Smarte Identifikation von Innovationspartnern im strategischen Einkauf durch künstliche Intelligenz

Herausforderungen im Lieferantenauswahlprozess

Fehler bei Lieferantenentscheidungen lassen sich durch die abgeschlossenen Verträge und Abhängigkeiten in der Fertigung nachträglich nur noch teilweise korrigieren, sodass durch die Lieferantenauswahl langfristig Ressourcen und Kapital gebunden werden. Daher muss die Auswahl von Partnern in der Produktion als eine nachhaltige Investitionsentscheidung gesehen werden.

Jedoch werden in vielen Unternehmen derzeitige Screening- und Auswahlprozesse im Lieferantenmanagement der Bedeutung dieser wichtigen Aufgabe nicht gerecht. In der Arbeitsrealität des strategischen Einkaufs ist es nach wie vor üblich, die Lieferantensuche bei den Kollegen in der eigenen Abteilung zu beginnen. Wie identifiziert man jedoch Partner, mit denen das Unternehmen oder die Kollegen noch nicht zuvor zusammengearbeitet haben? Was ist, wenn der perfekte Lieferant noch ein junges unbekanntes Start-up ist? Wie finde ich Software-Unternehmen oder High-Tech-Partner, die außerhalb meines Suchrasters liegen?

Suchmaschinen wie Google oder B2B-Plattformen können hier aufgrund eigener Interessen nur bedingt objektive und verlässliche Ergebnisse liefern.

Neue Anforderungen für die Lieferantenauswahl

Diese Fragestellungen werden durch neue Anforderungen an den Einkauf immer weiter verstärkt, denn vorwiegend kostengetriebene Betrachtungen von Lieferbeziehungen sind nicht mehr zeitgemäß. Um Produktionsstillstände zu vermeiden und die Liefertreue gegenüber den Kunden zu gewährleisten, benötigen Unternehmen im heutigen Wirtschaftsumfeld verlässliche Lieferanten. Neue entscheidungsrelevante Faktoren wie Resilienz und Nachhaltigkeit werden folglich wichtige Einflussgrößen für Lieferantenentscheidungen. Die Reaktionsgeschwindigkeit dieser Auswahlprozesse muss zusätzlich deutlich erhöht werden.

Besonders der Wandel hin zur digitalen Transformation und das Streben nach technischer Innovation stellt traditionelle Prozesse in der Lieferantenauswahl vor erhebliche Probleme. In vielen Unternehmen hat sich der Anteil von Software und Dienstleistungen im strategischen Einkauf in den letzten Jahren fast verdoppelt. Durch diese Entwicklung werden künftig Attribute wie Innovationskraft, Agilität oder die Unternehmensstrategie des externen Partners wesentlichen Einfluss auf Lieferantenentscheidungen nehmen, die mit derzeitigen Methoden noch sehr schwer zu quantifizieren wären.

Durch diese neuen Entscheidungskriterien sind potenziell relevante Technologie-Lieferanten in den traditionellen Auswahlprozessen bisher nicht berücksichtigt worden. Daher kann im Screening künftig nicht mehr wie bisher auf das Wissen von Kollegen, eigene Erfahrungswerte oder bestehendes Branchenwissen zurückgegriffen werden (vgl. Abbildung 1). Auch die Quantifizierung dieser neuen Attribute kann nach den derzeitigen Vergabemodellen nur schwer durch das Lieferantenmanagement geleistet werden. Deshalb müssen dem Einkauf künftig neue Verfahren bereitgestellt werden, um innovative und geeignete Partner frühzeitig zu identifizieren. Einen Lösungsansatz für diese neuartigen Probleme können moderne Methodiken aus dem Bereich der Data Analytics und der künstlichen Intelligenz bieten.

„Jeder Lieferant hinterlässt Spuren im Internet. KI hilft dabei Lieferanten zu identifizieren, die auf klassischen Wege nicht gefunden werden.“

TCW unterstützt Sie mit künstlicher Intelligenz beim Lieferantenmanagement

TCW vereint als Schnittstelle für seine Kunden eine breite Expertise im Themenbereich Data Analytics mit einem Domänenwissen in den Bereichen Einkauf, Logistik und Produktion aus diversen Beratungsprojekten für namenhafte Kunden. Durch diese Kombination an Fähigkeiten können wir sie gezielt in ihrem Lieferantenmanagement unterstützen und die Entscheidungsgrundlage, -geschwindigkeit und -qualität Ihres Einkaufs verbessern. Dabei setzen wir mit unseren KI-Konzepten besonders im Auswahlprozess für Zulieferer in drei Schritten an (vgl. Abbildung 2):

1. Datenaggregation: Durch technische Möglichkeiten zur großflächigen Aggregation und Verarbeitung von Daten, auch Big Data genannt, können wir Informationen aus verschiedenen internen und externen Quellen wie z.B. ERP-Systemen, Unternehmens- und Patentdatenbanken, Newsmeldungen, Social Media und wissenschaftlichen Publikationen zusammentragen und anschließend in unsere Modelle einbeziehen.
2. Lieferantenidentifikation: Diese große Masse an unstrukturierten Daten wäre bisher nach herkömmlichen Arbeitsweisen durch menschliche Mitarbeiter im strategischen Einkauf nicht mehr auswertbar. Durch moderne Ansätze der Textauswertung, Machine Learning und künstlichen Intelligenz kann TCW diese enorme Menge jedoch nach potenziellen Lieferanten durchforsten. Hierdurch wird die Anzahl der betrachteten Unternehmen im Screening Prozess erheblich erhöht und zuvor potenziell unerkannte Zulieferer, besonders in neuen Marktsegmenten, aufgedeckt.
3. Lieferantenbewertung: Anhand des breiten Wissensschatzes der z.B. aus Patentdatenbanken, Ratingagenturen oder ESG-Berichten gewonnen werden kann, können diverse tiefergehende Lieferantenanalysen vorgenommen werden (vgl. Abbildung 3). TCW erarbeitet maßgeschneidert nach Ihren strategischen Bedürfnissen aussagekräftige Metriken zur Lieferantenbewertung, die beispielsweise die Innovativität oder Resilienz Ihrer Partner abbilden können. Da Methoden aus dem Bereich der KI für eine effektive Arbeitsweise noch immer eine angebrachte Parametrisierung durch den Endnutzer benötigen, können wir mit unserem Domänenwissen die Qualität der Ergebnisse sicherstellen und Ihren Einkauf für die Datenwelt schulen.

Beratungsleistungen

• Entwicklungspartnerschaften
• Lieferantenmanagement
• TCW Beratungsleistung Data Science

Publikationen

• Data Science und künstliche Intelligenz
  Leitfaden zur Einführung von Data Science im Unternehmen: Tools, Fallstudien und Methoden
• Entwicklungspartnerschaften in der Automobil- und Zulieferindustrie
  Tagungsband des Münchner Management Kolloquiums 2022
• Advanced Purchasing
  Leitfaden zur Einbindung der Beschaffungsmärkte in den Produktentwicklungsprozess

Praxisbeispiele

• Erfolgreiche Implementierung von Data Science im Einkauf
• Methodenbasiertes Messeaudit zur Markt- und Wettbewerbsanalyse
• Kennen Sie Ihr KI-Potenzial?