00:00:00 Einleitung: die versteckten Kosten fixer lead times
00:00:57 Der Widerspruch: Alle wissen, dass lead times variieren, aber Unternehmen planen, als waere das nicht so
00:01:52 Warum Supply-Chain-Theorie und Software lead-time-Variabilitaet weitgehend ignorieren
00:04:01 Wirkung auf Fuehrungsebene: falsch allokiertes Kapital, Ueberbestand und Fehlmengen
00:08:28 Anekdote: Wenn eine verspaetete Bestellung zum neuen Standard-lead-time wird
00:10:36 Fixe lead times als naiver Prognosealgorithmus
00:12:29 Beispiel verderblicher Waren: wo das Geld versickert
00:17:02 Was Unternehmen bei lead-time-Variabilitaet kontrollieren koennen und was nicht
00:19:06 Wie fixe lead times andere Supply-Chain-Abkuerzungen verstaerken
00:20:49 Wareneingangskapazitaet im Lager: warum geglaettete Lieferungen wichtig sind
00:24:10 Warum banale taegliche Variation mehr schadet als seltene globale Schocks
00:29:00 Lieferantenbewertung und die Notwendigkeit probabilistischer lead-time-Modellierung
00:33:52 Warum OTIF-Berichte und Lieferanten-Scorecards nicht ausreichen
00:35:19 Makrokrisen gegen selbst verursachte taegliche Entscheidungsfehler
00:38:55 Amazon und die Beherrschung banaler Variabilitaet im grossen Massstab
00:42:13 Publikumsfrage: historische Durchschnitte und Buffer
00:45:18 Beispiel chemische Fertigung: teure Inputs gegen kritische guenstige Inputs
00:49:12 Pharmafrage: lead-time-Variabilitaet praktisch modellieren
00:56:28 Warum historische lead-time-Luecken allein keine guten Entscheidungen ausloesen
00:58:23 Exkurs: Tetris in Excel und die Grenzen von Tabellenkalkulationen
00:59:01 Wem gehoert die Verlustfunktion?
01:03:22 Haben Unternehmen mit kurzen lead times dasselbe Problem?
01:07:25 Brauchen wir noch safety stock?
01:10:23 Praktische naechste Schritte: Supply-Chain-Entscheidungen robotisieren
01:14:12 Schlussbemerkungen
Zusammenfassung
Das Problem ist nicht, dass lead times variieren. Das weiss jeder. Das Problem ist, dass Unternehmen planen, als waere das nicht der Fall, und sich dann wundern, warum Kapital verschwendet wird, Bestände falsch sind und Mitarbeitende ihre Tage mit Feuerloeschen verbringen. Fixe lead times, safety stock und Buffer sind kein wirtschaftliches Denken. Es sind buerokratische Abkuerzungen. Der eigentliche Schaden entsteht weniger durch spektakulaere Krisen als durch zahllose kleine, selbst verursachte Fehler, die jeden Tag wiederholt werden. Die Loesung besteht darin, Unsicherheit explizit zu modellieren und Entscheidungen nach erwartetem wirtschaftlichem Ertrag zu treffen, nicht nach Gewohnheit, Durchschnitten oder administrativer Bequemlichkeit.
Vollstaendige Transkription
Conor Doherty: Das ist Supply Chain Breakdown, und heute zerlegen wir die versteckten Kosten fixer lead times. Gut, wieder da zu sein. Ich bin Conor, Marketing Director bei Lokad, und links von mir sitzt wie immer Lokads Gruender Joannes Vermorel.
Bevor wir anfangen, ein paar Fragen an das Publikum. Glauben Sie, dass lead times variieren? Und wenn ja: planen Sie trotzdem so, als waeren lead times fix? Genau um diese Spannung geht es heute. Schicken Sie Ihre Fragen frueh in den Chat, dann versuche ich sie einzubauen. Joannes, fangen wir an.
Die Frage, ob lead times variieren, ist trivial. In einer LinkedIn-Umfrage sagten deutlich mehr als 90 %, dass sie natuerlich variieren. Die eigentliche Frage ist, warum Menschen das wissen, Unternehmen aber ploetzlich Prozesse und Entscheidungsregeln verwenden, die diese Realitaet ignorieren.
Joannes Vermorel: Es gibt mehrere Gruende. Einer ist, dass die dominante Supply-Chain-Theorie diese Varianz weitgehend nicht anerkennt. In tausendseitigen Lehrbuechern ist das Thema fast abwesend. Folglich fehlt lead-time-Analyse, Modellierung oder Forecasting auch in den meisten Planungs- und Forecasting-Produkten. Praktiker koennen interessiert sein, aber ihre Werkzeuge koennen es nicht.
Hinzu kommt die Managementintuition: “Das ist ein Problem des Lieferanten.” Wenn es wie ein Defekt aussieht, soll der Lieferant ihn endgueltig beheben. Warum sollte man sich intern mit etwas befassen, das angeblich verschwindet, sobald der Lieferant es loest? Natuerlich wissen alle, dass es nicht verschwindet, aber diese Haltung reduziert die Aufmerksamkeit.
So entsteht ein Vakuum in Theorie und Software, und die Organisation sagt implizit: “Wenn der Lieferant das loest, haben wir nichts zu tun.” Technisch waere das wahr, aber es passiert nie.
Conor Doherty: Wir haben frueher ueber Unsicherheitsquellen gesprochen. Nachfrage ist wohl Nummer eins, aber Unsicherheit bei lead times ist eine sehr nahe Nummer zwei. Trotzdem fehlt auf Unternehmensebene Investition, Aufmerksamkeit und Software. Was ist der unmittelbare gefaehrliche Effekt fuer die Fuehrungsebene?
Joannes Vermorel: Wer lead times ignoriert, allokiert entweder zu viel oder zu wenig Kapital ins Inventar. Das ist ein massiver Treiber des Geschaefts. Wenn Sie sieben Tage annehmen, tatsaechlich aber einen Monat haben, entsteht eine Kaskade von Problemen.
Menschen verstehen, dass Kunden gehen, wenn man nicht on time and in full liefert. Aber dasselbe gilt fuer Lieferanten: Sie tun ihr Bestes, haben aber selbst Stoerungen. Deshalb variieren lead times. Bei Dutzenden oder Hunderten Lieferanten gibt es jeden Tag einen Anteil von Bestellungen, die spaet oder nicht in der erwarteten Menge ankommen. Das ist Business as usual.
Die Folgen sind sehr gross: Produktionsstopps, nicht erfuellte Kundenversprechen oder massiver Ueberbestand, weil der Vertrag zwei Wochen sagt, der Lieferant aber real in zwei Tagen liefert. Lead times sind enorm konsequent.
Ein weiterer Grund fuer die geringe Aufmerksamkeit ist das politische S&OP-Spiel. Demand-Forecasts beeinflussen Budgets. Sales will niedrige Ziele, Produktion will hohe. Darum konzentrieren sich alle auf punktuelle Nachfrageprognosen. Lead times sind wirtschaftlich sehr wichtig, aber fuer diese internen Budgetspiele weniger sichtbar.
Conor Doherty: Wenn wir von fixen lead times sprechen, meinen wir meist Durchschnittswerte oder vertragliche lead times.
Joannes Vermorel: Genau. Oft werden lead times gar nicht gemessen. Man uebernimmt einfach den Vertrag: sieben Tage. Diese Zahl kann zehn Jahre alt sein. Sie bleibt als Konstante im System.
Conor Doherty: Ein anonymisiertes Beispiel: Normal sind 14 Tage fuer ein SKU-Lieferanten-Paar. Einmal sagt der Lieferant: diesmal 100 Tage. Das System setzt danach 100 Tage als neuen Standard. Das erzeugt riesigen Ueberbestand. Wie typisch ist das?
Joannes Vermorel: Sehr typisch. Es ist ein naiver lead-time-Forecasting-Algorithmus: nimm den letzten Wert und mache ihn zur Zukunft. Nur wird er nicht als Forecasting-Algorithmus verstanden, also gibt es kein Backtesting. Lead times werden wie reine Stammdaten behandelt, fast wie Postleitzahlen. Negative Werte werden vielleicht abgelehnt, mehr Modellierung gibt es kaum.
Conor Doherty: Nehmen wir verderbliche Waren mit zehn Wochen nominalem lead time. Es koennen acht, zehn, vierundzwanzig Wochen oder ein halbes Jahr werden. Wo verlieren Unternehmen Geld?
Joannes Vermorel: Bei verderblichen Waren variieren Nachfrage und Preis stark mit der Saison. Ein Produkt kann zum richtigen Zeitpunkt viermal mehr wert sein als zum falschen. Wenn Sie eine Lieferung fuer den 1. September erwarten und sie am 1. November kommt, sind Nachfrage und Preis andere.
Sie bedienen die Kunden im September nicht, verlieren Umsatz und vielleicht Marktanteile. Dann kommt die Ware spaet, mit geringerer Nachfrage und niedrigerem Preis. Sie endet als toter Bestand oder braucht hohe Rabatte. Hinzu kommt Firefighting: Wenn die Organisation lead-time-Variationen nicht modelliert, muessen Mitarbeiter manuell klicken, Parameter aendern und Dinge neu konfigurieren. Statt proaktiver Kapitalallokation entsteht reaktive Hektik.
Conor Doherty: Aber beim Import ueber die Welt kontrolliert man nicht alles. Man kann das Schiff nicht schneller machen. Was bleibt unter Kontrolle?
Joannes Vermorel: Gerade deshalb duerfen Sie nicht erwarten, dass lead-time-Probleme geloest werden. Sie liegen nicht voll unter Ihrer Kontrolle, oft nicht einmal unter der Kontrolle des Lieferanten. Lead times werden dauerhaft variieren.
Aber diese Variationen sind entscheidend fuer den erwarteten Return jeder Kapitalallokation. Wenn Sie bei einem entfernten Lieferanten bestellen, muss die Variation der lead times in die wirtschaftliche Rechnung. Sonst bestellen Sie zu viel oder zu wenig. Manchmal reduzieren Variationen die optimale Bestellung, manchmal erhoehen sie sie. Das haengt von der Oekonomie ab.
Conor Doherty: Fixe lead times sind ein bequemer Shortcut. Wenn sie variieren, vergroessern sie die finanziellen Folgen anderer Shortcuts: Servicelevel, ABC, statische MRP- oder ERP-Regeln.
Joannes Vermorel: Ja. Blindheit gegen etwas so Wichtiges erzeugt dumme, teure Probleme. Beispiel: Ein Lager kann nur zehn Lkw pro Tag annehmen. Wenn Ihr Plan viele Tage schon bei zehn Lkw hat und ein verspäteter Lkw auftaucht, haben Sie elf. Der Fahrer kann nicht einfach warten; der Lkw ist vielleicht fuer eine andere Ladung gebucht.
Proaktiv haetten Sie Lieferungen glaetten koennen: lieber acht Lkw pro Tag und einem Lieferanten einen Tag mehr geben. Gegenintuitiv kann ein laengerer lead time wirtschaftlich besser sein. Kuerzere lead times kosten oft stark mehr. Wenn Sie den Fluss glaetten, vermeiden Sie Zwischenfaelle und viel Firefighting.
Conor Doherty: Viele glauben, lead times seien nur bei extremen Ereignissen finanziell gefaehrlich: COVID, Hormus, blockierte Kanaele. Sie sagen, Unternehmen leiden staendig an banalen Variationen.
Joannes Vermorel: Genau. In vielen Unternehmen ist fast die gesamte Arbeit busy work: Excel schieben, ERP beruhigen, manuell nachsteuern. Eine grosse Firma kann taeglich Dutzende Manntage weisser-Kragen-Arbeit brauchen, nur um den Fluss am Laufen zu halten. Das ist nicht kapitalistisch, nicht akkumulierend.
Supply chain ist ein wirtschaftliches Spiel mit Tausenden Entscheidungen pro Tag. Wenn alle mit Firefighting beschaeftigt sind, sinkt die geistige Intensitaet fuer die echten Entscheidungen. Es ist wie Schach spielen, waehrend in der Kueche staendig etwas anbrennt. Man macht instinktive, grobe Zuege.
Conor Doherty: Wie veraendert probabilistische lead-time-Modellierung die Lieferantenbewertung?
Joannes Vermorel: Erst mit probabilistischer Modellierung koennen Sie den wirtschaftlichen Effekt der Variation messen. Dann koennen Sie in Ihrem Modell mit und ohne Variation vergleichen. Ohne diese Bewertung koennen Sie nicht sinnvoll verhandeln. Wenn Sie perfekte Zuverlaessigkeit fordern, fragt der Lieferant: zu welchem Preis?
Extrem gute lead times gibt es, aber zu extremen Kosten. Eine Notfall-Schlosslieferung in Paris kann eine Stunde dauern, aber fuenfmal so viel kosten wie normal. Umgekehrt koennen Sie manchmal sagen: Wir haben keine Eile, gib uns Rabatt fuer zwei Monate mehr lead time. Das kann fuer beide Seiten besser sein. Dafuer muessen Sie nicht nur sieben gegen neun Tage vergleichen, sondern Wahrscheinlichkeiten von schlechten Outcomes: 1 % sehr spaet oder 5 % sehr spaet.
Conor Doherty: Viele haben OTIF-Berichte, Scorecards und Vertragsstrafen.
Joannes Vermorel: Das ist viel schlechter als eine echte wirtschaftliche Modellierung. Supply chain sollte als produktives Asset unattended laufen. Unattended heisst null Menschen, nicht fuenfzig. Wenn es business as usual ist, sollte die Firma einige Wochen laufen, ohne dass eine Armee taeglich manuell eingreift. In der Realitaet brauchen viele Unternehmen jeden Tag Dutzende Manntage Firefighting. Nicht modellierte lead times sind ein grosser Beitrag dazu.
Conor Doherty: Der makro Schaden trifft alle. Der mikro Schaden, das Alltaegliche, ist kontrollierbarer.
Joannes Vermorel: Genau. Weltkrisen treffen auch Wettbewerber. Selbst wenn Energie teurer wird, betrifft das alle. Marktanteile gewinnt man eher durch weniger selbst erzeugtes Chaos. Jedes Unternehmen hat eigene Chaosmaschinen. Wer weniger selbstverschuldete Wunden hat, kommt voran.
Amazon ist ein gutes Beispiel: nicht Kristallkugel, sondern Beherrschung von Mikroentscheidungen in grossem Massstab. Lieferzusage nach Postleitzahl anpassen, Preise laufend anpassen, Erstattungen automatisiert behandeln. Das Banale richtig und skaliert zu tun ist sehr stark.
Conor Doherty: Was ist mit historischem Durchschnitt plus buffer?
Joannes Vermorel: Ein buffer ist eine Kapitalallokationspolitik ohne wirtschaftliche Rechnung. “lead time plus sieben Tage Bestand” beantwortet nicht, ob das profitabel ist, ob es Lagerplatz blockiert oder ob Kapital anders besser genutzt waere. Vielleicht ist der buffer zufaellig richtig, aber ohne wirtschaftliche Rechnung maximieren Sie den Return sehr wahrscheinlich nicht. Modellierte lead times erlauben eine risikoadjustierte Renditerechnung ueber moegliche Zukuenfte.
Conor Doherty: Chemische Fertigung: teurer Input versus billiger, aber kritischer Input, der Produktion blockiert. Was tun?
Joannes Vermorel: Wieder wirtschaftliche Rechnung. Alle Optionen konkurrieren um Budget und Ressourcen. Fuer teure Komponenten gibt es abnehmende Renditen. Fuer billige kritische Inputs kann es wie Klebeband in der Luftfahrt sein: fast kostenlos, aber ohne es steht ein Flugzeug. Trotzdem muss man rechnen, denn billige Dinge koennen sperrig sein und Lagerplatz verbrauchen. Die Rechnung wandelt alle Faktoren in Euro oder Dollar um.
Conor Doherty: Das ist iterativ, nicht einmalig.
Joannes Vermorel: Ja, aber die Arbeit muss akkumulierend sein. Das unattended System erzeugt Entscheidungen. Menschen verbessern die numerischen Rezepte, sodass eine Verbesserung heute auch morgen und uebermorgen bessere Entscheidungen erzeugt.
Conor Doherty: Pharmafrage: Was braucht man praktisch, um lead-time-Variabilitaet zu modellieren?
Joannes Vermorel: Man braucht probabilistische Modellierung: eine Art spezialisiertes Machine-Learning-Bauteil, das historische Beobachtungen in Wahrscheinlichkeitsverteilungen uebersetzt. Mit passender Sprache kann ein produktionsfaehiger Kern sehr kompakt sein.
Dann kombiniert man diese lead-time-Projektion mit anderen Unsicherheiten: Nachfrage, Preise, Retouren, erhaltene Mengen. In Pharma kann ein Lieferant spaet sein und nicht vollstaendig liefern. Danach braucht man eine wirtschaftliche Rezeptur und einen stochastischen Solver, der Optionen sucht und die Rendite maximiert. Excel passt nicht, sobald Wahrscheinlichkeitsobjekte zentral werden.
Conor Doherty: Also benutzen wir Computer.
Joannes Vermorel: Ja, aber Tabellen sind auch Computer. Es geht um passende Werkzeuge. Tetris kann man in Excel programmieren, aber es ist nicht praktisch. Sobald Wahrscheinlichkeiten ins Spiel kommen, sind Spreadsheets nicht die richtige Objektklasse.
Conor Doherty: Wenn Unternehmen lead times tracken, warum reichen historische Luecken nicht?
Joannes Vermorel: Weil Tracking nur Workflow ist. Man sieht Vergangenheitswerte, aber es gibt keine Modellierungsschicht, keine Kombination mit anderen Unsicherheiten und keine Verbindung zur Ressourcenallokation. Lead-time-Modellierung allein ist nicht actionable. Es fehlen probabilistische Modelle, wirtschaftliches Rezept und stochastischer Solver.
Conor Doherty: Jonathan sagt: Niemand besitzt die Loss Function; jedes Team optimiert seine Metrik.
Joannes Vermorel: Teilweise richtig. Aber ich wuerde keine neue Entitaet schaffen. Supply chain ist bereits ein buerokratischer Aufwand und neigt zum Wachsen. Viele Unternehmen haben viel zu viele Menschen in supply chain. Man sollte subtraktiv denken.
Die Loss Function sollte in wirtschaftliche Treiber zerlegt werden. Stockout-Kosten gehoeren zu Sales, Geldkosten zu Finance. Supply chain besitzt das Packaging dieser Faktoren in eine Formel, nicht alle Komponenten. Das ist eine leichte Verantwortung, keine neue Abteilung.
Conor Doherty: Gilt das auch fuer kurze lead times?
Joannes Vermorel: Es haengt von der Oekonomie ab. Kurze lead times bedeuten oft, dass Kunden auch sehr kurze lead times erwarten. Ein Tag Verspaetung bei frischer Ware kann schlimmer sein als ein Tag bei einem Zehn-Wochen-Import. Als Test: Schauen Sie auf den Firefighting-Anteil. Wenn mehr als 20 % der Arbeit darin steckt, gibt es grosses Potenzial.
Conor Doherty: Braucht man mit probabilistischen lead times noch safety stock?
Joannes Vermorel: Nein. Safety stock ist eine nicht-wirtschaftliche Politik zur Kapitalallokation. Ein nicht-wirtschaftliches Instrument kann kein verlaesslich wirtschaftliches Ziel treffen. Es kann zufaellig richtig sein, aber nicht per Design. Die probabilistische lead-time-Sicht zeigt nur noch klarer, wie obsolet safety stock ist.
Conor Doherty: Was ist der naechste Schritt?
Joannes Vermorel: Die Entscheidungsfindung robotisieren. Lead-time-Modellierung ist Mittel zum Zweck: bessere Entscheidungen. Bei Lokad war schlechte lead-time-Modellierung ein Faktor fuer “insane” Entscheidungen. Ziel fuer Produktion ist 0 % Insanity: jede Ressourcenallokation muss wirtschaftlich verteidigbar sein. Modellierung sollte von den Entscheidungen getrieben werden, die noch absurd herauskommen. Nicht lead times isoliert modellieren, sondern die Blind Spots beheben, die schlechte Entscheidungen erzeugen.
Conor Doherty: Damit sind wir am Ende. Danke, Joannes, und danke an alle fuers Zuschauen, die Fragen, DMs und Kommentare. Wir sehen uns in ein paar Wochen wieder, dann zum Thema pricing in supply chain. Bis dahin: zurueck an die Arbeit.
