00:00:00 Kapitel fünf: Entscheidungen erfordern fundierte Wetten
00:04:48 Shannon-Theorie: Information als berechenbare Größe
00:09:36 Daten sind Bits; Ausschweifungen verbergen nichts
00:14:24 Wissen wandelt Information in profitables Handeln um
00:19:12 Prinzip der unveränderlichen Vergangenheit, ERP-Designs verletzen es
00:24:00 Fehlbestand-Nullwerte werden neu geschrieben, Prognosen werden verzerrt
00:28:48 Wirtschaftlicher Schmerz: Fehlallokiertes Kapital, geringere Renditen
00:33:36 Schlechte Daten als Sündenbock verschleiern architektonische Verwirrung
00:38:24 Historiker-Analogie: feste Aufzeichnungen, endlose Semantik
00:43:12 Systeme getrennt: Aufzeichnungen, Berichte, Intelligenz
00:48:00 Berichte erzwingen Compliance, nicht zukunftsgerichtete Entscheidungen
00:52:48 Intelligenz erzeugt Allokationen unter Unsicherheit
00:57:36 Excel beweist, dass Entscheidungsebenen bereits hybrid sind
01:02:24 Aufzeichnungen werden als Magie verkauft, Anbieter profitieren
01:07:12 Lackmustest: Verändert Software die Vergangenheit?
01:12:00 Zu gut, um wahr zu sein Behauptungen, M5-Reality-Check – Lebewohl
Zusammenfassung
Supply chain decisions sind Wetten auf eine unsichere Zukunft, daher zählt klares Denken. Die Diskussion zieht klare Grenzen zwischen Daten, Information und Wissen und argumentiert, dass die meiste supply chain software diese grob vermischt. Ihr schärfster Punkt ist, dass die Vergangenheit unveränderlich bleiben muss: Sobald Unternehmen die Geschichte umschreiben, um schwachen Modellen zu genügen, korrumpieren sie die Basis für gute Entscheidungen. Daraus folgt die praktische Unterscheidung zwischen Systemen der Aufzeichnung, Systemen der Berichterstattung und Systemen der Intelligenz. Unternehmen geben zu viel Geld für glorifizierte Kontenbücher aus, investieren zu wenig in echte Entscheidungsmaschinen und wundern sich dann, warum die Leistung enttäuscht. Klare Kategorien, nicht die Mystik der Anbieter, sind der Anfang von Kompetenz.
Erweiterte Zusammenfassung
Diese Diskussion dreht sich um eine einfache, aber weitreichende Idee: supply chain Entscheidungen sind Wetten unter Unsicherheit, und daher ist alles, was diese Entscheidungen informiert, von enormer Bedeutung. Die zentrale Kritik ist, dass das meiste supply chain Denken es versäumt hat, klare Unterscheidungen zwischen Daten, Information und Wissen zu treffen. Daten sind lediglich aufgezeichnete Symbole. Information ist das, was die Unsicherheit verringert. Wissen ist das kausale Verständnis, das es einem Entscheider, ob Mensch oder Maschine, ermöglicht, Information in Handlungen umzuwandeln, die den wirtschaftlichen Ertrag verbessern.
Aus diesem Fundament ergibt sich ein zweiter wesentlicher Punkt: Die Vergangenheit muss als unveränderlich behandelt werden. Die historischen Aufzeichnungen eines Unternehmens sollten widerspiegeln, was tatsächlich geschehen ist, und nicht das, was Planer sich gewünscht hätten. Dennoch sind viele Systeme, insbesondere Standard-Enterprise-Software, so aufgebaut, dass die Vergangenheit neu geschrieben werden kann. Dies wird besonders verlockend, wenn schlechte Modelle auf unliebsame Fakten stoßen. Zum Beispiel, wenn ein stockout zu null registrierten Verkäufen führt, kann ein vereinfachtes Prognosesystem diese Nullen fälschlicherweise als Hinweis auf eine schwache Nachfrage interpretieren. Anstatt das Modell zu korrigieren, „korrigieren“ Praktiker oft die historischen Aufzeichnungen. Mit anderen Worten, sie fälschen die Vergangenheit, um den Beschränkungen der Gegenwart Rechnung zu tragen. Das ist nicht nur ein technischer Fehler, sondern ein konzeptioneller, der zu fehlerhafter Kapitalzuteilung und geringeren Renditen führt.
Eine dritte Unterscheidung folgt: Unternehmen müssen Systeme der Aufzeichnung, Systeme der Berichterstattung und Systeme der Intelligenz voneinander trennen. Systeme der Aufzeichnung sind glorifizierte Kontenbücher. Ihre Aufgabe ist es nicht zu denken, sondern zuverlässige Aufzeichnungen der Vergangenheit zu speichern. Systeme der Berichterstattung fassen vergangene Aktivitäten zusammen und helfen dem Management, die Einhaltung bestehender Prozesse durchzusetzen. Sie sind rückblickende Instrumente der Kontrolle. Systeme der Intelligenz hingegen sind etwas ganz anderes: Sie blicken in die Zukunft und generieren Entscheidungen darüber, wie Ressourcen zugewiesen werden sollen.
Das Argument lautet, dass Unternehmen routinemäßig zu viel für Systeme der Aufzeichnung ausgeben, weil Anbieter verschleiern, dass es sich im Wesentlichen um teure Buchhaltungswerkzeuge handelt. Gleichzeitig wird die wahre Quelle überlegener Leistung, die Systeme der Intelligenz, unterschätzt, weil sie schwerer zu bauen, zu erklären und mit glänzenden Versprechen zu verkaufen sind.
Der praktische Rat ist entwaffnend einfach. Wenn Sie Software bewerten, fragen Sie, ob sie die Vergangenheit verändert. Fragen Sie, ob sie die Aufzeichnung von Daten klar von der Entscheidungsfindung trennt. Wenn der Anbieter dazu keine klare Antwort geben kann, ist das schon Antwort genug. Viel Enttäuschung in der Enterprise-Software beginnt, wenn Unternehmen von Kontenbüchern verlangen, zu denken, von Berichten zu entscheiden und von Vertriebsmitarbeitern die Wahrheit zu sagen.
Vollständiges Transkript
Conor Doherty: Willkommen zurück. In dieser speziellen Serie nehmen Joannes und ich sein neues Buch Introduction to Supply Chain und gehen Kapitel für Kapitel durch, wobei wir hin und her über die Vorzüge, Herausforderungen, Probleme und praktischen Tipps diskutieren.
Für diese Serie übernehme ich die Haltung einer Person, die Lokad nicht kennt, Joannes nicht kennt und völlig un vertraut ist mit der die Quantitative Supply Chain Perspektive. Tatsächlich nehme ich die Position eines der etwa 10 Millionen Praktiker in der supply chain Landschaft ein, jemand, der dieses Buch vielleicht in einem Regal sieht – sei es in einer Buchhandlung, vielleicht auf Amazon –, es in die Hand nimmt, zu lesen beginnt und Fragen hat. Und meine Rolle in dieser Serie ist es, eure Stimme zu sein. Ich stelle diese Fragen an Joannes und versuche, euch Klarheit über alles zu verschaffen, was euch unklar erscheint.
Dies ist Episode fünf. Falls ihr die vorherigen vier nicht gesehen habt, empfehle ich euch, sie anzuschauen, denn was wir heute sagen, wird sicherlich auf frühere Diskussionen zurückklingen.
Und damit, Joannes, schön dich wiederzusehen. Also, Kapitel 5: Information. Ich denke, um es einzurahmen, werde ich dir tatsächlich die Eröffnungszeile von Kapitel 5 vorlesen, weil ich glaube, dass sie einen guten Blickwinkel für die Diskussion bietet. Kapitel 5 beginnt: „Jede supply chain Entscheidung ist eine Wette unter Unsicherheit. Um gut zu sein, muss sie informiert sein.“ Was meinst du damit, und was ist die praktische Botschaft von Kapitel 5?
Joannes Vermorel: Zunächst weise ich auf etwas hin, das eigentlich selbstverständlich sein sollte. Selbstverständlich ist, dass deine supply chain komplex ist. Sie besteht aus vielen Menschen, vielen Maschinen, vielen Standorten und vielen Beständen.
Wenn du darüber völlig im Unklaren bist, können wir vernünftigerweise davon ausgehen, dass es selbstverständlich ist, dass deine Entscheidungen sehr schlecht ausfallen werden. Wir könnten in die philosophische Debatte eintreten, ob du eine Art Vorahnung oder eine magische Fähigkeit besitzt, die es dir ermöglichen würde, auch ohne Information richtige Entscheidungen zu treffen, aber das klingt schnell unrealistisch.
Also, ein guter Manager muss informiert sein, Entscheidungen müssen fundiert sein. Okay, das ist in etwa die Richtung, die uns interessiert. Aber was bedeutet das konkret? Was bedeutet das?
Und die kurze Antwort lautet: Information wurde im Verlauf des 20. Jahrhunderts vollständig auf mathematischer Ebene kodifiziert. Somit müssen wir nicht raten. Dies ist ein Bereich, in dem wir tatsächlich extrem hochwertige wissenschaftliche Erkenntnisse haben, die äußerst verlässlich sind.
Dieses Wissen ist nicht theoretisch. Wörtlich genommen nutzt heutzutage jede einzelne Software dieses Wissen auf Dutzende von Arten, sogar in der supply chain. Sogar in der supply chain. Also, jede Software, die du verwendest, bedient sich dieser Theorie des Informationswissens auf vielfältige Weise.
Ja, dein Browser, dein Telefon, das System, das du für Videokonferenzen nutzt – all das, und auch deine supply chain Software.
Conor Doherty: Also, meine Vermutung, ERPs, ist das, was du meinst?
Joannes Vermorel: Ja. ERP, etc. Nochmals, diese Informations-Theorie, die Shannon-Theorie, ist so grundlegend, dass sie ein bisschen wie die Grundrechenarten ist. Sie ist absolut überall, und darauf kommt es an.
Was ich meine, ist, dass wir etwas besitzen, das absolut massenhaft vorhanden ist, das absolut überall ist, und dass, wenn man das entfernt, es nicht ein einziges Stück Software gibt, das weiter funktioniert – fast. Vielleicht triviale Dinge, aber alles, was auch nur ein Minimum an Komplexität hat, hört einfach auf zu funktionieren. Und doch, das ist mein Punkt: Wie kommt es, dass ich diese Theorie in keinem supply chain Lehrbuch erwähnt gesehen habe? Wir haben ein Problem.
Conor Doherty: Wenn du in diesem Zusammenhang von Information sprichst, und zwar speziell im supply chain Kontext, meinst du Daten, oder was meinst du konkret?
Joannes Vermorel: Nein, darum geht es, nämlich dass dieser Begriff, der in einer sehr richtungsweisenden Weise verwendet wurde – wie Information… Was ist Information? „Oh, das ist, was ich höre… was in den Nachrichten gesagt wird. Das ist Information.“ Okay, das ist in die richtige Richtung.
Aber was ist mit einer super präzisen, mathematisch korrekten – ich würde sagen, einer Definition, die mathematische Klarheit besitzt, nicht nur Gültigkeit, sondern reine mathematische Klarheit? Etwas, das absolut rein ist, so rein, dass man es tatsächlich mit Gleichungen verarbeiten kann. Und darauf komme ich an. Wir haben nicht für alles solch unglaubliche Theorien.
Es gibt viele Dinge, bei denen es so ist … Zum Beispiel haben wir für Intelligenz keine kristallklare, hochgradig reine Theorie der Intelligenz. Nein, nein, nein. Wir haben Dinge, die äußerst trüb, äußerst verworren sind. Also ist sie nicht immer verfügbar.
Aber es stellte sich heraus, dass für Information Shannon, einer der brillantesten Köpfe des 20. Jahrhunderts, das Problem gelöst und uns eine Theorie, die Shannon-Theorie der Information, geliefert hat, die extrem schön, simpel und effizient ist.
Conor Doherty: Und was ist das?
Joannes Vermorel: Also, was ist das? Es ist buchstäblich etwas, das auf mathematischer Ebene kodifiziert, was Information ist. Und das ist keine mathematische Spekulation.
Es stellte sich heraus, dass diese mathematische Kodifizierung unglaublich effizient ist. Sie lässt Software besser funktionieren. Tatsächlich gibt es fast nichts, was wir mit modernen Computern tun könnten, ohne auf diese Theorie zurückzugreifen. Ich weiß, es ist ein wenig seltsam, dass dies so ist und dass die Leute noch nie davon gehört haben. Aber für all jene, die sich auch nur ein bisschen mit Informatik beschäftigt haben, ist es so offensichtlich wie Arithmetik. Es ist grundlegend. Es ist sehr schwer, sich eine Welt ohne diese Theorie der Information vorzustellen.
Conor Doherty: Okay. Nun, lass mich dir ein paar Zitate vorlesen, denn ich denke, das Buch umfasst 500 Seiten, also gebe ich dir hier etwas mehr Kontext, damit du vielleicht etwas konkreter antworten kannst.
Also noch einmal: Die Idee, dass jede supply chain Entscheidung eine Wette unter Unsicherheit ist und, um gut zu sein, informiert sein muss. Du schreibst auch: „Die Mainstream supply chain theory reduziert routinemäßig Daten zu Information. Sie behandelt die Größen, über die entschieden werden soll – also Nachfrage, Durchlaufzeiten, Service Levels – als direkt beobachtbar.” Nun, an die 10 Millionen Praktiker, die das Buch lesen, und all die Zuhörer, die einen supply chain Hintergrund haben: Was sagst du ihnen damit, und was ändert sich, wenn ich diese Information berücksichtige?
Joannes Vermorel: Zuerst müssen wir klarstellen – das ist es, was ich in diesem Kapitel tue –, dass wir den Unterschied zwischen Daten, Information und Wissen klären müssen. Und die Leute haben zwar eine gewisse intuitive Vorstellung, aber wenn man nachhakt, wird meist sehr verschwommenes Zeug herauskommen. Und nochmals: Wenn ich mir das durchschnittliche supply chain Lehrbuch ansehe, ist es offensichtlich, dass der Autor keinen blassen Schimmer hat, was der Unterschied zwischen diesen drei Dingen ist.
Nochmals: Wenn ich von einem Unterschied spreche, meine ich, besitzt du mathematische Klarheit darüber? Denn es ist sehr wichtig, denn wenn du in deinem Kopf keine Klarheit über diese Konzepte auf mathematischem Niveau hast, bedeutet das, dass du keine Gleichungen verwenden kannst. Wenn du keine Gleichungen verwenden kannst, kannst du das nicht in Software übersetzen.
Also, es ist sehr wichtig, denn letztlich beschreiben wir damit, dass diese Klarheit nicht nur schön zu haben ist. Sie ist buchstäblich die Zutat, die dieses Etwas in Software übersetzbar macht. Wir brauchen das – denn letztlich ist Software nur Grundrechenarten. Software ist genau das.
Wenn du also deine Ideen nicht in stufenweise Arithmetik übersetzen kannst, dann kannst du sie im Grunde nicht einmal in Software umsetzen.
Conor Doherty: Also, zurück zu Daten, Information, Wissen – insbesondere Daten in Bezug auf die Beispiele, die du gibst: Nachfrage, Lieferzeit, Service Levels. Wie passt diese Theorie dazu?
Joannes Vermorel: Also, zuerst: Daten – was ist der Unterschied? Wir müssen uns zunächst den Daten nähern. Ja, Daten sind einfach die Fähigkeit, Nullen und Einsen zu speichern. Ganz einfach: Daten sind nur eine Darstellung, in der du Nullen und Einsen hast. Das ist es. Das sind Daten.
Nun, das Problem ist, dass Daten, wenn man sie in Nullen und Einsen zählt, einem eigentlich nichts darüber sagen – nichts über etwas, das wie Information wäre. Wir müssen das loswerden… Warum? Denn nehmen wir zum Beispiel die Zahl eins. Ich kann sie einfach als “1” schreiben oder sie mit einem Komma und einer Million Nullen darstellen.
Conor Doherty: Es ist dieselbe Zahl.
Joannes Vermorel: Es ist dieselbe Zahl.
Conor Doherty: Auf Französisch, auf Englisch… oder ein Punkt.
Joannes Vermorel: Ja.
Conor Doherty: Nur für den Fall, dass jemand dachte, der Dezimaltrenner wäre im Englischen ein Punkt.
Joannes Vermorel: Genau. Und du kannst mit einer Million Nullen auffüllen. In Bezug auf Daten – wenn du diese eine Million Nullen hinzufügst – hast du einen Megabyte Daten. Aber hast du mehr Information? Es ist immer noch eine Zahl, die wie eins ist. Was sie repräsentiert, bleibt dasselbe.
Und so sagen wir, dass alles auf viele, viele Arten dargestellt werden kann, und manche Arten sind wortreicher als andere. Das Problem mit Daten ist, dass sie dir nicht sagen, ob das, was du tust, wortreich ist oder nicht. Wenn du sagst: “Ich habe einen Megabyte Daten” und es sind nur Nullen, dann hast du eigentlich keine Daten – du hast nur Nullen.
Also war die Frage, und das war die von Shannon gestellte Frage: “Nun, okay, was ist dasjenige, das unabhängig von der Darstellung wäre?” Wir interessieren uns für etwas, das das Wesen dessen darstellt, was in den Daten enthalten ist, und dieses Wesen sollte darstellungsunabhängig sein.
Und jetzt dachte Shannon tatsächlich: “Okay, was genau versuchen wir zu lösen?” Das ist eine große Frage, denn okay, wir haben all diese Darstellungen, aber was ist das Finale, was ist das Endspiel, wenn Dinge auf unterschiedliche Weise dargestellt werden? Und Shannon kam zu einer absolut beeindruckenden, brillanten und einfachen Antwort: Es ist letztlich die Fähigkeit, Unsicherheit aufzulösen.
Also, Information ist im reinsten Sinne deine Fähigkeit, Unsicherheit aufzulösen. Und deshalb sage ich – wenn du auch aus dem Buch zitierst – dass man sehen kann, dass diese Zahl, die ich entweder als nur ein Zeichen oder als eine Million darstellen kann, genau deshalb dasselbe leistet. Sie ermöglicht es mir, die Unsicherheit exakt auf dieselbe Weise aufzulösen. Somit trägt sie exakt dieselbe Information.
Und dann geht Shannon noch viel weiter. Sobald du dieses Verständnis – die Fähigkeit, Unsicherheit aufzulösen – erlangt hast, bietet es einen mathematischen Rahmen, um tatsächlich zu verstehen, was vor sich geht. Es liefert dir Werkzeuge wie die informationelle Entropie, sodass du tatsächlich die Menge an Information messen kannst. Und genau das ist es: Information kann quantifiziert werden. Wir können, ebenso wie man Kilogramm oder Liter quantifizieren kann, Information in Shannons quantifizieren.
Es ist also buchstäblich etwas, das sehr interessant ist, und es beweist, dass es eine fundamentale Einheit ist. Es ist eine fundamentale Einheit der Information.
Okay. Und es stellte sich heraus, dass – weil es so grundlegend ist – jede einzelne Software um diese Ideen herum aufgebaut ist. Und nun ist die Sache so, dass, wenn wir zur supply chain zurückkehren, die informiert ist, das sehr interessant ist, denn plötzlich haben wir etwas extrem Fundamentales. Wir haben noch einmal mit mathematischer Klarheit verdeutlicht, was „informiert“ eigentlich bedeutet.
Und das ist so wichtig, weil wir jetzt nicht nur etwas haben, das lediglich richtungsgemäß korrekt ist. Wir haben etwas, das in puncto Genauigkeit sehr, sehr präzise ist. Und das ist ein Instrument, das äußerst nützlich ist. Und nochmals: Die Kritik, die ich in diesem Kapitel implizit übe, ist, dass dieses Instrument, diese Informationstheorie, so wichtig ist, dass es nicht als kosmetisches Detail behandelt werden kann. Es ist nicht nur etwas, das man schön zu haben hätte. Es ist etwas Fundamentales, und supply chain practitioners sollten zumindest verstehen, worum es bei dieser Theorie geht.
Conor Doherty: Nun, das ist eigentlich der perfekte Übergang zu dieser Frage, denn ich habe das Kapitel ja erneut gelesen, wie ich es zur Vorbereitung auf diese Diskussionen tue. Ich hatte im Hinterkopf, dass dies zu abstrakt werden könnte, denn wiederum können Daten versus Information versus Wissen ziemlich abstrakt erscheinen, und ich möchte die Leute nicht verlieren, denn es gibt konkrete Zitate, die ich euch vorlesen möchte, und dann werde ich euch eine konkrete Frage stellen, damit es ein wenig klarer wird.
Also, um es in deinen eigenen Worten, buchstäblich deinen eigenen Worten, zusammenzufassen: “Daten sind aufgezeichnete Symbole. Information ist die Fähigkeit dieser Symbole, Unsicherheit aufzulösen.” Wie du gesagt hast, “Wissen ist die kausale Struktur, die es einem Geist, menschlich oder maschinell,” – und ich weiß, dass du Maschine bevorzugst – “ermöglicht, Information in Entscheidungen zu verwandeln, die die Rendite des Unternehmens verbessern.”
Du fügst dann hinzu, auf Seite 133: “Die Behandlung von rohen Aufzeichnungen, also Daten, als ob sie bereits Unsicherheit auflösen würden, ist die Hauptursache dafür, dass dashboards niemals Entscheidungen treffen und Planungsmodule niemals planen.” Meine Frage ist also: Wie kann ein practitioner wissen, in welchem Denkmodus er sich befindet? Spielen sie einfach nur mit Daten? Spielen sie mit Wissen? Oder beschäftigen sie sich mit Information? Denn in deiner Ansicht ist nur Wissen der entscheidende Unterschied.
Joannes Vermorel: Ja. Also, wie vermeidet man das Durcheinander? Ja, es ist ganz einfach. Die Vergangenheit kann nicht verändert werden. Okay.
Conor Doherty: Was bedeutet das?
Joannes Vermorel: Das ist buchstäblich… also musst du dir überlegen: Projiziere ich in meinem Geist etwas, bei dem die Vergangenheit veränderbar ist? Wenn ja, gerätst du in große Schwierigkeiten, denn die Vergangenheit kann nicht verändert werden. Nochmals, es ist fast selbstverständlich, aber sehr häufig sehe ich in supply chains mentale Modelle, in denen die Vergangenheit sehr veränderbar ist.
Conor Doherty: Du sprichst davon, einfach vergangene Daten zu nehmen und deine zukünftigen Entscheidungen ausschließlich darauf zu stützen…
Joannes Vermorel: Die Vergangenheit ist buchstäblich, konzeptionell, auf philosophischer Ebene etwas, das verändert werden kann. Und das stellt ein Problem dar. Nochmals, es ist ein Problem, denn sie kann nicht verändert werden.
Conor Doherty: Sagst du, dass die Vergangenheit verändert werden kann?
Joannes Vermorel: Laut der Mainstream-Theorie ja. Okay? Und ich sage, es ist sehr, sehr merkwürdig, und wenn man darüber nachdenkt, ist es sehr, sehr falsch. Okay? Denn die Vergangenheit kann offensichtlich nicht verändert werden.
Also, wieder einmal: Der Punkt ist, dass du etwas hast… das ist eine Art Denken aus ersten Prinzipien. Also nehmen wir etwas, das wir als selbstverständlich ansehen. Ich muss Annahmen treffen, also möchte ich keine massiven Annahmen machen. Ich muss also meine Annahmen so minimal wie möglich halten.
Also sage ich hier: Erstes Prinzip: Die Vergangenheit kann nicht verändert werden. Das ist alles. Okay, ich treffe eine Annahme, aber ich treffe keine extravagante Annahme.
Conor Doherty: Aber in welcher Weise verhalten sich die Leute, als ob sie denken, dass die Vergangenheit verändert werden kann? Das ist vielleicht eine bessere Formulierung.
Joannes Vermorel: Weil die Art, wie sie ihre Software konstruieren, die Vergangenheit absolut veränderbar ist. Okay? Die Vergangenheit, zum Beispiel… nochmals, jedes einzelne ERP auf dem Markt – die Vergangenheit ist veränderbar. Es liegt im Design, im relationalen Design. Also, wenn du eine App nach dem CRUD — create, read, update, delete — entwickelst, ist sie absolut veränderbar. Die Vergangenheit kann verändert werden. Das ist konzeptionell ein Problem.
Conor Doherty: Und weil, für practitioners…
Joannes Vermorel: Für practitioners, ja. Denn das bedeutet nochmals, dass du bedenken musst, dass, wenn die Vergangenheit verändert werden kann, du auf Schwierigkeiten zusteuerst. Man mag denken: “Oh, vielleicht nicht”, aber ich würde sagen: Nein, du wirst in Zukunft Probleme bekommen, weil du etwas tust, das so brutal unvereinbar ist mit etwas, das selbst-evident ist, nämlich dass die Vergangenheit nicht verändert werden kann.
Aus supply chain Perspektive, was bedeutet das? Bedeutet es, dass deine Gleichungen die Vergangenheit als unveränderlich behandeln oder dass deine Gleichungen die Vergangenheit verändern? Wenn du etwas berechnest, wirst du Zahlen berechnen, also wirst du viele Zahlen als Input und viele Zahlen als Output haben. Frage: Hast du eine klare Grenze zwischen den Eingaben und den Ausgaben?
Wenn die Ausgaben… sieh mal, wenn du die Zahlen hast, die die Vergangenheit repräsentieren, wie die rohen Transaktionshistorien, und du sagst: “Weißt du was? Sie sind eingefroren. Ich kann sie niemals anfassen, weil es geschehen ist.”
Conor Doherty: Weil es geschehen ist.
Joannes Vermorel: Genau. Und deshalb kann ich diese Dinge nicht anfassen, weil sie der Vergangenheit angehören. Sie sind unveränderlich. Aber nun stellen wir uns vor — und in der Software ist das sehr einfach — dass ich irgendeine Logik entwickle, die eine Rückkopplungsschleife hat, die logisch in die Vergangenheit führt.
Conor Doherty: Die in die Vergangenheit führt. Okay. Warum sollte sie das tun? Zu welchem Zweck?
Joannes Vermorel: Zunächst braucht es keinen Zweck, denn Software ist sehr komplex, sodass man viele Dinge ganz zufällig machen kann. Siehst du, wenn du keine saubere Umgebung erzwingst, um zu sagen: “Meine Vergangenheit ist unveränderlich”, dann wirst du eine veränderbare Vergangenheit erhalten… nochmals, es ist einfach ein Gesetz der Software. Software ist komplex. Die Tatsache, dass die Vergangenheit unveränderlich ist, muss erzwungen werden. Wenn sie nicht erzwungen wird, wirst du sie versehentlich verändern.
Also, nehmen wir nun ein praktisches Beispiel, bei dem die Vergangenheit… denn nochmals, die Vergangenheit ist… Ich weiß, das ist sehr philosophisch.
Conor Doherty: Ich weiß, aber das ist meiner Meinung nach sehr philosophisch.
Joannes Vermorel: Aber das Problem ist, dass, noch einmal, die Probleme von supply chains so massiv falsch laufen, dass die Leute es nicht begreifen können, weil der Unsinn so lange andauert, dass sie völlig verloren sind.
Conor Doherty: Sie sind verloren, und deshalb sind wir hier.
Joannes Vermorel: Wie verändert man also die Vergangenheit? Nun, Sie haben einen Lagerausfall. Okay, Sie haben Ihre Aufzeichnungen und sie zeigen, was Sie verkauft haben. Also habe ich an diesem Tag eine Einheit verkauft, an jenem Tag drei Einheiten, an dort vier Einheiten und an diesem Tag, diesem Tag, diesem Tag Nullen. Okay.
Das Problem ist, dass die Nullen, die ich in der Vergangenheit beobachtet habe, nun, wir hatten einen Lagerausfall.
Conor Doherty: Also, die Tatsache, dass Sie Null verkauft haben, gehört zur Vergangenheit. Das ist die Wahrheit. Sie haben Nullen verkauft.
Joannes Vermorel: Ja.
Conor Doherty: Gut. Ich denke nicht, dass jemand dem bisher widersprechen wird. Wie macht man die Vergangenheit veränderbar?
Joannes Vermorel: Jetzt haben Sie ein Problem, weil Ihr time series Forecasting-Algorithmus, das Forecasting der Zeitreihen, das Sie verwenden, sich nicht korrekt verhält. Er verhält sich falsch, wenn Sie Nullen als Eingabe füttern, weil Sie in der Tat eine Impedanzanpassungsstörung zwischen der Vergangenheit, der Semantik des in der Vergangenheit Geschehenen, und der Semantik der Vergangenheit in der Zukunft haben. Die Vergangenheit, was Sie haben, sind die beobachteten Verkäufe.
Conor Doherty: Ja.
Joannes Vermorel: Also, dies ist die Semantik dessen, was Sie in der Vergangenheit beobachtet und aufgezeichnet haben. Sie haben… die Semantik sind die beobachteten Verkäufe. Aber für die Zukunft ist dies nicht die Semantik, an der Sie interessiert sind. Die Semantik, an der Sie interessiert sind, ist die zukünftige Nachfrage. Das ist die gängige Perspektive der supply chain Theorie. Okay, also das Problem ist, dass wenn ich im Stil des time series forecastings meine bisherigen Verkäufe extrapoliere, diese Nullen einen massiven Abwärtsbias erzeugen werden.
Also, in gewisser Weise… Entschuldigung, ich weiß, aber es ist sehr einfach. Noch einmal, wenn Sie tonnenweise Nullen beobachten, wird Ihr Modell, das eine Variante eines gleitenden Durchschnitts irgendeiner Art ist – es ist nur ein verherrlichter gleitender Durchschnitt mit ein paar Zyklen obendrauf – so wird Ihr Forecast, Ihr time series forecasting Modell, ein verherrlichter gleitender Durchschnitt, diese Nullen übernehmen und die Nachfrage unterschätzen, weil es Ihre null verkauften Einheiten, die aber aufgrund des Lagerausfalls auftraten, als Eingabewerte verwendet.
Das ist das Problem, mit dem die Leute konfrontiert sind. Und wie lösen Sie das auf ganz schlechte Weise? Weil Sie vergessen haben, dass Sie diese Invariante „die Vergangenheit ist unveränderlich“ hatten, wissen Sie. Also, wie können Sie das auf eine zutiefst fehlgeleitete Weise lösen? Sie machen die Vergangenheit veränderbar.
Was machen Sie? Sie schreiben die verkauften Einheiten neu, sodass sie einer plausiblen Nachfrage für diesen Tag entsprechen. Also haben Sie Ihre vergangenen Daten verändert und Ihre Nullen, die das waren, was Sie tatsächlich beobachtet haben, durch eine plausible Nachfrage für den Tag ersetzt. Was Sie getan haben, ist, dass Sie die Vergangenheit geändert haben. Okay? Und es ist sehr inkonsistent.
Und wissen Sie was? Sie werden in einer Welt voller Schmerz enden, denn was Sie getan haben, ist so logisch falsch, dass es nicht anders sein kann. Es wird in alle möglichen Probleme nach sich ziehen.
Conor Doherty: Und wieder könnten die Leute denken… Ich lasse Sie den Punkt beenden, aber es gibt ein Schlüsselelement, das ich glaube, dass Sie es näher erläutern müssen: Sie haben den Mechanismus des Falschseins beschrieben, aber nicht den Schmerz, falsch zu liegen. Also, Sie haben gesagt, dass es logisch falsch ist. Das ist der Mechanismus. Was fühlen Sie als Konsequenz des Falschseins? Das ist die Konsequenz.
Joannes Vermorel: Die Konsequenz sind Ihre Allokationen. Wir sind zurück bei den wirtschaftlichen Problemen. Ihre Allokationen werden durcheinander sein. Das bedeutet, dass Sie Ihr Kapital effektiv fehlallokieren, und deshalb werden Sie eine Rendite haben, die viel niedriger ist als die, die Sie haben sollten.
Sehen Sie, die Sache ist, dass jede Allokation, gut oder schlecht, Ihnen eine Rendite verschafft. Und wenn Sie Glück haben und in einem sehr guten Sektor sind, können selbst schlechte Allokationen manchmal eine positive Rendite erbringen. Aber noch einmal: Das Ziel ist es, die maximale Rendite zu erzielen.
Also, im Grunde genommen wird der Schmerz in Form von verringerten Renditen für alle Allokationen kommen.
Conor Doherty: Weniger Geld, im Grunde genommen.
Joannes Vermorel: Ja. Weniger Geld. Ja. Und das ist immer ein Problem. Wenn Sie Ihr Unternehmen falsch managen, ist die Folge, dass es weniger profitabel ist. Ja. Genau so ist es.
Und hier müssen Sie verstehen, dass diese Invariante — Sie sollten die Vergangenheit nicht verändern — äußerst wichtig ist, und dass Sie mit dieser Invariante nicht spielen können, weil sie so logisch inkonsistent ist, dass egal, wie clever Sie denken, es sehr schlechte Konsequenzen für Ihre supply chain haben wird. Sie können sich einem solchen Prinzip nicht widersetzen.
Noch einmal, es ist, als ob Sie Kausalität im Geschäftsleben falsch interpretieren. Wenn Sie denken, dass A B verursacht, aber in Wirklichkeit B A verursacht, wenn Sie die Situation so falsch deuten, wird es wirtschaftlichen Schaden verursachen. Es ist eine Art tiefes Missverständnis, das nachhallt und auf dem Weg allerlei Probleme hervorruft, weil Sie im Grunde genommen etwas tun, das so falsch ist, dass es negative Konsequenzen haben wird.
Und diese negativen Konsequenzen werden unglaublich vielfältig sein. Sie werden unglaublich verstreut sein. Und weil es supply chain ist, es komplex ist usw., wird es überall auftauchen, und dann wird es sehr schwierig für Sie sein, die Ursache zu diagnostizieren.
Ich sage Ihnen, Sie können zur Ursache zurückgehen. Die Ursache ist, dass Sie die Vergangenheit nicht straffrei veränderbar machen können. So einfach ist das. Und wenn ich von Straflosigkeit spreche, denken Sie nicht an ein moralisches Urteil. Es ist ein wirtschaftliches Urteil. Diese Straflosigkeit wird in Dollar bezahlt.
Conor Doherty: Okay. Ich werde auf diesem Punkt etwas weiter vordringen, denn es gibt mindestens zwei weitere Kernpfeiler im Kapitel, aber dazwischen liegt ein weiteres Problem bezüglich der Daten.
Im Kapitel sprechen Sie darüber… Also haben Sie vorhin erwähnt, dass Daten nur aufgezeichnete Symbole sind. Sie repräsentieren etwas, Sie interpretieren sie, wie Sie möchten. Nun lehnen Sie die Vorstellung ab, dass Daten oft als Sündenbock für finanzielle Verluste und gescheiterte Programme herangezogen werden. Sie behaupten — und das haben Sie tatsächlich auch öffentlich gesagt, wir haben zuvor Live-Events gemacht, bei denen Sie sagten: “Your data is not bad. If you have transactional data, basically depending on what software you have, you are good to go.”
Das ist also wieder ein weiteres Beispiel dafür, wo deine Perspektive und, sagen wir, die Mainstream-Perspektive im Widerspruch stehen, denn du und ich haben es beide schon, keine Ahnung, sagen wir, hundert- bis tausendmal gehört — das ist die Größenordnung — „Meine Stammdaten sind nicht gut genug, um ein neues Projekt zu starten“, was auch immer. Du bist dieser Ansicht offensichtlich nicht einverstanden. Warum?
Joannes Vermorel: Also, wenn wir darauf zurückkommen, dass die Vergangenheit nicht veränderbar sein sollte, ja… aber die Realität ist, dass die Art, wie supply chain in der Praxis gehandhabt wird — und nochmals, es wird mit Software betrieben, Software wird seit den letzten drei Jahrzehnten verwendet, sodass ich keine supply chain in irgendeinem Maßstab kenne, die nicht Software hier, da und überall hat. Software ist überall präsent.
Aber wenn du keine sehr klare Grenze zwischen dem, was die Vergangenheit darstellt, und dem, was über die Zukunft spekuliert, hast, wird es ein riesiges Durcheinander werden. Noch einmal: Software ist kompliziert, Software ist komplex, supply chain ist kompliziert und supply chain ist komplex. Also, Komplexität zieht sich durch alles.
Also, wenn du das nicht durchsetzt… du musst diese Unveränderlichkeit durchsetzen, dass du eine Software-Klasse hast, die sich mit der Vergangenheit befasst, und die wird systems of record genannt. Und dann hast du eine Software-Klasse, die sich mit der Zukunft befasst, und die wird systems of intelligence genannt.
Wenn du diese beiden nicht trennst und diese Trennung aufrechterhältst, rate mal? Du wirst ein Durcheinander haben, das so verwirrend ist, dass niemand mehr versteht, was vor sich geht. Und letztendlich wirst du den Daten die Schuld geben, weil du sagen würdest: „Oh, offensichtlich hatten wir so viele Probleme, es muss an schlechten Daten gelegen haben.“
Und schlechte Daten sind ein Sündenbock, der sehr praktisch ist, weil Daten, da sie keine Person sind, bedeuten, dass man niemandem die Schuld gibt. Wenn Menschen Daten beschuldigen, ist es, als würden sie das Universum beschuldigen. Und siehst du, das ist in Ordnung.
Wenn du in die Antike zurückgehst, wäre das genau so, als würden primitive Stämme irgendeiner Art von Göttern die Schuld für ihre Probleme geben. Offensichtlich sind wir zu modern, um einem Gott die Schuld zu geben, also werden wir keinem Gott die Schuld geben. Wir werden stattdessen ein modernes Konstrukt beschuldigen, damit es sich viel moderner anfühlt. Also werden wir die Daten beschuldigen, anstatt den Gott der supply chain zu beschuldigen. Aber aus rationaler Sicht ist das genau dasselbe. Wenn Menschen sagen: „Oh, meine Daten sind ein Problem“, höre ich: „Ich gebe dem Gott der supply chain die Schuld“ oder dem Gott der IT, so etwas in der Art.
Conor Doherty: Nun, um fair zu sein — und nun werde ich auf mein früheres Wissen zurückgreifen, denn ich weiß, dass deine Position etwas großzügiger ist, als das klingt. Das klingt sehr absolut.
Joannes Vermorel: Nein, nein, aber…
Conor Doherty: Nur um fair zu sein, ich dränge auf den Punkt.
Joannes Vermorel: Ja, du drängst auf den Punkt.
Conor Doherty: Aber um fair zu sein, hast du zuvor gesagt — und ich paraphrasiere dich — dass Daten im Grunde genommen nicht schlecht sind. Und dein Punkt war, schau, Transaktionsdaten sind, was sie sind.
Joannes Vermorel: Ja.
Conor Doherty: Aber du hast darauf hingewiesen, dass es knifflig sein kann, weil es Semantik gibt. Und ich glaube nicht, dass du das in diesem Buch erwähnst. Wenn ich mich recht erinnere, ist es tatsächlich in deinem ersten Buch, dem die Quantitative Supply Chain Manifesto, dem großen roten Buch.
Joannes Vermorel: Ja. Ja.
Conor Doherty: Und du hast das Beispiel gebracht — es ist eines meiner Lieblingsbeispiele, und ich habe es dir schon einmal vorgestellt — zum Beispiel: Was bedeuten Verkäufe an einem Tag? Wenn du das Hauptbuch aufschlägst, sind das die Verkäufe, die am Montag stattfanden? Oder ist es der Zeitpunkt, an dem die Garantiezeit für Verkäufe von vor zwei Wochen abgelaufen ist? Es gibt ungefähr 10 oder 12 oder 15 oder tausend Arten, wie man die Verkaufseinheiten pro Tag betrachten kann.
Joannes Vermorel: Ja. Und das ist… siehst du, um das zu verstehen: Die Daten über die Vergangenheit sind unveränderbar. Denk daran wie an die Dokumente eines Historikers. Die Dokumente sind einfach die Dokumente.
Wenn ein Historiker also arbeitet, sind die Dokumente unveränderbar. Wenn zum Beispiel ein Vertrag zwischen zwei Ländern an einem bestimmten Datum unterzeichnet wurde, ist dieser Vertrag perfekt aufgezeichnet. Dieser Vertrag ändert sich nicht.
Conor Doherty: Ja.
Joannes Vermorel: Aber es könnte so viele Feinheiten geben, die verloren gehen, wenn man wirklich verstehen will, was geschehen ist. Die Aufgabe des Historikers besteht also darin, diese Fakten, diese Aufzeichnungen erneut zu betrachten und ein neues Verständnis dessen aufzubauen, was passiert ist.
Conor Doherty: Ich mag diese Metapher.
Joannes Vermorel: Siehst du, und was ich sagen möchte, ist, dass die Arbeit eines Historikers extrem schwierig ist. Ja. Denn tatsächlich, ja, die Aufzeichnungen sind eindeutig, aber die Interpretationen, die wir von diesen Aufzeichnungen haben können, sind unendlich. Und das gilt auch für Software.
Also, deine Software — nehmen wir für den Moment an, dass deine Software richtig entworfen ist, in der Praxis ist das normalerweise nicht der Fall — und dass es tatsächlich eine Software ist, die darauf achtet, die Vergangenheit unveränderbar zu machen. Gut. Jetzt hast du also saubere Software, in der die Vergangenheit unveränderbar ist. Du hast saubere Aufzeichnungen, die sich nicht ständig unter deinen Füßen bewegen. Das ist gut.
Aber ich behaupte nicht, dass das Verständnis dieser Aufzeichnungen einfach ist. Das Verstehen dieser Aufzeichnungen kann extrem kompliziert sein. Und deshalb möchtest du die Situation nicht verschlimmern, indem du irgendeine Art von Feedback-Schleifen zulässt, die Dinge in deine Vergangenheit zurückspeisen.
Stell dir einfach einen Historiker vor, der mit historischen Dokumenten arbeitet, aber stell dir vor, er hat eine Bibliothek, die sagt: „Oh, hier ist meine Sammlung von Dokumenten darüber, was in Frankreich im 17. Jahrhundert geschehen ist, und das ist die Liste der Dokumente, die ich habe, da sind sie, die Referenzen, nach meinem Verständnis.”
Und jetzt stell dir vor, dass in dieser Bibliothek ständig Leute Fälschungen einfügen. Also fügen sie ständig gefälschte Dokumente aus dem 17. Jahrhundert in diese Bibliothek ein. Dann wäre der Historiker völlig verloren. Er würde sagen: „Jetzt hatte ich ein Problem, das bereits sehr schwierig war, nämlich diesen Zeitraum zu verstehen, und jetzt habe ich ein weiteres Problem, nämlich all die Fälschungen zu beseitigen, die tatsächlich nach dem Zeitraum erstellt wurden, an dem ich interessiert bin.”
Siehst du, das wäre ein absolutes Albtraum. Deshalb sind Historiker offensichtlich äußerst, äußerst präzise darin, sicherzustellen, dass alle Dokumente, die sie haben, tatsächlich aus der richtigen Zeit stammen und keine Fälschungen sind, die im Nachhinein erstellt wurden.
Und das ist, was ich sage. Deshalb sage ich, dass wir die Vergangenheit unveränderbar machen müssen. Aber die Vergangenheit unveränderbar zu machen, was der erste Schritt ist, auf diesem system of record, macht die Vergangenheit nicht leicht verständlich. Sie bleibt extrem schwierig.
Conor Doherty: Deshalb sprichst du davon, dass man Spezialisten braucht, supply chain specialists, die die Semantik analysieren können.
Joannes Vermorel: Genau. Und es ist schwierig, aber nicht, weil diese Beobachtungen Müll sind. Sie wurden nicht mit nachträglich erstellten Fälschungen verunreinigt. Sie haben einfach eine gewisse inhärente Schwierigkeit, nämlich dass sie sehr schwer zu interpretieren sind. Wenn ich „die vergangenen Verkäufe“ sage, ist das eine sehr mehrdeutige Aussage. Es ist eine sehr mehrdeutige Aussage.
Und letztlich kommt hier das Wissen ins Spiel. Wissen bedeutet, in der Lage zu sein, diese Mehrdeutigkeit aufzulösen, damit du diese Informationen in etwas Handlungsrelevantes umwandeln kannst. Du musst all diese Unklarheiten — oder besser gesagt, all diese Mehrdeutigkeiten — auflösen.
Conor Doherty: Okay. Nun, ich denke, es ist an der Zeit, das anzusprechen, was ich als den zentralen Pfeiler des Kapitels bezeichnen würde, und sicherlich etwas, das über das Buch selbst hinausgeht, weil es sich an Praktiker richtet. Aber das führt in das gesamte Konzept, wo ein Unternehmen sein Geld einsetzt. Und das sind, ja, systems of record, systems of report und systems of intelligence.
Also systems of record: dein ERP, was auch immer, der Historiker des Unternehmens, um deine eigene Analogie zu verwenden, wie es passiert ist, das liegt in der Vergangenheit.
Joannes Vermorel: Es ist nicht der Historiker. Das system of record ist buchstäblich der Schreiber, der Schreiber, der Schreiber. Es ist einfach der Typ, der schreibt.
Conor Doherty: Die digitale Version.
Joannes Vermorel: Genau, die digitale Version des Schreibers, jemand, der nur die Aufzeichnungen führt. Er versucht nicht, irgendeine Intelligenz zu haben. Er zeichnet einfach so auf, wie es ist — das Gute, das Schlechte, die Fehler und das Außergewöhnliche — alles so, wie es ist. Das ist es.
Conor Doherty: Okay. Systems of report, das sind die business intelligence Tools, Darstellungen davon.
Joannes Vermorel: Also, systems of report werden für etwas ganz anderes verwendet. Sie werden für die Einhaltung von Vorschriften genutzt. Ja. Weißt du, was das bedeutet? Dass du sagen wirst: Wir haben Prozesse, wir haben Regeln, wir haben Best Practices, und das Management braucht nur ein Instrument, um das durchzusetzen.
Also, systems of report drehen sich nicht darum, Intelligenz zu gewinnen, die Zukunft zu verstehen oder ähnliches. Sie sind im Wesentlichen ein Instrument für ein großes Unternehmen, um die Einhaltung eigener Prozesse aufrechtzuerhalten. Und das ist es.
Conor Doherty: Sie wollen Einsichten, sie wollen eine Visualisierung dessen, was passiert.
Joannes Vermorel: Das ist, was Anbieter, die business intelligence verkaufen, sagen. In der Praxis habe ich diese Tools noch nie auf diese Weise genutzt gesehen. Sie werden nur verwendet… Niemand gewinnt wirklich irgendwelche Einsichten. Ich meine, ja, gelegentlich, sehr gelegentlich, wird jemand eine Einsicht gewinnen, wenn er einen business intelligence Report betrachtet, aber das ist nicht der Zweck dieser Marke, dieser Technologiekategorie. Es kommt so selten vor.
Für mich ist das wiederum eine schwache Analogie, aber es kommt so selten vor, dass es sehr, sehr zweitrangig ist. Es wäre, als würde man sagen, Alkohol ist etwas, das man zur wissenschaftlichen Entdeckung nutzen kann. Ja, gelegentlich wird ein Wissenschaftler, der viel Alkohol trinkt, in diesem veränderten Geisteszustand eine Entdeckung machen. Aber zu sagen, dass Alkohol ein Instrument der Wissenschaft ist, drängt etwas.
Conor Doherty: Jetzt machst du ein teleologisches Argument. Und lass mich tatsächlich noch ein wenig den Rahmen abstecken, denn ich denke, dann können wir die Idee ein wenig universeller fassen.
Also, du hast systems of record ausführlich erklärt — das ist der Schreiber, es sind einfach die Aufzeichnungen dessen, was passiert ist. Deine systems of report, das sind Visualisierungstools wie business intelligence. Sie dienen nicht der Entscheidungsfindung. Du hast an Entscheidungsträger verkauft, dass in der Praxis Unternehmen, die supply chains betreiben, extrem groß, komplex und daher es sehr schwierig ist, konsistent mit den eigenen erklärten Prozessen zu bleiben. Also sind systems of report sehr gut dafür, Managern zu ermöglichen zu überprüfen, ob ihre Untergebenen sich an die Compliance-Vorgaben im Unternehmen halten.
Nun, du hast tatsächlich gesagt… mein eigenes Mikrofon ist im Weg. Einen Moment. „Die meisten Enttäuschungen in Unternehmen entstehen dadurch, dass diese unterschiedlichen Systeme vermischt werden, in der Erwartung, dass Hauptbücher denken oder Analyseebenen als Wahrheitsquellen dienen.”
Das führt nun zu der Kategorie, die du noch näher ausführen musst, nämlich systems of intelligence. Und ich stelle, nachdem ich das Kapitel gelesen habe, fest, dass du glaubst, dass Entscheidungen und eine bessere Leistung tatsächlich darin liegen. Bitte erkläre also – ich würde sagen, etwas knapp – was ein system of intelligence ist und grundsätzlich, warum du die anderen beiden Systemklassen nicht so behandeln solltest, als wären sie ein system of intelligence.
Joannes Vermorel: Das ist übrigens zentral. Das ist ein zentraler Punkt.
Also, das erste, system of record, ist die Vergangenheit. Es ist eine Aufzeichnung der Vergangenheit. Es ist das Beste, was du über die Vergangenheit hast. Nun, das system of report bezieht sich ebenfalls auf die Vergangenheit. Es zeigt dir lediglich, ob du in der Vergangenheit deinen eigenen Prozessen gemäß gehandelt hast. Es ist also sehr rückblickend.
Also, siehst du, dieses system of report erzählt dir einfach eine Geschichte über die Vergangenheit. Es ist, wenn du willst, eine Möglichkeit, eine Erzählung über die Vergangenheit aufzubauen. Es ist nicht sehr ausgefeilt. Es ist einfach, wie es in der Wirtschaftsgeschichte wäre: Waren die Franzosen vor einem Jahrhundert reicher oder ärmer? Genau das würde dir das system of report liefern. Anstatt Millionen von Aufzeichnungen über Einkommensangaben der Franzosen zu haben, würdest du aggregierte Statistiken erhalten. Genau das hast du.
Conor Doherty: Diese beiden haben wir zwar behandelt. Also kommen wir zur intelligence.
Joannes Vermorel: Und das dritte ist etwas ganz, ganz anderes. Es ist das Einzige, das tatsächlich auf die Zukunft blickt.
Conor Doherty: Okay. Und in welcher Hinsicht?
Joannes Vermorel: Von Haus aus blickt es in die Zukunft. Es ist so konzipiert, weil es versucht, Entscheidungen zu generieren. Diese Entscheidung ist also immer zukunftsorientiert. Du triffst eine Entscheidung, weil du denkst, dass du irgendeine Art von Rendite erzielen wirst. Deshalb triffst du diese Entscheidung.
Und ich habe klargestellt, dass im spezifischen Fall von supply chain eine Entscheidung eine Ressourcenallokation ist. Eine Ressourcenallokation bedeutet im Wesentlichen, dass du eine Ressource zuweist, weil du erwartest, irgendwann eine Art von Rendite auf deine Investition zu erhalten. Und dein system of intelligence ist einfach eine Maschine, die diese Allokationen für dich generiert. Das ist es.
Conor Doherty: Ohne dich zu unterbrechen, aber um den Punkt noch einmal zu unterstreichen: Selbst wenn du deine Entscheidungen auf der Grundlage von Dingen triffst, die du in der Vergangenheit kritisiert hast, wie „Ich möchte hohe Servicelevels aufrechterhalten“, auch wenn das so ist und dein Leitprinzip darstellt, geschieht es dennoch, weil du eine wünschenswerte Rendite auf deine Investition erzielen möchtest.
Joannes Vermorel: Absolut. Das ist also das übergeordnete Ziel, ja. Und nochmals, du kannst angemessen entworfene systems of intelligence haben oder unangemessen entworfene systems of intelligence. Der einzige Unterschied wird die Rendite sein, die du aus deinen Entscheidungen erzielst.
Aber zuerst, siehst du, kannst du die Tatsache nicht umgehen, dass ein System von Entscheidungen existiert. Warum? Weil Ressourcen zugeteilt werden. Das ist es. Ressourcen werden zugeteilt. Also wird die Entscheidung getroffen. Daran kommt man nicht vorbei. Die Ressourcen werden zugeteilt.
Als Unternehmen gibst du ständig deine Dollar aus, um Rohstoffe zu kaufen, um Vorräte zu erwerben, die du wieder auffüllst. Du erteilst deinen eigenen Mitarbeitern Aufgaben, etwas zu tun. Das ist eine Ressourcenallokation. Diese Dinge passieren die ganze Zeit. Man kann ihnen nicht entgehen.
Und was ich sage, ist, dass wir vor einem Jahrhundert eine sehr klare Situation hatten. Intelligenzsysteme waren ausschließlich menschlich. Somit waren die Aufzeichnungen bereits teilweise maschinell, weil sie selbst vor einem Jahrhundert in Büchern festgehalten wurden.
Conor Doherty: In gewisser Weise war die Speicherung schon etwas Unmenschliches. Sie befand sich nicht im Kopf eines Menschen.
Joannes Vermorel: Sie trugen diese Informationen nicht in ihren Köpfen. Sie wurden bereits über Geräte transportiert. Offensichtlich waren diese nicht besonders ausgeklügelt, aber sie waren Geräte, und sie konnten dank Büchern schon eine Menge Informationen speichern. Somit hatten wir für die Aufzeichnungen im Grunde genommen bereits Artefakte. Computer sind zwar bessere Artefakte, aber Artefakte hatten wir bereits.
Wenn es um Entscheidungen ging, war alles rein menschlich. Rein menschlich. Aber nun, in den letzten drei Jahrzehnten, haben wir eine Mischung. Niemand verfügt mehr über eine rein menschliche Entscheidungsebene. Sie existiert nicht. Sie existiert nicht.
Selbst wenn Leute sagen: “Oh, we do everything manually.”
Conor Doherty: “Tust du das?”
Joannes Vermorel: Oh ja. “Alles wird manuell gemacht. Wir benutzen einfach Excel.”
Ich sage: “Oh, okay.” Also, wissen Sie, Excel ist sehr softwarelastig. Excel ist Software. Excel ist wie eine Erweiterung Ihres Geistes, um Unmengen grundlegender Rechenoperationen durchzuführen. Somit haben wir bereits eine Art Hybridsystem, das aus menschlichem Verstand plus Maschinen besteht. Sobald Sie ein Excel-Arbeitsblatt haben, handelt es sich um ein Hybridsystem – es ist sowohl Software als auch menschlicher Verstand.
Und im Laufe der Zeit, was ich beobachtet habe, ist, dass der Softwareanteil immer größer wird. Und selbst wenn es nichts anderes als Excel-Arbeitsblätter wären – denn, raten Sie mal? Excel ist kein wandelndes Ziel. Vor 20 Jahren hatte Excel maximal 65.000 Zeilen. Jetzt sind es eine Million Zeilen.
So hat sich Excel in den letzten 20 Jahren in seinen Möglichkeiten erweitert, und jetzt können sogar Python-Skripte in einem Excel-Arbeitsblatt ausgeführt werden. Excel selbst wurde also leistungsfähiger. Und es gibt zahlreiche Dinge, die an Leistung zugenommen haben, denn zum Beispiel sagen die Leute: “I am just using Excel.” Aber benutzen sie wirklich nur Excel? Nein. Sie nutzen auch die Möglichkeiten ihrer Aufzeichnungs- und Berichtssysteme, um Auszüge zu generieren, die als Eingaben für ihre Arbeitsblätter dienen.
Effektiv ist es also nicht nur reines Excel. Es ist eine Mischung aus der anwendungsbezogenen Landschaft, die Eingaben erzeugt, die Sie einfügen, usw. Und was ich sage, ist, dass insgesamt, Jahr für Jahr, der Anteil, der an die Maschine delegiert wird, immer größer wird. Das ist, was ich sagen möchte, und deshalb müssen wir das unter Kontrolle bringen.
Conor Doherty: Ja. Du hast in diesem Kapitel erneut das Argument vorgebracht, dass echte skalierbare Rentabilität dadurch erreicht werden kann, mehr in Intelligenzsysteme zu investieren als in Aufzeichnungssysteme.
Wir haben in früheren Episoden besprochen, dass die Ausgaben tendenziell sehr asymmetrisch verteilt sind. So fließt zum Beispiel der Großteil der Ausgaben in Aufzeichnungssysteme, obwohl du argumentierst, dass diese keine Entscheidungen hervorbringen. So wie: Ich habe den ausgeklügeltesten Buchhalter oder das umfangreichste Hauptbuch überhaupt. Das führt aber nicht zu besseren Entscheidungen. Also, warum sind die Ausgaben so asymmetrisch?
Joannes Vermorel: Weil Software nun einmal etwas Großes und Kompliziertes ist und die Leute Software behandeln, als wäre es eine Art Voodoo-Magie, die in den Büros der Anbieter passiert. Das ist es nicht … Software ist ja ganz grundlegend. Es ist sicherlich keine Voodoo-Magie.
Conor Doherty: Das wird von einigen Anbietern so dargestellt.
Joannes Vermorel: Ja. Denn Anbieter sagen: “I have a secret recipe. I have a magical ingredient that you cannot replicate,” oder so ähnlich. Und das ist im Grunde nur Gerede, um ihre Produkte zu bewerben. Aber es ist nicht rational.
Nun, zurück zur Software: Was ich sagen möchte, ist, dass wenn Sie Ihre sehr saubere Umgebung beibehalten – also wenn Sie eine Klasse von Software haben, die sich ausschließlich mit der Vergangenheit befasst, also ein Aufzeichnungssystem – wenn Sie diese Invarianz durchsetzen, dann stellen Sie plötzlich fest: “Oh, dieses Stück Software, das sich nur mit der Vergangenheit befasst, ist nur eine hochtrabende Version meiner Buchhaltungsbücher.” Es steckt nichts weiter darin. Es ist lediglich eine lange Reihe von Aufzeichnungen.
Und raten Sie mal? Festplatten sind billig. Also kann ich Milliarden von Aufzeichnungen haben, und es bleibt günstig. Und sollte ich dafür also Höchstpreise bezahlen? Nein. Es ist einfach. Daher muss es billig sein.
Glaubst du, dass du als Softwareanbieter möchtest, dass dein Kunde erkennt, dass das, was du in den Händen hältst, etwas ist, das super billig sein sollte? Nein. Daher wirst du den Kunden mystifizieren. Du wirst den Kunden mystifizieren und eine ganze Schicht Verwirrung schaffen, sodass die Leute den Überblick verlieren und nicht erkennen, dass im Kern das, was du hast, etwas extrem Einfaches ist.
Ein Aufzeichnungssystem ist äußerst simpel. Es ist lediglich ein hochtrabendes Hauptbuch. Nichts weiter, nichts weniger, nichts mehr. Es ist ganz unkompliziert.
Conor Doherty: Unternehmen – nicht Einzelpersonen – werden eine halbe Milliarde für ein Aufzeichnungssystem ausgeben.
Joannes Vermorel: Ja. Und warum? Weil Anbieter von Unternehmenssoftware äußerst gut darin sind, ihre Produkte begehrenswert zu machen. Sie werden also eine enorme Menge an Verwirrung stiften, sodass die Leute denken: “Oh, diese Software kann so viel mehr.”
Und ich sage nein. Was Sie kaufen, ist eine Illusion. Es ist nicht mehr. Wenn Sie ein ERP kaufen, kaufen Sie ein Aufzeichnungssystem, und somit sollte dieses System sehr billig und schlank sein – und das war’s. Und wenn Sie einem Softwareanbieter gegenüberstehen, der beginnt, Sie zu mystifizieren, indem er erklärt: “Oh nein, nein, nein, mein ERP, es macht alles, es hat AI, es hat dies und das, etc.” – dann werden Sie mystifiziert. Das ist meine Botschaft. Sie werden mystifiziert.
Es ist, als würde Ihnen ein Buchhalter sagen: “Ich bin ein Rockstar-Buchhalter. Ich zaubere. Der Gewinn entsteht dadurch, wie ich die Zahlen zähle. Sie machen mehr Gewinn.”
Conor Doherty: Moment, halt mal. Stell dir das vor. Das ist eigentlich ein besserer Satz. Ein Buchhalter, der Ihnen sagen würde: “Thanks to my great accounting, I can generate so much money for you. We are going to create money out of thin air.”
Joannes Vermorel: Das klingt nach Betrug.
Conor Doherty: Klingt nach Betrug.
Joannes Vermorel: Ich meine, ein Buchhalter sollte nicht in der Lage sein, Geld aus dem Nichts zu erschaffen. Die Buchhalter, die dazu fähig sind, arbeiten in der Regel nach Enron-Art. Sie arbeiten für die Syndikate oder für Enron. Ihre buchhalterischen Machenschaften waren äußerst kreativ. Das muss man ihnen lassen. Enron hatte eine extrem, extrem kreative Buchhaltung.
Conor Doherty: Ich bewundere den Mut.
Joannes Vermorel: Ja. Sie waren wie Pioniere avantgardistischer Buchhaltungstechniken, und das ist wirklich nicht gut. Es ist wirklich, wirklich nicht gut.
Also möchtest du nicht, dass dein Hauptbuch der Ort ist, an dem Innovation stattfindet. Das ist der falsche intellektuelle Rahmen. Du willst keinen erfinderischen Buchhalter. Du willst keinen kreativen Buchhalter. Du willst einen gewissenhaften Buchhalter. Du willst einen zuverlässigen Buchhalter, und du willst einen kosteneffizienten Buchhalter. Das ist es, was du willst.
Und übrigens, all diese Eigenschaften übertragen sich auf dein system of record. Sie sind genau dieselben.
Conor Doherty: Ja. Das ist also wieder ein entscheidender Punkt. Du sprichst es im Buch an. Ich weiß, dass du auch in anderen Videos darüber gesprochen hast. Wir müssen nicht in die komplexe Softwarearchitektur einsteigen – wir reden ja schon seit fast einer Stunde – aber was du gerade gesagt hast, nämlich dass du möchtest, dass deine Aufzeichnungen gewissenhaft und rasch sind…
Erneut, hier ein wesentlicher Unterschied: Zum Vergleich dieser beiden – denn ich glaube, dass dies die beiden am häufigsten verwechselten Kategorien in dieser Bezeichnung sind – gibt es systems of record und systems of intelligence. Im Buch beschreibst du Entscheidungen als mühsame Entscheidungen, weil es Zeit braucht, eine gute Entscheidung zu treffen. Die dafür erforderliche Softwarearchitektur ist das Gegenteil derjenigen, die notwendig ist, um ein system of record genau und schnell zu gestalten.
Also noch einmal, um ganz konkret zu sein: Du bist in einem Lager, oder in einem Geschäft, und verkaufst Dinge. Du möchtest wissen, wie viele Einheiten vorhanden sind. Du möchtest wissen, wie viele Einheiten im Lager sind. Du willst das so genau und schnell wie möglich wissen.
Joannes Vermorel: Ja.
Conor Doherty: Genau dafür ist ein system of record da. Du kennst das Design zwar besser, aber du hast bereits zuvor die Sportanalogie gemacht, dass man grundsätzlich entweder als Marathonläufer, der Beste der Welt, sehr, sehr schnell sein kann, oder als Powerlifting-Champion. Es ist sehr schwierig, beides zu erreichen, denn je besser man in einem wird, desto mehr leidet das andere. Bitte erläutere das in besseren Worten, als ich es gerade getan habe.
Joannes Vermorel: Also nochmals, die Buchhalter-Analogie lautet: Wie viele Rockstars sind nebenbei Buchhalter? Keine. Keine. Denn wenn du das Temperament hast, ein guter Buchhalter zu sein, hast du nicht das Temperament, ein Rockstar zu sein. Und umgekehrt.
Du würdest deine Buchhaltung niemals jemandem anvertrauen, der Drogen nimmt oder verrückte Dinge macht.
Conor Doherty: Also sind Entscheidungen in dieser Analogie Rockstars.
Joannes Vermorel: Entscheidungen sind – ja, ein bisschen. Ein bisschen, weil sie innovativ und kreativ sind. Grundsätzlich versuchst du, Größe zu erreichen.
Conor Doherty: Genau.
Joannes Vermorel: Und die Buchhaltung dient nicht dazu, Größe zu erreichen, denn Größe, accuracy in der Buchhaltung bedeutet Enron. Du willst keine Größe. Du willst keine Innovation in der Präzision. Du willst etwas, das immer gleich, zuverlässig und langweilig ist.
Conor Doherty: Langweilig.
Joannes Vermorel: Ja. Genau. Langweiligkeit ist eine unglaubliche Eigenschaft für einen Buchhalter. Ich würde sogar sagen, wenn dein Buchhalter ein sehr interessanter Typ ist, würde ich ihm vielleicht nicht vertrauen. Es ist wieder eine Frage der Persönlichkeit. Der großartige Buchhalter ist jemand, der so zuverlässig ist, dass er langweilig ist. Das ist es, was du von einem Buchhalter erwartest.
Und von einem Rockstar kann dieser Typ völlig unzuverlässig sein. Aber weißt du was? Manchmal hat er einen genialen Geistesblitz, und zack, Größe. Das ist eine großartige Entscheidung. So etwas erwartest du auf der Ebene der Entscheidungen.
Denn nochmals, die Zukunft ist unsicher, daher ist es immer ein Glücksspiel. Deshalb sage ich, auf der Entscheidungsebene spekulierst du immer. Es gibt keinen anderen Weg. Du kennst die Zukunft nicht. Somit gibt es ein Element des Risikos. Und deshalb kann es ein Element der Größe geben, dass, wenn du sehr, sehr gut darin bist, die Zukunft zu erkennen, du etwas erreichen kannst, das unglaublich ist – nämlich eine sehr, sehr hohe Rendite.
Conor Doherty: Mir gefällt das Element der Buchhaltung in dieser Analogie auf jeden Fall. Ich möchte es dir einfach mal vorschlagen, und du kannst mir sagen, wie du darüber denkst.
Um die musikalische Analogie zu verwenden, habe ich es so wahrgenommen: Der Buchhalter entspricht deinem system of record. Wir wollen, dass er unscheinbar, zuverlässig und vertrauenswürdig ist. Das system of intelligence ist wie Bach oder Mozart. Sie werden komponieren. Es wird mühsam sein. Es ist intensiv. Es ist kreativ. Es ist rätselhaft. Eine wirklich gute Allokation oder Lagerauffüllung, das ist, als ob ich Symbole von überall hernehme. Es braucht Zeit. Es erfordert Einsatz. Das System berechnet neu und rechnet weiter. Und am Ende hast du Für Elise. Du hast eines der großartigsten Musikstücke aller Zeiten.
Der Rockstar kann es chaotisch klingen lassen, aber für mich wirkte es wie klassische Musik. Es ist präzise. Darin steckt Wissenschaft. Die Rhythmen – du möchtest, dass alles innerhalb von Parametern passt.
Joannes Vermorel: Aber auch, wenn du wahre Größe in der klassischen Musik hast – was in der Tat eine treffendere Analogie ist – kannst du keine Grenzen erzwingen. Genie, selbst wenn es extrem kodifiziert und streng ist, befindet sich niemals innerhalb von Grenzen, denn wahres Genie definiert neu, was Musik sein sollte. Es definiert die Grenzen neu und verschiebt sie nicht zufällig, sondern mit Absicht.
Und das ist gewissermaßen das Gegenteil des Buchhalters, der die Grenzen nicht verschieben soll. Der Buchhalter, ein guter Buchhalter, ist definitionsgemäß – nochmals, du willst keine Situation, in der… ja, er muss langweilig sein. Er muss eingeschränkt sein.
Wenn es um Entscheidungen geht, ja, dann ist es Mozart. Du musst die Grenzen dessen erweitern, was Musik sein kann. Ja. Und so erreichst du diese wahre Größe. Und ja, die Analogie funktioniert in diesem Zusammenhang wirklich gut.
Conor Doherty: Okay. Also kommen wir wieder zurück auf… gibt es insgesamt in der Branche eine scheinbar systematische — entschuldige das Wortspiel — systematische Unterschätzung der klassischen Musik, der systems of intelligence?
Joannes Vermorel: Jetzt müssen wir uns die Anreize der Softwareanbieter anschauen. Was ist dein Anreiz? Du möchtest das, was dich am wenigsten in der Herstellung kostet, zum höchstmöglichen Preis verkaufen. Das ist… ich bin Softwareanbieter. Ich muss Geld verdienen. Also habe ich das Geld, das ich verdiene – das ist der Preis, den die Leute zahlen – und was es mich kostet, ist der Preis, den ich als Softwareanbieter bezahle, um die Software produzieren zu lassen.
Bisher ist die Softwareindustrie genau wie die Produktion. Du möchtest im Wesentlichen günstig einkaufen und teuer verkaufen.
Conor Doherty: Genau.
Joannes Vermorel: Das ist es. Nun, ein system of record ist, wie ich sagte, sehr einfach und daher sehr kostengünstig in der Herstellung. Großartig für mich als Softwareanbieter. Großartig. Warum? Günstig. Niedrige Produktionskosten. Hervorragend.
Nun, das Problem ist, dass die Zahlungsbereitschaft des Kunden nicht so hoch ist. Siehst du, ja, meine Kosten sind niedrig, aber auch die Zahlungsbereitschaft der Kunden ist niedrig. Nicht gerade ein großartiger Zustand.
Aber stell dir vor, wenn ich den Kunden darüber täuschen könnte, was meine Software genau macht, könnte ich seine Zahlungsbereitschaft enorm steigern. Es wird ein Problem geben, nämlich dass, wenn ich diesen Zaubertrick vorführen will, ich Magier dafür brauche, denn es ist irgendwie ein Zaubertrick. Also werde ich diese Magier brauchen. Wer wird diese Magier sein? Das wird der Enterprise Softwareanbieter sein.
Und rate mal? Diese Anbieter von Unternehmenssoftware, wenn man sich ihre Belegschaft anschaut, bis zu zwei Drittel ihrer Belegschaft sind tatsächlich Anbieter. Sie sind Vertriebsmitarbeiter. Also bezahlst du bei einem typischen Anbieter von Unternehmenssoftware – zwei Drittel des Teams – nicht für die hergestellte Software. Du zahlst für die Kostenstruktur des Verkaufs der Software.
Im Wesentlichen zahlst du also einem Anbieter für die Magier, die er hat und die die Illusion erzeugen, dass die Software so viel mehr ist, als sie tatsächlich ist, und so deine Zahlungsbereitschaft in die Höhe treiben. Du würdest sagen: “Es ist so einfach”, aber rate mal? Es ist einfach und es funktioniert.
Also machen Unmengen von Anbietern von Unternehmenssoftware genau das. Du nimmst ein Softwareprodukt, das günstig zu produzieren ist. Dann nimmst du zusätzlich Leute, die Unternehmensvertriebsmitarbeiter sind, und diese werden dann das Voodoo machen. Das ist ihre berufliche Kompetenz. Sie werden die Zahlungsbereitschaft der Kunden in die Höhe treiben. Am Ende hast du Unternehmen, die extravagante Preise auf der Grundlage extravaganter Erwartungen zahlen, die jedes Mal enttäuscht werden, weil letztlich das, was sie kaufen, niemals sein Versprechen einlösen kann. Das ist es.
Und diese Geschichte hat sich leider in den letzten vier Jahrzehnten immer wieder wiederholt.
Conor Doherty: Seien wir ehrlich, wir sind jetzt seit einer Stunde unterwegs, und ich denke, es ist an der Zeit, dass ich die Schlussfrage stelle. Aber sie baut nicht nur auf dem auf, was wir heute besprochen haben, sondern ehrlich gesagt auch auf den vorangegangenen vier Kapiteln, was – wie ich glaube – wahrscheinlich eine der folgenschwersten Fragen ist, wieder nicht nur für Praktiker, sondern auch für die Unternehmen, in denen sie arbeiten.
Du hast Systeme der Aufzeichnung, Systeme der Berichterstattung, Systeme der Intelligenz skizziert, die Funktionen von jedem und aufgezeigt, wo der jeweilige Wert liegt. Okay. Wie können Praktiker, die möglicherweise nicht dein Maß an Fachwissen in Softwaredesign, Architektur und allem Drum und Dran haben, morgen – wenn sie in ein Gespräch mit einem Anbieter eintreten, um ein ERP, also ein System der Aufzeichnung, zu kaufen – wissen: “Werde ich hier über den Tisch gezogen? Wird mir Schlangenöl verkauft?”
Joannes Vermorel: Du musst die Grundfrage stellen: “Mutiert deine Software die Vergangenheit?” Ich weiß, es ist eine merkwürdige Frage.
Conor Doherty: Weil du möchtest, dass sie diese Frage an den Anbieter richten.
Joannes Vermorel: Ja. Ja, stell einfach die Frage: “Mutiert ihr die Vergangenheit?” Das ist es. Es ist eine ganz einfache Frage. “Mutiert ihr die Vergangenheit?”
Und der Zusammenhang mit Information besteht darin, dass, wenn wir endlich verstehen, wie Information funktioniert, usw., du im Grunde eine einfache Frage stellst, die ein Lackmustest dafür ist, ob die Software eine fundamentale Invariante durchsetzt oder nicht.
Wenn der Anbieter von der Frage verwirrt ist, dann ist das eine schreckliche Antwort, weil das bedeutet, dass der Anbieter keine Ahnung hat, was er tut. Wenn der Anbieter absolut keine Ahnung hat, was er tut, solltest du es wahrscheinlich nicht kaufen.
Conor Doherty: Du solltest es nicht kaufen.
Joannes Vermorel: Du solltest es nicht kaufen. Stell dir vor, ich weiß, Software ist so abstrakt, dass die Leute leicht den Verstand verlieren, aber lass uns zu einer Frage bei einem Auto zurückkehren. Wenn du ein Auto kaufst, würdest du fragen: “Ist dieses Auto sicher?” Und wenn der Anbieter sagt: “Was meinst du mit ‘sicher’? Ich verstehe deine Frage nicht”, dann denkst du: “Ich glaube, ich nehme ein anderes Auto. Ich würde lieber ein Auto von Leuten kaufen, die dir sagen: ‘Oh ja, unser Auto ist sehr sicher. Es hat Sicherheitsgurte. Es hat Airbags. Es hat ein Design, bei dem, wenn du mit etwas kollidierst, der Motor unter dich rutscht, anstatt deine Beine zu zerquetschen.’”
Das ist eine gute Antwort. Das ist der Anbieter, den du willst. Der Anbieter, den du willst, sagt: “Oh, Veränderbarkeit der Vergangenheit. Oh ja, das ist so ein wichtiges Anliegen. Wir haben dem viel Aufmerksamkeit geschenkt.”
Das ist eine einfache Sache. Es ist so, als würdest du ein Auto kaufen und fragen: “Ist es sicher?” und der Anbieter dir sagt: “Sicher? Daran habe ich nie wirklich gedacht.” Das ist einfach keine gute Antwort. Das sollte eine erschreckend schlechte Antwort sein.
Und ich sage nur: Software ist einfacher und unkomplizierter, als du denkst. Du solltest deine Software einfach fragen: “Verkaufst du mir eine Software, die sich mit der Vergangenheit beschäftigt oder mit der Zukunft?” Wenn sie sich mit der Vergangenheit beschäftigt, machst du es auf eine saubere Weise, sodass du die Vergangenheit nicht veränderst? Und wenn du es mit einer Software zu tun hast, die sich mit der Zukunft befasst, dann hast du etwas, das einer sauberen Trennung entspricht und du versuchst nicht, alles miteinander zu vermischen?
Also musst du diese grundlegenden Fragen stellen. Und diese Art von Information ist einfach ein Weg, um zu verstehen, warum wir diese saubere Trennung zwischen Vergangenheit und Zukunft brauchen, denn letztlich läuft alles über diese Information. Was als Information zählt, stammt ausschließlich aus der Vergangenheit – dein Wissen baut darauf auf, um Entscheidungen zu treffen.
Wissen richtet seinen Blick nicht auf die Vergangenheit. Es ist grundlegend etwas, das in die Zukunft schaut. Aber nochmals: Du musst diese Bausteine haben, diese integralen Bausteine, damit du deinen Softwareanbieter auf ganz einfache Weise herausfordern kannst.
Und nochmals: Wenn du die Frage stellst, “Mutiert deine Software die Vergangenheit?” und der Anbieter ist verblüfft, musst du weglaufen. Das ist schlecht. Das ist wirklich kritisch schlecht. Das ist genauso schlimm wie ein Autoverkäufer, der sagt: “Sicherheit? Ich habe keine Ahnung, wovon du sprichst.” Nochmals, du solltest weglaufen, wenn du siehst, dass… Siehst du, das sind wichtige, einfache Fragen, die du verwenden kannst – und genau das würde ich vorschlagen. Deshalb schlage ich vor, dass du dieses Kapitel liest. Du musst in der Lage sein, diese schmerzhaft einfachen Fragen zu stellen. Sie werden ausgezeichnete Lackmustests sein, um gefährlich inkompetente Anbieter zu erkennen. Das ist alles, was ich sage.
Conor Doherty: Ja. Eine weitere mögliche Art, das zu formulieren – und sag mir, was du denkst – ist… also, du hast das Beispiel eines Autos genannt.
Joannes Vermorel: Ja.
Conor Doherty: Und als ich zuhörte, dachte ich: Okay, es ist so, als würdest du eine Limousine kaufen, einfach ein normales Familienauto, und du fragst: “Okay, kann ich damit Hügel hinauffahren? Kann ich damit Berge hochfahren? Wird es gut funktionieren?” Und wenn sie ja sagen, wenn auch etwas skeptisch…
Um das auf die Software-Analogie zu übertragen, würdest du ein ERP kaufen und fragen: “Kann dieses für mich bessere Entscheidungen treffen?” und sie sagen ja. Für mich könnte eine Frage etwa lauten: “Nun, ich bin ein Anfänger, aber meines Wissens nach sind die zur Entscheidungsfindung nötigen Berechnungen unglaublich intensiv, und in einem einzelnen Softwareprodukt könnte das die niedrige Latenz eines Systems der Aufzeichnung beeinträchtigen. Wie mildert ihr das ab?” Erkläre mir einfach, wie ihr das abmildert. Und wenn sie darauf keine Antwort haben, wäre ich skeptisch, denn je anspruchsvoller die Anforderungen an gute Rechenleistung sind, desto größer ist das Risiko für das System der Aufzeichnung.
Joannes Vermorel: Ich würde ja sagen, aber das Problem ist, dass… ich habe darüber nachgedacht… siehst du, das ist eine gute Frage, ein guter Test. Das Problem, das ich sehe, ist, dass dein typischer Anbieter von Unternehmenssoftware dir eine Antwort geben wird, die du nicht verstehen wirst, und die dabei smart und kohärent klingt. Deshalb ziehe ich es vor, nach Fakten zu fragen.
Conor Doherty: Aber das sind doch auch Fakten.
Joannes Vermorel: Nein, das ist kein Fakt, denn das Problem ist, dass sie lügen können. Ich bezweifle sie damit nicht. Das Problem ist, dass es Wege gibt, es zum Laufen zu bringen. Verstehst du? Du siehst, du kannst Systeme der Aufzeichnung und Systeme der Intelligenz mischen. Aber es gibt einen Haken: Es wird exponentiell teurer.
Deshalb kannst du zum Beispiel mischen – ein sehr einfaches Beispiel ist, dass Google das macht. Sie haben also eine saubere Aufzeichnung des gesamten Webs sowie ein System der Intelligenz, das in Echtzeit Entscheidungen treffen kann, alles zusammen, vermischt. So haben sie sowohl das System der Aufzeichnung als auch das System der Intelligenz kombiniert, um dir brillante Antworten zu liefern. Es ist also möglich, die beiden zu mischen.
Aber es ist möglich, allerdings kostet es wirklich eine Menge Geld. Es ist exponentiell teurer für den Anbieter und erfordert auch unglaubliches Talent. Also, zusammengefasst: Kann man etwas haben, das sowohl beim System der Aufzeichnung als auch beim System der Intelligenz gut ist? Die Antwort ist nicht nein. Die Antwort ist ja – allerdings mit tonnenweise Geld und tonnenweisem Talent.
Und rate mal, was der Anbieter dir sagen wird? “Oh, das bin ich.”
Conor Doherty: “Das bin ich. Das bin genau ich.”
Joannes Vermorel: “Das bin genau ich, und viel weniger als du denkst.”
Conor Doherty: Genau.
Joannes Vermorel: Genau. Und was ich damit sagen will, ist: Es ist zu schön, um wahr zu sein. Es ist einfach zu schön, um wahr zu sein. Da hast du es. Wenn es zu schön klingt, um wahr zu sein, ist es das wahrscheinlich auch.
Und es ist so schwierig, mit Google zu konkurrieren. Es ist so schwierig, all diese Dinge zusammen zu machen, und die Kosten sind so überwältigend, dass die Wahrscheinlichkeit, dass du tatsächlich jemand Ehrlichen gegenüberstehst… nochmals, würde ich sagen, du musst skeptisch sein.
Also denke ich, es ist eine gute Frage, aber das Problem ist, dass der Anbieter… es wird so einfach sein, dir etwas vorzumachen, denn sie würden sagen: “KI, wir sind so gut.” Ja, normalerweise sollte es zu diesem Preis nicht möglich sein, aber wir sind so gut, dass es möglich ist.
Und dann musst du sagen… du bluffst. Du bluffst einfach, entschuldige. Denn siehst du, das Problem ist, dass du dann noch einen weiteren Test hast: Wenn du Leute hättest, die so gut darin sind, etwas so Großes zu leisten, würdest du keine supply chain software machen. Du würdest etwas tun, das dir noch mehr Geld einbringt.
Stell dir nur vor, wenn du Teams hättest, die so gut sind wie die von Google – sogar noch besser – und die noch unglaublichere Dinge leisten können, warum konkurrierst du dann nicht mit Google, um sie einfach zu übertrumpfen? Vielleicht tust du das nicht, weil du in der Tat diese Teams nicht hast.
Und wenn wir wieder zurückkommen zum “es ist zu schön, um wahr zu sein”, lasst uns zum M5-Wettbewerb zurückgehen. Der M5-Wettbewerb – es war ein Wettbewerb zur Prognose. Okay? Prognose.
Jeder einzelne meiner Kollegen, meine Konkurrenten bei Lokad – wenn du auf ihre Website gehst, werden sie dir sagen: “Modernste Prognoseverfahren. Wir sind die Besten.” Sie alle behaupten: “Wir haben die beste Prognose.” Manchmal wird es nicht so direkt ausgesagt, aber wenn es nicht offen formuliert wird, wird es so stark impliziert, dass es einem direkt ins Gesicht sticht.
Also ist die Situation, dass wir hunderte Anbieter von Unternehmenssoftware haben, die alle sagen: “Wir haben modernste Prognosemodelle” und dass sie wirklich, wirklich die Grenzen des Möglichen in Sachen Genauigkeit erweitern. Ausgezeichnet. Ausgezeichnet. Okay. Warum nicht? Warum nicht?
Beim M5-Wettbewerb traten weltweit tausend Teams gegeneinander an. Wenn du dir die Top-Hundert ansiehst – und nochmals, jeder kann das überprüfen, denn es ist ein Kaggle-Wettbewerb, bei dem die Ergebnisse öffentlich sind – kann jeder im Publikum bestätigen, was ich sage. Du kannst die Kaggle-Ergebnisse einsehen, und wenn du dir die Top-Hundert dieser weltweiten Wettbewerb anschaust, war keiner ein Anbieter von Unternehmenssoftware.
Oh, warte, es war genau ein Anbieter von Unternehmenssoftware in den Top Hundert. Es war Lokad, und alle anderen waren nicht vertreten.
Conor Doherty: Nummer eins auf der SKU-Ebene, wenn ich mich richtig erinnere.
Joannes Vermorel: Ja, wir waren Nummer eins auf der SKU-Ebene und Nummer fünf auf aggregierter Ebene. Anfangs Nummer sechs, aber dann wurde jemand disqualifiziert, weil er tatsächlich betrogen hat, und danach wurden wir als Nummer fünf neu eingestuft.
Okay. Aber siehst du, deshalb sage ich, es ist zu schön, um wahr zu sein. Wenn Leute so gut sind, muss es einen Nebeneffekt dieser Großartigkeit geben.
Unternehmen wie Facebook treiben beispielsweise den Stand der Technik in KI voran. Das tun sie. Wie siehst du das? Nun, sie haben viele der Technologien erfunden, die von allen genutzt werden. Zum Beispiel PyTorch, das von etwa zwei Dritteln der deep learning-Community verwendet wird, ist ein Produkt, das aus den Facebook Labs hervorgegangen ist – ich meine heutzutage Meta.
Also siehst du, wenn du großartige Ingenieurskunst hast und Meta großartige Ingenieure beschäftigt, ist eines der zufälligen Nebenprodukte, dass du großartige technologische Errungenschaften aus deinen Labs bekommst – oder in irgendeiner Form beeindruckende Leistungen erzielst. Wiederum: Google, zum Beispiel, hat Transformer erfunden. Die GenAI-Revolution wurde im Wesentlichen bei Google gestartet. Das ist also ein Hinweis darauf, dass sie wirklich großartige Ingenieure haben.
Wenn wir zu Leuten zurückkehren, die behaupten, dass sie sowohl Systeme der Aufzeichnung als auch Systeme der Intelligenz beherrschen – und das, weil sie so großartige Mitarbeiter haben – sage ich: “Okay, aber wo ist der Beweis für diese Großartigkeit? Was habt ihr erreicht, das irgendwie beweisen würde, dass ihr eine solch unglaubliche Belegschaft habt?”
Und sehr häufig lautet die Antwort, dass es keinen Beweis gibt, weil ihr eigentlich im Geschäft mit Systemen der Aufzeichnung seid, was langweilig ist, was nicht interessant ist und technisch nicht herausfordernd. Und weißt du was? Du wirst nicht einmal die allerbesten Ingenieure brauchen, denn wenn du Systeme der Aufzeichnung entwickelst, warum solltest du Top-Gelder für erstklassige Ingenieure zahlen, die du am Ende nie wirklich brauchst, weil das, was du entwirfst, eigentlich ziemlich simpel ist? Du brauchst diese Leute nicht. Also, warum solltest du sie überhaupt einstellen? Kurz gesagt: tust du nicht.
Conor Doherty: Alles klar. Nun, du hast schon ziemlich lange gesprochen. Ich habe keine weiteren Fragen. Vielen Dank, wie immer, dass du so ausführlich auf mich eingegangen bist, während ich dir widersprach. Ich hoffe, ich war heute nicht zu streng, aber nochmals: Du bist gefeuert.
Joannes Vermorel: Gefeuert. Genau.
Conor Doherty: Genau. Das ist… ja, das ist mein letzter Stand. Das ist Custer, den du hier siehst.
Aber ja, wie immer versuche ich, zum Kern dessen vorzudringen, was ich für ein großartiges Buch mit wirklich, wirklich, wirklich guten Ideen halte, und ich versuche einfach, dich dazu zu drängen, es klarer zu machen für Leute, die dich noch nicht kennen, denn offensichtlich, wenn ich lese…
Joannes Vermorel: Und die keinen Grund haben, mir zuzustimmen.
Conor Doherty: Und die keinen Grund haben, dir zuzustimmen. Genau. Also versuche ich, zurückzudrängen. Ich spiele den Advocatus Diaboli, wie du mich gebeten hast.
Joannes Vermorel: Ja.
Conor Doherty: Und an euch, die ihr zu Hause zuschaut: Danke für eure Fragen. Viele der Fragen, die ich dir heute, Joannes, gestellt habe, kamen tatsächlich aus dem Publikum. Und weitere Zitate zur Kontextualisierung sowie Feedback aus dem Publikum.
Wenn du weiteres Feedback hast oder einfach den Dialog mit Joannes und mir fortsetzen möchtest, kannst du dich über LinkedIn mit uns verbinden oder uns eine E-Mail an contact@lokad.com senden.
Und damit sehen wir uns beim nächsten Mal zu Kapitel 6. Und ja, ab an die Arbeit.
