Kombination von TOC und AI
- von Benjamin Lang
- AgilePerformance
- AURORA4Growth
- AURORA4Performance
- ControllingTwoZero
- FixTheFlowAndGrow
- MastersOfChange
KI als genetische Bezeichnung für computergestützte Instrumente, die in der Lage sind, aus früheren Daten zu lernen, um eigenständige Entscheidungen zu treffen oder Entscheidungen zu unterstützen, wird zum zentralen Schlagwort für die Zukunft der Technologie, die die Welt verändern wird.
Es gibt jedoch eine ganze Reihe von Bedenken hinsichtlich der Fähigkeit der KI, unser Leben nicht nur zu verbessern, sondern vielleicht auch erheblichen Schaden anzurichten.
Ich bin der festen Überzeugung, dass die Theory of Constraints (TOC) ein rationales Urteilsvermögen und eine Tendenz zur Suche nach der inhärenten Einfachheit mit sich bringt, die das wahre Potenzial scheinbar komplexer und unsicherer Situationen aufdeckt. Können die Qualitäten der TOC das Potenzial der KI für das Management von Organisationen erheblich verbessern?
Der Schwerpunkt von TOC auf der Ermittlung des richtigen Schwerpunkts zur Erzielung der besten Leistung, was auch bedeutet, worauf man sich nicht konzentrieren sollte, basiert auf der Erkenntnis der Kapazitätsbegrenzung unseres Geistes.
Kann KI wesentlich dazu beitragen, die menschlichen Kapazitätsgrenzen besser auszunutzen?
Alle Menschen sollten ihren Verstand so lenken, dass er sich auf das konzentriert, was wirklich wichtig ist. Bei der Verwaltung von Organisationen ist das Erreichen vom ZIEL, jetzt und in der Zukunft, das wichtigste Kriterium, um zu beurteilen, worauf man sich jetzt konzentrieren sollte. Auch wenn wir noch so geschickt herausfinden, was wirklich wichtig ist, kann es sein, dass wir wichtige Dinge übersehen. Einer der vernachlässigten Bereiche im TOC, den zu ignorieren sich kein Manager leisten kann, ist die möglichst frühzeitige Erkennung aufkommender Bedrohungen.
Auch Computer sind nur begrenzt in der Lage, riesige Datenmengen zu verarbeiten - aber sie sind dem Menschen weit überlegen, und diese große Lücke wird immer größer. Können wir also hoffen, dass während das oberste Ziel vom menschlichen Manager definiert wird, der geschickte Einsatz von Software, insbesondere von KI, die Gültigkeit des aktuellen Schwerpunkts ständig überprüfen und warnen kann, wenn ein neues kritisches Problem auftaucht?
KI wird in großem Umfang eingesetzt, um Menschen bei einfachen, überschaubaren Tätigkeiten zu ersetzen, z. B. durch den Einsatz von Robotern in großen Vertriebszentren. Das Autofahren ohne menschlichen Fahrer ist ein ehrgeizigeres Ziel, aber es ist auch etwas, das die große Mehrheit der Menschen gut kann. Der derzeitige Schwerpunkt der Manager beim Einsatz von KI liegt auf der Senkung der laufenden Kosten für die Beschäftigung von Arbeitnehmern für ausreichend einfache Aufgaben. Es wäre gut zu zeigen, dass KI eine erhebliche Steigerung des Durchsatzes unterstützen und sogar die strategische Entscheidungsfindung verbessern könnte.
Die besondere Stärke der KI ist ihre Fähigkeit, aus riesigen Datenmengen der Vergangenheit zu lernen. Das bedeutet, dass sie auch so trainiert werden kann, dass sie auf der Grundlage von beobachteten Korrelationen zwischen Variablen, der Feststellung von Trends und plötzlichen Veränderungen im Verhalten der Marktnachfrage, der Lieferanten und von Flussblockaden wichtige entscheidungsunterstützende Informationen liefern kann. Anstatt also das KI-Modul zum Entscheidungsträger für relativ einfache Entscheidungen zu machen, kann es zur Verbesserung der Leistung von Unternehmen eingesetzt werden. Ein natürliches erstes Ziel ist die Verbesserung der Vorhersagealgorithmen, wobei auch die sinnvolle mögliche Streuung hervorgehoben wird. Die Fähigkeit, Korrelationen zu erkennen, könnte Abhängigkeiten zwischen verschiedenen SKUs aufzeigen, und das würde die Prognosen erheblich verbessern. Die anspruchsvolleren Aufgaben bestehen darin, Informationen über die potenziellen Auswirkungen von Preisänderungen und anderen kritischen Merkmalen des Angebots auf den Markt bereitzustellen. Eine weitere große Herausforderung besteht darin, Unregelmäßigkeiten aufzuzeigen, die sofortige Aufmerksamkeit des Managements erfordern. Aus der Sicht des TOC BOK wäre es wertvoll, die Wirksamkeit der Puffer besser zu bewerten, als dies heute geschieht. Die Arbeit mit KI könnte indirekt dazu genutzt werden, die Intuition und sogar das Denken von aufgeschlossenen Managern zu verbessern! Wenn der menschliche Manager in der Lage wäre, die KI zu nutzen, um Annahmen und Hypothesen zu validieren oder zu entkräften, hätte dies erhebliche Auswirkungen auf die Qualität des Managements bei der Bewertung der Auswirkungen von Veränderungen.
Ein wichtiger Nachteil der KI, insbesondere aus der TOC-Perspektive, ist die Nichtberücksichtigung logischer Ursachen und Wirkungen. Die Fähigkeit, Ursache-Wirkungs-Hypothesen zu überprüfen, ist eine wichtige Aufgabe. Ein weiterer Nachteil ist die Abhängigkeit von den Trainingsdaten, die zu fehlerhaften Ergebnissen führen kann. Eine zentrale Herausforderung bei der Implementierung von KI besteht darin, die Wahrscheinlichkeit eines signifikanten Fehlers zu verringern und einen solchen Fehler durch eine Ursachen-Wirkungs-Analyse erkennen zu können.
Der Prozess, der darauf abzielt, KI so effektiv wie möglich einzusetzen, beginnt mit dem ZIEL, leitet dann die Schlüsselelemente ab, die sich auf dieses Ziel auswirken, und leitet dann wertvolle Ziele ab. Die Liste der wertvollen Ziele, die die Leistung der Organisation verbessern würden, sollte analysiert werden, um herauszufinden, ob KI, vielleicht zusammen mit anderen Softwaremodulen, die Hindernisse überwinden kann, die derzeit die Erreichung dieser Ziele verhindern.
Ein wichtiger allgemeiner Gedanke besteht darin, das Potenzial der KI, wichtige Informationen oder sogar neue Erkenntnisse zu liefern, als integralen Bestandteil des menschlichen Entscheidungsprozesses zu erkennen.
Die Festlegung der richtigen Ziele und die Anleitung der KI, die unterstützenden und notwendigen Informationen zu liefern, ist der Punkt, an dem die TOC-Weisheit so nützlich sein kann, um das Beste aus der KI herauszuholen. Plötzlich bekommt der Titel "Das Heuhaufen-Syndrom - Informationen aus dem Datenozean heraussieben" eine größere Bedeutung, wenn der Datenozean um mehrere Größenordnungen angewachsen ist, aber auch die Technologie, um daraus den besten Sinn zu ziehen.
Während Computer im Allgemeinen und KI im Besonderen bei der Bewältigung von Komplexität, d. h. vielen verschiedenen Variablen, die miteinander interagieren, weit überlegen sind, besteht die schwierigere Herausforderung darin, mit Unsicherheiten umzugehen, und zwar sowohl mit dem "Rauschen", d. h. den inhärenten häufigen und erwarteten Schwankungen, als auch mit den Risiken, die zwar seltener sind, aber großen Schaden anrichten.
Hier bietet sich die Gelegenheit, die aufkommenden Möglichkeiten der KI in Verbindung mit der Weisheit des TOC zu nutzen, um die Bewertung zukünftiger Entwicklungen zu unterstützen.
Wenn man die KI dazu anleitet, voraussichtliche Markttrends zu beobachten, insbesondere die Auswirkungen externer Kräfte, wie z. B. Veränderungen in der Wirtschaft, und sogar die Auswirkungen von Preiserhöhungen oder -senkungen voraussagt, könnte dies für die Entscheidungsträger von großem Wert sein. Ein Großteil der für solche Aufgaben erforderlichen Daten liegt in externen Datenbanken. Es ist möglich, dass Dienste zur Beschaffung der Daten aus verschiedenen externen Quellen erforderlich sind. Es wäre gut, wenn eine Zusammenarbeit zwischen Wettbewerbern zustande käme, um eine KI-Analyse ihrer kombinierten Daten zu ermöglichen, die von einem neutralen Dritten durchgeführt wird. Eine solche Zusammenarbeit sollte sicherstellen, dass keine internen Daten eines Unternehmens an ein anderes Unternehmen weitergegeben werden. Aber das Ergebnis der Analyse, das Fragen wie Preissensibilität, Auswirkungen der Inflation, Änderungen der staatlichen Vorschriften und vieles mehr beleuchtet, könnte Erkenntnisse liefern, die derzeit noch verborgen sind, so dass die Entscheidungen allein auf Intuition beruhen. Der größte Nachteil der menschlichen Intuition ist, dass sie sich nur langsam an Veränderungen anpassen kann. Wenn man die KI mit einer großen Anzahl ähnlicher Veränderungen in der Vergangenheit füttert, kann sie die Ergebnisse viel besser vorhersagen, sofern genügend relevante Daten vorhanden sind, die durch die Veränderung nicht irrelevant geworden sind.
Meine derzeitigen Überlegungen zum effektiven Einsatz von KI für die Entscheidungsfindung von Führungskräften, einschließlich der kritischen Frage, worauf man sich konzentrieren sollte, gehen davon aus, dass es zwei Zielkategorien für TOC-AI-Prozesse gibt, die für das Management eines jeden Unternehmens von großem Wert wären:
1. Das Erkennen der Marktnachfrage. Dazu gehören die Vorhersage aktueller Trends und die Vorhersage der möglichen Ergebnisse bestimmter Maßnahmen und Veränderungen. Außerdem kann man sich ein gutes Bild von den Auswirkungen des Preises, der Wirtschaftlichkeit und der Vielfalt des Angebots machen.
Warnung: Akzeptieren Sie keine Prognosen mit nur einer Zahl! Die KI-Ausgabe sollte das Ergebnis der statistischen Analyse in Form einer angemessenen Spanne oder eines Konfidenzintervalls wiedergeben, wie vom Statistikmodul definiert.
2. Hinweis auf eine aufkommende Bedrohung. Die TOC-Weisheit könnte leicht zu einer Liste potenzieller Bedrohungen führen, die dem Management so früh wie möglich bekannt sein sollten. Es müssen Signale identifiziert werden, die in der jüngeren Vergangenheit beobachtet wurden und die darauf hindeuten, dass sich eine bestimmte Bedrohung entwickelt. Wenn man der KI genügend Beispiele liefert, kann die Suche nach ausreichenden Beweisen in Gang gesetzt werden.
Wenn beispielsweise ein wichtiger Lieferant anfängt, sich unberechenbar zu verhalten, könnte dies auf Probleme mit seinem Management oder sogar auf die Möglichkeit eines Konkurses hindeuten, oder darauf, dass sich unser Image bei einem Kunden verschlechtert. Ebenso könnte eine Änderung der Mengen und/oder der Häufigkeit der Bestellungen eines Großkunden auf eine Änderung der Einkaufspolitik des Kunden hindeuten.
Eines der Probleme bei komplexen Umgebungen ist die Genauigkeit der Daten. Wenn das KI-Modul absichtlich nach Ergebnissen sucht, die nicht mit den Daten übereinstimmen, könnte es sinnvoll sein, den Benutzer darauf hinzuweisen, dass er bestimmte Datenelemente überprüfen sollte.
Ein bestehendes Beispiel ist die Überwachung des Wartungsbedarfs von Maschinen. Hierbei handelt es sich um eine Funktion im Zusammenhang mit Industrie 4.0, die erkennt, wenn das aktuelle Tempo und die Qualität der Maschine von der Norm abweichen, bevor es kritisch wird, so dass genügend Zeit bleibt, um die erforderlichen Wartungsmaßnahmen zu planen.
Kritische Fragen für die weitere Diskussion:
Gibt es allgemeinere organisatorische Themen, bei denen KI, wenn sie von TOC geleitet wird, zum Management beitragen kann?
Können wir zu allgemeinen Erkenntnissen darüber gelangen, wie TOC die Ziele, die Ausbildung und den tatsächlichen Einsatz von KI beeinflussen kann?
Beispielsweise könnte man die KI dazu anleiten, die Qualität der Kapazitätsverbrauchsdaten des Engpasses und der wenigen anderen kritischen Ressourcen gründlich zu prüfen. Ein Vergleich mit den Kapazitätsanforderungen der Vergangenheit und der eingehenden Nachfrage könnte dabei helfen, festzustellen, ob die verfügbare Schutzkapazität ausreichend ist.
Wie können wir das bewerkstelligen?
Und welche Schulung sollten die Mitarbeiter, die das KI-Modul verwenden, absolvieren?