... home >>
 
AUSGANGSLAGE
 
Supply-Chain-Management, built-to-order-Fähigkeiten und just-in-time Produktion gehören wohl zu den aktuellsten Schlagwörtern der Betriebswirtschaft wie auch der Informatik. Bei allen geht es um die Idee, in Produktion und Vertrieb von Produkten das Angebot perfekt auf die Nachfrage abzustimmen und Zwischenlager soweit wie möglich auszuschalten. Die Betriebswirte - auf der einen Seite - sehen durch die Straffung der Wertschöpfungskette enorme Kostenvorteile. Und die Informatiker - auf der anderen Seite - stellen mit e-Business-Lösungen die Werkzeuge dafür bereit.

Doch dass in effizentem Management von Supply-Chains (Distributionsketten) gewaltige Potenziale liegen, ist nicht erst bekannt, seitdem das Internet populär geworden ist. Im Grunde wird bei den aktuellen Entwicklungen auf Erfahrungen aus der System-Dynamics-Forschung aufgebaut, die bereits seit etwa 1960 bekannt sind. Bahnbrechend waren die Arbeiten von Jay Forrester, die er am Massachusetts Institute of Technology (MIT) um 1958 begann und im Buch "Industrial Dynamics" 1961 (Forrester 1961) publizierte. Forrester entwickelte damals die "System-Dynamics"-Modelliermethode, um rätselhafte Schwankungen in der Nachfrage nach Elektrogeräten bei General Electric zu simulieren. Dabei stellte sich heraus, dass die massiven Schwankungen in der Fabriksnachfrage keineswegs in einer Schwankung der Endnachfrage begründet liegen, sondern praktisch ausschließlich in der Eigendynamik der Distributionskette. Eine vordergründig vernünftig erscheinende Lager- und Bestellpolitik der zwischen Fabrik und Konsumenten dazwischengeschalteten Groß- und Einzelhändler führt zu kostspieligen Schwankungen in der Nachfrage beim Produzenten. Zur Illustration seien reale Bestelldaten des Pasta-Produzenten Barilla aus Simchi-Levi (2000, S. 77) genannt:

Es ist evident, dass eine innerhalb weniger Wochen zwischen 30 und 850 Einheiten schwankende Nachfrage riesige Probleme mit Lagerkosten und Lieferfähigkeit nit sich bringen. Ausserdem kann man es ausschließen, dass die Endnachfrage nach Nudeln innerhalb weniger Wochen sich um das zig-Fache ändert.

 
DAS BEER DISTRIBUTION GAME
 

Um das Verhalten von Distributionsketten praktisch erlebbar zu machen, wurde von der Gruppe um Forrester am MIT bereits um 1960 das Beer Distribution Game (kurz: Beer-Game) entwickelt. Das "Beer-Game" simuliert ein einfaches Produktions-Distributionssystem: Eine Brauerei produziert Bier und liefert einen Distributor, dieser wiederum an einen Großhändler aus. Der verteilt es weiter an einen Zwischenhändler, der wiederum an den Einzelhandel, der es dann an den Endkunden verkauft. Jeder der vier Beteiligten in dieser Distributionskette verfügt über ein Lager und versucht, die Bestellungen des nachgeordneten Kunden möglichst gut zu erfüllen und seinerseits durch Bestellungen bei seinem Lieferanten (bzw. Produktion im Falle der Fabrik) die Lieferfähigkeit aufrecht zu erhalten, ohne allzu große Lagerbestände oder gar Fehlbestände zu haben, die beide Kosten verursachen.
Ziel des Spieles ist es für alle Beteiligten, über ca. 30-50 Runden insgesamt die Kosten möglichst gering zu halten. Jede Runde besteht einfach darin, an den Kunden die bestellte Menge auszuliefern und anschließend eine frei wählbare Menge beim Lieferanten zu ordern. Ausserdem muss eine entsprechende Statistik der Bestände bzw. Fehlbestände und Kosten geführt werden. Die vom Einzelhändler an den Endverbraucher zu liefernde Menge wird von der Spielleitung vorgegeben.

Das Beergame ist wahrscheinlich das bekannteste Unternehmensplanspiel weltweit. Seine Popularität verdankt es der Tatsache, dass ein scheinbar trivialer Vorgang (ein Produkt bestellen und liefern) in einer Supply Chain ungeahnte Dynamiken zeigen kann, die alle Beteiligten zunächst verblüfft. Typischerweise glauben viele Teilnehmer am Spiel, dass da "böse Mächte" am Werk sein müssen, die sowohl beim Kunden als auch beim Lieferanten im Laufe der Zeit ein derartig absurdes Bestell- bzw. Lieferverhalten mit sich bringen. Erst im anschließenden Debriefing stellt sich heraus, dass dass in der Regel bereits ein kleiner externer Anstoß genügt, um innerhalb des Vertriebssystems gewaltigste Schwankungen in den Bestellungen und auch in den Lagerständen hervorzurufen. Die Mitspieler erkennen, dass ihre eigene, scheinbar vernünftige, aber doch nicht systemgerechte Sichtweise war, die den turbulenten Verlauf der Geschehnisse bedingte.

Anders als bei den meisten anderen Planspielen ist beim Beergame alles transparent. Es gibt keine undurchschaubare "black box", die vernünftiges Verhalten zu mysteriösen Ergebnissen transformiert, sondern es kann jede Bestell-Entscheidung und die daraus resultierenden Lieferungen exakt nachvollzogen werden. Man kann hinterher genau sehen und erklären, wie extreme Überkapazitäten oder auch extreme Fehlbestände aufgrund von Entscheidungen zustande kamen, die zunächst sehr plausibel erschienen, aber auf keiner systemischen Gesamtsicht beruhen und damit in fataler Weise zu kurz greifen.

Für die praktische Durchführung des Beer-Games gibt es verschiedene Vorschläge und z.T. auch fertig beziehbare Spielpläne.

Abb.1 Original Spielplan des "Beer-Games" nach Sterman
(http://web.mit.edu/jsterman/www/SDG/beergame.html)

Schon Prof. John D. Sterman, der die ursprüngliche Simulation weiterentwickelte, erkannte die Schwächen des Designs. In einem Dokument mit Instruktionen zum "Beer-Game" führt er Tipps an, aus denen sich die kritischen Punkte im Simulationsablauf ableiten lassen. So rät er den Spielleitern besonders darauf zu achten, dass sich alle Teams in derselben Runde befinden. Und er verweist darauf, das Spiel an jenem Moment, an dem die ersten Fehlmengen auftreten, anzuhalten und die Teilnehmer noch einmal über das Vorgehen zu instruieren.

Im Folgenden wurde in zahlreichen Ansätzen versucht, diese technischen Probleme in der Simulation zu minimieren. Eine Möglichkeit präsentiert das Unternehmen "Learning Landscapes". Hierbei wird versucht, die Bewegungen innerhalb der Supply-Chain mittels Drehscheiben zu vereinfachen. Nach der Idee der Hersteller müssten die Mitspieler pro Runde nur einmal am Rad drehen, um Bestellungen und Warenlieferungen innerhalb des Systems zu bewegen. Die Simulation würde dadurch sicherer, schneller und beschränkte sich auf das Wesentliche, so die Meinung von "Learning Landscapes".

Abb.2 Simplifizierte Darstellung des Spielplans von Learning Landscapes
(http://www.learninglandscapes.com/beergame.html)

Allerdings zeigt die bisherige Erfahrung, dass bei der praktischen Durchführung der Simulation vielfältige Probleme auftreten können. Die Hauptschwierigkeit liegt, darin, dass vier in einer Kette zusammengeschaltete Gruppen zeitlich vollkommen synchron ein einzelnen Runden mit Bestellungen und Lieferungen abwickeln. Grob gesprochen muss man sicher stellen, dass die enorm beschleunigte Zeit für alle Gruppen gleich schnell vergeht und nicht eine Gruppe bereits Entscheidungen und Lieferungen von Woche 16 oder 17 bearbeitet, während eine andere Gruppe derselben Kette vielleicht sich noch mit der Bestellung von Woche 14 oder 15 herumschlägt. Insbesondere führen Verständisprobleme bei einer einzigen Gruppe dazu, dass das Spiel vollständig zum Erliegen kommt. Dies kann in der Praxis dazu führen, dass die Spieler der anderen Gruppen warten müssen und schlimmstenfalls Langeweile aufkommt und die Aufmerksamkeit sowie das Interesse am Weiterspielen sinkt.