Doch genau diese Frage ist oft schwer zu beantworten. Denn dafür reicht es nicht aus, nur die eigenen historischen Einkaufspreise zu betrachten. Der Einkauf braucht Vergleichswerte von außen: Wie hat sich der Markt entwickelt? Welche Kostenbestandteile treiben die Preisveränderung? Und ist eine Forderung des Lieferanten tatsächlich nachvollziehbar?

Genau hier setzt WebCIS AI an. Die Lösung hilft dabei, interne Einkaufsdaten mit externen Markt- und Preisinformationen zu verbinden. So entsteht eine belastbare Grundlage, um Preisentwicklungen besser zu bewerten und Verhandlungen fundierter vorzubereiten.

Warum interne Daten allein nicht ausreichen

Viele Unternehmen verfügen über große Mengen an Einkaufsdaten: Bestellungen, Rechnungen, Materialnummern, Lieferanteninformationen und Warengruppen. Diese Daten zeigen, was im eigenen Unternehmen passiert ist.
Was sie jedoch häufig nicht zeigen: ob diese Entwicklung im Vergleich zum Markt angemessen ist.

Ein Beispiel: Wenn ein Lieferant eine Preiserhöhung von acht Prozent fordert, stellt sich für den Einkauf sofort die Frage, ob diese Forderung plausibel ist. Sind Rohstoff-, Energie-, Transport- oder Lohnkosten tatsächlich entsprechend gestiegen? Oder liegt die Forderung über der Marktentwicklung?

Ohne externe Vergleichsdaten bleibt diese Bewertung oft schwierig. Mit passenden Benchmarks kann der Einkauf dagegen deutlich besser einschätzen, ob eine Preisentwicklung nachvollziehbar ist.

Welche Rolle NACE und Destatis dabei spielen

Damit Einkaufsdaten sinnvoll mit externen Marktinformationen verglichen werden können, müssen Materialien, Lieferanten und Warengruppen richtig eingeordnet werden. Dabei helfen Klassifikationen wie NACE und produktbezogene Daten des Statistischen Bundesamtes.

Der NACE-Code ordnet Unternehmen und Branchen nach wirtschaftlichen Tätigkeiten ein. Für den Einkauf kann das hilfreich sein, um Lieferanten Branchen zuzuordnen, Marktinformationen besser zu strukturieren oder internationale Vergleiche herzustellen.

Destatis-Daten gehen stärker in Richtung Produkt- und Warengruppen. Sie können dabei unterstützen, Materialien oder Produktgruppen mit passenden Preisindizes und Kostenentwicklungen zu verbinden.

Kurz gesagt: NACE hilft bei der Einordnung von Branchen und Lieferanten. Destatis hilft stärker bei der Bewertung von Produktgruppen, Materialien und Preisentwicklungen.

Wie WebCIS AI daraus konkrete Einkaufsanalysen macht

WebCIS AI verbindet diese externen Referenzinformationen mit vorhandenen Einkaufsdaten aus ERP-Systemen. Die Zuordnung kann auf unterschiedlichen Ebenen erfolgen, zum Beispiel nach Lieferant, Warengruppe oder Materialnummer.

Der Vorteil: Der Einkauf muss nicht nur auf interne Preisverläufe schauen, sondern kann diese mit passenden Markt- und Preisindizes vergleichen.

Dadurch werden zentrale Fragen deutlich besser beantwortbar:

Ist eine Preissteigerung nachvollziehbar?
Entwickeln sich unsere Einkaufspreise stärker als der Markt?
Welche Materialien oder Lieferanten zeigen Auffälligkeiten?
Wo besteht konkreter Verhandlungsbedarf?

So wird aus einer reinen Datenübersicht eine fundierte Entscheidungsgrundlage für den Einkauf.

Mehr Sicherheit in Preisverhandlungen

Ein großer Nutzen entsteht in der Vorbereitung von Preisverhandlungen. Wenn Lieferanten Preisanpassungen fordern, kann der Einkauf besser prüfen, ob diese Forderungen zur Marktentwicklung passen. Durch die Verknüpfung mit Marktindizes und Kostenbestandteilen lassen sich Preisentwicklungen nachvollziehbarer bewerten. Energie-, Transport-, Lohn- oder Materialkosten können dabei eine wichtige Rolle spielen.

Für den Einkauf bedeutet das: Verhandlungen basieren weniger auf Bauchgefühl und mehr auf belastbaren Daten. Das stärkt die eigene Argumentationsbasis und schafft mehr Transparenz gegenüber Lieferanten und internen Entscheidungsträgern.

Transparenz auch bei indirektem Einkauf und Maverick Buying

Besonders hilfreich ist eine intelligente Zuordnung auch dort, wo Einkaufsdaten nicht perfekt strukturiert sind. Das betrifft zum Beispiel indirektes Material oder Maverick-Buying-Vorgänge. In diesen Bereichen fehlen häufig eindeutige Materialnummern oder sauber gepflegte Warengruppen. WebCIS AI kann dabei helfen, dennoch passende Zuordnungsvorschläge zu erstellen und diese mit dem Einkauf abzustimmen. So werden auch Bereiche analysierbar, die bisher schwer greifbar waren.

In konfigurierbaren Dashboards können dann Preisentwicklungen, Benchmarks, Lieferanten, Warengruppen und Materialien gezielt analysiert werden. Der Einkauf erkennt schneller, wo Auffälligkeiten bestehen, welche Preisentwicklungen erklärbar sind und wo Maßnahmen notwendig werden.

Fazit: Mehr Marktbezug im Einkaufscontrolling

WebCIS AI hilft Einkaufsabteilungen dabei, vorhandene Einkaufsdaten mit externen Marktinformationen zu verbinden. Dadurch wird sichtbar, ob Preisentwicklungen nachvollziehbar sind, wie sich der eigene Einkauf im Vergleich zum Markt entwickelt und wo konkreter Handlungsbedarf besteht.

Gerade in volatilen Märkten wird das immer wichtiger. Wer Einkaufspreise nicht nur intern betrachtet, sondern mit Markt- und Preisentwicklungen verbindet, kann fundierter entscheiden und marktgerechter einkaufen.

Der Beitrag Preisbenchmarking im Einkauf: Wie WebCIS AI Markttransparenz schafft erschien zuerst auf SOFTCON CIS.

Am 19. und 20. Mai 2026 war SoftconCIS mit WebCIS 4.0 auf den BME-eLösungstagen im Areal Böhler in Düsseldorf vertreten. Die Veranstaltung brachte erneut zahlreiche Anbieter, Einkaufsverantwortliche und Experten zusammen, um über aktuelle Entwicklungen im digitalen Einkauf zu sprechen.

Ein Thema war dabei besonders präsent: Künstliche Intelligenz im Einkauf. Auf vielen Ständen, in Vorträgen und Gesprächen wurde deutlich, dass KI für Einkaufsorganisationen zunehmend an Bedeutung gewinnt. Gleichzeitig zeigte sich aber auch: Viele Unternehmen beschäftigen sich intensiv mit dem Thema, stehen bei der konkreten Umsetzung jedoch noch am Anfang.

Ein besonderes Highlight war unser Fachvortrag von Bastian Wagner zum Thema „KI im Einkauf: Machen statt reden!“. Die vielen Teilnehmer haben bestätigt, dass Einkaufsabteilungen heute vor allem praxisnahe Antworten suchen:

• Wo kann KI im Einkauf konkret unterstützen?
• Welche Datenbasis ist dafür notwendig?
• Wie lassen sich Preisentwicklungen, Benchmarks und KPIs besser auswerten?
• Welche Rolle spielt Einkaufscontrolling für datenbasierte Entscheidungen?
• Wie wird aus vorhandenen ERP-Daten echter Mehrwert?

In den Gesprächen am Stand wurde deutlich, dass viele Einkaufsabteilungen bereits über große Mengen relevanter Daten verfügen – beispielsweise aus SAP- und Non-SAP-Systemen, Bestellungen, Rechnungen, Lieferantenstammdaten oder Warengruppenstrukturen. Die Herausforderung liegt jedoch häufig darin, diese Daten schnell, strukturiert und entscheidungsorientiert nutzbar zu machen.

Genau hier setzt WebCIS 4.0 an. Als spezialisierte Plattform für strategisches Einkaufscontrolling unterstützt WebCIS Unternehmen dabei, Einkaufsdaten transparent auszuwerten, Kennzahlen aufzubereiten und Potenziale sichtbar zu machen.

Gerade die Messe hat aber auch gezeigt, wie dynamisch der Markt rund um KI im Einkauf geworden ist. Viele Anbieter positionieren sich inzwischen mit KI-Funktionen, AI Agents oder automatisierten Workflows. Für Einkaufsverantwortliche entsteht dadurch eine neue Herausforderung: Nicht mehr nur die Frage, ob KI im Einkauf relevant ist, sondern welche Anwendung wirklich einen belastbaren Mehrwert liefert.

Denn KI allein löst noch kein Einkaufsproblem. Entscheidend ist, ob sie auf einer sauberen Datenbasis arbeitet, in bestehende Systemlandschaften eingebettet werden kann und konkrete Fragestellungen aus dem Einkauf beantwortet. Dazu gehören zum Beispiel: Wo entstehen Preisabweichungen? Welche Lieferanten entwickeln sich kritisch? Welche Warengruppen sind von Marktveränderungen betroffen? Wo liegen Einsparpotenziale? Und welche Entwicklungen werden künftig ergebnisrelevant?

Aus unserer Sicht wird genau diese Verbindung entscheidend sein: KI muss nicht losgelöst vom Einkauf gedacht werden, sondern als intelligente Erweiterung eines belastbaren Einkaufscontrollings. WebCIS 4.0 bietet dafür die Grundlage, indem Einkaufsdaten aus SAP- und Non-SAP-Systemen strukturiert zusammengeführt, analysiert und in entscheidungsrelevante Informationen übersetzt werden. KI kann darauf aufbauen, Muster schneller sichtbar machen, Auffälligkeiten erkennen und Einkaufsabteilungen dabei unterstützen, faktenbasierter zu handeln.

Die BME-eLösungstage haben damit einen wichtigen Eindruck bestätigt: Die Zukunft des Einkaufs wird nicht allein durch neue Technologien bestimmt, sondern durch die Fähigkeit, Technologie sinnvoll in bestehende Prozesse, Datenstrukturen und Entscheidungswege zu integrieren. Unternehmen, die KI im Einkauf erfolgreich nutzen wollen, sollten daher zuerst ihre Datenbasis, ihre Kennzahlenlogik und ihre Transparenz im Einkaufscontrolling stärken.

Wir bedanken uns bei allen Besucherinnen und Besuchern für die spannenden Gespräche, den offenen Austausch und das große Interesse an WebCIS 4.0.

Der Beitrag KI im Einkauf im Fokus – SoftconCIS auf den BME-eLösungstagen 2026 in Düsseldorf erschien zuerst auf SOFTCON CIS.

Gerade im strategischen Einkauf steigen die Anforderungen kontinuierlich. Einkaufsleiter sollen Preisentwicklungen bewerten, Einsparpotenziale identifizieren, Risiken frühzeitig erkennen und gleichzeitig belastbare Aussagen gegenüber Management und Controlling treffen können. Ohne ein leistungsfähiges Einkaufscontrolling ist das kaum noch möglich.

Warum SAP im Einkaufscontrolling eine zentrale Rolle spielt

Im deutschsprachigen Mittelstand ist SAP nach wie vor das dominierende ERP-System. Entsprechend häufig stellt sich in Unternehmen die Frage, wie sich SAP-Daten effizient für modernes Einkaufscontrolling nutzen lassen.

Zwar enthält SAP nahezu alle relevanten Einkaufsinformationen, in der Praxis fehlt jedoch häufig die notwendige Transparenz. Viele Unternehmen arbeiten weiterhin mit manuellen Excel-Reports, unterschiedlichen Datenständen oder isolierten Auswertungen einzelner Fachbereiche. Die Folge sind hoher Aufwand, fehlende Vergleichbarkeit und eine eingeschränkte Steuerbarkeit des Einkaufs. Dabei liegen die entscheidenden Informationen bereits im System vor. Materialkostenentwicklungen, Preisabweichungen, Lieferantenperformance oder Vertragsnutzungen lassen sich grundsätzlich auswerten allerdings nur dann effizient, wenn die Daten intelligent strukturiert und visuell aufbereitet werden.

Genau hier setzt moderne Einkaufscontrolling-Software wie WebCIS an.

Einkaufscontrolling bedeutet heute mehr als Reporting

Die Anforderungen an den Einkauf haben sich in den vergangenen Jahren deutlich verändert. Während früher vor allem klassische Reports und Vergangenheitsanalysen im Vordergrund standen, erwarten Unternehmen heute deutlich mehr.

Der Einkauf soll Entwicklungen frühzeitig erkennen, Risiken einschätzen und aktiv zur Ergebnisverbesserung beitragen. Dafür reicht es nicht aus, Zahlen lediglich zu sammeln. Entscheidend ist die Fähigkeit, aus Daten konkrete Handlungsempfehlungen abzuleiten. Professionelle Einkaufscontrolling-Lösungen schaffen hierfür die notwendige Grundlage. Sie bündeln Einkaufsdaten aus dem ERP-System, analysieren Zusammenhänge und stellen die Informationen in Form von Dashboards, KPI-Auswertungen und Benchmarks transparent zur Verfügung. Dadurch werden beispielsweise Preisentwicklungen über Warengruppen hinweg sichtbar, Maverick Buying kann erkannt werden und Lieferantenleistungen lassen sich objektiver bewerten.

WebCIS 4.0 als zentrale Informations- und Analyseplattform

WebCIS 4.0 ersetzt dabei nicht das bestehende ERP-System. Vielmehr fungiert WebCIS als zentrale Außenmembran bzw. Informationsplattform rund um den Einkauf. Über Schnittstellen werden Einkaufsdaten automatisiert aus SAP sowie aus weiteren ERP-Systemen wie proALPHA, Microsoft Dynamics NAV/Navision, Infor oder anderen Non-SAP-Systemen in WebCIS übertragen und dort intelligent aufbereitet. Dadurch entsteht eine zentrale Sicht auf alle relevanten Einkaufsinformationen  unabhängig davon, welches ERP-System im Unternehmen eingesetzt wird.

WebCIS bündelt die Daten, strukturiert sie für analytische Auswertungen und stellt sie in Form von KPI-Dashboards, Benchmarks, Preisanalysen oder Forecasts transparent zur Verfügung.

Einkaufscontrolling ohne SAP: Die Herausforderungen bleiben dieselben

Auch außerhalb von SAP stehen viele Unternehmen vor vergleichbaren Herausforderungen. Im industriellen Mittelstand sind Systeme wie proALPHA, Infor oder Microsoft Dynamics weit verbreitet. Die Probleme unterscheiden sich jedoch kaum. Oft fehlen einheitliche Datenstrukturen, Auswertungen sind zeitaufwendig und wichtige Informationen müssen manuell zusammengetragen werden. Besonders bei standortübergreifenden Einkaufsorganisationen führt dies schnell zu Intransparenz und ineffizienten Prozessen.

Deshalb ist modernes Einkaufscontrolling heute keine Frage eines bestimmten ERP-Systems mehr. Entscheidend ist vielmehr, ob Unternehmen in der Lage sind, ihre Einkaufsdaten intelligent zu nutzen und daraus belastbare Entscheidungen abzuleiten.

Datenbasierte Entscheidungen werden zum Wettbewerbsfaktor

Die Bedeutung datengetriebener Einkaufssteuerung nimmt weiter zu. Steigende Rohstoffpreise, volatile Märkte und zunehmende Lieferkettenrisiken erhöhen den Druck auf Einkaufsabteilungen spürbar. Gleichzeitig erwarten Geschäftsleitungen immer präzisere Aussagen über Kostenentwicklungen, Einsparpotenziale und zukünftige Risiken. Ohne moderne Analyse- und Controllingwerkzeuge wird es zunehmend schwierig, diesen Anforderungen gerecht zu werden. Hinzu kommt, dass neue Technologien wie KI-gestützte Analysen oder automatisierte Forecasts zusätzliche Möglichkeiten eröffnen. Preisbenchmarking, Mustererkennung oder simulationsbasierte Szenarien helfen Unternehmen dabei, Entwicklungen frühzeitig zu erkennen und bessere Entscheidungen zu treffen. Voraussetzung dafür ist jedoch eine saubere Datenbasis und eine leistungsfähige Einkaufscontrolling-Plattform.

Fazit

ERP-Systeme wie SAP enthalten bereits heute enorme Mengen wertvoller Einkaufsdaten. Der eigentliche Mehrwert entsteht jedoch erst dann, wenn diese Informationen transparent ausgewertet, intelligent verknüpft und strategisch genutzt werden können. Moderne Einkaufscontrolling-Software verbindet ERP-Daten mit KPI-basierten Analysen, Dashboards und datengetriebenen Entscheidungsgrundlagen. Dadurch wird der Einkauf vom reinen Prozessbereich zu einem aktiven Steuerungs- und Wertbeitragstreiber im Unternehmen.

Der Beitrag ERP-Integration im Einkaufscontrolling: SAP und weitere Systeme optimal anbinden erschien zuerst auf SOFTCON CIS.

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.