00:00:00 Kapitel zwei: Aufbau des Kapitels und Perspektive des Lesers
00:04:30 Terminologischer Wandel und Verwirrung bei Praktikern
00:08:55 Warum “Planning” in ERP in die Irre führt
00:13:25 ERP-Planungsfallen vermeiden; Excel ist nicht beschämend
00:17:55 Schlagwort-Kritik und Lokads Neologismen
00:22:25 Fehlerhafte Sprache nutzen ohne leere Versprechen
00:26:55 Operations Research wurde zum supply chain, und dann trennten sich die Wege
00:31:25 Vorwissenschaftlicher supply chain und Falsifizierungsstandard
00:35:55 Stochastische Entscheidungen erfordern wiederholte Versuche
00:40:25 Gebrochene Automatisierungsversprechen und verschobene Zielvorgaben
00:44:55 Optimalitätsansprüche scheitern, wenn bessere Methoden auftauchen
00:49:25 Historische Beweise für jahrzehntelange Stagnation
00:53:55 Warum echte Durchbrüche sich verbreiten; supply chain hinkt hinterher
00:58:25 Werden platte Behauptungen Praktiker entfremden?
01:02:55 Kritik an Schlammtheorien: Formlose Behauptungen widerstehen der Widerlegung
01:07:25 Praktische Wissenschaft: Beurteile Methoden nach ihrer Erfolgsbilanz
01:11:10 Graphdatenbanken als warnendes Beispiel für Hype
Zusammenfassung
Conor prüft Joannes’ Kapitel “Geschichte” als praktisches Werkzeug, nicht als Umweg. Joannes behauptet, dass Terminologie ein Schlachtfeld ist: Bedeutungen drifteten, Anbieter nutzen die Verwirrung aus und schlechte Bezeichnungen lenken Budgets fehl – ERP “Planning” ist das Paradebeispiel. Conor stellt Lokads eigenen Jargon (“holimization”) in Frage; Joannes sagt, der Unterschied liegt in Substanz und Transparenz und nicht im modischen Worttausch. Die größere Behauptung: Die Mainstream supply chain theory ist “vorwissenschaftlich”, weil sie Falsifizierungen vermeidet; Jahrzehnte alter “optimaler” Arbeiten werden nicht angewendet, also funktionieren die Theorien nicht. Praktische Regel: Vertraue der Geschichte, nicht dem Hype.
Erweiterte Zusammenfassung
Conor stellt die Episode als einen Stresstest von Joannes Vermorels Buch dar: nicht als freundliches internes Gespräch, sondern als das, was ein durchschnittlicher Praktiker – einer von Millionen – in Frage stellen oder missverstehen würde. Der unmittelbare Konflikt ist strukturell: Kapitel zwei ist “Geschichte” in einem Buch, das als praktisches Handbuch vermarktet wird. Joannes argumentiert, dass die Geschichte gerade deshalb praktisch ist, weil der supply chain mit Begriffen überschwemmt wird, deren Bedeutungen sich über Jahrzehnte verändern, und Anbieter diese Veränderung ausnutzen. Wenn du den Wortschatz nicht kontrollierst, kannst du nicht einmal effektiv suchen, geschweige denn Behauptungen evaluieren.
Das zentrale Beispiel ist “enterprise resource planning”. Moderne ERPs planen größtenteils nicht, dennoch hält der Name an, aufgrund von Markspielen und Branding-Kämpfen aus vergangenen Jahrzehnten. Die Kosten, dem Label Glauben zu schenken, sind nicht rein theoretisch – sie sind finanziell und organisatorisch. Unternehmen versuchen, Planung in Systeme zu zwängen, die als Aufzeichnungssysteme konzipiert sind, verschwenden Jahre und greifen schließlich auf Tabellenkalkulationen zurück. Die Lehre ist nicht, dass “Worte zählen” im poetischen Sinne, sondern dass “Worte in die Irre führen” im operativen Sinne: Die falsche Bezeichnung lenkt Budgets, Aufmerksamkeit und Erwartungen in Sackgassen, während Anbieter und Berater selten Nein sagen.
Conor drängt dann auf einen zweiten Widerspruch: Joannes greift Schlagworte an, aber Lokad prägt Begriffe wie “holimization”. Joannes’ Verteidigung besteht nicht darin, dass Lokad vollständig auf Fachjargon verzichtet, sondern darin, dass es neue Begriffe sparsam einführt und mit Substanz versieht – öffentliche Methoden, Dokumentation und überprüfbare Behauptungen – statt modische Substantive auszutauschen (gestern Blockchain, heute generative AI) durch Marketingtexte ohne operative Veränderung.
Das Argument eskaliert zu Joannes’ These, dass die Mainstream [supply chain theory] vorwissenschaftlich ist. Sein Maßstab ist die Falsifizierung: Behauptungen sollten durch die Realität widerlegt werden können. Er verweist auf Jahrzehnte akademischer “optimaler” Inventarpapiere, die selten in der Praxis Anwendung finden, und betrachtet das Fehlen ihrer Übernahme – trotz weit verbreiteter Unternehmenskenntnis der Forschung – als Beweis dafür, dass die Theorien in der Praxis nicht funktionieren. Conor entgegnet, dass supply chains variabel, verteilt und menschlich sind, was eine chemieähnliche Falsifizierung unrealistisch macht. Joannes räumt ein, dass der Lärm groß ist, besteht jedoch darauf, dass Falsifizierung trotzdem notwendig ist, auch wenn sie wiederholte Versuche und Vergleichstests erfordert.
Der praktische Rat ist unmissverständlich: Nutze die Geschichte als Stellvertreter für Wahrheit. Verfolge, was seit Jahrzehnten versprochen wurde, merke, wenn Versprechen schrumpfen, selbst wenn die Technologie “fortschrittlicher” wird, und lehne langanhaltende Ideen ab, die noch immer nicht geliefert haben (er nennt Graphdatenbanken). Kurzum: Folge den Anreizen, misstraue der Marketingsprache und betrachte stagnierende Ergebnisse als den entscheidendsten Datenpunkt.
Vollständiges Transkript
Conor Doherty: Also Joannes, willkommen zurück in der Black Lodge. Dies ist Episode zwei einer laufenden Serie, in der wir dein neues Buch, Introduction to Supply Chain, nehmen und es Kapitel für Kapitel durchgehen, diskutieren und analysieren, und – was wichtig ist – ich versuche, dich in Punkten potenzieller Verwirrung oder Meinungsverschiedenheiten herauszufordern. Und dazu nehme ich die Perspektive eines der, sagen wir, 10 Millionen Praktiker weltweit ein, die dein Buch in die Hand nehmen könnten. Sie kennen dich nicht. Sie kennen Lokad nicht. Sie haben noch nie von die Quantitative Supply Chain gehört. Sie kennen mich nicht – Gott bewahre – und sie schlagen einfach dein Buch auf und beginnen zu lesen. Conor Doherty: Wie würden sie reagieren, wenn sie hier sitzen könnten? Was würden sie zu dir sagen, wenn sie bestimmte Dinge lesen? So hast du letztlich die Gelegenheit, auf das potenzielle Publikum dieses Buches zu antworten. Conor Doherty: Angesichts dessen – und dies ist die zweite Episode – haben wir in der ersten Episode Kapitel eins behandelt. Falls ihr diese nicht gesehen habt, ermutige ich das Publikum, das nachzuholen, denn dies ist ein sich entwickelndes Gespräch. Wir werden vermutlich in der Serie Rückbezüge zu früheren Kapiteln machen. Um den Kontext zu verstehen, lest entweder das Buch – oder lest das Buch und schaut die Episoden in der Reihenfolge. Conor Doherty: Aber kommen wir zur Sache. Heute ist Kapitel zwei. Kapitel zwei, das du “Geschichte” nennst. Ein entscheidendes Detail: Dies ist kein Vorwort. Das ist kein Prolog. Im Buch gibt es tatsächlich keines von beidem, nicht einmal ein Index. Also ist dies Kapitel zwei, genannt “Geschichte”, in einem Buch, von dem du behauptest, auf der Rückseite stehe, es sei ein Handbuch, um die Servicequalität und Marge unter realen Bedingungen zu verbessern. Es gibt weitere Behauptungen, aber das ist die hauptsächliche. Conor Doherty: Meine Frage ist also: Kapitel zwei ist “Geschichte”, in dem du 200 Jahre zurückgehst und die Ursprünge des supply chain darstellst. Du zitierst französische Mathematiker aus dem 18. Jahrhundert. Du sprichst über Operations Research. Du sprichst über Anbieter und ihre Besessenheit, Begriffe zu erfinden. Meine Frage ist also: Trägt diese Geschichte praktisch zu einem Handbuch für Praktiker bei?
Joannes Vermorel: Das tut sie, denn die Landschaft ist voller Wörter – Schlüsselwörter –, die nicht unbedingt dasselbe bedeuten und die je nach Jahrzehnt, in dem man hinschaut, sicherlich nicht dasselbe bedeuteten.
Joannes Vermorel: Und so besteht eine der Herausforderungen für Praktiker darin, all diese Begriffe zu verstehen. Worüber sprechen wir also? Über Dinge wie Logistik, oder supply chain, oder Operations Research und so weiter.
Joannes Vermorel: Die Realität ist, dass Anbieter diese Begriffe immer noch verwenden. Unternehmen nutzen diese Begriffe weiterhin. Und man findet tonnenweise Online-Dokumente, die diese Begriffe ebenfalls verwenden, aber manchmal mit unterschiedlichen Bedeutungen.
Joannes Vermorel: Als ich versuchte, die Landschaft etwas zu klären, kam ich zu der Erkenntnis, dass es – ich würde sagen, ein leichter Ansatz, denn dieses Kapitel ist relativ kurz – durch einen leichten historischen Blick wahrscheinlich am einfachsten ist, zu verstehen, wo wir hinsichtlich der Terminologie gerade stehen, und zu klären, was die Leute mit diesen Begriffen meinen oder früher meinten.
Joannes Vermorel: Und nochmals, für einen Praktiker ist das von Bedeutung, denn er muss die Landschaft verstehen. supply chain ist nicht etwas, das – ich würde sagen – in strenger Isolation wie die Geometrie betrieben wird. Man muss mit Werkzeugen, Systemen, Anbietern, Partnern und Ähnlichem interagieren, und daher ist es wichtig, das zu verstehen.
Joannes Vermorel: Zudem – und das ist der abschließende Gedanke – ist es auch eine interessante Übung, weil das der erste Schritt auf dem Weg zu einer adversarial Denkweise in Bezug auf supply chain ist.
Conor Doherty: Wir kommen zurück zu adversarial – nun, du könntest das mit dieser Frage beantworten. Wenn du also über die Begriffe sprichst, kannst du Beispiele geben, warum sie so wichtig sind? Genau. Aus der Perspektive des Praktikers sagst du, dass Anbieter die Sprache missbrauchen. Du gibst im Buch Beispiele – ich überlasse es dir, sie selbst anzuführen – aber welche Beispiele kannst du nennen? Und vor allem, warum sind sie so problematisch, dass du im Handbuch für Praktiker dem Lernen darüber Zeit widmen musst?
Joannes Vermorel: Also, wenn man die Begriffe seiner eigenen Domäne nicht kennt, ist man blind. Man hat keine Ahnung, wonach man suchen soll. Man kann nicht einmal Google nutzen, und selbst ChatGPT wird etwas ratlos sein, wenn man die falschen Fragen stellt, nur weil man nicht über die richtigen Worte verfügt.
Joannes Vermorel: Es hat einige Jahre gedauert, als ich mit Lokad anfing, bis mir klar wurde, wie viel mir fehlte, nur weil mir die Worte fehlten. Ich hatte zum Beispiel nicht realisiert, dass einige Wörter vor drei Jahrzehnten etwas völlig anderes bedeuteten.
Joannes Vermorel: Man liest ein Dokument und es sorgt nur für Verwirrung, weil: Was passiert hier? Sie sprechen über Logistik, aber auf eine Weise, die im Vergleich zu dem, was ich online gesehen habe, einfach keinen Sinn ergibt. Was geht vor? Und die Realität ist: Die Terminologie hat sich über die Jahrzehnte verändert.
Joannes Vermorel: Für einen Praktiker ist das also sehr wichtig. Ich denke, die Beherrschung des Vokabulars ist wahrscheinlich der erste Schritt, um wirklich gut zu werden. Man muss die Begriffe verstehen, sonst kann man nicht einmal die Materialien, die man online findet, sinnvoll einordnen. Man wird nicht einmal effizient mit Google suchen können und auch nicht relevante Fragen stellen können.
Joannes Vermorel: Also siehst du, diese Begriffe sind immens wichtig. Und wir müssen uns damit auseinandersetzen, denn aufgrund der Anreize wurden viele dieser Begriffe nicht aus reiner wissenschaftlicher Reinheit eingeführt, sondern mit einer Agenda.
Conor Doherty: Nochmals, kannst du mir ein Beispiel für einen Begriff nennen? Denn was meinst du – wie zum Beispiel Forecasting? Ich nehme an, du meinst nicht Forecasting.
Joannes Vermorel: Nein. Ich denke, zum Beispiel der Begriff “Planning”. Wenn man an Planung und “enterprise resource planning” denkt, wird es wirklich verwirrend.
Joannes Vermorel: Weil, wenn man heutzutage an die überwiegende Mehrheit der ERPs denkt – und deshalb sagen die Leute auch nicht mehr “enterprise resource planning” –, da diese Software nicht für Planung gedacht ist. Sie verwenden “ERP” als Substantiv, gerade weil es keine Planung mehr gibt und es einfach keinen Sinn mehr macht.
Joannes Vermorel: Um es ein wenig zu verstehen: also, wir haben diese piece of software die sehr wichtig ist. Sie heißt “Planning”, macht aber keine Planung. Warum habe ich das? Die Antwort liegt im Wesentlichen in den Spielen, die in den 90ern von Marktanalysten gespielt wurden.
Joannes Vermorel: Weil, wenn man heutzutage an die überwiegende Mehrheit der ERPs denkt – und deshalb sagt man nicht mehr “enterprise resource planning” –, da diese Software nicht für Planung gedacht ist. Sie verwenden “ERP” als Substantiv, gerade weil es keine Planung mehr gibt und es einfach keinen wirklichen Sinn macht.
Joannes Vermorel: Um es ein wenig zu verstehen: also, wir haben diese piece of software die sehr wichtig ist. Sie heißt “Planning”, macht aber keine Planung. Warum habe ich das? Die Antwort liegt im Wesentlichen in den Spielen, die in den 90ern von Marktanalysten gespielt wurden.
Und damals, um es ein wenig zu verstehen, hätten diese Dinge “enterprise resource management” genannt werden sollen. Aber aufgrund der Spiele, die von Marktanalysten und Softwareanbietern gespielt wurden, versuchten sie, einen Vorstoß zu machen, bevor sie sich im Bereich Planning zurückzogen. Und so sitzen wir mit dieser Terminologie von “ERP” fest.
Aber dies ist die Art von Sache, die es wichtig zu verstehen gilt, denn das würde bedeuten, dass in deinem ERP, trotz seines technischen Namens, keine Planung stattfindet – so wie es in “business intelligence” keine Intelligenz gibt.
Also, anfangs, wenn man in dieses Gebiet hineinkommt, sind die Terminologien so schlecht. Und um das zu verstehen, ist es einfach, sich die historische Anekdote anzusehen, die uns dorthin geführt hat. Es ist leichter zu verstehen und leichter zu merken.
Conor Doherty: Oh, ich bin nicht anderer Meinung – ich glaube nicht, dass jemand der Darstellung widersprechen würde. Nehmen wir einfach an, dass alles korrekt ist und dass die Darstellung der Geschichte stimmt. Ich denke nicht, dass jemand über die Semantik des Punktes streiten würde.
Conor Doherty: Was mich jedoch interessiert, ist die Auswirkung dieses Punktes. Also, wenn ich zu dir sage: “Ja, ja, ich stimme zu. In ERP gibt es keine Planung.” Okay. Was ändert das für mich als Praktiker am ersten Tag? Tag Null: Ich lese das Buch. Tag Eins: Ich weiß jetzt, dass diese Begriffe missbraucht werden. Was ändert sich?
Joannes Vermorel: Ich werde nicht versuchen, tatsächlich Planung innerhalb des ERP zu betreiben. Siehst du, das hat immense Konsequenzen, denn einige Unternehmen versuchen, die Planung durchzuführen – die arme Software wurde nie dafür entworfen, solche Dinge zu leisten. Es handelt sich um eine relationale Datenbank. Sie steht völlig im Widerspruch – sie ist ein Aufzeichnungssystem – und ist völlig unvereinbar mit dieser Aufgabe, was extrem schlecht verläuft.
Joannes Vermorel: Und sie verschwenden buchstäblich ein halbes Jahrzehnt mit solchen Dingen. Ich meine, man könnte zu Lidl gehen, und sie haben buchstäblich eine halbe Milliarde verloren, durch eine siebenjährige Reise mit SAP, indem sie im Wesentlichen versucht haben, das zu tun, wofür ein Aufzeichnungssystem nie konzipiert wurde – nämlich irgendeine Art von fortgeschrittener Analytik. Es lief extrem schlecht.
Joannes Vermorel: Auf der Reise bei Lokad ist mir aufgefallen, dass ich so viele Unternehmen gesehen habe, die mit demselben Problem konfrontiert waren. Nochmals, das beginnt alles mit dem Vokabular. Wenn du in die Irre geführt wirst und denkst, dass dein ERP für Planung zuständig ist, dann wirst du genau dort suchen.
Joannes Vermorel: Und siehe da, du wirst einen Anbieter finden, der so tut, als könnte er es, denn Anbieter von Unternehmenssoftware – genau wie Berater – sagen niemals Nein. “Kann deine Software irgendetwas leisten?” und die Antwort lautet immer Ja. Und wenn wir es nicht können, werden wir einfach ein Modul oder eine kleine Anpassung dafür implementieren.
Joannes Vermorel: Also, die richtige Terminologie zu haben, ist wiederum der Ausgangspunkt, um deine Aufmerksamkeit zu richten und deine Bemühungen auf Bereiche zu konzentrieren, die Sinn machen. Das hat enorme Konsequenzen.
Joannes Vermorel: Und nochmals, für Praktiker oder für diejenigen, die die Software kaufen: Wenn ich als CFO ein Budget für ein ERP genehmige und du sagst, “Es sind eine halbe Milliarde Euro für ein Aufzeichnungssystem”, dann ergibt das für niemanden Sinn, denn diese Software ist wieder hypergranular. Man hat tausende von Funktionen, und um das zu verstehen, benötigt man ein übergeordnetes Verständnis.
Also, auch wenn du die Software nicht änderst, weißt du wenigstens, dass wenn alles, was dein Unternehmen hat, ein ERP ist, es halt so ist. Deine Planung wird in Excel erfolgen. Schäme dich nicht dafür. So ist es nun mal und es ist in Ordnung.
Man sollte nicht Jahre damit verbringen, zu versuchen, das in deiner SQL-Datenbank umzusetzen. Es wird nicht reibungslos funktionieren. Es wird äußerst schmerzhaft und mühsam sein, und letztendlich wird es durch eine Tabelle ersetzt werden.
Das ist also auch eine der Sachen, die sehr wichtig zu verstehen sind. Und nochmals: Die Anreize sind extrem stark, was bedeutet, dass du mit einer Menge von Leuten konfrontiert wirst, die dir ständig Lügen erzählen.
Und nochmals, ich denke, die größten Lügen entstehen typischerweise durch die Sprache selbst, weil es das ist, was man will. Und viele Anbieter waren so erfolgreich – Softwareanbieter sind so erfolgreich – indem sie die Realität buchstäblich durch Terminologie verzerren. Man versucht einfach, die Sprache, die englische Sprache, so zu formen, dass sie dich irgendwie auf ein Podest stellt. Und es funktioniert – bis zu einem gewissen Grad. Ich meine, bis zu einem gewissen Grad, aber es funktioniert.
Und genau das ist eine der Sachen, die angegangen werden müssen. Andernfalls verlierst du als Praktiker eine enorme Menge an Zeit und Mühe, indem du im Grunde in Sackgassen abdriftest.
Conor Doherty: Nun, wenn man von Anreizen spricht und von der Fähigkeit, sie auseinanderzunehmen und zu diagnostizieren und im Wesentlichen den BS zu wittern. Also, weißt du, ERP: Es ist nicht wirklich Planung. Es sollte Management sein. Und es ist ein system of records. Es ist kein System der Entscheidungsfindung oder der Intelligenz.
Du bist dazu gekommen, weil du viel Erfahrung hast und über umfangreiches disziplinübergreifendes Wissen verfügst. Nun, im Kapitel eins – und genau deshalb ist es wichtig, diese in der richtigen Reihenfolge zu betrachten – behauptest du im Kapitel eins, dass es einen Mangel an formaler Ausbildung im Bereich supply chain gibt.
Also, meine Frage lautet: Wie genau nimmt der Leser – nochmals, der durchschnittliche Praktiker, einer von 10 Millionen, wie wir es als Größenordnung vereinbart haben – die Informationen in diesen Kapiteln auf und wendet sie in der realen Welt an? Ich meine, er hat nicht dein Wissen in Informatik, Wirtschaft, Mathematik oder was auch immer.
Joannes Vermorel: Genau dafür ist dieses Buch da: um das minimale kulturelle Fundament bereitzustellen, damit du nicht völlig verloren bist und auch ein wenig verstehst, welche Art von Kämpfen in diesem Feld stattfinden, und damit du sie richtig einordnen kannst.
Zum Beispiel, wenn wir uns dieses ERP anschauen: Siehst du, wenn du dir das meiste ansiehst, was online zwischen ERP und APS – advanced planning systems – zu finden ist, wirst du feststellen, dass die meisten Beteiligten, als Anbieter in diesen Kämpfen, es so rahmen, als wäre es „Generalist versus Spezialist“, als ob ERP eine Generalisten-Lösung und APS, advanced planning systems, eine Spezialisten-Lösung wäre.
Und hier – nochmals – wird in diesem Kapitel genau darauf hingewiesen: Das ist einfach eine völlig falsche Art, das auszudrücken. Denn dann entsteht der Eindruck, dass system of records tatsächlich ein gültiger Kandidat für die Planung sind. Das waren sie nie und werden es auch nie sein.
Siehst du, deshalb müssen wir diese Art von Terminologie nochmals überdenken, denn sie ist so schlecht, dass sie äußerst verwirrend ist. Sie muss durch etwas ersetzt werden, das konsistenter ist und mehr Sinn ergibt.
Und für Planer, nochmals, als Aufruf zum Handeln: Wenn du dein Gebiet nicht zumindest einigermaßen klar durchdenken kannst, wird das extrem, extrem verwirrend.
Conor Doherty: In Ordnung. In diesem Sinne machen wir weiter, denn nochmals: Ein zentraler Teil des Kapitels ist, dass du – vielleicht zu Recht – Anbieter für ihren Sprachgebrauch angreifst.
Und ich muss hier ein wenig Kontext geben, denn ich möchte im Zusammenhang zitieren. Also verwendest du den Begriff – du sagst, dass supply chain zwischen euklidischer Präzision – also einer sehr, sehr präzisen Sprache – und dem wandelbaren Jargon der KI liegt. Und du sagst, Bezeichnungen ändern sich alle zehn Jahre. Das hast du etabliert.
Du weist darauf hin, dass Anbieter Buzzwords nutzen, um, zitiert, „Organigramme und Marketingpräsentationen zu schmeicheln.“ Du schreibst, und das ist wichtig: „Ein inzwischen klassischer Schachzug ist es, alle paar Jahre neue Begriffe zu prägen – oder zumindest zu übernehmen – um das Angebot und die Marke aufzufrischen.“
Du hast auch geschrieben, zitiert: „Supply chain Terminology remains in flux and vendors are more active than ever. Some consultancies advocate agile, dynamic, and holistic supply chain.“
Stimmst du dem in allen Punkten zu?
Joannes Vermorel: Das ist fair. Ja. Genau. Das steht wortwörtlich im Buch.
Conor Doherty: Genau. Und außerdem neigst du dazu, obskure Neologismen und akademische Begriffe nicht nur im Buch, sondern auch in deinen gesamten Marketing-Pitches einzustreuen.
Zum Beispiel hast du letzte Woche einen Blog über holimization gepostet, das ein Kofferwort aus holistic und optimization ist. Holistic, wie ich es dir gerade zitiert habe, ist ein explizites Beispiel für Buzzwords, die Anbieter – von denen wir auch einer sind – verwenden. Einerseits kritisieren wir Anbieter dafür, dass sie bestimmte Sprache benutzen und die Leute mit undurchsichtiger Sprache verwirren.
Aber wie antwortest du auf die Behauptung, die jemand aufstellen könnte, der mit deiner Arbeit vertraut ist, dass es irgendwie so aussieht, als würden wir das auch tun?
Joannes Vermorel: Ja, aber besser. Okay.
Nein, die Realität ist, dass der Großteil der Aneignung von Sprache durch Anbieter von Unternehmenssoftware einfach unglaublich oberflächlich ist. Und soweit ich weiß, ist Lokad einer der allerwenigsten Anbieter, der überhaupt versucht, in Sachen Terminologie präzise zu sein – was er in Bezug auf Planung, Forecasting, Optimization oder die Grenzen der Optimization meint.
Und was Lokad zum Beispiel mit holimization macht – dieses Maß an Aufmerksamkeit – ist meiner Meinung nach eines der Schlüsselelemente der Lokad-Initiative.
Meine Kollegen – nochmals, ich könnte hier voreingenommen sein – aber meine Wahrnehmung ist, dass meine Kollegen bei ihrem Vokabular bei weitem nicht so präzise sind wie Lokad. Sie versuchen es nicht einmal, und es ist ihnen wahrscheinlich auch völlig egal.
Conor Doherty: Aber sie würden dir dasselbe über ihre Literatur erzählen. Siehst du, „Wir definieren unser Zeug sehr klar. Schau auf unsere Website.“ Du sagst, „Schau in mein Buch.“ Das sind Autoritätsargumente.
Joannes Vermorel: Nein, nein, nein. Ich meine, wie du siehst, kommen die meisten nicht mal an das heran, was Lokad etwas tut, das für supply chain ziemlich einzigartig ist – nicht einzigartig im allgemeinen menschlichen Wissen – sondern darin, tatsächlich zu investieren, um eine Menge öffentliche Dokumentation zur Untermauerung dieser Behauptungen bereitzustellen.
Denn, siehst du, der typische Zug meiner Kollegen ist zu sagen: Es gibt ein Buzzword, „blockchain.“ Du produzierst, würde ich sagen, 50 Seiten, auf denen das Wort „blockchain“ steht. Und dann gibt es ein neues Buzzword, „generative AI,“ und du kannst einfach eine Suchen-und-Ersetzen-Aktion durchführen: Ersetze „blockchain“ durch „generative AI,“ und die gerade veröffentlichten Seiten funktionieren einfach genauso.
Das ist mein Problem. Und Lokad macht das nicht.
Stell dir also vor, ich gebe dir eine Broschüre – 50 Seiten –, die besagt, dass Lokad so großartig ist, weil es die blockchain übernommen hat. Und jetzt gibt es ein neues Buzzword, „generative AI.“ Ich kann buchstäblich Ctrl+H machen, „Alle suchen/Ersetzen,“ und die blockchain-Schlüsselwörter durch „generative AI“ ersetzen, und dein Dokument funktioniert genau gleich.
Das ist der springende Punkt. Und Lokad macht das nicht. Siehst du, wo wir also einige Terminologien einführen, würde ich sagen, dass Lokad dies sehr sparsam tut. Wir führen nicht massenhaft Buzzwords ein. Es sind wahrscheinlich nur ein halbes Dutzend über fast zwei Jahrzehnte Existenz.
Aber es sind sehr folgenschwere Konzepte. Und immer wenn wir welches einführen, versuchen wir, sehr, sehr detailliert zu sein. Zum Beispiel dieses Konzept „holimization“ – es entstand nach mehreren Vorträgen, in denen ich beispielsweise experimentelle Optimization, eine Methodik, beschrieb.
Es kam also mit Unmengen an unterstützendem Material, und ich habe mich einfach entschieden, diesen Oberbegriff zu prägen, um im Wesentlichen ein ganzes Buchkapitel plus einen Vortrag plus eine Menge Tools plus zahlreiche Artikel zusammenzufassen.
Conor Doherty: Siehst du, die Frage – um es klarzustellen, weil ich nicht abschweifen möchte – ich frage dich nicht: „Warum ist holimization besser?“ oder – ich frage das nicht. Das ist orthogonal zur Diskussion.
Lass mich meine Frage etwas präzisieren, um vielleicht zu helfen. Hältst du es für klug, dieselbe Sprache zu verwenden, die du kritisierst, selbst wenn du es brillant machst? Hältst du es für klug, kontaminierte Sprache – marktplatzkontaminierte Sprache – zu verwenden?
Joannes Vermorel: Aber siehst du, irgendwann muss man in der Lage sein, zu verstehen. Ich kann die gesamte Sprache nicht neu erfinden. Also muss ich Dinge verwenden, die fehlerhaft sind.
Denn zum Beispiel, wenn ich den angemessenen Begriff „systems of records“ verwende, ist das Problem, dass die Leute mit meiner Terminologie nicht vertraut sind und deshalb wahrscheinlich nicht verstehen, wovon ich spreche. Und dann würde ich sagen: „Okay, ich spreche von deinem ERP und deinem CRM und deinem WMS.“ Und sie sagen: „Ah, okay.“
Aber siehst du, das ist nicht wirklich buzzwordy. Ein „system of record“ ist sehr klar. Ich kann verstehen, was das bedeutet. Aber „holistic“ – was bedeutet das im Kontext einer supply chain? Es ist buzzwordy-er als das andere.
Und zum Beispiel: „holistic“ – Lokad verwendet dieses Wort sehr selten, und wenn es auf unserer Website auftaucht, stellen wir klar, dass wir „end-to-end“ meinen, dass wir sehr spezifische Dinge meinen.
Siehst du also, der Punkt ist auch – wo ich glaube, dass sich Lokad unterscheidet – dass wir trotz aller Mängel nicht wahllos Buzzwords ohne jegliche Substanz fallen lassen. Wir streuen keine Buzzwords ohne Kontext und Substanz.
Denn siehst du, wieder würden die Leute sagen, sie hätten blockchain, und dann sind sie völlig unspezifisch: Okay, was ist deine genaue Liste von Features? Was sind die Konsequenzen? Was machst du aus technologischer Perspektive? Ist es möglich zu verstehen, was vor sich geht?
Und ich glaube, dass Lokad äußerst gründlich darin ist, öffentlich zugänglich zu machen, was unter der Haube passiert. Im M5-Wettbewerb, als wir weltweit auf der SKU-Ebene die Nummer eins wurden, haben wir den tatsächlichen Algorithmus veröffentlicht.
Es gibt ein Maß an Transparenz, das sehr hoch ist. Und nochmals, ich denke, dass das Hauptproblem bei Softwareanbietern darin liegt, dass es sehr häufig extrem undurchsichtig ist. Und so werden Buzzwords verwendet, aber ohne jeglichen Kontext, ohne jegliche Substanz.
Und du wirst viel haben, was ich als „happy talk“ bezeichnen würde, einen unternehmensinternen Happy Talk, der das umgibt. Und die Terminologie, die wir heute haben, ist leider das, was nach Jahrzehnten von Unternehmenskriegen zwischen vielen, vielen Softwareanbietern und großen Beratungsgruppen übrig geblieben ist.
Conor Doherty: Fair. Und für jemanden – nochmals, den durchschnittlichen Praktiker – der einfach zwei Begriffe, oder zwei Broschüren, vor sich hat. Ich sage: „Diese stammen von Anbietern, ist egal von wem, was deren Namen sind.“ Eine ist „holistic supply chain“ und eine ist „holimization (holistic optimization)“. Für sie könnte es so sein – und sie gehen nicht weiter –, sie müssen einfach entscheiden: Ich habe begrenzte Zeit, welcher davon meine Zeit wert ist?
Wie sollen die Leute wissen, ob die Sprache so kontaminiert ist?
Joannes Vermorel: Nein, das funktioniert nicht so. Es funktioniert nicht – man kann, nochmals, es ist nicht die Wunderpille. Man kann nicht, indem man eine Definition von Joannes übernimmt, denken, dass es so funktioniert.
Es geht darum, wie du die Realität, in der du operierst, verstehst. Es geht darum, wie du das Landschaftsbild in deinem Kopf organisierst. Und du fängst an, und das musst du.
Zum Beispiel gibt es Unmengen von Universitätskursen, die dir etwas über Operations Research beibringen, und sie haben viele gute Aspekte. Sie werden nicht supply chain genannt. Ist es supply chain? Oder ist es nicht supply chain? Genau darum geht es in diesem Kapitel, und das klärt die Beziehung zwischen dem, was Operations Research genannt wird, und supply chain.
Es stellt sich heraus, dass Operations Research, wie es in den 50er, 60er und 70er Jahren praktiziert wurde, supply chain ist. Heutzutage, wenn du nach neueren Materialien suchst, die ebenfalls Operations Research heißen, wird daraus etwas völlig Anderes.
Also, wenn du Operations Research siehst: Ist es supply chain? Nun, es hängt vom Datum des Dokuments ab. Und es variiert ein wenig, weil einige Universitäten an der alten Terminologie festhalten, während andere die neue Terminologie übernommen haben.
Also nochmals, es ist sehr wichtig, das zu verstehen. Andernfalls ist das gesamte Gebiet ein wenig verwirrend, mit Dingen, die völlig unverbunden erscheinen, aber buchstäblich dasselbe sind.
So ist zum Beispiel Operations Research supply chain, aber nur bis etwa in die späten 70er. Danach wurde Operations Research zu einem Zweig der Informatik, der völlig anders ist, nämlich mathematical optimization.
Conor Doherty: In Ordnung. Ich mache weiter, denn es gibt viel zu besprechen. Wir kommen vielleicht darauf zurück.
Ich denke, eine der herausragenden Behauptungen – denn nochmals, ich habe versucht, das mit frischem Blick zu lesen – eine der markanten Aussagen, die du in diesem Kapitel aufstellst, betrifft die Idee, dass die Mainstream-Theorie einfach völlig kaputt ist. Tatsächlich verwendest du den Begriff „pre-scientific“.
Und nochmals, es ist wichtig, ganz im Kontext – und das steht am Ende des Kapitels – dass du sagst: „Eine einfache Aussage ist, dass die Mainstream-Theorie unzureichend ist.“
Nun kommst du zu dieser Erkenntnis auf der Grundlage von allem, was wir gerade besprochen haben, und des bereits behandelten Kapitels eins. Also: „Eine einfache Aussage ist, dass die Mainstream-Theorie unzureichend ist. Die Praxis weicht ab, weil die Theorie fehlerhaft ist und die erwarteten Gewinne ausbleiben. Anders ausgedrückt, trotz der umfangreichen Literatur befindet sich supply chain in einem pre-scientific Stadium, in dem Wissen es nicht vermag, konsistente und vorhersagbare Ergebnisse zu liefern.“
Also möchte ich darauf eingehen, denn ich denke, ein Thema ist oft: Selbst wenn du Recht hast, könnte es eine gewisse Stärke der Sprache geben. Das ist ein Punkt. Der andere Punkt ist die Wahrhaftigkeit dieser Aussage.
Für einen durchschnittlichen Leser mag die Vorstellung, dass supply chain und all ihre Technologien – so fehlerhaft sie auch sein mögen – sowie ihre Ansätze als pre-scientific zu kategorisieren, einige Probleme mit sich bringen.
Worauf vergleichst du das? Und ich werde den Rest der Fragen noch stellen, aber was meinst du, wenn du sagst „pre-scientific“, im Vergleich zu was?
Joannes Vermorel: Jeder Bereich, in dem Falsifikation tatsächlich funktioniert. Falsifikation bedeutet, dass die Realität die Behauptungen widerlegen kann.
Und wenn du einfach nur nach dieser Messlatte suchst – zum Beispiel in der Chemie – und ich dir sage, nimm Chemie. Ja, es ist sehr wissenschaftlich. Wenn du weißt, dass es ein Chemielehrbuch gibt, in dem steht, dass du dieses Produkt und jenes Produkt nehmen musst, und du sie mischst, und sich das Ganze erwärmt: Nun, dann kannst du das Experiment durchführen.
Und es besteht das Risiko der Falsifikation, denn wenn es nicht so herauskommt, wie es im Buch steht, dann ist die Theorie – die chemische Theorie – falsch. Die Realität ist, dass die Chemie mittlerweile so gut etabliert und verifiziert ist, dass, wenn du bei dem Experiment nicht das im Chemielehrbuch beschriebene Ergebnis erhältst, du es höchstwahrscheinlich falsch gemacht hast.
Aber genau deshalb kann man so viel Vertrauen in diese spezielle wissenschaftliche Theorie haben, weil sie der Falsifikation so lange standgehalten hat. Also die Grundlagen – du weißt schon, Säure und Base – du mischst sie und bekommst etwas, eine Lösung, die sich erwärmt: Sie ist so verifiziert, dass es äußerst unwahrscheinlich ist, dass du durch einfaches Ausprobieren etwas Bahnbrechendes in der Chemie entdeckst.
Im Gegensatz dazu, wenn es um supply chain geht, besteht die überwiegende Mehrheit der Literatur diesen Test nicht. Erstens kann der Großteil des Veröffentlichten nicht einmal falsifiziert werden. Wendet man dieses Kriterium an, gehört es von Anfang an gar nicht zur Wissenschaft. Das ist ein großes Problem.
Aber dann, für mich, ist der wahre Weg zu erkennen, dass supply chain keine wissenschaftliche Theorie ist: Du musst die Geschichte betrachten. Du musst dir ansehen, dass wir über eine Million Arbeiten haben. Du musst bedenken, dass diese Dinge buchstäblich seit einem halben Jahrhundert im Umlauf sind und dass seit einem halben Jahrhundert Automatisierung versprochen, aber nicht geliefert wurde.
Und noch einmal: Du musst die gesamte Geschichte betrachten, um zu erkennen, dass das Problem nicht darin liegt, dass wir nicht über leistungsstarke Computer verfügten. Das sind keine stichhaltigen Erklärungen.
Wenn du also diesen historischen Blickwinkel einnimmst, kommst du zu folgendem Schluss: Okay, ich habe 70 Jahre an Veröffentlichungen. Ich habe mindestens 50 Jahre moderne Computerumgebungen – und mit modern meine ich Systeme, die in der Lage sind, Daten weit über das hinaus zu verarbeiten, was ein Mensch leisten kann.
Bereits vor einem halben Jahrhundert konnten wir mit einem Computer über eine Million Zahlen verarbeiten. Diese Kapazität besteht also schon seit einem halben Jahrhundert.
Und seit einem halben Jahrhundert gibt es buchstäblich Hunderttausende – jetzt wahrscheinlich insgesamt mehrere Millionen – Arbeiten, die behaupten, in unterschiedlichem Maße optimale Lösungen zur Bestandskontrolle und zur Durchführung aller Arten von Aufgaben für supply chain zu besitzen.
Diese werden in Unternehmen nicht eingesetzt. Und daher sage ich: Occams Rasiermesser. Der einfachste Weg, das zu erklären, ist, dass diese Theorie nicht funktioniert.
Du könntest den sehr mühsamen Prozess durchlaufen, jede dieser über einer Million Arbeiten zu prüfen und herauszufinden, warum jede einzelne fehlerhaft ist – das würde ewig dauern – oder du kannst einfach diesen historischen Blickwinkel einnehmen und sagen: Es gibt das schon so lange, es wurde von so vielen Leuten ausprobiert und trotz zahlloser Veröffentlichungen gibt es so wenige Ergebnisse.
Die vernünftigste und einfachste Erklärung ist schlicht, dass die Mainstream-Theorie fehlerhaft ist. Das erklärt, warum heutzutage so wenig tatsächlich in der realen Welt funktioniert.
Conor Doherty: Wie so oft können mehrere Dinge gleichzeitig wahr sein. Du hast die Behauptung aufgestellt, dass sie fehlerhaft ist. Ich möchte auf die Idee zurückkommen, dass sie prwissenschaftlich ist, und insbesondere auf den Maßstab der Falsifikation.
Und erneut lasse ich dich dort eine ganze Weile ausführen. Ich hatte erwartet, dass du Chemie erwähnen würdest. Also, um nochmal den Rahmen abzustecken: Kapitel Eins, deine Definition von supply chain – deine Definition – „Beherrschung von Optionalität unter Variabilität beim Management des Flusses physischer Güter.”
Also, zunächst einmal: Wenn wir die geografisch verteilte Natur von supply chain betrachten, die meteorologischen Kräfte, die darauf einwirken, und die Hunderte – vielleicht Tausende – verschiedener Akteure, die alle unterschiedliche Anreizstrukturen haben und mit der ihnen zur Verfügung stehenden Zeit zusammenarbeiten müssen, um einen Stift von dem Ort, wo er hergestellt wurde, in meine Hand zu bekommen…
…dann mag es für manche schwer nachvollziehbar sein, das mit der Robustheit der Chemie zu vergleichen, wenn man bedenkt, dass man hier oder da oder in einem anderen Raum eine Säure und eine Base hinzufügen kann und eine sehr vorhersehbare Reaktion erhält.
Die Vorstellung, dass supply chain nur dann als robuste Wissenschaft gelten kann, wenn sie die Falsifikationsbarriere besteht, könnte einigen – insbesondere denen, die die ersten beiden Kapitel lesen – ganz leicht wie ein buchstäblich unmöglicher Standard erscheinen, wenn man bedenkt, was supply chain ist, wie du es gerade definiert hast: Variabilität.
Wie kann man also eine konstant gestaltwandelnde Entität falsifizieren?
Joannes Vermorel: Es ist sehr schwierig, aber trotzdem: Wenn du etwas hast, das als wissenschaftlich gilt, sollte es nach einem halben Jahrhundert zumindest Ergebnisse vorweisen können. Es sollte den gesamten Bereich transformiert haben.
Wenn man zu den Behauptungen seit den 50er Jahren, also direkt nach dem Zweiten Weltkrieg, zurückgeht, war die Aussage sehr einfach: Wir werden quantitative Methoden entwickeln, die es uns ermöglichen, die Entscheidungen für Unternehmen zu automatisieren. Und das war’s.
Und die Leute waren sehr spezifisch. Das Interessante ist, dass sich die Community auf dem Weg irgendwie verirrt hat. Aber die Operations Research Community der Nachkriegszeit war ganz klar: Wir werden quantitative – also mathematische – Methoden entwickeln, um unsere Abläufe zu optimieren, unsere Ressourcenzuteilung zu steuern und Entscheidungen für uns zu treffen.
Und anfangs war es sogar so, dass: Ob wir Computer haben oder nicht, spielt keine Rolle. Wenn wir ein sehr solides mathematisches Modell haben, werden die Menschen die Berechnungen auch von Hand durchführen, und das war’s.
Und weißt du was? Als sie mathematische Modelle von tatsächlicher Relevanz identifizierten – was im Zweiten Weltkrieg der Fall war – wurden diese tatsächlich von den Menschen genutzt. Die Leute sagten: „Oh, ich habe die allerbesten Methoden, das ist ein mathematisches Instrument. Siehe da, ich werde die Berechnung von Hand vornehmen, weil ich diese Entscheidung treffen muss. Ich habe eine Methode, und diese Methode ist die beste, um meine knappen Ressourcen zu verteilen.”
Die Behauptungen waren also sehr eindeutig.
Conor Doherty: Und dann meine Frage – nämlich: Ist das zu stark?
Joannes Vermorel: Entschuldige, entschuldige. Ja. Ist es zu stark? Ich würde sagen, nein.
Ich verstehe, dass man nicht etwas haben kann, das so leicht falsifizierbar ist wie in der Chemie. Zugegeben, die Probleme sind verteilt, man muss viele Personen einbeziehen usw. Also nähern wir uns eher den weichen Wissenschaften an.
Aber dennoch, wenn wir versuchen, supply chain als Wissenschaft zu etablieren, sollten wir uns bemühen, unsere Behauptungen so maximal falsifizierbar wie möglich zu gestalten.
Conor Doherty: Daran würde niemand etwas auszusetzen haben. Entschuldige, dass ich dich unterbreche, aber das ist eine feine Behauptung – allerdings nicht die, die du im Buch aufstellst.
Joannes Vermorel: Nein, nein, nein. Das ist die, die ich zu machen versuche.
Conor Doherty: Noch einmal, ich muss dich da aufhalten. Wenn ich das, was du gerade gesagt hast, in einem Zitat umformulieren dürfte, hättest du im Grunde Oscar Wilde gespiegelt: „Wir können zwar im Rinnstein liegen, aber wenigstens können wir zu den Sternen aufschaun.“ Also sind wir in die richtige Richtung orientiert. Ja. Aber das ist nicht das, was du im Buch sagst.
Du hast gesagt – und ich kann es dir vorlesen – „Trotz seiner umfangreichen Literatur bleibt supply chain prwissenschaftlich.”
Joannes Vermorel: Ja. Und dann hast du gesagt, Falsifikation sei der einzige Maßstab. Und dann hast du einfach gesagt: „Ja, nun ja, ich meine, supply chain kann wahrscheinlich nicht wirklich falsifiziert werden wie Chemie, Mathematik oder Ingenieurwesen.”
Nein. Nochmals, es geht um den Grad des Vertrauens, den man in seinen Beweis haben kann, und das ist etwas anderes. Und nochmals, nein, das ist es nicht.
Wenn du etwas hast, das nicht falsifizierbar ist, dann ist es völlig prwissenschaftlich. Das ist der Maßstab.
Und dann kann sich die Qualität des Beweises verbessern, während man in seinem Fachgebiet fortschreitet und reift. Für mich äußert sich die wissenschaftliche Reife des Gebiets darin, dass die Menschen immer bessere Wege finden, ihre Behauptungen zu falsifizieren. Es ist ein fortlaufender Prozess.
Es ist nicht wie ein Null oder Eins: Etwas kann falsifiziert werden oder eben nicht. So ist es nicht. Dem stimme ich vollkommen zu. Und was ich sage, ist, dass es sich gerade in einem prwissenschaftlichen Stadium befindet, weil es nicht einmal annähernd eine Rolle spielt.
Siehst du, wir haben Millionen von Arbeiten. Die Vorstellung, dass Dinge tatsächlich getestet werden könnten, um sicherzustellen, dass wir einen Weg haben, die Realität uns mitzuteilen, dass etwas nicht stimmt, liegt gar nicht im Fokus.
Von diesen über einer Million Arbeiten zur „optimalen“ Bestandsoptimierung ist keine auch nur der Gefahr ausgesetzt, falsifiziert zu werden.
Deshalb sage ich, dass es wirklich prwissenschaftlich ist. Und nun müssen wir zu etwas übergehen, bei dem wir immer bessere Methodologien finden, um Behauptungen und Theorien potenziell falsifizierbar zu machen.
Außerdem ist das der Punkt dieser Geschichte: Es geht darum, einzuschätzen, wann wir ein empirisches Kriterium haben, bei dem ich einfach sagen kann: Die Geschichte falsifiziert buchstäblich deine Theorie für dich.
Siehst du, es ist eine empirische Behauptung. Aber im Grunde genommen sage ich, dass, wenn etwas tatsächlich funktioniert – aber nein, das tut es nicht, denn wir müssen wieder auf das Versprechen zurückkommen.
Das Versprechen war seit dem Zweiten Weltkrieg die vollständige Automatisierung. Es besteht schon seit langem. Und das Interessante ist, dass sich prwissenschaftliche Theorien nicht dahin entwickeln, bessere wissenschaftliche Theorien zu werden, sondern sich so verändern, dass sie völlig immun gegen jegliche Kritik werden.
Conor Doherty: Denkst du, das ist im Bereich supply chain möglich?
Joannes Vermorel: Genau das ist passiert.
Wenn wir in die Zeit nach dem Zweiten Weltkrieg zurückgehen, sagten die Leute: „Wir werden einfach mathematische Methoden entwickeln, die uns die exakte mathematische Antwort auf unser Problem liefern. Und diese Methoden werden die allerbesten sein.”
Und selbst wenn das Einzige, was wir haben, ein Mensch ist, der die Berechnungen durchführt, lohnt es sich trotzdem, es von Hand zu machen.
Springen wir in die 70er Jahre: Damals sagten die Enterprise-Softwareanbieter: „Wir werden all deine alltäglichen Bestandsentscheidungen automatisieren.” Damals wurde Bestandsmanagement als Entscheidung betrachtet. Genau das wurde verkauft.
Und wenn man zu SAP zurückgeht, sagten sie in den 70er Jahren: „Wir werden einfach vollständig – wirklich vollständig – robotisieren.” Damit meine ich nicht nur zur Hälfte. Nein, nein, vollständig: diese Entscheidungsprozesse.
Und dann hat es nicht funktioniert. Und so haben die Leute all dies wieder zurückgenommen. Und jetzt sagen wir: „Oh ja, ich meine, wir werden einfach Praktiker haben, die all die Dinge für uns erledigen.”
Siehst du, es gibt also ein enormes Ausmaß an Rückschritten bei dem, was du liefern sollst – was deine Theorie liefern soll –, und das ist absolut gewaltig.
Und für mich ist dies genau der Weg, den prwissenschaftliche Theorien einschlagen: Während sie sich weiterentwickeln, werden sie nicht besser, sondern mutieren so, dass sie immer mehr immun gegen die Realität werden.
Das ist etwas, das Karl Popper bereits im frühen 20. Jahrhundert erkannt hat: Gebiete, die nicht auf einem wissenschaftlichen Weg sind, verbessern sich nicht, um wissenschaftlicher zu werden. Im Gegenteil, sie neigen dazu, ihre Theorien – meistens – so zu gestalten, dass sie völlig immun gegen jegliche Art von Widerspruch sind.
Conor Doherty: Okay, nach diesem Maßstab, lass uns hier konkret werden. Um fair zu sein, weicht das ein wenig vom Thema des Buches ab, denn im zweiten Kapitel gehst du nicht ins so große Detail.
Also, ein gewisses Maß an Spielraum hier. Ich setze dich etwas unter Druck, aber du sprichst von konsistenten – wenn auch vernünftigerweise vorhersehbaren – Ergebnissen. Du hast gesagt, supply chain besteht im Grunde aus Entscheidungen.
Entscheidungen, die du in einem bestimmten Moment triffst, spiegeln eine sehr einzigartige Konstellation von Faktoren, Variablen, Kräften, Anreizen, Preisen, Handlungen, Menschen, Verfügbarkeit, Disposition, Motivation und all diesen Dingen wider.
Wenn ich also heute eine Entscheidung treffe, die all dies widerspiegelt, wie kann ich dann die Entscheidung, die ich gerade getroffen habe, falsifizieren? Denn ich werde sie nicht wiederholen können. Also, wegen dieses stochastischen Aspekts: Wenn du nur eine Entscheidung triffst, kannst du nichts falsifizieren.
Joannes Vermorel: Okay, nehmen wir das so. Wenn du tausende Entscheidungen als ein wiederholtes Spiel triffst, kannst du durchaus im Gesamten – oder im Wesentlichen – etwas falsifizieren.
Die Tatsache, dass es eine gewisse Variabilität gibt, bedeutet, dass du Wiederholungsversuche durchführen musst und der Pegel an Umgebungsgeräuschen hoch ist. Deshalb benötigst du viele Durchläufe, um zu einem verlässlichen Schluss zu kommen.
Aber weil es sich um eine weiche Wissenschaft handelt, ist das nicht alles. Zum Beispiel hättest du genau dasselbe Problem, wenn du seltene Meinungen erheben möchtest.
Zum Beispiel: Wie viele Menschen musst du in Frankreich befragen, um zu entscheiden, welche monarchistische Richtung – denn unter den Menschen, die in Frankreich pro Monarchie sind, gibt es Befürworter verschiedener monarchistischer Strömungen – vorherrscht?
Das Problem ist, dass, wenn du die Menschen nimmst, die in Frankreich pro Monarchie sind, das wahrscheinlich etwa 0,5 % der Bevölkerung ausmacht. Wenn du also eine verlässliche Umfrage darüber erstellen möchtest, wer pro Bourbonen und wer pro eine andere Richtung ist, musst du wahrscheinlich mehrere Tausend Menschen befragen.
Es liegt also am Umgebungsgeräusch. Und hier siehst du: Es geht nicht darum, dass es eine weiche Wissenschaft ist. Es ist einfach so, dass jede einzelne Entscheidung mit viel Rauschen einhergeht. Deshalb benötigst du viele Entscheidungen, um dies auszugleichen und mit nicht zu viel Unsicherheit zu dem Schluss kommen, dass Methode A besser ist als Methode B.
Aber das war’s.
Conor Doherty: Wieder benutzt du das Beispiel aus der Chemie. Wir sprechen über die molekulare Struktur oder darüber, was passiert, wenn zwei sehr, sehr bekannte Verbindungen interagieren. Wir können vorhersagen, dass – egal ob wir viel oder wenig haben – und du sagst dann zum Beispiel, wenn man das wahre Äquivalent in der Chemie haben möchte: Was, wenn wir ein Experiment mit einer Menge durchführen wollen, die in Nanogramm gemessen wird. Okay. Und so sind deine Messungen total ungenau, nur weil du eine Menge hast, die so unglaublich winzig ist.
Und der einzige Weg, eine einigermaßen korrekte Messung zu erhalten, besteht darin, das Experiment tausende Male zu wiederholen und zu mitteln. So siehst du, das ist eine Situation, in der dein Experiment mit viel Rauschen einhergeht.
Aber mit weitaus weniger Rauschen – und das ist der ganze Punkt.
Also, ich mag das Beispiel wirklich, und ich werde darauf aufbauen. Du sprichst von einem Experiment mit niedriger Auflösung, das in einem sehr präzisen Bereich durchgeführt werden kann, im Gegensatz zu einer supply chain, die nach deiner eigenen Definition viel variabler ist.
Joannes Vermorel: Ja. Aber dennoch, du kannst A/B-Tests durchführen. Wenn du zwei Methoden zur Ressourcenzuteilung hast, kannst du A/B-Tests machen.
Conor Doherty: Aber nochmals, das ist vergleichend. Das ist keine Falsifizierung. Falsifizierung ist absolut.
Joannes Vermorel: Nein, die Falsifizierung wird so sein: Es funktioniert oder es funktioniert nicht.
Wenn du eine Methode hast, die behauptet, “Dies ist optimal.” Optimal bedeutet: Es wird niemals etwas Besseres jemals geben. Niemals. Niemals. Wenn ich meine optimale Methode habe und etwas Besseres finde, dann ist sie nicht mehr optimal.
Es spielt keine Rolle, was mit der Mathematik passiert.
Ich habe gerade gesagt, dass wir eine Million Arbeiten haben, die behaupten, sie hätten das optimale Inventar. Vielleicht lagen sie falsch, aber was sagt das über die potenzielle Härte oder Weichheit des Feldes aus?
Was ich zu erreichen versuche, ist etwas zu schaffen, bei dem wir einen Pfeil des Fortschritts haben, und wir durch diesen Pfeil vorankommen. Und hier, wenn du eine Million Arbeiten hast, die behaupten, sie hätten optimale Inventar-Richtlinien, und keine von ihnen wird nach Jahrzehnten tatsächlich in der Produktion verwendet, ist das ein Problem.
Das ist kein Pfeil des Fortschritts. Das ist ein Bereich, der sehr stagnierend ist, in dem immer wieder Dinge veröffentlicht werden, die angeblich optimal sein sollen, aber aus guten Gründen nicht verwendet werden.
Conor Doherty: Und es geht nicht darum—also die Frage ist: Das ist ein anderer Blickwinkel, der die Schlussfolgerung voraussetzt. Du setzt voraus, dass die Arbeiten nicht verwendet werden, weil sie Mist sind, und nicht, weil man nicht wirklich die Art von Struktur erhalten kann, die man sich in diesem Feld wünscht. Es ist, als würde man versuchen, Wasser zu greifen. “Oh nein, Wasser, ich sollte es greifen können. Wissenschaft sollte fassbar sein.”
Joannes Vermorel: Nein. Darum geht es in diesem Kapitel: über die letzten vielleicht 70, oder zumindest 50 Jahre nachzudenken. Wenn wir, sagen wir, eine Million—oder mehr—Arbeiten über Inventaroptimierungstechniken haben, die behaupten, optimale Inventaroptimierungstechniken zu besitzen, und die meisten Praktiker haben sie übrigens nicht gelesen. Die meisten Leute wissen es nicht.
Wenn wir nur noch 50 Jahre vorspulen und jetzt noch eine Million Arbeiten haben, macht das einen Unterschied?
Und meine Antwort lautet: Nochmals, wenn wir die Geschichte betrachten – allerdings aus der falschen Perspektive –, wahrscheinlich nicht. Und siehe, deshalb brauchen wir dieses Geschichtskapitel: um zu erkennen, dass es sehr wenig Fortschritt gibt. Es war sehr stagnierend.
Und der einzige Weg, zu erkennen, dass das Feld seit Jahrzehnten stagniert, ist, die Geschichte zu betrachten. Das ist ein Urteil auf hoher Ebene.
Und ich glaube, dass ein Teil des Problems, das wir haben, der Mangel an Falsifizierung ist, und deshalb können wir wirklich… wir haben keinen Pfeil des Fortschritts. Der Pfeil des Fortschritts in diesem Feld ist irgendwie gebrochen.
Und genau das versuche ich aufzuzeigen und vorzubringen. Falsifizierung ist nur ein Instrument, das wir benötigen. Es ist ein kritisches Instrument, aber nicht das einzige.
Und ich glaube wirklich, dass wenn du letztlich Dinge hast, die nicht falsifizierbar sind, du dich in einem sehr gefährlichen Gebiet befindest.
Conor Doherty: Also, nur um es klarzustellen, denn das ist eine kleine Änderung der zuvor dargestellten Position. Sagst du, dass früher etwas vorwissenschaftlich sei, wenn es der Falsifizierung widersteht. Dann hast du gesagt, es sei eines der Werkzeuge der Wissenschaft. Sagst du also, weil die Wissenschaft anspruchsvoller ist, könnte supply chain zwar nicht falsifizierbar sein, aber trotzdem wissenschaftlich?
Joannes Vermorel: Nein, nein, nein. Falsifizierung ist notwendig, aber sie ist nicht ausreichend.
Zum Beispiel muss eine Theorie falsifizierbar sein, aber sie muss auch minimal prägnant sein – Occams Rasiermesser. Wenn du zwei Theorien hast, die in ihrer Fähigkeit, die Welt vorherzusagen und dir die beste Entscheidung zu ermöglichen, gleichwertig wären, und eine ist weitaus einfacher als die andere, dann solltest du diejenige wählen, die einfacher ist.
Aber natürlich sagt das nichts über die Tauglichkeit oder Richtigkeit der anderen aus. Es ist eine Methode, um zu differenzieren oder eine Wahl zu treffen, aber es kommentiert überhaupt nicht die tatsächliche Richtigkeit von B.
Conor Doherty: Nein, aber so funktioniert die Wissenschaft – beide wären richtig.
Joannes Vermorel: Ja. So funktioniert die Wissenschaft buchstäblich. Wenn du zwei Theorien hast, die exakt gleichwertig sind, aber eine viel einfacher ist, würden Wissenschaftler einfach sagen: Wir nehmen diese hier. Das ist alles.
Sie wissen, dass sie alternative Theorien haben, die gleichwertig korrekt sein können, aber man wählt einfach die einfachste.
Und das siehst du als erreichbar in diesem Feld.
Joannes Vermorel: Ja. Nochmals, ich glaube, dass der Übergang zu etwas Wissenschaftlichem darin besteht, dass wir Kriterien haben müssen, um den Kram, der nicht funktioniert, auszuschließen, und zu erkennen, dass wir die Instrumente haben, etwas abzulehnen – klare Ablehnungskriterien – und diesen Pfeil des Fortschritts zurückzubringen, bei dem das, was entdeckt wird und von der Gemeinschaft tatsächlich als wissenschaftlich betrachtet wird, auch tatsächlich genutzt wird.
Siehst du, wenn in der Chemie – oder in vielen anderen tatsächlich wissenschaftlichen Feldern – eine Entdeckung gemacht wird, wird sie von Praktikern genutzt. Wenn du einen neuen chemischen Prozess entwickelst, der weitaus effizienter ist als ein vorheriger – und nochmals, all diese Begriffe werden korrekt verstanden, weißt du, der Ertrag einer chemischen Reaktion und so weiter – dann werden ihn die Menschen tatsächlich verwenden.
In der Informatik, wenn einige Leute einen besseren Algorithmus finden, wird dieser bessere Algorithmus in der Regel innerhalb weniger Monate von Unternehmen, die an dieser Problemklasse interessiert sind, in die Produktion überführt.
Also siehst du, hier komme ich zurück zu dieser Idee des Vorwissenschaftlichen: Wenn wir uns wissenschaftliche Felder anschauen, dann geht bei einem Durchbruch eine Welle durch das gesamte Feld. Die Menschen passen sich an. Sie jagen wütend dem neuesten Arbeit hinterher.
Wenn du dir zum Beispiel ansiehst, was in der generativen KI passiert: Wenn ein Team eine Arbeit veröffentlicht und sagt, “Oh, schau, ich konnte das tun, aber schneller, einfacher”, dann beeilen sich alle, das so schnell wie möglich zu implementieren. Und der Grund ist, dass es funktioniert. Es ist etwas Gültiges.
Conor Doherty: Es ist aber nicht vergleichbar. Ich verstehe das Beispiel, ich verstehe den Punkt, den du machen willst über—
Joannes Vermorel: Nein, es ist nicht wie Äpfel und Orangen. Darin liegt der Punkt.
Conor Doherty: Wie lässt sich die Wahl, was man bestellt, wann, wie viel, von wo, ob es beschleunigt wird oder nicht, mit dem vergleichen, was du gerade beschrieben hast?
Joannes Vermorel: Denn wenn das Feld zu etwas Wissenschaftlichem gereift wäre, würden die Leute, sobald eine Methode veröffentlicht wird, diese einfach A/B testen, und innerhalb eines Monats, wenn die Methode tatsächlich überlegen wäre, würde sie übernommen werden.
Und die Leute verwenden die Arbeiten nicht, wie du darauf hingewiesen hast. Aber nochmals, meine Antwort lautet: Sie verwenden sie nicht, weil sie nicht funktionieren.
Und nochmals, deshalb müssen wir diese historische Haltung einnehmen: davon auszugehen, dass diese 10 Millionen supply chain Praktiker einfach alle Ignoranten sind, die so unwissend gegenüber all dieser akademischen Literatur sind – ich denke, das ist eine völlig unvernünftige Annahme.
Das ist nicht der Fall.
Jedes einzelne große Unternehmen, mit dem ich gearbeitet habe, hat zumindest ein paar Leute, die die akademische Literatur im Auge behalten. Das tun sie alle. All diese großen Unternehmen – sie sind keine Idioten. Sie haben Kooperationen mit ihren lokalen Universitäten. Sie behalten im Blick, was veröffentlicht wird.
Wenn es nicht übernommen wird, dann liegt es einfach daran, dass es nicht funktioniert. Es ist die einfachste Erklärung, und ich glaube, dass sie zutreffend ist.
Und wenn diese Gemeinschaft in eine wissenschaftliche Phase übergeht, werden wir sehen, was in anderen Feldern geschieht: Es wird eine Arbeit veröffentlicht, die behauptet, etwas Bedeutendes zu leisten, und dann strömen alle herbei, um es nachzuvollziehen und zu übernehmen. Und genau das sehen wir in der Informatik. Genau das sehen wir in der generativen KI. Genau das können wir in der Materialwissenschaft und so weiter beobachten.
Und für mich ist dieses Verhalten der anekdotische Beweis dafür, dass es ein Feld gibt, das wirklich auf wissenschaftlichen Grundlagen operiert, in dem der Pfeil des Fortschritts klar erkennbar ist.
Wenn Leute etwas entdecken und sagen: “Wir haben etwas Großes in der Hand”, versuchen alle zu replizieren, und wenn die Replikation gelingt, übernehmen sie es einfach.
Conor Doherty: Wir haben jetzt gesprochen – es ist über eine Stunde her. Bisher haben wir zwei Stunden damit verbracht. Das ist großartig. Ich habe das Gespräch wirklich genossen.
Und jetzt habe ich einen Gedanken, den ich dir gerne mitteilen möchte: Ich habe das Buch gelesen, und offensichtlich kann ich den Umstand, dass ich dich kenne, nicht ganz ausblenden. Ich kann es einfach nicht – nein, aber ich kann es einfach nicht. Es ist, als könntest du nicht – es ist, als würdest du Englisch verstehen. Du kannst nicht so tun, als würdest du Englisch nicht verstehen, weil du Englisch verstehst. Du kannst diesen Teil deines Gehirns nicht komplett abschalten. Du kannst ihn ignorieren, aber du verstehst trotzdem. Selbst wenn du versuchst, dein Gehirn am Verstehen zu hindern.
Und ähnlich ist es offensichtlich, wenn ich lese, selbst wenn ich versuche, es mit völlig neuen Augen zu betrachten, weiß ich immer noch, was du sagst. Ich weiß, dass ich es vielleicht etwas anders formuliert habe, aber ich verstehe, worauf du hinauswillst. Und offensichtlich weiß ich, was du mit all dem meinst.
Das gesagt, das ist zwei Stunden Gespräch, in denen wir vielleicht fünf oder sechs Punkte behandelt haben und ziemlich viel hin und her gegangen sind. Und obwohl ich nicht so tue, als hätte ich dein Expertenniveau in diesem Bereich, bin ich auch nicht völlig unerfahren.
Also, glaubst du, dass all die Informationen, die wir ausgetauscht haben – denkst du, dass der durchschnittliche Praktiker zwischen den Zeilen deines Buches lesen und verstehen wird: “Das ist es, was Joannes meinte, als er sagte, es sei vorwissenschaftlich”?
Er meinte nicht, dass ich ein Ignorant, ein autodidaktischer Chirurg – das ist Kapitel eins – bin, der es nicht wirklich auf dem Kasten hat, dass meine Ausbildung allerhand Mist ist. Aber du kennst all die konstruktiven Dinge, die wir gerade sagten, wie den Pfeil des Fortschritts.
Glaubst du, dass sie das sehen werden, oder denkst du, dass sie von der Extremität vielleicht etwas abgeschreckt sein könnten? Und es ist eine emotionale Frage. Es gibt kein Richtig oder Falsch.
Joannes Vermorel: Ich glaube, dass in meinen Diskussionen mit Praktikern sehr häufig die Tatsache zur Sprache kommt, dass ihr Feld stagnierend ist. Ich denke, wahrscheinlich würden 90% der supply chain Praktiker dem zustimmen.
Menschen, die seit 30 Jahren dabei sind, würden sagen: “Oh, als ich vor 30 Jahren in dieses Unternehmen eingetreten bin, haben wir bereits dieselben Dinge auf einem IBM-Mainframe gemacht. Und jetzt haben wir eine Web-App, aber es ist immer noch dieselbe Logik, immer noch mies, und immer noch dieselben Tabellenkalkulationen, um die Ergebnisse zusammenzukleben. Das ergibt wenig Sinn.”
Also siehst du, dass das Feld stagnierend ist: Die meisten Praktiker, die über 50 sind, würden dem wahrscheinlich zustimmen, einfach weil ihr gesamter Berufsweg von denselben Ideen geprägt war und sie in den letzten drei Jahrzehnten sehr wenig Veränderung erlebt haben, selbst wenn sich Erscheinungsbild und Benutzererlebnis der Software dramatisch verändert haben, vom schwarz-weißen Terminal auf Mainframes zu Web-Apps.
Aber nochmals, während sich die Benutzeroberfläche dramatisch verändert hat, haben sich die Mathematik, die Logik und das zugrunde liegende Verständnis nicht verändert.
Also hast du gefragt: Würden sie zwischen den Zeilen lesen? Ich weiß es nicht.
Was ich denke, ist, dass sie, weil sie vermutlich instinktiv dieselbe Diagnose teilen – ein stagnierendes Feld, ein kaputter Pfeil des Fortschritts – durch das Lesen dieses Geschichtskapitels sozusagen das, was sie bereits wahrnehmen, kristallisieren wird. Und es wird ihr Interesse wecken. Es wird ihr Interesse steigern, tatsächlich mehr zu lernen und zu versuchen, den Status quo herauszufordern.
Vielleicht hast du das Gefühl, dass dein Feld tagtäglich stagniert, aber du denkst nicht wirklich täglich darüber nach. Es ist also einfach etwas, das im Hinterkopf bleibt. Und dann, vielleicht durch dieses Buch, merkst du: “Oh Mist, tatsächlich – es stagniert seit einem halben Jahrhundert. Etwas muss sich ändern. Und ich muss vielleicht ein wenig mehr lernen.”
Also, können sie zwischen den Zeilen lesen? Ich weiß es nicht. Aber kann es dennoch die Art von Reaktion auslösen, die notwendig ist, um diesen Pfeil des Fortschritts in diesem Feld tatsächlich wieder in Gang zu bringen? Das hoffe ich.
Conor Doherty: Nun, ich widerspreche nicht.
Vielleicht erlaube mir, es aus einer etwas meta Perspektive neu zu formulieren, denn nochmals: Du bist ein Autor. Du hast ein Buch geschrieben. Ich schreibe ebenfalls. Es gibt also einen impliziten Gesellschaftsvertrag zwischen Autor und Leser: Der Zweck ist, dass ich einen Gedanken vermitteln möchte. Ich bin der Autor. Du bist der Leser. Du bist das Publikum meines Buches.
Der implizite Gesellschaftsvertrag lautet: So weit wie möglich werde ich dich dort abholen, wo du stehst. Zum Beispiel hast du nicht in Latein geschrieben. Es gibt tatsächlich einige lateinische Phrasen, aber du hast nicht in Latein geschrieben. Das wäre eine verrückte Sache gewesen, denn dann hätte es niemand verstanden. Also hast du nicht in Latein geschrieben. Du hast nicht in Aramäisch geschrieben.
Und programmatischer ausgedrückt: Ich habe alle mathematischen Inhalte im allerletzten Abschnitt des Buches untergebracht. Du hast diese Entscheidungen getroffen. Es wurden systematische Entscheidungen getroffen: Okay, ich möchte mich zumindest ein wenig an das Publikum anpassen.
Und was ich sagen möchte – lass es mich so formulieren – wir haben uns auf eine Größenordnung von 10 Millionen Praktikern geeinigt. Nehmen wir an, ich würde das Buch durch Magie vor alle 10 Millionen Menschen stellen, und vielleicht gehen 50% von ihnen: “Großartig. Ja, das spricht mich an.”
Und 50% denken: “Einige der extremen Behauptungen beunruhigen mich etwas,” und sie haben das nicht gehört. Also lesen sie buchstäblich: “Die Mainstream-Theorie ist gebrochen,” katastrophal, nicht vertrauenswürdig, Gefangenendilemma, extrem – was war noch der genaue Ausdruck, der das eigentlich signalisiert hat – “vorwissenschaftlich.”
Du bist sehr präzise, und ich weiß, in deinem Kopf bist du sehr genau mit dem, was du meinst. Aber nochmals: Wenn wir 10 Millionen nehmen und einen Durchschnitt bilden, denkst du, dass sie sagen werden: “Er meint nicht wirklich, dass ich ein Idiot bin. Er meint, dass es der popperianischen Theorie der Falsifizierung fehlt. Das ist, was er meint.”
Joannes Vermorel: Aber siehst du, ich glaube auch nicht, dass die Gemeinschaft sich selbst als wissenschaftlich tätig ansieht. Und genau darin liegt das Problem.
Dass Universitätsprofessoren Arbeiten veröffentlichen, die überhaupt keine Wissenschaft sind, ist definitiv ein Problem. Aber in Bezug auf das Selbstverständnis ist es ziemlich ausgeprägt, und nur sehr wenige Praktiker würden denken: “Was ich im Bereich supply chain gelernt habe, ist richtige Wissenschaft, und jetzt gibt es einen Typen, der das infrage stellt.” Nein.
Ich denke, die meisten Praktiker wissen, dass es sich um ein Flickenteppich aus Heuristiken, Stammesweisheiten und Dingen handelt, die für ihr Unternehmen irgendwie funktionieren, aber es ist sehr inkonsistent. Es hat viele innere Widersprüche, die nicht aufgelöst sind, was ein großes Ärgernis darstellt, und infolgedessen erfordert alles mehr Meetings, als es eigentlich sollte, usw.
Daher glaube ich, dass viele Menschen von diesen Behauptungen wahrscheinlich nicht allzu sehr schockiert wären.
Aber auch, ich denke, dass ein Teil des Versuchs, dieses Feld in einen echten Wissenschaftszweig zu überführen, darin besteht, schärfere Unterscheidungen zu treffen. Und genau deshalb müssen wir ein wenig extremer vorgehen, denn ein Teil des Problems, das ich mit dieser Art vorwissenschaftlicher Materialien habe, ist, dass sie oft unmöglich zu widerlegen sind, gerade weil das, was sie aussagen, so vage ist.
Man kann den supply chain 4.0 Content lesen und ihn auf die eine oder die andere Weise interpretieren. Ereignisse können sich auf jede Art und Weise entfalten. Es wird sich niemals widersprechen, weil es nicht präzise ist. Es hat nicht diese kristalline Struktur, bei der es brechen und man es bemerken würde.
Es ist wie ein großer Matschklumpen. Wenn man eine Theorie präsentiert, die ein großer Matschklumpen ist, kann diese in den unterschiedlichsten Weisen verzerrt werden – sie bleibt dennoch ein großer Matschklumpen – im Gegensatz zu etwas, das wie ein Kristall ist, bei dem, wenn er bricht, er bricht, und es ziemlich offensichtlich wäre, dass er zerbrochen ist.
Ich weiß, das mag furchtbar klingen, aber wir haben gerade eine Kritik zu einem Paper veröffentlicht, das von 42 Autoren mitverfasst wurde. Der Titel lautet etwa „Supply Chain in the Era of Generative AI“ oder so ähnlich.
Und dieses Paper – wenn ich „großer Matschklumpen“ sage – ist genau das. Dieses Paper ist der Archetyp eines großen Matschklumpens. Es hat keine Form, keine Konsistenz. Selbst wenn man es auseinanderbricht, bleibt es ein großer Matschklumpen. Nichts, was in der Zukunft passieren wird, kann dem wirklich widersprechen, weil es so formlos und mies ist.
Das meine ich mit vorwissenschaftlich sein: Sobald man etwas hat, das eine viel klarere Struktur aufweist, merkt man: „Oh, das war ein großer Matschklumpen.“ Es bedarf des Aufkommens der Wissenschaft, um zu erkennen, dass das, was man bisher gemacht hat, vorwissenschaftlich war.
Conor Doherty: Okay. Nun, wir werden die Diskussion nicht beenden – wir werden nicht in der Lage sein, abschließend zu klären, ob supply chain jemals das Falsifizierungsniveau der Chemie erreichen kann.
Aber als abschließende, letzte Frage: Wie können die Leute von Anfang an ein wenig mehr Wissenschaft in ihren supply chain integrieren? Also, Tag Null: Sie haben angefangen, das Buch zu lesen, sie haben nur ein paar Kapitel gelesen. Tag Eins: Sie fangen an, das Gelernte anzuwenden. Wie können sie also Wissenschaft in das einbringen, was sie tun?
Joannes Vermorel: Wenn wir zu dieser historischen Perspektive zurückkehren, glaube ich, dass man wirklich eine historische Perspektive haben muss. Das ist sehr wichtig, denn wenn man nicht getäuscht werden will, muss man sich die Geschichte der gemachten Behauptungen anschauen.
Wenn die Menschen seit Jahrzehnten Dinge behaupten und in jedem Jahrzehnt weniger ambitionierte Aussagen mit mehr Schlagwörtern machen als im vorangegangenen Jahrzehnt, dann ist man auf keinem guten Weg. Man denke nur daran.
Wichtige ERP-Anbieter machen jetzt deutlich bescheidenere Behauptungen darüber, was sie leisten wollen, während sie Dinge präsentieren, die noch ausgefallener und anspruchsvoller sind. Wenn zum Beispiel meine Behauptung im Jahr 2025 – obwohl ich Zugang zu generativer KI habe – bescheidener ist als das, was ich 1975 behauptete, was ist da los? Was ist da los?
So seht ihr, deswegen halte ich es für sehr wichtig, die Geschichte zu studieren: um zu verstehen, wem man vertrauen kann.
Und nochmals, ich denke, wir haben gesehen, dass diese Experimente sehr kostspielig sind. Das ist wahr. Falsifizierbarkeit ist kostspielig, langsam, chaotisch und schwierig.
Aber ich glaube, dass die historische Perspektive uns etwas als Stellvertreter liefert. Es ist zwar kein optimaler Stellvertreter, aber immerhin einer.
Und man kann sich Dinge anschauen, die seit Jahrzehnten existieren und großartige Behauptungen aufstellen, und dennoch gibt es nur sehr wenig Ergebnis. Irgendwann kann man sagen: Okay, das ist einfach Quatsch, sonst hätte es funktioniert. Es hätte funktioniert.
Sonst hätten einige Menschen es geschafft, all dieses Wissen in etwas Nützliches umzuwandeln.
Zum Beispiel: Graphdatenbanken für supply chains. Graphdatenbanken gibt es seit fast drei Jahrzehnten. Open-Source-Graphdatenbanken existieren seit zwei Jahrzehnten. Dieses Konzept hat nie den Mainstream erreicht. Es gibt sehr, sehr wenig Anwendung, von der ich weiß.
Ich glaube nicht, dass ich jemals ein tatsächliches Unternehmen getroffen habe, das in der Produktion zur Unterstützung von irgendetwas supply-chain-bezogenem eine Graphdatenbank einsetzt.
Kann ich nun aus diesem historischen Wissen schließen, dass Graphdatenbanken niemals einen Einfluss auf supply chain haben werden? Ich meine, das ist sehr empirisch. Es ist ein historisches Argument, das auf Beobachtung basiert. Es ist zwar kein Beweis, zählt aber dennoch. Für mich ist es ein sehr solides Indiz dafür, dass es eine äußerst unwahrscheinliche Richtung für zukünftige Durchbrüche in supply chain ist.
Was ich also sagen möchte: Man muss einen Blick in die Geschichte werfen. Schaut euch die Dinge an, die nie viel geliefert haben. Wenn etwas schon sehr, sehr lange existiert und anscheinend nie viel gebracht hat, wird es wahrscheinlich niemals etwas bringen.
Und das wäre das Wesen dieses Kapitels: Achtet auf die Geschichte. Dinge, die seit einem halben Jahrhundert nicht funktionieren, werden höchstwahrscheinlich niemals funktionieren.
Conor Doherty: In Ordnung. Vielen Dank für Ihre Zeit. Mir fallen keine Fragen mehr ein. Damit ist Kapitel zwei abgeschlossen. Wir sehen uns, vermutlich nächste Woche – zumindest 2026 – für Kapitel drei.
Und an alle, die zugesehen haben, vielen Dank. Wenn ihr mit uns in Kontakt treten möchtet oder wenn ihr dem riesigen Matschklumpen entkommen wollt, in dem ihr euch befindet, vernetzt euch mit uns – und mit mir – auf LinkedIn oder sendet uns eine E-Mail an contact@lokad.com. Und in diesem Sinne: Bitte macht wieder an die Arbeit.
