Vom Waste zur Warp-Geschwindigkeit: Wie ein führendes Logistikunternehmen mit VSM eine 29%ige Wertsteigerung erzielte

Das weltweit tätige Transportunternehmen bietet Unternehmensdienstleistungen und Logistiklösungen für kleine Unternehmen, große Konzerne und Privatpersonen. Das in Nordamerika ansässige Unternehmen legt dabei Wert auf Innovation und investiert in moderne Daten- und Technologiefunktionen, um seine komplexe Betriebslandschaft zu unterstützen und ihren Kund:innen zuverlässige Dienstleistungen zu bieten.

Nach einer mehrjährigen Transformation und der erfolgreichen Implementierung des Scaled Agile Framework® (SAFe®) zur Maximierung der geschäftlichen Agilität musste das Transportunternehmen seine Bereitstellungsgeschwindigkeit so kostengünstig und effizient wie möglich erhöhen. Mit 25 Milliarden täglichen Ereignissen benötigte die Organisation eine zuverlässige Value-Stream-Management(VSM)-Lösung, die verwertbare, datengestützte Einblicke in sein umfangreiches Value-Stream-Portfolio bieten und Bereiche mit Verschwendung und Verzögerungen identifizieren konnte.

Das führende Transportunternehmen mit klarem Kundenfokus entschied sich für Planview® Viz als VSM-Lösung, um seine SAFe-Implementierung um Flow-Metriken und datengesteuerten Insights zu ergänzen. Anhand der VSM-Daten identifizierten sie Bereiche, in denen es zu Verschwendung und Ineffizienzen im Lebenszyklus der Softwareentwicklung kam. Der nächste Schritt bestand in der Durchführung von datengesteuerten Experimenten im kleinen Umfang und iterativen Verbesserungszyklen über mehrere Programminkremente (PIs) hinweg, um den Flow zu optimieren. Dann skalierte die Organisation bewährte Erkenntnisse auf weitere Agile Release Trains (ARTs), um die Bereitstellungsgeschwindigkeit zu erhöhen, ohne die Kosten zu steigern.

Dieses führende Transportunternehmen musste seine Time-to-Market verkürzen und Ineffizienzen bei der Bereitstellung reduzieren, ohne die Kosten zu erhöhen oder in zusätzliche Entwicklungskapazitäten zu investieren.

Um dieses wichtige Ziel zu erreichen, wurde die strategische Entscheidung getroffen, sich auf die Optimierung des Flows im gesamten Unternehmen zu konzentrieren und mit kleinen Verbesserungen in den Teams und ARTs zu beginnen.

Allerdings fehlten der Organisation zwei entscheidende Komponenten:

1. standardmäßige Flow-Metriken, die als Grundlage für Verbesserungen dienen
2. umsetzbare Datenerkenntnisse, mit denen erhebliche Engpässe für den gesamten Value-Stream-Delivery-Prozess identifiziert werden können

Ohne die aggregierten Daten aus verschiedenen Entwicklungstools und ohne Überblick über die Engpässe und Verschwendung war es für die Organisation schwierig, spezifische Bereiche für Verbesserungen zu identifizieren.

Darüber hinaus fehlte ihnen ein ganzheitlicher Überblick über den Lebenszyklus ihrer Softwareentwicklung, um zu verstehen, wo die Arbeit ins Stocken geraten war, was zu erheblichen Engpässen und Verzögerungen führte.

„Wir wollen unseren Kunden immer schneller einen größeren Nutzen bieten, aber man kann nicht einfach einen Blankoscheck vorlegen und sagen, dass die Kosten keine Rolle spielen“, so ein Senior Consultant für Business Agility. „Um effizient zu sein, mussten wir wirklich wissen, welche Schritte im Prozess uns ausbremsen, und wir brauchten auf Daten basierende Erkenntnisse, um diese Möglichkeiten zu verstehen und wie sie sich in Bezug auf Teams, ARTs und sogar Portfolios unterscheiden.“

Ohne eine robuste VSM-Lösung, die verwertbare Daten und Erkenntnisse lieferte, wussten die Führungskräfte nicht, in welchen Bereichen sie Verbesserungen anstreben und worauf sie ihre Anstrengungen konzentrieren sollten, um die Time-to-Market zu verkürzen.

Um einen Einblick in Bereiche mit Verschwendung und Verzögerungen zu erhalten, datengestützte Insights zur Optimierung des Flows zu verwenden und mehr Nutzen aus den Investitionen in SAFe zu ziehen, entschied sich das Unternehmen für Planview Viz als VSM-Lösung.

Die Organisation begann mit kleinen Experimenten zur Optimierung des Flows in Teams und ARTs, um die Time-to-Market zu verkürzen, und skalierte dann bewährte, datengestützte Verbesserungen auf weitere ARTs.

Die Erhöhung der Flow Velocity oder des Durchsatzes stand im Mittelpunkt des ersten Verbesserungsexperiments der Organisation. Obwohl es kontraintuitiv erschien, glaubten sie, dass sie durch die Verringerung der laufenden Arbeiten (WIP), sprich der Flow Load, die Ergebnisse schneller bereitstellen und die Flow Velocity erhöhen könnten.

Das Unternehmen nutzte auch den Planview Viz Bottleneck Finder, um sich einen ganzheitlichen Überblick über den gesamten Software-Delivery-Lebenszyklus zu verschaffen. Bei den Flow-Status mit den größten Engpässen wurden weitere Möglichkeiten zur Verbesserung des Flows und Kosteneinsparungen ermittelt.

„Eine andere Möglichkeit, um herauszufinden, was zu verbessern ist, besteht darin, herauszufinden, welcher Prozessschritt die größte Verzögerung verursacht, und das ist der Engpass, der angegangen werden muss. Mit Planview Viz erhalten wir diesen Einblick ganz einfach, weil es Daten darüber zusammenträgt, wie lange jeder Schritt für jedes Work Item, das das System durchläuft, dauert“, so ein Senior Business Agility Consultant.

„Als wir dem Engpass auf den Grund gingen, stellten wir fest, dass wir 25 Features mit dem Status „Test“ hatten, die dort über 15-mal länger verweilten als in anderen Phasen, dort befindet sich also der Engpass. Der nächste Schritt bestand darin, eine Hypothese aufzustellen, wie der Engpass verringert und behoben werden kann“, berichtete der Consultant.

Durch die Durchführung iterativer Flow-Experimente und den Vergleich von Flow-Metriken über mehrere PIs hinweg konnte die Organisation ihre Hypothesen validieren, neue Bereiche für Verbesserungen identifizieren und Änderungen in großem Umfang einführen.

„Wir haben uns dazu entschlossen klein zu beginnen mit einem Ansatz, an dessen Beginn ein Proof-of-Concept-Test stand. Wir testeten die Lösung in drei Agile Release Trains, ermittelten unsere Kennzahlen und begannen dann, Verbesserungen vorzunehmen. Dann folgte ein weiterer Iterationszyklus. Danach war wahrscheinlich ein guter Zeitpunkt, um den Test zu erweitern. Bei der Erweiterung des Tests wurden dieselben Schritte in einem anderen Team oder einem anderen ART durchgeführt, woraufhin wieder eine neue Iteration erfolgte. Der letzte Schritt bestand darin, den Flow im gesamten Unternehmen zu optimieren und zu skalieren“, berichtete der Consultant.

Nach der Umsetzung dieses Ansatzes und der Überwachung der Flow Velocity über den Zeitraum von vier PIs hinweg konnte die Organisation ihre Theorie bestätigen und beobachtete einen signifikanten Anstieg der Flow Velocity auf 29 %.

„Unsere Hypothese bestand darin, dass wir unsere Bereitstellung steigern könnten, wenn wir die durchschnittliche Flow Load oder den WIP während eines PI auf weniger als die historische Geschwindigkeit reduzieren könnten. Unser Experiment erwies sich als erfolgreich – wir sahen eine große Verbesserung der Flow Velocity von 29 % im Verlauf von vier PIs; in einem PI konnten wir statt 17 Funktionen 24 bereitstellen“, sagte der Senior Business Agility Consultant.

Sobald das Unternehmen während des Experiments auf einen Ausreißer stieß, konnte es weitere Details zu den Daten aufrufen und so eine weitere Möglichkeit zur Optimierung des Datenflusses aufdecken.

„Wir ermittelten eine neue Variable, nämlich eine Zunahme von Produktionsstörungen, die einen Rückgang der Flow Velocity verursachten. Das war eine großartige Erkenntnis in das, was wir als Nächstes verbessern könnten und diente zugleich als Grundlage für das nächste Experiment zur Verbesserung des Flows, bei dem wir die technischen Schulden reduzierten, indem wir planten, im nächsten PI mehr Ressourcen für die Tech-Debt-Features zuzuteilen“, so ein Senior Business Agility Consultant.

Dem Transportunternehmen ist es gelungen, die Bereitstellungsgeschwindigkeit über mehrere Teams hinweg zu beschleunigen, ohne die Kosten zu erhöhen, indem es datengesteuerte Erkenntnisse aus Planview Viz nutzte. Durch das Konstanthalten der Flow Load auf einem Wert von 70 bis 80 % der historischen Flow Velocity konnte eine nachhaltige Verbesserung der Flow Velocity erreicht werden. Vor dem Experiment lag die zugrunde liegende Kennzahl der Teams für die Flow Load bei 224 % der Flow Velocity.

Darüber hinaus konnte das führende Transportunternehmen durch die Nutzung datengestützter Erkenntnisse auch erhebliche Kosteneinsparungen erzielen.

„Wenn Sie Verbesserungen bei der Flow Velocity und der Flow Time feststellen, sind damit finanzielle Einsparungen verbunden. Wenn Sie die Flow Velocity verbessern, bleiben die Kosten konstant, aber es wird mehr erledigt und umgesetzt, was Einsparungen bei der Kapazität von Entwicklungsteam entspricht. Bei einer Verringerung der Flow Time ergeben sich Einsparungen in Bezug auf die Kosten von Verzögerungen. Wenn Sie den geschäftlichen Nutzen wichtiger Portfolio-Initiativen nicht verzögern, erzielen Sie finanzielle Einsparungen“, so der Senior Business Agility Consultant.

Nach Abschluss mehrerer erfolgreicher Verbesserungen am Flow nutzt die Organisation weiterhin die aus dem Experiment gewonnenen Metriken und Erkenntnisse, indem sie die Daten in ihre laufende PI-Planung einbeziehen. Auf diese Weise kann die Produktleitung Roadmaps mit größerer Genauigkeit entwickeln und Erkenntnisse über Engpässe als Frühindikatoren für potenzielle Verzögerungen oder Verschwendung im Laufe des PI nutzen.

„Neben der Verwendung von Daten und Erkenntnissen für Retrospektiven und kontrollierte Experimente nutzen wir die Daten auch proaktiv zur Vorbereitung auf ein PI. Wir können spezifische, realistische Ziele für Flow-Metriken auf der Grundlage historischer Daten festlegen und dann während des PI den Bottleneck Finder überwachen, um den Entwicklungen immer einen Schritt voraus zu sein“, so der Senior Business Agility Consultant.

Um der sich schnell verändernden Betriebslandschaft von Zustelldienste gerecht zu werden, hat sich das Transportunternehmen das Konzept der kontinuierlichen Verbesserung zu eigen gemacht und befähigt Teams im gesamten Unternehmen, Flow-Metriken und Erkenntnisse zu interpretieren und zu nutzen, um neue Verbesserungszyklen für den Flow einzuleiten.

„Wir wollen, dass die Menschen, die an der Arbeit und den Aufgaben beteiligt sind, wissen, dass die Daten ihnen helfen werden, ihre Probleme zu lösen. Vielleicht hatten sie schon immer eine Vorstellung, was sie gerne machen wollten, oder wir brauchen mehr Tester oder etwas anderes. Wir behalten die Flow-Metriken immer auf der Suche nach Verbesserungsmöglichkeiten im Auge“, so der Senior Business Agility Consultant.