Zwischen Euphorie und Skepsis

Kaum ein Thema polarisiert den strategischen Einkauf so stark wie Künstliche Intelligenz. Auf der einen Seite stehen die Enthusiasten, die in KI die Lösung für alle Herausforderungen sehen, von der Spend-Analyse bis zur Lieferantenentwicklung. Auf der anderen Seite die Skeptiker, die KI-Ergebnissen misstrauen und auf die bewährte Kombination aus Erfahrung, Marktkenntnis und eigenem Urteilsvermögen setzen.

Beide Lager haben Recht und beide liegen falsch, wenn sie die jeweils andere Seite ignorieren.

Denn KI im strategischen Einkauf ist weder Allheilmittel noch Hype. Sie ist ein mächtiges Werkzeug aber nur in den richtigen Händen.

Was KI im Einkauf wirklich kann

Die Stärken von KI liegen dort, wo Menschen an ihre natürlichen Grenzen stoßen: bei der Verarbeitung großer Datenmengen, der Erkennung von Mustern und der Geschwindigkeit der Analyse.

Konkret bedeutet das im strategischen Einkauf:

• Preisindexvergleiche auf Knopfdruck. Statt manueller Recherche und aufwändiger Excel-Modelle kann KI automatisch Marktindizes etwa von Eurostat oder dem Statistischen Bundesamt mit den eigenen Warengruppen abgleichen und Abweichungen sofort sichtbar machen. Was früher Tage dauerte, gelingt heute in Minuten.
• Mustererkennung in Lieferanten- und Preisstrukturen. KI erkennt Ungereimtheiten in Preisverläufen, unlogische Staffelpreisstrukturen oder auffällige Mengenschwankungen, und das über sämtliche Materialnummern und Lieferanten gleichzeitig. Kein menschliches Auge könnte diese Datenmenge in vertretbarer Zeit durchforsten.
• Predictive Analytics für bessere Verhandlungen. Auf Basis historischer Preis- und Marktdaten kann KI Preisentwicklungen modellieren und dem Einkäufer einen faktenbasierten Argumentationsrahmen für Lieferantenverhandlungen liefern.

Wo KI an ihre Grenzen stößt

So beeindruckend diese Möglichkeiten sind, KI ersetzt nicht das strategische Denken des erfahrenen Einkäufers. Und das aus gutem Grund.

KI arbeitet mit Mustern aus der Vergangenheit. Sie kann nicht einschätzen, ob ein Lieferant trotz schlechter Kennzahlen ein strategisch unverzichtbarer Partner ist. Sie versteht keine politischen Marktdynamiken, keine persönlichen Verhandlungsbeziehungen und keine unternehmensspezifischen Prioritäten.

KI liefert Vorschläge und keine Entscheidungen. Sie zeigt Potenziale auf, die ohne sie unsichtbar geblieben wären. Aber ob und wie diese Potenziale gehoben werden, bleibt die Aufgabe des Menschen.

Das ist keine Schwäche der KI. Es ist die natürliche Arbeitsteilung zwischen Mensch und Maschine und genau darin liegt der eigentliche Mehrwert.

Die entscheidende Voraussetzung: Datenbasis

KI ist nur so gut wie die Daten, auf denen sie arbeitet. Das ist der Punkt, an dem viele Einkaufsorganisationen scheitern. Nicht an der Technologie, sondern an der Datenqualität.

Fehlende Stammdaten, inkonsistente Warengruppensysteme, Daten aus verschiedenen Quellen die nicht harmonisiert sind, all das macht KI-Analysen unzuverlässig oder schlicht unmöglich. Wer KI sinnvoll einsetzen möchte, braucht zunächst eine saubere, vollständige und einheitliche Datenbasis.

Ein leistungsstarkes Einkaufsinformationssystem wie WebCIS 4.0 schafft genau diese Voraussetzung: konsolidierte Daten aus verschiedenen Quellen, einheitliche Warengruppensystematiken und interaktive Dashboards als solide Grundlage für integrierbare KI-Modelle die echten Mehrwert liefern.

Fazit: KI als Verstärker menschlicher Expertise

KI im strategischen Einkauf ist kein Hype, aber auch kein Selbstläufer. Ihr wahrer Mehrwert entfaltet sich dort wo sie das macht, was sie am besten kann: Daten analysieren, Muster erkennen und Potenziale aufzeigen schneller und umfassender als jeder Mensch es könnte.

Die strategische Einordnung, die Entscheidung und die Verhandlung bleiben Aufgabe des erfahrenen Einkäufers. Nicht weil KI dazu nicht in der Lage wäre, sondern weil Einkauf im Kern ein Menschengeschäft bleibt.

Die Frage ist also nicht, ob KI im strategischen Einkauf Mehrwert schafft. Die Frage ist, ob Ihre Organisation die Voraussetzungen hat diesen Mehrwert zu nutzen.

Der Beitrag KI im strategischen Einkauf – Hype oder echter Mehrwert? erschien zuerst auf SOFTCON CIS.

KI-Macher oder Bedenkenträger

Zwei Lager tun sich auf, wenn mathematische KI-Modelle als Ergänzung zu belastbaren KPIs oder als Ideengeber im strategischen Einkauf betrachtet werden: Hier die Befürworter und Macher, die KI-Modelle in Ihrem Arbeitsumfeld sofort als weiteren Fortschritt wahrnehmen. Dort die Bedenkenträger, die die unzureichende Perfektion der KI-Vorschläge bemängeln und KI-Ergebnissen im Vergleich zur eigenen Zahlenwelt ablehnen. Fakt ist – ohne die Fehler der KI-Modelle zu negieren – nie zuvor konnte man mit einer derartigen Geschwindigkeit Vorschläge, Ideen, Potentiale aufgezeigt bekommen, die eine Erweiterung bekannter Denkmuster ermöglichen, faktenbasiert und nicht als Bauchgefühl.

Ein Informationssystem wie WebCIS 4.0, das Berichtswesen, interaktive Dashboards und Entscheidungsunterstützung im Einkauf auf Knopfdruck bereithält, ist eine exzellente Basis für Analysen mittels integrierbarer KI-Modelle.

Marktbenchmarks von Preisindizes, das Aufspüren unplausibler Preis- und Mengenstrukturen, Kostentreiberanalysen, Predictive Analytics kommen aus Mustern, die ohne KI gar nicht denkbar wären.

Indexvergleich von Preisverläufen

Orientiert man sich an der Materialkostenveränderung als der Messgröße für die Wirkung einkäuferischen Handelns auf das Unternehmensergebnis kommt naturgemäß die Frage: Wie ist die Entwicklungen der Materialkosten im Vergleich zu Marktindices? Durch die KI-unterstützte Zuordnung von Indizes – NACE, Eurostat, stat. Bundesamt – zu Warengruppen können nicht nur fallweise Überprüfungen durchgeführt, sondern sämtliche Warengruppen auf Knopfdruck verglichen werden inkl. Aufriss auf Lieferanten und Materialien. Unerlässlich für tiefere Analysen.

Homogenitätsindex und Warengruppenstruktur

Indexvergleiche provozieren oft Zweifel an ihrer Aussagekraft als Folge möglicher unzureichender Warengruppenzuordnungen. KI-basierte Homogenitätsindizes helfen hier weiter, um ein objektiveres Bild der Übereinstimmung zugeordneter Materialien zu erhalten. Als Ideenerweiterung kann man sich auch ein zusätzliches alternatives Warengruppensystem vorstellen, einzig mit dem Ziel innerhalb der Warengruppen einen möglichst hohen Homogenitätsindex zu erreichen. In WebCIS eingebettete KI-Modelle ermöglichen hierzu wertvolle Vorschläge und Vergleiche.

KI-basierte Nutzung von Staffelpreisen

Losgrößenabhängige Konditionen gelten nach wie vor als gängiger Weg, mit dispositiven Schwankungen umzugehen. Doch nach welchen Regeln werden Staffelmengen und Staffelpreise definiert? Auf diese einfache Frage kommt selten eine plausible Erklärung Zwei wichtige Fragen stellen sich bei der Staffelpreisdefinition: Welche Materialien eignen sich überhaupt für Staffelpreise und sind die Staffeln so aufgebaut, dass Fixkosten und variable Kosten in jeder Staffel eine logische Preiskalkulation darstellen? KI-Modelle zeigen Ungereimtheiten und Lösungen auf Knopfdruck.

Im nächsten Schritt sollte man die genutzten Staffeln mit besseren preislichen Alternativen vergleichen. Unter Abwägung der Preisvorteile, Lagerkosten und Kapitalbindung sind Einsparungen von 5%-10% realistisch.

Was ist steigendes Einkaufsvolumen wert?

Was landläufig Mengen- bzw. Volumenrabatt genannt wird, bietet auch im industriellen Einkauf messbare Einsparmöglichkeiten. Fixkostendegression, verbesserte Planungssicherheit und Frachtoptimierungen gehen häufig mit steigenden Mengen und Einkaufsvolumen einher. In der harten Realität aus Zahlen und Fakten zeigen nennenswerte Mengensteigerungen kaum messbare Kostenreduktionen, oft mit der Begründung, dass belastbare Zahlenzusammenhänge fehlen. Ein Knopfdruck in WebCIS genügt, um potenzielle Materialnummern und Lieferanten zu identifizieren, mit denen u.U. Bonusvereinbarungen bzw. -staffeln verhandelbar wären. Ergänzt um die KI-basierte Zuordnung von Preisindizes lassen sich die Volumensteigerungen im Lichte der Indexveränderungen der Märkte betrachten. Sowohl im direkten Einkauf als auch im indirekten Einkauf ergeben sich damit ertragreiche Argumentations- und Handlungsspielräume.

Diese wenigen Beispiele zeigen, wie mathematische und statistische Modelle der künstlichen Intelligenz ein eigener Rohstofffaktor im strategischen Einkauf schon heute sind und zukünftig ausgefeilter werden.

Der Beitrag WebCIS AI: Der perfekte Daten-Booster für KI im strategischen Einkauf erschien zuerst auf SOFTCON CIS.

Aktuell steht für den Einkauf vordringlich die Versorgung der eigenen Produktion bzw. der Leistungsfähigkeit des Unternehmens im Vordergrund. Materialien und Dienstleistung müssen – fast um jeden Preis – beschafft werden. Explodierende Rohstoff- und Energiepreise machen viele bestehende Lieferverträge zur Makulatur. Um eigene Leistungen und Produkte weiterhin am Markt anbieten zu können, ist der Einkauf derzeit gezwungen, Preisnachforderungen seitens der Lieferanten über existierende Verträge hinaus, zu akzeptieren.

Was im Moment der Situation geschuldet ist, wird für das kommende Geschäftsjahr zu einem Drahtseilakt. Und die Fragen an den Einkauf seitens der Geschäftsleitung werden dringlicher:

Wie entwickeln sich die Zukaufpreise in 2022 und darüber hinaus?

Ohne eine auf Szenarien basierte Einkaufsplanung, die viele Einflussfaktoren berücksichtigen kann, wird die Antwort zum Ratespiel. Und selbst wenn die Einflüsse der Rohstoffe und Preisbestandteile einigermaßen sauber vorliegen, stellt sich die Frage, wie volatil sind die verhandelten Konditionen.

Wie groß ist die mögliche Schwankungsbreite von Preisen in den nächsten Jahren?

Wie immer die Aussage des Einkaufs auf derartige Fragen ausfällt, sie ist ohne fundierte Planung definitiv mit großer Unsicherheit behaftet. Seriöse Vorhersagen zur künftigen Entwicklung der Materialkosten sind nie ein punktgenauer Wert.Derartige Aussagen lassen sich nur in einer mehr oder weniger großen Bandbreite darstellen. Die Größe der Bandbreite und die Zuverlässigkeit und Qualität der Vorhersagen hängen von den Szenarien ab, die der Einkaufsplanung zugrunde liegen.

Hier kommt die große Stärke der WebCIS 4.0 Einkaufsplanung zum Tragen. Szenarien und Simulationen können hochautomatisiert erstellt und variiert werden. Flexibel lassen sich mit Mengen, Preisen und Quoten für alle geplanten Leistungen und Materialien „spielen“. Ganze Gruppen von Preisen können mit unterstellen Preissimulationen versehen werden. Neuteile, Materialwechsel, Staffelpreise, Wechselkurseinflüsse, Lieferantenwechsel bzw. Quotenveränderungen fliesen in diese Szenarien ein und liefern präzise Anhaltspunkte, welchen Einfluss der Einkauf auf die GuV der Zukunft haben wird.

Der Mehrwert der WebCIS-Einkaufsplanung liegt in der Präzision der Simulationsszenarien. Hierbei wird jede Simulation am Ende auf Material und Lieferanten heruntergebrochen, selbst wenn die Simulationswerte auf aggregierten Lieferanten-, Warengruppen- oder anderen Ebenen eingegeben werden. Nur auf der untersten Ebene und nicht auf aggregierten Ebenen sind glaubwürdige und messbare Planungen sinnvoll.

In WebCIS 4.0 integrierte Dashboards begleiten den Planungsprozess und zeigen damit sofort Auffälligkeiten und Ausreißer auf. Sind Preis- und/oder Mengenveränderungen plausibel? Welche Chancen und Risiken sind damit verbunden?

Da sich geplante Szenarien auf allen Aggregationsebenen miteinander vergleichen lassen, ergeben sich am Ende zwangsläufig belastbare und nachvollziehbare Aussagen, wie groß die Schwankungsbreite künftiger Einkaufspreise sein wird.

Der Beitrag WebCIS 4.0 Modul Einkaufsplanung: Die Zukunft kalkulierbar machen erschien zuerst auf SOFTCON CIS.

Ein perfekt strukturiertes Informationssystem wie WebCIS 4.0, das Berichtswesen, Benchmarks und strategische Entscheidungen für den Einkauf auf Knopfdruck ermöglicht, ist eine exzellente Basis für Analysen durch integrierte KI-Modelle.

Marktvergleiche mit Preisindizes, das Aufspüren von unlogischen Preis- und Mengenstrukturen bei Staffelpreisen, Vorschläge der KI durch angelernte Muster, Prognosen, die auf einem Lernprozess beruhen, sind Wege, die ohne KI gar nicht denkbar wären.

Unserer Erfahrung nach teilen sich die Interessenten für mathematische KI-Modelle in zwei Lager: Chancenjäger, die die Ergebnisse von KI-Modellen in Ihrem Arbeitsumfeld sofort als weiteren Fortschritt wahrnehmen und Bedenkenträger, die unzureichende Perfektion bei der Zuordnung von Marktindizes bemängeln und Vergleiche von KI-Ergebnissen mit der eigenen Zahlenwelt ablehnen. Fakt ist – ohne die Fehler der KI-Modelle zu negieren – nie zuvor konnte man mit einer derartigen Geschwindigkeit, Vorschläge, Ideen, Potentiale bekommen, die eine erweiterte Sicht aktueller Denkmuster ermöglichen. Faktenbasiert und nicht als Bauchgefühl.

Marktindexvergleiche als Benchmark auf Knopfdruck.

Orientiert man sich an dem Leistungsnachweis für erfolgreiche Einkaufsaktivitäten stellt sich sofort die Frage: Ist die Entwicklungen der Materialkosten je Warengruppe im Vergleich zu Marktindices besser oder schlechter. Durch die KI-unterstützte Zuordnung von Warengruppen zu passenden Indizes – NACE, Eurostat, stat. Bundesamt – können nicht nur fallweise Vergleiche, sondern sämtliche Warengruppen auf Knopfdruck eingeordnet werden, inkl. Aufriss auf Lieferanten und Materialien. Ein eindrucksvolles Bild entsteht für tiefergehende Analysen.

Homogenitätsindex als Maßstab der Warengruppenbildung

Obige Indexvergleiche provozieren naturbedingt Zweifel an der Aussagekraft existierender Warengruppenzuordnungen. KI-basierte Homogenitätsindizes zeigen innerhalb der Warengruppen oft nur geringe Übereinstimmungen der zugrunde liegenden Vergleichsmerkmale. Ein spannender Weg zur Erweiterung des eigenen Betrachtungshorizonts wäre ein zusätzliches alternatives System, einzig mit dem Ziel innerhalb der Warengruppen einen möglichst hohen Homogenitätsindex zu erreichen. KI-Modelle leisten hierbei wertvolle Vorschläge.

Multiregressionsanalysen zur Identifizierung der Kostentreiber
Wie wirken Eigenschaften eines Zukaufteils auf die Kaufpreise?  Eine Möglichkeit wäre ein aufwändiger Cost-Break-Down. Doch wie viele Teile lassen sich in angemessener Zeit analysieren? Und auch dann sind die internen Diskussionen je nach Ergebnis nicht gerade klein. Eine Multiregressionsanalyse holt sich die Eigenschaften von Materialien – Gewicht, Größe, Werkstoff, Fertigungsverfahren und weitere Merkmale, die den Kaufpreis beeinflussen. Die Regressionsgleichung zeigt, welcher Einflussfaktor welchen Anteil an der Preisbildung hat und wo man verhandeln kann.

Staffelpreise: Sind Definition und Nutzung logisch oder Zufall?

Losgrößenabhängige Preise gelten nach wie vor als ein gängiger Weg, mit dispositiven Schwankungen umzugehen. Doch nach welchen Regeln werden Staffelmengen und Staffelpreise eigentlich definiert? Auf diese einfache Frage kommt selten eine plausible Erklärung Zwei wichtige Fragen stellen sich bei der Staffelpreisdefinition: Welche Materialien eignen sich überhaupt für Staffelpreise und sind die Staffeln so aufgebaut, dass Fixkosten und variable Kosten für jede Staffelmenge eine logische Preiskalkulation ermöglichen? KI-Modelle zeigen denkbare Ungereimtheiten und Lösungen auf Knopfdruck.

Im nächsten Schritt sollte man die tatsächlich genutzten Staffeln mit möglichen günstigeren Staffelpreisen vergleichen. Unter Abwägung der Preisvorteile und trotz höherer Kapitalbindung sind Einsparungen von 5-10% realistisch.

Hat steigendes Einkaufsvolumen Einfluss auf das Einkaufsergebnis?

Was landläufig Mengen- bzw. Volumensrabatt genannt wird, existiert auch im industriellen Einkauf. Fixkostendegression, verbesserte Planungssicherheit und Frachtoptimierungen gehen mit steigendem Volumen einher. Erstaunlich, wie oft wir systemseitig Mengensteigerungen mit kaum wahrnehmbaren Kostensenkungen bzw. fehlenden Bonusvereinbarungen aufspüren.

Im WebCIS genügt ein Knopfdruck, um potenzielle Lieferanten zu identifizieren, mit denen u.U Bonusstaffeln möglich wären.

All diese Beispiele zeigen, wie die mathematischen und statistischen Modelle der künstlichen Intelligenz ein eigener Rohstofffaktor im Einkauf der Zukunft schon sind und weiter reifen werden.

Werner Güntner (CEO)

Der Beitrag WebCIS AI:  GuV-wirksame Potentiale dank künstlicher Intelligenz im strategischen Einkauf erschien zuerst auf SOFTCON CIS.

Mit ihrer langjährigen Unternehmenszugehörigkeit – Martin Mayr seit 1998, Oliver Schmidt seit 2007 – und ihrer über viele Jahre hinweg wahrgenommenen Führungsverantwortung bringen beide umfassende Erfahrung und tiefes Unternehmensverständnis in ihre neuen Rollen ein. Ihre Berufung in die Geschäftsführung ist ein konsequenter Schritt und würdigt ihr nachhaltiges Engagement für die Weiterentwicklung des Unternehmens.

Mit der Erweiterung der Geschäftsführung stellen wir uns organisatorisch breiter und zukunftsorientiert auf.

Gemeinsam mit unserem Gründer bildet das Führungsteam eine starke Einheit, die Kontinuität, operative Exzellenz und strategische Weiterentwicklung vereint.

Der Beitrag Strategische Verstärkung: Geschäftsführung wächst mit langjähriger Expertise erschien zuerst auf SOFTCON CIS.

Der Begriff Savings wird häufig zur Beschreibung von Einsparungen im Einkauf verwendet. Immer wieder werden wir in unseren Gesprächen mit diesem schwammigen Begriff konfrontiert. Bei näherem Nachfragen kommen die unterschiedlichsten Aussagen zu den Inhalten dieser Kennzahl zutage. Die einen meinen ergebniswirksamen Einsparungen, die anderen Kostenvermeidungen, die nächsten Verhandlungsergebnisse.

Um jedoch die Wirkungsweise von Aktivitäten des Einkaufs in Richtung Einsparungen richtig bewerten zu können, ist es wichtig, den Savingsbegriff möglichst differenziert zu betrachten und Ergebnisse dementsprechend sauber auszuweisen.

Eine Unterteilung in ergebniswirksame Einsparungen sowie Verhandlungsergebnisse ist daher unerlässlich. Erstere kommen eher im Serieneinkauf vor, zweitere sind dem Indirekten Einkauf vorbehalten. Die Ergebniswirksamkeit bezieht sich auf die Gewinn- und Verlustrechnung des Unternehmens und kann auf Basis der tatsächlichen Rechnungsbuchungen im ERP-System teile-bezogen nachgewiesen werden. Hierzu ist eine automatische Controlling-Lösung erforderlich, die dies automatisch abhandelt. Wichtig hier: das Aufzeigen der Kostenursachen durch Währungseffekte, technische Veränderungen, Lieferantenwechsel, Losgrößen etc.

Verhandlungsergebnisse lassen sich nicht so einfach über die ERP-Daten ableiten. Hierzu ist eine Nebenrechnung über eine zusätzliche Eingabe erforderlich – entweder im ERP oder außerhalb in einem separaten Erfassungstool. Die Berechnung basiert hier auf dem Vergleich des Vergabe- / Bestellwertes zu dem besten unverhandelten Angebotswert. Die Differenz daraus wird als Einkaufsleitung definiert. Bei vorhandenen Budgetwerten ist sogar ein Einkaufsergebnis ableitbar.

Abwehr von Preiserhöhungen sind hier ebenfalls zu erfassen. Allerdings wird hier die Luft in Sachen Nachvollziehbarkeit und Akzeptanz immer dünner.

In WebCIS 4.0 lassen sich alle Berechnungsformen der „Savingsberechnung“ wiederfinden. Sauber voneinander getrennt und transparent nachvollziehbar.
Die enthaltenen Best-of-Breed Dashboards liefern diese Erfolgsnachweise des Einkaufs auch in der ansprechenden optischen Aufbereitung.

Fazit: Das Arbeiten mit klaren Begriffen und Definitionen ist unerlässlich – sollte der Einkauf hier nicht in den Ruf kommen, Zahlen zu berichten, die keiner mehr nachvollziehen kann. Bleiben Sie klar und konkret in Ihrer Berichterstattung. Ihre GF wird es Ihnen danken.

Der Beitrag GUV wirksame Einkaufsaktivitäten versus Savings erschien zuerst auf SOFTCON CIS.

Natürlich: Automatisierung und KI bieten enorme Chancen, Prozesse effizienter und kostengünstiger zu gestalten. Doch entscheidend ist, wie wir sie einsetzen. Denn ohne menschliches Urteilsvermögen, Marktverständnis und Kreativität bleibt der Einkauf auf halber Strecke stehen.

Musterbasierte Analysen – von Preisentwicklungen über Benchmark-Vergleiche bis hin zu Wechselkurs- oder Rohstoffindex-Analysen – gehören seit Jahren zum Standard. KI kann das schneller und umfassender, keine Frage. Aber ob sie auch in Zukunft komplexe, kreative Auswertungen eigenständig entwickelt, ist noch offen.

Intelligenz bleibt menschlich

Einkaufscontrolling ist mehr als eine reine „Savings-Maschinerie“. Es ist ein Steuerungsinstrument, das strategische Entscheidungen vorbereitet. Dafür braucht es leistungsfähige Plattformen, die Daten nicht nur sammeln, sondern intelligent verknüpfen und interpretieren. KI ist hier ein zentraler Baustein – aber eben nicht der einzige.

Denn Daten sind heute der wertvollste Rohstoff. Sie entfalten ihren Nutzen erst dann, wenn sie zielgerichtet ausgewertet und in konkrete Handlungsempfehlungen übersetzt werden. Systeme wie WebCIS unterstützen diesen Prozess mit moderner Self-Service-BI, automatisierten Forecasts und flexiblen Analysemöglichkeiten. Aber klar ist auch: Entscheidungen trifft am Ende der Mensch – nicht die Maschine.

Der Einkauf als Impulsgeber

Ein erfolgreicher Einkauf blickt nicht nur zurück, sondern auch nach vorn. Datenbasierte Planung, Forecasting und ein durchdachtes Stücklistencontrolling machen den Einkauf zu einem aktiven Treiber im Unternehmen – mit direktem Einfluss auf Vertrieb, Produktion und Strategie.

WebCIS unterstützt dabei, indem es Analysen beschleunigt, Transparenz schafft und neue Fragestellungen ermöglicht. So wird der Einkauf zum Impulsgeber, statt sich nur von der KI führen zu lassen.

Mehr als nur Einsparungen

Natürlich bleibt Kostenoptimierung ein Kernthema. Aber moderne Einkaufsorganisationen erwarten mehr: Flexibilität, Transparenz und die Möglichkeit, Analysen individuell zu gestalten. Hier setzt WebCIS mit einer breiten Palette an KPIs, variablen Analysetools und über 20 Jahren Praxiswissen an.

Besonders wertvoll: Die Kombination aus Algorithmen und Kundenfeedback. Denn ein System lernt nicht nur aus Daten, sondern auch aus den realen Herausforderungen seiner Anwender. So entstehen praxisnahe, innovative Auswertungen – etwa Varianzanalysen, globale Preisbenchmarks oder Best-in-Class-Vergleiche.

Mensch und Maschine im Zusammenspiel

KI ist ein starkes Werkzeug, wenn es darum geht, Muster zu erkennen, Auffälligkeiten sichtbar zu machen und Prozesse zu beschleunigen. Doch für strategische Entscheidungen, kreative Ansätze und nachhaltige Lösungen bleibt der Mensch unverzichtbar.

Im Mittelpunkt steht daher das Zusammenspiel: KI liefert die Datenbasis, der Mensch schafft den Mehrwert. Heute und in Zukunft.

Der Beitrag Die KI ist da – aber der Mensch bleibt entscheidend erschien zuerst auf SOFTCON CIS.

In solchen Fällen kann internes Benchmarking wertvolle Einblicke liefern. Dabei geht es nicht nur um die Preisentwicklung bei verschiedenen Lieferanten, sondern auch um Aspekte wie Lieferantenperformance innerhalb einer Warengruppe oder zwischen verschiedenen Unternehmensstandorten – besonders dann, wenn dezentral eingekauft wird.

Auch Qualitäts- und Prozesskennzahlen lassen sich so gezielt analysieren: Warum gibt es beispielsweise Preisunterschiede oder abweichende Konditionen innerhalb desselben Unternehmens?

Sie möchten Ihre Einsparungen besser im Blick behalten?
Sie wünschen sich ein individuell zugeschnittenes Dashboard, das alle relevanten Daten übersichtlich darstellt?
Sie benötigen Unterstützung bei der Planung und Nachverfolgung von Maßnahmen?

Wir sind für Sie da. Sprechen Sie uns an, unsere Abteilung Customer Services / Training und Weiterbildung vereinbart gerne einen Online-Termin mit Ihnen.

Der Beitrag Internes und externes Benchmarking erschien zuerst auf SOFTCON CIS.

Was ist Einkaufscontrolling heute?

Das Einkaufscontrolling sorgt dafür, dass Einkaufskosten optimiert, Lieferantenleistungen bewertet und strategische Entscheidungen datenbasiert getroffen werden. Klassisch geschieht dies auf Basis historischer Daten, Reports und manueller Analysen. Doch diese Herangehensweise gerät zunehmend an ihre Grenzen – insbesondere bei volatilen Märkten und globalen Lieferketten.

Wo KI im Einkaufscontrolling ansetzt

Künstliche Intelligenz unterstützt das Einkaufscontrolling auf mehreren Ebenen:

1. Automatisierte Datenanalyse
KI-gestützte Systeme erfassen und analysieren große Datenmengen in Echtzeit. So lassen sich Trends und Anomalien frühzeitig erkennen – etwa plötzliche Preissteigerungen bei Rohstoffen oder Performance-Abweichungen bei Lieferanten.

2. Prognosen und Szenarien
Machine-Learning-Modelle können historische Daten mit aktuellen Marktindikatoren kombinieren und präzise Vorhersagen treffen: Wie entwickeln sich Einkaufspreise? Wie wahrscheinlich sind Lieferverzögerungen? Unternehmen erhalten damit eine solide Grundlage für vorausschauende Entscheidungen.

3. Lieferantenbewertung mit Tiefgang
KI ermöglicht die automatisierte Bewertung von Lieferanten auf Basis objektiver Kriterien: Lieferzuverlässigkeit, Reklamationsquote, ESG-Kriterien – alles kann kontinuierlich überwacht und bewertet werden. Das verbessert nicht nur die Qualität, sondern auch die Resilienz der Lieferkette.

4. Kosten- und Einsparungspotenziale erkennen
KI erkennt Muster in Ausgaben, die dem menschlichen Auge entgehen – z. B. Doppelverträge, unnötige Bestellungen oder strategisch ungünstige Preisstaffelungen. So lassen sich Einsparpotenziale systematisch heben.

Herausforderungen bei der Implementierung
Die Einführung von KI erfordert:

• Datenqualität: Ohne saubere, strukturierte Daten ist KI wenig effektiv.
• Akzeptanz: Einkaufscontroller und Einkäufer müssen verstehen, dass KI sie unterstützt – nicht ersetzt.
• Integration: KI sollte nahtlos in bestehende Systeme und Workflows eingebunden werden.

Fazit: KI als Partner für strategisches Einkaufscontrolling

Künstliche Intelligenz ist kein Allheilmittel – aber ein mächtiges Werkzeug. Sie entlastet Einkaufsteams von repetitiven Aufgaben, eröffnet neue Analysehorizonte und macht das Controlling zukunftsfähig. Wer heute in KI-basierte Einkaufscontrolling-Lösungen investiert, sichert sich einen klaren Wettbewerbsvorteil im globalen Markt.

Der Beitrag Wie Künstliche Intelligenz frischen Wind ins Einkaufscontrolling bringt erschien zuerst auf SOFTCON CIS.

Aber warum fällt das Thema Einkaufsplanung so schwer, und was kann man mit wenigen Tricks und Kniffen einfacher machen?

Gerade weil in den meisten Unternehmen die Beschaffer mehr als die Hälfte der gesamten Kosten verbuchen, stützt sich unternehmerische Planungssicherheit vor allem auf die Aussagekraft des Einkaufs. Ob im eigenen Unternehmen oder beim Lieferanten ist hierbei gleichbedeutend. Weithin gilt Einkaufsplanung als das „ungeliebte Kind“, und die Gründe für die Vernachlässigung klingen oft ähnlich: Zu aufwändig, fehlende Basiswerte bzw. Mengen, Abhängigkeit von den Bedarfsträgern. Wie geht man das Thema aber richtig an?

Bevor wir jetzt in den Einkaufsplanungsprozess einsteigen, ist es wichtig, erst einmal grundsätzliches zu einem funktionierenden Zielbildungsprozess zu sagen:

• Alle Planziele müssen objektiv messbar und zur Zielsetzung im Einkauf geeignet sein: Die Aufforderung, die Lieferantenanzahl zu senken, reicht also nicht aus.
  Wichtig ist um wieviel und bis wann.
• Für alle Planwerte müssen sich in gleicher Struktur Ist-Werte erheben lassen, die eine Plan/Soll/Ist-Abweichungsanalyse ermöglichen.
• 3. Die Einkaufsplanung ist kein starres Konstrukt und sollte mindestens einmal im Jahr überprüft, oder sogar auch angepasst werden.

Einkaufsplanung Schritt für Schritt:
1. Ermittlung des Ist-Zustandes: Zu welchen Preisen und Mengen wird aktuell eingekauft? Hierbei lassen sich die Mengen und Preise aus verschiedenen Referenzquellen heranziehen. Idealerweise werden die Mengen auf Basis von verlässlichen Vertriebszahlen ermittelt. Ist dies nicht möglich, kann alternativ auf ein Referenzjahr aus der Vergangenheit zurückgegriffen werden. Als Preise werden verschiedenste Rechnungs- oder Infosatzpreise verwendet. In diesem Schritt wird ein Überblick der Ist-Situation geschaffen. Erste Tendenzen lassen sich bereits durch einen Vergleich des ersten Rechnungspreises des aktuellen Jahres mit dem letzten Rechnungspreis des Vorjahres erkennen.

2. Planung der Zukunft: Im Anschluss hieran befassen wir uns mit der möglichen Entwicklung von Märkten, Produkten, Fertigungsverfahren sowie die Wettbewerbs- bzw. Partner- und Lieferantenstrategien im Planungszeitraum. In diesem Schritt werden Mengen- und Preisveränderungen in die Planung eingearbeitet.

3. Regelmäßiger Plan-Ist-Abgleich: Ein ständig aktualisierter Forecast veranschaulicht, inwieweit das Jahresziel nach derzeitigem Stand tatsächlich erreicht wird und deckt Fehlentwicklungen umgehend auf. Wichtig ist, dass unterjährige Preisveränderungen bis auf die Materialebene mit Auswirkung auf das aktuelle Jahr (Ebit-Effekt) ausgewiesen, und die Carry-over-Effekte für das neue Jahr sowie der Full-Year-Effekt exakt beziffert werden. Weicht das Ergebnis in eine unerwünschte Richtung ab, sollte eine präzise Analyse für den Grund durchgeführt und anschließend weitere Einsparungsmaßnahmen initiiert oder zeitlich vorgezogen werden, um die gesetzten Ziele zu erreichen.

Herausforderungen:
Neuteile lassen sich ebenso wenig gut planen wie mit dem Lieferanten vereinbarte Bonuszahlungen. Und was passiert mit Auslaufteilen? Hier muss manuell nachgearbeitet werden. In ausgereiften Einkaufscontrolling-Systemen lassen sich Neuteile jedoch in wenigen Schritten über einen Excel-Import hinzufügen. Mit Lieferanten vereinbarte Bonuszahlungen werden auf Lieferantenebene eingeplant und beeinflussen somit nicht den einzelnen Teilepreis.

Fazit:
Einkaufsplanung ist ein Prozess, in dem die Zukunft eines Einkaufs analysiert und zum Wunschergebnis beeinflusst werden soll. Wird die Einkaufsplanung im Zuge eines gut strukturierten Prozesses durchgeführt, so stellt sie eine wichtige Unterstützung für die Einkäufer da. Auch für das Management eines Einkaufs sind verlässliche Prognosen unabdingbar.

Der Beitrag Schritt für Schritt zu einer professionellen Einkaufsplanung erschien zuerst auf SOFTCON CIS.