Introduction to Supply Chain: Kapitel acht (Entscheidungen) - Ep 194

Back to Lokad TV

00:00:00 Entscheidungsdefinition, Irreversibilität und Prognosen im Vergleich
00:05:50 Opportunitätskosten fehlen in der Mainstream-Planung
00:11:40 Robuste, fragile und extreme Entscheidungen erklärt
00:17:30 Die Optimierung iteriert, indem sie verrückte Entscheidungen findet
00:23:20 Holimisierung, fundierte Vermutungen und Retrofit-Lektionen
00:29:10 Datensemantische Fallstricke und absurde Empfehlungen
00:35:00 Rendite bei Entscheidungsgranularität
00:40:50 Das Fenster der Verantwortung bildet den Rahmen für Entscheidungshorizonte
00:46:40 Heuristische Fenster ersetzen umständliche Richtlinienmodelle
00:52:30 Die Belastung misst das im Laufe der Zeit gebundene Kapital
00:58:20 Halbwertszeit erfasst die Trägheit eines Unternehmens über die Vorlaufzeiten hinaus
01:04:10 Die Halbwertszeit gibt die Entscheidungsdauer ohne vollständige Simulation an
01:10:00 Liquiditätslinse: Verbrauchsgüter versus rotierbare Güter
01:15:50 Von KPI-Ritualen zur Entscheidungsmechanisierung
01:21:40 Automatisierung komprimiert die Latenz und steigert die Produktivität
01:27:30 Robotisierte Entscheidungen ermöglichen messbare kontinuierliche Verbesserungen

Zusammenfassung

Joannes Vermorel und Conor Doherty setzen ihre Kapitel-für-Kapitel-Diskussion über Introduction to Supply Chain fort. Kapitel acht befasst sich mit Entscheidungen: den betrieblichen Entscheidungen, die Ressourcen zuweisen, Unternehmen Risiken aussetzen und letztendlich darüber entscheiden, ob die Supply-Chain-Theorie wirtschaftlichen Wert schafft.

Ausführliche Zusammenfassung

Bei dieser Diskussion geht es im Grunde um eine Idee: In der Supply Chain sind nur Entscheidungen real. Prognosen, Pläne, KPIs und Dashboards mögen nützlich sein, aber sie sind nicht das eigentliche Ding. Eine Prognose führt nicht zu einer Verschiebung des Lagerbestands, zu einer Verpflichtung zu Bargeld oder zu einer Enttäuschung eines Kunden. Eine Entscheidung tut es. Aus diesem Grund besteht Joannes darauf, dass die Supply Chain als eine Reihe von Ressourcenzuweisungen unter Unsicherheit verstanden werden sollte, die anhand der erwarteten risikobereinigten Rendite beurteilt werden.

Dies trennt seine Sichtweise sofort vom Mainstream. Der konventionelle Ansatz behandelt die Zukunft so, als ob sie hinreichend erkennbar wäre, um einen Plan und dann eine Orchestrierung dieses Plans zu rechtfertigen. Aber sobald man von einer vorhersehbaren Zukunft ausgeht, hört man auf, ernsthaft über Alternativen nachzudenken, und sobald man aufhört, über Alternativen nachzudenken, verschwinden die Opportunitätskosten aus dem Blickfeld. Das ist nicht nur ein philosophischer Fehler. Es handelt sich um einen Softwarefehler. Am Ende arbeiten Unternehmen mit Systemen, die riesige Datenmengen verarbeiten können, bleiben aber blind gegenüber den Kompromissen, die am wichtigsten sind.

Ein weiterer zentraler Punkt ist, dass „Optimierung“ oft ein irreführendes Wort ist. Was die meisten Systeme tun, ist nicht, eine endgültige wirtschaftliche Wahrheit herauszufinden. Sie streben lediglich in Richtung eines Extrems innerhalb eines Bewertungssystems, das selbst möglicherweise fehlerhaft ist. Daher ist die eigentliche Arbeit iterativ: Entscheidungen treffen, die absurden prüfen, herausfinden, was das Modell nicht verstanden hat, und die ökonomische Logik überarbeiten. Das Problem ist oft nicht der Löser, sondern das Ziel.

Das Gespräch macht auch deutlich, dass Zeit wirtschaftlich und nicht nur betrieblich wichtig ist. Eine Entscheidung ist nicht nur eine Größe; Es handelt sich um eine Kapitalbindung im Laufe der Zeit. Daher die Vorstellungen von Last und Halbwertszeit. Load misst das monetäre Gewicht einer Entscheidung im Zeitverlauf. Die Halbwertszeit misst, wie lange es dauert, bis die Hälfte des durch diese Entscheidung gebundenen Kapitals wiedererlangt wird. Dabei handelt es sich um Versuche, etwas zu beschreiben, das viele Supply-Chain-Theorien im Dunkeln halten: Trägheit. Ein Unternehmen denkt vielleicht in Vorlaufzeiten, aber die Durchlaufzeiten allein sagen nicht aus, wie schnell das Unternehmen seine Richtung ändern kann.

Schließlich ist die praktische Auswirkung organisatorischer Natur. Ein Großteil des veralteten Supply-Chain-Managements existiert, weil Menschen früher die Arbeit manuell aufteilen mussten. Aber Software ändert das. Wenn Entscheidungen täglich, wirtschaftlich und in großem Maßstab getroffen werden können, bleiben viele fest verwurzelte Routinen bestehen, nicht weil sie rational sind, sondern weil sie vererbt werden. Der eigentliche Wettbewerb besteht nicht mehr zwischen einem manuellen Prozess und einem anderen. Es liegt zwischen der mechanisierten Entscheidungsfindung und der Tatsache, dass Organisationen Papierkram immer noch mit Maßnahmen verwechseln.

Vollständiges Transkript

Conor Doherty: Willkommen zurück. Dies ist die achte Folge einer Sonderserie, in der Joannes und ich sein neues Buch „Introduction to Supply Chain“ nehmen und die Ideen Kapitel für Kapitel diskutieren. Wie Sie sich wahrscheinlich erinnern, gebe ich für diese Serie vor, einer der etwa 10 Millionen Praktizierenden auf der Welt zu sein, die dieses Buch sehen, es in die Hand nehmen, mit dem Lesen beginnen und natürlich einige Fragen haben.

Dies ist nun Kapitel 8, was bedeutet, dass wir die vorherigen sieben Kapitel bereits aufgezeichnet haben. Ich empfehle dringend, dass Sie sich diese zuerst ansehen, da auf einige dieser Ideen heute Bezug genommen wird. Und damit gebe ich Ihnen die heutige Diskussion zu Kapitel 8, „Entscheidungen“.

Wir sprechen über Kapitel 8, das meiner Meinung nach das Kernkonzept des Buches darlegt. Ich weiß, es ist Kapitel 8 von 11, aber basierend auf Ihrer Philosophie, der Philosophie von Lokad und allem, was wir tun, sind Entscheidungen eigentlich nur das grundlegendste Konzept.

Aber in Kapitel 8 geben Sie Ihre vollständige Definition an, die, und ich zitiere Sie, „eine Flow Commitment ist, die knappe Ressourcen auf zulässige Optionen für den Abschluss von Alternativen verteilt, um die höchste erwartete risikobereinigte Rendite zu erzielen.“ Sehr präzise. Sie haben in Kapitel 1 mit einer etwas weniger ausführlichen und präziseren Definition begonnen, aber ich bin neugierig: Sie haben bereits viele Beispiele gegeben, und die Leute können zurückspulen und sie noch einmal durchgehen. Was bringt Ihre Definition von Entscheidung im Hinblick auf die Abläufe in der Supply Chain tatsächlich auf den Tisch?

Joannes Vermorel: Zunächst wird die Perspektive der angewandten Ökonomie verdeutlicht. Es heißt wörtlich, dass wir unseren Fokus auf Dinge beschränken, bei denen wir explizit auf eine Verbesserung der Renditequote abzielen. Das ist also eine Aussage. Möglicherweise gibt es Entscheidungsklassen, die nicht einmal zu diesem Paradigma gehören. Ich sage, es ist in Ordnung, es handelt sich einfach nicht um Entscheidungen in der Supply Chain.

Hier machen wir uns dieses Paradigma wirklich voll und ganz zu eigen, und dann mache ich sehr deutlich, dass es sich um etwas handelt, das im Fluss greifbar ist. Sie sehen, was ich mit dieser „Entscheidung“ beseitigen möchte, ist die Verwirrung mit potenziellen Artefakten. Eine Prognose ist keine Entscheidung. Eine Prognose, Sie können projizieren, was Sie wollen. Solange es sich um eine Prognose handelt, hat sie keinen Einfluss auf die Rentabilität Ihres Unternehmens.

Sie können ein Wachstum von 200 % oder einen Rückgang von 10 % prognostizieren, was auch immer. Es ist eine Projektion. Letztendlich würde ich sagen, dass diese Prognosen belanglos sind. Sie werden erst dann von Bedeutung, wenn Sie tatsächlich etwas Greifbares in Ihrem Flow tun. Und deshalb sage ich, dass dies die Entscheidung ist. Die Entscheidung wird eine Ressourcenzuweisung sein, und das wird Auswirkungen haben, die bis zu einem gewissen Grad irreversibel sind.

Ich sage „bis zu einem gewissen Grad“, weil die meisten Entscheidungen in der Supply Chain rückgängig gemacht werden können, nur für einen Preis, zu einem Preis. Wenn Sie sich also dazu entschließen, etwas von Ort A nach Ort B zu verschieben, können Sie diese Bewegung umkehren. Es kostet einfach Geld. Ich würde also sagen, dass die Entscheidung irreversibel ist, in dem Sinne, dass sie immer reversibel ist, aber man muss dafür bezahlen.

Conor Doherty: Nur um ein wenig Farbe ins Bild zu bringen, denn natürlich arbeite ich hier, aber nachdem ich das Buch nun schon fast ein zweites Mal gelesen habe, ist es unumkehrbar in dem Sinne, dass man nicht zu dem exakten Stand der Dinge zurückkehren kann, der in dem Moment herrschte, als man die Entscheidung traf.

Sie können also zu einer Art Überlagerung zurückkehren wie: „Nun, ich kann wieder wählen“, aber Sie können nicht die Zeit zurückdrehen wie Superman, der die Rotation der Erde umkehrt, und sagen: „Ich bin genau um 9:01 Uhr am Dienstagmorgen zurück, als ich zum ersten Mal den Markt hatte, wie er war, den Suezkanal, wie er war, die Straße von Hormus, wie sie war.“ Nein, das gibt es nicht mehr. Das ist weg.

Es gibt also Irreversibilität im absoluten und relativen Sinne. Sie sprechen vom relativen Sinn.

Joannes Vermorel: Ja, genau. Und im Gegensatz zu einer Prognose kann ich auf meinen Computern einen Algorithmus programmieren, der die Prognose beispielsweise eine Million Mal pro Sekunde überarbeitet. Es wird keine Auswirkungen auf die Supply Chain haben, diese Sache. Ich ändere diese Zahl also eine Million Mal pro Sekunde, physisch passiert in der Supply Chain nichts.

Aber wenn ich mich entscheide, Dinge zu verschieben, dann meine ich natürlich, wenn ich versuche, meine Entscheidung zur Bestandsbewegung rückgängig zu machen, und das eine Million Mal pro Sekunde tue, hat das Ding noch nicht einmal begonnen, sich zu bewegen. Aber sagen wir mal, sobald das Zeug da ist, sich ein Gegenstand auf einem LKW befindet und der LKW über die Autobahn fährt, dann geht die Reversibilität verloren.

Es wird einige Zeit dauern, die Sache zurückzubringen, und die Supply Chain wird nie wieder zu der genauen Position des Marktes zurückkehren, der genauen Position, die sie vor dieser Entscheidung hatte.

Conor Doherty: Nun, hier kommen wir wieder zum Punkt der Opportunitätskosten, die wiederum, wenn man die Definition „Aufteilung knapper Ressourcen auf zulässige Optionen“ aufschlüsselt, im Wesentlichen A tun können, Sie können B tun, Sie können C tun, Sie können fast ein unendliches Element hinzufügen, Sie haben eine fast endlose Anzahl von Optionen, und jede davon wird eine andere prognostizierte Rendite haben.

Wie verbreitet ist das Verständnis oder wie präsent ist die Idee der Opportunitätskosten, sagen wir mal, in der Mainstream-Perspektive zur Entscheidungsfindung in der Supply Chain?

Joannes Vermorel: Es fehlt völlig. Es fehlt völlig und ist beabsichtigt. Sie sehen, die Mainstream-Perspektive sieht die Zukunft als etwas, das innerhalb von Toleranzen erfasst werden kann, genau wie dies eine naturwissenschaftliche Perspektive ist. Ich kann die Position des Mars in einem Jahr super, super präzise vorhersagen. Die einzige Unsicherheit wäre die Toleranz aufgrund der Tatsache, dass mein Teleskop einige sehr, sehr minimale Mängel aufweist.

Ich kenne also die Position des Mars nicht genau, aber mit einer winzigen, winzigen Unsicherheit im Verhältnis zur Größe des Mars weiß ich nahezu perfekt, wo sich der Mars in einem Jahr am Himmel und im Sonnensystem befindet. Das ist also eine naturwissenschaftliche Perspektive. Und für die Mainstream-Theorie ist das genau dasselbe.

Sie akzeptieren ihre Prognose, sie erstellen einen Plan, und der Plan ist eine Orchestrierung davon. Die Möglichkeiten bestehen also nicht. Die Opportunitätskosten existieren nicht, denn es gibt eine Zukunft und dann eine Orchestrierung, sodass alles passiert, um diese Zukunft zu verwirklichen. Von Alternativen kann also keine Rede sein.

Conor Doherty: Nochmals, sorry, nur um es klarzustellen, ich stimme vielleicht voll und ganz zu, dass die Leute bei der Ausführung nicht unbedingt jede erdenkliche Permutation von Optionen abwägen, aber schlagen Sie vor, dass es fehlt, als würde niemand überhaupt darüber nachdenken? Sie sind sich nicht einmal bewusst, dass es Opportunitätskosten gibt?

Joannes Vermorel: Das Problem ist, dass, nein, ich meine, offensichtlich im Kopf des Managers, des Praktikers, offensichtlich haben die Leute das, was ich in dem Buch als „robuste Vision“ der Zukunft beschrieben habe. Offensichtlich ist es so, weil die raue Vision, und das haben wir im Kapitel über die Zukunft besprochen, diese Idee ist, dass Sie im Kopf ein grobes Verständnis der Tatsache haben, dass es diese unreduzierbare Ungewissheit der Zukunft gibt, dass sich die Dinge leicht ändern können.

Tatsächlich ist die teleologische Vision äußerst seltsam, wenn man darüber nachdenkt. Es gibt nichts, was in der menschlichen Gesellschaft wirklich so funktioniert, schon gar nicht in einer Welt, die nicht die Welt der Naturwissenschaften ist. Es ist eine Welt, die praxeologisch ist, was ein kompliziertes Wort ist, um zu sagen, dass es sich um menschliches Handeln handelt. Die Zukunft besteht also aus menschlichen Handlungen, zukünftigen Handlungen, über die noch nicht entschieden ist.

Alles kann sich also ändern, weil Menschen ihre Meinung ändern können, Ihre Kunden ihre Meinung ändern können, Ihre Lieferanten ihre Meinung ändern können, Ihre Regierung ihre Meinung ändern könnte und so weiter. Wenn ich also im Grunde gesagt habe, dass die Mainstream-Perspektive gegenüber Opportunitätskosten blind ist, dann ist das bei den Menschen im Unternehmen selbst in der Regel nicht der Fall, aber die Realität ist, dass in modernen Supply Chains das, was man tun kann und was nicht, weitgehend von der Software bestimmt wird, die man betreibt.

Denn wie Sie sehen, ist Ihre Supply Chain für jedes Unternehmen, das beispielsweise mehr als eine halbe Milliarde Euro oder einen Dollar Umsatz pro Jahr erzielt, vollständig softwaregesteuert. Ich kenne keine solchen Unternehmen, die nicht softwaregesteuert sind. Diese Unternehmen sind zu groß. Niemand kennt jeden Lagerbestand im Kopf.

Wir sprechen von Tausenden von Produkten, möglicherweise Millionen von Lagerbewegungen pro Jahr. Und deshalb ist die Supply Chain so seltsam, dass man sie heutzutage nicht mehr direkt beobachten kann. Sie nehmen es nur indirekt mit der Vermittlung der Software wahr. Und wenn Sie nun eine Software dafür haben, die sich stark an der Mainstream-Theorie orientiert, selbst wenn Sie in Ihrem Kopf über Chancen und Opportunitätskosten nachdenken, wenn es in Ihrer Anwendungslandschaft keinerlei Gegenstücke zu diesem Ding gibt, dann wird es ein harter Kampf, das zu tun.

Ja, Sie können ein paar Tabellenkalkulationen nach rechts und links hacken, um das immer noch zu haben, aber es ist schwierig und Sie kämpfen einen harten Kampf, denn wenn wir uns das Paradigma noch einmal ansehen, was sagt es aus? Das wird eine Software-Implementierung sein, die besagt, dass Sie Prognosen erstellen, Zeitreihen haben und dann eine Zuordnungslogik haben, die einfach diesen deterministischen Plan übernimmt und einfach eine Orchestrierung durchführt.

Also, okay, wenn Sie sagen, dass wir eine Chance oder ein Risiko haben, wie bringen Sie das in diese Zeitreihen und Orchestrierung ein? Die Leute würden sagen: „Oh, man kann Puffer optimieren.“ Ja, das würde bei ein paar Chancen und ein paar Risiken funktionieren, aber das ist wirklich dürftig. Viele Opportunitätskosten werden in der Parametrisierung Ihres Sicherheitsbestands nicht berücksichtigt.

Ein Beispiel hierfür wäre: Was wäre, wenn wir das Sortiment erweitern müssten? Es entstehen Opportunitätskosten, wenn das Sortiment nicht erweitert wird, weil die Konkurrenz dies tut, und diese Kunden verlassen unser Unternehmen, weil ihnen das Sortiment nicht breit genug ist. Selbst wenn wir preislich konkurrenzfähig sind, finden sie bei Konkurrenten, die das bessere Sortiment haben, mehr Wert.

Wenn Sie die Mainstream-Perspektive einnehmen, fehlen solche Dinge in der Theorie und in der Software völlig, was es sehr schwierig macht, Tabellenkalkulationen jeglicher Art zu hacken, denn selbst wenn Sie das können, haben Sie keinen Sinn, diese Modellierungen Ihrer Tabellenkalkulation in Ihre Software einzubauen. Es wird Seite an Seite leben müssen, und die Kommunikation zwischen den beiden ist, gelinde gesagt, sehr, sehr unklar.

Conor Doherty: Worüber ich mehr sprechen möchte, ist, dass Sie es nicht wirklich als formale Klassifizierung in dem Kapitel präsentieren, aber es ist etwas, das Sie in alle Kapitel einstreuen, zumindest bis zu diesem Punkt: bestimmte Terminologien wie „Sie sprechen von Optimalität“. Sie sprechen in Kapitel 8 über Optimalität.

Sie haben gleich zu Beginn von robusten Entscheidungen gesprochen, und Sie sprechen hier auch von fragilen Entscheidungen. Diese werden also nicht in Ihrer Klassifizierung von Aufzeichnungs-, Berichts- und Geheimdienstsystemen dargestellt. Das ist sehr eng. Das ist sehr sauber. Was weniger sauber ist, würde ich sagen, aber dennoch sehr nützlich, ist eine sehr klare, nebeneinander liegende Erklärung, okay, was genau eine robuste Entscheidung, die von einem Intelligenzsystem generiert wird, von einer fragilen Entscheidung abgrenzt, die ebenfalls von einem Intelligenzsystem generiert wird, und eine optimale Entscheidung, oder „optimal“, wir können den Operations-Research-Charakter dieser Entscheidung diskutieren.

Erläutern Sie das bitte, da wir bisher alle drei dieser Begriffe verwendet haben.

Joannes Vermorel: Tatsächlich ist mir das klar, und ich habe etwa ein paar Monate nach der Veröffentlichung des Buches über ein Konzept namens „Extremisierung“ gepostet, und dann wird alles klargestellt. Es hätte im Buch stehen sollen. Eines Tages wird es eine weitere Warnung geben. Für die zweite Auflage werde ich Kapitel 8 neu schreiben.

Grundsätzlich sollte das, was wir jetzt Optimierung nennen, Extremisierung genannt werden. Der Begriff Optimierung ist falsch. Wir sollten es Extremisierung nennen. Was bedeutet Extremisierung? Sie nehmen eine mathematische Funktion, die Ihr Kriterium ist, und extremisieren Sie sie. Sie suchen also nach dem Maximum oder dem Minimum. Und die Variablen, die Sie verschieben können, um diese Maximal- oder Minimalwerte zu ermitteln, sind Ihre Entscheidungsvariablen.

Das ist Extremisierung. Und wenn Leute sagen, dass etwas optimal ist, sagen sie in Wirklichkeit, dass etwas gemäß dieser Funktion extrem ist. Was ich mit diesem Optimierungskonzept sagen möchte, ist, dass die Herausforderung in der Supply Chain darin besteht, dass die Art und Weise, wie Sie den Überblick behalten, die Art und Weise, wie Sie Ihre Dollars zählen, selbst ein bewegliches Ziel ist.

Das sehen wir zum Beispiel im Kapitel über Wirtschaftswissenschaften. Ich sage, wir haben viele Schattenpreise und Bewertungsbedenken. Es gibt viele Dinge, die sehr schwer fassbar und sehr wichtig sind. Wenn man also die Dollars zählt, mag es seltsam klingen, aber es gibt viele Dinge, die sehr subjektiv sind.

Wenn Sie genügend Zeit haben, etwa ein oder zwei Jahrzehnte, werden diese Dinge offensichtlich eintreten und Sie werden die wahre Buchhaltungsvision haben, die ins Spiel kommt. Aber für viele, viele wichtige Dinge muss man so weit in die Zukunft blicken, dass eine solche buchhalterische Perspektive nicht möglich ist.

Ein Beispiel: im Wesentlichen ein wachsender Wald. Oder nehmen wir zum Beispiel an, Sie sind Boeing oder Airbus. Ihr Ruf beruht darauf, dass Sie jahrzehntelang für die Sicherheit Ihrer Flugzeuge gesorgt haben, und das könnte in einem Moment zunichte gemacht werden. Wenn sie ein neues Flugzeug auf den Markt bringen, ist das wie ein ein oder zwei Jahrzehnte dauernder Forschungs- und Sicherheitsaufwand. Sie müssen also buchstäblich 20 Jahre in die Zukunft blicken.

Alles, jede Art von Geschäftsprognosen, wenn man so weit in die Zukunft blickt, löst sich einfach auf. Die Aussagekraft der Statistik wird sehr schwach. Und genau das habe ich im Kapitel über Wirtschaftswissenschaften beschrieben: Aus diesem Grund müssen Sie in Ihrer Wirtschaftsmodellierung Meinungsaussagen machen, um die Dinge widerzuspiegeln, die für Sie äußerst wichtig sind, weil sie strategisch sind. Wenn Sie das jedoch nicht tun, werden Sie Ihr Unternehmen garantiert innerhalb von ein oder zwei Jahrzehnten zerstören.

Das bedeutet also, dass die Extremisierung schwach ist, weil Sie grundsätzlich davon ausgehen, dass Ihre Zielfunktion, also das, wovon Sie ein Extrem finden möchten, eine bekannte Größe ist. Es handelt sich nicht um eine bekannte Größe. Und jetzt stehen Sie vor dem Problem, dass Sie, wenn Sie die Funktion ändern, wenn Sie die Art und Weise ändern, wie Sie Ihre Dollars zählen, eine Entscheidung treffen können, die unter einer Punktzahl gut aussieht und unter einer anderen nicht so gut.

Ob eine Entscheidung also gut oder schlecht aussieht, hängt plötzlich wirklich davon ab, was Sie zur Beurteilung verwenden, um diese Dollars zu zählen. Und ich bezeichne diesen Prozess als Optimierung. Dabei handelt es sich im Wesentlichen um einen Prozess, bei dem Sie immer wieder Extremwerte ansetzen, nach Fehlern in Ihrer Modellierung suchen und dann Ihre Bewertungsfunktion und Ihre Zielfunktionen neu entwerfen, ausspülen und wiederholen.

Es handelt sich also um einen iterativen Prozess, bei dem Sie sagen: „Optimierung“, Sie wissen, was die Leute Optimierung nennen, ist nur ein Schritt. Wenn Sie das tun, schauen Sie sich die Entscheidungen an, die dabei herauskommen, und sehen Sie die Probleme. Aber das erfordert ein hohes Maß an Intelligenz in dem Sinne, dass es sich nicht um mathematische Probleme handelt. Es wird Probleme mit der Perspektive, dem Framing und der Antizipation von Dingen geben, bei denen Ihr quantitatives Modell blind ist, und dann darauf basierend Ihre objektiven Funktionen zu überarbeiten.

Das ist wirklich der Grund, warum ich diesen Begriff, Extremisierung, eingeführt habe, denn genau darum geht es. Es geht nicht darum: „Wir haben eine objektive Funktion“, so wie es die Wissenschaft tut, und dann iterieren wir über einen Löser, um ihn endlos zu verbessern, sodass wir eine nahezu perfekte Lösung haben. Das ist absolut nicht das Problem.

Das Problem ist, dass wir normalerweise, sobald wir eine Zielfunktion haben, ein Ziel, auf das wir hinarbeiten, ja, die Optimierung, also die Extremisierung, durchführen und dann erkennen, okay, wir haben immer noch Probleme. Wir müssen die eigentliche Definition des Problems ändern, denn dank dieser extremen Lösungen erkennen wir, dass wir Mängel haben.

Und sehr häufig liegt der Defekt nicht im Extremizer. Der Fehler liegt in der Zielfunktion, die vom Extremisierer oder einem Löser in der Literatur gesucht wird. Wenn wir also zu fragilen und robusten Entscheidungen zurückkehren, ist die Sache zunächst so: Wenn man Entscheidungen hat, die als Ergebnis dieses Orchestrierungsprozesses der Mainstream-Theorie generiert werden, erhält man am Ende Dinge, die in der Praxis unglaublich fragil sind. Es ist beabsichtigt.

Wenn Sie davon ausgehen, dass die Zukunft bekannt ist, und Sie einfach diese Orchestrierung durchführen und dadurch diese Entscheidungen treffen, dann sind diese Entscheidungen völlig blind für jede Art von Variation.

Conor Doherty: Ich finde es gut, einfach mit einem klaren Kontext anzufangen, weil Sie in dem Kapitel sehr deutlich darüber sprechen, und es ist wiederum ein Beispiel, das wir zuvor gegeben haben, aber wenn Sie zum Beispiel in der MRO arbeiten und denken, Sie kennen alle Schritte und alle Dinge, die Sie an einem Motor reparieren müssen, und dann schreiben Sie es auf und prognostizieren es: „Okay, ich muss die Teile A, B, C reparieren, G“, und wenn man dann den Motor öffnet, sagt man: „Oh, eigentlich muss ich absolut alles tun. Hier ist Rost, da ist Korrosion, einfach alles.“

Sie haben es so behandelt, als wäre es bekannt, aber es ist wirklich variabel, und Sie öffnen tatsächlich die Engine und werfen einen Blick darauf. Sie hatten also wieder Entscheidungen, aber geringfügige Abweichungen machen plötzlich den gesamten Zeitplan ungültig.

Joannes Vermorel: Genau. Denn wenn man ein Flugzeugtriebwerk fast vollständig reparieren kann, hat man nicht null Triebwerk. Du hast keinen Motor.

Conor Doherty: Nullmotor.

Joannes Vermorel: Genau. Man kann keinen Motor ohne ein Gelenk oder eine kleine Pumpe haben und es ist immer noch ein Motor. Es wird nicht fliegen.

Conor Doherty: Im übertragenen Sinne wird es nicht fliegen.

Joannes Vermorel: Ja, ja. Das ist also die Art von Sache, bei der es harte Abhängigkeiten gibt. Und manchmal können es Kleinigkeiten sein. Genau wie nach den Lockdowns von 2020 und 2021 wurde der Automobilindustrie klar, dass sie blockiert war, weil ihr einige Halbleiterkomponenten fehlten.

Und im wahrsten Sinne des Wortes hatten sie alles für das Auto. Sie hatten etwa 1,5 Tonnen Auto bereit, und es fehlten 20 Gramm Halbleiter. Das ist alles, was fehlt, aber ja, wenn diese Dinge fehlen, kann das Auto nicht an den Kunden verkauft werden.

Conor Doherty: Es ist nicht nur das. Es ist nicht nur die Tatsache, dass in diesem konkreten Beispiel der Zeitplan gestört wird. Es ist auch die Tatsache, dass die Kosten dafür asymmetrisch sein könnten. Also, ja, mir fehlt, ich weiß nicht, ich glaube, eine 2-Dollar-Schraube. Ich hätte es zu einem sehr günstigen Preis 10 Jahre lang behalten können. Ich habe es gerade nicht zur Hand. Mir fehlt die 2-Dollar-Schraube, aber die Kosten für dieses potenzielle AOG-Event betragen 100.000, 200.000, 300.000 Dollar.

Es liegt also nicht nur an der Fragilität der Entscheidungen, sondern auch daran, dass die Kosten für eine falsche Entscheidung, diese geringfügige Abweichung, asymmetrisch sind.

Joannes Vermorel: Genau. Es nimmt viele Formen oder Gestalten an. Wenn wir beispielsweise auf den B2B-Einzelhandel eingehen, nehmen wir an, Sie haben einen Ihrer VIP-Kunden. Sechs Monate im Voraus geben sie eine Bestellung auf, in der es heißt: „Hier ist eine Liste mit 200 verschiedenen Artikeln. Wir möchten sie zu diesem Zeitpunkt haben, weil es für uns sehr wichtig ist.“

Und weil sie wissen, dass Sie das nicht auf Lager haben werden, geben sie die Bestellung Monate im Voraus ab. Das ist großartig. Sie geben Ihnen viel Spielraum, um in sechs Monaten alles vollständig fertig zu haben. Und jetzt kommt das Datum und dir fehlt das Zeug. Sie brechen also Ihr Versprechen und Ihr VIP-Kunde ist sauer, weil er Ihnen viel Spielraum gelassen hat und Sie es trotzdem nicht geschafft haben, Ihr Versprechen zu erfüllen.

So etwas wäre ein Vertrauensbruch. Und das kann äußerst schädlich sein. Wenn Sie also Ihre Supply Chain nach der Mainstream-Theorie steuern, sind Ihre Instrumente dafür völlig blind. Die Leute sind es nicht, aber Ihre Softwareschicht schon, und das ist das Problem.

Denn wiederum ist jedes größere Unternehmen weit über die Art von Abläufen hinaus, die nur im Kopf von Menschen verwaltet werden können. Die meisten Dinge leben nur in den Softwareschichten, die Sie haben.

Conor Doherty: Nun, das ist die Sache. Es ist perfekt, dass Sie das gesagt haben, denn das war der Gedanke, den ich hatte, als ich das noch einmal las. Ich habe das richtig gesagt, als ich die Tatsache dargelegt habe, dass eine solide Entscheidung, eine optimale Entscheidung und eine fragile Entscheidung immer noch von der Intelligenz ausgehen können, weil Sie möglicherweise über ein Intelligenzsystem verfügen, das ursprünglich den Zeitplan erstellt hat, wiederum im Fall eines MRO, das das „Oh, Sie brauchen diesen Teil, diesen Teil und diesen Teil, um die Schritte eins bis 25 abzuschließen“ oder was auch immer generiert hat.

Sie öffnen die Engine: „Oh, warte, nein, das ist völlig ungültig. Fat-Tail-Ereignis. Ich brauche Teile, die ich nicht habe.“ Okay. Sie haben gerade gesagt, dass die besseren Entscheidungen grundsätzlich in der Instrumentierungsebene liegen. Möglicherweise verfügen Sie über eine bessere Instrumentierungsschicht, das von Ihnen selbst befürwortete Geheimdienstsystem, und treffen dennoch fragile Entscheidungen.

Also ja, wie kommt man von fragilen Entscheidungen ohne ein System der Intelligenz, fragilen Entscheidungen mit Systemen der Intelligenz, zu robusten Entscheidungen mit Systemen der Intelligenz? Wie ist die Flugbahn dort?

Joannes Vermorel: Das ist die ganze „Optimierung“. Grundsätzlich ist der Prozess iterativ. Vieles davon ist Vermutung, fundierte Vermutung. Sie stellen eine fundierte Vermutung über Ihre objektiven Funktionen an, was in der Praxis bedeutet, dass Sie Ihr Geld einsetzen und sagen: „Okay, das muss sich lohnen.“ Sie beschreiben den Ablauf und streuen wieder Ihr Geld in Ihre Bewertung ein.

Wieder einmal versucht man sein Bestes, und dann sage ich, dass man irgendwann einfach innehält und sagt: „Jetzt werde ich extremisieren.“ Sehen Sie, da sage ich: Betrachten Sie eine Entscheidung nicht als optimal, sondern als extrem. Das bedeutet also, dass Sie über eine Maschine, eine Software, ein Stück Software verfügen, die die Entscheidung zur Extremisierung dieses Kriteriums steuert.

Jetzt haben Sie wieder keine optimale, sondern eine extreme Entscheidung. Ist es gut oder schlecht? Der Rechnung zufolge ist es extrem, aber das ist nicht das wahre Kriterium. Die Frage, die Sie stellen möchten, lautet: Ist es wirklich gut und profitabel für Ihr Unternehmen?

Die Sache ist die, dass Sie in der Praxis, wenn Sie Ihre objektiven Funktionen haben, keine Entscheidung extremisieren werden. Sie werden wahrscheinlich Tausende von Entscheidungen extremisieren. Nochmals, weil wir keine große Entscheidung treffen. Es ist der Fluss für das Unternehmen. Es gibt also Tausende von Produkten, die aufgefüllt werden müssen, Tausende von Artikeln, die produziert werden können, Tausende von Preisen, die nach oben oder unten korrigiert werden können, und so weiter.

In der Praxis sucht man bei dieser Iteration nach verrückten Entscheidungen. Das ist eine anekdotische Suche. Sie suchen nach dem Fall, in dem der gesunde Menschenverstand vorschreibt, dass es sich um eine sehr schlechte Entscheidung handelt. Und hier ist es nicht die Mathematik, die Sie leitet, denn wenn die Mathematik helfen würde, wäre sie bereits im Extremisierungsprozess berücksichtigt worden. Ihr Solver hätte diese Situation bereits vermieden.

Sie suchen also höchstwahrscheinlich nicht nach Schwächen in Ihrem Solver, die Ihre Entscheidung extrem beeinflussen, sondern nach Lücken in Ihrem Geschäftsverständnis. Und deshalb braucht man, wenn man diese sehr schlechten Entscheidungen identifizieren will, normalerweise Leute, die Erfahrung haben, die viele Situationen gesehen haben und die sagen: „Ah, diese Entscheidung sieht einfach nicht richtig aus. Da stimmt etwas nicht. Sind Sie sicher?“

Zum Beispiel haben wir bei der Lokad-Erfahrung zum ersten Mal, also vor mehr als einem Jahrzehnt, also vor 12 oder 13 Jahren, begonnen, für die Luftfahrt zu arbeiten. Wir begannen mit dem Vorschlag, einige Teile zu ersetzen, und dann bekamen wir von unserem damaligen Kunden die Rückmeldung: „Aber nein, das sind Nachrüstungen.“ Und unsere Antwort war: „Was ist ein Retrofit?“

Wir wussten damals noch nicht einmal, was für eine verdammte Nachrüstung das war. Das ist okay. Für diejenigen, die es nicht wissen: Es kommt dann vor, wenn die Luftfahrt-OEMs auch nur den geringsten Zweifel daran haben, dass eines ihrer Teile eine Gefahr für Flugzeuge darstellen könnte. Sie sehen, in der Luftfahrt steht die Sicherheit an erster Stelle. Sie warten also nicht darauf, dass Unfälle passieren.

Wenn das Ingenieursteam erkennt, dass es vielleicht, sogar nur vielleicht, eine Schwachstelle gibt, werden sie die Teile neu konstruieren und dann für jedes einzelne Teil, das jemals verkauft wurde, einen kostenlosen Ersatz anbieten. Sie würden sagen: „Wenn Sie nicht alle alten Teile als Beweis zurücksenden und das Flugzeug jemals abstürzt und das an diesem Teil liegt, liegt es an Ihnen, nicht an uns.“

Die Auswirkung einer Nachrüstung auf die Supply Chain ist also offensichtlich, dass Sie einen massiven Teileschub haben und dann alle Ihre Flugzeuge in Ihrer Flotte jetzt mit neuen Teilen synchronisiert sind. Der Reparaturbedarf für diese Teile ist also sofort deutlich geringer, da sie alle vollständig synchronisiert und brandneu sind.

Conor Doherty: Sie haben die Lieferung beeinträchtigt.

Joannes Vermorel: Ja, Sie haben die Nachfrage völlig mechanisch beeinflusst, weil Ihre gesamte Flotte jetzt aus Teilen besteht, die fast genau den gleichen Punkt in ihrer Lebensdauer, die gleichen Flugstunden, den gleichen Lebenszyklus, die gleiche Anzahl von Flugstunden, Flugzyklen usw. haben.

Das ist die Art von Sache, bei der einem klar wird, dass man eine Entscheidung extremisieren muss, um zu erkennen, was man verpasst. Und das kann eine Menge Probleme sein. Manchmal kann es zu einem Missverständnis der Semantik der Daten kommen. Ein ERP kann etwa 5.000 Tabellen mit 100 Feldern pro Tabelle umfassen. Es ist sehr verwirrt. Die Daten sind korrekt, aber ist Ihr Verständnis der Daten korrekt? Du weißt es nicht. Niemand weiß es. Das ERP weiß es nicht. Die Leute wissen es nicht.

Die Leute, die das ERP geschrieben haben, sind tot oder abwesend oder weit weg. Wieder ist es sehr chaotisch. Die Daten sind korrekt, denn wenn sie falsch wären, würde das Unternehmen überhaupt nicht tätig sein. Wenn Sie nicht wissen, was Sie Ihrem Lieferanten zahlen oder Ihren Kunden in Rechnung stellen sollen, stecken Sie in großen Schwierigkeiten. Daher haben die meisten Unternehmen, die es noch gibt, tatsächlich eine ziemlich genaue Modellierung ihres physischen Warenflusses, die mit „Ich kaufe Sachen, ich verwandle und transportiere Sachen und dann verkaufe ich sie“ beginnt.

Normalerweise sind die Aufzeichnungssysteme grundsätzlich korrekt, nicht unbedingt perfekt, aber grundsätzlich korrekt.

Conor Doherty: Ja, aber Ihr Verständnis kann völlig daneben liegen, wenn Sie sich mit dieser System-of-Intelligence-Ebene befassen.

Joannes Vermorel: Genau. Und diese Extremisierung ist die einzige Möglichkeit, tatsächlich zu erkennen, dass Ihr Verständnis nicht stimmt, denn es wird viel offensichtlicher. Sie werden Entscheidungen treffen, die für Praktiker einfach absurd erscheinen, und das müssen Sie korrigieren, und das wird Ihre Optimierungsfunktion verändern, und Sie werden es einfach wiederholen. Und man hört auf, wenn man keine Entscheidung mehr hat, die verrückt aussieht.

Conor Doherty: Nun, wir haben ziemlich ausführlich darüber gesprochen, wie man über Entscheidungen nachdenkt, und wir haben einiges von dem überarbeitet, was zum Treffen der Entscheidungen erforderlich ist, aber was wir jetzt behandeln müssen, ist meiner Meinung nach die Bewertung von Entscheidungen. Und eines der Dinge, wir haben es noch einmal ein wenig behandelt, ich glaube, es war Wirtschaft, Kapitel 4, aber auch hier ist es offensichtlich relevant, weil Sie es in Kapitel 8 als Element Ihrer Definition wieder einführen: Rendite.

Sie verwenden das als eine Art Nordstern zur Bewertung der Wirksamkeit Ihrer Entscheidungen, fragil, robust, optimal, wie auch immer Sie sie nennen wollen. Funktionieren diese Entscheidungen? Ja oder nein? Wie? Rendite.

Auch hier können die Leute zum Podcast in Kapitel 4 zurückkehren, wenn sie möchten, aber es ist wichtig, hier eine Einführung zu haben. Nochmals zur Rendite: Was ist das und warum ist sie der beste Leitstern?

Joannes Vermorel: Die Rendite ist Ihr Leitstern, denn letztendlich besteht das Spiel der Supply Chain darin, Ihre wertvollen Dollars in Dinge umzuwandeln, zu transportieren, umzuwandeln, Dinge zu tun und diese Atome dann wieder in Dollars umzuwandeln. Und Sie wiederholen einfach den Zyklus, und so verdienen Sie Geld.

Wenn Sie nur ein reiner Finanzhändler wären, würden Sie einfach günstig kaufen und teuer verkaufen und so Geld verdienen. Aber das Spiel der Supply Chain ist: Wir führen Zwischenschritte ein, das heißt, Sie möchten im Wesentlichen zu einem niedrigen Preis einkaufen, umwandeln, transportieren und zu einem höheren Preis verkaufen. Und das ist Ihre Marge. Wiederholen.

Bei der Rendite geht es also wirklich darum, wie Sie diese magische Schleife mit mehr Hebelwirkung erreichen können. Am Ende des Tages generieren Sie einfach mehr Gewinn. Und weil Ihr Strom in Wirklichkeit nicht aus einer Sache besteht, sondern aus Tausenden, möglicherweise Zehntausenden, Millionen von Dingen, die um Ihr Geld konkurrieren, möchten Sie die Dollars, Ihre kostbaren Dollars, in die Bereiche spritzen, in denen die Schleife Ihnen die maximale Rendite beschert, denn am Ende des Jahres, wenn Sie Ihre Dollars zählen, sind das die Dollars, die Sie durch etwas Profitables generiert haben.

Sie möchten die Dollars dort einsetzen, wo die Rendite maximiert wird.

Conor Doherty: Ist das nicht das, was die Leute bereits tun? Rentabilität verfolgen? Sie haben ganze Abteilungen. Die meisten Unternehmen mit mehr als einer halben Milliarde Menschen haben ein Finanzteam. Sie sagen Ihnen, dass Sie mehr oder weniger Geld verdienen.

Joannes Vermorel: Nein, das tun sie nicht auf der Entscheidungsebene. Das ist das Problem der Supply Chain. Ja, die Finanzabteilung wird auf Super-Makro-Ebene eine Bewertung vornehmen. Sie würden diese Aufteilung sagen: Schauen Sie, wie viel Betriebskapital sie benötigen, wie hoch der Gewinn ist, den sie erwirtschaften, und so weiter.

Die Finanzabteilung wird das also auf der Ebene der Geschäftsbereiche tun, sehr aggregiert. Das Problem besteht darin, dass Sie damit zwar die Möglichkeit haben, Investitionen zu steuern, diese jedoch äußerst aggregiert und äußerst selten erfolgen. Das ist in der Regel etwas, das Sie einmal pro Quartal auf der Ebene der Geschäftseinheiten überarbeiten.

Aber das ist hier nicht die Art von Granularität, von der ich spreche. Ich spreche von jeder einzelnen Einheit, jedem einzelnen Tag, jedem einzelnen Standort, jeder einzelnen Option, die Sie haben. Der superminütige Aspekt des Flusses.

Und ich sage, dass diese wirtschaftlichen Prinzipien auch auf dieser Ebene vorherrschen sollten. Wenn wir noch einmal auf die Mainstream-Supply-Chain-Vision zurückkommen, ist diese überhaupt nicht vorhanden. Die Mainstream-Supply-Chain-Vision besagt einfach, dass wir eine Zukunft haben und diese dann umsetzen, und das ist alles.

Und das Einzige, was es Ihnen sagen wird, ist, dass Sie Ihren Plan haben, dann haben Sie die Orchestrierung, Sie können die Kosten prognostizieren, Sie können die Einnahmen prognostizieren und Sie werden Ihre Gewinne kennen. Was ich sagen will ist, dass es nicht gut ist. Das ist nicht gut, denn, wie ich Ihnen bereits sagte, ist dieses Paradigma blind gegenüber Opportunitätskosten. Es ist auch völlig blind für die Ausrichtung Ihrer Investition auf die Zukunft, die Ihre zukünftigen Gewinne maximiert.

Es ist nur eine statische Zukunft, und das setzt voraus, dass diese Zukunft bereits gut und gewinnmäßig ist.

Conor Doherty: Im Wesentlichen, um das nur ein wenig zu skizzieren, um ein Beispiel zu nennen: Wenn Sie über die Zuteilung von Einheiten sprechen, dann ist das so: „Ich habe 100 Einheiten, ich habe fünf Geschäfte, ich kann jedem 20 geben und das wird eine prognostizierte oder geschätzte Rendite haben. Ich kann 10 hier, 10 hier, 10 hier, 10 hier und 60 dort geben, das wird eine …“ und Sie können mit den Zahlen spielen. Ich kann keine schicken. Ich kann nichts tun.

Und Sie reden darüber, als wäre Nichtstun, das Nichtstun eine finanzielle Entscheidung. Sie verteilen nicht, aber Sie entscheiden sich dafür, nicht weiterzumachen. Sie entscheiden sich dafür, Kapital zu behalten. All diese Dinge stellen eine unterschiedliche potenzielle Rendite dar. Sie stehen Ihnen alle gleichzeitig zur Verfügung.

Joannes Vermorel: Ja.

Conor Doherty: Und das ist der Grund, warum ich noch einmal auf das Beispiel zurückkomme, das ich zuvor über Reversibilität gegeben habe, und ich sagte, dass man eine Entscheidung natürlich zu einem gewissen Grad gegen eine Gebühr rückgängig machen kann, aber was man nicht tun kann, ist, zu der genauen Position zurückzukehren, in der man sich letzte Woche, am Dienstag um 9:01 Uhr, befand, und ich hatte dieses Niveau in diesem Geschäft, dieses Niveau in diesem Geschäft, dieses Niveau in diesem Geschäft, diesen potenziellen Preis, diese Vorlaufzeiten, all diese Dinge.

Die gesamte kombinatorische Komplexität all dessen existierte nur zu diesem Zeitpunkt, zu diesem Zeitpunkt, und die Renditeraten für alle diese möglichen Kombinationen existierten nur zu diesem Zeitpunkt. Ich denke, das ist die Granularität, von der Sie sprechen, und dafür benötigen Sie eine ausgefeilte Instrumentierung.

Joannes Vermorel: Ja. Allerdings ist es wiederum eine Illusion zu glauben, dass Ihr Software-Stack noch nicht ausgereift ist. Ihr Betriebssystem, Ihr Windows oder Linux, es sind unglaublich komplizierte Softwareteile. Was ich meine ist, dass es die Illusion gibt, dass Supply Chains mit einfachen Dingen betrieben werden. Das ist nicht der Fall. Das war seit den 80er-Jahren nicht mehr der Fall. Wir haben eine enorme Softwarekomplexität.

Was ich damit sagen will, ist, dass wir in Bezug auf Entscheidungen nur ein paar grundlegende Prozentsätze haben, die unglaublich simpel sind.

Conor Doherty: KPIs und Artefakte und so weiter, meinen Sie?

Joannes Vermorel: Ja. Und wenn man sich die Kapazität der Softwareschicht ansieht, die heutzutage zur Steuerung tatsächlicher Supply Chains vorhanden ist, sieht man, wenn man die Kunden von Lokad außer Acht lässt, normalerweise einfach unglaublich, unglaublich simpel. Daher ist es völlig blind für all die schönen Möglichkeiten, bei denen sie viel bessere Entscheidungen treffen könnten, wenn die Software, die sie zum Betreiben der Supply Chain verwenden, nicht auf unglaublich vereinfachten Annahmen wie deterministischen großen Zeitreihenprognosen, solchen Dingen, Punktzeitreihenprognosen basiert.

Viele Praktiker in der Supply Chain sind sich nicht bewusst, wie unglaublich starr ihre Planungsebene tatsächlich ist. Und deshalb überarbeiten sie am Ende ständig alle Zahlen in ihren Tabellen. Das liegt daran, dass die Analyseebene, die sie verwenden, einfach unglaublich simpel ist. Es ignoriert einfach alles. Es gibt keine probabilistische Betrachtung der Durchlaufzeiten. Die Lieferzeitunsicherheit wird ignoriert.

Die wahrscheinliche Schwankung der Preise Ihrer Lieferanten wird ebenfalls ignoriert. Sie gehen einfach davon aus, dass Sie für das, was Sie kaufen, für immer einen konstanten Preis haben werden. Es ist verrückt. Sie haben keine Modellierung irgendeiner Art von geopolitischen Auswirkungen, z. B. wird der Zoll erneut steigen? Dieses Ding fehlt einfach im System.

Nicht sehr schlau, denn man muss kein Genie sein, um zu erkennen, dass es Regierungen auf der Welt gab, die die Zölle sehr schießwütig angegriffen haben. Das sind keine fantastisch ausgefeilten Ideen. An dieser Stelle widerspreche ich der Vorstellung, dass das, was Lokad tut, sehr anspruchsvoll ist. Ich glaube, dass das, was wir tun, das am wenigsten ausgefeilte ist, das in Bezug auf die Situation immer noch die Messlatte überschreitet, nicht idiotisch zu sein.

Konzeptionell ja, Sie wollen eine nicht verrückte Entscheidung. Sie wollen etwas, das keine verrückten Annahmen über die Zukunft macht. Und mein Hauptvorwurf gegenüber der Mainstream-Supply Chainsperspektive besteht darin, dass sie diesen Plan in den Vordergrund stellt, der sehr starr ist und ein Maß an Zuversicht in die Zukunft vermittelt, das völlig ungerechtfertigt ist. Es ist ein Kartenhaus.

Sie kennen die Zukunft noch lange nicht so gut, wie Ihre Systeme es vorgeben. Und das führt zu all diesen fragilen Entscheidungen, weil diese Entscheidungen in etwas verankert sind, das einfach eine unglaublich, unglaublich naive Sicht auf die Zukunft darstellt. Die Konsequenz ist, dass es einfach ein schlechtes Geschäft ist, weil es ziemlich dumm ist.

Conor Doherty: Nun, wir haben uns mit dem Was bei Entscheidungen befasst. Wir haben behandelt, wie man Entscheidungen bewertet. Was wir noch nicht getan haben, ist die Zeitdimension zu besprechen, denn wenn ich heute 100 Einheiten bestelle, muss ich natürlich einen Zeithorizont haben, um zu beurteilen, ob das eine gute Entscheidung war oder nicht, egal ob robust oder fragil oder gemessen an der Rendite.

In dem Buch sprechen Sie vom „Fenster der Verantwortung“. Es ist ein Begriff, der mir noch nicht begegnet ist, schon gar nicht im Hinblick auf die Supply Chain. Bevor wir es also genau unter die Lupe nehmen, was ist das Zeitfenster der Verantwortung?

Joannes Vermorel: Es handelt sich um eine Vereinfachung, die im Wesentlichen versucht, der Analyse Ihrer Entscheidung einen Horizont zu geben. Wenn man wirklich von Grund auf geht, würde man sagen, dass eine Entscheidung, die ich jetzt treffe, in absoluten Zahlen Konsequenzen bis zum Ende der Zeit haben wird.

Das ist keine besonders praktische Perspektive. Das ist ganz und gar die Perspektive eines Mathematikers.

Conor Doherty: Und ein Philosoph.

Joannes Vermorel: Ja, ein Philosoph. Okay, wir brauchen etwas, das etwas pragmatischer ist.

Conor Doherty: Betriebsbereit.

Joannes Vermorel: Und was wir sagen ist, dass man sehr oft eine Definition haben kann, die besagt, dass ich jetzt eine Entscheidung treffe und weiß, dass ich diese Entscheidung noch einmal überdenken kann. Sobald ich diese Entscheidung getroffen habe, muss ich auf einen bestimmten Zeitraum in der Zukunft blicken, der wirklich von größter Bedeutung ist. Das ist die Essenz dieses Fensters der Verantwortung.

Wenn ich zum Beispiel jetzt bestelle, liegt alles, was zwischen jetzt und dem Eintreffen der Ware passiert, einfach nicht wirklich in meiner Verantwortung. Es wird verloren gehen. Wenn zwischen jetzt und dem Zeitpunkt, an dem die Waren landen, eine große Nachfrage besteht, kann ich diese Kunden nicht über das hinaus bedienen, was ich derzeit habe, was auf ein früheres Verantwortungsfenster zurückzuführen ist.

Im Wesentlichen würde man also sagen: Wenn ich jetzt bestelle, dann nicht, um meine Kunden morgen zu bedienen. Es dient dazu, den Kunden zu dienen, wenn das Ding landet. Das bedeutet also, dass mein Verantwortungsfenster für diese Bestellung nicht jetzt beginnt. Es beginnt ein wenig in der Zukunft.

Und sollte es dann auf unbestimmte Zeit in die Zukunft gehen? Nun ja, nicht wirklich, denn Sie haben Reorder-Punkte und haben eine weitere Möglichkeit, nachzubestellen. Wollen Sie letztlich den Bedarf dauerhaft decken? Die Antwort ist nein. Sie möchten es vertuschen, bis sich rechtzeitig eine weitere Gelegenheit bietet, die Entscheidung noch einmal zu überdenken, und das einfach tun.

Tatsächlich ist das, was wir mit einem Verantwortungsfenster machen, im Wesentlichen eine Heuristik, um die Notwendigkeit zu umgehen, ein komplexeres mathematisches Objekt zu haben, was in der Mathematik eine Politik ist. Mit einem Verantwortungsfenster können wir die Notwendigkeit beseitigen, Richtlinien für ganze Entscheidungsklassen in der Supply Chain einzuführen.

Das ist nicht perfekt. Dies ist eine Heuristik, aber in der Praxis ist sie erstens rechnerisch viel kostengünstiger. Operativ lässt sich das Whiteboxing viel einfacher umsetzen. Es gibt eine ganze Reihe von Gründen, warum es sinnvoll ist, diese Art von Heuristik durchzuführen. Das ist normalerweise das, was Lokad tut.

In der Regel versuchen wir zu vermeiden, eine Supply Chain durch umfassende Richtlinien zu betreiben, da es äußerst schwierig sein kann, diese Dinge zu debuggen, Whiteboxing durchzuführen und die Situation für Praktiker verständlich zu machen. Und das ist sehr wichtig, denn manchmal, wenn auf dem Markt etwas Störendes passiert, müssen Sie Ihr numerisches Rezept in sehr kurzer Zeit anpassen. Und wenn Sie nicht über eine numerische Modellierung verfügen, die vom Design und der Konstruktion her wirklich extrem White-Box-konform ist, wird das zu einem sehr, sehr riskanten Unterfangen, denn plötzlich wird das Risiko zu Ihrer Logik, Ihrer Extremisierung. Man macht Fehler, hat Fehler und trifft schlechte Entscheidungen, nur weil man den Code falsch verstanden hat.

Conor Doherty: Nun, wir haben dort wieder über Richtlinien gesprochen. Sie haben davon gesprochen, im mathematischen Sinne von Warren Powell.

Joannes Vermorel: Genau. Freund des Kanals.

Conor Doherty: Wir lassen ihn noch einmal darüber diskutieren, aber richtig, es ist im Wesentlichen ein mathematisches Objekt, das Ihren Entscheidungsprozess im Laufe der Zeit simuliert, und Sie können das auf unbestimmte Zeit simulieren. Vom Konzept her ist das der sauberste Weg. Wenn Sie es in der Praxis mithilfe von Heuristiken vermeiden können, eine tatsächliche Richtlinie konkretisieren zu müssen, ist sie operativ viel besser handhabbar.

Entschuldigung, was wollte ich da sagen? Ach ja. Entschuldigung, ich wollte dort nur zur Verdeutlichung eine Flagge aufstellen. Aber ja, es geht hier um das Konzept des Fensters der Verantwortung, dessen Terminologie mir gefällt. Benennen Sie etwas, das Menschen bereits intuitiv tun, oder nennen Sie ein Konzept, das niemand kennt? Und wenn Sie sagen, dass das niemand tut, behaupten Sie dann, dass die Leute, wenn sie Bestellungen und Nachbestellungen aufgeben, nicht erkennen, dass damit der zukünftige Bedarf gedeckt werden soll?

Joannes Vermorel: Nein, der Punkt ist, dass sie es wiederum mit sehr schwachen Modellen angehen. Wie Zeitreihen und Sicherheitsbestand. Diese Modelle sind für so viele Dinge blind. Nehmen wir also eine einfache Situation: Ich habe einen Lieferanten im Ausland. Ich bestelle 100 verschiedene Artikel bei diesem Lieferanten. Doch es gibt einen Haken: Um es wirtschaftlich zu machen, müssen es Vollcontainer sein.

Ich kann also keine Bestellung aufgeben, nur weil ich einen Artikel habe, der nicht vorrätig ist. Bei keinem dieser 100 Artikel ist ausreichend Volumen vorhanden. Nur das Joint-Volumen gibt mir einen vollen Behälter. Nun ist die Sache so: Wenn ich ein paar Einheiten vergesse, wenn ich zum Beispiel vergesse, einen der Artikel in den Behälter zu legen, dann habe ich vor einer bestimmten Zeit keine Möglichkeit, einen Behälter nachzubestellen.

Weil ich stecken bleiben werde. Ich habe einen Lagerbestand und kann diesen Artikel nicht einzeln nachbestellen. Ich stecke fest. Ich muss warten, bis die anderen Artikel verbraucht sind, und kann dann im Wesentlichen eine weitere Containerbestellung in großen Mengen aufgeben. Ja, aber es handelt sich um eine große Menge an Artikeln.

Wenn wir also anfangen, über die Situation nachzudenken, und das ist wirklich nicht besonders schick, ein MOQ auf Lieferantenebene zu haben, ist es also nicht so, dass Sie Artikel in einer Mindestmenge von 100 Einheiten bestellen müssen. Es ist der Lieferant, der sagt: „Um eine Bestellung aufzugeben, muss sie mindestens 20.000 US-Dollar betragen“ oder was auch immer. Es muss aber eine bestimmte Größe haben. Solche Einschränkungen sind allgegenwärtig. Solche Situationen gibt es in jedem Unternehmen ab einer bestimmten Größe haufenweise.

Wenn Sie sich diese Situationen ansehen, was sagt Ihnen das Fenster der Verantwortung? Es sagt Ihnen: Vorsicht. Es handelt sich nicht um die Lieferzeit für diesen Artikel allein. Sie müssen den Lebenszyklus des Bestellvorgangs selbst berücksichtigen, der in Containern erfolgt, sodass Sie den Bedarf bis zur Ankunft des nächsten Containers decken müssen.

Plötzlich müssen Sie verstehen, dass das, was ich abdecken möchte, darin besteht, dass ich dafür verantwortlich bin, wann der Container landet, und dass ich durch diese Bestellung für den Servicegrad verantwortlich bin, bis der nächste Container landet. Und noch einmal, was dazwischen passiert, zum Beispiel bis zu meiner ersten Containerlandung. Stellen wir uns eine Situation vor, in der es keinen Rückstand gibt und Kunden einfach weggehen, wenn sie sehen, dass Sie das Produkt nicht haben.

Das bedeutet, dass Sie sehr vorsichtig sein sollten, da die Nachfrage, die Sie nach einem Artikel beobachten werden, Ihren Lagerbestand auf Null sinken lässt, dann aber verloren geht. Sie sollten also nicht davon ausgehen, dass die Nachfrage bis zur Landung des Containers nur die Summe aller Ihrer Eimer im Laufe der Zeit ist. Es ist nicht wahr. Es wird Ihren Bestand aufbrauchen und dann auf Null fallen.

Dann haben Sie eine Wahrscheinlichkeitsverteilung für den verbleibenden Lagerbestand, wenn der Container tatsächlich landet. Auch hier verdeutlicht das Fenster der Verantwortung diese Art von Situation, während die klassische Sicherheitsbestandsperspektive völlig blind ist. Mithilfe von Sicherheitsbeständen können Sie den Lebenszyklus Ihrer Bestellungen, die beispielsweise über Container eingehen, nicht richtig abbilden. Mit dem Framework können Sie solche Dinge nicht ausdrücken. Du steckst fest. Sie können das Problem so lösen, wie Sie es möchten, Ihren Servicegrad nach oben oder unten anpassen, was auch immer, diese Sache passt nicht in die Zeitreihenperspektive.

Conor Doherty: Dieses Beispiel hat mir tatsächlich sehr gut gefallen. Ich nickte ziemlich anerkennend mit. Das ist sehr, sehr klar. Meine Fortsetzung dazu ist, obwohl ich es verstehe, denke ich, dass die meisten Leute dem folgen werden, es ist ein sehr intuitives Beispiel. Wie passt die Halbwertszeit einer Entscheidung in diese Gleichung?

Auch hier die Verantwortung, ganz klar. Das war sehr, sehr klar. Wir sind stark im Lokad-Gebiet tätig. Es steht sozusagen in Kapitel 8.

Joannes Vermorel: Ja, genau. Wir haben also ein Fenster der Verantwortung gesehen. Es ist eine Heuristik. Und wiederum besteht der Sinn dieser Heuristik darin, die Notwendigkeit der Einführung von Richtlinien zu umgehen, sodass wir wieder zu der Bewertung übergehen können: Bestelle ich null, eins, zwei, drei, vier, fünf Einheiten, und ich habe eine wirtschaftliche Bewertung, anstatt dass ich als Entscheidungsalgorithmus meine Richtlinie bewerte und sehe, wie hoch die Rendite ist?

Um nun die Halbwertszeit zu verstehen, müssen wir mit der Ladung beginnen, was eine einfachere Version ist. Die Last einer Entscheidung ist im Laufe der Zeit das Betriebskapital. Einer der Fehler – und wieder hat die klassische Theorie völlig daneben gelegen, weil es sich um eine nichtökonomische Theorie handelt – besteht darin, dass die klassische Supply Chainstheorie den Unterschied zwischen „Ich muss 1 Million US-Dollar für einen Tag bereitstellen“ oder „für ein Jahr“ nicht versteht. Es ist nicht dasselbe.

Die Frage ist also: Ich habe meinen Geldpool. Ich habe Ihnen gesagt, dass das Spiel darin besteht, dass ich diese Dollars in Atome und dann die Atome wieder in Dollar umwandle. Wie lange wird es also dauern, bis das Spiel gespielt wird? Offensichtlich könnte eine Entscheidung das Betriebskapital blockieren, sagen wir 1 Million US-Dollar. Wenn es nur ein Tag ist, bedeutet das, dass ich diese Million Dollar zuteile und morgen vielleicht 1.010.000 Dollar habe und wieder im Spiel bin, wo ich diese Dollar für etwas anderes umverteilen kann.

Oder ich kann eine andere Entscheidung treffen, die darin besteht, dass ich 1 Million US-Dollar zuweise und diese dann blockiert wird, und in drei Monaten habe ich 1.050.000 US-Dollar. Okay, aber dann sind es drei Monate, in denen mein Kapital gesperrt ist. Die Belastung beträgt also Dollarsekunden. Es ist Geld mal Zeit. In Einheiten ausgedrückt werden es Euro-Sekunden und Dollar-Sekunden sein. Es ist der Geldbetrag multipliziert mit einer Laufzeit.

Was ich damit sagen will ist, dass Sie, wenn Sie vergleichen möchten, wie viel Druck eine Entscheidung auf Ihr Bargeld ausübt, die Belastung und nicht den Bedarf an Betriebskapital betrachten müssen. Denn wenn Sie denken: „Oh, ich habe eine Entscheidung getroffen, die wieder 1 Million Dollar kostet, aber es ist nur ein Tag“, würde mir das 1 Million Dollar Tage bescheren.

Jetzt mache ich noch eins, bei dem es, sagen wir mal, nur 100.000 US-Dollar kostet. Das Betriebskapital sieht also viel, viel kleiner aus, außer dass es für 100 Tage gilt. Das wären 10 Millionen Dollar-Tage in Bezug auf die Auslastung. Sie sehen also, dass bei der zweiten Entscheidung das Betriebskapital zwar kleiner aussieht, 100.000 US-Dollar gegenüber 1 Million US-Dollar, aber wenn Sie in Bezug auf die Auslastung, also Dollar-Tage, denken, ist es tatsächlich zehnmal größer, weil Sie diese Dollars für einen viel längeren Zeitraum behalten müssen.

Conor Doherty: Es ist ein Ausdruck dafür, wie lange Ihr Kapital in eine Entscheidung investiert ist, die noch nicht ausgezahlt wurde.

Joannes Vermorel: Genau, ja. Ich sage also, dass die Auslastung der entscheidende Faktor ist, auf den Sie achten müssen, wenn Sie bei der Cashflow-Optimierung auf einer sehr detaillierten Ebene denken. Sie müssen darüber nachdenken, wie lange und wie groß die Verpflichtung wirklich ist.

Und hier wird davon ausgegangen, dass wir es intellektuell mit vielen Tausenden, Zehntausenden kleinerer Entscheidungen und kleineren Zuteilungen zu tun haben, und diese haben unterschiedliche Belastungen. Was ich damit sagen will ist, dass Sie, wenn Sie verstehen wollen, wie viel Druck sie auf Ihre Liquiditätssituation ausüben, in Belastungen denken müssen.

Und genau hier liegt die zeitliche Belastung darin, dass Sie über alle möglichen Zukunftsaussichten nachdenken müssen, um zu sehen, wie die Sache, über die Sie sich jetzt entscheiden, wie z. B. Bestellungen, im Laufe der Zeit durch Verkäufe oder Service abgewickelt wird. Und die Halbwertszeit gibt an, wie lange es dauert, bis die Hälfte dieser Investition frei wird und zu Ihnen zurückkommt.

Conor Doherty: Ja, genau.

Joannes Vermorel: Nachdem wir nun diese Dollar-Tage als Last gesehen haben, haben wir genau die Halbwertszeit. Warum ist es sehr kritisch? Der Auslöser für diese Analyse war für mich wiederum, dass mir klar wurde, dass es viele Autoren gibt, die völlig falsch verstehen, was mit der Vorlaufzeit passiert.

Durchlaufzeit ist etwas, bei dem, wenn man einen vereinfachten Fall wie Bestellungen betrachtet, das intuitive Verständnis der Menschen einigermaßen richtig ist. Allerdings ist es völlig falsch, wenn man an das Unternehmen als Ganzes denkt. Sie möchten sich etwas ausdenken, das der Trägheit des Unternehmens im Gegensatz zur Schwankung des Flusses nahekommt. Daran möchten Sie denken.

Wenn sich der Markt dramatisch verändert, wie viel Zeit wird es dann für mich charakteristisch sein, das, was ich gerade mache, einfach zu bereinigen? Stellen Sie sich das so vor, als hätten Sie ein Schiff, das Sie wenden möchten, und weil es ein sehr großes Schiff ist, ist das Wenden selbst ein langsames Manöver. Für eine Kurve braucht man Dutzende Kilometer. Für eine Kehrtwende würden Sie vielleicht 100 Kilometer brauchen, nur weil Ihr Schiff so viel Trägheit hat.

Nun ist die Frage, die Sie sich stellen möchten: Wenn Sie eine sehr große Runde machen wollen, was ist die charakteristische Zeit? Offensichtlich spielen die Vorlaufzeiten eine Rolle. Offensichtlich würden Sie denken: Okay, wenn ich Dinge habe, die eingehen, und meine Bestellungen drei Monate dauern, wird meine typische Zeit wahrscheinlich etwas länger sein, weil diese Dinge immer noch eingehen. Selbst wenn ich mich entscheide, etwas ganz anderes, ganz anderes zu machen, werde ich in den nächsten drei Monaten weiterhin die Sachen erhalten, die ich bestellt habe.

Aber jetzt, wenn Sie eine tatsächliche Supply Chain haben, können Sie viele Schritte haben, und diese charakteristische Zeit wird etwas sehr Unscharfes, weil Sie viele Ergänzungen haben, und wie mischen Sie auch die Tatsache, dass Sie Dinge haben, die kurze Vorlaufzeiten erfordern, mit langen Vorlaufzeiten? Können Sie noch einmal alle Vorlaufzeiten addieren und sagen, dass dies mein längster Zeitrahmen und die charakteristische Zeit des Unternehmens ist? Nicht wirklich.

Denn vielleicht haben Sie zum Beispiel etwas, das Sie bestellen müssen, und müssen es aus irgendeinem Grund ein Jahr im Voraus bestellen, aber es ist supergünstig. Tatsächlich ist das bei Automobilherstellern durchaus der Fall. Es gibt ein paar Dinge, die Sie etwa ein Jahr im Voraus bestellen müssen, aber Sie tun es, denn wenn Sie das tun, können Sie Skaleneffekte erzielen und es ist supergünstig. Aber es ist nicht wirklich eine Verpflichtung, weil diese Dinge supergünstig sind.

Also, ja, Sie haben eine sehr lange Vorlaufzeit für diese, aber sie hindern Sie nicht wirklich daran, eine ganz andere Richtung einzuschlagen, denn selbst wenn Sie sich einfach entscheiden würden: „Scheiß auf diese Dinger, ich entsorge sie einfach komplett“, ja, sie werden immer noch ankommen, ich werde immer noch dafür bezahlen, aber der Geldbetrag spielt keine Rolle. Es spielt also keine Rolle. Ich kann immer noch meine metaphorische Kehrtwende in meiner Supply Chain vollziehen, und das ist keine große Sache.

Sie sehen also, die Durchlaufzeiten sagen Ihnen nichts über diese charakteristische Zeit Ihrer Supply Chain. Es sagt Ihnen nichts, was die wahre Trägheit Ihrer Supply Chain wäre. Es gibt Ihnen eine sehr spezifische lokale Zeitmessung. Aber es ist falsch. Und dann landet man auch bei vielen Theorien, die nicht zum Mainstream gehören und die Durchlaufzeiten völlig missverstehen, indem sie sagen: „Oh, wir werden Ihre Durchlaufzeiten durch fünf teilen.“ Das wäre zum Beispiel DDMRP, wo es heißt: „Wenn Sie Entkopplungspunkte einführen, schauen Sie, ich habe die Vorlaufzeiten einfach durch fünf geteilt.“

Ich sage, warte eine Minute. Wenn Sie einen Entkopplungspunkt einführen, bedeutet das, dass Sie, wenn Sie in Trägheitsbegriffen denken, einen großen Lagerbestand erzeugen. Und da davon ausgegangen wird, dass an einem Entkopplungspunkt nie der Vorrat ausgeht, entsteht ein großer Lagerbestand. Es gibt keine Alternative.

Aus wirtschaftlicher Sicht könnte es sinnvoll sein. Ich sage nicht das Gegenteil. Ich sage nur: Wenn Sie einen großen Lagerpuffer einführen, erzeugen Sie Trägheit in Ihrem Unternehmen. Die charakteristische Zeit, die Sie benötigen, um eine Kehrtwende auf dem Markt zu vollziehen und etwas völlig anderes zu tun, muss länger und nicht kürzer sein.

Oder es könnte kürzer sein, aber Sie würden dafür eine massive finanzielle Strafe hinnehmen müssen, als ob Sie einfach alles weg liquidieren würden. Normalerweise macht man das nicht.

Conor Doherty: Ja, genau.

Joannes Vermorel: Wenn es wirklich belanglos ist, ja, Sie können das tun, einfach die Kosten für die Geschäftsabwicklung, weitermachen und etwas anderes tun. Aber wenn es wirklich umfangreich ist, müssen Sie es löschen. Unternehmen, die eine umfassende Neuausrichtung durchführen, achten in der Regel sehr sorgfältig darauf, dass sie alle Dinge liquidieren, damit sie ihre strategische Neuausrichtung effektiv durchführen können, ohne dass es zu massiven Bestandsabschreibungen für die Dinge kommt, mit denen sie aufgehört haben.

Das sagt Ihnen also die Halbwertszeit: Wie viel Zeit wird benötigt, um im Wesentlichen die Hälfte der Ladung wiederherzustellen, wiederum die Ladung, die Kapitaltage. Das kann zum Beispiel etwas knifflig sein, weil es Situationen geben kann, in denen Ihr Bestand fast unbegrenzt weiterläuft.

Nehmen wir an, Sie bestellen 100 Einheiten und haben in 19 Tagen alle Einheiten bis auf eine verkauft. Und dann ist es aus der Mode und Sie haben diese eine Einheit, die übrig bleibt. Tatsächlich gelingt es Ihnen nie, diese eine verbleibende Einheit zu verkaufen. Die anderen wurden gewinnbringend verkauft, es kommt jedoch zu einer Bestandsabschreibung.

Deshalb ist es interessant, in Begriffen der Halbwertszeit zu denken. Sie möchten nicht sagen: „Oh, meine typische Dauer ist die Zeit, das wirklich zu liquidieren“, denn es könnten drei Jahre sein, denn dann brauche ich zwei Jahre, um endlich zu entscheiden, dass es sich um eine Abschreibung handelt, und es einfach zu löschen. Aber vielleicht hatte ich nach 30 Tagen bereits zwei Drittel meines Lagerbestands aufgelöst. Daher wäre es unvernünftig zu glauben, dass ich eine dreijährige Trägheit habe, obwohl der Großteil meines Engagements tatsächlich innerhalb von nur 30 Tagen aufgebraucht war.

Conor Doherty: Es handelt sich im Wesentlichen um einen Meldemechanismus. Gibt Ihnen Einblick in die Zeitdauer Ihrer Entscheidungen.

Joannes Vermorel: Genau. Denn auch hier gibt Ihnen die Ladung eine Vorstellung davon, wie ich das Bargeld einkalkuliere, ohne auf irgendeine Art von politischem Mechanismus zurückzugreifen, bei dem ich alles simuliere und weiß, zu welchem ​​Zeitpunkt ich über das geringstmögliche Bargeld verfüge. Es gibt Ihnen ein Instrument an die Hand, mit dem Sie die Entscheidungen, die Sie jetzt treffen, priorisieren können, ohne eine vollständige Simulation der Zukunft durchführen zu müssen.

Auch dies ist ein Instrument, um die Notwendigkeit einer vollständigen Monte-Carlo-Simulation der Zukunft mit Richtlinien im Wesentlichen zu umgehen. Durch die Belastung erhalten Sie also ein sehr interessantes Instrument, und dann beantwortet die Halbwertszeit eine weitere Frage: Wenn Sie plötzlich denken, dass sich Probleme zusammenbrauen, Sie wissen nicht genau, wo, aber Sie denken, dass der Markt sehr volatil ist, denken Sie: „Okay, es sieht nicht gut aus …“

Erinnern Sie sich an den Film The Big Short?

Conor Doherty: Ja.

Joannes Vermorel: Die Leute wussten, dass etwas wirklich nicht stimmte. Die Blase würde jeden Moment platzen. Es gibt etwas, das schief gehen wird. Wir steuern auf Ärger zu. Wir wissen einfach nicht wann. Wir wissen es nicht genau. Wir können nicht wirklich viele Pläne machen, weil wir nicht genau wissen, wie sich die Dinge entwickeln werden.

Aber was Sie tun können, ist, ein wenig defensiv zu sein, in dem Sinne, dass ich aufhöre, mich auf Dinge zu positionieren, die sehr weit in die Zukunft reichen müssen. Ich möchte meine Position etwas verkürzen. Und genau das gibt Ihnen die Halbwertszeit. Es ist eine Möglichkeit, Dinge zu priorisieren, die Sie nicht zu weit in die Zukunft binden.

Um Sie also in gewisser Weise vor allen möglichen Variationen in der Zukunft zu schützen, auch vor solchen, die wirklich, wirklich völlig unerwartet sind, wie etwa Lockdowns, bietet Ihnen die Halbwertszeit eine Möglichkeit, Ihren Horizont zu verkürzen. Oder umgekehrt: Wenn Sie sehr zuversichtlich sind, das Geschäft gut läuft und Sie eine mehrjährige Entwicklung vor sich haben, die sehr klar ist, dann können Sie sagen: „Okay, ich möchte die Tatsache ausnutzen, dass es für mich nicht so sehr ein Problem ist, mich auf Dinge zu konzentrieren, deren Umsetzung länger dauert, wenn die Rendite diese längeren Verpflichtungen rechtfertigt.“

Conor Doherty: Um diesen Punkt zusammenzufassen: Wenn Sie eine Entscheidung treffen, können Sie anhand der Rendite beurteilen, wie hoch die geschätzte Rentabilität oder Rendite dieser Entscheidung sein wird, während die Halbwertszeit Ihnen sagt, wie lange es dauern wird, bis Sie als Unternehmen die Hälfte des bei dieser Entscheidung gebundenen Kapitals freigesetzt haben.

Joannes Vermorel: Ja, genau. Und all das hängt davon ab, wie Sie die Zukunft gestalten. Die Halbwertszeit sagt Ihnen also im Wesentlichen, dass Sie trotzdem so viel Zeit in Anspruch nehmen werden, selbst wenn mit Ihrer unklaren Zukunftsvorstellung alles nach Plan verläuft. Die Halbwertszeit wäre also Ihre minimale Trägheit, Ihre Grundlinienträgheit.

Gehen Sie davon aus, dass diese Trägheit zunehmen wird, wenn der Markt turbulent ist oder etwas Ähnliches. Das könnte man also sagen: Wenn Sie denken, dass sich Ärger zusammenbraut, dann sollten Sie diese Halbwertszeiten wirklich verkürzen, denn im Grunde stellen sie eine Grundlinie für Ihre Trägheit dar, die leider nur dann zunimmt, wenn es Probleme gibt, weil Sie mehr Zeit brauchen, um diese Positionen zu liquidieren.

Conor Doherty: Zwei unterschiedliche Erkenntnisse in Bezug auf das Risiko einer bestimmten Entscheidung: Eine davon ist, wie viel Sie voraussichtlich verdienen oder wie viel Rentabilität Sie für das Risiko erwarten können, eine Investition gemäß Ihrem Modell getätigt zu haben, was eine Art unscharfes Wissen über die Zukunft darstellt, und die andere ist das Risiko, wie viel Zeit, wie viel Zeit das Unternehmen benötigen wird, um die Hälfte des tatsächlich investierten Kapitals freizusetzen. Es gibt zwei verschiedene Formen des Risikos.

Joannes Vermorel: Genau, genau. Und hier, der zweite Punkt, wenn man an die Halbwertszeit denkt, ist das wirklich eine opportunistische Denkweise. Ich möchte vielleicht meine Fähigkeit bewahren, mich zu bewegen und etwas ganz anderes zu tun. Sie wissen nicht wann, aber Sie möchten einfach etwas haben, das in gewisser Weise flüssiger ist.

Conor Doherty: Im Wesentlichen genau wie Vermögenswerte. Sie wollen keine geringe Liquidität. Sie möchten Aktien auf einem Markt haben, aus dem Sie jederzeit aussteigen können. Sie möchten nicht, dass viel Geld gebunden wird.

Joannes Vermorel: Genau. Und die Sache ist, dass es sich bei der Supply Chain um ein Spektrum handelt, da es sich um Atome handelt. Es heißt: „Ich möchte raus.“ Nun, das kannst du nicht. Sie haben die Atome, die Sie liquidieren müssen. Es wird einige Zeit dauern. Aber es liegt nicht daran, dass es Zeit braucht…

Sie haben also nicht diese binäre Sache, flüssig/illiquid. Du hast ein ganzes Spektrum. Und was ich damit sagen will ist, dass Sie mit der Halbwertszeit das Spektrum charakterisieren können, wie illiquide Ihre Entscheidungen sind, wenn es darum geht, das Geld zurückzubekommen, damit ich in etwas potenziell völlig anderes reinvestieren und diese Entscheidung rückgängig machen kann.

Und um Ihnen ein ganz konkretes Beispiel zu geben: Wenn Sie beispielsweise in der Luftfahrt ein Verbrauchsmaterial und ein drehbares Gerät in Betracht ziehen, wird das völlig anders sein. Ein Verbrauchsmaterial ist, dass jedes Mal, wenn Sie 10 Einheiten auf Lager haben, eine davon verbraucht wird. Wenn ich plus eins auffülle, wird meine Entscheidung beim nächsten Konsum wieder rückgängig gemacht. Der Vorrat befindet sich wieder auf dem vorherigen Stand, sodass die charakteristische Zeitspanne, die Halbwertszeit, bis zum Verbrauch reicht, um den Kauf einfach rückgängig zu machen.

Wenn ich mich nun für ein drehbares Gerät entscheide, wird das viel länger dauern, denn wenn ich eines kaufe, wird dieses Ding gewartet, fliegt dann und wird dann irgendwann aus dem Flugzeug ausgebaut, repariert und ist immer wieder einsatzbereit. Nochmals für das Publikum, das sich mit der Luftfahrt nicht auskennt: Die Idee ist, dass Flugzeuge ständig repariert werden. Die Masse des Flugzeugs bleibt erhalten. Wenn Sie also eine Komponente aus dem Flugzeug nehmen, setzen Sie eine andere wieder ein.

Eine Komponente, die Sie wieder einsetzen können, wird als wartungsfähig bezeichnet. Der andere ist unbrauchbar. Es muss repariert werden. Normalerweise ist es nur eine Inspektion, manchmal auch mehr, und dann kommt es wieder in den Bestand und dann wird es erneut gewartet. Da einige Teile jedoch eine unglaublich lange Lebensdauer haben, beispielsweise mehrere Jahrzehnte, bleibt dieses Teil, wenn Sie ein rotierbares, also repariertes Teil kaufen, jahrzehntelang in Ihrem Fuhrpark und Ihren Beständen erhalten.

Das heißt, wenn Sie ein rotierbares Teil erhalten, das Sie nicht benötigen, werden diese Teile erst dann aus Ihrem Pool entfernt, wenn sie verschrottet werden. Verschrotten heißt also: Man versucht zu reparieren, aber es ist nicht möglich, also verschrottet man es. Aber es könnte in drei Jahrzehnten sein. Es könnte eine lange, lange, lange Zeit sein.

Im Gegensatz zu einem Verbrauchsmaterial, bei dem das nächste Mal, wenn es verbraucht wird, ein Boom, es verschwindet und wir wieder in der vorherigen Situation sind. Die Halbwertszeit dieser beiden Entscheidungen wird dramatisch unterschiedlich sein.

Conor Doherty: Alles klar. Nun, wir sind jetzt schon eine ganze Weile unterwegs, aber was wir gesagt haben, hat tatsächlich die letzte Frage aufgeworfen, die nicht einmal meine eigene ist. Es ist tatsächlich eines, das ich wörtlich lesen kann. Es ist von einem Freund des Kanals. Ich werde seinen Namen nicht nennen, da Teile der Frage nicht nur etwas über die Zusammensetzung seines Unternehmens verraten, sondern, glaube ich, auch über die Zusammensetzung vieler Unternehmen, die wir heute besprochen haben.

Und ich denke auch, dass wir, genau wie bei den letzten paar Beispielen, angefangen haben, über Opportunitätskosten zu reden, und jetzt reden wir über die Halbwertszeit einer Entscheidung. Ich denke, wenn die Leute da sitzen und zuhören, ich weiß nicht, ich glaube, es sind 80 Minuten vergangen, wirklich, ich denke, die Stücke sind schön bewegt, die Dinge sind darauf aufgebaut. Offensichtlich ist Kapitel 8 mein Lieblingskapitel des Buches. Ich habe es mittlerweile mindestens dreimal gelesen.

Ich denke, es ist ziemlich intuitiv, wenn man hier zuhört, und die Beispiele waren meiner Meinung nach sehr hilfreich. Wenn Sie jedoch im grünen Bereich sind und noch nie von Last gehört haben und nur hören: „Sie müssen anfangen, über Zeitfenster für Verantwortung, Last und Halbwertszeit von Entscheidungen nachzudenken“, kann das völlig neu sein und wäre auch ein wenig beunruhigend für die Menschen.

Ich werde die Frage also wörtlich vorlesen und Sie geben mir Ihre Antwort. Zitat: „Joannes, wie bringt man eine Organisation vom KPI-Supply-Chain-Denken zu einer wirtschaftlich orientierten Entscheidungsfindung, wie Sie sie beschrieben haben, um, insbesondere wenn Servicegrad, Sicherheitsbestand, APICS und S&OP-Gewohnheiten tief verwurzelt sind? Ist der beste Weg ein POC, der Ergebnisse vergleicht und die Qualität der Entscheidungen den Penny-Drop-Moment erzeugen lässt, insbesondere in einem reaktiven Unternehmen, in dem es nicht einmal eine grundlegende MRP-Disziplin gibt und Führungskräfte immer noch darauf reagieren, indem sie einfach Richtlinien ändern, anstatt Entscheidungen zu verbessern?“

Es ist eine sehr detaillierte Frage, aber ich denke, dass vieles davon bei Ihnen Anklang finden wird.

Joannes Vermorel: Ja. Das Erste ist also, dass die Vorgesetzten eine einfache Idee verstehen müssen: Das Einzige, was real ist, sind diese Entscheidungen. Was ich zu kaufen, zu produzieren, zu transportieren, zu warten entscheide, das ist die Realität. Die Pläne, die Artefakte, all das sind Ideen. Auch das ist eine einfache Idee, aber wenn man das erst einmal verstanden hat, sagen wir: Okay, was ist der Zusammenhang zwischen dem, was wir tun, und diesen Dingen?

Die nächste Idee ist also, dass wir einen mehrstufigen Prozess benötigen, bis wir, würde ich sagen, die richtigen Softwaretechnologien hatten, weil es eine Möglichkeit war, die Arbeitsteilung zu verwalten. Wir mussten also ein Problem in viele Leute aufteilen, um mit dem Fluss umgehen zu können.

Im Wesentlichen ist die gesamte S&OP-Theorie, die Art und Weise, wie sie die Verantwortlichkeiten aufteilt, nur eine Perspektive für die Arbeitsteilung, und sie wird dazu führen, dass Lagerverwalter einen Anteil von 1.000 SKUs pro Person oder so haben. Nein, es wird variieren. In einigen Unternehmen werden es 100 SKUs sein, in anderen werden es 5.000 SKUs sein. Unterm Strich handelt es sich aber grundsätzlich um ein mentales Modell einer Arbeitsteilung.

Software macht das völlig überflüssig. Eine einzige Software kann all das im großen Maßstab erledigen. Ich würde also sagen, wenn man die Vorgesetzten überzeugen muss, muss man zunächst verstehen, dass das, was sie sehen, nur das Erbe einer Arbeitsteilung ist, die sehr wenig Sinn ergibt. Wenn man darüber nachdenkt, dass es Software gibt und dass man bei einer Matrix mit so vielen beteiligten Personen diese Aufteilung in Schichten nicht braucht, ergibt das keinen Sinn. Daher sollte Software die Entscheidungen steuern, denn das ist das Greifbare. Das ist das Erste.

Und wenn Sie das sagen: Ja, wir können uns für einen Proof of Concept entscheiden, aber wir müssen von Anfang an verstehen, dass dieser Proof of Concept nicht wirklich mit dem vergleichbar sein wird, was die Leute tun. Denn 99 % dessen, was S&OP-Organisationen tun, sind diese numerischen Artefakte.

Wenn Sie also einen Proof of Concept haben, der für diese Entscheidungen gilt, können Sie das nicht mit dem vergleichen, was Ihr S&OP macht, weil die Software einfach sagt: „Mich interessieren nicht all Ihre Zwischenzahlen, Ihre Prognosen, die Art und Weise, wie Sie Ihre Budgets aufteilen und so weiter. Ich werde Ihnen direkt sagen, was Sie produzieren, was Sie kaufen sollen, wo Sie Ihren Lagerbestand unterbringen sollen.“ Gerade. Keine Zwischenschritte.

Offensichtlich sind die Zwischenschritte innerhalb der Software vorhanden, aber sie sind völlig Bürger zweiter Klasse. Es ist nicht derselbe Fokus. Daher ist mein Vorschlag, und auch hier reicht eine Stunde nicht aus, um zu verstehen, zurück zu: Lassen Sie sich nicht von dieser, ich würde sagen, veralteten Arbeitsteilung ablenken. Das Einzige, was real ist, ist die Zuteilung der Ressourcen, die den Fluss steuert. Wieder diese winzigen Entscheidungen: Was kaufe ich? Was produziere ich? Wo lege ich die Aktie hin? Verschiebe ich meine Preise nach oben oder unten? Es handelt sich im wahrsten Sinne des Wortes um ein halbes Dutzend sehr einfacher Grundentscheidungen.

Und dann verstehen Sie, dass die gesamte Organisation, all das, was sie braucht, alles überholt ist. Wenn wir es also tun, besteht die Möglichkeit, dies einfach mit einem Piloten zu tun, der die Entscheidungen generiert. Sobald wir das akzeptieren, ist die gute Nachricht, dass der Pilot im Vergleich zu dieser riesigen Organisation günstig sein wird. Es wird sehr schnell gehen, denn statt dass sich die Leute vierteljährlich treffen und höllisch darum kämpfen, es wöchentlich oder monatlich zu erledigen, müssen Sie jetzt sagen, dass Ihr Kriterium für die Bewertung darin besteht, dass Sie Ihr Top-Management davon überzeugen sollten, dass die Opportunitätskosten zu hoch sind, um es nicht zu tun.

Denn wenn es funktioniert, ist es eine enorme Produktivitätssteigerung. Und warum sollte es dann in Bezug auf die Supply Chain funktionieren? Die Antwort liegt einfach darin, dass es viel reaktiver sein wird. Denken Sie einmal darüber nach: Je weiter die Zukunft entfernt ist, desto schwieriger ist es, sie genau vorherzusagen. Wenn Sie etwas haben, das einfach täglich läuft und Ihre Entscheidungen aktualisiert, hat dieses Ding etwa einen dreimonatigen Vorteil gegenüber jeder Art von S&OP-Prozess, nur weil dieses Ding, anstatt zu versuchen, mit etwas zu arbeiten, das von Natur aus drei Monate alt ist, weil Sie Ihre vierteljährlichen Zyklen haben, frisch von gestern sein wird.

Selbst wenn Ihre Vorhersagetechnologie im Großen und Ganzen dieselbe ist, hätten Sie immer noch einen massiven strukturellen Vorteil, weil Sie Ihre Entscheidung jeden Tag aktualisieren. Und jeden Tag neue Entscheidungen zu treffen bedeutet nicht, dass Ihre Sachen völlig instabil sind. Sie können die Tatsache berücksichtigen, dass eine Änderung Ihrer Meinung Kosten verursacht, und so weiter, auch das ist die ökonomische Modellierung.

Aber auch hier liegt die Sache darin, dass Sie einen massiven strukturellen Gewinn erzielen, indem Sie lediglich die Verzögerungen, die Zeit, die normalerweise benötigt wird, um eine Entscheidung zu treffen, auf etwas sehr Kurzes, wie einen Tag, komprimieren und dann einen riesigen Teil in der Organisation entfernen, der normalerweise Dutzende von Menschen beschäftigt, und ihn zu etwas zusammenbrechen lassen, das einen gewaltigen, massiven Produktivitätsschub darstellt.

Ja, das ist … noch einmal: Wenn die Vorgesetzten nichts von massiven Produktivitätssteigerungen und, wie ich sagen würde, Entscheidungen mit geringer Latenz hören wollen, wird es ein sehr schwieriger, harter Kampf. Aber auch hier denke ich, dass in der heutigen Zeit der generativen KI sehr deutlich wird, dass alltägliche, sich wiederholende Prozesse mechanisiert werden müssen.

Und seien wir ehrlich: Die Mechanisierung dieser Nachschubentscheidungen, der Gesamtplanung für die Produktion, der Zuweisung von Versandbeständen für den Einzelhandel und der Preise ist sehr banal und repetitiv. Sie sind wahnsinnig repetitiv. Sie sind also erstklassige Kandidaten für eine vollständige Automatisierung.

Und noch einmal an den Chef: Als Faustregel gilt, dass Sie sich die Gelegenheit zur massiven Mechanisierung eines ganzen Segments Ihres Unternehmens nicht entgehen lassen sollten, weil Ihre Konkurrenten dies tun werden, und Sie werden nicht in der Lage sein, einen Vorteil aufrechtzuerhalten, wenn Sie ein Produktivitätsdelta von 10 zu 1 gegenüber Ihren Konkurrenten haben.

Vielleicht können ein paar wenige Unternehmen auf der Welt sagen: „Die Produktivität ist mir egal.“ Das wären Rolex, Ferrari, LVMH. Die Luxusmärkte sind nicht wirklich repräsentativ für das Ganze. Hermès könnte sagen: „Für diese Tasche hat eine Person 100 Tage gebraucht“, und das ist eine Menge handwerklicher Arbeit, und das ist in Ordnung. Okay, Hermès kann das.

Aber irgendein anderes Unternehmen? Nein. Wenn Ihre Konkurrenten ihre Angestellten tatsächlich mit einer Produktivität betreiben können, die das Zehnfache Ihrer Produktivität beträgt, werden sie Sie so weit übertreffen, dass über das Ergebnis kein Zweifel mehr besteht.

Conor Doherty: Nun, das ist der Wert eines POC, denn auch hier gibt es mehrere Dimensionen, anhand derer Sie bewerten können, und ich mag es, wenn Sie den Begriff Delta verwenden. Der genaue Begriff, der mir durch den Kopf ging, als Sie gesprochen haben. Die Idee des Deltas zwischen guten und schlechten Entscheidungen kann verworfen werden, solange sie theoretisch ist. Wenn ich Ihnen noch einmal sage: „Oh“, wenn Sie diesem Gespräch nur zuhören, sagen Sie: „Das hört sich wirklich sehr, sehr schön an, aber vielleicht nein, weil ich es nicht gesehen habe.“

Wenn Sie nur schwarz auf weiß sehen, sei es in Finanzdaten, sei es in Produktivitätsberichten, wenn Sie in Echtzeit sehen: „Das ist das Delta, über das ich gesprochen habe“, ist es viel schwieriger, es abzutun.

Joannes Vermorel: Ja, aber auch hier werden Sie dieses Delta nicht sehr deutlich sehen. Warum? Denn wenn Sie sich für ein Pilotprojekt entscheiden, das unbeaufsichtigte Entscheidungen generiert, was normalerweise bei Lokad der Fall ist, besteht das Problem darin, dass das Gegenstück keine unbeaufsichtigten Entscheidungen sind. Es sind die Leute, die das manuell sehr mühsam machen. Sie haben also keine klare Grundlinie. Weil Sie zwei Prozesse vergleichen.

Das Gute an Lokad ist, dass es etwas völlig Einheitliches ist. Sie können eine Version von Lokad im Vergleich zu einer anderen Version von Lokad testen. Und Sie erhalten eine Bewertung dieses Optimierungsprozesses, und das können wir nur, weil er robotisiert ist. Wenn ich also ein numerisches Rezept habe, ändere ich es, ich habe ein zweites numerisches Rezept, ich kann einen AB-Test durch Backtesting durchführen, fast, würde ich sagen, in nur einer Stunde oder der Zeit, die für die Berechnung benötigt wird, und ich werde eine Bewertung erhalten.

Was ist nun mit der Basislinie, dem supermanuellen Prozess? Sie können nichts vergleichen. Und die Leute werden alle möglichen Einwände vorbringen. Sie würden sagen: „Sehen Sie, Lokad hat in diesem Segment deutlich besser abgeschnitten.“ Sie würden sagen: „Ah, es ist unfair. Es war nur ein Praktikant. Wir hatten einen Mann, der krank war. Es war kein normaler Mensch. Es war ein Praktikant, der das gemacht hat, und es wurde beschissen gemacht. Ja, wir geben zu, aber es ist unfair, diesen Vergleich anzustellen, weil Sie sich unser Teammitglied mit der schlechtesten Leistung herausgepickt haben, weil er so grün war.“

Oder es wird unendlich viele Einwände geben wie: „Oh, aber hier haben Sie ja übertroffen, aber das lag nur daran, dass die Prognosen falsch waren. Nächstes Jahr werden wir die Prognose richtig haben“, und so weiter. Das Problem besteht darin, dass, wenn man etwas Atomares vergleicht, einen Teil dessen, was man hat, wenn man unbeaufsichtigte Entscheidungen mit Lokad trifft, dieses Ding, sagen wir mal, frische Daten von gestern nimmt und eine Entscheidung für heute erstellt, bam, und man das sauber durch Backtesting durch die Vergangenheit simulieren kann, im Vergleich zu etwas, bei dem es sich um eine Arbeitslast handelt, die auf Dutzende von Leuten in einem mehrstufigen Prozess verteilt ist, wird es extrem schwierig zu vergleichen.

Am Ende des Tages werden Sie Zuteilungen sehen und Sie würden sagen: „Oh, aber schauen Sie, Lokad hat viel bessere Zuteilungen.“ Aber dann sagten die Leute: „Ja, aber das liegt nur daran, daran, und danke für den Hinweis, wir werden es einfach in Ordnung bringen.“

Meiner Meinung nach kann man nicht einmal anfangen, sich zu verbessern, wenn man nicht über etwas verfügt, das robotisiert ist. Sie sollten davon ausgehen, dass Ihr manueller Prozess, der diese Ressourcenzuweisungen und alle Ihre Entscheidungen in der Supply Chain steuert, genauso gut ist wie jemals zuvor manuell. Wir sprechen von Unternehmen mit einer Größe von einer halben Milliarde und mehr. Sie sind möglicherweise seit Jahrzehnten im Einsatz. Sie hatten Jahrzehnte Zeit, um ihren manuellen Prozess zu verbessern, und Jahrzehnte, um ihren S&OP zu verbessern.

Es gibt nichts wirklich Grundlegendes, was sich in Bezug auf die Software dieser Aufzeichnungssysteme in den letzten drei Jahrzehnten geändert hat. Sogar Unternehmen in den 90er Jahren wussten elektronisch, was sie kauften, was sie produzierten und was sie verkauften. Erwarten Sie also nicht, dass Ihnen die Dinge, die seit Jahrzehnten stagnieren, im nächsten Jahr etwas wirklich Besseres bringen werden. All die unwichtigen Früchte wie „Wir müssen die Leute ausbilden“ sind bereits umgesetzt. „Wir brauchen Qualitätsstandards“, das ist bereits geschehen. „Wir brauchen Exzellenz dies, Exzellenz das“, bereits erledigt. „Stellen Sie die besten Leute ein, die wir können“, ist bereits erledigt.

Diese Kästchen wurden angekreuzt, und das normalerweise schon vor Jahrzehnten. Wenn Sie unbeaufsichtigte Entscheidungen treffen, haben Sie ein numerisches Rezept und können rücksichtslos iterieren. Normalerweise haben Unternehmen damit noch nicht einmal begonnen, und deshalb besteht im Vergleich zum manuellen Prozess ein enormes Verbesserungspotenzial. Das liegt daran, dass etwas, das unbeaufsichtigt und roboterisiert ist, Ihnen Hebel für Verbesserungen bietet, die es beim manuellen Prozess einfach nicht gab.

Conor Doherty: Alles klar. Nun, ich bin überzeugt. Ich habe keine weiteren Fragen. Wir waren, glaube ich, etwa anderthalb Stunden unterwegs. Ich habe das wirklich genossen. Warten wir nicht so lange auf den nächsten.

Und ich danke Ihnen allen fürs Zuschauen. Wenn Sie mit Joannes und mir in Kontakt treten möchten, können Sie sich wie immer auf LinkedIn mit uns vernetzen oder uns direkt eine E-Mail an contact@lokad.com senden. Und damit sehen wir uns das nächste Mal in Kapitel 9. Und ja, machen Sie sich wieder an die Arbeit.