Die Lokad Plattform
Table of contents
Im Kern von Lokad steht Envision, eine domänenspezifische Sprache. Diese Sprache richtet sich an Supply-Chain-Experten und nicht an Softwareingenieure. Unser Hauptziel ist es, die Supply-Chain-Optimierung in die Hände derjenigen zu legen, die über unmittelbare Fachkenntnis verfügen. So reduziert Lokad das Risiko von Supply-Chain-Initiativen, indem es Vermittlungsschichten zwischen Fachbereich und IT entfernt.
Mit Envision übertreffen wir die Möglichkeiten von APS-Systemen, die nur dem Namen nach “advanced” sind, von BI-Werkzeugen oder sogar spezialisierten Forecasting-Toolkits deutlich. Im Vergleich zu generischen Sprachen wie Python lassen sich mit Lokad zudem sicherere und wartungsärmere Anwendungen erstellen.
Jenseits von Tabellenkalkulationen
Excel ist nach wie vor das meistgenutzte Werkzeug in der Supply Chain. Bei Lokad erkennen wir seine Stärken klar an: Es ist einfach, ausdrucksstark, visuell und erlaubt es, die Daten jederzeit im Blick zu behalten. Excel hat seinen weltweiten Erfolg verdient, und mit Envision haben wir hart daran gearbeitet, diese Qualitäten zu bewahren.
Dennoch ist Excel in der Supply Chain nicht das Ende der analytischen Entwicklung. Seine größte Stärke ist zugleich seine größte Schwäche: Berechnungslogik und Daten sind systematisch miteinander verflochten. Sobald Arbeitsblätter größer werden, entstehen daraus endlose Probleme. Genau solche großen Tabellen sind in Unternehmen mit hunderten oder tausenden Artikeln jedoch nahezu unvermeidlich.
Dieses Logik-Daten-Gemisch lässt sich in Excel nicht beheben, ohne gerade jene Eigenschaften zu zerstören, die Excel so stark machen. Deshalb haben wir Envision entwickelt: eine Technologie, die die nützlichen Eigenschaften von Tabellenkalkulationen bewahrt und zugleich auf hunderte Millionen Bestellungen oder SKUs skaliert.
Darüber hinaus sind Tabellenkalkulationen für spezialisierte, aber essenzielle Berechnungen der Supply-Chain-Optimierung schlicht ungeeignet. Sie bieten beispielsweise kaum Unterstützung für probabilistische Prognosen. Dadurch bleiben sie in einer schädlichen “Durchschnittslogik” gefangen. Ebenso fehlt ihnen praktisch jede Fähigkeit, Optimierungen unter Nebenbedingungen und Unsicherheit auszuführen. Selbst einfache Restriktionen wie MOQ werden deshalb manuell behandelt.
Envision bringt spezialisierte Konstrukte wie eine Algebra zufälliger Variablen mit, die für prädiktive Supply-Chain-Optimierung zentral sind und in Tabellen fehlen. Anwendungen, die mit Envision gebaut werden, sind zudem deutlich wartbarer als komplexe Tabellenmodelle.
Daten nicht nur beobachten, sondern handeln
Genau diese handlungsorientierte Perspektive wollten wir mit Envision bewahren. Envision dient dem Bau von Anwendungen. Zum Beispiel kann Envision priorisierte Aktionslisten erzeugen, wie etwa:
- Artikel, die mit bewusst niedriger Marge geführt werden sollten, um Wettbewerber unter Druck zu setzen
- Mengen, mit denen der nächste Container exakt gefüllt wird
- Artikel, die priorisiert liquidiert werden sollten, um das Lager zu entlasten
- Artikel, die Kunden ständig zurücksenden und die aus dem Sortiment genommen werden sollten
Die von Envision erzeugten quantitativen Entscheidungen können anschließend automatisch ins ERP zurückgespielt oder als Tabellen exportiert werden. Der genaue Anwendungsbereich von Envision richtet sich nach Ihren geschäftlichen Prioritäten.
Ihr Unternehmen kommt an Programmierbarkeit nicht vorbei
Supply Chains umfassen tausende Produkte, oft sehr viel mehr. Jeder Preis, jeder Bestandswert und jedes Sortiment muss laufend angepasst werden. Ohne die Automatisierung all dieser Routineaufgaben ist ein produktiver Betrieb nicht realistisch. Doch Automatisierung allein genügt nicht: Es braucht smarte Automatisierung, die eng auf die geschäftliche Logik abgestimmt ist. Genau dafür ist Programmierbarkeit erforderlich.
Immer wenn in Ihrem Unternehmen jemand in einer Tabelle eine komplexe Formel baut, nutzt diese Person bereits die programmatische Ausdruckskraft von Tabellen. Aus dieser Tabellenlogik kommt man nicht heraus, solange Teams keine bessere Alternative haben, um ihr Fachwissen in Systeme zu gießen. Envision ist genau als diese bessere Alternative gedacht.
Jenseits von Python
Erstens erfordert Python Softwareingenieure. Wie jede vollwertige Programmiersprache setzt Python die Schreibenden einer großen Zahl technischer Feinheiten aus. Zu erwarten, dass Menschen zugleich Supply-Chain-Experten und Softwareingenieure sind, ist unrealistisch. Programmatische Fähigkeiten müssen für ein breites Spektrum technisch versierter Personen zugänglich sein, nicht nur für professionelle Softwareentwickler.
Zweitens explodieren die Wartungskosten hastig gebauter Python-Prototypen. Wartung muss kontrollierbar bleiben. Python ist hardwareseitig nicht schlank, und die Supply-Chain-Optimierung ist ein chaotischer Prozess: Daten aus zahlreichen nur bedingt verlässlichen Systemen müssen robust integriert, unvollkommene und sich ständig ändernde Prozesse modelliert und Optimierungsmetriken mit einer sich wandelnden Strategie synchronisiert werden. Python bietet nahezu keine Korrektheit-by-Design, um solche Aufgaben zu unterstützen.
Envision ist unsere Antwort auf diese Herausforderungen. Es überzeugt auf Arten, die mit Python kaum erreichbar sind:
- Defense in depth, um ganze Klassen von Sicherheitsproblemen zu vermeiden
- Transparente Performance, sodass unpraktisch langsame Programme gar nicht erst geschrieben werden
- Transparente Upgrades, bei denen Weiterentwicklungen automatisch ausgeliefert werden, auch durch Hintergrund-Umschreibungen von Code
- Ein paketierter Stack, der das Zusammensetzen dutzender Softwarebausteine selbst für einfache Anwendungen überflüssig macht
Python ist großartig, aber keine zufriedenstellende Antwort auf Supply-Chain-Optimierung in dem Sinn, wie Envision es ist. Eine produktionsreife Machine-Learning-Anwendung in Python zu bauen und zu pflegen ist möglich, aber teuer und ohne ein dediziertes Softwareteam auf Dauer kaum tragfähig.