Big Data hat auch die Materialwirtschaft erreicht
Unter den Buzz-Words, die die Titel der Fachpresse in letzter Zeit füllten, ragen die Begriffe Internet der Dinge, Industrie 4.0 und Big Data deutlich heraus. Und bei Big Data assoziiere ich primär die Googles, Facebooks und Handy-Apps dieser Welt; Datenkraken, die moralisch eher schlecht als recht alles an Informationen sammeln, was ihnen in die Fangarme gerät. Big Data ist, wie Viktor Mayer-Schönberger vom Oxford Internet Institute es charakterisiert, „wenn sich aus einer großen Menge Daten Einsichten in die Wirklichkeit gewinnen lassen, die sich mit einer kleineren Menge nicht hätten gewinnen lassen“.
In meinem Arbeitsumfeld, dem Material Management, finden sich auch in unseren Unternehmen große Mengen von Daten, die uns Einsichten zur Optimierung unserer Materialwirtschaftsstrategien vermitteln könnten, die wir aus kleineren Datenmengen nicht gewinnen würden. Einsichten, die Unternehmen heute fehlen, wenn ihnen die geeigneten Big Data Werkzeuge fehlen, sie auszuwerten.
Zudem besteht das Problem solcher Big Data Anwendungen darin, dass in der Vielzahl der gefundenen zufälligen Korrelationen die Kausalitäten versteckt bleiben. Der Wald der Pseudo-Wahrheiten verbirgt den Baum der Erkenntnis; Obfuscation nennt sich das im Neusprech.
Doch werfen wir einmal einen Blick in die Zukunft, die schon längst begonnen hat. Die ersten Werkzeuge, um dem Datenschatz des Material Managements strategische Erkenntnisse abzuringen und damit die Planungs- und Steuerungsabläufe wirtschaftlicher und effizienter zu gestalten, sind längst dem Labor entstiegen und haben sich im Praxiseinsatz bewährt.
Um dem Problem der Obfuscation zu entkommen, besteht der Kern der Methodik aus Simulationen, mit denen anhand empirischer Daten überprüft wird, wie sich unterschiedliche Einstellungen von Planungs-, Steuerungs- Dispositionsparametern und Stammdaten auf die Wirtschaftlichkeit des Materialstroms durch die Wertschöpfungskette auswirken. Auf dieser Basis lässt sich der gesamte Wertstrom durch eine Supply Chain hindurch strategisch optimieren und wirtschaftlich verbessern.
Der Ansatz ist durchaus vergleichbar mit andern Simulationsansätzen, z. B. der Crash-Simulation neuentwickelter Karosserien im CAD-System. Gecrasht wird der Wertstrom allerdings nicht gegen idealtypische Hindernisse (= Planbedarfe), sondern gegen die reale empirische Bedarfssituation der Vergangenheit. Eine solche Materialwirtschaftssimulation ersetzt dabei nicht den Fachmann, der die Simulationsergebnisse interpretieren und daraus Schlüsse ziehen kann. Optimierungsprozesse werden jedoch drastisch beschleunigt, Risiken deutlich verringert, es werden qualitativ weit bessere Ergebnisse erreicht und Planungs- wie Dispositionsprozesse könnte massiv automatisiert werden.
Die Simulationsergebnisse werden einerseits in Dispositionsregelwerken abgebildet. Andererseits können besonders dynamische Parametereinstellungen durch Simulationsprozesse überprüft und automatisch nachjustiert werden. Im Handels-, Beschaffungs- und Distributionsbereich reichen die Ergebnisse weiter als in der Produktion. Speziell die Unternehmen Hansa-Flex (Hydrauliksystemanbieter), Trost (Independent Automotive Aftermarket) und STO (Fassadenfarben und Wärmedämmverbundsysteme) sind hier der trägen Masse weit voraus.
Kein anderes Handlungsfeld in der Materialwirtschaft bietet solche Verbesserungssprünge. Wann springen Sie?
