00:00:00 Einführung in die Öl- und Gas supply chain
00:05:02 Hohe Einsätze und Offshore-Logistik
00:08:20 Finanzielle Auswirkungen von supply chain Ausfallzeiten
00:13:54 Komplexität und Automatisierung in supply chains
00:16:15 Missverständnis beeinträchtigt die Planung
00:18:39 Lagerbestand beeinflusst die Betriebszeit
00:20:33 Ölpreis beeinflusst die Rentabilität
00:23:00 Der richtige Lagerbestand für effiziente Betriebszeiten
00:25:10 Optimierung jenseits von Tabellenkalkulationen
00:28:58 Die Beschränkungen von ERPs in der Entscheidungsfindung
00:31:10 Excel als Entscheidungswerkzeug
00:33:15 Die Bedeutung von Systemen der Aufzeichnungen
00:37:00 Ungefähre Richtigkeit bei Entscheidungen
00:38:10 Entscheidungsfokus unter Zöllen
00:40:30 Numerische Rezepte schärfen den Fokus
00:43:37 Ablenkungen durch ingenieurstechnische Herausforderungen
00:46:10 Großmaßstäblichkeit verringert die Agilität
00:51:30 Geschwindigkeit und Eintreten für numerische Rezepte
00:53:00 Die Rolle der Preisgestaltung in der supply chain
00:57:19 Öl als Grundlage der Zivilisation
00:59:00 KI und Büroautomatisierung
Zusammenfassung
In einem reflektierenden Dialog vertiefen sich Conor Doherty und Joannes Vermorel in supply chain challenges in der Öl- und Gasindustrie, indem sie diese mit der Verwaltung einer Miniaturstadt vergleichen, anstatt mit einfachen Unternehmen. Vermorel kritisiert konventionelle Methoden, die sich auf Kritikalität konzentrieren, und befürwortet Automatisierung und numerische Modelle zur Steigerung der Effizienz. Er thematisiert die finanziellen Auswirkungen von Long-Tail-Ereignissen und betont optimierte Lagerhaltungspraktiken anstelle von Hamstern. Vermorel unterstreicht die Unzulänglichkeit von Systemen wie ERPs bei der Entscheidungsfindung, und befürwortet Systeme der Intelligence, um zukünftige Unsicherheiten zu meistern. Das Gespräch hebt die konservative Natur der Branche hervor, in der Agilität und digitale Optimierung entscheidend sind für die Weiterentwicklung von supply chain Strategien.
Erweiterte Zusammenfassung
In einem zum Nachdenken anregenden Dialog befasst sich Conor Doherty, Kommunikationsdirektor bei Lokad und Gastgeber des YouTube-Kanals LokadTV, mit Joannes Vermorel, CEO und Gründer von Lokad, um die komplexen supply chain Herausforderungen der Öl- und Gasindustrie zu hinterfragen. Ihr Gespräch dient als sorgfältige Untersuchung, wie sich diese Komplexitäten in den verschiedenen Betriebsphasen – upstream, midstream und downstream – entfalten.
Doherty leitet die Diskussion ein, indem er den Öl- und Gassektor als Fundament hervorhebt, das globale supply chains stützt, und weist auf dessen tiefgreifenden Einfluss auf eine Vielzahl von Branchen – von Konsumgütern bis hin zu industriellen Materialien – hin. Vermorel bekräftigt dieses Gefühl und betont die supply chain Komplexität, die derjenigen in der Luft- und Raumfahrt sowie im Einzelhandel gleicht. Entgegen der Annahme von Einfachheit ähnelt die Verwaltung einer Bohranlage der Organisation einer Miniaturstadt, beladen mit Tausenden von SKUs, von denen jede essenziell ist, um einen reibungslosen Betrieb aufrechtzuerhalten. Doch die wahre Herausforderung besteht nicht in der Sicherstellung der Produktstabilität, sondern vielmehr darin, den Bedarf der zukünftigen supply chain unter wirtschaftlichen Einschränkungen aufrechtzuerhalten.
Vermorel liefert kluge Erkenntnisse über die wirtschaftlichen Einsätze, die mit Ausfallzeiten verbunden sind, bei denen selbst kleinere Standorte täglich exorbitante Kosten verursachen, verschärft durch logistische Hürden, die durch abgelegene Offshore-Plattformen bedingt sind. Angelehnt an Dohertys Rahmenwerk von Komplikation, Komplexität und Kritikalität kritisiert er traditionelle Managementpraktiken, die sich ausschließlich auf Kritikalität konzentrieren und dabei häufig Methoden wie die ABC-Analyse einsetzen. Er plädiert dafür, dass Lokad Automatisierung und numerische Modelle gegenüber diesen veralteten Techniken vorzieht, und argumentiert, dass Effizienz erreicht werden kann, ohne auf große Teams von Planern zurückzugreifen.
Das Gespräch wendet sich der Behandlung von Ereignissen mit niedriger Wahrscheinlichkeit, also Long-Tail-Ereignissen, zu, die trotz ihrer Seltenheit weitreichende finanzielle Auswirkungen auf den Betrieb haben. Vermorel identifiziert eine Lücke zwischen wahrgenommenen und tatsächlichen Wahrscheinlichkeiten in supply chain Abläufen und warnt, dass die Service-Levels ohne ein genaues Verständnis der Abhängigkeiten nachlassen könnten. Während die Orthodoxie auf umfangreiche Lagerbestände als Puffer gegen Risiken setzt, befürwortet Vermorel optimierte Lagerhaltungspraktiken, die auf Betriebszeit statt auf schiere Menge ausgerichtet sind, und verurteilt die Ineffizienz sowie Gegenproduktivität übermäßiger Lagerhaltung.
Vor dem Hintergrund der finanziellen Denkweisen der Branche hinterfragt Doherty, ob für jeden investierten Dollar tatsächlich das maximale ROI angestrebt wird, und stellt damit die Begründung in Frage, die die Abhängigkeit von manuellen Tabellenkalkulationen in einem Zeitalter unterstützt, das eine Optimierung durch numerische Rezepte erfordert. Vermorel stimmt dieser Skepsis zu, erkennt die durch Tabellenkalkulationen in selbst großen Unternehmen verursachten Ineffizienzen an und unterstreicht den Bedarf an fortschrittlichen Systemen der Intelligence anstelle bloßer Aufzeichnungssysteme.
Vermorel kategorisiert Aufzeichnungssysteme wie ERPs und WMS als fortschrittliche Hauptbücher, die geschickt darin sind, Daten zu verfolgen, jedoch bei der automatisierten Entscheidungsfindung Defizite aufweisen und die Nutzer oft wieder zu Tabellenkalkulationen zurückdrängen. Trotz der Versprechen von Nachfrageprognosen und Lagerbestandsoptimierung scheitern diese Systeme häufig und zeigen so den Bedarf an Systemen, die speziell der Entscheidungsfindung gewidmet sind – Systeme der Intelligence, die ausschließlich darauf ausgerichtet sind, Unsicherheiten zu bewältigen und komplexe Entscheidungen zu ermöglichen.
Das Duo zeichnet die Dichotomie zwischen Systemen, die für das perfekte Erinnern vergangener Transaktionen konzipiert sind, und solchen, die systematisch auf zukünftige Unsicherheiten unter realen Bedingungen ausgerichtet sind. Systeme der Intelligence werden für ihre Fähigkeit gelobt, komplexe Berechnungen jenseits der reinen Datenaufzeichnung zu bewältigen, und sind darauf ausgelegt, die Entscheidungsfindung in Bezug auf Lagerbestands- und Preisstrategien zu optimieren.
Doherty beleuchtet die konservative Natur der Öl- und Gasindustrie, in der Unternehmen Lagerbestände horten, um finanzielle Risiken abzusichern, aber gleichzeitig zurückhaltend gegenüber Software sind, die zur Minderung dieser Risiken entwickelt wurde. Vermorel spekuliert, ob die ingenieurmäßige Kompetenz der Branche ungewollt die supply chain Optimierung in den Schatten stellt und weist auf eine inhärente Starrheit im Vergleich zu agilen Sektoren trotz Digitalisierungsbemühungen hin.
Agilität, verkörpert durch reaktionsschnelle Software, die sich unvorhergesehenen Änderungen anpasst, stellt traditionelle Methoden wie FIFO in Frage und ebnet den Weg zu dynamischeren supply chain Strategien. Vermorel erkennt die Verbreitung der Händlerautomatisierung an, insbesondere in den Bereichen midstream und downstream, und dokumentiert gleichzeitig die physische Komplexität im upstream-Bereich, wo Systeme der Intelligence noch auffallend ungenutzt bleiben.
Der Übergang zu systematischen Veränderungen erfordert die Verschmelzung bestehender manueller Strategien mit aufstrebenden Softwarelösungen – ein Konzept, das Vermorel durch Lokads Dual-Run-Ansatz veranschaulicht. Diese Methodik ermöglicht es den Praktikern, numerische Rezepte neben Tabellenkalkulationen zu vergleichen, die Zusammenarbeit mit Wissenschaftlern zu fördern, um Optimierungsbemühungen zu verfeinern und zu skalieren, während gleichzeitig die Expertise der Praktiker für ein maximales ROI verewigt wird.
Der Dialog endet damit, dass Vermorel die anhaltende Bedeutung von Öl und Gas innerhalb der Industriegesellschaft lobt und tiefgreifende Fortschritte prognostiziert, während KI die Büroautomatisierung in eine neue Ära führt. Doherty erwidert diese Vorfreude auf zukünftige Transformationen und fasst eine Sitzung zusammen, die nicht nur die Feinheiten des supply chain Managements durchleuchtet, sondern auch als Beleg für kooperative Unternehmen im Streben nach Innovation dient.
Gesamtes Transkript
Conor Doherty: Willkommen zurück bei Lokad. Als Branche stellt Öl und Gas mehrere einzigartige supply chain Management-Hürden dar. Heute werden Joannes und ich diese Herausforderungen in den Bereichen upstream, midstream und downstream besprechen sowie die Methoden beleuchten, von denen wir glauben, dass sie funktionieren und vor allem die, die nicht funktionieren. Während Sie hier sind, vergessen Sie nicht, LokadTV zu abonnieren und uns auf LinkedIn zu folgen. Und damit präsentiere ich Ihnen das heutige Gespräch über Öl und Gas mit Joannes Vermorel.
Also zunächst einmal, Joannes, danke, dass du wieder dabei bist. Die erste Frage, die meiner Meinung nach wirklich den Rahmen setzt oder vielmehr ein wenig Perspektive darauf gibt, wie wir hierher gekommen sind: Wenn die Leute hören, dass Lokad in der Öl- und Gasindustrie tätig ist, ist das eine Überraschung, denn meist denkt man bei supply chain Optimierung an Supermärkte, den Einzelhandel und dergleichen. Ähnlich wie in einer früheren Diskussion über die Luft- und Raumfahrt, in der ich dich fragte, wie genau Lokad in die Luft- und Raumfahrt gekommen ist – was war es zuerst an Öl und Gas, das deine Aufmerksamkeit erregte?
Joannes Vermorel: Ich meine, Öl und Gas sind, würde ich sagen, der Ausgangspunkt fast aller supply chains, die wir haben. Sie alle beginnen dort. Ich glaube nicht, dass es nahezu ein Produkt irgendeiner Komplexität gibt, das nicht in erheblichem Maße auf Öl und Gas angewiesen wäre. Dieser Stift enthält wahrscheinlich etwa ein halbes Dutzend Verbindungen, die aus Öl gewonnen werden. Dieses Mikrofon, der Schaum hier, dieser Laptop, praktisch alles, sogar dieser Tisch mit der Farbe, das Ölfass dort drüben. Und dann Energie – die Welt läuft größtenteils auf Öl und Gas. Von den alternativen Energien, die wir haben, ist meiner Meinung nach nur die nukleare Energie in der Lage, in Bezug auf die rohe Energieversorgung, die wir benötigen, überhaupt einen Unterschied zu machen. Der Rest ist bestenfalls nur ein Abdruck.
Im Laufe der Jahre haben wir bei Lokad tatsächlich mit den sichtbarsten Dingen begonnen, also den Geschäften, dann ging es weiter zum Zulieferer, und so weiter, und eines Tages findet man sich, wie wir es heute tun, auch bei Öl- und Gasunternehmen wieder, die sich auf die verschiedenen Stufen konzentrieren, denn wenn man von Öl und Gas spricht, ist die Branche absolut gigantisch.
Conor Doherty: Genau das ist der Punkt, denn du hast gerade gesagt, dass Öl und Gas absolut riesig sind. Dennoch weiß ich auch abseits der Kamera, dass du bereits erwähnt hast, dass es hinsichtlich der Komplikation, ohne dir Worte in den Mund zu legen, in Sachen Komplexität gar nicht viel schwieriger ist als in der Luft- und Raumfahrt oder im Einzelhandel. Erkläre das bitte etwas ausführlicher.
Joannes Vermorel: Ich würde sagen, ja, wenn man es genau nehmen will, in Bezug auf die Komplikation. Schauen wir. Das Interessante ist, dass die Komplexität aufgrund des schieren Ausmaßes in die Höhe schnellt. Warum haben wir also so viel Komplexität? Nun, wenn du eine Bohranlage betreiben möchtest, ist sie wie eine Miniaturstadt, und sie benötigt alles, was man auch von einer mittelgroßen Stadt erwarten würde – buchstäblich Zehntausende von SKUs an Dingen, von winzigen Handschuhen bis hin zu Flugzeugtriebwerken. Sie verfügen meiner Meinung nach über Motoren, um vor Ort Energie zu erzeugen. Gelegentlich haben sie Turbinen im Einsatz, wenn sie eine massive oder lokale Stromversorgung benötigen, usw.
Es gibt alles, von sehr kleinen Dingen bis hin zu sehr großen, und all das ist irgendwie notwendig, wenn man seinen Betrieb aufrechterhalten möchte. Das gilt sowohl für Onshore als auch Offshore, ebenso für FPSOs, die wie temporäre Plattformen zur Ölförderung fungieren. Die Komplexität ist also enorm. Die Komplikation hingegen, würde ich sagen, ist weitaus geringer. Das ist der Unterschied.
Ja, das Ausmaß ist enorm. Ja, die Vielfalt ist enorm. Aber in Bezug auf die Komplikation würde ich sagen, dass die Produkte relativ stabil sind. Ja, es ist eine Branche, die sich entwickelt hat, aber das, was bereitgestellt und verfügbar gehalten werden muss, entspricht nicht Fast Fashion. Es ist nicht so, dass jedes Quartal ein völlig neuer Katalog erscheint. Es bleibt alles sehr stabil.
Und es ist auch nicht so, wie zum Beispiel in der Luft- und Raumfahrt, wo es supply chain Kreisläufe gibt, in denen alles reparierbar ist und man daher eine verrückte Komplikation mit den Teilen hat, die gerade im Einsatz sind, denen, die am Boden sind, und einem ständigen Wechselspiel zwischen dem Teil, das repariert und wieder in das Flugzeug eingebaut wird. Hier hingegen, würde ich sagen, gibt es zwar Reparaturen für teure Maschinen, aber überwiegend handelt es sich um eine vorwärtsgerichtete supply chain. Es werden Unmengen an verschleißanfälliger Ausrüstung benötigt, die verbraucht wird, und um wirklich, wirklich sicherzustellen, dass es zu keinen Ausfallzeiten kommt, muss eine konstante Lieferung von unzähligen Dingen gewährleistet sein.
Also ja, im Vergleich zum Ausmaß sind die Komplikationen nicht allzu komplex, aber es ist offensichtlich extrem komplex.
Conor Doherty: Also, um den Unterschied zwischen Komplikation und Komplexität weiter auseinanderzuziehen: Wie spielt der Kostenfaktor in die Komplexität hinein? Nehmen wir wieder das Beispiel der Teile – die Teile sind stabil, insofern als dass man im schlimmsten Fall weiß: Hier sind die Teile, die ich zur Reparatur eines Geräts benötigen werde. Es ist bekannt. Die Stückliste ist bekannt. Die Menge, die man eventuell benötigt oder wann man sie braucht, mag unbekannt sein, aber man weiß, dass man diese Teile irgendwann für diesen Zweck benötigen wird. Allerdings sind die Kosten, diese Teile nicht zu haben, ganz unterschiedlich, wenn man beispielsweise in einer Reparaturwerkstatt an Land arbeitet oder in einer Reparaturwerkstatt 200 Kilometer entfernt auf einer Offshore-Plattform. Ist das also die Komplexität, und wie passt das in eine weitere Dimension?
Joannes Vermorel: Bei Komplikationen geht es darum, ob es sich um ein engmaschiges mathematisches Rätsel handelt, das allein schon in seinen Überlegungen extrem schwierig ist. Das würde ich verneinen. Komplexität bezieht sich einfach auf die schiere Menge an Dingen, weißt du, auf die Tatsache, dass man viele, viele SKUs, viele Teile, viele Standorte, vieles hat. Aber grundsätzlich ist es einfach mehr, mehr, mehr, mehr. Es werden dabei keine zusätzlichen Komplikationen hinzugefügt.
Und hier sprechen wir über eine weitere Dimension, bei der der Einsatz extrem hoch ist. Und das würde ich als eine dritte Dimension bezeichnen. Ich nenne das Kritikalität. Also, die Kritikalität ist enorm hoch. Aber was einen supply chain vendor, supply chain Optimierungsanbieter wie Lokad angeht, ist es – wenn du mir sagst, dass Ausfallzeiten 1 Dollar pro Stunde oder eine Million Dollar pro Stunde kosten – einfach ein Parameter. Für das Geschäft ist das natürlich ganz anders, aber es ändert weder die Komplexität noch die Komplikationen.
Es ist nur so, dass die Einsätze – weil man dann in Dollar denkt – viel höher sind. Aber grundsätzlich handelt es sich dabei um ein völlig anderes, orthogonales Thema, das – wie im Öl- und Gasbereich – ebenfalls von größter Bedeutung ist, denn die Einsätze sind astronomisch hoch.
Wenn selbst bei einer relativ kleinen Anlage, sagen wir einer, die Öl aus dem Boden fördert, Ausfallzeiten auftreten, dann reden wir von Ausfallzeiten, die etwa 1 Million Dollar pro Tag ausmachen, weißt du.
Conor Doherty: Einige Quellen als Basis. Ich meine, diese Bandbreite ist ziemlich hoch. Und nochmals, es lohnt sich wirklich, das ein wenig auseinanderzunehmen, denn zuvor haben wir über die Luft- und Raumfahrt gesprochen, und ich weiß, dass in den Automobil- und Luft- und Raumfahrtsektoren die Kosten für Ausfallzeiten pro Stunde vergleichbar sind. Ich weiß, dass es im Automobilbereich etwa 2 Millionen Dollar pro Stunde kosten kann; in der Luft- und Raumfahrt gibt es keinen Grund zu denken, dass es wegen der Komplexität anders ist. Aber diese Fälle treten in der Regel an Land auf.
Wenn man über eine Offshore-Plattform spricht, muss man auch berücksichtigen – es geht nicht einfach nur darum, die Teile in letzter Sekunde zu beschaffen. Es geht auch darum, dass man entweder sofort ein Boot oder einen Hubschrauber benötigt, um diese Dinge zu transportieren. Und es geht nicht nur um den Hubschrauber in letzter Minute, sondern auch darum, dass man einen Piloten oder Kapitän braucht. Also brauche ich in solchen Krisensituationen eine Person mit einem sehr speziellen Kompetenzprofil, die verfügbar ist, wenn ich sie benötige. Du zahlst durch die Decke, denn in jeder Sekunde, in der kein Öl gefördert wird, verlierst du den Wert des Öls.
So, wenn man über die finanziellen Einsätze spricht, meine ich, es gibt erstens, zweitens, drittens, viertens – es ist enorm.
Joannes Vermorel: Ja, die Einsätze sind extrem hoch. Aber für uns – aus der Perspektive der supply chain Optimierung – bedeutet es, dass wenn du mir sagst, Plan A sei, die Teile per Boot und kostengünstigem Versand zu beschaffen, was auch immer die dafür nötige Zeit ist, und Plan B darin besteht, dass ein Notfall-Hubschrauber zu deiner Offshore-Plattform fliegt, und dass Plan B dann 100-mal mehr kostet als Plan A, es letztlich nur eine Frage der Parameter in der wirtschaftlichen Modellierung ist.
Grundsätzlich unterscheidet sich das nicht wesentlich von einem Multisourcing-Setup, bei dem du einen Lieferanten im eigenen Land hast, der etwas teurer ist, und einen weiter entfernten Überseelieferanten, der günstiger ist. Aus unserer Perspektive bei Lokad ist Multisourcing keine allzu komplizierte Herausforderung.
Aber ja, die Einsätze. Was Öl und Gas wirklich so speziell macht, ist, dass der Einsatz, die Kritikalität, buchstäblich durch die Decke geht, und in Dollar ausgedrückt hat man häufig zwei Nullen – manchmal sogar drei mehr – als in den meisten anderen Branchen, einfach weil es so immens ist.
Conor Doherty: Nun, ich mag diese Kategorisierung wirklich sehr. Ich habe im Grunde drei C’s notiert: die Komplikation, die Komplexität und die Kritikalität. Das sind wieder drei Dimensionen, die du gerade beschrieben hast, wie Lokad – beziehungsweise du und Lokad und unsere supply chain scientists – das Problem sehen.
Joannes Vermorel: Ja.
Conor Doherty: Bitte stell das im Kontrast zu deiner Einschätzung dar, was der traditionelle Ansatz im Bereich des supply chain Managements bei Öl und Gas ist. Ich meine, denken sie in diesem Detailgrad und in dieser Dimensionalität?
Joannes Vermorel: Ich meine, wenn man darüber nachdenkt und eine klassische Methode wie die ABC-Analyse anwendet, segmentiert man alles nach Kritikalität. Man sagt: Okay, was auch immer mein A ist – also die kritischsten Artikel – ich werde sagen, einen Planer pro 100 Artikel zu haben, sodass eine Person sich um 100 SKUs kümmert, weil diese super kritisch sind und ich möchte, dass diese Person all das wirklich genau und täglich überwacht.
Und dann, bei den B’s, würde ich sagen, oh, vielleicht habe ich tausend. Also eine Person für tausend Artikel, mit geringerem Volumen, geringeren Einsätzen. Und dann die C’s – ich erfinde da gerade ein paar Zahlen, sagen wir 10.000 – und das sind die Dinge, die weniger kritisch, günstiger usw. sind.
Also siehst du, im Wesentlichen besteht der traditionelle Ansatz darin, ausschließlich über Kritikalität zu entscheiden. Aber das Besondere an Lokad ist, dass wir Automatisierung wollen. Wir wollen ein numerisches Rezept, das sich frontal um alles kümmert. Und Maschinen können Unmengen an Berechnungen durchführen, sodass wir in puncto Analytik bei den seltenen Artikeln nicht verhungern müssen.
Siehst du, die Idee, warum man nicht einen demand planner, supply and demand planner, für je 100 SKUs einsetzt? Warum behält man dieses Verhältnis nur für die A’s, wo man eine Person pro 100 SKUs haben kann? Die Antwort ist, dass man eine unglaublich große Armee von supply and demand planners bräuchte, wenn man das tatsächlich umsetzen müsste, wenn du 50.000 unterschiedliche SKUs verwalten sollst, um den Betrieb aufrechtzuerhalten.
So ist das. Wenn man von 100 Artikeln pro Mitarbeiter ausgeht, sprechen wir von 500 Mitarbeitern allein zur Verwaltung des Inventars einer Förderanlage. Das ist offensichtlich verrückt – so etwas wird man nicht tun.
Aber wenn du in das Reich der Automatisierung eintrittst und über intelligente Softwarelogik verfügst, dann sind diese Beschränkungen völlig obsolet und diese Perspektive spielt gar keine Rolle. Was du also willst, ist etwas, das durchgängig hervorragend arbeitet – von den allerkritischsten SKUs bis hin zum Long Tail.
Denn das ist der Punkt beim Long Tail: Auch wenn Dinge selten benötigt werden, können sie trotzdem zu Ausfallzeiten beitragen.
Conor Doherty: Ich möchte einfach vermeiden, zu viel Fachjargon zu verwenden für Leute, die damit vielleicht nicht vertraut sind – wenn du von Long Tail sprichst, meinst du Ereignisse mit niedriger Wahrscheinlichkeit in einer Verteilung?
Joannes Vermorel: Ja, genau, genau.
Conor Doherty: 0,1% Wahrscheinlichkeit, aber das könnte 25 Millionen Dollar an Auswirkungen haben.
Joannes Vermorel: Ja. Das kann passieren, weißt du, und diese Long Tail-Situationen können entweder bedeuten, dass wir etwas benötigen, das wir normalerweise gar nicht brauchen, oder dass etwas, das wir normalerweise innerhalb einer Woche – easy peasy – liefern, stattdessen sechs Monate dauert. Warum? Weil, naja, Durchlaufzeiten variieren oder aus anderen Gründen.
Also, siehst du, alle Quellen der Unsicherheit – dein kontinuierlicher Betrieb hängt täglich von Entscheidungen ab, die jetzt getroffen werden, in Erwartung bestimmter zukünftiger Marktbedingungen. Wir erwarten, dass wir diese Menge an Teilen verbrauchen. Wir erwarten, dass die Lieferanten in der Lage sein werden, das innerhalb des entsprechenden Zeitrahmens zu liefern, usw. usw.
Also gibt es mehrere Quellen der Unsicherheit, und aufgrund der Komplexität kann man Schaden nehmen – man kann Ausfallzeiten erleben, nur weil etwas passiert, das eine Chance von 1 zu 10.000 hatte.
Man könnte sagen, eine Chance von 1 zu 10.000 ist nicht viel – es sei denn, man hat 10.000 solcher Fälle. Also wirfst du die Würfel immer und immer wieder, und am Ende, wenn du die Würfel zig- oder tausende Male wirfst, passieren selbst Ereignisse, die sehr unwahrscheinlich sind.
Conor Doherty: Nun, das ist wieder die Idee der Wahrscheinlichkeitstheorie. Es lohnt sich, hier einen Punkt anzusetzen, denn ich hatte zuvor ein Gespräch mit Simon Schalit, COO bei Lokad. Und wieder sprachen wir über die Luft- und Raumfahrt im Hinblick auf Komplexität. Das Beispiel ist gültig. Und er sprach darüber, wie das Verständnis der Wahrscheinlichkeitstheorie bei Menschen ganz anders ist, als die Wahrscheinlichkeitstheorie tatsächlich ist.
Also, zum Beispiel – und du wirst in Echtzeit meine Mathematik korrigieren – aber wenn du 100 Teile benötigst, um einen Ablaufplan zu vervollständigen, also etwas zu reparieren, dann brauche ich 100 Teile, die alle gleichzeitig verfügbar sein müssen, um es effizient zu erledigen. Und wenn du für alle hundert einen Servicelevel von 99% festsetzt, könnte man meinen: „Oh, dann habe ich eine 99%-ige Wahrscheinlichkeit, dass alle verfügbar sind.“ In Wirklichkeit liegt es aber näher bei etwa 65% oder so, also bei zwei Dritteln.
Joannes Vermorel: Ja, ja. Unter der Annahme einer abhängigen Wahrscheinlichkeitsverteilung. Absolut.
Conor Doherty: Aber der ganze Punkt ist natürlich, dass das, was du für wahrscheinlich hältst – und selbst wenn du die ersten Schritte des probabilistischen Denkens einschlägst – immer noch etwas komplexer ist, als du denkst.
Aber ich möchte darauf aufbauen, denn du hast gesagt, dass bei Long Tail-Ereignissen – vielleicht 1 zu 10.000 – diese Situation eintritt und finanziell katastrophal wäre. Okay. Aber die orthodoxe Perspektive erkennt das bereits an: Okay, ich könnte ein Long Tail-Ereignis haben. Ich könnte diese 1-Dollar-Schraube vermissen. Also halte ich eine Million davon auf Vorrat und binde damit eine Million Dollar in Inventar, das vielleicht nie genutzt wird.
In Wirklichkeit, meine ich, wissen die Leute das bereits. Sie haben bereits Ansätze dafür – nämlich Pufferbestände. Was ist daran falsch?
Joannes Vermorel: Ich meine, wenn deine Branche super reich ist, ist daran grundsätzlich nichts falsch. Es ist zwar verschwenderisch, weil Lagerbestände jede Menge Geld kosten, aber wenn du sehr großzügige Margen hast, kannst du das tolerieren.
Aber die Realität ist, dass Ölbohrinseln und FPSOs nur begrenzten Lagerraum haben. Also, irgendwann, wenn du einfach mehr willst, wird das sowieso an Land sein – und das ist dann weit entfernt. Es ist weit entfernt, denn dein FPSO ist zwar ein sehr großes Schiff, verfügt aber über eine endliche Kapazität. Dasselbe gilt für eine Ölplattform: Sie ist wie eine Mega-Struktur auf See. Ja, sie ist für ein menschengemachtes Bauwerk ziemlich groß, aber auch hier ist deine Möglichkeit, Dinge lokal zu lagern, begrenzt.
Du musst sicherstellen, dass du den vorhandenen Lagerraum wirklich maximal ausnutzt. Und grundsätzlich liegt das Problem bei der Vorstellung, „Oh, wir können einfach – du weißt schon, der Himmel ist die Grenze für das Inventar“ – dass du mit diesem Ansatz am Ende höchstwahrscheinlich mit all dem toten Lagerbestand, den du mitführst, völlig abgelenkt wirst.
Das ist keine besonders gute Strategie, um eine hohe Betriebszeit zu erzielen. Denn wenn du das machst, häufst du versehentlich riesige Mengen unnötigen Lagerbestands an. Irgendwann wird jemand feststellen, dass das sehr verschwenderisch ist, und dann wirst du monatelang damit beschäftigt sein, diesen toten Bestand abzubauen.
Und abgelenkt zu sein, trägt ebenfalls dazu bei, dass man andere Dinge verpasst und letztlich unabsichtliche Ausfallzeiten in Kauf nehmen muss, weil es Dinge gibt, die du brauchst, die aber nicht verfügbar sind.
Meine Beobachtung ist, dass es sehr selten vorkommt, dass Unternehmen, die in der Regel zu viel Inventar haben, gleichzeitig eine optimale Betriebszeit erzielen. Es ist äußerst selten, dass eine extrem hohe Betriebszeit allein dadurch erreicht wird, dass man einen unglaublich großen Lagerbestand besitzt. Meistens führt zu viel Inventar zu so vielen Problemen, dass du am Ende in puncto Betriebszeit nicht einmal gut dastehst.
Conor Doherty: Also, um darauf aufzubauen – und ich habe das gerade notiert – gibt es viel zu besprechen, aber eines der Dinge, die du erwähnt hast, war deine Fähigkeit, überschüssigen Lagerbestand zu tolerieren. Ich meine, das hängt ja davon ab, ob du wirklich großzügige Margen hast.
Nun, wenn wir über Öl sprechen, schwanken die Preise ziemlich stark und in Echtzeit. Wir schreiben das am 10. April. Brentöl kostet jetzt 65,48 Dollar pro Barrel. Im Moment könnte es auf 100 Dollar steigen oder auf 25 Dollar fallen. Wie beeinflussen Preisschwankungen in Bezug auf den tatsächlichen Wert des aus dem Boden geförderten Öls die Fähigkeit der Unternehmen, die hunderte Millionen Dollar zu absorbieren, die sie einfach auf der Offshore-Plattform und in Warehouses lagern, sowie die Kosten für die Anmietung von Flugzeugen, Hubschraubern und Booten, um das alles zu transportieren? Wie fließen Preisschwankungen in den Prozess des supply chain management ein?
Joannes Vermorel: Also, grundsätzlich haben unterschiedliche Standorte völlig unterschiedliche Förderkosten. Es gibt Orte auf der Arabischen Halbinsel, wo die Ölförderung sehr, sehr günstig ist, und deshalb sind sie bei 65 Dollar einfach in Ordnung. Und es gibt einige Orte, wo – sagen wir mal in Kanada, mit dem – mir ist der Name entfallen – es ist das Athabasca-Becken.
Conor Doherty: Ja.
Joannes Vermorel: Ja, wo bei 65 Dollar wirklich am Limit dessen gearbeitet wird, was profitabel ist.
Conor Doherty: Es ist Ölsand.
Joannes Vermorel: Ja, das Athabasca-Becken, dieser Ölsand. Also, meiner Ansicht nach ist als Erstes die treibende Kraft, dass je nach Preisniveau bestimmte Standorte in Betrieb gehalten werden oder eben nicht. Das ist eine Art Mega-Kraft, die definiert, was betrieben werden kann. Wenn du bei 100 Dollar pro Barrel liegst, dann gibt es viel mehr Standorte, die betrieben werden können, als wenn du bei 50 Dollar wärst. Und ich würde sagen, das ist das übergeordnete Mega-Thema. Dann…
Conor Doherty: Es kostet jedoch immer noch etwas. Im Grunde sagst du also, ja, weil du so wohlhabend bist, kannst du es dir leisten, verschwenderisch zu sein. Es ist von Natur aus keine gute Praxis.
Joannes Vermorel: Wenn du das Öl für, verstehst du, 10 Dollar pro Barrel fördern kannst und es dann für 65 Dollar verkaufst, ist es tolerierbar, dass pro Barrel ein paar zusätzliche Dollar an Lagerhaltungskosten anfallen.
Aber wenn der Preis bei 65 Dollar liegt und du dann – wenn du alle Kosten integrierst – bei 60 Dollar produzierst, also wenn du wirklich alles berücksichtigst, dann merkst du, dass ein Unterschied von plus oder minus 1 Dollar pro Barrel allein bei den Lagerhaltungskosten sehr, sehr signifikant ist.
Aber dennoch liegt das Problem generell – wie ich schon sagte – nicht darin, Inventar anzusparen. Es geht vielmehr darum, alles zu tun, um eine sehr hohe Betriebszeit zu erreichen.
Und in gewisser Weise ist zu viel Inventar normalerweise der Feind. Es wäre ein Trugschluss zu denken, dass allein das Aufblähen des Inventars dir eine hohe Betriebszeit verschafft. Das wäre eine Art Sicherheitsbestand-Perspektive, bei der man ständig weiter aufstockt. Aber die Realität ist, dass das leichtfertige Aufstocken von so vielen Produkten, die du vorrätig halten musst, so viele alltägliche Probleme beim Lagern und Ähnlichem schafft, dass du schlussendlich eine niedrigere Betriebszeit erzielst, nicht eine höhere.
Also reduziert sich die Frage sehr schnell darauf, das richtige Inventar zu haben, wobei alle Einschränkungen berücksichtigt werden, damit die Betriebszeit wirklich, wirklich maximiert wird.
Conor Doherty: Also, ich möchte diesen kleinen Abschnitt der Diskussion irgendwie zusammenfassen, aber ich möchte das in einem Zitat tun, das ich aufgeschrieben habe, und dann lege ich es dir vor. Sag mir, wie genau es ist.
Würdest du sagen, dass die Öl- und Gasindustrie insgesamt – oder zumindest aus der Perspektive des supply chain management – nicht finanziell denkt – und mit “finanziell” meine ich die Lokadianische Bedeutung des Begriffs, also die Maximierung des ROI für jeden investierten Dollar?
Joannes Vermorel: Ich denke, wie du siehst, handeln sie moralisch gesehen so; im Kleingedruckten ist das jedoch nicht der Fall.
Conor Doherty: Erkläre das bitte etwas genauer.
Joannes Vermorel: Also, wenn man Manager fragt, würden sie sagen: “Ja, das ist offensichtlich, was wir tun, natürlich.” Aber wenn man sich dann die Details der Kalkulation anschaut, stellen sich in Wirklichkeit Menschen heraus, die es von Hand machen.
Und du siehst, das Problem ist, dass wenn du einen Entscheidungsfindungsprozess hast, bei dem Menschen Zahlen in einer Tabelle per Hand anpassen, keine Optimierung möglich ist. Es läuft letztlich auf eine Horde von Sachbearbeitern hinaus, die es manuell erledigen… und nochmals, wir sprechen hier von großen Standorten.
Wir sprechen von Teams, die an jedem Standort zehntausende SKUs verwalten müssen. Das ist wirklich sehr komplex. Und wenn so viele Personen beteiligt sind und die Entscheidungen manuell getroffen werden, entstehen Ergebnisse, die kaum optimiert sind.
Selbst wenn das Top-Management in Begriffen von finanzieller Optimierung denkt, wird man keine optimierten Ergebnisse erzielen, wenn die Basisausführung des supply chain von Menschen erfolgt, die Tabellen manuell anpassen. Letztendlich denkt der Top-Manager: “Ich will maximalen Gegenwert für jeden Dollar. Also investiere pro Dollar vorrangig in genau das Eine, das die Betriebszeit am meisten erhöht.” Das ist die Logik. Überhaupt niemand widerspricht dem.
Aber dann, am unteren Ende des Prozesses – also am Fuß der Pyramide – landest du bei Menschen mit Tabellen. Das ist der Inhalt, der ihnen übermittelt wurde, aber dann müssen sie mit einer Tabelle arbeiten. Wie machen sie das? Und die Realität ist, dass sie etwas sehr, sehr Grobes umsetzen werden. Besonders, wenn du auf so ein ABC-Setup stößt, bei dem eine Person, die für die A-Artikel zuständig ist, 100 SKUs hat und die Person für die C-Artikel 10.000.
Meiner Meinung nach kannst du erst dann mit der Optimierung beginnen, wenn du ein numerisches Rezept hast. Das ist das Entscheidende – Optimierung ist nämlich nicht wirklich möglich, wenn du kein numerisches Rezept hast. Das wird deine Basislinie sein.
Und was könnte besser sein als dieses numerische Rezept? Die Antwort: ein weiteres numerisches Rezept. Und weil es zwei numerische Rezepte sind, kannst du sie nebeneinander laufen lassen und einen Benchmark durchführen.
Ein numerisches Rezept ist eine Sammlung von Algorithmen, die von den rohen historischen Daten und all den zusätzlichen Daten, die du bereitstellst, zu den endgültigen Entscheidungen führt – also beispielsweise, was genau ich zu diesem Zeitpunkt auf dieser FPSO vorrätig halten muss, um das beste Inventar zu haben und die Betriebszeit zu maximieren.
Conor Doherty: Ich möchte auf etwas zurückkommen, und das führt mich, schätze ich, sogar noch zurück in die Zeit vor meinem Eintritt bei Lokad: Wenn du mir gesagt hättest – und das ist keineswegs respektlos gegenüber allen, die in Bäckereien oder Ähnlichem arbeiten – dass diese kleine, unabhängige Bäckerei ihren supply chain betreibt oder Bestandskontrolle handhabt, hätte ich gesagt: “Sie benutzen eine Tabelle.” Ich hätte gesagt, okay, das klingt plausibel. Es sind zwei Personen, wenige Produkte – das ist völlig normal.
Wenn du mir gesagt hättest, dass riesige Luft- und Raumfahrtunternehmen oder Öl- und Gasunternehmen einfach nur ein Excel-Spreadsheet verwenden und dabei nicht die Art von Dingen berücksichtigen, die du gerade beschrieben hast, hätte ich gesagt: “Das kann nicht stimmen. Das ist ein viel zu futuristischer und komplizierter Prozess, um einfach etwas wie Microsoft Excel zu benutzen.” Nicht, dass daran etwas falsch wäre, aber um die von dir beschriebenen Dinge zu erreichen, muss man darüber hinausgehen.
Meine Frage ist also: Was genau, deiner Meinung nach, hindert eine derart bedeutsame und profitable Branche daran, die von dir beschriebenen Werkzeuge – also numerische Rezepte – zu nutzen?
Joannes Vermorel: In dieser Hinsicht ist Öl und Gas in puncto supply chain-Optimierung genau wie die meisten anderen Branchen. Aufzeichnungssysteme werden niemals elegante Entscheidungsfindungsprozesse liefern. Deshalb verfügen all diese Unternehmen über Aufzeichnungssysteme.
Was sind Aufzeichnungssysteme? Das sind die ERP-, WMS-Systeme – das, was im Blick behält, was vorhanden ist, die Bestandsbewegungen, die Zahlungen und alles Weitere. Aufzeichnungen, also reine Rohdaten. Es ist wie ein verherrlichtes Hauptbuch, das mehr als nur ein Buchhaltungshauptbuch umfasst, aber im Grunde genommen immer noch ein verherrlichtes Hauptbuch ist.
Und dennoch behaupten alle Anbieter, die Aufzeichnungssysteme bereitstellen, seit Jahrzehnten, dass sie darüber hinaus Entscheidungen automatisieren können – und scheitern dabei. Es stellte sich heraus, dass es eine sehr schlechte Idee ist, auch nur zu versuchen, dies in einem Aufzeichnungssystem zu realisieren. Die Softwarearchitektur dieser Systeme ist absolut nicht dafür geeignet.
So entwickeln die Anbieter letztlich, würde ich sagen, Lösungen, die in der Praxis alles andere als beeindruckend sind. Schau dir irgendein ERP auf dem Markt an. Diese ERPs hätten eigentlich ERM – Enterprise Resource Management Systems – heißen sollen. Nimm irgendein ERM auf dem Markt, und du wirst feststellen, dass sie alle Funktionen wie Nachfrageprognosen, Bestandsoptimierung und dergleichen bieten. Zumindest auf dem Papier.
Und dennoch nutzen die Leute Excel-Tabellen. Warum? Weil diese Funktionen miserabel sind, nicht funktionieren. Die Leute probieren sie aus, merken, dass sie dem Problem nicht annähernd gerecht werden, und greifen deshalb auf ihre Tabellen zurück.
Öl und Gas hat in dieser Hinsicht keine wirklich außergewöhnliche Geschichte. Dasselbe Problem tritt in vielen anderen Branchen auf. Das gleiche Problem gab es im Einzelhandel, in der Fertigung, in der Luftfahrt. Das Problem war wirklich allgegenwärtig.
Diese Aufzeichnungssysteme sind grundlegend, denn so hast du das elektronische Pendant zu dem, was in deinem supply chain vor sich geht – welche Operationen stattfinden – und das ist fundamental. Aber diese Systeme werden nicht – und werden wahrscheinlich nie – zu Systemen der Intelligenz erweitert.
Ich definiere ein System der Intelligenz als etwas, das vollständig darauf ausgerichtet ist, einen Entscheidungsfindungsprozess zu automatisieren. Und hier passiert das einfach nicht. Es ist nie so gekommen. Diese Aufzeichnungssysteme gibt es schon seit den späten Siebzigern. Die Leute versuchen seit den späten Siebzigern, Entscheidungen mithilfe dieser Systeme zu automatisieren.
Die meisten ERM-Anbieter haben auf ihren Websites mindestens ein halbes Dutzend Iterationen – manchmal auch gescheiterte Ansätze – zu den verschiedenen Methoden, die sie ausprobiert und bei denen sie gescheitert sind. Und das kommt nicht von diesen Leuten.
Die Frage lautet also: Wenn Unternehmen in der Öl- und Gasbranche das Thema wirklich ernst nehmen wollen, müssen sie berücksichtigen, dass die Lösung zur Optimierung nicht aus diesen Aufzeichnungssystemen kommen wird. Sie wird von etwas Komplementärem kommen.
Und übrigens: Das tut es bereits – die Excel-Tabelle ist schon etwas Externes. Also ist die Realität ihres Betriebs, das Tooling zur Unterstützung des Entscheidungsfindungsprozesses, bereits extern, weil das Aufzeichnungssystem selbst schlichtweg nicht dafür geeignet ist.
Conor Doherty: Nun, das ist der Punkt, denn das ist ein sehr wichtiger Aspekt, aber um es in den Kontext zu setzen: Im Hintergrund habe ich eine sehr schnelle Suche durchgeführt. Und ich habe buchstäblich die Worte “ERP smarter decision-m” eingegeben – und es gab endlose Ergebnisse.
Und das erste Ergebnis – und ich werde keine Namen nennen, es könnte verschwunden sein, bis dies ausgestrahlt wird – lautete “Seven financial ERP software solutions for smarter decision-m.” Das nächste Ergebnis: “Smarter decision-m with ERPs and business intelligence.”
Jetzt ist das tatsächlich die zweite Kategorie, sobald man zu BI-Tools übergeht. Das sind Systeme der Berichterstattung.
Joannes Vermorel: Ja.
Conor Doherty: Also hast du, wie ich finde, die Unterscheidung zwischen einem System der Aufzeichnung und einem System der Intelligenz schön herausgearbeitet – und dazu noch Systeme der Berichterstattung in der Mitte, also die Analyse deiner Rohdaten.
Aber was du, denke ich, noch etwas näher erläutern musst, ist: Was genau an dieser dritten Kategorie – dem System der Intelligenz – macht es unvereinbar mit einem ERP oder einem Aufzeichnungssystem?
Denn nochmals, du hast gesagt, dass man versucht, sein ERP zu etwas zu bringen, was es nicht kann – und es ist im Grunde, als ob man Blut aus einem Stein herauspressen will. Warum ist das so? Weil es den Anschein hat, dass die Leute in die Irre geführt werden, das meine ich.
Joannes Vermorel: Ja, ich meine, weil man nicht gleichzeitig tolerant und intolerant gegenüber demselben ist. Wenn du ein Aufzeichnungssystem hast und eine Berechnung um 1 Dollar abweicht, nur 1 Dollar, dann dreht der Buchhalter völlig durch. Das ist nicht erlaubt.
Auch wenn es sich um eine Zahlung von 1 Million Dollar handelt und sie auf 1.000.010 Dollar gerundet wurde – ist das ein großes Problem? Der Buchhalter wird durchdrehen. Es ist nicht einmal möglich – unvorstellbar. Man rundet Dinge nicht einmal um 1 Dollar.
So möchte man in gewisser Weise, wenn man mit Aufzeichnungssystemen arbeitet, bei einer langen Liste von Dingen absolute Reinheit – fast schon manisch – erreichen. Das erfordert viel Zeit, viel Mühe, denn man will bei vielen Datenmanipulationen absolute Präzision.
Und was die Latenz betrifft, sollen all diese Berechnungen extrem schnell ablaufen. Warum? Weil ich sofort wissen will, wie viel Bestand wir gerade für dieses Produkt haben – ich möchte die Information augenblicklich. Ich will einen neuen Eintrag erstellen – sofort. Ich möchte nicht warten. Alles ist einfach. Die Berechnungen müssen perfekt sein und sich sofort anfühlen. Natürlich existiert Echtzeit nicht wirklich, aber sie müssen sich sehr schnell anfühlen.
Die Entscheidungsfindung ist völlig anders. Kann ich etwas, das 1 Million Dollar plus 10 Dollar beträgt, approximativ auf 1 Million Dollar abrunden? Ja, absolut. Kann ich einfach Unmengen an Dingen ignorieren? Ja, absolut. Man will grob, aber richtig sein.
Wenn du so viel Unsicherheit hast, stell dir vor, du stehst vor einer Situation, in der du einen extrem unvorhersehbaren Verbrauch für ein Teil hast, extrem unvorhersehbare Lieferzeiten der Zulieferer und bist dir nicht einmal sicher, zu welchem Preis du das Teil letztlich beziehen wirst, weil auch hier Unsicherheit herrscht.
Also hast du quasi drei Unsicherheiten – die Nachfrage, die Lieferzeit für die Versorgung und sogar den Preis, zu dem du das Teil letztendlich beziehen wirst. Jetzt musst du sofort entscheiden: Willst du einen Bestellauftrag für so viele Einheiten dieses Teils auslösen? Du siehst, dass wir nicht einmal annähernd 1 % präzise sind. Entscheidend ist, annähernd korrekt zu sein, statt exakt falsch.
Das System der Intelligenz ist vollständig darauf ausgelegt, dies mittels numerischer Rezepte zu erreichen. Und das bedeutet, dass du nicht einmal auf dieselben Dinge fokussiert bist. Du wirst Unmengen an Dingen approximieren, wenn diese unbedeutend sind. Im Gegensatz dazu wirst du Dinge tun, die ein Buchhalter niemals tun würde, nämlich ständig über das Mögliche spekulieren.
Ein Aufzeichnungssystem wird dir grundsätzlich sagen, ob du in der Vergangenheit Teile gekauft hast, zu welchem Preis – also, welchen Preis du bezahlt hast. Es wird nicht darüber spekulieren, dass der Preis, den du zukünftig zahlen wirst, vielleicht viel höher sein wird. Das gehört nicht in den Bereich der Aufzeichnungen. Aber es gehört in den Bereich der Systeme der Intelligenz.
Conor Doherty: Also, wenn ich es richtig verstanden habe, würde ich den Unterschied so sehen – wieder ein ERP – es ist der Unterschied zwischen einer Aufzeichnung und einer Entscheidung.
Eine Aufzeichnung ist einfach nur ein Abbild: Da lag ein Stift auf dem Tisch, ich habe den Stift weggenommen, und somit wurde diese Aufzeichnung aktualisiert. Während eine Entscheidung – soll ich einen Stift kaufen? Wie viel kostet der Stift, woher wird er kommen, wofür werde ich ihn verkaufen? – rechnerisch zu einer Entscheidung führt. Sie ist weitaus komplexer und ausgefeilter als nur der Nachweis einer Tatsache.
Joannes Vermorel: Genau. Und du achtest dabei nicht einmal auf dasselbe. Bei einem Aufzeichnungssystem schaust du tatsächlich in die Vergangenheit und möchtest eine perfekte, präzise Erinnerung an das haben, was geschehen ist. Die Dinge müssen sauber, regelkonform und so weiter sein.
Betrachten wir für einen Moment, was das bedeutet. Ich muss ein Teil kaufen, das aus China kommt. Ich brauche es jetzt nicht, sondern in sechs Monaten. Soll ich jetzt mit einem verrückten Zoll kaufen, oder glaube ich, dass sich die Lage beruhigen wird? Oder denke ich, dass es noch verrückter wird und wir am Ende einen Zoll von 200 % haben werden?
Solche Dinge gehören nicht in ein Aufzeichnungssystem. Damit wirst du deine Prüfer und Buchhalter in den Wahnsinn treiben, wenn du so etwas in das System aufnimmst.
Aber was ein System der Intelligenz betrifft, ja, hier siehst du genau solche Dinge. Der Fokus ist ganz anders. Du bist bereit, Unmengen an unwesentlichen Dingen zu approximieren.
Du musst die Transaktionen nicht bis zum letzten Dollar erfassen. Es gibt viele kleine Kosten, die zwar real sind, aber vernachlässigt werden können, weil sie weniger als 0,1 % der Gesamtkosten ausmachen.
Wiederum kann ein Buchhalter niemals sagen: “Aber es waren ja nur 20 Dollar Ausgaben, ehrlich gesagt sollten wir das nicht einmal verbuchen.” Nein, nein, nein. Aus buchhalterischer Sicht, ja, es waren nur 20 Dollar, aber du buchst das trotzdem – selbst wenn es nur der Stempel war, um eine 100.000-Dollar-Lieferung loszuschicken.
Aber wiederum, bei einem System der Intelligenz sagst du: “Okay, das ist mir egal. Es ist buchstäblich unbedeutend. Es verkompliziert meine Logik umsonst.”
Ich möchte wirklich, dass sich meine Logik – mein numerisches Rezept – auf die wesentlichen Dinge konzentriert, also auf das, was wirklich bedeutsam ist. Da mein numerisches Rezept kein Monstrum sein sollte – es sollte nicht aus tausenden von Zeilen bestehen, die völlig unverständlich sind – muss ich mich darauf fokussieren, was wirklich zählt, und das ignorieren, was überwiegend unwichtig ist.
Es gibt eine Grenze dafür, wie viel Raffinesse du in dieses numerische Rezept einbauen kannst, bevor es wegen mangelnder Wartbarkeit zusammenbricht.
Conor Doherty: Bevor wir weitermachen, möchte ich noch einen weiteren Punkt ansprechen. Wenn wir sprechen, spielen wir den Wert eines Aufzeichnungssystems nicht herunter – das ist offensichtlich kritisch – und auch den eines Berichtssystems, das sehr, sehr nützlich ist.
Die Nomenklatur dient einfach dazu zu differenzieren. Wenn wir von Intelligenz sprechen, heißt das nicht, dass die anderen dumm sind. Es ist einfach ihre Funktion. Das System der Intelligenz liefert Entscheidungen.
Joannes Vermorel: Aber ich würde behaupten, dass es sehr gefährlich ist, kein dummes Aufzeichnungssystem zu haben. Man möchte nicht etwas Intelligentes und Kluges besitzen. Frag einfach einen Buchhalter und sag ihm, “Weißt du was, dein Kollege, der macht in der Buchhaltung wirklich sehr clevere Dinge.”
Es ist sehr einfallsreich und intelligent. Der Buchhalter wird entsetzt sein. “Was? Einfallsreiche Buchhaltung? Nein, danke.” Ich würde es vorziehen, dass es super dumm und starr ist. Und ja, es gibt viele Regeln, aber sie sind ganz grundlegend.
Bringt mir hier keine ausgefallene Kreativität. Noch einmal: Ein Aufzeichnungssystem muss das elektronische Hauptbuch sein. Man möchte solche Dinge wirklich minimieren – ich meine, Raffinesse ist nichts, was zu einem Aufzeichnungssystem passt. Wir wollen, dass dieses System super, super dumm, super einfach ist – so einfach, wie es nur geht – denn es ist nicht der richtige Ort, um Komplexität zu entwickeln.
Conor Doherty: Nun, wenn ich die bisherigen Kommentare zusammenfassen soll, liest es sich im Grunde so, als ob Risikoaversion im Öl- und Gassektor sehr verbreitet ist. Aber es gibt zwei Formen: Es gibt Risikoaversion bezüglich des Inventars – was angesichts der kritischen Bedeutung und der finanziellen Einsätze, die du beschrieben hast, Sinn macht – und, falls ich dich richtig verstanden habe, auch viel Risikoaversion hinsichtlich der Softwareauswahl, um die erste Form der Risikoaversion in den Griff zu bekommen.
Ich möchte schließlich nicht viel Geld verlieren, denn dafür bin ich in diesem Geschäft nicht. Also halte ich einen großen Lagerbestand bereit. Okay, hier ist eine Software, die genau dafür entwickelt wurde. Aber auch bei ihrer Nutzung bin ich risikoscheu.
Wie, deiner Meinung nach, vereinbaren Unternehmen diese beiden Formen der augenscheinlich widersprüchlichen Risikoaversion?
Joannes Vermorel: Ich denke, das Problem ist etwas – weißt du – es wird nicht ganz so präsentiert. Öl- und Gasunternehmen sind im Kern Ingenieurunternehmen. Es sind Unternehmen von Ingenieuren. Es handelt sich um sehr technische Herausforderungen.
Die Tatsache ist, dass die ingenieurtechnischen Probleme, die die Förderung, der Transport und die Verteilung von Öl und Gas mit sich bringen – das eigentliche Ingenieurproblem – äußerst interessant und sehr komplex sind.
Deshalb gerät man in eine Situation – was auch ein Problem in anderen Branchen ist –, in der all die besten und klügsten Ingenieure ganz leicht die interessantesten Aufgaben übernehmen, nämlich Technologien zu entwickeln, um neue Quellen zu erschließen, neue Verfahren zur Steuerung und zum Transport von allem zu erfinden.
Sie sehen, supply chain ist auch eine ingenieurwissenschaftliche Disziplin. Aber wenn man etwas daneben hat, das super glänzend, hell und äußerst attraktiv ist, kann es passieren, dass diese Unternehmen ein wenig Schwierigkeiten haben, die Talente zu gewinnen, die sie im Bereich supply chain wirklich benötigen.
Das Problem entsteht dadurch, dass das Interesse an den zentralen Herausforderungen der Öl- und Gas-Ingenieurskunst so groß ist, dass es von den supply chain-Herausforderungen ablenkt – sowohl von Personen als auch von Unternehmen.
Nochmals: Das gilt nicht nur für Öl und Gas, sondern betrifft meiner Meinung nach alle technologieintensiven Branchen. Halbleiter wären ähnlich. Bis zu einem gewissen Grad wäre auch die Modebranche das Gleiche – denn wenn man in der Modeindustrie tätig ist, liegt das Interesse in der Mode, nicht in supply chain usw.
Das sind typischerweise Branchen, in die technisch interessierte Menschen einsteigen, um die Kernherausforderungen des Fachgebiets anzugehen, anstatt sich den supply chain-Unterherausforderungen zu widmen.
Conor Doherty: Nachdem all das gesagt und bedacht wurde, glaubst du, dass es machbar und/oder realistisch ist – wahlweise machbar und/oder realistisch –, zu erwarten, dass supply chain im Öl- und Gasbereich, also Öl- und Gas supply chains, jemals so agil oder proaktiv sein werden wie in anderen Branchen?
Denn noch einmal, wie die, die du aufgezählt hast…
Joannes Vermorel: Also, zunächst einmal macht die schiere Größe sie per Design starrer. Je größer man ist, desto weniger agil ist man. Das ist einfach gegeben. Man kann es ja mal versuchen…
Aber es gibt Abstufungen. Amazon ist berühmt dafür, trotz seiner enormen Größe keinen völligen bürokratischen Albtraum darzustellen. Dennoch ist es sehr schwierig, bei super, super großer Größe die Agilität zu bewahren.
Und hier, im Öl- und Gassektor, gibt es buchstäblich keine größere Branche. Wir sprechen von Projekten ab 1 Milliarde Dollar. Die Größenordnung ist enorm. In puncto Agilität ist es daher nicht einmal realistisch zu erwarten, dass Öl und Gas so agil sein werden wie, sagen wir, E-Commerce-Unternehmen.
Das ist einfach keine vernünftige Ausgangsbasis. Aber sie könnten sich erheblich verbessern – wenn man die richtige Basis zugrunde legt – sie haben enormes Verbesserungspotenzial. Und ich glaube zudem, dass die Tatsache, dass heutzutage die meisten dieser Unternehmen digitalisiert sind – sie besitzen bereits Aufzeichnungssysteme und haben die großen Investitionen getätigt – der Startschuss zur Optimierung ist.
Und das Interessante ist, dass sie diese Investitionen ursprünglich in Aufzeichnungssysteme gesteckt haben, in der Hoffnung, am Ende ein System der Intelligenz zu erhalten. In der Realität stimmt das zwar, aber in der Regel nicht beim gleichen Anbieter.
Sie sehen also, die Realität ist, dass Ihr Aufzeichnungssystem ein grundlegender Baustein für die spätere Optimierung ist – aber Sie werden diese Optimierung nicht im Aufzeichnungssystem vornehmen. Sie führen sie in etwas anderem durch – in einem System der Intelligenz – und höchstwahrscheinlich wird das ein anderer Anbieter sein.
Conor Doherty: Wenn ich das kurz aufdröseln darf: Mit den Graden der Agilität – was ich mit dieser Frage meinte bzw. wie ich Agilität definieren würde – gebe ich ein Beispiel.
Man hat ein System der Intelligenz, das in der Lage ist, in halbrealer Zeit, sprich ziemlich schnell – wie wir bereits sagten, ziemlich schnell – auf den aktuellen Zustand Ihrer supply chain zu reagieren.
Nehmen wir ein Beispiel: Sie führen Reparaturen an einer Offshore-Plattform durch. Die Reparaturrechnung, von der Sie dachten, Sie wüssten sie, ist variabel, weil Sie plötzlich feststellen: “Oh, es gibt tatsächlich ein Problem, mit dem ich nicht gerechnet habe.” Okay, das Problem ist da. Bin ich darauf vorbereitet, ja oder nein?
Ich habe einen Reparaturplan bereit. Ich habe die Techniker. Ich habe die Werkzeuge. Ich habe die Ersatzteile. Aber das, was ich zu tun glaubte, kann ich nicht mehr tun, weil eben dieses Teil, für das ich momentan keine Ersatzteile habe, defekt ist. Was soll ich tun?
Nach meinem Verständnis wäre eine agile supply chain zum Beispiel eine, die über eine Software verfügt, die ein Maßnahmen-System – also einen Aktionsplan – neu generieren kann. Es mag nicht perfekt sein. Und nochmals: Wir wissen, dass Perfektion nicht existiert. Aber es wäre besser, als einfach nur zu sagen, “Wir geben auf, machen einfach FIFO, was auch immer, und regeln das.”
Joannes Vermorel: Aber die Realität ist, dass wenn Sie Menschen in den Entscheidungsprozess einbinden – besonders wenn viele Menschen beteiligt sind – es langsam geht. Es wird langsam gehen. Stellen Sie sich vor, wir haben gerade eine Situation, in der sich die Tarife in den USA erheblich verändert haben. Stellen Sie sich vor, Hunderte von Menschen müssen ihre Tabellenkalkulationen aktualisieren, um die neue Situation zu berücksichtigen.
Wenn Sie so vorgehen, werden Sie – wissen Sie, das Top-Management hat es bemerkt – eine E-Mail an alle senden und sagen: “Hey Leute, ich glaube, ihr habt alle die Nachrichten verfolgt. Hier ein Update zur neuen Situation, bla bla bla. Aktualisiert einfach eure Arbeitsweisen, sodass sie die neue Realität widerspiegeln, wobei ihr diese Zahlen als Grundlage nehmt.”
Aber die Realität ist, dass das Zeit braucht. Die Leute haben ihre Tabellen. Diese können kompliziert zu aktualisieren sein. Es gibt keine zentrale Verwaltung. Manche achten vielleicht gar nicht darauf. Einige kämpfen bereits mit so vielen brennenden Problemen, dass sie einfach keine Zeit haben, sich darum zu kümmern.
Wenn Sie Ihre Entscheidungen also mit Menschen im Entscheidungsprozess generieren, wird es zwangsläufig sechs Monate dauern, bis alle auf dem neuesten Stand sind.
Und wenn man die Geschwindigkeit des Tarifwandels in den USA im Vergleich zum Rest der Welt – stündlich – bedenkt, ist ein sechsmonatiger Zeitraum, um Ihre sehr diversen Teams zu aktualisieren, schlichtweg extrem langsam.
Ja, das ist einer der Gründe, warum Lokad numerische Rezepte befürwortet. Sie können, sagen wir, innerhalb eines Tages das numerische Rezept aktualisieren, die neue Realität berücksichtigen, testen und es dann in Produktion überführen. Und alle folgenden Entscheidungen basieren dann auf dem angepassten Rezept, das etwa die neuen Tarife oder Ähnliches beinhaltet.
Conor Doherty: Noch einmal: Mir ist bewusst, dass wir zwar darüber gesprochen haben, aber wir haben implizit und teils explizit den Fokus auf Upstreams gelegt – wir haben über Förderung und Offshore-Plattformen gesprochen – doch alles, was wir hier besprochen haben, gilt allgemein, also Upstream, Midstream, Downstream usw.
Gibt es etwas, das midstream und downstream supply chains im Öl- und Gasbereich einzigartig anders macht, sodass sie vielleicht besser oder empfänglicher für die von dir beschriebenen Softwareinterventionen sind, oder ist es einfach überall gleich – turtles all the way down?
Joannes Vermorel: Ja, es ist sehr, sehr ähnlich. Sobald man in den Transportbereich kommt, gibt es natürlich jede Menge Leute, die wirklich erfahrene Händler sind. Und übrigens, es ist interessant, denn sie betrachten sich nicht als Teil der supply chain, aber aus meiner Sicht gehört die Preisgestaltung zur supply chain.
Es ist interessant, weil diese Prozesse bereits vollständig automatisiert und robotisiert sind. Wir haben diese Quants, die sich um diesen Bereich kümmern. Das Bemerkenswerte ist, dass wenn es darum geht, auf die Waren selbst zu spekulieren, sie zu kaufen und den Marktpreis festzulegen, dies bereits komplett softwaregesteuert erfolgt.
Das ist also interessant. Das ist der Upstream, in dem der Großteil der physischen Komplexität liegt – sehr asset-heavy. Ich würde sagen, dass er in puncto Systeme der Intelligenz noch unterinstrumentiert ist. Das wäre der entscheidende Unterschied.
Conor Doherty: Nun, wir kommen allmählich zum Ende. Aber was ich sagen würde, basierend auf dem, was du gerade gesagt hast – “under-instrumented”, dieser Ausdruck gefällt mir – realistisch gesehen wird niemand von einem völlig orthodoxen, klassischen Ansatz zur Verwaltung, sagen wir, der upstream supply chain zu “von Anfang bis Ende komplett robotisiert” übergehen, abgesehen von Lokads Kunden.
Für diejenigen, die die ersten Schritte unternehmen möchten, wie sieht das dann in puncto Software aus?
Joannes Vermorel: Software – es ist einfach ein Dual-Run. So geht Lokad an diese Situationen heran: Man etabliert seine numerischen Rezepte und anfangs behalten die Leute einfach ihre Tabellenkalkulationen. Nebenbei nutzen sie jedoch das, was Lokad – das numerische Rezept von Lokad – empfiehlt.
So können sie vergleichen und entscheiden, welches das Beste ist. Und Lokad trifft keine Entscheidungen; im Rahmen unseres White-Box-Ansatzes liefern wir außerdem Erklärungen in Dollar, die dies rechtfertigen. Jede von uns empfohlene Entscheidung wird typischerweise mit etwa einem halben Dutzend Leistungsindikatoren – ebenfalls in Dollar – versehen, die erklären, warum wir dies für notwendig halten. Das könnte der Preis dessen sein, was Sie kaufen möchten, oder der in zusätzlicher Betriebszeit ausgedrückte Nutzen, den Sie dadurch erzielen, usw. – so hätten Sie ein halbes Dutzend Dollar-Indikatoren, die die Vor- und Nachteile unserer Empfehlung untermauern.
Und dann iterieren wir. Irgendwann – so gehen diese numerischen Rezepte in die Produktion über. Wir denken, dass wenn supply chain practitioners sagen: “Heute habe ich all eure Entscheidungen validiert, genauso wie gestern und vorgestern, weil sie schlichtweg gut sind. Ich sehe keinen Mehrwert”,…
dann haben wir die Probleme gelöst. So einfach ist das. Und das Interessante ist, dass dank der Automatisierung Ihre Teams nicht doppelt so hart arbeiten müssen – erst die Entscheidungen mittels einer halb manuellen Tabellenkalkulation zu erstellen und sie dann in einem zweiten System, ebenfalls halb manuell, umzusetzen. Das ist einfach ein Albtraum für das Team.
Die Idee ist, dass Sie das neue System vollkommen automatisieren und robotisieren möchten, sodass Sie es – das, was wir Dual-Run nennen – so lange betreiben können, bis alle absolut überzeugt sind, dass es stabil ist, Tag für Tag gute Ergebnisse liefert und tatsächlich viel weniger Fehler macht als Menschen. Wenn dann Leute sagen: “Oh, das System hat nicht mit mir übereingestimmt… Oh nein, ich habe die Lieferzeit falsch eingeschätzt.” – und das Rezept war korrekt – entscheiden Sie sich schlicht für die Automatisierung.
Conor Doherty: Genau. Und es sei auch erwähnt, dass alle supply chain practitioners auf Kundenseite in der Lage sind, mit den supply chain scientists, die diesen Account betreuen, zu interagieren – und gemeinsam trägt das dazu bei, das numerische Rezept durch ihre Erkenntnisse zu verbessern.
Denn nochmals, niemand behauptet, dass der Inhalt im Kopf eines supply chain practitioners keinen Wert hat – vielmehr sollen wir diesen nutzen und den Ertrag dieser Investition durch Skalierung und Automatisierung maximieren.
Ich glaube, ich habe dich das schon einmal sagen hören, Joannes. Nun, Joannes, ich habe keine weiteren Fragen. Aber als abschließender Gedanke: Irgendein Aufruf zum Handeln, den du mitgeben möchtest?
Joannes Vermorel: Ich meine, die Welt von Öl und Gas ist buchstäblich das Fundament unserer industriellen Zivilisation und wird nirgends hingehen. Sie wird nicht verschwinden. Trotz der Behauptung, es gäbe Peak Oil und was auch immer – nein, sie ist da, um zu bleiben. Sie wird noch sehr, sehr lange bleiben.
Und selbst wenn es der Welt gelingen sollte, rein aufgrund der Energiegewinnung auf Kernenergie umzusteigen, zeigt sich, dass es viele Fälle gibt, in denen das einfach nicht angebracht ist. Wenn Sie – zum Beispiel – Elektroflugzeuge in Betracht ziehen, haben wir technologisch nicht einmal etwas, das das ermöglichen würde. Gleiches gilt beispielsweise für die Forstwirtschaft. Dafür benötigt man sehr robuste Lastwagen. Diese werden nicht mit Batterien betrieben – Batterien und mehr Ladung. Und das gilt für die meiste schwere Ausrüstung, die wir einsetzen – in der Landwirtschaft, im Bergbau, für unzählige andere Anwendungen. Diese Dinge sind von Öl abhängig.
Und dann gibt es auch noch den Kunststoff, den wir für Unmengen von Dingen benötigen. Und im Gegensatz zu dem, was die Medien sagen — “Oh, wir haben zu viele Kunststoffe in der Verpackung” — ja, aber die meisten chirurgischen Instrumente werden ebenfalls zu einem großen Teil aus Kunststoff hergestellt.
Also ja, es wird nirgendwohin gehen. Und ich denke, diese Branche hat auch eine ingenieurwissenschaftliche Denkweise. Wenn ich einen kleinen Tipp für die kommenden Jahrzehnte abgeben dürfte, würde ich vermuten, dass diese Branche ebenfalls den Zug der KI bestiegen und Unmengen von administrativen Backoffice-Aufgaben automatisieren wird. Ich meine, darum geht es hier — es gibt diese Branche, die buchstäblich Hunderttausende von Büroangestellten beschäftigt, die Backoffice-Jobs erledigen. Sie sind absolut notwendig, denn ohne sie würden diese Unternehmen zum Stillstand kommen. Aber es gibt ein enormes Potenzial, dies zu mechanisieren und diesen Menschen Freiraum zu verschaffen, damit sie interessantere Aufgaben erledigen können.
Conor Doherty: Nun, Joannes, ich teile deine Begeisterung. Und ich danke dir auf jeden Fall für deine Zeit. Und ich danke euch allen fürs Zuschauen. Bis zum nächsten Mal.