Was haben wir verkauft. Was haben wir ausgegeben. Wie hat sich die Marge entwickelt. Wie viel Lager ist noch da. Wie lief die Kampagne. Alles berechtigte Fragen, und alle kommen erst nach dem Ereignis.
Mich interessiert mehr, ob eine Firma die Folgen modellieren kann, bevor der Entscheid fällt.
Entscheide hängen zusammen, das Reporting nicht
Ein Entscheid der Geschäftsleitung bleibt selten in einer Abteilung. Nehmen wir an, das Ziel ist, den Umsatz um dreissig Prozent zu steigern. Das liest sich wie eine Verkaufszahl.
Mehr Nachfrage heisst mehr Lager. Mehr Lager heisst früher einkaufen. Früher einkaufen heisst mehr gebundenes Kapital. Plötzlich zählt die Kapazität der Lieferanten. Ebenso die Lieferzeiten, der Platz im Lager und der Zeitpunkt, an dem das Marketing sein Budget tatsächlich ausgibt.
Ein Wachstumsziel kann sich Monate bevor eine einzige zusätzliche Einheit verkauft ist in ein Einkaufsproblem verwandeln. Firmen wissen das. Ihre Systeme betrachten trotzdem jeden Bereich für sich.
Saisonware macht es offensichtlich
Nimm ein saisonales Produkt. Das wichtige Datum ist nicht der Tag, an dem die Kundin kauft. Dauert die Produktion neunzig Tage, fiel der eigentliche Entscheid drei Monate früher. Zieht sich die Weihnachtsnachfrage bis in den Januar, dauert die Verkaufssaison länger als der Feiertag im Kalender, und das System muss das wissen.
Wenn das Produkt ausverkauft ist, schaust du nicht mehr auf ein Problem, das sich beheben lässt. Das Dashboard stimmt. Es beschreibt einen Entscheid, der vor einem Quartal hätte fallen müssen.
Die Firma vorwärts laufen lassen
Ich möchte, dass eine Firma einen geplanten Entscheid nimmt und fragt, was danach passiert. Nicht als perfekte Prognose. Als strukturierte Simulation.
Was passiert, wenn die Nachfrage um dreissig Prozent steigt. Wenn ein Lieferant zwei Wochen zu spät liefert. Wenn wir den Preis senken. Wenn sich das Werbebudget verdoppelt. Wenn sich eine Lancierung um einen Monat verschiebt. Wenn eine Schlüsselperson geht. Wenn die Liquidität zum Engpass wird.
Statt eine einzelne Zahl zu beobachten, verfolgt man die Folge durch die ganze Firma.
Ein Ort, an dem man sich gefahrlos irren darf
Ich nenne diese Umgebung eine Sim Factory. Einen Ort, an dem eine Firma Szenarien bauen kann, ohne die Firmenwahrheit anzufassen.
Man nimmt den aktuellen Stand: Lager, Nachfrage, Liquidität, Prozesse, Lieferzeiten, Leute, frühere Entscheide, aktuelle Signale. Man ändert eine Annahme. Man lässt es vorwärts laufen.
Nicht weil AI die Zukunft vorhersagt. Das tut sie nicht. Es geht darum, Folgen sichtbar zu machen. Wo bricht das System zuerst. Welche Annahme trägt am meisten Gewicht. Welche Kapazität wäre nötig. Welcher Entscheid muss früher fallen als geplant. Welchen Folgeeffekt zweiter Ordnung hat die Geschäftsleitung übersehen.
Allein dafür lohnt sich die Übung.
Simulation ist keine Firmenwahrheit
Dieser Teil ist mir wichtiger als das Modellieren selbst. Sagt eine Simulation, die Nachfrage könnte um fünfundzwanzig Prozent steigen, darf diese Zahl nicht stillschweigend zur Prognose werden, nach der alle planen.
Es gibt die echte Firma, mit tatsächlichen Entscheiden, echten Daten und freigegebenen Annahmen. Und es gibt mögliche Firmen: Szenarien, Alternativen, Stresstests. Von der einen Seite auf die andere wechselt etwas erst, wenn die Geschäftsleitung es so entscheidet.
Warum es zuerst das Genome braucht
Eine Firma, die man nicht versteht, kann man nicht simulieren. Haben Einkauf, Marketing, Liquidität und Lager keine strukturierte Beziehung zueinander, ist die Simulation eine Tabelle mit etwas mehr AI drumherum.
Das Genome beschreibt die Firma, wie sie ist. Die Sim Factory erkundet, was aus ihr werden könnte. Das Erste muss existieren, bevor das Zweite etwas bedeutet.
Hier zahlt sich auch ein grosses Context Window aus. Eine brauchbare Simulation braucht unter Umständen den Wachstumsplan, den Einkaufsprozess, den aktuellen Lagerbestand, die historische Nachfrage, die Leistung der Lieferanten, die Marketingannahmen, die Liquiditätsgrenzen, die Entscheide der Geschäftsleitung und die Company Signals, also die Frühsignale aus dem Betrieb, alles im selben Denkdurchgang.
Die Geschäftsleitung verbringt den Grossteil ihrer Zeit damit, auf das zurückzuschauen, was schon passiert ist. Ich glaube, AI macht es möglich, einen Teil dieser Arbeit nach vorne zu verlegen. Simulieren, bevor man freigibt. Die Folgen für die Beschaffung verstehen, bevor man die Nachfrage ankurbelt. Marge und Menge durchrechnen, bevor man den Preis ändert. Den Engpass finden, bevor man Leute dafür einstellt. Nicht um die Zukunft vorherzusagen, sondern um die Folgen sichtbar zu machen, solange sie noch billig sind.
