Zielführung Starten – Der Management-Podcast von CTcon
Transkript zu Folge 25:
Daten für die Steuerung erzeugen – im Dialog mit dem Global Head of DHL Smart Solutions IoT
[00:00:00] Podcast: Zielführung starten - der Management Podcast von CTcon.
[00:00:21] Christian Bungenstock: Hallo, ich bin Christian Bungenstock, Partner bei CTcon in Düsseldorf. Ich bin Gastgeber in unserem Management Podcast Zielführung starten. Ziel unserer Reise ist die Welt der Unternehmenssteuerung. In der vor uns liegenden Etappe erfahren wir mehr über die Chancen der Anwendung von Lösungen aus dem Internet of Things, kurz IoT, insbesondere in der Logistik. Dazu sprechen Christopher Fuß und Niklas Hartmann. Christopher Fuß ist Global Head of DHL Smart Solutions IoT. Gemeinsam mit seinen Teams in den weltweit verteilten DHL Innovation Centern hat er den Blick auf relevante Trends, untersucht grundlegende technische Lösungen und berät DHL Partner in deren Anwendung. Niklas Hartmann ist Principal bei CTcon in Frankfurt. Er berät seit vielen Jahren große Konzerne, vor allem aus Logistik, Transport und Verkehr. Niklas trägt Verantwortung in unserem Kompetenzcenter Datengestützte Steuerung. Die Transformation zu einer digitalen Unternehmenssteuerung ist sein Leitstern. Christopher und Niklas kennen sich aus vielen Jahren intensiver Zusammenarbeit.
[00:01:27] Niklas Hartmann: Hallo Christopher, schön, dass du da bist. Freut mich, dass du Gast bist von Zielführung starten.
[00:01:32] Christopher Fuß: Hallo Niklas, vielen Dank für die Einladung.
[00:01:34] Niklas Hartmann: Ja, sehr, sehr gerne. Du bist in unserer gemeinsamen Passion der Logistik aktiv. Du bist Global Head of Smart Solutions IoT im DHL Innovation Center und kommst gut rum. So warst du kürzlich beim Deutschen KI-Preis Teil der Jury. Da würde ich natürlich wahnsinnig gerne kurz drauf eingehen. Wie war das? Was war deine Aufgabe? Was ist dir hängen geblieben? Was waren die besten Beiträge?
[00:02:00] Christopher Fuß: War spannend. Hat Spaß gemacht. Ja, was ist hängen geblieben? Heißes Thema, KI. Und hat nicht nur Spaß gemacht, Teil der Jury zu sein. Das war tatsächlich in dem Auswahlprozess das, was mich am meisten beeindruckt hat, das Know-how der Menschen, die damit in der Jury sitzen, die auch dann entscheiden, wer entweder den Preis gewinnt in den drei Kategorien bzw. wer dann Finalist ist für die Start-up Kategorie und wie da diskutiert wird. Ja, was so die Auswahlkriterien sind.
[00:02:32] Niklas Hartmann: Wenn du jetzt näher an dein Business dran guckst und DHL, Logistik, Kurier, Express, Paket, ähnliche Themen in dem Umfeld. War da was dabei, wo du sagen würdest, das war jetzt vielleicht entweder methodisch in Richtung Data Science Arbeit relevant oder auch inhaltlich als Lösung relevant?
[00:02:49] Christopher Fuß: Absolut. Es gibt sehr, sehr viele Modelle, sehr viele KI Applikationen, die erstmal mit den großen Large Language Models, die da propagiert werden von Meta, Google und auch Apple, gar nichts unbedingt zu tun haben, weil sie eher viel transaktionalere Daten, viel mehr operative Daten beinhalten und auch ein viel kleineres Problem gegebenfalls lösen, obwohl sie auch mit 30, 40, 50 Millionen Datensätzen gefüttert sind und trainiert wurden. Was aber auch ausreichend sein kann. Und das habe ich mitgenommen von dem Event und von den Beiträgen da. Zunächst einmal, glaube ich, dass ich jetzt auch mit einem gewissen Stolz sagen kann, dass unser Unternehmen ganz gut da steht. Dass es faszinierende Beiträge gibt auch aus dem Mittelstand, wo Probleme gelöst werden, die man erstmal so als, ich nenne es Ottonormalbürger oder Kunde gar nicht unbedingt sieht.
[00:03:38] Niklas Hartmann: Hast du ein Beispiel dafür?
[00:03:39] Christopher Fuß: Die Zusammensetzung von Farben und Lacken. Bin darin absolut unwissend. Ich stelle mir da komplizierte chemische Prozesse vor, aber dass das mit KI durchaus abgekürzt werden kann, die Entwicklungszeiten und Zyklen darin, das ist für mich erstmal so einleuchtend, aber faszinierend zu sehen, wie dort ein deutscher Mittelständler agiert, um da Entwicklungsgeschwindigkeit und auch Qualitäten extrem zu steigern.
[00:04:05] Christopher Fuß: Und das war so ein bisschen der Appell, der da auch rauskam, zu sagen, ja, wir haben vielleicht ein bisschen Angst vor dem Thema KI oder AI, aber es liegen ganz große Chancen darin. Und der Professor Ommer von der LMU München, der auch den Innovations- und den Forschungspreis erhalten hat, hat noch mal in seiner Dankesrede da ja drauf hingewiesen, dass wir einfach aufpassen müssen, dass diese großen Modelle und der Zugriff auf Daten, dass der offen bleibt, dass wir über Open Source Modelle nachdenken, die fördern und dass diese, ja, Large Language Models von den großen Tech Playern die Gefahr beinhalten, dass sie irgendwann so groß werden, dass man nicht mehr die Computing Power hat, sie eigenständig zu betreiben und dann die Abhängigkeit enorm groß ist. Und vielleicht dazu auch noch, GenAI ist nicht alles.
[00:04:50] Christopher Fuß: Ja, das eine ist Technologie, die uns wahrscheinlich sehr, sehr viel weiterbringen wird in Zukunft, mit der man tolle Sachen machen kann, wie der Name ja auch schon sagt, aber es gibt ganz viel KI, die nicht unter GenAI fällt und die dann die operativen Prozesse und Probleme lösen können, die wir gegebenenfalls in Unternehmen haben. Oder in Strukturen wie Behörden.
[00:05:10] Niklas Hartmann: Hast du noch ein Logistikbeispiel, auch, was dir irgendwie einfällt bei dem Transfer der Pitches beim deutschen KI-Preis?
[00:05:17] Christopher Fuß: Ja, mir ist aufgefallen, dass fast alle Preisträger und auch sehr viele andere Einreichungen sich heute um das Thema Computer, Camera Vision gedreht haben. Also die Analyse von Bildmaterial, bewegt oder statisch und das ist durchaus ein Thema, was auch für die Logistik extrem relevant ist. Wir sehen unterschiedlichste Use Cases, wo wir auf der einen Seite vielleicht Dokumente einlesen können, die heute immer noch irgendwie geschickt werden, wo wir grafische oder visuelle Eindrücke verarbeiten müssen und seien es beispielsweise Verträge, seien es irgendwelche Aufzeichnungen von irgendwelchen Kameras und an der Stelle auch noch mal bewusst hervorgehoben, das ganze Thema Datenschutz, Datenschutzgrundverordnung hat eine besondere Beachtung gefunden dieses Mal. Denn beispielsweise der Preisträger bei den Start-ups ist ein Unternehmen, welches gerade die Anonymisierung von Gesichtern und auch Kennzeichen von Autos und so weiter anbietet und entwickelt und vorantreibt, was eine Technologie ist, die hochrelevant ist. Wenn wir auf der einen Seite die Vorzüge von solchen Analysen haben wollen, müssen wir gleichzeitig sicherstellen, dass wir da konform sind mit unseren Datenschutzbestimmungen. Und das sind alles Anwendungen, wo ich sage, das brauchen wir auch und werden wir brauchen und um ein konkretes Beispiel zu geben, es gibt durchaus Lösungen, um zu verstehen, wie viel Verkehr auf einem Hof ist in der Logistik, wo sind freie Parkplätze, wo kann man den nächsten Truck hinschicken, der beispielsweise gerade kommt oder wie sieht das aus, findet an einem gewissen Tor irgendeine Aktivität statt, also ein entladen oder ein beladen oder eben nicht. Da kann man jemanden hinschicken und fragen, wie sieht es aus? Am einfachsten ist allerdings zu schauen, was auf den Kameras gezeigt wird, ob da gerade jemand herläuft, aber dann wollen wir nicht sehen, wer da herläuft oder was die Person tut, nur sondern ob da gerade was passiert. Und das ist ein ganz einfaches Beispiel, wo sowas in Zukunft eingesetzt werden könnte, ja.
[00:07:21] Niklas Hartmann: Ein ganz neuer Ansatz für Go to Gemba, geh vor Ort, sei da und verstehe es und sozusagen auch gleich noch die passende Dokumentation dabei, weil wir die Beobachtung in Zahlen, Daten und Fakten übersetzt bekommen. Vielleicht ist das auch eine schöne Überleitung auf deine Tätigkeit. Du bist ja in einem DHL Innovation Center aufgehangen und vielleicht kannst du uns noch mal erklären, was ist das eigentlich? Warum braucht DHL ein Innovation Center? Wie gehört ihr organisatorisch dazu und was tut ihr? Tut ihr es nur für DHL oder auch für dritte? Und was sind inhaltlich so die Themen?
[00:07:56] Christopher Fuß: Das DHL Innovation Center ist ein Gebäude in Troisdorf, zwischen Köln und Bonn. Aber es gibt nicht nur eins, sondern es gibt noch drei weitere, nämlich in Chicago, in Singapur und in Dubai. Also eigentlich sprechen wir von so einem Ökosystem. Und die Idee des Innovation Centers ist, dass es eine Plattform bietet, eine Plattform des Austausches zwischen Kunden, Suppliern und DHL. Diese Supplier können kleiner Natur sein, Start-ups, können aber auch große Player sein. Die Kunden können sag ich mal die ganze Bandbreite beinhalten. Organisatorisch sind wir Teil von Customer Solutions and Innovations, das ist eigentlich das große Key Account Management von DHL, welches die 80 größten Kunden weltweit betreut und da diese Kunden weltweite Präsenz haben, wollen wir mit dem Innovation Center auch eine weltweite Präsenz haben, deswegen diese vier Locations. Und innerhalb der Innovation Center ist es jetzt nicht so, dass wir dort große Teams haben, die coden und sonstige Sachen machen, sondern es ist eher diese Übersetzungsfunktion, um irgendwie zu verstehen, was passiert draußen am Markt, was sind die großen Trends, die gegebenenfalls die Industrie beeinflussen können in Zukunft. Das machen wir mit unserem Trend Research Team, wo es wirklich darum geht, sozioökonomische, gesellschaftliche Trends zu analysieren und technologische Trends. Dann geht es sehr viel um, ja, Austausch mit Kunden, zu verstehen, was davon scheint auch für die Kunden in den jeweiligen Verticals, in den jeweiligen Industrien relevant zu sein. Die Logistik an sich ist eine andere Industrie mit anderen Anforderungen, als jetzt beispielsweise Automotive in der Zukunft, zu verstehen, wie verändert sich die Automobilindustrie und daraus ableitend dann auch die Anforderungen an die logistischen Prozesse, an die Supply Chains, das Gleiche im Life Science und Health Care Bereich. E-Commerce ist ein Riesen-Thema, wo wir extrem viel Veränderung wahrnehmen, auch im europäischen Markt, aber eben auch global, dann natürlich im Bereich Energie durch heute erneuerbare Energien, es gibt ganz andere Upstream, Downstream Shipments und Ströme, als es noch vor 10 Jahren gab und es wird in 10 Jahren noch mehr geben und das so ein bisschen vorherzusagen, ist unser Job. Und gleichzeitig schauen wir uns aber auch in manchen Technologien sehr, sehr spezifisch an, die extremen Details oder gehen in das Detail, um da auch Lösungen zu entwickeln, entweder, dass sie mit unseren Kunden eingesetzt werden in dem jeweiligen Supply Chain Setup oder für unseren eigenen Betrieb, für unsere Operations, wenn es um Effizienzsteigerungen geht, wenn es um höhere Effektivität geht in manchen Sachen und manchmal sind es auch tatsächlich regulatorische Anforderungen, die wir dann versuchen technisch zu lösen. Es ist immer noch eine der Hauptfragen in der Supply Chain, wo sind meine Sachen? Entweder wo sind die Shipments oder auch für uns als Logistiker, wo sind die Assets, die wir nutzen, um Sachen von A nach B zu bringen? Und insbesondere dann auch in der Vorhersage immer sehr stark, natürlich zu wissen, was jetzt sehr weit in der Entfernung passiert, auch auf einem anderen Kontinent, in einem anderen Land, das kann Auswirkungen auf meine Supply Chain morgen haben und je besser unsere Datenlage da ist, umso besser können wir das dann eben auch vorhersagen. Und das ganze Thema Supply Chain Resilience kommt nämlich da eben rein und ohne Daten keine Chance.
[00:11:08] Niklas Hartmann: Ja, super. Da würde ich gerne später noch mal drauf eingehen, total wichtiger Punkt aus Steuerungsperspektive. Ich würde gerne einen noch vorher streifen, weil wir gerade so über das Ökosystem gesprochen haben und eure Einordnung in die Organisation. Du sagtest, ihr seid Bestandteil sozusagen des Key Account Managements. So Aufbau organisatorisch geklärt, Ablauforganisatorisch, wie werdet ihr denn eingebunden? Ist es immer klar Push-Pull oder ist es einfach so, wie sich es ergibt, dass jetzt ein Key Accounter eben seinem Kunde mal nahelegt, Mensch, lass uns mal ins Innovation Center gehen und vielleicht findest du was, was dich inspiriert, weil dort viele technische Lösungen gezeigt werden. Oder kommen die Kunden mit konkreten Problemen und sagen, Mensch, könnt ihr aus dem Innovation Center mal überlegen, was genau dort helfen kann. Oder auch genauso interne Projekte, die sagen, so, wir brauchen Arbeitssicherheitsthemen oder wir brauchen einen Hub in der Produktivität. Könnt ihr, habt ihr Ideen?
[00:11:51] Christopher Fuß: Jetzt hast du noch eine dritte Perspektive reingebracht. Das ist genau das, so wie du sagst. Auf der einen Seite stellen wir auch Technologien aus und haben natürlich ein großes Portfolio von, ich will nicht sagen Geschichten, Anekdoten oder Beispielen, aber wir haben ganz, ganz viele Themen, die wir im Innovation Center bearbeiten, die wir darstellen, wie die Zukunft aussehen kann, die ferne Zukunft, die eher kurzfristige Zukunft, aber auch die Lösungen, die heute schon angeboten werden. Und da geht's um Themen wie Nachhaltigkeit, da geht's um Themen wie Effizienz, da geht's um Themen auch wie KI, wo man immer so ein bisschen auch einen Schulungs- oder einen Trainingsaspekt drin hat, aber die Vielzahl der verschiedenen Kundengruppen ist enorm und es kann eine Schülergruppe sein, die sich mal informieren möchte oder Studenten, es kann aber auch das C-Level sein von einem großen globalen Player, die da sind, so dass wir da ein großes Repertoire haben, welches wir abrufen können, um sozusagen darzustellen, was ist möglich, dann auch abgestimmt auf das Thema, welches den Kunden oder den Besucher explizit interessiert. Gleichzeitig ist es aber auch so, dass es ein ganzes Team gibt, welches sich darauf fokussiert, Workshops zu veranstalten, durchzuführen mit Kunden oder potenziellen Kunden, wo es genau um die Herausarbeitung geht von Lösungen für Probleme, zu sehen, ja, wir machen mal so ein Supply Chain Mapping, wir versuchen zu verstehen, wo sind die Pain Points, wo sind die Themen, die wir angehen müssten, die auch zu priorisieren und zu sagen, das ist jetzt das erste Thema, was angegangen werden muss. Und wenn es dann einen Eindruck gibt, dass beispielsweise ein Thema wie Internet of Things eine Lösung herbeiführen könnte, dann werden wir als Experten hinzugezogen, um dann beispielsweise Lösungsszenarien zu evaluieren oder zu skizzieren. Und diese Lösungsszenarien können sein, dass wir sagen, hey, wir haben hier eine Lösung, die nutzen wir mit anderen Kunden genauso oder dass wir sagen, jetzt setzen wir uns hin und entwickeln gemeinsam mit einem dritten, nämlich einem Technologie Provider beispielsweise eine Lösung für dieses Problem. Und da kommen wir halt auch ins Spiel mit diesem ganzen Thema Market Screening, wo wir einfach verstehen wollen und müssen und ich denke auch zu einem gewissen Grad tun, was beispielsweise im Technologiebereich passiert. Deswegen befassen wir uns mit den Themen KI, Computer Vision, Robotics, auch Blockchain, IoT und so weiter, um zu verstehen, was gibt's da draußen? Wie hat sich das entwickelt und wie viel davon ist schon in einer Marktreife, dass wir es einsetzen können.
[00:14:18] Niklas Hartmann: Das ist eine super Überleitung zu meiner nächsten Frage. Du sprachst vorhin ja auch schon von dem großen Research Teams, die ihr habt und ihr veröffentlicht regelmäßig das sogenannte Logistics Trendradar, um so ein bisschen einzuordnen, wo sind diese Themen in ihrer Marktreife, wie spannend sind die? Vielleicht können wir da doch mal eintauchen, weil eben gerade auch die Studie ja kürzlich wieder rausgekommen ist in aktualisierter Form. Welche Themen sind aus deiner Sicht besonders heiß, welche davon sind aber eher vielleicht noch im Hype Stadium und welche sind schon mit einem wirklichen Impact in der Praxis angekommen?
[00:14:51] Christopher Fuß: Ja, du hast recht. Der siebte DHL Logistik Trendradar ist veröffentlicht worden. Ich finde, erstmal ist es zu erwähnen, siebtes Mal ein Update zu machen. Geht das? Ich denke, ja, das geht und dennoch war es visionär, diesen allerersten Trendradar irgendwann mal aus der Taufe zu heben und zu sagen, hey, wir schauen uns mal an, versuchen das zu strukturieren, wenn man sich das anschaut, ich glaube, alle Industrien haben mittlerweile so ein Radar. Wir bemühen uns den alle zwei Jahre upzudaten und es gibt ja immer wieder Bewegung da drauf, es gibt Trends, die wir irgendwann feststellen, die nehmen wir wieder runter, weil das ist genauso ein Thema, das war heißer gekocht, als es letztlich dann gegessen wurde oder aber wir haben Themen auch vielleicht unterschätzt. Nehmen wir mal GenAI, ich würde nicht sagen, dass wir es unterschätzt haben, aber die Geschwindigkeit da drin ist definitiv höher, als wir es erwartet haben. So, und es ist nicht ganz einfach, jedes Mal eine siebte Version eines gleichen Dings zu machen, um zu sagen, ja, es ist total bahnbrechend jetzt. Wobei ich durchaus das Gefühl habe, dass die Qualität immer besser wird, auch die Belastbarkeit der Themen im Sinne von Hintergrund-Wissen und Erfahrung dahinter. Um deine Frage konkret zu beantworten, du wirst auf dem Trendradar kein Internet of Things finden. Und das ist natürlich irgendwie ein Schmerzhaft für jemanden, der für das Thema verantwortlich ist, aber äh wir wollen in dem Trendradar halt beleuchten, was die Zukunft bringt und Internet of Things oder IoT kurz ist Gegenwart und deswegen ist es auch gar nicht mehr da drauf, sondern es ist sozusagen schon wieder runtergebrochen in kleinere Subthemen, die wir innerhalb dieses großen Clusters sehen. Und ich glaube, es war durchaus visionär auch von Menschen schon vor 5, 6 Jahren, die wir auch gemeinsam kennen, die gesagt haben, das ist so ein großes Thema, da müssen wir beispielsweise ein Team drumherum aufbauen. Das hat sich bewahrheitet. Wir haben andere Teams, die aus dem Innovation Center mehr oder weniger dann in die Divisionen von DHL übergegangen sind oder die Themen sind übergegangen, weil sie so groß geworden sind, dass jetzt innerhalb der Divisionen beispielsweise beim Thema Robotik ganze, ich will nicht sagen Heerschaaren, aber große Teams da sind mit hoher Expertise, die tausende von Robotern jetzt einsetzen und noch vor fünf, sechs Jahren war das eher ein Forschungsfeld. Die großen Hype-Themen jetzt auf dem siebten Radar, würde ich sagen, sind definitiv AI und alles was dazu gehört. Da sind einige Subtrends dabei. Ich hatte vorhin das Thema von dem KI-Preis auch angesprochen, dieser eher ethische Aspekt, den wir auch aufgenommen haben, wo wir sagen, da gibt es Diskussionen und die werden Einfluss haben auf die Industrie. Genauso aber dann Computer Vision, Themen, wo wir ja spezifischer sind. Ein interessantes Thema finde ich beispielsweise auch alles rund um Audio, die Analyse von Sprache ist eine Sache, die wir über Siri und Alexa gerne irgendwie schon im Privaten nutzen. Da wird es sehr viele Anwendungen geben in der Zukunft. Ich kann auch ein tolles Beispiel geben, wie wir es bei DHL nutzen, wo wir beispielsweise den Sound von Maschinen auswerten, um präskriptiv, predictive schon unsere Wartung anzusetzen. Richtig, wo wir jetzt unsere Ingenieure beispielsweise nicht in einem kontinuierlichen Prozess immer wieder rollierend die Wartungszyklen einhalten, sondern wo wir eher punktuell sagen, das sind genau die Einzelstellen, wo du hingehen musst, weil wir basierend auf unserer Soundanalyse rausgefunden haben, dass wir dort Abweichungen haben in den Mustern und dass da etwas passieren kann zukünftig. Und das sind schon super Effekte, die wir da rauskriegen. Das ist ein Praxisbeispiel für einen Trend, von dem wir glauben, dass er noch weiter wächst. Das weitere große Thema und das ist wirklich inhärent, es ist ein bisschen Regionen-abhängig von in der Welt, durchaus, aber es ist Nachhaltigkeit, Sustainability. Ja, also, wie können wir geschickter agieren in der Logistik? Der Impact der Logistik ist da, aber die Fragen, die unsere Kunden stellen, gehen immer darüber hinaus, die gehen in ihre Wertschöpfung rein, in ihre Produktion. Ich war jetzt noch im Juli in Singapur auf einem Event, das von DHL veranstaltet wurde zum Thema Nachhaltigkeit und es hat mich beeindruckt zu sehen, wie in Asien, mit welcher Nachhaltigkeit das Thema da auch oder mit welchem Nachdruck besser gesagt, das Thema Nachhaltigkeit angegangen wird und wie viel Interesse da auch ist. Das ist mein Eindruck. Kommt manchmal mit so einer bisschen europäischen Attitüde daher zu sagen, ja, wir sind da die Vorreiter und wir sind extrem super und uns kann man da eigentlich gar nicht das Wasser reichen, weil wir so fortschrittlich sind. Ich glaube, wir müssen uns ranhalten.
[00:19:10] Niklas Hartmann: Es ist erneut eine schöne Vorlage eigentlich, um dann die Kurve Richtung Steuerung zu kriegen. Also, warum redet der Unternehmenssteuerer so lange über IoT, Use Cases in der Logistik und Technologie mit dir, weil natürlich am Ende des Tages bei uns auch eine tiefe Überzeugung da ist, dass wir halt durch diese vielen Informationen, die entstehen in unterschiedlichen Lösungen, einfach am Ende des Tages bessere, fundiertere Entscheidungen treffen können. Sozusagen das Ur-Ziel des Controllers, rationaler entscheiden, bedienen können. Jetzt sind wir natürlich vom Controlling mit all dem, was wir besprochen haben, noch ziemlich weit weg. Auf der anderen Seite, wenn man überlegt, was wurde angesprochen, beispielsweise Sustainability, da liegt ja immer eine große Frage im Hintergrund, wenn man sagt, wie rechtfertigen wir eigentlich die Sustainability Cases im Kontext unserer Geschäftszahlen. Und ich glaube, die Überleitung dahin fällt oftmals sehr, sehr schwer. Also, es ist auf der einen Seite einfach zu sagen, wir haben eine bestimmte Messlogik dafür, wie viel CO2 wir einsparen. Überzuleiten in, wie viel darf das eigentlich wert sein und wie viel ist es uns wert, auch gegenüber dem Shareholder, senkt nicht die Bedeutung des Themas, auf der einen Seite. Auf der anderen Seite ist es aber keine einfache Unternehmung. Ich glaube, ist es ein Beispiel, wo uns transaktionale Daten einfach schon wieder viel, viel mehr Einblick geben können, um solche Dinge zu messen und zu bewerten und wir damit eigentlich auch wieder näher an den Kern von Steuerung rankommen. Wie schaust du drauf?
[00:20:44] Christopher Fuß: Ist eine sehr spannende Frage, weil man natürlich aus komplett unterschiedlichen Ebenen der Daten oder der Inhaltsaggregation kommen kann. Der CFO schaut da anders drauf als, sage ich mal, der Operations Manager. Und natürlich könnten wir sagen, im Zeitalter von Carbon Accounting und Regulatorien, die aufkommen, dass es unglaublich wichtig ist, extrem präzise Daten zu haben. Und ein Schelm, der dann nicht an beispielsweise Internet of Things und Sensorik denken würde, zu sagen, ja, wollen wir unseren Carbon Footprint nicht einfach direkt am Ort der Erzeugung beispielsweise an Motoren messen über Sensoren. Technisch geht das, unglaublich aufwendig. Wir müssen uns durchaus vor Augen führen, dass wir natürlich, wenn wir das Thema Nachhaltigkeit betrachten und CO2 messen, dass wir auf Nutzfahrzeuge schauen können, wir können auf Fahrzeuge schauen, wir können auf Personen schauen. In der Logistik müssen wir ganz ehrlich sein, liegt der größte Hebel in der Luftfracht. Sensoren zum Ausstoß von CO2 an Turbinen anzubringen, ist aus Sicherheitsrelevanten Aspekten nicht nötig, ja, so dass wir mit Zertifikaten, mit Annäherung und so weiter definitiv rechnen müssen. Dennoch aus einer Steuerungsperspektive kann beispielsweise Technologie und hier auch, ne, Internet of Things eine ganze Menge zu beitragen, weil wir natürlich auf sehr granularer Ebene Daten bekommen und jetzt gehe ich mal nicht nur davon aus, irgendwie, was hat der Motor eines Fahrzeugs in der Logistik irgendwie ausgestoßen, sondern Track and Trace, wo befindet sich das denn? Und wohin fährt dieses Fahrzeug und wie oft und wie lange, wie ist die Auslastung, nicht nur vom, was ist hinten drin, sondern wie oft wird es denn bewegt, wo man extrem viel erreichen kann, beispielsweise schon, wenn man feststellt, hey, 20 % unserer Flotte wird eigentlich kaum bewegt. Wir haben die aus einem Sicherheitsaspekt, aus einem, sage ich mal, als Puffer da, weil man natürlich, ne, besser haben als brauchen, agiert, aber auf der anderen Seite kann man da natürlich eine ganze Menge Effizienzen rausholen. Das sieht man aber nicht, wenn man beispielsweise die Bewegungsdaten gar nicht hat davon, wenn man gar nicht weiß, wie oft jetzt der Gabelstapler genutzt worden ist oder der Ausliefer-Van. Und dann sieht man das natürlich am Ende auch in der großen Masse einer Euro-Zahl, nach der man dann steuern soll, als Unternehmensbereichsverantwortlicher überhaupt gar nicht mehr. Ja und ich glaube, sobald man mal die Nadel im Heuhaufen suchen möchte, ist es sinnvoll diese Daten zu haben und dann muss man natürlich sehr explizit schon entscheiden, wo macht es Sinn rein zu investieren. Ich erinnere mich auch aus der Vergangenheit an Projekte, wo immer wieder die Frage war, ja, wo befinden sich denn unsere Assets und sind die beladen oder sind die leer? Das war, muss ich dazu sagen, nicht bei DHL. Das Problem wurde gelöst von dem Unternehmen durch IoT. Man einfach gesagt worden ist, hey, wir packen jetzt mal wirklich so einen GPS-Sensor da dran und dann sehen wir mehr oder weniger auf Knopfdruck, wo diese Sachen sich gerade bewegen. Und dann konnte beispielsweise viel, viel besser auch dadurch Leerfahrten vermieden werden. Man hat einfach auch mal gesehen, welche Sachen nicht verloren sind, aber vergessen worden sind und so weiter.
[00:23:42] Niklas Hartmann: Ja, das ist ein sehr, sehr gutes Beispiel. Ich glaube, es zeigt halt auch, was wir häufig in der Unternehmenssteuerung tun und das ist vielleicht zwischenzeitlich auch ein bisschen lustig ist, was wir da tun. Denn oftmals kommen wir ja, wenn wir schlechte Entwicklungen in der Unternehmensperformance sehen aus einem Monatsbericht und sehen da drin ein Ergebnis und versuchen uns dann retrograd zu erklären, warum das so eingetreten ist, wie es eingetreten ist. Und wir versuchen uns dann wieder von den Finanzkennzahlen runter zu hangeln, aus der Perspektive der Unternehmenssteuerung kommt zurück auf den Beton, auf die Straße, auf die Schiene, you name it und das ist natürlich ein schwieriges Unterfangen, weil wir natürlich in unseren Bewertungskonzepten viele Annahmen benutzen, viele Konventionen verbauen und eigentlich nicht dieses Detail Informationsset, das uns über IoT und Co zur Verfügung steht, nutzen, um zu verstehen, was wirklich passiert ist. Würdest du sagen, es macht Sinn aus der Perspektive eigentlich den Spieß rumzudrehen und zu sagen, Mensch, lasst uns doch einfach über die Daten in Anführungszeichen immer wieder erstmal vor Ort gucken, weil es uns dann einfach viel leichter fällt, die Red Flags in den Operations zu sehen und zu sagen, guck mal, da ist offensichtlich sofort eine Abweichung. Du sprachst vorhin beispielsweise schon kurz über Schwankungen in der Supply Chain und sagtest, na ja, wenn an einem anderen Ort der Welt etwas passiert, kann ich eigentlich schon voraussagen, dass das ein Impact auf mich haben wird und dann muss ich mindestens mal operativ drauf reagieren. Auf der anderen Seite ist es natürlich auch so, um jetzt die Bewertung direkt wieder mit an den Tisch zu nehmen, dass wenn ich diese Themen weiß und erkenne, ich ja eigentlich auch ein großes Interesse, so beispielsweise aus Sicht des Working Capital Managements daran habe, dass diese Entscheidungen getroffen werden und damit habe ich sofort die Brücke gebaut dahin, dass wir eigentlich auch als Business Partner im Controlling so fit sein müssten, mit in diese Themen reinzuschauen. Muster zu erkennen und die Counterparts im Business ein Stück weit zu beraten und zu sagen, hey, lass uns das doch anschauen und dafür sorgen, dass wir resilienter werden, weil wir offensichtlich einen Beitrag auch am Ende des Tages zu den Finanzen leisten können. Wenn du jetzt wieder zurück zur Praxis und deinen Eindrücken kommst, würdest du sagen, der Finanzbereich, das Controlling spielt darin schon irgendeine Rolle oder ist es hauptsächlich Vertrieb und Operations, die heute von all den Themen, die wir bisher berührt haben, maßgeblich in der Praxis Use Cases ableiten und profitieren?
[00:26:11] Christopher Fuß: Also, wenn ich jetzt an IoT denke, ist meine Antwort eine andere, als wenn ich an KI denke. Vielleicht separieren wir das einfach. Beim IoT Thema würde ich durchaus sagen, gibt es immer noch ein bisschen Mismatch zwischen Interesse und auch Anwendung vom Finanzbereich zu den beispielsweise genannten Vertriebs- oder Betriebsbereichen. Denn da ist ein viel höherer Drang da, im Detail sozusagen zu verstehen, was nämlich wirklich auf dem Shopfloor passiert und ich denke, es gibt halt genau diesen einen Punkt, wo wir den Finanz-KPI ja übersetzen müssen in irgendein physisches oder ein prozessuales Bezugsobjekt. Das machen wir über Preis und Menge oftmals oder Dauer. Ich glaube, da reinzugehen als Finanzbereich ist sinnvoll. Sich von dem Euro oder Dollar oder anderen Währung zu lösen und zu sagen, ich gehe eine Ebene tiefer, um mal zu verstehen, was passiert denn da eigentlich, denn wir haben natürlich enorme Preiseffekte im Moment, das ist die eine Sache, aber was ja dann für den Betrieb oder für die Operations interessant ist, dann auch die Mengen, Dauern und so weiter. Und da als Steuerungsfunktion reinzuschauen, dazu würde ich extrem raten und einladen. Und da stellt man dann ganz schnell fest, es sind extrem viele Daten schon vorhanden, die man sich aber gegebenenfalls noch nicht intelligent oder noch nicht intelligent genug angeschaut hat. Und auf der anderen Seite gibt es nämlich dann ganz viele Potenziale, wo nämlich keine Daten da sind, wo man merkt, da steckt etwas im Argen, da fehlen uns eigentlich Informationen, dass man die dann generieren kann. Wir helfen jetzt ganz oft beispielsweise diese Daten zu generieren, indem wir dann, sage ich mal, beratend oder auch implementierend zur Seite stehen und zu sagen, das könntest du tun und beispielsweise über diesen Prozess oder über diese Lagerhaltung bessere Sicht zu haben und als Working Capital Management angesprochen. Es ist erstaunlich zu sehen, auch in der Logistik, wie oft Kunden sagen, ich weiß gar nicht, wie viel ich jetzt davon explizit habe. Und das durchzieht aber alle Branchen und das hat aber auch Einfluss auf unser aller Leben. Ich gehe jetzt mal in den Gesundheitsbereich wieder. In Krankenhäusern werden extrem viele Dinge vorgehalten, die für Operationen gebraucht werden, die ein Verfallsdatum haben, wo es aber kein aktives Management gibt, weil es natürlich auch die Vielzahl der Hersteller gibt und wir wissen, es gibt Personalmangel, es gibt einen Zeitdruck, der da herrscht und niemand will auf dem OP-Tisch liegend, dass da Fehler gemacht werden oder dass irgendwelche Sachen verarbeitet werden an Medical Devices, sei es ein Stand, sei es irgendwelche Klammern oder so, die abgelaufen sind und besser nicht mehr genutzt werden sollten, aber wer schaut sich das denn explizit an? Darüber gibt es beispielsweise so gut wie keine Daten. Hat aber einen enormen Einfluss beispielsweise auch auf die Profitabilität von Krankenhäusern oder aber auch den Herstellern dieser Geräte, die natürlich ein hohes Interesse hätten, dass möglichst viel davon in der Zeit konsumiert oder verbraucht wird, in der es auch möglich ist und nicht am Ende zurückkommt und dann wieder in irgendeiner Form recycelt oder weggeworfen werden muss. So, und jetzt würde ich mir durchaus vorstellen, dass der Finanzbereich von beiden Branchen hier ein großes Interesse daran hat, zu verstehen, wie ist denn eigentlich die Lagerhaltung gerade von auch kleinsten Geräten in unseren Lagern hinter den OP-Sälen. Gleichzeitig aber nicht tagtäglich mit einer Excel-Tabelle jemanden losschicken möchte, der das irgendwie eintippert. Und das ist ein Beispiel, wo man sagen kann, ja, da kann Technologie und IoT helfen, auch den Finanzbereich Working Capital Steuerung anders anzugehen, als einfach nur zu schauen, ah, wir haben wieder diese Zahl ausgegeben und haben aber so und so viel Operationen gemacht, wie passt denn das jetzt irgendwie zusammen?
[00:29:46] Niklas Hartmann: Auch näher an der Kausalität zu agieren, wieder Stichwort Business Partner, dann eben nicht nur zu sagen, ja, guck mal, der Lagerbestand war XY Tage hoch, sondern eben auch sagen zu können, guck mal, das kommt von den Artikeln, an den Orten und so weiter, weil man ja viel differenzierter sozusagen Einblicke bekommt und eben dann vielleicht schneller zu den Lösungen kommt und vorher eben die notwendigen Muster erkennt, um zu erkennen, wo man dann eben auch eingreifen muss.
[00:30:09] Christopher Fuß: Anderes Beispiel, Energie. Das ist ein Beispiel aus der Praxis, welches wir in Singapur umgesetzt haben, in einem Riesen-Warenlager, was aus Platzgründen in die Höhe gewachsen ist. Kann man sich in Deutschland kaum vorstellen, aber da wird über mehrere Ebenen sozusagen werden Produkte gelagert und das hat einen extrem hohen Energieverbrauch, weil wir auch Bereiche haben, die Temperaturkontrolliert sein müssen. So, das Klima dort vor Ort ist anders als hier, hat ganz andere, sage ich mal, Temperatur und auch Luftfeuchtigkeitsbereiche, wo einfach sehr viel Energie eingesetzt werden muss. Jetzt kann man natürlich immer wieder hingehen und sagen, wir müssen einsparen und der Preis der Energie ist gestiegen und wie können wir es sparen? Wenn man sich aber die operativen Daten anschaut und auch verschiedene Datenquellen dann miteinander kombiniert, kann man glaube ich auch als Steuerungs- und Finanzbereich den höheren Impact erreichen und dann geht es natürlich auch um diese ganzen Sachen Zertifikate hinten raus, die dann noch den, ja, Rattenschwanz dahinter sozusagen folgen. Als Beispiel dort haben wir angefangen und erstmal nur gemessen, wie die Temperatur in gewissen Bereichen ist und verglichen, wie sie eigentlich sein sollte, denn erstmal liefen die Kühleinheiten mehr oder weniger 24 Stunden auf Vollpower. Da konnte man schon mal eine ganze Menge rausnehmen. Dann haben wir geschaut, wie ist denn die Aktivität, wo wird denn was beispielsweise eingelagert und wo bleiben die Sachen voraussichtlich statisch. Dann haben wir geschaut, wie verändert sich das Wetter? Wenn es in einer halben Stunde regnen wird und der Schauer vielleicht eine natürliche Abkühlung von 1 bis 2° Celsius bewirkt, dann brauchen wir das jetzt nicht technisch vorzukühlen, weil die Natur macht das sowieso. Wie ist der Verkehr, wann kommen denn irgendwelche LKWs an und fahren ab, wann werden unsere Tore geöffnet, wo wird warme Luft reinströmen, die wir dann gegebenenfalls wieder kompensieren müssen. Und alleine durch die Kombination von verschiedenen auch Open Source Datenquellen konnten wir da, ich glaube 35 % Energie einsparen. Das sind Gigawattstunden. Das interessiert den Controller durchaus. Das ohne beispielsweise dann diesen Switch zu machen auf eher die operativen Kennzahlen, die jetzt nicht sich bemessen an reiner Performance und dann Durchflusszeiten, sondern eher, was ist denn physisch oder physikalisch auch die Begebenheit? Das kann durchaus sehr großen Sinn machen.
[00:32:17] Niklas Hartmann: Also muss man natürlich irgendwo da die Rolle ein Stück weit abgrenzen, also der Aufruf ist ja nicht zu sagen, der Controller soll die Energie einsparen, aber ich glaube, wir sind uns da hingehend einig zu sagen, dass das Verständnis, wenn man als Business Partner aktiv ist, dahingehend zu haben, inhaltlich auch verstehen zu können, warum diese Potenziale bestanden haben, wie sie gehoben worden, wo vielleicht auch Potenzial für solche Cases besteht. Klang auch für mich so, als könnte man hier mit künstlicher Intelligenz noch wahnsinnig viel erreichen in ähnlichen Anwendungsfällen. Ich glaube, da hat man schon noch ein deutliches Aufholpotenzial und eben auch dann wiederum all diese Daten zu nutzen, um Kausalitäten zu erklären. Also ich kam ja vorhin von dem Punkt, wenn im Monatsbericht eine Ergebnisveränderung erkenntlich wird, wie gut kann ich sie kommentieren und begründen? Und ich glaube, wenn man dieses Gesamtbild hat, dann kommt man eben da auf deutlich stichhaltigere Erklärungen und eine gewisse Geschäftsnähe, die dann auch den Entscheidern hilft.
[00:33:12] Christopher Fuß: Vielleicht dazu, ich glaube, es tut immer wahnsinnig gut, wenn die Mitarbeiter in dem Finanzbereich auch, ich nenne es rausgehen in die Fläche, wenn sie wirklich sich austauschen mit den Kollegen in einem regelmäßigen Abstand und einfach verstehen, was passiert in der Produktion, im Vertrieb, im Servicebereich, mitlaufen, um zu verstehen, wie sich denn diese KPIs, die sie anschauen oder die sie entwickeln, wie die sich denn eigentlich füllen im echten Leben. Man wird auch immer wieder feststellen, dass manche KPIs sich zwar schön berechnen lassen, aber eigentlich auch Steuerungsirrelevant sein mögen, weil es manchmal einfach auch historisch bedingt genutzt wird, aber die Welt sich durchaus schon sehr schnell weiter gedreht hat.
[00:33:51] Niklas Hartmann: Auch das hatten wir in einer früheren Folge zur Datengetriebenen Steuerung in der Mobilität ein schönes Beispiel, wo unser Gast sagte, na ja, wir kamen von der Top KPI Pünktlichkeit und haben gedacht, okay, hier stimmt was nicht und wir sind dann gekommen über die Idee, wir müssen mehr Personal drauf werfen. Ich überspitze das jetzt sehr, um es zu vereinfachen. Im Drilldown runter auf die transaktionalen Daten am Shopfloor sozusagen, oh, es lag an ganz anderen Themen und es lag gar nicht an uns und man konnte es plötzlich einfach sehen, wie du sagst, rausgehen, verstehen, was vor Ort los ist, ist das eine und die Daten und die Sensorik, die uns das anreichert eben permanent sozusagen dieses vor Ort-Bild zu geben, sind ja ein super Hebel, um das eben kontinuierlich zu tun. Ich würde gern noch das Beispiel aufgreifen mit den Lagerbeständen. Ich glaube, das ist eine ähnliche Erfahrung, die wir auch immer wieder machen, tatsächlich, du sagtest erschreckend, aber manchmal auch nachvollziehbar, warum manche Prozesse einfach nicht so transparent sind, wie man das meinen könnte, wo in der Vergangenheit einfach durch das, was physisch mit Gütern passiert in so einer Werkshalle, nicht so einfach getrackt werden konnte, beispielsweise, wenn Behälter gewaschen werden und dann irgendwie wieder Hitze erfahren und es dreckig ist und so weiter, dann konnte man halt in der Vergangenheit nicht unbedingt einen Barcode drauf kleben und den kontinuierlich scannen, dann hat man es vielleicht heute über Camera Vision, was du ansprachst, neue Möglichkeiten, aber in der Vergangenheit war es vielleicht gar nicht so einfach. Und dann stimmen vielleicht eben entsprechende Prozesszeiten nicht mehr, die man irgendwann mal in der Kalkulation angenommen hat und man kommt am Ende, um wieder so ein Stück weit auch die Steuerungsperspektive da drauf zu legen, natürlich immer auch auf Abweichungen im Erfolg von beispielsweise Produkten, die man herstellt, weil man eben immer andere Bewertungszeiten anlegt als die, die im ist tatsächlich entstehen. Man dann aber wiederum keine Transparenz mehr hat, um das nachzuvollziehen. Und ich glaube, hier liegt dann wiederum großes Potenzial eben, Daten zu nutzen, auch für Steuerungszwecke, um in Anführungszeichen mehr ist Sicht zu generieren und auch zu verstehen, wo man systematisch Fehler in der Bewertung von Abläufen macht und das ist sicherlich auch noch mal deutlich näher an der Haustür der Finanzer und Controller.
[00:36:00] Christopher Fuß: Ja, ich stimme dir 100% zu. Ich musste ein bisschen schmunzeln, als du anfingst gerade, denn wir sind jetzt vor Beginn der Peak Season weltweit. Jetzt nicht in allen Industrien, aber gerade was den Handel betrifft, wird es jetzt, ich nenne es mal heiß. Man kann sich natürlich ganz
viel ausmalen, was Kapazitäten betrifft im Luftfrachtbereich, im Seefrachtbereich. Da sind viele Waren schon unterwegs Richtung Europa und Amerika, die jetzt für das Weihnachtsgeschäft irgendwie erwartet werden. Luftfrachtbereich haben wir ein großes Thema, einfach durch die wahnsinnigen Mengen, die aus Asien und China insbesondere jetzt nach Europa kommen, aber wir haben auch innerhalb Intra-Europa natürlich große Ströme und es mag für Versender manchmal sehr, sehr komisch sein, wenn sie beispielsweise irgendwie in ihren Finanzzahlen da geringere Werte sehen, als sie erwartet haben und wenn man dann mal wirklich reingeht und feststellt, hey, es liegt daran, dass du nicht genügend Versandmaterial hast oder es liegt daran, dass du nicht genügend Behälter hast, um deine Mengen in die Netzwerke reinzugeben. Das ist ein ziemlich lapidares Beispiel, aber habe ich in der Vergangenheit schon einige Male gehört, wo es darum geht, wir wussten gar nicht, dass wir nicht genügend Paletten da haben. So, es hört sich skurril an, aber es sind echte Probleme, die da sind und wenn man natürlich eine Palette ist erstmal ein ziemlich einfaches und doofes Teil, aber wenn man das in irgendeiner Form smart macht, wo man beispielsweise sagen kann, hey, es ist nicht nur ein Barcode da drauf, der dann manuell gescannt wird, der dann auch wieder, sage ich mal, eine Fehlerrate beinhaltet, sondern da ist in irgendeiner Form ein Teil drin, das von sich aus sagt, ich bin hier und ich habe Nummer 1, 2, 3, dann kann das schon wahnsinnig helfen in der Steuerung, der Produktion, der Supply Chain und für Supply Chain Disruptions können erheblichen Einfluss haben auf Produktion, auf Working Capital, auf Free Cashflow und so weiter. Und ich glaube, das haben uns die letzten zwei, drei, vier Jahre durchaus gelehrt, dass wir uns in der Supply Chain diversifizieren müssen, dass wir Nearshoring mit Offshoring und so weiter verbinden müssen und je mehr Transparenz wir über den einzelnen Strom haben, umso hilfreicher.
[00:38:03] Niklas Hartmann: Dann hattest du vorhin noch mal ganz bewusst unterschieden zwischen KI Cases und IoT Cases.
[00:38:11] Christopher Fuß: Ich glaube KI und ich beziehe mich jetzt hauptsächlich erstmal auf die Logistik, kann da ganz viele Sachen machen. Im Backoffice Bereich, sei es beispielsweise um das intelligente Verstehen von Verträgen, umwandeln in Arbeitsanweisungen, natürlich können wir Texte generieren lassen und so weiter. Das würde ich aber eher als so Office Work betrachten. Wir haben das auf dem Shopfloor beispielsweise durch Robotics und die Verknüpfung von sehr intelligenten Robotern auch mit Menschen. Augmented Reality mag was sein, wo wir beispielsweise im Picking Prozess über eine smarte Datenbrille Anweisungen oder Hinweise bekommen, wo wir etwas im besten Falle aufnehmen, wie wir etwas im besten Falle in Pakete packen, damit wir so gering Stauraum wie möglich im Paket nutzen, um die Pakete so klein wie möglich zu machen, was dann zum Benefit des Kunden auch kommt. Da gibt es unglaublich viele Anwendungsfälle in der Zukunft und das sind eben diese Nischenanwendungsfälle, wofür wir nicht die wahnsinnig großen Modelle brauchen, die wir vorher hatten. Gleichzeitig gibt es, wenn wir über die internationale Logistik sprechen und internationalen Versand, da kommt man ganz schnell in Probleme, wenn es um Zoll und Zollbestimmung geht. Da gibt's tolle Tools, die beispielsweise Produktbeschreibung umwandeln in Produkt- und Zollcodes. Das hat früher extrem hohes Wissen und Erfahrung erfordert von Mitarbeitern. Heute kann das eine KI sehr, sehr schnell machen, zum Benefit des Kunden, wo man online eingibt, mein Produkt sieht so und so aus und ich möchte es in das und das Land schicken. Was sind denn beispielsweise die Bestimmungen, die ich beachten muss, was sind die Aufkleber, die drauf müssen, was sind die Zollcodes und so weiter. Das ist jetzt die Logistik. Da könnten wir stundenlang drüber sprechen, wenn du möchtest. Und im Finanzbereich sehe ich halt auch einige Themen, ja, also das, was ich gerade gesagt hatte, Talk to your Documents, das kann man genauso mit Talk to your Report machen, Talk to your Data. Ich glaube durchaus, dass einige transaktionale Tätigkeiten, die regelmäßig gemacht werden, in Zukunft nicht komplett abgelöst werden können, aber wo insbesondere sag ich mal der Fokus der Mitarbeiter mehr auf Interpretation und das Business Partnering gehen kann und nicht auf die reine Erstellung des Reports. Ja, wo man auch tatsächlich bei strukturierten und unstrukturierten Daten analysieren kann, wo wir früher nicht Herrscher von Menschen, aber doch viel Kapazität reinstecken mussten in das Data Crunching und Number Crunching, wo wir heute durchaus intelligente Tools und Algorithmen die Arbeit machen lassen, wo man dann natürlich schauen muss, ja, ist da kein Bias eingebaut, aber wo man sich auf die Interpretation der Daten erstmal sozusagen konzentrieren kann. Gleichzeitig, nehmen wir mal so ein Thema Pricing, durchaus wichtig im Finanzbereich, aber die Preissetzung ist eine, wo man Tools in Zukunft nutzen kann, um zu verstehen kann, wie entwickelt sich der Markt, wie entwickelt sich meine Konkurrenz, wie entwickelt sich die Nachfrage, was ist der vernünftige Preis für Produkt ABC?
[00:40:55] Niklas Hartmann: Du sagtest, wir könnten stundenlang über die Logistik sprechen. Ich glaube, das könnten wir beide tatsächlich mit großer Freude daran. Ich danke dir für das Gespräch, Christopher. Es war mir ehrlich eine große Freude und ich hoffe, wir wiederholen das irgendwann noch mal.
[00:41:07] Christopher Fuß: Ebenso. Danke auch von meiner Seite. Hat Spaß gemacht, auch hier in dem Umfeld. Ich freue mich, dass wir den Austausch da weiterführen und wenn es in irgendeiner Form auch eine Rückfrage gibt des Hörers, dann gehe ich davon aus, dass wir auch Antworten finden werden darauf.
[00:41:21] Niklas Hartmann: Selbstverständlich, aus Operations, Vertrieb und auch von den Controllern und Unternehmenssteuerern nehmen wir jede Frage gerne auf über die üblichen Kanäle und freuen uns über eine aktive Diskussion natürlich auch. Christopher, mach's gut.
[00:41:34] Niklas Hartmann: Tschüss.
[00:41:35] Christian Bungenstock: Wir hoffen, Sie haben den Ausflug mit uns genossen und konnten einige Impulse aus der IoT Welt für die Unternehmenssteuerung mitnehmen. Sie wird durch die KI neu beflügelt. Wenn wir ihr Interesse geweckt haben, begleiten Sie uns auch auf den weiteren Etappen. Abonnieren Sie Zielführung starten in ihrer Podcast App und hören Sie uns bald wieder. Wir freuen uns auf Sie.
[00:42:08] Podcast: Das war "Zielführung starten", der Management-Podcast von CTcon.