Entscheidungsbasierte Optimierung

Die quantitative Logistik konzentriert sich auf die Generierung automatisierter leistungsfähiger Entscheidungen bezüglich der Lieferkette. Dabei liegt der Fokus nicht in der Lieferung von numerischen Produkten, wie etwa wöchentlichen Prognosen. Vielmehr definieren wir Entscheidung als eine Antwort auf ein Lieferkettenproblem, das greifbare, wenn nicht sogar physische Folgen für die Lieferkette hat, und auf das man einwirken kann. Aus einer klassischen Lieferkettenperspektive mag es etwas verwunderlich erscheinen, sich auf Entscheidungen bezüglich der Lieferkette zu konzentrieren, da diese nicht in der gewöhnlichen Linie Planung vs. Betrieb liegen. Dennoch erleichtert dieser Schwerpunkt deutlich die tatsächliche Optimierung der Lieferkette. In diesem Abschnitt wird das Konzept der Entscheidung bezüglich der Lieferkette erklärt, es wird ein Überblick der häufigsten Entscheidungsarten geboten und die Schlüsselaspekte der entscheidungsbasierten Perspektive beschrieben.

Festlegung geeigneter Entscheidungen

Dia quantitative Logistik stützt sich stark auf die numerische und statistische Analyse von Problemen im Bereich der Lieferkette. Dennoch ist diese Einstellung nicht für alle Probleme geeignet. Dabei ist dieser Ansatz für bestimmte Probleme geeignet, wenn folgende Bedingungen erfüllt werden:

Wiederholbarkeit: Die Erstellung einer nummerischen Lösung des Problems bringt einen Aufwand mit sich, durch den Kosten entstehen. Für die rentable Optimierung einer Lieferkette, muss sichergestellt werden, dass die Kosten des eigentlichen Optimierungsprozesses seine erwarteten Vorteile nicht überschreiten. Als Faustregel gelten Routineprobleme, wie etwa die Auffüllung, die täglich oder wöchentlich bewertet werden muss, als viel bessere Kandidaten des quantitativen Ansatzes, als außergewöhnliche Probleme, wie etwa die Expansion in ein neues Land.
Begrenzte Entscheidungen: Um die Komplexität der Softwarelösung in Grenzen zu halten, ist es praktisch, sich auf Probleme im Bereich der Lieferkette zu konzentrieren, die durch eine gut definierte Art von Entscheidung, idealerweise hochnumerische Entscheidungen, gelöst werden können. Eine begrenzte Entscheidung wäre zum Beispiel, keine Vorräte mehr eines bestimmten Produkts zu schaffen, weil der Bedarf zu gering ist, um diese zusätzliche Belastung zu rechtfertigen. Diese Frage kann einfach über einen hochautomatisierten Prozess beantwortet werden. Im Gegensatz hierzu ist die Entscheidung um die Abänderung der Richtlinien im Lagermanagement ein sehr breitgefächertes Problem, was für eine Automatisierung eher ungeeignet ist.
Historische Daten: Softwarelösungen können nicht im Vakuum funktionieren. Die Kenntnisse, die zur Bewältigung des Problems der Lieferkette beitragen, können in die Software als manuell eingebaute Regeln, eingebettet werden. Doch die Erstellung einer langen Reihe konsistenter und funktionierender Regeln zur Entscheidungsfindung stellt eine äußerst schwierige Unternehmung dar. Die meisten modernen Ansätze extrahieren breite relevante Einblicke aus den historischen Daten (Umsatzhistorie, Einkaufhistorie, etc.) und überlassen Regeln nur gut definierten Lieferkettenpolitiken, wie etwa MOQs (Mindestbestellmengen), die die Software auf keinen Fall aus historischen Daten erschließen soll.

Bei wachsendem Fortschritt im Bereich Softwareentwicklung, insbesondere beim maschinellen Lernen, wächst das Spektrum an Entscheidungen, das einem computergestützten System zugänglich wird, jährlich weiter. So waren die frühen Systeme zur Bestandsoptimierung auf Produkte mit mindestens einigen Monaten Umsatzhistorie beschränkt, während neuere Systeme alle Produkte unterstützen, sogar solche, die noch nicht verkauft wurden.

Außerdem ermöglich die Softwareentwicklung manchmal Probleme aufzugreifen, die zuvor bei der manuellen Bearbeitung eines Lieferkettenexperten als unmöglich galten. So können moderne Systeme zur Bestandsoptimierung vorhersagen, welche Bestandsaufzeichnungen mit höherer Wahrscheinlichkeit ungenau sind, womit eine priorisierte Neuzählung ermöglicht wird – ein Feature, das die herkömmlicheren Ansätze einer linearen Neuzählung aller SKUs deutlich überlegen ist.

Beispiele von Entscheidungen bezüglich der Lieferkette

Lieferketten sind unglaublich vielfältig, weshalb Faktoren, die in einem bestimmten Zweig eine deutliche Herausforderung darstellen, in einem anderen eine untergeordnete Rolle spielen. In diesem Abschnitt bieten wird einen kurzen Überblick über typische Entscheidungen, die für den Ansatz der quantitativen Logistik geeignet sind.

Bestellung: Die Entscheidung der genauen Einkaufsmengen für jeden Zulieferer und jedes Produkt. Diese Entscheidung wird täglich aktualisiert, auch wenn keine eigentliche Bestellung täglich erwartet wird. Die Bestellung sollte alle Bestellbedingungen (MOQs), sowie die Lieferbedingungen (z.B. Container) berücksichtigen. Außerdem kann die Bestellung auch eine Option bezüglich der Versandmethode (über Wasser oder Luft), sowie eine mögliche Kombination enthalten.
Fertigungsaufträge: Die Entscheidung der genauen Mengen, die gefertigt werden soll. Die Fertigungsaufträge sollten all die Fertigungsbedingungen, die unter Umständen mit Mindestproduktionsmengen verbunden sind, berücksichtigen. Außerdem kann die maximale Produktionskapazität niedriger sein, als während der Hochsaison im Jahr benötigt wird, sodass die Produktion bereits im Voraus Vorräte erzeugen sollte, um die Hochsaison zu überwältigen.
Bestandsausgleich: Die Entscheidung, ob die aktuellen Einheiten eines Standorts in einen anderen bewegt werden sollten, häufig, weil die Bestandsmenge eines Standorts nicht mehr mit dem erwarteten Bedarf nach Standort im Einklang ist. Hierbei handelt es sich erneut um eine Entscheidung, die täglich aktualisiert wird, auch wenn es meistens für die Mehrheit der Produkte nicht wirtschaftlich rentabel ist, diese unter den verschiedenen Standorten zu bewegen.
Bestandsauflösung: Die Entscheidung, ob die zurzeit gehaltenen Einheiten vernichtet oder durch einen zweiten Kanal – gewöhnlich mit hohen Rabatten – verkauft werden sollte. In der Tat kann toter Bestand umsonst die Lager blockieren und somit Kosten verursachen, die den wirtschaftlichen Wert des eigentlichen Bestands übersteigen. Je nach Wirtschaftszweig kann der Bestand entweder durch Aktionen, besonderen Kanälen oder durch Vernichtung aufgelöst werden.
Lagerung vs. Direktlieferung: Die Entscheidung, ob genug Bedarf besteht und den Kauf, die Lagerung und die direkte Übergabe rechtfertigt, oder ob es besser wäre, das Produkt direkt von Dritten bei Bedarf geliefert wird. Direktlieferungen ergeben meistens niedrigere Margen, führen aber gleichzeitig auch zu geringeren Lagerhaltungskosten. Für diese Entscheidung wird eine genaue Liste von Produkten definiert, die auf Lager gehalten werden, während die Vielfalt des Bestands überschaubar bleibt.
Gezielte Bestandszählung: Die Entscheidung, ob eine SKU aufgrund der potentiellen Ungenauigkeit der elektronischen Erfassung, die unter Umständen nicht mit der tatsächlich verfügbaren Menge an Einheiten im Regal übereinstimmt, erneut gezählt werden sollte. Diese Entscheidung bietet einen Kompromiss zwischen den Arbeitskosten, die mit der Neuzählung zusammenhängen, und der negativen Wirkung von Scheinbestand auf die Lieferkettenleistung. In der Praxis ist die Ungenauigkeit des Bestands im Vergleich zu Lagern oder Fabriken mit Zugang nur für das Personal viel höher in für die Öffentlichkeit zugänglichen Einzelhandelsgeschäften.

Hervorzuheben ist auch, dass bestimmte Branchen über eigene Entscheidungen verfügen. Die folgenden Beispiele können daher als viel kontextbezogener als die oberen erachtet werden.

Sortiment in Einzelhandelsgeschäften: Die Entscheidung einer genauen Produktliste, die in jedem Einzelhandelsgeschäft vorhanden sein soll. Manchmal kann der gesamte Produktkatalog die Kapazität eines Geschäfts deutlich übertreffen, weshalb jedes Geschäft nur einen Teil des Katalogs ausstellen kann. Außerdem wird das Problem in einigen Branchen, wie etwa bei Luxusprodukten, weiter erschwert, da es für jedes Produkt gewöhnlich nur eine Einheit im Bestand gibt.
Opportunistischer Ersatz: Die Entscheidung, wann der Ersatz eines Produkts akzeptabel ist und wann er rentabel ist. Beispielsweise kann ein Online-Betrieb für frische Nahrungsmittel Lieferungen im Voraus annehmen, was zu verzögerten Fehlbeständen eines frischen Produkts, das bereits bestellt wurde, führen kann. Somit wird die ursprüngliche Bestellung des Kunden geändert. In solchen Fällen kann es etwas rentabler für den Einzelhändler sein, das Produkt durch ein sinnvoll gewähltes Alternativprodukt zu ersetzen, was auch dem Kunden einen besseren Service bietet.
Opportunistische Desinvestition: Die Entscheidung, Bestand weiterzuverkaufen, gewöhnlich reparierbare Teile, die ursprünglich für den internen Gebrauch gedacht waren. Der Bestand an reparierbaren Teilen wechselt zwischen den Zuständen einsatzfähig und nicht einsatzfähig, da Teile instand gesetzt, zurückerhalten, repariert und erneut instand gesetzt werden. Unter bestimmten Umständen, wie etwa bei einem Rückgang des Bedarfs, kann der Bestand an instand gesetzten Teilen die Bedürfnisse des Unternehmens deutlich überschreiten. In diesem Fall besteht ein Kompromiss zwischen dem Verkauf dieser Teile im Ersatzteilhandel, um einen Bruchteil des ursprünglichen Bestandswertes zu erhalten, und der alternativen Erhöhung des Risikos, in der Zukunft eine Anfrage nicht pünktlich erfüllen zu können.
Haltung betriebsunfähigen Bestands: Die Entscheidung betriebsunfähigen, jedoch reparierbaren, Bestand sofort zu reparieren oder die Reparatur zu verschieben und die betriebsunfähigen Teile zu halten. Obwohl die Reparatur günstiger sein kann als der Kauf neuer Teile, könnte der aktuelle Bestand betriebsunfähiger Teile den Bedarf für lange Zeit decken. So würde eine verzögerte Reparatur einen Kompromiss zwischen der Kompensierung der künftigen Reparaturkosten - der Möglichkeit, dass diese Kosten nicht zustande kommen, weil der Markt in der Zwischenzeit auf Alternativteile zurückgreift – oder der Erhöhung des Risikos, in der Zukunft eine Anfrage nicht pünktlich erfüllen zu können bedeuten.

Opportunistische Bestandsbeschaffung: Die Entscheidung, ob es sich eine Beschaffung lohnt, um für ein bestimmtes Teil ein Preis-Benchmark zu erstellen. In manchen Branchen sind Preise für Teile recht unklar. Den aktuellen Preis eines Teils - möglicherweise eines sehr Teuren Teils - zu entdecken kann einige Tage Bemühungen kosten. Wenn im Betrieb Tausende Teile benötigt werden, entsteht ein Kompromiss zwischen einem etwas höheren Preis für ein Teil und den Personalkosten, die für die Beschaffung anfallen.
Pakete erhalten: Die Entscheidung, ob es sich lohnt, die letzte Einheit eines Produkts als alleinstehendes Produkt zu verkaufen, oder diese Einheit für den späteren Verkauf als Teil eines Pakets zu erhalten. In der Tat kommt es zu solchen Situationen, in denen die Verfügbarkeit von Paketen - also Kombinationen von Teilen oder Produkten - von großer Bedeutung sind, während die Verfügbarkeit einzelner Teile zweitrangig ist. Doch beim Verkauf des letzten Teils als selbstständiges Teil, kann es zum Fehlbestand eines größeren und wichtigeren Pakets kommen. Daher müssen die Vorteile der Lieferung eines einzelnen Teils und die Nachteilen eines späteren Fehlbestands beim Paket abgewogen werde.

Bis solche Entscheidungen bezüglich der Lieferkette formalisiert werden, werden sie gewöhnlich implizit, wahrscheinlich von Menschen, oder auch von Softwaresystemen, getroffen. So wird zum Beispiel die Einstellung für Min-/Max-Bestand implizit durch mehrere Entscheidungen getroffen, die sich nicht nur um die Bestellmenge drehen. Solange der Max-Wert ungleich null ist, wird das Produkt im Sortiment gehalten. Außerdem können keine Neuzählungen vom Bestand stattfinden, bevor eine Wiederauffüllung ausgelöst wird, was eine weitere implizite Entscheidung darstellt. Da man aber leider nicht etwas optimieren kann, das nicht gemessen wird, scheitert eine systematische Verbesserung der Lieferkettenleistung, die aus diesen Entscheidungen vorgeht, an der fehlenden Formalisierung der Entscheidung selbst.

Numerische Produkte vs. Entscheidungen

Bei komplexen Lieferkettenproblemen besteht das Risiko, dass Fachkräfte Mittel und Zweck verwechseln. So ist die Erstellung einer wöchentlichen Bedarfsprognose bei einer Wiederauffüllung nur ein Bestandteil, der auch nicht für alle verfügbaren numerischen Lösungen zur Berechnung der Bestellmengen erforderlich ist. Die wöchentliche Prognose fungiert lediglich als Zwischenrechnung, während die Bestellmengen als endgültige Entscheidung gelten. Aus der Sicht der quantitativen Logistik, werden solche Zwischenrechnungen als numerische Produkte bezeichnet. Quantitative Logistik verachtet die Bedeutung dieser numerischen Produkte nicht. Sie unterstreichen jedoch, dass es sich um entbehrliche, vorübergehende numerische Ausdrücke handelt, die zu endgültigen Ergebnissen, den Entscheidungen bezüglich der Lieferkette, beitragen.

Was die numerische Optimierung betrifft, ist es ein Trugschluss zu denken, dass die Optimierung der numerischen Produkten durch beliebige mathematische Größen - etwa Bedarfsprognose, die nach WAMPE (gewichteter mittlere absolute prozentuale Fehler) optimiert werden - automatisch zu finanziellen Renditen führen. Auch wenn es etwas widersprüchlich erscheinen mag, ist es bei Lieferketten nicht der Fall. Lieferkettenprobleme sind gewöhnlich äußerst asymmetrisch. Beispielsweise kann ein fehlendes Teil für 200 US-Dollar im Bereich der Luftfahrt den Abflug einer 200 Millionen US-Dollar teuren Maschine verhindern. Die Anzahl der Teile, die auf Lager gehalten werden muss, wird nicht unbedingt vorrangig vom erwarteten Bedarf gesteuert. Hier wird die Bestandsentscheidung von den Kosten des Teils im Vergleich zu den Kosten, die bei nichtbestehen des Teils entstehen, diktiert.

Im Gegensatz hierzu verdeutlicht die quantitative Logistik, die Tatsache, dass letzten Endes nur die Entscheidungen wichtig sind, da dies die einzigen greifbaren Elemente mit messbaren finanziellen Konsequenzen sind. Obwohl es eine vorrangige Bedeutung hat, die Leistung der Entscheidungen auf die Probe zu setzen, sollte das Lieferkettenmanagement daher einen gesunden Zweifel gegenüber KPIs bringen, die sich auf unverbindlichen, nicht verpflichtenden, vorübergehenden numerischen Produkten, wie etwa wöchentlichen oder monatlichen Prognosen, beziehen.

Eingeschränkte Entscheidungen, zwischen Realität und Fiktion

Entscheidungen bezüglich der Lieferkette sind gewöhnlich an Bedingungen gebunden, so sind Antworten nur gültig, wenn sie eine Reihe numerischer Bedingungen erfüllen. Zum Beispiel können Bestellungen MOQs (Mindestbestellmengen) unterliegen, die eine nicht-lineare Bedingung darstellen. Auch das Lager verfügt über eine begrenzte Lagerkapazität – eine weitere nicht-lineare Bedingung.

Oft rühren die Bedingungen von grundlegenden finanziellen Treibern, die der Lieferkette zugeordnet werden, her: wobei der aktuelle Eckpreis des Produkts berücksichtigt wird. Der Vertrieb eines Produkts kann nur wirtschaftlich tragbar sein, wenn die Produkte in Palletten verpackt verkauft wird, das Produkt kann nur mit einer Losgröße von, sagen wie einmal, 50 Einheiten verkauft werden, was eine beladene Palette ausmacht.

Dennoch kommt es auch vor, dass die Bedingungen auf beliebige Regeln des Unternehmens zurückzuführen sind. Beispielsweise kann ein Unternehmen entscheiden, dass das Einkaufsbudget einer bestimmten Abteilung auf 1 Million US-Dollar gedeckelt ist. Diese Budgetbeschränkung wird lange, bevor das Unternehmen seinen Umsatz kennt, eingeführt. In solchen Fällen wird erwartet, dass Einkaufsentscheidungen nicht-lineare Bedingungen einhalten, die sich aus einem recht beliebigen Budgetierungsprozess ergeben.

Die Quantitative Logistik versucht, so weit wie möglich, die tatsächlichen Beschränkungen der Lieferkette widerzuspiegeln, wodurch neuere, möglicherweise überarbeitete, Unternehmen ohne die Beschränkungen, die von beliebigen Aspekten früherer Prozesse aufgezwungen wurden, funktionieren können. In der Tat entstehen die meisten beliebigen Beschränkungen bei der quantitativen Logistik aufgrund fehlender Automatisierung. Wenn das "optimale" Budget pro Abteilung nicht verlässlich täglich erneut geschätzt werden kann, indem alle verbundenen Sorgen des Unternehmens berücksichtigt werden, ist es logisch, auf ein jährliches oder vierteljährliches Budget zurück zu verfallen.

Entscheidungen bedürfen Priorisierung und Koordination

Fast alle Entscheidungen zur Lieferkette sind untereinander abhängig. Jede zusätzliche Einheit, die von einem Zulieferer gekauft wird, nimmt im Lager zusätzlichen Platz ein, bis das Lager voll ist und dieses zu einem Stopp führt. Diese Abhängigkeiten sind gewöhnlich indirekt und aus einer numerischen Perspektive schwer zu berücksichtigen. Dennoch sind sie für die Lieferkette, oder gar strategisch betrachtet, nicht weniger wichtig. Wenn das allgemeine Service Level bei 99 % liegt, was sehr gut ist, aber der größte Kunde an einem Service Leven von 85 % leidet, weil sich Fehlbestände zufälligerweise in der Produktgruppe, die von diesem Kunden gekauft wird, konzentrieren, entsteht für das Unternehmen ein großes Risiko, seinen wichtigsten Kunden zu verlieren.

Die Priorisierung von Entscheidungen ist gewöhnlich eine der unkompliziertesten Methoden, um das meiste aus den geteilten und beschränkten Ressourcen der Lieferkette zu machen. Da beispielsweise die Lagerkapazität und das Umlaufkapital begrenzt sind, liegt das Ziel nicht nur darin, eine zusätzliche Bestandseinheit zu kaufen, sondern die nächste Bestandseinheit festzustellen, die am rentabelsten im gesamten Produktkatalog ist. Werden Einkaufsentscheidungen isoliert getroffen, besteht das Risiko, die Lagerkapazität oder das Einkaufsbudget mit Produkten niedriger Rentabilität zu erschöpfen.

In der Praxis bedarf diese Priorisierung einer bedeutenden Änderung der Analysesoftware, auf die sich die Lieferkette stützt. Statt jede Entscheidung einzeln zu behandeln, wie es bei primitiven Logistikmethoden, wie Min-/Max-Beständen, der Fall ist, müssen alle Entscheidungen zusammenkommen und nach ihrer geschätzten Rentabilität sortiert werden. Ein solcher Prozess ist mit modernen Softwarelösungen kein Problem, doch er bedarf deutlich höherer Rechenleistung im Vergleich zu früheren Logistikmethoden.

Die Koordination der Entscheidungen muss alle transversalen Beschränkungen, die auf die Lieferkette zutreffen, berücksichtigen. Beispielsweise kann bei der Bestellung von Waren aus Übersee ein großer wirtschaftlicher Anreiz bestehen, einen vollen Container zu bestellen. So besteht die Herausforderung nicht so sehr darin, die Produktmengen zu bestimmen, sondern vielmehr Mengen zu wählen, die aggregiert der Containerkapazität genau entsprechen. Transversale Beschränkungen treten in Lieferketten überall auf: bei der Verbesserung des Sortiments einer neuen Kollektion in der Modebranche, bei der Gewährleistung eines hohen Service Levels für Kunden die eine Produktliste in einem DIY-Shop suchen, ein zentrales Lager nicht über Bestellung aus einem anderen Geschäft auf Kosten eines anderen Geschäfts zu leeren, usw.

Die herkömmliche und hoch ineffiziente Art, solche Koordinationsprobleme zu lösen, besteht aus einer Rechnung mit zwei Phasen, wobei zuerst das Koordinationsproblem ignoriert und anschließen das numerische Produkt angepasst wird, sodass es dem Problem gerecht wird. Was das obere Containerbeispiel betrifft, könnten zuerst die gewünschten Bestellmengen berechnet werden, indem der Container ignoriert wird, und anschließend diese Mengen überprüft werden, sodass sie tatsächlich in den Container passen. Die größte Schwäche einer solchen Berechnung ist, dass im zweiten Schritt die finanziellen Treiber, die im ersten Schritt der Berechnung berücksichtigt wurden, jetzt komplett ignoriert werden. Anders gesagt, kann die Überprüfung der Produkte im zweiten Schritt alle Bemühungen zur Berechnung einer profitablen Entscheidung im ersten Schritt "rückgängig machen". Moderne Software nähert sich solchen Situationen durch die Einführung eines "numerischen Lösers" an, der solche transversale Beschränkungen direkt behandelt. Diese Löser bedürfen wiederum höherer Rechenleistung als die naive Alternative mit zwei Schritten. Dennoch ist dies bei der heutzutage gewöhnlich verfügbaren Rechenleistung kein Problem.