen wie Apple sind beispielsweise dafür bekannt, die meisten ihrer Mitarbeiter im Dunkeln zu lassen, wenn es um die Zukunft des Unternehmens geht. Das ist eine der bekannten Eigenschaften von Apple. Wenn es um zukünftige Produktveröffentlichungen geht, wird allen im Dunkeln gehalten und sie gehen sogar so weit, intern falsche Roadmaps an verschiedene Teams zu leaken, damit, wenn eine Roadmap durchsickert, Sie wissen, wer die falsche Roadmap erhalten hat. Okay, ist es wirklich ein Aspekt, der die Rentabilität von Apple verbessert? Vielleicht, vielleicht auch nicht. Ist es etwas, das Sie für ein anderes Unternehmen nachahmen möchten, um dieses andere Unternehmen profitabler zu machen? Vielleicht nicht.

Also, sehen Sie, ich sage, wenn Sie mir sagen, “Ich verwende ABC-Analyse, mein Unternehmen ist profitabel”, dann ist die einzige Schlussfolgerung, dass ABC einfach nicht so schlecht ist, dass es Ihr Unternehmen in den Bankrott treiben würde. Aber das ist das Einzige, was Sie wissen können. Das Einzige, was Sie über eine ABC-Analyse sagen können.

Conor Doherty: Sie könnten auch sagen, dass, wieder, wenn Sie davon sprechen, nach dem Optimum zu suchen, nach dem bestmöglichen Punkt zu suchen, dass es weit davon entfernt ist. Sie können sagen, dass Geld auf dem Tisch liegen bleibt. Sie können einfach sagen, dass es klingt, als ob Sie eine binäre Position einnehmen, dass es entweder zu 100% dumm ist oder zu 100% gut ist.

Joannes Vermorel: Aber hier sehen Sie, dass hier wieder die Vision eines Informatikers im Vergleich zu einem Laien wirklich auseinandergeht. In der Informatik erkennen die Leute an, dass eine Heuristik, also ein numerisches Rezept, nur dann die Fähigkeit hat, als Heuristik bezeichnet zu werden, wenn sie eine Art empirische Güte aufweist. Sie sehen, das bedeutet, dass nicht jedes numerische Rezept, das ich erfinden kann, eine Heuristik ist. Um als Heuristik zu gelten, muss es überraschend gut darin sein, etwas zu tun.

Conor Doherty: Wogegen einige Leute Einwände erheben könnten.

Joannes Vermorel: Und diese überraschende Güte erfordert eine Metrik. Es erfordert eine Messung.

Sehen Sie, der überwiegende Teil der ABC-Analyse, zum Beispiel, es gibt keine Metrik, die irgendetwas qualifiziert. Es geht nur darum, jedem Produkt einen Buchstaben zuzuweisen: A, B, C. Es geht nur darum, das zuzuweisen. Dann ist eine Erweiterung davon, für jede Klasse eine einheitliche Lagerpolitik zu haben. Aber diese einheitliche Lagerpolitik kann etwas völlig anderes sein als der Service-Level, zum Beispiel. Ihre einheitliche Politik pro Klasse könnte sein, dass ich für Klasse A drei Monate Inventar auf Lager halte. Für Klasse B zwei Monate. Für Klasse C einen Monat. Sie wissen schon, es funktioniert auch.

Also Service-Level sind nicht unbedingt ein integraler Bestandteil der ABC-Analyse. Die Verfügbarkeit dieser Waren entspricht ihrer wahrgenommenen Bedeutung. Die ABC-Analyse geht nur darum, jeder wichtigen Produktklasse einen Buchstaben zuzuweisen. Es geht darum, einer Klasse zuzuweisen und ja, die Art und Weise, wie Sie das tun, besteht darin, die Verkäufe zu gewichten, aber das war’s. Also nochmal, was ich sage ist, welches Problem versuchen Sie zu lösen? Sehen Sie, die ABC-Analyse ist der Grund, warum ich sage, dass es ein numerisches Rezept ist, keine Heuristik, weil Sie nicht wissen, welche Probleme Sie lösen. Sie haben keinen Bezug dazu, was das Optimum ist.

Conor Doherty: Also, ja, machen Sie weiter.

Joannes Vermorel: Auch hier liegt das Problem. Wir müssen Heuristiken von einfachen numerischen Rezepten trennen. Ein einfaches numerisches Rezept kann völlig unmotiviert sein. Ich berechne das einfach. Warum? Weil ich es berechnen kann. Also mache ich einfach die Berechnung, das war’s.

Wenn Sie eine Heuristik haben möchten, müssen Sie, sagen wir, ein Ziel haben, das erklärt oder eine Möglichkeit haben, die Güte zu bewerten. Ein weiteres Beispiel wäre, wenn ich eine Heuristik aus der Informatik betrachte. Nehmen wir an, ich verwende XOR-Shift, um Pseudozufallszahlen zu generieren. Sehr gut. Es gibt Metriken, die mir die Qualität einer Zahlenfolge mitteilen, die als zufällig betrachtet werden soll. Viele Metriken dafür.

Wenn ich also eine Heuristik wie XOR-Shift verwende, kann ich dann bewerten, ob sie gut darin ist, das zu generieren, was als zufällige Zahlen betrachtet wird, gemäß den Metriken, die die Zufälligkeit einer neu generierten Zahlenfolge erkennen. Sie sehen also, ich habe eine Metrik, ich habe ein Ziel, ich weiß, wovon ich spreche, ob es eine Heuristik ist oder nicht. Ich würde sagen, ist es gut oder nicht? Wenn ja, dann werden Sie sagen, okay, es ist eine Heuristik. Aber wenn Sie keine Ahnung haben, was Sie tun, dann denke ich, dass es ein Fehler ist, das eine Heuristik zu nennen, weil Sie nicht wissen, ob es gut ist.

Sie haben einfach ein numerisches Rezept erfunden und nennen es eine Heuristik.

Conor Doherty: Also, wenn Leute, nochmal, um es sehr konkret zu machen, wenn Leute zum Beispiel eine ABC-Analyse durchführen und dann Entscheidungen auf der Grundlage davon treffen, zum Beispiel drei Monate Inventar für Ihre A-Klasse aufbewahren oder Service-Level festlegen, welche Entscheidungen auch immer danach getroffen werden, und wenn sie positive Ergebnisse sehen, dann ist das ein logischer Fehlschluss. Sie schreiben früheren Handlungen Kausalität zu. Ja, denn die Güte zu bewerten, wie Sie sagten, wie können Sie das tun, wenn die Metrik nicht klar ist?

Joannes Vermorel: Das können Sie einfach nicht. Und noch einmal, ich denke, das ist das Problem mit dem, was die Leute Heuristiken nennen. Ich ziehe es vor, sie neutral als numerisches Rezept zu bezeichnen, weil sie tatsächlich nicht einmal versucht haben. Sehen Sie, das Problem ist, dass sehr häufig nicht einmal der Versuch unternommen wurde zu qualifizieren, ob dies gut war oder nicht, zu quantifizieren, ob es in irgendeiner Form gut war.

Und es gibt viele Beispiele dafür. Sie können zum Beispiel einige Unternehmen haben, die beschließen, dass ihre Preise runde Zahlen sein werden. Einige bevorzugen es, dass sie auf 99 enden, einige bevorzugen es, dass sie auf 95 enden. Sie können eine Richtlinie haben, die Ihre Zahlen anpasst, indem sie sie auf knapp unter 99 oder auf 95 oder auf 97 aufrundet oder sie auf die nächsten runden Zahlen aufrundet.

Die überwältigende Mehrheit der Unternehmen, die das tun, haben keine Ahnung, welche dieser Optionen für sie besser ist, und sie wählen trotzdem eine aus.

Conor Doherty: Sie raten also im Wesentlichen auf Kausalität.

Joannes Vermorel: Ja. Und noch einmal, ich bestreite nicht, dass es manchmal, wissen Sie, in einer Weise, die völlig willkürlich ist, eine Richtlinie zu übernehmen und aus Gründen der Einfachheit dabei zu bleiben, in Ordnung ist. Aber dann sollten Sie diesem willkürlichen Auswahl nicht Ihren Erfolg zuschreiben. Das ist es, was ich sage.

Conor Doherty: Nun, noch einmal, das ist wiederum, wenn wir sicherlich aus wirtschaftlicher Sicht sprechen, wenn Sie über Heuristiken sprechen, die meisten Menschen, ja, sie versuchen, ein Problem zu vereinfachen und zu einer Entscheidung zu gelangen. Und auch die Art und Weise, wie sie dieses Ergebnis betrachten, ist eine sehr vereinfachte Version. Zum Beispiel: “Ich habe etwas gemacht, ich habe alle Preise auf runde Zahlen oder 99 gemacht, und der Umsatz stieg oder der Umsatz sank. Daher, post hoc ergo propter hoc, was ich früher getan habe, hat es verursacht.” Und natürlich ist das unmöglich. Das Problem ist, dass Sie das getan haben, während es hundert andere Personen gab, die gleichzeitig versuchten, die Kausalität zu entwirren, und das ist sehr, sehr schwierig.

Joannes Vermorel: Ja, das ist sehr schwierig. Ich meine, das ist besonders in der Supply Chain, wo Sie ein System haben, das alles miteinander verbunden ist. Es ist sehr schwierig. Und mein Punkt ist, dass Heuristiken, wenn sie richtig verstanden werden, absolut fantastisch sein können. Und übrigens können sie buchstäblich eine Möglichkeit sein, Ihre Mitbewerber zu übertreffen, denn wenn Sie das haben, was Informatiker Heuristiken nennen, etwas, das wie ein verborgener Schatz ist, etwas, das Sie in einem Algorithmus sehen.

Der Unterschied zwischen einem Algorithmus und einer Heuristik besteht darin, dass ein Algorithmus etwas ist, bei dem Sie ein numerisches Rezept haben. Sie können das numerische Rezept lesen und dann als Mathematiker seine Eigenschaften beweisen. Das ist fantastisch. Es ist sehr billig. Sehen Sie, das Ding mit Algorithmen, Algorithmen sind unglaublich billig. Sie müssen keine Experimente in der realen Welt durchführen, um zu beweisen, dass Ihr Algorithmus sich gut verhält. Das ist fantastisch. Das bedeutet, dass Sie einen Mathematiker in seinem Büro haben können und schwupps, Sie haben Ihren gut funktionierenden Algorithmus, der Ihrem Unternehmen einen Mehrwert bringt.

Eine Heuristik, nun, der einzige Weg, eine Heuristik zu entdecken, besteht darin, Experimente durchzuführen. Es ist etwas, das eine empirische Bewertung ist, und das ist sehr schwierig. Und deshalb wurde zum Beispiel das stochastische Gradientenverfahren, obwohl es Tausenden von Menschen bekannt war, buchstäblich Jahrzehnte lang komplett ignoriert, einfach weil, nun ja, niemand wirklich erkannt hatte, dass es in der Praxis wunderbar funktionierte. Sehen Sie, das ist etwas, das eine Heuristik ist. Es könnte existieren, aber bis die Leute tatsächlich das numerische Rezept getestet und gesehen haben, dass es auf bestimmten Klassen von Problemen wunderbar funktioniert, werden sie nicht erkennen, dass es eine wertvolle Heuristik ist.

Conor Doherty: Mir fällt jedoch auf, bei einigen der Aussagen, die Sie gemacht haben, zum Beispiel, noch einmal, um zusammenzufassen, bevor ich zur Frage komme, dass ich das Beispiel gebe: “Ich habe etwas gemacht, daher vermute ich, dass das, was ich getan habe, einen Anstieg des Umsatzes verursacht hat oder möglicherweise einen Umsatzrückgang verursacht hat.” Und Sie sagten: “Nun, aber hundert andere Personen haben hundert Dinge oder tausend Dinge gemacht, was auch immer.” Es fällt mir auf, dass das fast klingt, als würden Sie einen nicht widerlegbaren Standard setzen, denn selbst wenn Sie mathematische Heuristiken verwenden würden, wie würden Sie jemals wissen, dass das, was Sie gewählt haben zu tun oder die Werkzeuge, die Sie verwendet haben, einen positiven Unterschied gemacht haben, wenn Sie es aus der Theorie herausnehmen und es in das echte, miteinander verbundene Netzwerk der Entscheidungsfindung in der Lieferkette einbringen?

Joannes Vermorel: Nein, Sie können Experimente durchführen und die Güte aller numerischen Rezepte validieren, die Sie haben. Ich sage nicht, dass Sie das nicht können. Ich sage nur, dass die meisten Unternehmen es nicht einmal versuchen.

Conor Doherty: Nun, wie würde ein Unternehmen das versuchen? Wie würde das aussehen?

Joannes Vermorel: Genau das haben wir in dieser Vortragsreihe über experimentelle Optimierung. Es gibt eine ganze, ich habe einen einstündigen Vortrag darüber, und er heißt experimentelle Optimierung. Sie können also nicht, das Wesentliche ist, dass Sie nicht wissen, worauf Sie optimieren, und der erste Schritt besteht darin herauszufinden, worauf Sie optimieren möchten. Und das ist sehr unterschiedlich zur klassischen mathematischen Optimierung Perspektive, bei der Ihr Ziel bereits festgelegt ist.

Aber was ich sage ist, dass wenn ich zurück zu Heuristiken möchte, grundsätzlich gibt es keinen Grund zu denken, dass das beste numerische Rezept zwangsläufig etwas ist, für das Sie einen mathematischen Beweis haben können. Die Tatsache, dass ein mathematischer Beweis existiert, hat nichts damit zu tun, ob Ihr numerisches Rezept gut oder schlecht ist. Grundsätzlich sind dies zwei völlig unterschiedliche Perspektiven. Es passiert nur, dass wenn Sie einen mathematischen Beweis haben können, wissen Sie zumindest etwas Gutes. Und unter bestimmten Bedingungen können Sie viel wissen und sagen: “Oh, das ist sehr interessant, weil ich so viel weiß, dass ich im Vergleich zu allen anderen numerischen Rezepten, von denen ich nichts weiß, lieber eines verwende, bei dem ich Elemente des Beweises habe. Es ist besser als nichts.”

Aber dann, wenn Sie es versuchen und in der Praxis mit einer ordnungsgemäßen experimentellen Einrichtung, wie in diesem Vortrag über experimentelle Optimierung erläutert, eine empirische Demonstration haben, dass es überlegen ist, dann kann kein mathematisches Kriterium das Feedback aus der realen Welt übertrumpfen. Wenn ich zwei Methoden habe, eine mit vielen mathematischen Beweisen, eine andere ohne, aber die andere in der Praxis bessere Ergebnisse liefert, dann sollte ich diese andere bevorzugen, auch wenn sie keine schönen mathematischen Eigenschaften hat.

Und was Heuristiken sehr interessant macht, zumindest aus der Informatikperspektive, ist, dass diejenigen Dinge, die für Heuristiken qualifizieren, manchmal mit einem winzigen Bruchteil der Rechenressourcen arbeiten können, die Sie für, ich würde sagen, mehr beweisbare Lösungen benötigen. Zum Beispiel, noch einmal, stochastischer Gradientenabstieg. Stochastischer Gradientenabstieg ist fantastisch effizient bei der Optimierung aller Arten von Problemen. Und doch, wenn ich fantastisch effizient sage, meine ich, dass Sie ein vergleichbares Optimierungsniveau mit anderen Methoden erreichen können, bräuchten Sie tausende, millionen, milliarden Mal mehr Rechenressourcen.

Es ist also sehr, sehr effizient, aber Sie haben keinen formalen Beweis dafür.

Conor Doherty: Verstanden. Und nun, wenn Sie wieder über die Ressourcenzuweisung und den Return on Investment von Ressourcen sprechen, FIFO, oh, ich habe es gerade in meinem Kopf angewendet, es kostet nichts. Was ist der Unterschied in Bezug auf die Kosten bei der von Ihnen gerade beschriebenen Anordnung?

Joannes Vermorel: Ich würde sagen, dass Sie nicht umhin kommen, sorgfältig über die jeweilige Situation nachzudenken. Wird FIFO einen Unterschied machen? Es variiert enorm von einem Unternehmen zum anderen. Für einige Unternehmen ist es völlig belanglos. Es ist egal. Es hat überhaupt keine Auswirkungen. Für einige andere Unternehmen ist es von enormer Bedeutung.

Wenn Sie tatsächlich ein MRO sind und Flugzeugmotoren reparieren möchten, wird die Reihenfolge, in der Sie die Motoren auswählen, äußerst bedeutsam dafür sein, ob Ihre Operationen reibungslos ablaufen oder nicht. Wenn wir nur von der Organisation eines Transits für eine logistische Plattform sprechen und Sie es FIFO machen möchten, ist es belanglos, weil Sie am Ende eines jeden Tages Ihre Plattform räumen werden. Sie möchten nichts auf der Plattform zurücklassen, wenn Sie Ihre Transfers und dergleichen durchführen. Die Reihenfolge ist in dieser Situation also ziemlich belanglos.

Conor Doherty: Nun, mir hat das Beispiel, das Sie gerade gegeben haben, wirklich gut gefallen. Noch einmal, wenn Sie ein MRO sind, arbeiten Sie an Motoren, Sie müssen auswählen, an welchen Motoren Sie arbeiten möchten. Und ich möchte auf etwas zurückkommen, was Sie früher gesagt haben, nämlich typischerweise, was haben Sie gesagt, die Leute optimieren nicht das, was sie denken, dass sie optimieren, oder sie optimieren nicht das Richtige. Also in dem Szenario, das Sie gerade beschrieben haben, wenn die Leute FIFO anwenden, denken sie: “Nun, ich bekomme Motoren heraus, ich optimiere die Reparatur von Motoren.” Denken sie zumindest über das Problem richtig nach, auch wenn sie eine Heuristik nicht gut ausführen?

Joannes Vermorel: Nein, das ist ein weiteres Problem. Sie sehen, normalerweise ist das numerische Rezept, und ich verwende nicht den Begriff Heuristik, sondern das numerische Rezept, ein Platzhalter für das Problem und die Lösung. Sie wissen, wir machen das einfach so. Die Situation wird nicht als das gerahmt, was das Problem ist und welche Klasse von möglichen Lösungen es gibt und was die verschiedenen Qualitäten dieser variierenden Lösungen wären. Sie wählen einfach eine Möglichkeit, es zu tun, und das war’s. Und ob es gut ist, vielleicht, vielleicht auch nicht, es ist einfach so.

Conor Doherty: Es ist nicht einfach so, ich mag, was Sie gesagt haben, dass sie den Weg, wie sie versuchen, Dinge zu reparieren, mit dem Problem und der Lösung verwechseln. Können Sie das noch einmal genauer erklären?

Joannes Vermorel: Es ist um Größenordnungen einfacher, über eine Lösung nachzudenken, anstatt über ein Problem nachzudenken. Wenn Menschen also über die Servicequalität in einem Geschäft nachdenken wollen, ist es sehr schwierig zu überlegen, was diese Servicequalität bedeutet. Servicequalität würde im Grunde bedeuten, sich in den Kopf Ihrer Kunden zu versetzen und Ihr Geschäft so zu sehen, wie sie es sehen, und zu beurteilen, ob sie zufrieden sein werden oder nicht, unter Berücksichtigung all ihrer lockeren Pläne und Wünsche und was auch immer, und all das ständig im Wandel. Das ist also das Problem, sehr schwierig.

Es ist viel einfacher, sich auf die Lösung zu konzentrieren, nämlich fünf Einheiten für dieses Produkt, fünf Einheiten für dieses Produkt, zwei Einheiten für dieses Produkt. Sehen Sie, ich gebe Ihnen einfach eine Lösung, indem ich sage, wie viele Einheiten jedes Produkt hat, und schwupps, ich bin fertig. Also eine Lösung zu erfinden, zu zaubern, ist in der Regel viel einfacher, im Gegensatz dazu, über das Problem nachzudenken. Aber was Sie nicht berücksichtigen, wenn Sie das tun, ist, dass Sie die Güte Ihrer Lösung nicht kennen. Sie haben einfach eine Lösung, und wenn diese Lösung irgendwie funktioniert, sagen Sie vielleicht, dass es eine gute Lösung ist, aber Sie wissen es nicht.

Und vielleicht funktioniert Ihr Geschäft nur deshalb sehr gut, weil Sie die richtigen Lagerbestände haben, sondern weil irgendwo anders in Ihrem Unternehmen gerade fantastische Preise ausgehandelt wurden, die zufällig niedriger sind. Selbst wenn Ihre Lagerbestände also ziemlicher Müll sind, sind Ihre Geschäfte immer noch ziemlich wettbewerbsfähig. Sehen Sie, was ich gerade sage, ist, dass Unternehmen, wieder, es gibt keine Selbstverständlichkeiten in der Lieferkette, nicht wirklich, nicht in diesen Spielen, in denen Sie versuchen, diskrete Optimierungsprobleme zu lösen.

Und ich denke, der Schritt besteht darin anzuerkennen, dass das, was Sie haben, bis auf Weiteres keine Heuristiken sind. Das ist etwas, das als gut, überraschend gut, bewertet wurde. Was Sie haben, sind numerische Rezepte. Sind sie gut? Sind sie schlecht? Sie wissen es nicht.

Conor Doherty: Denn ich hatte vor Kurzem ein sehr ähnliches Gespräch darüber mit Simon Schott bei Lokad, und wir sprachen über die Optimierung von Terminplänen. Und auch er verwendete den Begriff selbstverständlich. Eines der Probleme bei bestimmten Heuristiken oder numerischen Rezepten, wie auch immer Sie es nennen möchten, wie FIFO, ist, dass sie die unmittelbaren Externalitäten ignorieren oder weil es einfach über das menschliche Denken hinausgeht.

Zum Beispiel, drei Motoren, Sie kommen Montagmorgen an, es gibt drei Motoren. Welchen reparieren? Welcher war als Erster dran? Ich kann nicht alle miteinander verbundenen Schritte und Abhängigkeiten berechnen, wie z.B. dass für die Arbeit an diesem 100 Teile benötigt werden, für diese 68, für diese 67. Ich brauche 20 Werkzeuge dafür, 10 davon brauche ich auch dafür. Dies muss dorthin gehen, wenn es fertig ist, das muss dorthin gehen, wenn es fertig ist. Joannes ist krank, er ist heute nicht da, also kann er Schritt 20 von 30 nicht machen. Conor führt ein Interview, er steht nicht zur Verfügung, um Schritt 99 von 100 abzuschließen. Es gibt all diese Abhängigkeiten, und sie sind nicht offensichtlich für das menschliche Denken. Daher greifen Sie einfach auf, anstatt überhaupt nichts zu tun, auf das zurück, was zuerst hereinkam.

Und es ist nicht so, dass es falsch ist, es ist in Abwesenheit, und das sind Simons Worte, in Abwesenheit von etwas Überlegenerem verwenden Sie einfach etwas, das zumindest die Dinge in gewissem Maße funktionieren lässt. Und es scheint, als hätten Sie, nachdem ich Ihnen zugehört habe, eine viel mathematischere Art, das zu beschreiben, verwendet. Aber würde das immer noch mit Ihren Gefühlen übereinstimmen?

Joannes Vermorel: Ja, aber noch einmal, die Herausforderung besteht darin, dass Sie eine Lösung wählen, ohne zu wissen, ob sie gut ist oder nicht. Und sehr häufig können Sie sich auch nicht von Ihrer Intuition leiten lassen. Ich denke, das ist das Ding, ist dass wiederum in der natürlichen Welt die Heuristiken, die uns gegeben sind, wie ich tatsächlich ein Objekt greifen und festhalten kann, gut sind. Aber wenn wir übersetzen, gibt es keine Übersetzung dieser, wissen Sie, ich würde sagen, von der Natur gegebenen Gaben in die Welt der vom Menschen geschaffenen Welt der Entscheidungen in der Lieferkette. Es sind einfach völlig unterschiedliche Dinge.

Es gab zum Beispiel ein sehr interessantes Papier, das veröffentlicht wurde. Die Leute haben Einsteigestrategien für Flugzeuge verglichen. Und vor etwa einem Jahrzehnt begannen Unternehmen zu sagen: “Oh, wir wollen das Einsteigen beschleunigen, also werden wir zuerst die Passagiere der ersten Reihen aufrufen, dann die der zweiten Reihen und dann die der anderen Reihen usw.” Und die Leute sagten: “Oh, das ist logisch, es wird den Einsteigeprozess beschleunigen.” Es stellte sich heraus, dass Leute, einige Forscher, tatsächliche Experimente durchgeführt haben. Sie sagten: “Okay, wenn wir die Passagiere in drei Gruppen einteilen und sie in Reihen von 1 bis 10, dann 11 bis 20 und dann 21 bis 30 aufrufen, im Vergleich zu alternativen Richtlinien, haben wir eine, die besser funktioniert?” Und das Interessante, was sie zeigten, war, dass es schneller war, keine Richtlinie zu haben, also die Leute zufällig das Flugzeug füllen zu lassen. Es ist nicht intuitiv, aber es war ein empirisches Ergebnis.

Also noch einmal, was ich sage, ist, dass die Güte für diese komplexen Phänomene, die sehr vom Menschen gemacht sind, weil sehen Sie, mein Glas zu holen ist sehr komplex in dem Sinne, dass es so viele bewegliche Variablen gibt. Ich habe fünf Finger und dann habe ich viele Gelenke, also ist es wie ein Problem mit wahrscheinlich 50 Freiheitsgraden, wenn ich nur diese einfache Bewegung mache, um mein Glas zu holen. Es ist also sehr komplex, aber unsere Intuition funktioniert. Aber es gibt andere Klassen von Problemen, bei denen unsere Intuition nicht natürlicherweise funktioniert, und ich sage in der Lieferkette geht es größtenteils um den Umgang mit diskreten Problemen, den Umgang mit Zufälligkeit. Unser Verstand ist nicht sehr gut. Unser Verstand ist typischerweise sehr gut im Umgang mit Mustern, nicht sehr gut im Umgang mit Zufälligkeit. Und deshalb würde ich sagen, vertrauen Sie Ihrer Intuition nicht zu sehr. Sie kann sehr irreführend sein.

Und das ist sehr interessant, denn heutzutage, obwohl wir jetzt Beweise dafür haben, dass das zufällige Einsteigen von Menschen in ein Flugzeug schneller ist, haben heutzutage die meisten Unternehmen eine Richtlinie, die Menschen in der Reihenfolge aufruft, obwohl mittlerweile bewiesen wurde, dass es tatsächlich langsamer ist.

Conor Doherty: Stimmt, aber das zeigt nicht den Punkt, den Sie zuvor erwähnt haben, denn es hängt davon ab, worauf Sie optimieren. Wenn Sie die Effizienz des Einsteigens optimieren, haben Sie recht. Wenn Sie die Rentabilität optimieren, möchten Sie Sitze verkaufen oder Zugang wie Zone 1 sind Zonen 1 bis 9 und kosten 3.000 $. Zonen 10 bis 15 kosten 1.000 $, und wir werden das Flugzeug zu diesem Preis füllen, und ich optimiere den Gewinn.

Joannes Vermorel: Aber das gilt sogar für Flugzeuge, in denen alle Sitze zum gleichen Preis sind. Diese Richtlinien werden sogar bei Billigfluggesellschaften angewendet, wo es keine Business Class gibt, es gibt keine First Class, und jeder wird im Wesentlichen zum gleichen Preis berechnet, unabhängig davon, welchen Sitz er hat.

Conor Doherty: Dann besteht also keine Notwendigkeit für das fortgeschrittene Einsteigen.

Joannes Vermorel: Aber sie machen es trotzdem.

Conor Doherty: Sollten sie also nicht?

Joannes Vermorel: Ich sage noch einmal, was ich sage, ist, dass sie in ihrem Kopf ein numerisches Rezept erfunden haben, das lautet: “Wir werden die Leute in Scheiben aufrufen, weil es scheint, dass, wenn wir mehr Ordnung schaffen, es effizienter funktionieren wird.” Und dann haben die Leute tatsächlich Experimente durchgeführt und festgestellt, dass es die Leistung im Vergleich zu dem, was Sie zuvor getan haben, tatsächlich verschlechtert, nämlich das Problem nicht einmal zu lösen und die Leute sich selbst sortieren zu lassen, wenn sie das Flugzeug besteigen.

Sie sehen, das ist das Ding. Wieder einmal, was Sie für richtig halten, das ist der Unterschied. Es ist sehr einfach, ein numerisches Rezept zu erfinden, aber wenn Sie keine Ahnung haben, ob es gut ist, sollten Sie nicht davon ausgehen, nur weil es das erste ist, was Ihnen in den Sinn kommt, dass es gut sein wird. Und Sie sollten nicht davon ausgehen, nur weil es plausibel aussieht, dass es gut sein wird.

Conor Doherty: Nun, Sie können diese Idee auch in Bezug auf die willkürliche Festlegung eines beliebigen KPI ausweiten und annehmen, dass dies einen Unterschied macht.

Joannes Vermorel: Ja, und wieder neigen die Menschen dazu, sich in ihre eigenen Ideen zu verlieben. Wie zum Beispiel: “Wir brauchen eine höhere Servicequalität, also müssen wir die Servicelevels von 97% auf 98% erhöhen”, und dann wird es zu einer unternehmensweiten Richtlinie. Macht das Sinn? Vielleicht, vielleicht auch nicht. Ich habe Ihnen von dieser Idee von Min und Max erzählt. Wir müssen drei Monate Inventar vorhalten, und dann wird es zur Unternehmensrichtlinie. Es ist sehr einfach, ein numerisches Rezept zu erfinden, weil Sie nur die Variablen nehmen müssen, die vor Ihnen liegen, und etwas damit machen, und Sie werden etwas berechnen.

Hier ist ein Fehler, der als sogenannter naiver Rationalismus bezeichnet wird. Nur weil Sie etwas mit den Variablen berechnen, die zufällig vor Ihnen liegen, bedeutet das nicht, dass diese Berechnung korrekt ist. Es kann in numerischer Hinsicht korrekt sein, dass Sie keinen Fehler bei den Additionen und Multiplikationen machen, aber die Formel, die Sie gerade erfunden haben, spiegelt nicht wirklich etwas wider.

Conor Doherty: Aber das steht natürlich im Widerspruch oder konkurriert mit der natürlichen Neigung der Menschen zum fundamentalen Attributionsfehler. Sie nehmen einfach an: “Ich habe Handlungsfähigkeit, ich habe etwas getan, ich habe eine Richtlinie festgelegt, ich habe einen KPI festgelegt, ich habe eine Regel festgelegt, und wir haben Geld verdient. Daher bin nicht nur großartig, sondern auch verantwortlich für das, was passiert ist.”

Joannes Vermorel: Ja, aber Sie sagen “wir haben Geld verdient”, aber die Realität ist, dass die meisten Unternehmen, insbesondere die meisten Supply-Chain-Abteilungen, keine finanziellen KPIs haben. Sehr häufig wird einfach überprüft, ob Sie mit den Regeln, die Sie für sich selbst aufgestellt haben, konform sind, und das war’s. Hier sagen Sie: “Wir sind profitabel”, aber die meisten Supply-Chain-Abteilungen überprüfen nur, ob sie mit ihren eigenen Prozentwerten konform sind.

Also würden sie zum Beispiel sagen: “Oh, wir brauchen 97% Servicelevel”, und dann würden sie Dinge tun, und am Ende des Tages würden sie sagen: “Oh, wir sind sehr gut, schau, wir haben 97% erreicht. Wir haben viel Geld verloren, aber wir haben 97% Service.” Die Tatsache, ob wir Geld verdienen oder verlieren, ist irrelevant. Sie zählen Prozentwerte, nicht Dollar. Ich meine, sehr wenige Unternehmen, die ich kenne, abgesehen von den Kunden, berücksichtigen tatsächlich irgendwelche finanziellen Kennzahlen für ihre Supply Chain. Es ist normalerweise vollständig abwesend. Sie denken in Begriffen von Lagerumschlag, sie denken in Begriffen von Servicelevels, sie differenzieren diese Servicelevels tatsächlich nach ABC-Klassen und dergleichen.

Aber sehen Sie, es liegt nicht daran, dass Sie sich ein beliebiges Ziel für den Servicelevel setzen und dann den Sieg erklären, wenn Sie diese willkürlichen Ziele erreichen. Sie können annehmen, dass die Einhaltung Ihres eigenen Ziels irgendwie mit der Rentabilität des Unternehmens korreliert ist, aber das ist eine sehr kühne Annahme.

Conor Doherty: Nun, auch das zeigt einen übergreifenden Punkt, der immer wieder in verschiedenen Formen gemacht wurde, nämlich die Neigung der Menschen, komplexe Probleme ernst zu nehmen. Wenn Sie zum Beispiel über die Planung sprechen, sprechen Sie darüber, wie viel Sie bestellen sollen, wohin Sie senden sollen, und versuchen, das in eine Form zu zerlegen, die in den menschlichen Verstand passt. Also zum Beispiel: “Nun, wenn ich nur 90 habe, wenn ich von 95 auf 97% Servicelevel gehe, ist das Problem gelöst”, und es ist gelöst. Sobald ich dieses Ziel erreicht habe, ist es selbst erfüllend. Aber natürlich ignoriert das viele der miteinander verbundenen und voneinander abhängigen Entscheidungsprozesse, die wir zuvor beschrieben haben.

Joannes Vermorel: Ja, aber auch ich würde sagen, dass eine Lösung zu finden typischerweise viel einfacher ist als das Problem zu lösen. Wenn wir uns zum Beispiel die Wartung eines Flugzeugs ansehen, ist die Realität, dass, wenn bei einer Wartungsoperation ein Teil fehlt, das Flugzeug stillgelegt wird. Das ist relativ offensichtlich, es sei denn, Sie bekommen es in letzter Minute. Aber jetzt ist die Lösung: “Ich möchte einfach einen nichtnullen Lagerbestand an verwendbaren Teilen für alles haben”, und das wird Ihre einfache Antwort sein. Sehen Sie, wenn ich das habe, dann bin ich irgendwie gut, solange ich einen nichtnullen Lagerbestand an verwendbaren Teilen zu jedem Zeitpunkt aufrechterhalten kann, bin ich gut.

Das ist also meine Lösung. Das Problem ist, dass es vollständig umgeht, dass die von Ihnen vorgeschlagene Lösung viel zu teuer ist, weil sie viel zu viel Lagerbestand erfordern würde, und daher ist es keine machbare Lösung, nicht wirklich. Daher müssen Sie wieder zu einem numerischen Rezept zurückkehren. Ich muss dieses numerische Rezept charakterisieren, um sicherzustellen, dass es ordnungsgemäß formalisiert ist, damit ich dann seine Güte bewerten kann und dann entscheiden kann, ob es sich um einen Algorithmus, eine Heuristik oder etwas anderes handelt.

Mein Punkt ist lediglich, dass es gefährlich ist anzunehmen, dass etwas, das getan wurde, das eine willkürliche numerische Richtlinie war, diese Eigenschaften hat, nur weil es auf diese Weise gemacht wurde. Das Einzige, was Sie sagen können, ist, dass es nicht so schlecht war, dass es das Unternehmen in den Bankrott getrieben hat, aber das ist eine sehr niedrige Messlatte. Sie können Dinge haben, die sehr, sehr schlecht sind und trotzdem nicht ausreichen, um das Unternehmen zu töten, insbesondere wenn Ihre Mitbewerber auch Dinge tun, die sehr, sehr ineffizient sind.

Conor Doherty: Sie haben tatsächlich in einem unserer vorherigen Gespräche erwähnt, dass es Konsequenzen hat, willkürliche Richtlinien oder willkürliche KPIs in die Realität umzusetzen. Zum Beispiel kostet es etwa eine Größenordnung mehr, um von einem Servicelevel von 95 auf 97 % zu gelangen, als von 85 auf 87 %. Sie sagen also: “Oh, ich möchte nur um 2 % erhöhen”, aber es gibt ein Gesetz des abnehmenden Ertrags.

Joannes Vermorel: Ja.

Conor Doherty: Und die Kosten breiten sich exponentiell aus, sobald Sie ein bestimmtes Niveau erreicht haben. Und wieder werden die Leute sagen: “Ich möchte nur um 2 % gehen”, und es ist nicht offensichtlich, wie sich das alles ausbreitet.

Joannes Vermorel: Der menschliche Verstand ist kein Computer, und es gibt bestimmte Dinge, von denen ich Ihnen gesagt habe, dass der menschliche Verstand nicht sehr gut mit Zufälligkeit umgehen kann, aber auch nicht sehr gut mit geometrischem Wachstum. Dinge, die exponentiell wachsen, begreift der menschliche Verstand einfach nicht wirklich. Wir haben nicht den Mechanismus dafür.

Ja, wenn ich als Mathematiker die Zeit nehme, einen Stift und Papier nehme und dann meine Berechnung mache, ja, dann werde ich das verstehen. Aber ich habe kein Instinkt; niemand hat eine instinktive Intuition für den Unterschied zwischen tausend, einer Million, einer Milliarde, einer Billion. Wir haben nicht die Mechanismen, um solche Dinge zu spüren, genauso wenig wie wir die Mechanismen in unserem Gehirn haben, um den Unterschied zwischen Gaußschem Rauschen oder irgendeiner Art von nicht-gaußschem alternativen Rauschen zu erkennen. Wenn ich Ihnen alle Arten von Zufälligkeiten gebe, Gaußsches Rauschen plus, es sei denn, Sie wurden speziell darauf trainiert, das zu identifizieren, würden die meisten Menschen sagen: “Oh, es scheint sehr zufällig zu sein.” Wir haben, würde ich sagen, keine instinktive Wahrnehmung der Klasse von statistischem Rauschen, aber Mathematiker haben viele verschiedene Arten von Rauschen, von zufälligem Verhalten, aufgedeckt.

Conor Doherty: Zu diesem Punkt haben Sie früher über die Planung von Reparaturen gesprochen, zum Beispiel in der Luft- und Raumfahrt. Nun, die Idee, wenn jemand sagt: “Nun, wir haben wirklich sehr kluge Leute, und jedes Mal, wenn wir eine Abfolge von Aktionen für die Reparatur eines Motors neu erstellen müssen, haben wir 10 wirklich kluge Leute. Sie setzen sich hin und finden es intern selbst heraus.” Natürlich ist das unvernünftig. Denken Sie daran, wie Simon es zuvor ausgedrückt hat, es ist unvernünftig, auch nur zu erwarten, dass hundert superkluge Leute mit einem Stift und Papier oder mit einer Excel-Tabelle alle Berechnungen, die erforderlich sind, um den optimalen neuen Zeitplan unter Berücksichtigung aller Wechselwirkungen, aller Teile, aller erforderlichen Fähigkeiten, der Zeit, die es dauert, wiederholt zu übertreffen.

Und Sie müssen berücksichtigen, dass, wie Sie zuvor gesagt haben, im Fall von MRO, Sie nicht den Luxus der Zeit haben. Selbst wenn es möglich wäre, und wir gewähren es nur der Diskussion halber, es ist nicht so, aber sagen wir einfach, es wäre, das würde etwa unendlich viel Zeit dauern im Vergleich zu einem Algorithmus, der es in wenigen Minuten erledigen kann. Und all das hat einen Dollarpreis. Der Punkt, zu dem ich immer wieder zurückkomme, und wieder, so verstehe ich es und versuche es zu erklären, ist, dass es nicht darauf ankommt, ob man klug oder dumm ist. Es gibt einfach externe Effekte, die für das menschliche Auge unsichtbar sind, per Definition unsichtbar für das menschliche Auge.

Joannes Vermorel: Leider müssen wir auch berücksichtigen, dass die meisten Softwareanbieter völlig inkompetent sind. Das ist also ein weiterer Faktor. Manche sagen: “Oh, mein Argument wäre, wenn 10 Leute zusammenkommen und eine Lösung finden, und es funktioniert nicht, dann werden sie im nächsten Moment, nur weil zum Beispiel ein Teil fehlt und so weiter, zu einer Alternative gehen. Sie werden also wieder minderwertige Lösungen erkunden, bis eine passt, ein bisschen wie eine Ratte, die durch ein Labyrinth geht. Es ist okay, oh, eine Wand, okay, Richtung, eine andere Wand, okay, eine andere Richtung.”

Das Problem bei vielen, würde ich sagen, Softwareimplementierungen ist, dass die Software nicht einmal eine Art Ausweg hat, wenn man auf eine Wand stößt. Und wenn man feststeckt, steckt man einfach fest mit etwas, das einfach unsinnig ist und das war’s. Viele Unternehmen hatten das. Das war eines der, würde ich sagen, Versprechen der Operationsforschung in den 50er Jahren und so weiter. Viele der anfänglichen, würde ich sagen, Hoffnungen wurden nicht zu, würde ich sagen, großen Erfolgen, genau weil die Softwareanbieter irgendwie inkompetent waren. Und so waren die vermeintlich optimalen Lösungen oder vermeintlich, wissen Sie, überlegenen softwaregesteuerten Lösungen in der Praxis so schlecht umgesetzt, dass es völlig, würde ich sagen, unpraktisch war.

Aber wir müssen ein wenig unterscheiden, wissen Sie, ob es ein Problem war, dass dieses Problem nicht von Computern angegangen werden kann und der menschliche Verstand eine Art Voodoo macht, der noch nicht mit einem Computer repliziert werden kann, oder ob dieses Problem einfach von einem völlig inkompetenten Softwareanbieter angegangen wurde und es stellte sich heraus, dass die Lösung, die sie geliefert haben, schrecklich war.

Conor Doherty: Aber zu diesem Punkt, wie können Nicht-Spezialisten - das ist der Begriff, ich bin ein Nicht-Spezialist - wissen, ob das, was sie hören oder was der Anbieter ihnen sagt, Inkompetenz oder Unaufrichtigkeit ist? Oder wie können Sie diese Behauptungen überprüfen?

Joannes Vermorel: Das ist ein großes Problem. Hier gibt es eine weitere Vorlesung dazu. Es ist adversiale Marktforschung, aber das ist eine weitere Stunde Erklärung darüber, wie man inkompetente Anbieter tatsächlich erkennen kann.

Conor Doherty: Irgendwelche Heuristiken, irgendwelche Faustregeln, die Ihnen spontan einfallen?

Joannes Vermorel: Ja, ich meine, es gibt tatsächlich eine hier gegebene Heuristik, aber es ist eine, die sich bewährt hat. Also, denken Sie daran, es ist eine einfache Lösung, die überraschenderweise und empirisch gut funktioniert, besser als Sie erwarten würden. Und die Heuristik, die in der adversialen Marktforschung gegeben wird, lautet: Wie wissen Sie? Sie fragen, wenn Sie einen Anbieter haben, die Konkurrenten dieses Anbieters, was diese Konkurrenten von diesem Anbieter halten. Und das ist adversial.

Wenn Sie also eine korrekte Meinung über einen Anbieter haben möchten, fragen Sie nicht den Anbieter, denn der Anbieter wird Sie nur [ __ ]en. Fragen Sie seine Konkurrenten, was sie von diesem Typen halten. Und dann machen Sie auch das Symmetrische: Sie fragen alle Anbieter, was sie von den anderen Anbietern halten. Es wird als adversiale Bewertung bezeichnet und hat sich als sehr, sehr robust erwiesen. Warren Buffett hat sein Vermögen auf diesem sehr einfachen Prinzip aufgebaut. Und die Idee war, wenn alle zustimmen - und Buffett hat diese eine Frage, die lautet: “Wenn Sie eine Silberkugel hätten, um einen Ihrer Konkurrenten magisch zu eliminieren, wer wäre das Ziel Ihrer Silberkugel?”

Und das war eine sehr interessante Frage, denn wenn alle Konkurrenten dasselbe Unternehmen benennen, dann befinden Sie sich in einer Situation, in der dieses Unternehmen offensichtlich dasjenige ist, das alle anderen bedroht. Und diese Anbieter sind am besten über diesen Handel informiert, also ist der kompetenteste Akteur derjenige, auf den alle Konkurrenten zeigen. Das ist also eine Heuristik, wissen Sie, bis Sie diese adversiale Marktforschung getestet haben, realisieren Sie nicht, wie gut sie funktioniert. Und es ist nicht einmal offensichtlich, dass sie überhaupt funktioniert, aber sie wurde getestet und funktioniert wunderbar, wie unter anderem am Erfolg von Berkshire Hathaway gezeigt wurde.

Conor Doherty: Nun, Joannes, ich habe keine weiteren Fragen, aber in Bezug auf Schlussfolgerungen, wie Takeaways für die Zuschauer von heute, weil wir viel abgedeckt haben. Aber in Bezug auf Heuristiken in der Supply Chain, was wäre Ihre Zusammenfassung für die Zuschauer?

Joannes Vermorel: Was Sie tun, sind höchstwahrscheinlich nur numerische Rezepte, willkürliche numerische Rezepte. Reservieren Sie den Begriff Heuristik für etwas, das ein verborgenes Juwel ist, etwas, das einfach ist und wunderbar funktioniert, aber Sie haben empirische Beweise, dass es funktioniert. Nicht nur “Ich mache es und das Unternehmen ist nicht bankrott gegangen, also funktioniert es.” Das ist zu niedrig angesetzt. Also reservieren Sie diesen Begriff.

Wenn Sie solche Rezepte identifizieren, die weit über das hinaus funktionieren, was von einem so einfachen numerischen Rezept vernünftigerweise erwartet werden könnte, dann schätzen Sie es. Es ist äußerst wertvoll. Aber auch dieser Wert muss, würde ich sagen, in einer realen Bewertung in Dollar oder Euro verwurzelt sein, nicht nur in Ihrem Bauchgefühl über den Wert dieses numerischen Rezepts.

Conor Doherty: Nun, Joannes, vielen Dank. Ich denke, wir haben dieses Problem gelöst, ein weiteres im Kasten. Vielen Dank für Ihre Zeit und vielen Dank fürs Zuschauen. Wir sehen uns beim nächsten Mal.