Optimierung für Führungskräfte erklären (mit Adam Dejans Jr & John Elam) - Ep 184

00:00:00 Überblick über die Optimierung im supply chain und Toyota-Kontext
00:07:28 Wert an Führungskräfte vermitteln; Entscheidungen und Geld
00:12:45 Digitale Transformation: Komplexität in großem Maßstab vereinfachen
00:17:49 Moderne supply chain-Methoden und -Sprache annehmen
00:24:00 Ungefilterte Daten und Randfälle bei der Produktionsbereitschaft
00:29:44 Verbesserung von Entscheidungen: Einwände, Störungen und Vorhersagen
00:34:05 Sichere Entscheidungen und Management von Lieferantenrisiken
00:36:23 Toy-Probleme und echte Unsicherheit im supply chain
00:41:13 Führungskräfte stärken, Szenariotests und ROI
00:46:10 Geschäftsauswirkungen: Über Genauigkeitsmetriken hinausgehen
00:49:45 Die Nachfrage wird konstruiert: Zubehör, Vorhersagen und Historie
00:55:01 Gemeinsam Optimierung entwickeln und der Wert von Beziehungen
01:00:51 Ausrichtung der Stakeholder, Kultur und Management-Taktiken
01:09:29 Vorantreiben der digitalen Transformation und Ändern von KPIs
01:15:19 Software, Anreize und Lektionen von Wirtschaftsgrößen
01:21:17 Zielgruppe, Sprache und effektive Kommunikation; Buchempfehlungen

Zusammenfassung

In einem Interview auf LokadTV, moderiert von Conor Doherty, steht supply chain optimization im Mittelpunkt, präsentiert von den Sprechern Joannes Vermorel, CEO von Lokad, Adam Dejans Jr und John Elam von Toyota. Der Dialog untersucht decision-making in globalen supply chains, wobei kulturelle Veränderungen und die Vereinfachung komplexer Prozesse betont werden. Adam Dejans Jr unterstreicht die Notwendigkeit einer systemischen Neubewertung, während John Elam den operativen Maßstab als Ursache von Komplexität fokussiert und darauf Wert legt, die Sprache an die gewünschten Ergebnisse anzupassen. Das Gespräch legt Wert auf Transparenz und den Aufbau von Vertrauen und fordert die schrittweise Einführung von Komplexität. Es werden Einsichten zur Bedeutung der Vereinfachung der Kommunikation geteilt, um Führungskräfte einzubinden, unterschiedliche kulturelle Ansätze zu präsentieren und kontinuierliches Lernen zu fördern, um veraltete Praktiken zu transformieren.

Erweiterte Zusammenfassung

In einem von Conor Doherty moderierten Interview tauchen wir in das komplexe Feld der Optimierung im supply chain ein, mit Joannes Vermorel, CEO von Lokad, Adam Dejans Jr und John Elam von Toyota. Diese Diskussion eröffnet eine facettenreiche Erkundung der Optimierung in supply chains, die mit Sorgfalt und Klarheit geführt wird.

Die Unterhaltung beginnt mit einer Untersuchung der Entscheidungsfindung innerhalb globaler Transformationsprozesse im supply chain. Adam Dejans Jr betont, dass Transformationen über reine Automatisierung hinausgehen und kulturelle Veränderungen sowie Anpassungen an disruptions erfordern. Er hebt die Bedeutung einer grundlegenden Systemüberdenkung hervor, anstatt lediglich bestehende Prozesse aufzurüsten – ein Gedanke, den auch Joannes Vermorel teilt. Dieser weist auf die Komplexität hin, die durch die Arbeitsteilung in großen Organisationen entsteht. Vereinfachung, so argumentiert Vermorel, ist ein entscheidender Ausgleich zu dieser Komplexität.

John Elam bereichert den Diskurs, indem er den operativen Maßstab als Ursache der Komplexität identifiziert und nicht die Fragestellungen selbst. Er plädiert dafür, die Sprache an die angestrebten Ergebnisse anzupassen, insbesondere wenn es darum geht, Führungskräfte zu überzeugen. Adam Dejans Jr fährt in dieser Argumentation fort und empfiehlt, Komplexität schrittweise einzuführen, um Vertrauen aufzubauen, und betont die Rolle politischer Hürden, die Entscheidungsabfolgen verkomplizieren.

Durch pointierte Vergleiche erörtert Joannes Vermorel Konkurrenten wie SpaceX, die effiziente Praktiken trotz politischer Herausforderungen annehmen, und behauptet, dass Unternehmen, die keine Optimierung anstreben, existenzielle Bedrohungen riskieren. Es kristallisiert sich ein Konsens heraus: Das Verständnis und die Integration politischer sowie wirtschaftlicher Perspektiven sind entscheidend.

Im weiteren Verlauf des Dialogs, in dem es darum geht, Führungskräfte für Optimierung zu gewinnen, betonen Elam und Dejans Jr erneut, wie zentral es ist, uncertainty zu akzeptieren und Pläne mit finanziellen Kennzahlen statt rein technischen Begriffen in Einklang zu bringen. Sie sprechen sich dafür aus, mit einfachen Modellen zu beginnen, um dann schrittweise komplexe Schichten einzuführen, Transparenz zu fördern und Beziehungen aufzubauen, um Akzeptanz für Optimierungsrahmen zu gewinnen.

Bei der Analyse von Lokads Ansatz beschreibt Joannes Vermorel den Schwerpunkt auf probabilistische Vorhersagen und die Notwendigkeit, Ergebnisse über technische Mittel zu stellen. Er unterstreicht, wie wichtig es ist, Entscheidungen iterativ zu überarbeiten und zu verfeinern, insbesondere wenn es darum geht, Randfälle zu berücksichtigen, um umfassende, produktionsreife Lösungen zu gewährleisten.

John Elam und Adam Dejans Jr ziehen Parallelen zu Toyotas Betriebsabläufen, indem sie den Fokus auf das Verständnis komplexer supply chains und die Validierung von Prozessen über Managementverantwortungen hinweg legen. Sie betonen die Bedeutung des Vertrauensaufbaus durch objektive Leistungsverbesserungen, indem sie Transparenz mit praktischen Strategien verbinden – selbst bei unvollständigem Verständnis.

Conor Doherty’s Fragen führen zu einer Untersuchung des Change Managements, wobei John Elam toy problems einführt, um die Integration von uncertainty in Entscheidungsfindungen zu veranschaulichen. Dieser Ansatz, zusammen mit Adam Dejans Jr’s Erfahrung, nachvollziehbare Vorschläge für Autohäuser zu erarbeiten, unterstreicht die Wirksamkeit einfacher Kommunikation, um desinteressierte Führungskräfte einzubinden.

Das Gespräch wendet sich kulturellen Managementansätzen zu, wobei die unterschiedlichen Stile zwischen US-amerikanischen Tech-Unternehmen und französischen Praktiken gegenübergestellt und deren unterschiedliche Auswirkungen auf die Unternehmensdynamik aufgezeigt werden. Neue, kreative Führungsansätze erweisen sich als entscheidend, um veraltete Systeme zu überwinden und innovativen Wandel in etablierten Unternehmen voranzutreiben.

Ein wichtiger Aspekt dreht sich um die Sprachvereinfachung für eine effektive Kommunikation mit Führungskräften. John Elam teilt Erkenntnisse aus dem Unterricht in Rhetorik und technischem Schreiben, wodurch die Ansprache durch Anpassung der Botschaften an das Publikum und den Kontext verbessert wird. Dieser Diskurs gipfelt in Leseempfehlungen und unterstreicht den Wert kontinuierlichen Lernens und Anpassens.

Im gesamten Interview treten tiefgreifende Erkenntnisse darüber zutage, wie man technische Expertise und Führungskräfte-Entscheidungen miteinander verbindet. Es ist eine Reise durch das Navigieren von Komplexitäten und die Förderung kollaborativer Entwicklungen, untermauert von Bescheidenheit, strategischer Kommunikation und dem unermüdlichen Streben nach greifbaren Ergebnissen im Bereich der Optimierung im supply chain.

Gesamte Transkription

Conor Doherty: Jeder möchte eine erfolgreiche Optimierung im supply chain, aber oft nehmen sich die Leute nicht die Zeit, sicherzustellen, dass alle Beteiligten, insbesondere Führungskräfte, verstehen, was das überhaupt bedeutet. Glücklicherweise wird heute genau dieses Thema von unserem Panel diskutiert. Heute begrüße ich Adam Dejans und Johnny Elam von Toyota sowie im Studio den Lokad-Gründer Joannes Vermorel.

Bevor wir zum Panel kommen, kennt ihr das Übliche: Liked das Video, abonniert den YouTube-Kanal und folgt uns auf LinkedIn. Damit ist alles gesagt, präsentiere ich euch das heutige Panel.

Nun, Adam, John, vielen Dank, dass ihr heute dabei seid. Dies könnte die schnellste Reaktionszeit sein, die wir je bei LokadTV erlebt haben, denn ich habe dich, Adam, bereits vor ein paar Wochen kontaktiert und hier bist du schon. Vielen Dank, dass ihr mitmacht.

Adam Dejans Jr: Vielen Dank, dass wir hier sein dürfen. Wir freuen uns, dabei zu sein.

Conor Doherty: John, wir beginnen mit dir. Könntest du dem LokadTV-Publikum deinen Hintergrund und deine Tätigkeit bei Toyota vorstellen?

John Elam: Mein Name ist Johnny Elam. Zurzeit bin ich bei Toyota als Manager für Business Insights und Strategie tätig. Ich arbeite quasi in einer Tech-Lead- bzw. Product-Owner-Rolle, in der ich drei verschiedene Produkte im supply chain betreue, die die Funktionen des supply chain unterstützen.

Es gibt all die verschiedenen Funktionen, nicht wahr? Es gibt Demand Sensing, Supply Fulfillment. Wir haben sogar eine Customer Preference Engine, bei der wir versuchen zu verstehen, was den Menschen gefällt, indem wir vergangene Verkäufe analysieren. So leite ich drei unterschiedliche Teams, die das umsetzen. Mein Hintergrund, der mir geholfen hat, diesen Stand zu erreichen, ist, dass ich als Anwendungsentwickler, Data Analyst und Data Engineer tätig war und eine natürliche, lineare Entwicklung in meiner Karriere durchlaufen habe, sodass ich jetzt als Product Owner mein technisches Wissen mit der übergeordneten Geschäftsstrategie verbinde. Ich freue mich, hier zu sein.

Conor Doherty: Adam, ich weiß, dass ihr beide bei Toyota arbeitet, aber ich weiß, dass du in Michigan bist, John, und du in Texas. Also, Adam, wie bist du zu Toyota gekommen und was genau machst du dort?

Adam Dejans Jr: Ja, also mein Hintergrund liegt in Mathematik und Operations Research. Ich habe eine Karriere in der Automobilindustrie hinter mir, da ich in Detroit geboren wurde. Mehr gibt es dazu nicht. Ich habe eine Zeit lang bei Ford gearbeitet, war kurzzeitig als Berater tätig und bin dann zu Toyota gewechselt, um mich wieder der eigentlichen Produktverantwortung zu widmen, anstatt nur meine Zeit zu verleasen.

Derzeit arbeite ich bei Toyota als Principal Decision Scientist. Ich arbeite hauptsächlich an der Transformation im supply chain zusammen mit John. Obwohl ich in Michigan bin, arbeite ich nicht im Michigan Center. Tatsächlich bin ich derzeit remote am Hauptsitz in Texas tätig.

Mein Schwerpunkt liegt darin, dass ich gemeinsam mit John an vielen seiner Produkte arbeite, jedoch aus eher technischer Perspektive, indem ich das Systemdesign und die mathematischen Grundlagen der verschiedenen Algorithmen und Produkte übernehme. Unser Ziel ist eine nordamerikanische Transformation im supply chain, die globale Auswirkungen hat, indem wir unsere Erkenntnisse nutzen, um weltweit zu expandieren. Derzeit befinden wir uns in einem enormen digitalen Transformationsprozess.

Conor Doherty: Danke. Nun, vielen Dank für die Einführung. Wenn du von einer landesweiten und möglicherweise sogar globalen Transformation sprichst, wie passen dann Entscheidungen hinein? Denn das ist etwas, worüber ich Adam oft auf LinkedIn habe posten sehen, und dein Fokus liegt nie auf Einzelaspekten, sondern immer auf Entscheidungen. Wie passen Entscheidungen also in die von dir beschriebene Optimierung im supply chain?

Adam Dejans Jr: Ich denke, das Hauptproblem ist, dass es wirklich einen kulturellen Wandel darstellt, besonders für Unternehmen, die schon lange bestehen. Viele Prozesse, selbst bei Toyota, erfolgen auch heute noch manuell. Das erste, was die Leute tun, wenn sie eine Transformation durchführen, ist, dass sie einfach das Vorhandene automatisieren wollen.

Sie möchten also, dass all diese Schritte, die in einer manuellen Abfolge ablaufen, automatisiert werden. Aber das bringt nicht viel; das ist eher eine Automatisierung als eine Transformation. Eine Transformation erfordert ein Umdenken des gesamten Systems. Diese Schritte müssten möglicherweise nicht so existieren wie heute, wenn Computer die Kontrolle übernehmen. Um zu bestimmen, wie das System funktionieren soll, beginnt man mit den Geschäftskennzahlen, die man erreichen möchte, dann mit den Entscheidungen, die man treffen muss, um diese Kennzahlen zu erzielen, und schließlich damit, was im System schiefgehen könnte und wie man darauf reagieren würde.

Wir beschäftigen uns mit Dingen wie der Pandemie, Hafenstreiks oder wenn Teile nicht verfügbar sind. Wenn Teile ankommen sollten, aber nicht ankommen, oder wenn es eine Charge mangelhafter Teile gibt – wie entscheidet man, was als Nächstes zu tun ist? Wie trifft man diese Entscheidungen intelligent, automatisiert und so, dass sie sich in Echtzeit anpassen können?

John Elam: Es geht auch darum, pragmatisch mit den Kontrollgrenzen umzugehen. Wir sind ein globales Unternehmen mit Kontrolle in Amerika, aber darüber hinaus haben wir nur einen Anspruch. Japan ist das Mutterland; dort werden viele global kontrollierte Komponenten wie Motoren und andere strategische supply-Ressourcen entschieden. Wir konkurrieren mit Toyota Motors Europe und Toyota Motors Asia, um weltweit verteilte Lieferungen zu gewinnen.

Ein Teil der Entscheidungsfindung besteht darin, herauszufinden, welche Entscheidungen wir tatsächlich treffen können. Es wäre schön, bestimmte Entscheidungen zu treffen, aber das ist im Moment nicht möglich. Ein weiterer Aspekt ist, unseren Wert zu beweisen, zu wachsen und zu zeigen, wie wir dem globalen Markt helfen können. Klein anzufangen und unsere Grenzen zu kennen ist entscheidend; die Leute stolpern darüber, einen Traumzustand zu envisionieren, ohne die Realität zu verstehen – manche Entscheidungen kann man treffen, andere liegen außerhalb unserer Kontrolle.

Conor Doherty: Joannes, ich komme gleich zu dir, aber nur um nachzufragen, John: Wenn du davon sprichst, dass Toyota ein riesiges, etabliertes, erfolgreiches Unternehmen ist, wie bringt man die Menschen in die Richtung, von der Adam spricht? Vom alten Vorgehen bei supply chain-Entscheidungen hin zu einem stärker auf Optimierung und Operations Research ausgerichteten Ansatz?

John Elam: Bei diesem Punkt habe ich im Grunde für alle Projekte dieselbe Antwort. Es ist das, was die meisten Technologen nicht hören wollen, aber es ist die bittere Wahrheit. Begegne ihnen dort, wo sie stehen. Wenn sie in der Welt von Mittelwert, Median und Modus sind, dann geh in diese Welt und nutze deren Sprache. Finde heraus, was sie wissen, und sprich sie in dieser Sprache an. Niemand will eine neue Sprache lernen.

Ich will kein Portugiesisch lernen; ich kann auch ohne erfolgreich sein. In Portugal mag es hilfreich sein. Es gibt Sprachen, die zum Überleben in lokalen Umgebungen notwendig sind, aber nicht jeder braucht sie. Als junger Ingenieur, der ständig Neues lernte, wurde mir klar, dass den meisten Menschen die Mathematik oder Werkzeuge egal sind; sie interessieren sich dafür, was diese in ihrer Welt bewirken können.

Für die Unternehmensführung zählt das Geld. Wie viel Geld können wir verdienen, wie viel Zeit kann ich einsparen, usw. Ich lasse meine eigene Sprache außen vor und übernehme ihre Sprache, um Verständnis zu schaffen. Vielleicht kenne ich einen besseren Weg und beleuchte ihn in ihrer Sprache. Das ist der einzige Weg, um die Leute in Bewegung zu bringen.

Conor Doherty: Nun, Joannes, was denkst du darüber? Denn wir operieren in Europa, während das in Nordamerika so ist – ähnliche Erfahrungen oder nicht?

Joannes Vermorel: Ja oder nein. Sehen Sie, wenn ich große Organisationen betrachte, ist mein Ansatz folgender: Wir sprechen von mehreren Zutaten: große Organisation, digitale Transformation und das Treffen von Entscheidungen. Setzen wir diese Elemente zusammen.

Die Realität ist, dass Entscheidungen in supply chains extrem einfach sind. Sie benötigen keine spezielle Sprache. Wir sprechen zum Beispiel davon – sagen wir, Toyota kann 50 Millionen Motoren pro Jahr produzieren. Nehmen wir an, das ist eine erfundene Zahl. Ich kenne die Zahlen nicht.

Und dann stellt sich die Frage, wie diese Produktion aufgeteilt werden muss: ein Teil nach Nordamerika, ein Teil dorthin, ein Teil dorthin. In Ordnung. Also handelt es sich im Grunde um eine Ressourcenallokation und die Zuteilung von Motoren. Natürlich ist das Kleingedruckte wesentlich komplizierter – es gibt viele verschiedene Motoren usw. Aber im Grunde genommen haben wir eine Reihe einfacher Entscheidungen in supply chains.

Es geht größtenteils darum, Ressourcen zuzuteilen, sie zu bewegen. Es ist grundsätzlich nicht allzu abstrakt. Es ist nicht einmal wirklich schwer zu begreifen. Es hat ein physisches, greifbares Element. Allerdings mussten große Unternehmen, als sie darüber nachdachten, dies manuell zu erledigen, eine Arbeitsteilung organisieren.

Und so landet man bei einer Entscheidung, die sehr einfach ist, und am Ende gibt es 20 verschiedene Funktionen im Unternehmen, die stückweise zu dieser Entscheidung beitragen. Dies ist nur eine Folge der Arbeitsteilung. Hätte man eine superintelligente KI oder Ähnliches, bräuchte man diese Arbeitsteilung nicht – es wäre einfach eine Entität, die die Entscheidung direkt trifft.

Und so, ganz häufig, wenn ich auf solche Komplikationen stoße, Sprachen – meiner Ansicht nach handelt es sich dabei größtenteils um einen Nebeneffekt der Arbeitsteilung, bei der es zu einer Explosion der Komplexität kommt. Aber es ist völlig konstruiert, verstehst du? Es ist nicht real. Es ist etwas Synthetisches, erschaffen, um deine sehr große Organisation zu unterstützen.

Und sehr oft geht es darum, das Grundlegende offenzulegen, das hinter all diesen Schichten der Komplexität entschieden wird. Gewöhnlich liegt die echte Überraschung darin – dass man am Ende 200 Menschen involviert, obwohl es letztlich nur eine Zahl ist. Und vielleicht sollte man – und das ist das Interessante – wenn du etwas Digitales hast, das wie ein Computer rechnen kann, merkst du, dass du nicht unbedingt 200 Menschen in diesen Prozess einbinden musst.

Genau da, denke ich, liegt der wesentliche Wandel. Das ist es, was wir bei Lokad getan haben. Sehr oft haben wir Prozesse, die aufgrund der Arbeitsteilung enorm kompliziert waren, durch etwas ersetzt, das letztlich sehr unkompliziert ist. Man braucht einfach nicht so viele Menschen. Und so viele Menschen verursachten eine Art von Problemen, die verschwinden, wenn man ein numerisches Rezept anwendet.

Conor Doherty: John, du hast an vielen Stellen genickt. Ich bin einfach neugierig auf deine Gedanken.

John Elam: Nein, er hat vollkommen Recht. Es gibt eine Menge konstruierten Komplexität, die daher rührt – schlicht wegen der Größe des Problems, das wir lösen müssen, verstehst du? So haben wir zum Beispiel ein Tool, das etwa 21.000 verschiedene Einschränkungen beinhaltet.

Also, kein Mensch wird das managen. Menschen haben es gemanagt, aber nicht im engen Sinne des Managements. Eher so: “Von links nach rechts verschieben”, diese Art von Verwaltung – nicht so wie: “Wie soll ich diese Informationen neu organisieren, um eine bessere Entscheidung zu treffen?”

Es gab keine Möglichkeit, diese Informationen so zu organisieren, dass ein Mensch eine gute Entscheidung treffen könnte. Also ja, ich habe aus erster Hand gesehen, wie Werkzeuge einfach durchschneiden – das richtige Werkzeug an der richtigen Stelle – und die Komplexität auf etwas Einfaches reduzieren.

Denn du hast recht, oft versuchen wir einfach – wenn es um Vorhersagen geht, wollen wir nur verstehen, wie die Nachfrage aussieht. Bei der Zuteilung wollen wir nur optimieren, dass diese Dinge dorthin gelangen, wo sie hingehören. Die eigentliche Entscheidung, wie du sagtest, ist sehr greifbar – du kannst sehen, wie der Motor zu jener Fabrik fährt, um jenes Auto zu bauen.

Aber ja, die Menge der ablaufenden Prozesse ist es, die die Komplexität erzeugt. Es ist nicht die Frage selbst.

Adam Dejans Jr: Ich denke, ich habe noch etwas dazu beizutragen. Wie ich sagte, gibt es diese Sequenzen von Entscheidungen. Ich habe es nicht so elegant formuliert, aber einer der Punkte ist, dass diese Sequenz unter verschiedenen Pfeilern des Managements steht.

Und es könnte in unterschiedlichen Bereichen der Organisation liegen, und sie lassen dich nicht einmal hereinkommen, um einige dieser Bereiche kennenzulernen. Da gibt es viel davon – vielleicht findest du eine Lösung, aber politisch funktioniert es nicht. Politisch ist es fast so, als müsstest du es umkehren.

Vielleicht hast du eine Entscheidung, die in 20 Teile aufgeteilt ist, aber nun musst du fünf Schritte unternehmen und diese jeweils automatisieren, und dann die nächsten fünf. Dann arbeitest du dich irgendwie hoch. Aber das ist auch ein Problem, das wirklich übersehen wird: die politische Seite.

Joannes Vermorel: Ich stimme vollkommen zu. Aber hier ist meine Botschaft – lass dich von diesen politischen Aspekten nicht zerstören. Sieh dir ein konkretes Beispiel an: ein unglaublich erfolgreiches amerikanisches Unternehmen, SpaceX. Sie entschieden sich, im Gegensatz zu NASA und der Ariane Group, ihre supply chain für ihre Rakete rational zu straffen und zu organisieren.

Das mag klassisch klingen, denn in der Tat ist es nicht super innovativ. Im Allgemeinen sind die überwiegende Mehrheit der modernen Unternehmen so organisiert. Außer bei Raketen: Die Ariane Group in Europa verteilte den Bau der Raketen buchstäblich über ganz Westeuropa.

So baust du deine Raketen an 50 verschiedenen Orten, nur um jeden einzelnen europäischen Staat zufrieden zu stellen. Es stellte sich heraus, dass NASA mit ihren eigenen Raketen genau dasselbe tat – die Produktion über jeden einzelnen Bundesstaat in den USA zu verteilen. Es stellte sich heraus, dass das völlig dysfunktional ist.

Die Konsequenz ist, dass du am Ende eine Organisation hast, die Dinge zu einem übertriebenen Preis produziert. Es funktioniert gut, bis ein Konkurrent auftaucht, der einfach entscheidet: “Scheiß auf diese Politik, wir werden alles straffen.” Politik hin oder her – mach etwas, das Sinn macht.

Meiner Ansicht nach kannst du es dir leisten, es langsam anzugehen und die Privilegien und Herrschaftsbereiche dieses Chefs und jenes Chefs zu bewahren – solange du nicht zu sehr unter Wettbewerbsdruck stehst. Wenn du Konkurrenten hast, die dich wirklich bedrängen, hast du diesen Luxus nicht.

Ich stimme zu, das ist eine große Herausforderung. Aber historisch gesehen gingen viele Unternehmen, die ansonsten exzellent waren, einfach pleite, weil sie diese Transformation nicht geschafft haben. Der Konkurrent fand einfach einen Weg, den Geschäftsbetrieb zu vereinfachen, manchmal drastisch – und plötzlich hatten sie niedrigere Preise.

Und die älteren Unternehmen konnten in diesem neuen Umfeld nicht überleben.

Adam Dejans Jr: Wir sind uns einig – völlig einverstanden. Ich denke, mein Punkt ist, dass es zwei Aspekte gibt: einen, wenn du es aus der Geschäftsperspektive betrachtest, und einen, wenn du es als Individuum siehst. Also gibt es zwei verschiedene Perspektiven.

Joannes Vermorel: Aber Toyota ist sehr, sehr wettbewerbsfähig. Gegenwärtig beispielsweise hat das Vereinigte Königreich fast gar keine Autoindustrie mehr. Sie alle sind wieder in die Dodos gegangen, weil sie nicht in der Lage waren, modernere Produktionsmethoden einzuführen.

Conor Doherty: Nun, wenn ich dort ein paar Punkte zusammenbinden und auf das Hauptthema zurückführen kann – nämlich die Überzeugung von Menschen, insbesondere Führungskräften, sich auf Optimierung einzulassen. Ein Schlüsselelement dabei, John, ist das Akzeptieren von Unsicherheit. Ich bin einfach neugierig – in deinem Kontext, sei es bei Toyota oder in der Beratung – wie überzeugst du die Leute, die Dinge aus deiner Perspektive zu sehen, wenn es um Entscheidungen geht – sei es bei probabilistischen Vorhersagen oder etwas anderem?

John Elam: Ja, es beginnt genauso wie meine erste Antwort. Finde zuerst heraus, wo sie stehen. Wo stehst du? Lerne die Sprache. Aber dann, jemanden dazu zu bringen, auch nur in deterministischer Optimierung zu denken – für manche ist das eine völlig neue Arbeitsweise. Und dann, ganz zu schweigen von die Quantitative Supply Chain oder einem SDA, bei dem du tatsächlich eine Zeitkomponente hinzufügst – das ist eine ganz andere Ebene.

Und ehrlich gesagt füge ich sie oft schichtweise hinzu. Genau, fangen wir dort an, wo du stehst. Gerade jetzt arbeiten sie mit dem guten altmodischen min/max Lagerbestandsmodell oder einer Art Auffülllogik. Offen gesagt, man fängt einfach an – wenn möglich, und das kann schwierig sein, weil es viele Interdependenzen geben kann, sodass der Versuch, etwas Optimales zu bauen, zu einem lokalen Optimum wird – aber finde etwas, das hoffentlich aufgeteilt und containerisiert werden kann. Beweise es als POC und zeige ihnen den Mehrwert.

Und dann verknüpfst du es mit ihnen. Ehrlich gesagt, geht es oft einfach darum, mit ihnen zu sprechen und ihre Sprache zu nutzen. Es geht sie um Dollar, Stunden, Sicherheitsfaktoren. p-Werte sind ihnen egal. Sie kümmern sich nicht darum, was die Varianz ist. Sie wissen nicht einmal, was das bedeutet, die Hälfte der Zeit. So unglücklich das auch ist – ja, es ist unglücklich – aber das ist eben ihr Standpunkt. Das ist nicht die Sprache, die sie verwenden. Wir haben sie über Jahre hinweg genutzt, aber sie arbeiten mit Marktanteil, Gewinn, Umsatz, Volumen. Das sind die Begriffe, die sie verwenden.

Und so, indem du Verbindungen herstellst und es demonstrierst – erstelle Spielzeugbeispiele. Fang an mit: Hier stehst du, hier ist, was ich denke, anhand eines Musterproblems. Ein kleines, einfaches Excel-Ding. So würde das ablaufen. Und dann nimmst du tatsächlich ein funktionierendes reales Beispiel und lässt es eine Weile parallel laufen. Hier ist dein Prozess, hier ist mein Prozess. Vor allem, wenn du nicht einmal deterministische Optimierung durchführst – heilige Makrele, das sprengt alles in der ersten Runde, wenn du ein gutes Modell aufsetzt.

Und dann, sobald du Vertrauen aufgebaut hast, erhältst du viel mehr Freiraum, um zu experimentieren. Und dann bringst du wieder den nächsten Aspekt ein. Du fügst jedes Mal einfach die nächste Schicht an Komplexität hinzu. Und schließlich bringst du sie dazu, den Rahmen zu verstehen – hier geht es darum, Optimierungsprobleme im Zeitverlauf zu betrachten, hier um Vorhersageentscheidungen im Zeitverlauf. Dann erlauben sie dir, zu expandieren. Aber du kannst nicht einfach nur auftauchen und es verkaufen. Es zu verkaufen bedeutet, es zu beweisen.

Eines der Dinge, über die ich häufig mit den Produktteams spreche, mit denen ich arbeite, ist: Wenn du schnell vorankommen willst, musst du Vertrauen haben. Und wenn du Vertrauen haben willst, musst du transparent sein. Also bin ich ihnen gegenüber wirklich offen darüber, was ich tun möchte und wie ich dorthin gelangen will. Oft erwidern sie das. Die Reziprozitätsverzerrung ist extrem stark. Und so sind die Leute bereit, einen Teil ihrer Informationen preiszugeben. Vieles davon beruht auf Beziehungen. Ich wünschte, ich könnte mathematisch zur Lösung kommen, aber es geht schlicht darum, dass die Leute mich mögen – ehrlich gesagt, ist das neun Zehntel der Herausforderung.

Conor Doherty: Joannes, noch einmal – wie gut stimmt das mit deinen Erfahrungen bei Lokad überein?

Joannes Vermorel: Bei Lokad machen wir es ganz anders. Für uns ist die Herangehensweise an das Problem – die Mittel, besonders die technischen, sind irgendwie irrelevant. Am Ende des Tages, ja, wir nutzen probabilistische Vorhersagen – das ist in Ordnung. Stochastische Optimierung – das ist in Ordnung. Ich meine, vieles, von dem sie noch nie gehört haben, wissen sie nicht, ist ihnen egal, sie haben keine Zeit dafür. Und das ist in Ordnung.

Was wir wollen, ist an einen Punkt zu kommen, an dem diese Entscheidungen identifiziert sind. Unzählige Bereiche – es kann die Produktionszuweisung, die Zuweisung von Lagerbeständen, Einkaufsmengen, sogar Preisoptimierung sein, mit Preisen, die steigen oder fallen. Egal. Der Meilenstein, um Vertrauen zu gewinnen, besteht darin – übrigens ist dies technisch gesehen unser primärer Meilenstein, um in die Produktion zu gehen – 0% Wahnsinn zu erreichen. Also müssen wir Entscheidungen generieren, idealerweise im Millionenbereich, in großem Maßstab – massiv. Wir gehen direkt auf massive Skalierung.

Und dafür gibt es einen Grund – es ist tatsächlich einfacher, schneller und billiger. Vielleicht kontraintuitiv, aber die meisten Statistiken funktionieren besser, wenn du mehr Daten hast. Und Daten aus einem ERP zu extrahieren – wenn du sie filtern möchtest, ist es logischer. Wenn du sie also nicht filterst, ist es tatsächlich einfacher – vorausgesetzt, du hast die richtigen Werkzeuge. Normalerweise schafft Filtern viele Komplikationen, besonders bei der data extraction.

Deshalb bevorzugen wir zu sagen: Wir werden mit unseren Systemen arbeiten, wir filtern nicht, wir nehmen einfach alles. Es ist in Ordnung. Es macht einfach alles leichter. Und dann kommt die Frage – wenn ich sage, diese Entscheidungen sollten 0% Wahnsinn enthalten, bedeutet das, dass die Leute sich alle Entscheidungen, die wir generiert haben, anschauen können, ohne Einwände zu haben.

Anfangs werden wir iterieren, weil die Leute Einwände haben. Sie sagen: “Oh, diese Entscheidung ist interessant, aber wir können es wegen dieses und jenes nicht.” In Ordnung. Wir ändern die Logik und beheben das. Oder: “Hier, du passt wirklich nicht auf. Das ist ein VIP-Kunde.” Oh – neues Konzept, VIP-Kunde. Das wusste ich nicht. Es war nicht dokumentiert, dass ihr VIP-Kunden habt. Erzähl mir mehr. Erkläre, warum dieser Kunde so viel wichtiger ist. In Ordnung. Dann werden wir diese VIP-Kunden für euch berücksichtigen, etc., etc. Wiederhole den Vorgang. Iteriere. Im großen Maßstab, mit maximalen Parametern.

Und am Ende ist die Idee, dass – es dauert einfach ein paar Wochen – du etwas hast, bei dem die Leute an nichts mehr Einwände haben können. Dort gewinnen wir das Vertrauen. Plötzlich haben sie ein System, das Entscheidungen generiert, die sehr leicht verständlich sind – weil es Entscheidungen sind. Und niemand hat eigentlich Einwände gegen irgendetwas.

Für uns ist das der Weg, Vertrauen zu gewinnen. Gewöhnlich, indem wir alle Randfälle, all die seltsamen Dinge einbeziehen. Damit es nicht einen “POC”-Anstrich hat. Es vermittelt buchstäblich Produktionsreife. Selbst wenn es technisch gesehen nur ein Pilotprojekt ist – es ist wirklich maximale Skalierung, maximale Abdeckung aller seltsamen Aspekte. Das bedeutet, dass, wenn du aus optimierungstechnischer Sicht nicht optimal bist – deine Tools sind crude und so weiter – es in Ordnung ist. Es kann auf später verschoben werden. So eine Sache: Für uns ist das anfängliche Problem nicht, etwas hyperoptimiertes zu haben, sondern etwas, bei dem es keine einzige Zeile gibt, in der die Leute gültige Einwände haben.

John Elam: Ich glaube, wir nähern uns hier etwas Ähnlichem. Wenn ich sage “etwas herausschneiden”, meine ich – die Toyota supply chain umfasst… Ich meine, ich bin seit drei Jahren hier, und ich kann es immer noch nicht fassen. Wir haben Lieferanten der vierten und fünften Ebene. Wir haben Zubehör – Zubehör, das in einer Fabrik installiert wird, Zubehör, das in einem Werk installiert wird, Zubehör, das vom Händler installiert wird, oder Zubehör, das von einem Fahrzeugdistributionszentrum installiert wird. Und dann kannst du auch einfach Zubehör bei uns kaufen.

Und das ist nur Zubehör. Dann die Motoren – wir stellen sie weltweit her. Also, wenn ich oft von einem “POC” spreche, meine ich eine dieser Spezialisierungen. Du wirst nicht alles auswählen können – weil sie sich alle überschneiden. Das ist ein weiteres Problem. Ich muss meine Fahrzeugprognose richtig haben, um meine Zubehörprognose richtig zu machen. Denn ich versuche vorauszusagen: Wie viele Kotflügelbögen werde ich an Siennas anbringen? Nun, wie viele Siennas stellst du her?

Also ist es so, als würde man versuchen, etwas in Stücke zu schneiden – okay, welchen kann ich eigentlich… kann ich in meiner eigenen Spur bleiben? Und oft, wenn ich von einer eigenen Spur spreche, ist das ganz ehrlich die Verantwortung eines Managers. Denn ihr Einflussbereich hat Grenzen. Also hast du absolut recht. Eine Sache, die mir an dem, was du gesagt hast, besonders gefällt, ist: Du deckst alle Randfälle ab in dem, was wir anpacken werden. Ja – wir werden dieses Ding erstellen. Wenn du den Schalter umlegst, ist es produktionsbereit. Es löst alle Probleme.

Ja, ich kann dir in dieser Hinsicht gar nicht genug zustimmen. Ich nenne das schon lange meinen „methodischen Daten-Transformation“-Ansatz. Es ist irgendwie so: Wie gehst du an die Dinge heran? Gehst du von Prozess zu Prozess und ziehst die gesamte Organisation mit hinein? Oder fängst du mit einem Teil der Organisation an und bearbeitest all ihre Prozesse, und leitest das dann weiter? Sozusagen zwei verschiedene Wege, es zu machen.

Aber egal, wie du es machst – ob du von Prozess zu Prozess gehst und alle verschiedenen Vertriebsbereiche abdeckst oder was auch immer, oder ob du dich nur auf Nordamerika konzentrierst und versuchst, es überall umzusetzen – welche Spur du auch wählst, es muss zu 100 % erledigt sein. Denn nur so gewinne ich Vertrauen – indem ich zeige, dass ich tatsächlich genauso gut bin wie du. Und in vielen dieser Fälle bin ich objektiv besser. Und das meine ich mit POC.

Also ja, ich denke, du hast recht. Ich meine nicht, dass POC ein Wissenschaftsmesse-Experiment ist – ich meine, dass es das Konzept wirklich bewiesen hat. Und dass man idealerweise, wenn das PC fertig ist, ein echtes MVP hat. Das ist ein nutzbares Produkt. Es hilft dem Unternehmen, Mehrwert zu schaffen, sobald du all diese Randfälle durchgespült hast. Aber ja, das ist ein wirklich guter Punkt. Ich möchte nicht, dass die Leute denken, wir bauen einfach Jupyter Notebooks und sagen, fertig.

Joannes Vermorel: Ja, genau. Notebooks. Genau. Das ist – würde ich sagen – die data science Falle, die ich so oft gesehen habe. Das Ganze enthält einfach so viele Zeilen, die offenkundig falsch sind, dass die Leute – die operativen Mitarbeiter, weißt du, diejenigen, die letztlich für die Entscheidungen verantwortlich sind – einfach auf die Zahlen schauen und alle zehn Zeilen etwas Wahnsinniges finden. Etwas, das einfach verrückt ist. Es würde nicht funktionieren, es würde nicht durchgehen, es würde Schaden und Komplikationen verursachen.

Und für mich ist das der schnellste Weg, jegliche Glaubwürdigkeit zu verlieren. Es spielt keine Rolle, welche Technologie verwendet wird – wenn die Manager, die die Entscheidungen überprüfen, wahnsinnige Sachen entdecken, sind weitere Iterationen nötig. Und du möchtest iterieren, bis es keine Einwände mehr gibt. Die Leute schauen sich diese Entscheidungen an und sagen: „Nun, wenn ein Kollege sie getroffen hätte, würde ich dem Ganzen einfach grünes Licht geben.“ Wahrscheinlich, so wird die Zeit zeigen, dass sich einige dieser Entscheidungen als Fehler herausstellen – denn, wieder, Prognosen sind nicht perfekt. Aber unter Berücksichtigung der Informationen, die ich habe, würde ich dem Ganzen grünes Licht geben. Und das war’s.

John Elam: Genau. Das ist eine gute Denkweise. Das ist ein gutes mentales Modell. Würde ein Kollege das als eine vernünftige Prognose, Entscheidung oder Ähnliches ansehen? Und wenn er diesen Punkt nicht erreicht, kommst du nicht weiter. Du hast das Vertrauen noch nicht gewonnen.

Joannes Vermorel: Und sehr oft, wenn es Einwände gibt, ist in der Modellierung etwas einfach falsch. Es können Dinge sein, die unsinnig sind, wie zum Beispiel – deine von unseren Lieferanten geforderten Bestellmengen sind in Ordnung, aber du hast vergessen, dass unsere Kapazität, Lieferungen im Lager aufzunehmen, begrenzt ist. Und hier kommt es zu einer Kollision – zu viele Lkw liefern am selben Tag am Eingang unseres Lagers. Also siehst du, vielleicht sind die Mengen, die du bestellst, korrekt, aber leider gibt es noch etwas anderes – scheinbar Unzusammenhängendes –, das dich daran hindert.

Erneut, es gibt eine Menge Dinge. Und diese Einwände – es ist sehr wichtig, sie zu integrieren. Damit die Leute keine allzu groben Einwände erheben wie „Diese Zahl liegt nicht einmal im Bereich des Machbaren. Du hast dies und das und das, das einfach keine praktikable Lösung wäre.“

Adam Dejans Jr.: Ich denke, in diesem Zusammenhang stelle ich viele Fragen, die bei einigen im Management direkt ins Schwarze treffen. Zum Beispiel: „Erinnerst du dich an den Hafenstreik im letzten Jahr? Der war ja nicht gut, oder?“ Solche Sachen. Und – Geld zu verlieren, das ist echt ätzend.

Eigentlich hört man oft: „Wir müssen die Genauigkeit der Prognose verbessern.“ Und was ich ihnen erkläre oder versuche zu erörtern, ist: Es ist ziemlich einfach, vorauszusagen, wenn alles gut läuft. Wenn alles stabil ist und reibungslos läuft, dann ja, könnte es genauer sein. Aber wenn der Moment kommt – und nehmen wir an, es kommt zu einem Hafenstreik – dann hattest du das nicht vorhergesehen.

Also, wenn du diese Prognose am dringendsten benötigst, ist es genau dann, wenn sie versagt. Wenn du sie am meisten brauchst, geschieht ihr Scheitern genau in diesem Moment. Was wäre also, wenn wir statt zu versuchen, das zu vermeiden und so zu tun, als ob es nicht existiert, es annehmen und in unseren Prozess integrieren? Das ist gewissermaßen der Ansatz, den ich verfolge. Er funktioniert größtenteils. Es ist ein langsamer Prozess. Sobald du in einer wirklich großen Organisation bist, ist es sehr schwer, Veränderungen herbeizuführen. Vieles davon liegt daran, dass du in diesen Bereichen isoliert arbeitest.

Aber das ist die Annahme – ich versuche wirklich, es mit Beispielen aus dem echten Leben in Verbindung zu bringen, die ihnen passiert sind. Wo sie es beheben möchten, aber nicht wirklich wissen, wie. Und dann gibt es dir die Gelegenheit, ihre Schmerzpunkte anzugehen, die sie gerade durchlebt haben.

Joannes Vermorel: Das ist interessant, denn die Modellierung dieser Störungen ist gar nicht so kompliziert – du sagst einfach: „Okay, ich setze eine 5%-Chance an, dass es jährlich zu einer größeren Störung auf der supply chain kommt.“ Boom, okay, warum 5 %? Nun, im letzten Jahrhundert hatten wir zwei Weltkriege plus eine Menge anderer Ereignisse, also ja – kürzlich, selbst wenn man von einer 5%-igen Chance pro Jahr für eine größere Störung auf der supply chain ausgeht, ist das nicht einmal besonders hoch. Und du kannst ein ähnliches Risiko auf der Nachfrageseite und bei anderen Dingen haben. Diese Prozentsätze sind also größtenteils Schätzungen – und das ist in Ordnung.

Das Interessante daran ist, dass wir bei Lokad deshalb keine Prognosen liefern, weil es viel zu kompliziert ist, diese zu verstehen. Wir konzentrieren uns auf die Entscheidungen. Und bei den Entscheidungen – normalerweise, wenn wir zu diesem Wahnsinn kommen – sagen die Leute: „Oh, diese Entscheidung, zum Beispiel hier, dieser Bestand erscheint etwas hoch.“ Und dann entsteht die Diskussion: Ja, aber ist er verrückt hoch? Es könnte Probleme geben – also, ist er so hoch, dass es unzumutbar ist?

Und dann siehst du, dass das Interessante daran ist, dass, wenn man sich die Prognose anschaut, die die Leute haben, es so schwierig ist, gleichzeitig zu denken – die Nachfrage könnte 100 oder 50 betragen, weil etwas Ungewöhnliches im Gange ist. Es ist sehr schwierig, an all diese möglichen Zukünfte gleichzeitig zu denken. Aber wenn du dir die Entscheidung anschaust und die Leute sagen: „Ja, diese Entscheidung fasst viele Risiken zusammen,“ und du würdest sagen: „Nun, sie wirkt ein wenig konservativ, aber rate mal: Du kannst – du kannst so viele Probleme haben: unzuverlässige Lieferanten, Verzögerungen, Hafenstreiks und so weiter. Letztlich fühlt es sich sicher an.“

Und das ist das Interessante: Wenn wir die Diskussion verlagern – wir versuchen, die Diskussion auf die endgültige Entscheidung zu lenken, zum Beispiel auf die Allokation der Ressourcen – dann denke ich, dass besonders die Manager viel eher mit der Idee einverstanden sind, dass diese Entscheidung Unmengen an Risiken beinhaltet, die ich nicht einmal wirklich verstehe – es ist einfach ein Paket, weißt du. Und hier funktioniert das. Das funktioniert viel besser, als zu versuchen, die Prognosen zu kommunizieren, die seltsame Modalitäten mit Fat-Tail-Ereignissen und so weiter aufweisen.

Conor Doherty: Ja, genau. Ich wollte gerade sagen – den internen Kontrollpunkt. Du ermöglichst es den Leuten, sich als Teil davon zu fühlen. Und in diesem Zusammenhang – passt das wieder zu deinem Ansatz?

John Elam: Ehrlich gesagt, sind einfache Übungsprobleme erstaunlich, oder? Schlichte, leicht verständliche Beispielprobleme. Zum Beispiel, ich möchte Unsicherheit in unsere Entscheidung einbetten, wie viel Inventar wir auf Lager haben – nehmen wir einfach an, dass es eine 1%-Chance gibt – weißt du, wir bestellen Autos monatlich (aktuell versuchen wir, das erheblich zu beschleunigen), aber momentan bestellen wir unsere Autos monatlich. Also nehmen wir an, dass ich jeden Monat, sagen wir, eine 1%-Chance habe, dass es zu einem Hafenstreik kommt.

Nun – und das ändert sich vielleicht sogar, oder? Die Wahrscheinlichkeit eines Hafenstreiks kann steigen, wenn die Vertragslaufzeit sich dem Ende nähert. Die Chancen auf einen Hafenstreik könnten also steigen, und ich werde das einfach, ganz simpel grafisch darstellen, oder? Sagen wir, eine 1%-Chance, und nehmen wir an, sie steigt auf 10% – ich wähle hier einfach mal Zahlen als Beispiel. Und wir zeigen, wie das ansteigt. Und dann werde ich sagen: „Hey, schaut, jeden Monat, oder? Schon allein aus Sicherheitsgründen – wir wollen vermutlich etwa 1 % extra Autos oder eine bestimmte Menge extra Autos bestellen, um uns gegen die Tatsache abzusichern, dass jederzeit ein Streik ausbrechen könnte.”

Jetzt, die Wahrscheinlichkeit dafür ist momentan ziemlich gering, aber sie würde steigen, je näher das rückt. Und deshalb möchte ich vielleicht meinen Lagerbestand erhöhen, in dem Wissen, dass dieses äußerst unsichere Ereignis wahrscheinlicher wird – dass diese Störung eher eintreten wird. Also möchte ich ihn aufbauen. Und dann spielen wir einfach durch – es gibt zwei mögliche Szenarien, oder? Entweder es kommt zu keinem Streik, oder wir haben einen Streik. Und du zeigst ihnen einfach die Ergebnisse, oder? „Hey, schau, es gab keinen Streik, wir hatten ein wenig extra Inventar. Im nächsten Monat bestelle ich ein wenig weniger, weil meine Unsicherheit jetzt gesunken ist und mein Inventar wieder auf mein normales Niveau zurückgeht. Und schau dir diese zusätzlichen Lagerkosten an, die ich in den nächsten zwei Monaten getragen habe, während wir diesen extra Bestand abgebaut haben, um uns abzusichern. Okay, dafür gibt es Kosten – ein paar Millionen Dollar oder so.”

Lass uns das Gegenteil betrachten. Okay, auf der anderen Seite kommt es zu einem Streik. Und sagen wir – wie lange dauern Streiks normalerweise? Zwei Wochen, oder? Du kannst zurückblicken und sagen: „Schau, wie lange dauern diese typischerweise?“ Also zwei Wochen, in denen keine Autos geliefert werden. Heilige Makrele, wie viel kostet dich das?“ Und zeige einfach die beiden Zahlen. Welche Kosten würdest du lieber haben? Du wirst auf jeden Fall eines dieser Szenarien in Kauf nehmen, oder? Und das ist – weißt du, jeder kann zustimmen, dass entweder ein Streik stattfindet oder nicht. Das ist ziemlich eindeutig. Und indem man den Leuten die unterschiedlichen Ergebnisse dieses Übungsbeispiels zeigt, bringt man sie dazu, über Verteilungen, über Unsicherheit und über die Veränderung von Unsicherheit im Laufe der Zeit nachzudenken.

Conor Doherty: Schlichte Excel-Beispiele sind fantastisch – einfach, leicht nachvollziehbar, und die Leute lernen auf diese Weise gern. Sie wollen sich fühlen – wie jeder, oder? Ich mag es, klug zu wirken, du willst dich klug fühlen, wir alle wollen uns klug fühlen. Also, wie kann ich ihnen dabei helfen? Nicht unbedingt, indem ich ihnen jeden einzelnen Schritt zeige, sondern so: „Hey, lass uns das gemeinsam erarbeiten.“ Wenn du mit einer PowerPoint auftauchst, hast du versagt. Whiteboard, oder? Wir werden das gemeinsam am Whiteboard erarbeiten – zusammen werden wir lernen, zusammen werden wir es herausfinden.

Und ich beginne sogar gerne mit ihrem Problem – sie könnten im Zubehörbereich tätig sein, sie könnten Motoren bestellen, sie könnten wer weiß was bestellen. Nun, was ist deine Branche? Und lass es uns einfach gemeinsam durchspielen und dann fragen: „Welche Art von Unsicherheit habt ihr?“ „Nun, manchmal haben wir dies oder das,“ oder? „Es wird einen Zugstreik geben, erinnerst du dich an den Zugstreik im letzten Jahr? Das war ein großes Problem. Lass uns darüber sprechen, lass uns über die Modellierung dieser zwei unterschiedlichen Entscheidungen reden.“ Und jetzt benutze ich ihre Sprache, sie führen ein Stück weit, weißt du – es ist wirklich kollaborativ. Ich bringe diese Denkweise ein und sie bringen ihren ganz realen Schmerz mit, den sie erleben. Das ist der beste Weg, Produkte zu entwickeln – basierend auf einem Schmerz, der tatsächlich erlebt wird, denn du weißt, dass das Problem gut ist, wenn der Schmerz verschwunden ist.

Adam Dejans Jr.: Ich denke, noch etwas ist, oh ja – wenn sie fragen, „Wie funktioniert das?‟ Manchmal interessiert sie der Algorithmus nicht wirklich, aber was mir aufgefallen ist, woran sie wirklich interessiert sind – und das hilft enorm – ist, dass sie wissen wollen, welche Stellschrauben sie anziehen und verändern können. Also, kann ich – wie, ich weiß nicht – das testen? Ein Aspekt ist das Szenariotesten. Sie lieben das Szenariotesten. Zum Beispiel: „Was wäre, wenn statt 10 % mal 50 %?“ Oder: „Kann ich mehr Sicherheitsbestand hinzufügen oder was auch immer es ist?“ Ich habe festgestellt, dass es den Buy-In erheblich fördert, wenn diese Stellschrauben verfügbar sind und wenn sie wissen, womit sie spielen können.

Conor Doherty: Ja, genau. Ich wollte gerade sagen – der interne Kontrollort. Du ermöglichst es den Leuten, sich als Teil davon zu fühlen. Und in diesem Zusammenhang – passt das wieder zu deinem Ansatz dafür?

Joannes Vermorel: Wieder einmal, es gibt Parallelen, aber wir machen es ganz anders. Die typische Lokad-Methode dabei ist, jede einzelne Entscheidung mit einem halben Dutzend von dem zu versehen, was wir wirtschaftliche Treiber nennen. Die Idee ist also, je nach Fall, hätten wir, was die prognostizierten Lagerhaltungskosten, die Kosten eines Fehlbestands, die Kosten von Lieferverzögerungen, die Kosten von dies, die Kosten von jenem – natürlich variiert das je nach Branche.

Aber die Idee ist, dass jede Entscheidung mit einem halben Dutzend Bewertungen in Dollar dessen, was auf dem Spiel steht, einhergeht. Und das Interessante daran – und ich komme wieder darauf zurück, deshalb gibt es auch Ähnlichkeiten – ist, dass wir definitiv in Dollar ansetzen, und wenn es darum geht, die Entscheidung zu hinterfragen, dann versuchen wir, dass die Leute unsere Bewertung in Dollar in Frage stellen. Siehst du, denn es sollte ein Weg sein für die Leute zu sagen: „Ich bin nicht einverstanden mit den Kosten, die du dafür ansetzt.“

Es ist ihnen eigentlich egal, wie genau wir zu dieser Berechnung gekommen sind, aber was sie für gewöhnlich als sehr nützlich erachten, ist, dass sie sagen: “Okay, das Risiko, das du in Dollar für Lieferantenverzögerungen angibst, ist beispielsweise viel zu gering.” Das ist sehr interessant – vielleicht, weil wir die Durchlaufzeiten nicht richtig betrachten, vielleicht, weil wir andere Faktoren nicht berücksichtigen. Aber grundlegend – und genau deshalb spreche ich von den Stellhebeln – ist das eine Möglichkeit, all die Leute auszuschalten, die auf 100 Simulationen bestehen.

Tatsächlich ist es eher so: “Okay, was die Frage betrifft – wir haben eine Divergenz in der Geschäftsperspektive darüber, was Geld kostet?” Zum Beispiel kann man an die Streiks in den Häfen als an eine Versicherung denken, die man zahlen müsste. Bekommen wir die Kosten dieser Versicherung richtig hin? Liegen wir überhaupt im richtigen Bereich? Und genau hier kehren wir sehr häufig zurück – also greifen wir beim Simulator oder bei euren Methoden auf diese einfachen Beispiele zurück, indem wir von den Kosten ausgehen: “Okay, wir haben diesen Kostenansatz für das Risiko eines Streiks und dergleichen; können wir eine Faustkalkulation erstellen, die uns zeigt, ob wir im richtigen Bereich liegen oder nicht?”

Und nochmals: Es darf keine Absurdität geben – diese Kosten müssen also in etwa dem entsprechen, was wir als korrekt erachten. Und wenn das der Fall ist, passt es. Sollten wir feststellen, dass wir einen dieser wirtschaftlichen Faktoren deutlich überschätzen oder unterschätzen, ist genau das der Punkt, der einer Korrektur bedarf.

John Elam: Ich liebe diese Ausdrucksweise – Versicherung. Denn genau darum geht es. Ja, das ist eine wunderbare Sprache, um den Leuten verständlich zu machen: “Warum zahle ich diese Kosten?” Es ist, als ob man eine Wette absichert, als ob man hier eine Versicherung abschließt. Ich liebe das.

Conor Doherty: Danke. Nochmals, diese ROI-Perspektive auf Entscheidungen – im Grunde behandelt man in manchen Fällen seine Entscheidungen wie eine Versicherung, was sich von dem, sagen wir, etablierten Ansatz zu Entscheidungen abheben kann. Also, Adam, du hast vorhin gesagt: “Nun, ich will einfach mehr Genauigkeit.” Und um ehrlich zu sein, das ist ein immerwährendes Thema, aber jedes Mal, wenn ich auf einer Messe bin oder mit einem potenziellen Interessenten spreche, ist das, worüber sie reden. Sie sagen dann: “Nun, ich will – verständlicherweise denke ich, dass mein Schmerzpunkt darin besteht, dass ich größere Genauigkeit benötige.” Also, Adam, wir kommen wieder zu dir: Wie unterscheidest du diese beiden Ansätze? Denn ich weiß, dass du gestern auf LinkedIn gepostet hast: “Oh, better decisions is better than better forecasts.”

Adam Dejans Jr.: Der Schlüssel liegt darin, immer wieder zu betonen: Was machst du eigentlich mit der Prognose? Zunächst musst du entscheiden, welche Geschäftskennzahlen du verbessern möchtest. Alles andere dient dann nur als Unterstützung dafür. Du könntest also die genaueste Prognose haben, aber je nachdem, wie du sie einsetzt oder eben nicht einsetzt, kann sich vieles ändern.

Ein weiterer Aspekt beim Streben nach Genauigkeit ist: Einerseits wirst du niemals 100% genau sein, weil sich die Dinge ändern. Du musst diesen Wandel in dein Entscheidungsfindungsmodell einbetten. Aber darüber hinaus – nehmen wir an, du erreichst 95% Genauigkeit – zu welchen Kosten willst du wirklich auf 96% gehen? Und wenn du diesen prozentualen Gewinn nicht mit deiner Geschäftskennzahl verknüpfen kannst, wird dein gesamtes Datenteam einer willkürlichen Genauigkeitsmaßzahl hinterherjagen, ohne einen wirklichen Hinweis darauf zu erhalten, wie sich das auf dein Geschäft auswirkt.

Also, bringt mir ein Gewinn von 1% – können wir das quantifizieren? Führt das letztlich zu einer quantitativen Geldzahl im Geschäft oder wie sieht das aus? Wie nutzen wir das? Das ist einer der Schlüsselaspekte, den ich besonders bei großen, etablierten Unternehmen wie Toyota beobachte. Toyota ist ein japanisches Unternehmen. Sie haben noch nie Entlassungen vorgenommen. Und dort bleibt jeder – es ist ein Unternehmen, in dem man seine gesamte Karriere verbringen kann. Was sie tun, was sie in der Vergangenheit getan haben, hat sie dorthin gebracht, wo sie heute stehen, weshalb sie dazu neigen, ihrem bisherigen Vorgehen treu zu bleiben. Denn sie sind aus gutem Grund das führende Automobilunternehmen. Es lautet im Grunde: “Wenn wir weiterhin das tun, was wir bisher getan haben, werden wir vermutlich einfach die gleichen Ergebnisse erzielen. Lassen Sie uns einfach das tun, was wir getan haben, nur eben besser.”

Und manchmal, wie bereits erwähnt, wirst du letztlich ändern müssen, weil jemand anderes kommt und die Dinge verändert. Also, das war ein kleiner Monolog, aber ich weiß nicht.

John Elam: Eines, worüber ich sprechen möchte, ist: Wenn du den Fokus auf Entscheidungen legst, gibt es so viele weitere Dinge, über die man sprechen kann. Du musst dich nicht auf Prognosen konzentrieren. Zum Beispiel ist ein Tool, das wir entwickelt haben, ein Empfehlungssystem. Es kennt nichts von Prognosen – es kümmert sich nicht um die Prognose. Sein Ziel ist es rein, mehr Umsatz zu generieren. Und wenn ich sage, mehr Umsatz zu generieren, dann heißt das, dass es empfiehlt, mehr Zubehör am Fahrzeug anzubringen – bis an die Grenze des Möglichen, oder? Also, wie viel Zubehör kann ich hinzufügen, sodass die Kunden das Auto immer noch mögen und es sich weiterhin gut verkauft?

Ich weiß nicht wirklich, wie viel schneller es verkauft wird – das war nicht Teil der Messung. Der Messaspekt war, ob es durchschnittlich genauso schnell verkauft wird und ob beim Verkauf des Autos mehr Dollar eingenommen werden. Wir haben einen gepaarten und ungepaarten t-Test durchgeführt, wobei wir Pilot- und Kontrollgruppen sowie historische Durchschnitte über denselben Zeitraum für diese beiden Gruppen verglichen haben – einige bekamen Empfehlungen, andere nicht. Und wir haben viel mehr Geld verdient. Dort gibt es keine Prognose, richtig? Es gibt keine Genauigkeit dabei.

Wir haben buchstäblich Strategien von erfolgreichen Händlern kopiert und diese Strategie auf Händler angewendet, die Schwierigkeiten hatten, und wir haben mehr Geld verdient. Und ich bekomme viele Fragen zu diesem Produkt, etwa: “Wann wird es prognostizieren? Wann wird es mir sagen, was zu tun ist?” und ich antworte: “Das ist nicht, was es tun wird. Es informiert jene Personen, die diese eine Funktion ausführen, dass, wenn sie dieser Empfehlung folgen, das Auto wahrscheinlich genauso schnell verkauft wird und dabei mehr Umsatz generiert wird.” Das ist alles, was es macht, und das ist eine Entscheidung. Es ist eine super einfache Entscheidung, aber sie hilft dem Geschäft – sie hilft uns, mehr Geld zu verdienen.

Also, so ist es – deshalb konzentriere ich mich lieber darauf, welche Entscheidung du treffen wirst, und weniger darauf, diese perfekte Prognose zu erzielen. Denn es gibt so viele Entscheidungen, die getroffen werden können, und Prognosen – ehrlich gesagt, Prognosen schaffen keinen Mehrwert. Entscheidungen basierend auf den Aussagen der Prognose zu treffen, ist der Weg, um Wert zu schaffen. Also ja, jeder will seine Kristallkugel, aber wir werden niemals eine bekommen.

Joannes Vermorel: Da stimme ich vollkommen zu, und ich denke, dein Beispiel, die Autos von vornherein mit dem richtigen Zubehör auszustatten, ist ein klares Beispiel dafür. Die typische Denkweise in der Mainstream supply chain Theorie bezüglich Prognosen besteht darin, die Nachfrage wie die zukünftige Position von Planeten zu betrachten – etwas, das unbedingt eintreten wird. Und wenn du es auf eine Ungenauigkeit von 0,00001% eingrenzen könntest, wäre das einfach Unsinn. Hier zeigst du, dass die Nachfrage konstruiert wird – dass, wenn du den Kunden ein besseres Auto zu einem höheren Preis anbietest, sie möglicherweise das teurere, bessere Auto zu diesem höheren Preis kaufen.

Offensichtlich gibt es eine Grenze, denn irgendwann sagen die Leute: “Es ist wirklich, wirklich ein schönes Auto, es hat so viele gute Eigenschaften, aber ich fürchte, dass ich mir dieses Auto nicht mehr leisten kann.” Also, offensichtlich gibt es eine Grenze, aber solange du diese Grenze nicht getestet hast, lässt du Geld auf dem Tisch liegen. Und das Problem ist, dass, wenn du in der Vergangenheit eher konservativ vorgegangen bist, deine Prognose nur den Fehler reproduziert, den du gemacht hast – nämlich nicht ausreichend ausgestattete Autos vor die Kunden zu bringen.

Das ist also wirklich die Denkweise der planetaren Bahnen – man schaut nur in die Vergangenheit, aber die Realität ist, dass die Zukunft von Entscheidungen abhängt, die noch nicht getroffen wurden. Und deshalb stimme ich dir voll und ganz zu, dass Entscheidungen Prognosen überlegen sind, denn in großem Maße ist die Zukunft das Ergebnis – die Konsequenz – von Entscheidungen, die du treffen wirst, und nicht umgekehrt.

Adam Dejans Jr.: Das sieht man auch so – manchmal gibt es einen Rückruf, oder uns fehlt ein Teil oder Zubehör, und dann fehlt es in den historischen Daten für, sagen wir, sechs Monate. Bedeutet das, dass es jetzt niemand will? Nun, historisch gesehen sinkt die Nachfrage – vermutlich will niemand Schmutzfänger an seinem Auto. Aber das ist offensichtlich nicht wahr.

John Elam: Das ist ein sehr guter Punkt. Manchmal, als Hersteller, haben wir ein Qualitätsleck. Das ist ein zentraler Bestandteil unserer Toyota-Kultur – wenn du dich jemals mit TPS beschäftigt hast, weißt du, dass wir die Fertigungslinie buchstäblich anhalten, wenn es ein Problem gibt. Und so halten wir manchmal an – wenn es ein gravierendes Problem ist, stoppen wir tagelang oder wochenlang, und wir lösen das Problem, bevor wir wieder Autos produzieren. Wir stellen keine schlechten Autos her, zumindest nicht wissentlich.

Und es gab einen Zeitpunkt, an dem wir die Produktion einer bestimmten Fahrzeugreihe – einer sehr, sehr beliebten Fahrzeugreihe – für Monate eingestellt haben. Wenn du also einfach die Durchschnittswerte nimmst und weitervorhersagst, wirst du eine erheblich reduzierte Prognose erhalten, während die tatsächliche Nachfrage extrem aufgebaut ist. Wir haben bei den Händlern Rückstände von Hunderten und Aberhunderten dieser Fahrzeuge. Und du musst wissen, worauf du achten musst, um überhaupt zu verstehen, was Prognosen sein sollten – prognostizierst du die Nachfrage oder deine historischen Werte?

Joannes Vermorel: Einer der größten Fehler der Mainstream supply chain Theorie besteht wieder in diesem Fokus auf Zeitreihen – als ob es sich um einen eindimensionalen Vektor handeln würde. Für die quasi Gesamtheit der Unternehmen kann dies einfach nicht widerspiegeln, was tatsächlich passiert.

Ein Beispiel wäre, selbst bei Autos – die Nachfrage ist nicht eindimensional. Bist du bereit, auf das Auto zu warten? Zum Beispiel bei Mercedes: Du möchtest einen Mercedes? Kein Problem – warte ein Jahr, und Mercedes verkauft dann wieder Autos. Offensichtlich kommt es darauf an – die Antwort lautet, es hängt davon ab. Aber Tatsache ist, dass es nicht eindimensional ist. Die Nachfrage hängt vom Preis, von Verzögerungen und von Standorten ab. Und wenn du deine Nachfrage einfach auf “Anzahl der Fahrzeuge pro Tag” reduzierst, übersiehst du völlig all diese Dimensionen.

Und sie sind nicht unbedingt super kompliziert. Das ist das Interessante: Ich behaupte nicht, dass du verrückte Komplexität benötigst – wie du etwa sagtest, hattet ihr eine einfache Logik, die mehr Zubehör antrieb, basierend auf einfachen Heuristiken – ihr habt die erfolgreichen Strategien der allerbesten Händler kopiert. Das ist etwas Wunderschönes: Manchmal ist es um eine Größenordnung einfacher, eine gute Entscheidung zu treffen, als tatsächlich eine gute Prognose zu erstellen. Du kannst zu guten Entscheidungen gelangen, während du hinsichtlich der Details der Zukunft ziemlich im Dunkeln bleibst.

John Elam: Selbst eine einfache order-up-to Logik, falls du nichts anderes hast, ist sehr hilfreich.

Conor Doherty: Also, nochmals: Wenn man der Diskussion zuhört, wie man zu Entscheidungen gelangt, ist ein entscheidender Aspekt – nochmals, um zum Change Management zurückzukehren – wirklich, wie fügen sich die Nicht-Mathe-Experten dabei ein? Denn wenn du als Mathe-Genie, als Wunderkind hereinkommst, versuchst du dennoch, das in einem Raum mit Menschen umzusetzen, die in anderen Bereichen Experten sind. Mich interessiert also: Wie genau nutzt du das, um eine Initiative, eine Optimierung, gemeinsam zu entwickeln oder mitzuschreiben? Denn wiederum brauchst du immer noch die Informationen, die in den Köpfen der anderen sind – wie passt das in deinen Prozess?

John Elam: Wie ich bereits im vorherigen Kommentar sagte – tauche nicht mit einer PowerPoint auf. Denn das bedeutet, dass du die Antwort bereits hast, und das will ich nicht – du weißt ja, ich habe ein Ego, oder? Ich denke, jeder hat ein kleines Ego. Ich möchte es aufbauen, richtig? Dann lasst es uns gemeinsam aufbauen. Und es klingt so einfach, und ich wiederhole mich fast, aber es ist wirklich so einfach. Und das ist wahrscheinlich der schwierige Teil – dass es so einfach ist. Was ist ihr Problem, welche Sprache sprechen sie, was wissen sie? Und dann holst du sie dorthin, wo du glaubst, dass wir mit ihren Problemstellungen weiterkommen sollten.

Und vieles davon besteht darin, den Schmerz aufzudecken – also, was wissen die Leute als schmerzhaft in ihrer Arbeit? Es ist oft das, worauf sie viel Zeit verwenden, oder – ich sage, manchmal verbringen wir viel Zeit mit Problemen, die nicht gelöst werden müssen – Probleme, die, wenn sie gelöst werden, nicht viel bewirken. Aber sie verstehen oft: Das ist es, was wir heute tun, und hier steckt der Schuh. Und oft liegt das Problem darin, dass etwas entweder automatisiert werden kann, oder dass es prognostiziert werden kann, oder sogar vereinfacht werden kann.

Es geht also wirklich darum, sie dort abzuholen, wo sie stehen, ihre Sprache zu lernen. Und wie ich schon sagte, man baut nichts ohne sie – man arbeitet mit ihnen zusammen, holt die Anforderungen von ihnen ein und führt sie, falls notwendig, zur richtigen Antwort, ohne es ihnen aber einfach zu sagen. Man darf den Leuten nicht vorschreiben, was sie tun sollen. Das kann ich nicht genug betonen – viele Leute wollen nicht gesagt bekommen, was zu tun ist. Sie lieben den “Aha”-Moment, und wenn du sie dorthin führen kannst, indem du sagst: “Hey, ich denke, es liegt da drüben, lass es uns gemeinsam überprüfen,” und dann – manchmal weiß ich die Antwort schon, aber das ist in Ordnung, ich muss sie ihnen nicht aufzwingen. Lassen Sie uns es ihnen löffelweise vermitteln.

Adam Dejans Jr.: Ich gebe eine noch einfachere – eine andere Perspektive. Aber für mich ist über all die Jahre hinweg der Aufbau von Beziehungen noch wichtiger als all das. Und auch das Erkennen dessen, was wir als die “Machtstruktur” bezeichnen – quasi ein einflussreiches Organ. Du hast dein Organigramm, richtig? Da berichten bestimmte Personen an sie, und das ist der Manager, das ist der Executive. Und die Leute denken, dass Macht und Überzeugungskraft in dieser Kette nach oben gehen, aber oft tut es das nicht.

Oft gibt es jemanden, der einem Executive ins Ohr flüstert, weil er mit ihm befreundet ist oder Ähnliches, und allein durch das Öffnen deines Netzwerks, den Aufbau von Beziehungen, einfaches Zuhören und Reden mit den Leuten, erhältst du die Möglichkeit, später mit technischeren Details auf sie zuzugehen – und sie sind bereit zuzuhören, weil du bereits eine Beziehung aufgebaut hast; sie vertrauen dir. Und dieser Aspekt ist so wichtig, und viele, besonders Junior-Ingenieure und -Wissenschaftler, übersehen das, weil sie denken – und meist haben sie recht –, dass sie objektiv eine bessere Antwort haben, was sie oft auch tun. Aber so wirst du es nicht umsetzen.

Und deshalb werden die Menschen auch in Unternehmen frustriert, weil es eine noch schlechtere Lösung geben kann – objektiv schlechter – aber ja, sie wird besser verkauft, weil diese Person entweder einfach einflussreicher ist, sei es durch Reden, Verkaufen oder einfach durch die Beziehungen in dem Netzwerk, das sie aufgebaut hat. Ein Teil unserer Arbeit ist auch Karriere-Coaching. Wenn wir das tun, haben wir wirklich einen ganzen Abschnitt, in dem wir darüber sprechen, weil es sehr wichtig ist, Veränderungen voranzutreiben. Es wird oft übersehen.

Conor Doherty: Ich weiß, dass du davon sprichst, die Abstimmung mit Toyota, der japanischen Zentrale, zu koordinieren. Und ich weiß, da ich fünf Jahre in China gearbeitet habe, kenne ich die Bedeutung – als du „relationship“ sagtest, dachte ich an „guanxi“, was grob übersetzt Netzwerk oder Beziehungen bedeutet, aber in China ist es einfach viel mächtiger. Wenn du keine gute guanxi zu deinem Vorgesetzten oder deinen Kollegen hast, wird nichts erledigt – oder, Entschuldigung, es ist so viel komplizierter, Dinge zu erledigen, selbst wenn, wie du sagtest, deine Idee objektiv überlegen oder die objektiv beeindruckendste ist.

Es ist, nun ja, die Art, wie du es präsentiert hast, wie du den Raum betreten hast, dass du die Leute wie Idioten hast fühlen lassen, du hast sie nicht einbezogen, wie du sagtest, John, hast sie nicht in den Prozess eingebunden. Also meine Frage – wenn du von Beziehungen sprichst, meinst du das? Wie viel davon wird durch die interkulturelle Arbeit beeinflusst, die du als Amerikaner bei der Zusammenarbeit mit einem japanischen Unternehmen leistest, und wie viel gilt im Allgemeinen?

John Elam: Ja, es ist beides – es ist definitiv beides. Aber ich würde vollkommen zustimmen, dass es in der japanischen, also in einer Low-Context- oder High-Context-Kultur, von größter Bedeutung ist. Es gibt sogar einen Begriff dafür – wir verwenden ihn ständig, es gibt Websites darüber in unserem internen System – es handelt sich um einen japanischen Begriff namens „nemawashi“. Die direkte Übersetzung lautet „den Boden vorbereiten“, also den Boden vorbereiten, um etwas zu pflanzen, aber die kulturelle, gesellschaftliche Bedeutung ist: „Lasst uns alle auf derselben Seite stehen.“

Und wie Adam sagte, sei es die informelle Machtkarte oder sogar, und eigentlich gerade in dieser Kultur, auch die reguläre Hierarchie – wir müssen alle auf derselben Seite stehen, und im Grunde wird die Entscheidung getroffen, bevor überhaupt eine Entscheidung getroffen wird. Was ich damit meine, ist: Ich werde – und das ist, ehrlich gesagt, ich meine, du hast gesagt, es ist irgendwie der einzige Weg – meiner Erfahrung nach der einzige Weg sein, in dieser Kultur Dinge zu erledigen.

Ich muss diese Eins-zu-eins-Verbindungen mit im Grunde jedem einzelnen Stakeholder herstellen, der auch nur einen mittleren Einfluss auf seine Arbeit haben wird, und sie dann dazu bringen, zu verstehen, was wir tun, wie es ihnen zugutekommen wird, was sich in ihrer Welt ändern wird. Und dann, wenn wir das Treffen haben, in dem wir entscheiden, was zu tun ist, haben wir bereits entschieden – jeder weiß schon die Antwort. Und ehrlich gesagt, wenn es zu diesem Zeitpunkt irgendwelche Probleme gibt, wirst du nicht weitermachen. Du wirst zurückgehen und noch mehr nemawashi betreiben. Daher ist das von großer Bedeutung.

Aber selbst im amerikanischen Kontext, etwa wenn wir unsere Beratungsarbeit machen, sind die Beziehungen immer noch von größter Bedeutung – es ist nicht ganz so streng, dass jede einzelne Person an Bord sein muss, aber man braucht eine kritische Masse. Nun, bestimmte Personen haben unterschiedliches Gewicht, richtig? Und das ist das ganze Machtkartenthema. Aber man braucht eine kritische Masse, um voranzukommen. Du wirst die Arbeitsweise einer Organisation nicht mit einer tollen Idee oder einer wirklich tollen Kennzahl ändern können.

Conor Doherty: Joannes, ich möchte das sofort an dich weitergeben, denn, ich meine, wir sind ein französisches Unternehmen – Frankreich ist eine High-Context-Kultur – und doch, als französisches Unternehmen, betreuen wir – die Mehrheit unserer Kunden befindet sich außerhalb Frankreichs. Was denkst du also in Bezug auf Kultur und das Erledigen von Aufgaben?

Joannes Vermorel: Ja, ich meine, das ist sehr interessant. Offensichtlich habe ich in den USA beobachtet, dass bestimmte Unternehmen, vor allem die Tech-Unternehmen, einen sehr, sehr kompromisslosen, konfrontativen Ansatz im Management haben. Zum Beispiel das Memo von Jeff Bezos aus dem Jahr 2002, in dem er im Grunde an sein gesamtes Team schrieb: „Jeder Manager, der innerhalb von zwei Wochen keinen Plan vorlegt, um die Daten seiner eigenen Abteilung durch eine API offenzulegen (falls dies nicht schon der Fall ist) – wenn ich keinen Plan von diesem Manager erhalte, wird er gefeuert.“ Und er endete damit, – ich vergesse – 15 % der Manager zu entlassen.

Und doch – das ist extrem. In Frankreich wäre das undenkbar und fast unmöglich – extrem kostspielig. Es ist möglich, jemanden zu feuern, aber wenn man es einfach so macht, wäre es schlichtweg unglaublich teuer. Aber die Realität ist: Wenn man sich Tech-Unternehmen anschaut – nun ja, sie stammen alle überwiegend aus den USA. Amazon ist also nicht in Europa entstanden, sondern in den USA. Und wenn man sich die anderen großen Tech-Unternehmen und ihre Managementmethoden anschaut – über Jahre hinweg war Microsoft – ja, sie feuerten niemanden, waren aber in vielerlei Hinsicht so unglaublich brutal, und dennoch, was für ein Erfolg.

Meine Ansicht ist also, dass das Verhältnis von nemawashi zu Brutalität, das man benötigt, ein wenig davon abhängt, wie schnell sich deine Branche verändert. Wenn sich deine Branche langsam verändert, dann ist es wahrscheinlich, dass der japanische Stil – stetig, alles zufriedenstellend gestalten und immer schrittweise auf etwas Besseres hinarbeiten, ohne dabei seine menschlichen Ressourcen zu verlieren und so weiter – am besten ist.

Wenn sich Dinge entwickeln, wie zum Beispiel Software, super schnell, dann bist du wahrscheinlich ein Unternehmen, in dem die Stimmung zwar gut ist, du aber einfach veraltet bist und komplett von Leuten ersetzt wirst, die dir buchstäblich die Mittagspause weggefuttert haben. Da stimme ich zu. Ich würde sagen, dass die Antwort wirklich davon abhängt, was deine Wettbewerber machen und wie viel Disruption sie ins Spiel bringen. Das wäre meine Einschätzung – also wiederum, verschiedene Branchen, verschiedene Zeiten.

John Elam: Das ist ein wirklich guter Punkt, denn in der Softwarebranche – nehmen wir Lokad als Beispiel. Wenn Lokad dieses Feature hat und es herausbringt und es nicht gut ankommt, ändert ihr das Feature, richtig? Ihr erhaltet das Feedback vermutlich ziemlich schnell, und dann iteriert ihr daran, und ihr könnt ziemlich rasch eine neue Version herausbringen.

Während, wenn wir einen Prius bauen, dieser Prius wahrscheinlich 20 Jahre in Betrieb ist – länger als meine gesamte berufliche Laufbahn –, in denen diese Fahrzeuge eingesetzt werden. Deshalb ist es so kritisch, dass es beim ersten Mal perfekt ist. Aber du hast recht – wenn wir Software entwickeln, und das ist ein kultureller Wandel, dem wir bei Toyota begegnen, dann ist das eine Herausforderung, oder? Wir entwickeln Software, wir bauen Dinge, die ich einfach aktualisieren kann. „Sag mir, was falsch ist, ich werde iterieren, wir liefern dir nächsten Monat etwas, gib mir mehr Feedback.“

Und diese ganze Denkweise ist eine Herausforderung. Das Unternehmen übernimmt sie jedoch definitiv. Man sieht die Zahnräder sich drehen und sich zumindest auf der Softwareseite etwas flexibler und iterativer verhalten. Aber es ist – es ist definitiv eine Herausforderung. Aber du hast recht, ich denke, es gibt die richtige Art von Kultur und Philosophie zum richtigen Zeitpunkt am richtigen Ort.

Joannes Vermorel: Wenn massive Disruptionen auf dem Weg sind, dann denke ich, dass Brutalität gewinnt. Aber andererseits, wenn du einfach nur konstant bleibst, dann schaffst du nur grundlos Chaos. Und es ist – aber siehst du, zum Beispiel eines der Dinge, das ein sehr anschauliches Beispiel für diese absolute Brutalität ist und dennoch ein guter Schachzug war, ist die Übernahme von Twitter. Sie haben schließlich 90 % ihrer Mitarbeiter entlassen, und am Ende hat das Produkt mehr Features als je zuvor und der Traffic ist gestiegen. Was offensichtlich für Toyota die Frage wäre: Ist es denkbar, dass durch das Entlassen von 90 % der bei Toyota Beschäftigten mehr und bessere Autos produziert würden? Nein, keine Chance.

Aber in der Softwarebranche kommen solche Dinge vor, und das ist – aber wiederum, das ist ganz anders – eine andere Kultur. Aber ich denke, was interessant ist, ist, dass die digitale Transformation dieses Element einer viel brutaleren, schnelllebigeren, chaotischen Natur der Branchen mit sich bringt, die irgendwie, weißt du, in Unternehmen eindringt, in denen die Dinge traditionell nicht so gemacht wurden, und das aus gutem Grund.

John Elam: Es ist definitiv ein Paradigmenwechsel, der spürbar ist, und ja, jeder wächst daran, sei es, dass Technologen zu Unternehmen kommen, die einen traditionelleren Rahmen und eine entsprechende Arbeitsweise haben, oder umgekehrt – diese sehr traditionellen Unternehmen, die eine Menge Talente im Bereich KI und maschinelles Lernen einstellen. Da gibt es ein wenig Reibung, aber ich denke, gutes Management findet die richtige Balance zwischen der Harmonie, die für ein Fertigungsumfeld notwendig ist, und dem Fortschritt sowie dem innovativen Denken, das erforderlich ist, um das zu verändern, was wir tun.

Adam Dejans Jr.: Es ist ein langsamer Prozess. Es ist bei Toyota ein langsamer Prozess. Bei Ford war es ähnlich – es ist eine Sache der Automobilindustrie. Bei Ford arbeitete ich eine Zeit lang in der Gruppe für autonome Fahrzeuge, und sie behandelten es irgendwie wie ein Startup, aber finanziert durch die Ford Motor Company, richtig? Also mit jeder Menge Geld im Rücken. Ja, ich meine, ich konnte den Unterschied erkennen, und ich habe gesehen, wie Software richtig umgesetzt wird, weil wir in dieser Umgebung schnell handeln mussten, sodass es nicht so sehr diese hierarchische, typisch automobile Kultur gab. Aber ja, es ist anders – es braucht einfach Zeit.

Conor Doherty: Also, wir arbeiten seit 30, 40 Jahren so, und wir sind ein Milliardenunternehmen – wer zum Teufel bist du, um hereinzukommen und zu sagen: „Hey, ihr müsst aufhören, all diese Dinge zu tun.“

John Elam: Ja, es ist wie: „Zeig mir jemanden, der mehr Autos produziert als wir.“ Du wirst kämpfen müssen.

Conor Doherty: Es ist grundsätzlich wahr. Also, nochmal, wenn du mit deinem Mathematik-Abschluss vom MIT hereinkommst und sagst: „Okay, das alles ist Müll“, oder selbst, Entschuldigung, selbst wenn du den sehr samtigen, liebevollen Ansatz wählst, den du beschrieben hast, John, den Whiteboard-Ansatz – stößt du trotzdem auf Jahrzehnte und Jahrzehnte von nahezu unvergleichlichem, höchst profitablen Erfolg. Also, wie viel Widerstand entsteht dadurch? Es kann Widerstand geben, weil man sagt: „Ich mag die Technologie nicht,“ oder: „Ich bin mit der Technologie nicht vertraut,“ und dann kommt auch noch: „Nee, Mann, Status quo – uns geht es gut, das brauchen wir nicht.“

John Elam: Ich hatte das Glück, im Rahmen einer digitalen Transformation eingestellt worden zu sein, sodass ich buchstäblich explizit eingestellt wurde, weil man wusste, dass das die Herausforderung ist, und es einen Grund gibt, warum wir einige Leute von außen holen mussten. In dieser Hinsicht bin ich also eingeweiht, denn der Grund, warum ich überhaupt im Unternehmen bin, liegt darin, dass das, was wir bisher gemacht haben, uns nicht dorthin bringen wird, wo wir hinwollen. In gewisser Weise habe ich also Glück, aber das bedeutet nicht, dass grundsätzlich jeder einzelne Stakeholder, dem ich begegne – abgesehen von meiner direkten Führungskette – in dem Modus ist: „Nun, John, ich war so lange erfolgreich, weil ich es so mache.“

Es kann, weißt du, ehrlich gesagt – diese Ergebnisse können in einer ganzen Reihe von Nuancen auftreten. Es kann, wie ich bereits beschrieben habe, ein White-Glove-, Whiteboard-Service sein, bei dem wir gemeinsam kreieren. Manchmal kann es auch darin bestehen, ihre Führungskräfte oder ihre leitenden Angestellten zu präsentieren – je nachdem, denn vieles davon hat mit der Machtkarte zu tun, und ob man in der Lage ist, den tatsächlichen Einfluss zu identifizieren – also tatsächlich einflussreiche Personen auf Entscheidungsebene, was, sagen wir, auf VP-Ebene der Fall ist, wo in einem Unternehmen dieser Größe echte Entscheidungen getroffen werden. Und so herauszufinden, wer mit ihnen verbunden ist – ehrlich gesagt, manchmal muss man, wenn man mit einem Stakeholder auf ein Hindernis stößt, einfach an ihm vorbeigehen und seinem Management mitteilen, was möglich ist – gemeinsam mit anderen Verbündeten, richtig? Es geht nicht nur darum, dass ich auftauche und, weißt du, Frank versus Bob, es ist Frank und Freunde versus Bob, der es seit 40 Jahren so macht, und hier ist, was das für Sie, Herr und Frau Executive bedeutet – so werden sich Ihre KPIs ändern, und ich leite sie dann irgendwie durch diesen Prozess.

Aber zum Glück treffe ich nicht auf – ich hatte das Privileg, als digitaler Innovator eingestellt zu werden – genau als Digital Transformation Manager, dafür haben sie mich eingestellt, sodass viele Leute wissen, wenn das Telefon klingelt und sie John Elam sehen, dann wissen sie, dass ich mit ihnen darüber sprechen werde, etwas zu verändern, weil es buchstäblich ein Teil dessen ist, wie – es steht tatsächlich neben unseren Titeln, dass wir in dieses Digital Transformation Team eingestellt wurden.

Wenn sich die Leute melden, wissen sie, warum wir da sind. Ja, ich will nicht lügen, es gibt dafür keine Wunderlösung. Es geht darum, mit den Leuten zusammenzuarbeiten, viel Geduld zu haben – wirklich viel Geduld. Ich meine, du trittst Menschen gegenüber, die das in manchen Fällen so lange machen, wie ich lebe – buchstäblich. Ich habe Chefs, die – weißt du, ich bin 36 Jahre alt, es gibt Manager mit 40 Jahren Erfahrung im Unternehmen. Geduld wird dich also wirklich weit bringen – wenn auch langsam.

Conor Doherty: Und ich weiß, dass wenn du darüber sprichst, du oft Beispiele aus der Tech-Branche verwendest, die offensichtlich in der Regel viel agiler ist als große, gut etablierte Unternehmen, die seit Jahrzehnten, möglicherweise sogar 50- oder 60-jährig sind, und all diese vorgefertigten Prozesse und ein Erbe enormen Erfolgs haben. Also, wenn du diese Gespräche führst, wie kommt diese Rhetorik rüber: „Nun, so funktioniert es in der Tech-Welt“ – wie nehmen die Leute das auf?

Joannes Vermorel: Ich denke, die Realität ist, dass, wenn man die Geschichte der Wirtschaft betrachtet, diese sehr etablierten Unternehmen lediglich eine Illusion von Stabilität sind. Weißt du, wenn man zurückblickt – zum Beispiel, eine der größten Einzelhandelsketten aller Zeiten, A&P, an die sich kaum noch jemand erinnert, aber sie waren über den größten Teil des 20. Jahrhunderts die größte Einzelhandelskette weltweit und lagen in den USA, und jetzt, glaube ich, gibt es nicht mehr einen einzigen Laden von ihnen.

Es gab also so viele Riesen, die unbezwingbar schienen und dann verschwanden. Meine Ansicht ist daher, dass Märkte ausgezeichnete Filter sind, und die Softwareindustrie – und übrigens, es gibt diese allgemeine Tendenz, dass Software die Welt erobert – ist, dass ich immer mehr sehe, dass Branchen den Dynamiken der Softwareindustrie folgen werden, gut oder schlecht, einfach weil Software einen zunehmend größeren Anteil an allem ausmacht.

Zum Beispiel, das ist sehr interessant: Wenn man sich SpaceX anschaut – SpaceX ist überwiegend ein Softwareunternehmen. Das ist kein Raketentechnologieunternehmen, sondern in erster Linie ein Softwareunternehmen. Zum Beispiel beruhen die allermeisten Verbesserungen, die sie an ihren Raketentriebwerken erzielt haben, auf überlegener Software, um die Triebwerke zu konzipieren – dort liegt der wahre Zauber ihrer Raketen. Der Großteil des Zaubers der Raketen liegt in dieser übermenschlichen Pilotierungsfähigkeit, sodass sie ihre Raketen zurückholen können – etwa 30 Sekunden bevor sie die Startrampe berühren, ist die Rakete immer noch mit Hunderten von Meilen pro Stunde unterwegs.

Übrigens, die Rakete bremst mit 20 Gs vor der Landung. Wenn es ein Mensch wäre, würde der Mensch sterben – das Ding bremst viel zu schnell. Das ist etwas, bei dem kein Mensch die Verzögerung von 20 Gs steuern könnte. Nur Software kann das leisten. Nochmals, das war sehr, sehr knifflig, und es gab viele spektakuläre Fehlversuche, aber das ist ein Beispiel.

Und morgen, zum Beispiel in der Automobilindustrie, wenn autonome Fahrzeuge – würde ich sagen, produktionsreif werden (ich bin mir nicht sicher, wo wir momentan stehen) – wird es in großem Umfang zu einem Softwarekampf, Plattformen und ähnlichem werden. Das ist sehr interessant, weil ich viele Industrien so sehe, und die Idee – ich habe den Namen des VCs vergessen, der gerade sagte: “Software is eating the world.” Ich glaube, es war Andreessen Horowitz.

Jedenfalls sehe ich das so, und ich denke, dass die digitale Transformation vieler Unternehmen und ihrer supply chain – und was sie damit anstellen können – einer der Vektoren sein wird, durch den Software, würde ich sagen, eine der größten Transformationen für ansonsten ziemlich traditionelle Unternehmen bringt.

Conor Doherty: Hast du Andreessen gesagt? Marc Andreessen?

Joannes Vermorel: Oh ja, das stimmt, du hast recht, genau.

John Elam: Ja, da kommt einem Circuit City in den Sinn, oder? Ich weiß nicht, ob die in Europa populär waren, aber in den USA waren sie sehr beliebt – sie sind weg, sie sind bankrott. In der Schule habe ich sie tatsächlich gereinigt.

Joannes Vermorel: Radio Shack, gleiches Schicksal. Radio Shack, weg. Nokia, Kodak.

Conor Doherty: Kodak ist ein interessantes Beispiel, über das du schon zuvor gesprochen hast. Kodak, korrigiere mich, falls ich falsch liege, sie haben die Digitalkamera erfunden, oder erinnere ich mich falsch?

Joannes Vermorel: Tragbare Digitalkamera, ja, und dazu kam nichts Weiteres. Und das Interessante ist, dass sie eine Prognose hatten – das ist bei Kodak auch eine interessante Sache – sie hatten die Vorhersage, oder? Und buchstäblich, es gab einen Manager, der in den frühen 70er Jahren im Grunde die Dominanz der Digitalkamera bis in die frühen 2000er Jahre errechnete, und das war, sagen wir, plus/minus drei Jahre – die Vorhersage war korrekt. Und so ist das Interessante daran, dass – ja, man kann – was noch schlimmer ist – die korrekte Vorhersage haben und nicht handeln, und das ist absolut schrecklich.

John Elam: Ich habe eine Hypothese. Ich nehme an, dass es bei Kodak viele verschiedene Abteilungen gab – vermutlich etwa Linsen, Kameras, Filme, Services etc. – und ich wette, dass die Abteilungen Film und Services wahrscheinlich der größte Teil des Unternehmens waren. Daher haben die Führungskräfte, die dafür verantwortlich waren, einen überproportional großen Einfluss auf die Entscheidungen, die getroffen wurden, und sie trafen Entscheidungen, die ihre Arbeit schützten.

Joannes Vermorel: Genau das war der Grund.

John Elam: Ja, das liegt daran – ja, Politik wird immer eine Rolle spielen, und wenn wir die Leute nicht dazu anreizen, dem Unternehmen zu helfen, werden sie sich selbst helfen. Also, du weißt schon, ein Teil – Anreizstrukturen, über die ich mit meiner Führungsebene und anderen Tech-Führungskräften spreche, ist: Du bekommst, was du anreizst. Menschen funktionieren wie Geldautomaten. Ich bin auch so. Man bekommt, wofür man bezahlt. Vertriebsmitarbeiter – ich liebe sie, sie sind die reinsten, oder? Das sieht man direkt. Aber ehrlich gesagt, das gilt für alle. Und wenn du Menschen darauf anreizst, dein Reich und dein Königreich zu schützen, dann wirst du dein Königreich absolut schützen. Also müssen wir aufpassen, was wir anreizten – sonst triffst du einige richtig schlechte, schlechte Entscheidungen.

Conor Doherty: Adam, John, falls es noch etwas gibt, worauf ihr zurückkommen oder was ihr vertiefen möchtet, lasst es mich wissen – wir können gerne nochmal darauf eingehen, oder seid ihr okay?

John Elam: Nun, ich versuche gerade, den Einstieg zu finden, weil es mit Sprache und der Kommunikation mit Leuten zusammenhing. Und es gibt etwas, das wir in unser Buch aufgenommen haben, und es ist ein Bild, das ihr hier nicht sehen könnt, aber ich werde versuchen – ich besorge euch ein Bild davon, damit ihr – wie auch immer ihr es nachschlagen möchtet. Und das ist, dieses Konzept aus unserem Buch, das wir das “word wheel” nennen. Wir haben es vom emotion wheel übernommen. Zoome ein wenig hinein, und ich weiß, dass ihr die Wörter nicht lesen könnt, aber das Konzept ist ziemlich einfach.

Am äußeren Rand befindet sich das technischste, spezifischste Wort, das du suchst, und je weiter du in den Kreis gehst, desto allgemeiner werden sie. Und das Konzept ist wirklich simpel: Deine Kollegen – viele von denen in diesem Call – würden diese Wörter hier am Rand nutzen, und ehrlich gesagt, ich liege persönlich vielleicht sogar etwas mehr in der Mitte, wenn wir ehrlich sind. Ich weiß, das wäre ich, also, ja, es ist so, ich – weißt du, kenne ich das – was wäre hier ein gutes Beispiel, wie die greedy best-first search?

Ich weiß nicht, ich habe nie Pfadfindungsalgorithmen studiert, aber wenn du mir sagst, es sei ein Pfadfindungsalgorithmus, könnte ich zumindest – sozusagen – mir vorstellen, in welchen Eimer ich dieses Gespräch einordnen muss. Und für einen Manager, beziehungsweise – die Manager und Kunden, die wir ganz in die Mitte stellen – ist es das grundlegendste: Es ist einfach ein Algorithmus, oder? Wir nutzen einfach einen Algorithmus. Sie sagen nicht einmal “Pfadfindung”, weil sie dann sagen würden: “Pfadfindung? Was ist ein Pfadfindungsalgo?” – sie wissen es nicht, sie reden nicht über solche Dinge.

Und deshalb hilft es, die richtige Sprache zu wählen, um mit dem richtigen Publikum in Kontakt zu treten – denjenigen, die Details wollen, gib ihnen entsprechende Details. Diejenigen, denen es egal ist – es ist ihnen wirklich egal, bitte überschütte sie nicht damit, sie kümmern es nicht. Es ist buchstäblich Lärm, und Lärm ist schlecht – Lärm lenkt immer von der eigentlichen Botschaft ab.

Conor Doherty: Nun, ich bin etwas verwirrt, denn wenn man keine großen Wörter benutzt, woher sollen die Leute wissen, dass man schlau ist? Zeigst du ihnen deinen Abschluss, oder wie funktioniert das? Ich mache mir nur Notizen, John.

John Elam: Es ist wirklich schwierig, große Wörter zu benutzen und dabei groß zu wirken, oder? Der Punkt ist Demut, oder? Und ich denke, eines der wesentlichen Dinge ist, dass jeder da draußen viel mehr weiß als ich – ich versuche einfach, es so zu sehen, dass es noch so viel mehr gibt, was ich lernen kann, als dass ich lehren könnte.

Versuchen zu lehren – du weißt, Lehren bedeutet, eine Verbindung herzustellen, und Lehren heißt nicht einfach, Wörter oder Konzepte auszusprechen. Lehren bedeutet, meine Idee in deinen Kopf zu bringen, und wenn ich manchmal sogar das falsche Wort benutzen muss – technisch gesehen ist es vielleicht nicht das richtige Wort oder technisch gesehen ist es nicht ganz das Richtige (es ist keine perfekte Analogie), aber du bekommst ein besseres Verständnis, ja, kommen wir dazu, kommen wir dazu. Der Punkt ist einfach, ein besseres Verständnis davon zu erlangen, was ich tun kann und was nicht, und so ist oft – je nach Publikum – eine einfache Erklärung, die nicht perfekt ist, besser als eine perfekt detaillierte, hoch nuancierte Antwort.

Joannes Vermorel: Eine etwas konträre Sichtweise, ja, ein wenig. Aber offensichtlich stimme ich der Idee zu, dass wenn du eine Antwort gibst, die völlig am Publikum vorbeigeht, das einfach keine gute Antwort ist. Aber eine leicht konträre Antwort ist, dass ich in diesem Zeitalter der LLMs häufig sprachlos war und mir klar wurde, dass wahrscheinlich eines der wichtigsten Dinge ist, die man lernen sollte: einen sehr großen Wortschatz zu haben, nur um dem LLM die richtigen – die Fragen, die du suchst – stellen zu können. Und das ist – sehr oft geht es darum, es in Worte zu fassen – was frage ich eigentlich? Und manchmal gibt es sehr spezifische Wörter, die mir einfach entgehen, offensichtlich.

Und das ist sehr interessant, denn siehe, hier liegt der leicht konträre Punkt: Das Einbringen von Fachwörtern in diesem Zeitalter der LLMs kann das Beste sein, was du für dein Publikum tun kannst. Sag, du hast all diese Wörter – ja, ich werde keine Stunde damit verbringen, dir alles zu erklären – du kannst diese Arbeit auch selbst mit einem LLM erledigen, Fragen stellen. Aber ich gebe dir die Liste der Wörter, die dir etwas zum Verfolgen und Nachfragen beim LLM liefern, und dann kann das LLM – es mag nicht immer weise sein, aber es ist extrem und umfassend kenntnisreich, besonders in Bezug auf Trivia, wenn es um Konzepte geht, und – zum Beispiel, “nemawashi” – sehr interessant. Gib mir das Schlüsselwort, und ich bin ziemlich sicher, dass ChatGPT mir die dreiseitige Zusammenfassung liefern kann. Wenn ich die zehnseitige Zusammenfassung haben möchte, kann es das bestimmt auch. Wenn du nur die absatzweise Zusammenfassung willst, ebenso.

Deshalb denke ich wirklich, dass es hier leicht anders ist, dass dieser Ansatz zum Wortschatz – früher hätte ich gesagt, dass das Auswerfen von massenhaft Konzepten an Studierende wahrscheinlich Zeitverschwendung war, aber in diesem Zeitalter der LLM – ah, das ist ziemlich interessant, und vielleicht ist das Eine, was sie mitnehmen sollten, eine Seite mit hundert Wörtern und Verweisen.

Adam Dejans Jr.: Nein, ich wollte gerade sagen, dass es sehr publikumabhängig ist. Selbst wenn man einem Manager diese Wörter gibt, ist es ihm eigentlich egal, und er wird sie sowieso nicht nachschlagen. Wenn du also deinen Punkt nicht innerhalb von drei Minuten rüberbringst, wird er nicht danach suchen, und selbst wenn er ein LLM hat, wird er es nicht nutzen. Es geht darum, sein Publikum zu verstehen und darauf einzugehen. Also, es hängt davon ab, was wir hier meinen.

John Elam: Wie ein leitender Analyst, der nicht weiß, was stochastische Optimierung ist – und, weißt du, fast jeder Analyst, mit dem ich Kontakt hatte, ist ein überaus neugieriger Mensch, quasi ein lebenslanger Schüler. Solche Personen lasse ich dann auch ein paar große Wörter fallen und ermutige sie, es nachzuschlagen. Also ja, ich denke, ich stimme euch beiden zu. Die LLMs führen dazu, dass ich so viele Dinge gelernt habe, die ich nie nachschlagen würde, weil ich sie jetzt auf meinem Niveau verdauen kann. Und vor allem, jetzt haben sie Geschichte, sie kennen die Art von Dingen, die ich weiß, sodass es so sein kann: “Weißt du noch, wie du an diesem anderen Projekt gearbeitet hast? Es ist irgendwie so ähnlich,” oder? Das LLM kann solche Fragen beantworten, und das hilft wirklich.

Aber zu Adams Punkt: Viele der Manager, mit denen ich zumindest in Kontakt war, haben nicht diese natürliche, angeborene Neugier, um – ehrlich gesagt – bei einem Konzept doppelt zu klicken. Also muss es verständlich rüberkommen.

Adam Dejans Jr.: Sogar das mittlere Management – ja, selbst viele Führungskräfte im mittleren Management interessiert das nicht.

Conor Doherty: Mir gefällt sehr, wie du es darstellst – nun, das hat es schon jeder beschrieben, aber als jemand, der Rhetorik lehrt und auch technisches Schreiben unterrichtet hat, wende ich prinzipiell auf alle Formen der Kommunikation denselben Ansatz an (und ihr werdet es an der Art, wie ich euch Nachrichten schicke, bemerken): Es geht um Publikum und Zweck – an wen wende ich mich, was wissen sie bereits, was müssen sie wissen, welche Vorkenntnisse haben sie. Zweck – was genau möchte ich vermitteln, will ich etwas von ihnen erhalten? Und diese beiden – man bedenke, jede E-Mail, jeder Text, jede Zusammenfassung, jede PowerPoint, jede Rede, jedes Video – es ist Publikum und Zweck. Wer schaut zu, was willst du ihnen vermitteln oder von ihnen erhalten, warum machst du das? Und das zu verstehen – nochmal zu Adams Punkt – sein Publikum zu verstehen, heißt auch, die Einschränkungen zu kennen: Hat das Publikum das nötige Vorwissen, um zu verstehen, was passiert? Haben sie die Zeit, haben sie die Neigung? Das sind alles variable Prioritäten, alles unterschiedliche Dinge. Sind sie müde, sind sie aufgrund der Tatsache, dass es 18:00 Uhr ist, im Gehirn glycogenarm?

Wirklich – weil es 18:00 Uhr ist, wegen des Zeitunterschieds. Du hast deinen Tag begonnen, bist frisch, hattest gerade einen Kaffee – und dann sind sie erschöpft. Nochmals, das wäre der Kontext. Also wieder: Publikum, Zweck und dann Kontext – wo findet die Unterhaltung statt? Aber wie dem auch sei, um zu meiner letzten Frage überzuleiten: Wenn Leute mehr über Rhetorik lernen wollen, empfehle ich Aristoteles. Aber wenn Leute mehr über probabilistische Vorhersagen oder supply chain lernen wollen, gab es eine Frage in einer Umfrage, die ich für dieses Interview durchgeführt habe, und sie war ganz einfach: „Für die Leute – Connor, bitte frage das Publikum oder das Panel nach einigen Empfehlungen, sei es zu supply chain Optimierung, probabilistischen Vorhersagen oder einfach nur Ratschlägen.“ Also, letzte Frage, in umgekehrter Reihenfolge: Joannes, hast du Buchempfehlungen oder Ratschläge, die du für Leute, die mehr lernen möchten, teilen würdest?

Joannes Vermorel: Ich meine, die Vortragsreihe, die ich auf YouTube produziert habe – wenn du Stunden hast, um fair zu sein, ich hoffe, sie sind einigermaßen gut, aber es ist eine 100-Stunden-Reise, also braucht man die Zeit, und es ist ein gewisses Commitment, könnte man sagen.

Conor Doherty: Aber es gibt auch LLMs, die die Transkripte zusammenfassen können. Ja, das vollständige Transkript ist auch auf der Website – wenn du ein LLM hast, kannst du das in eine einseitige Zusammenfassung kondensieren. Ja, alles klar. John.

Adam Dejans Jr.: Warum machst du das nicht für uns und machst das Ganze für uns leichter verdaulich?

John Elam: Ein Buch, das ich empfehlen würde – und es kommt natürlich von mir, dem Produkt-Typ – ist „The Lean Startup“ von Eric Ries. Es ist keineswegs ein technisches Buch – tatsächlich ist es wahrscheinlich keine Empfehlung, die dieses Publikum häufig hört – aber es dreht sich ganz um das Produkt und um Problemlösung. Und ja, Eric Ries hat dieses wirklich gute Buch geschrieben; er liefert einige ausgezeichnete Beispiele, wie man – wie man seine Idee im Allgemeinen testet.

Und er spricht darüber, wie verschiedene Regierungsbehörden es geschafft haben, schlanker zu werden und tatsächlich mehr Wert für die Bürger zu schaffen. Er hat zahlreiche Beispiele von Startups, die ganz ohne Technologie gestartet sind – null Technik. „Ist das überhaupt ein echtes Problem und werden die Leute dafür bezahlen?“ Und sie haben buchstäblich alles manuell gemacht, Dinge per E-Mail abgewickelt, nur um zu testen: Lohnt es sich überhaupt, dieses Problem zu lösen? Denn manchmal geben wir sehr viel Geld aus, um ein Problem zu lösen, das zwar da ist, aber für das niemand tatsächlich bereit ist, Geld zu zahlen, damit es verschwindet. Das ist also ein Buch, das ich empfehlen würde: „The Lean Startup“ von Eric Ries.

Adam Dejans Jr.: Ja, ich denke, wenn du technische Bücher suchst, gibt es viele. Ich beziehe mich auf ein Buch namens – ich habe es während meiner Beratungszeit gelesen – „Just Listen“ von Mark Goulston. Und dieses Buch handelt mehr davon, wie man Menschen von einer defensiven Haltung zu echter Empathie und Überzeugung bewegt, was ich wichtiger halte als den technischen Teil. Den technischen Aspekt kannst du immer irgendwo finden. Und dann natürlich unser eigenes Buch – du hast den Data-Job, und was nun?

“„Du hast den Data Job, Now What?“—das ist ein Buch, das John und ich verfasst haben. Dieses Buch entstand daraus, dass wir festgestellt haben, dass viele unserer Kollegen, die sehr intelligent sind, oft übersehen werden, einfach weil sie nicht wussten, wie sie ihre Ideen präsentieren sollten oder weil sie nicht die richtigen Beziehungen aufgebaut oder die passende Grundlage geschaffen hatten, bevor sie vorwärtsgingen. John kann das näher erläutern.”

“John Elam: Ja, dieses Buch zusammenzustellen hat riesigen Spaß gemacht, weil es im Grunde der große Höhepunkt all der Probleme war, die ich in meiner Karriere erlebt habe, und vieler der Probleme, die Adam in seiner Karriere erfuhr. Es behandelt also einige der fundamentalen Aspekte, um eine gute Karriere zu haben und Wirkung im Beruf zu erzielen. Und wenn ich von Wirkung im Beruf spreche, meine ich, dass selbst im akademischen Umfeld – wenn du einen wirklich genialen neuen Algorithmus entwickelst und er von all diesen Fachzeitschriften begutachtet wird, aber niemand ihn nutzt – hoffentlich deine Forschung zum Einsatz kommt, sobald du deinen Weg weitergehst, schätze ich, vielleicht, ich weiß es nicht, aber du willst, dass sie von Bedeutung ist.”

“Und so beginnt das ganze Buch mit Kommunikation als erstem Kapitel. Es gibt so viele kleine Aspekte der Kommunikation, die wir abzudecken versucht haben, dass ich als junger Ingenieur dachte: „Ich werde den Leuten einfach zeigen, dass dies der richtige Weg ist – objektiv richtig, warum nicht?“ Und ich habe gelernt, dass dem eigentlich nicht so ist – wir sind Menschen, wir sind sehr emotional, wir haben uns zu geselligen Wesen entwickelt, die Geschichten lieben, wir verbinden uns mit Geschichten.”

“Und so wirst du im Buch viele Dinge über das Wortrad finden, das wir gerade besprochen haben, du wirst verschiedene Storytelling-Techniken entdecken, du wirst tatsächlich eines der Dinge finden, über die du gesprochen hast, Conor, nämlich, dass es beim Präsentieren einen ganzen Rahmen von fünf Fragen gibt, die du dir stellen musst: Warum bist du hier, warum ist dein Publikum hier, in welchem Zustand befinden sie sich, was möchtest du wirklich kommunizieren und was ist der Aufruf zum Handeln danach.”

“Und wenn du das nicht machst, dann redest du einfach nur und vermittelst zwar vielleicht deinen Standpunkt, aber wenn du rüberkommst mit: „Das ist, was ich möchte, dass die Leute wissen und das ist, wo sie stehen“, kannst du sie dorthin führen. Es gibt auch andere Aspekte, wie zum Beispiel, wie startest du dein erstes Data-Projekt, wie sieht das überhaupt aus? Für diejenigen, die vielleicht an einem Projekt teilgenommen haben, es aber nie von Anfang bis Ende geleitet haben.”

“Und dann ist noch eine der letzten Dinge, über die ich im Buch sprechen möchte – etwas, das ich für wichtig halte, aber oft übersehen wird –, unser Abschnitt über Leadership – Leadership im Sinne von formeller und informeller Führung. Eines der Hauptdinge, die ich mir gewünscht hätte, früher gelernt zu haben, waren Business Cases. Hätte ich als junger Ingenieur gewusst, wie man einen Business Case erstellt, wären viel mehr Projekte finanziert worden, die den Unternehmen, für die ich gearbeitet habe, geholfen hätten.”

“Und das Wichtigste, was ich möchte, dass die Leute aus den Business Cases mitnehmen, ist, wie absurd einfach sie sind. Ich habe noch nie einen Business Case gesehen, der mehr als 10 Posten enthielt. Es ist immer: „Das machen wir heute, das kostet uns jeden Monat, das möchte ich morgen tun, das sind die Fixkosten, das sind unsere variablen Kosten, das ist die Differenz“, und dann fragen die Leute: „Wo unterschreibe ich?“ Es ist also ganz einfach. Wenn wir sagen „back of the napkin“, kann ich das gar nicht genug betonen – ich glaube nicht, dass ich je eine finanzielle Entscheidung gesehen habe, die nicht eine Entscheidung von der „Serviette“ war.”

“Wir versuchen einfach, mit den Informationen, die wir haben, das Beste zu machen. Also, ja, hoffentlich finden die Leute einen gewissen Wert im Buch – es gibt auch unterhaltsame Geschichten über unsere Erfolge und Pannen, also hoffe ich, dass die Leute etwas daraus mitnehmen.”

“Conor Doherty: Ich schließe damit, zu sagen, dass es bei Amazon erhältlich ist. Richtig – naja, weil ihr zu schüchtern wart, es selbst zu tun, mache ich es für euch. Aber jedenfalls, danke Leute, ich weiß das zu schätzen. Kein Problem. Ich habe keine weiteren Fragen. Adam, John, wirklich, ich weiß, dass ich euch lange aufgehalten habe, also vielen Dank, dass ihr dabei wart – ich weiß das wirklich zu schätzen.”

“John Elam: Es war ein Riesenspaß, danke, dass ihr uns eingeladen habt.”

“Conor Doherty: Danke an alle anderen – ich sage, macht euch wieder an die Arbeit.”