Arbeitsfrei: Eine Entdeckungsreise zu den Maschinen, die uns ersetzen (German Edition)

Konzerne die Gelegenheit der Inbetriebnahme neuer Software für die Geschäftsprozesse gleich für umfangreiche Reorganisationen und Umstrukturierungen. Ein wenig beachteter Nebeneffekt dieses Trends ist, daß sich die großen Unternehmen in ihren inneren Strukturen mehr und mehr ähneln. Sie verwenden die gleiche Software – auch wenn sie ihnen als durchweg individualisiert verkauft wird – oder zumindest solche, die nach sehr ähnlichen Regeln und Paradigmen funktioniert. Den Markt teilen sich einige wenige Konkurrenten wie SAP und Oracle untereinander auf.
    Die Strukturen der Abteilungen, Verantwortlichkeiten, Rollen und Zuständigkeiten, die Modellierung von betriebswirtschaftlichen Steuerparametern und die Art der Personalentscheidungen gleichen sich so weit an, daß die Verwendung der ähnlichen Softwarebasis als großer Pluspunkt bei Unternehmensaufkäufen und Fusionen angesehen wird, da die Kosten für eine Zusammenführung der Datenstrukturen typischerweise neben denen für Entlassungen die höchsten sind.
    Die Logik der Software bestimmt mehr und mehr die Prinzipien, nach denen ein Unternehmen strukturiert und aufgebaut ist und damit auch geführt werden kann. Es ist zudem oft einfacher, nur kleinere Anpassungen an der Standardsoftware vorzunehmen und statt dessen das Unternehmen an die Software anzupassen, als umgekehrt. Dementsprechend setzen sich die Teams, die beispielsweise SAP in einem Unternehmen einführen, typischerweise nicht nur aus in der Anpassung der Software geschulten Beratern, sondern auch aus Management-Consultants zusammen, um die Geschäftsprozesse parallel an die Erfordernisse der Softwarestruktur anpassen.
    Mit dem Übergang zur voll vernetzten Wirtschaft, in der mehr und mehr Geschäftsvorgänge durch Austausch durchgängig standardisierter Daten abgewickelt werden, wird sich dieser Prozeß noch beschleunigen – wie etwa die unter dem Stichwort »Industrie 4.0« geplanten Systeme zur vollständig vernetzten automatischen Produktionsabwicklung. Bereits heute werden die Geschäfte beispielsweise zwischen großen Autofirmen und ihren Zulieferern weitgehend automatisch über die direkte Vernetzung der Softwaresysteme der Unternehmen koordiniert.
    Dafür existieren genormte digitale Schnittstellen, die bekannteste trägt den sperrigen Namen »Electronic Data Interchange for Administration, Commerce and Transport«, kurz EDIFACT. Sie wurde international von einer UNO-Unterorganisation standardisiert und ermöglicht einen relativ reibungslosen Austausch von Daten, zum Beispiel um Teile nachzubestellen, Transportaufträge zu vergeben oder Angebotsanfragen zu stellen. Meist werden die Rahmenverträge, unter denen die Aufträge dann abgearbeitet werden, noch von den Menschen in den Ein- und Verkaufsabteilungen ausgehandelt, da hier noch schwer objektivierbare Kriterien wie gegenseitiges Vertrauen, langjährige Lieferbeziehungen und strategische Technologiepartnerschaften eine Rolle spielen. Sobald der Rahmen aber steht, werden die einzelnen Vorgänge, soweit es geht, innerhalb der Software abgewickelt.
    Je mehr die Unternehmen durchdigitalisiert werden, je mehr Details aus allen Bereichen der Geschäfte sowie internen und externen Prozessen in standardisierten Datensätzen vorliegen und so analysierbar werden, desto weiter kann die Automatisierung dieser Vorgänge reichen. Die Marktzyklen für Getreide oder Vieh etwa werden im Detail von Algorithmen der Spekulanten analysiert, die Hunderte Faktoren in Betracht ziehen: historische Marktdaten, die Wetterentwicklung und -vorhersage, den Preis von Vorprodukten wie Dünger, dessen Preis wiederum von dem des Erdgases abhängt, die Verfügbarkeit und die Preise für Futter oder aktuelle und historische Marktzahlen der Supermarktketten über Verkäufe.
    Das Interessante an dieser Art der Optimierung der Abläufe und Entscheidungen ist, daß jene Algorithmen, die verschiedenen Subspezies der sogenannten künstlichen Intelligenz wie Machine Learning und Support Vector Machines entstammen, nicht versuchen, eine perfekte Vorhersage auf der Basis einzelner kausaler Zusammenhänge zu treffen. Sie suchen vielmehr nach Korrelationen zwischen den verschiedenen Trends und Datenbasen, die sie auf die derzeitige Lage anwenden, um daraus verschieden wahrscheinliche Zukunftsszenarien abzuleiten. Es geht dabei nicht mehr um präzises Wissen, um exakte Wissenschaft, sondern darum, häufig genug richtigzuliegen.
    Die Komplexität der Handelsalgorithmen wird auf der