Tipp-Nr. 4: Künstliche Intelligenz im Einkauf

Antwort:  Der Einsatz von künstlicher Intelligenz (KI) ist sehr wahrscheinlich und nicht nur im Einkauf. Allerdings gibt es noch große Schwierigkeiten, wie eine aktuelle Studie von Forrester Consulting zeigt. Befragt wurden weltweit Finanz-, Supply-Chain- und Einkaufsmanager. Nahezu zwei Drittel der Befragten (59 Prozent) sagten, die schlechte Datenqualität mache es der KI unmöglich, genaue und qualifizierte Entscheidungen zu treffen. Die Datenqualität zu verbessern, ist keine leichte Aufgabe. 44 Prozent geben an, dass sie nicht auf Daten zugreifen können, 43 Prozent sehen eine Normierungslücke in ihren Datensätzen und für 41 Prozent liegt ihre größte Herausforderung in ungenauen Daten.  KI hat großen Einfluss auf den Einkauf Die Befragten erwarten das KI die größten Wirkungen in folgenden Bereichen entfaltet: Alarmierung der Unternehmen und der Lieferanten bei Unterbrechungen der Lieferkette (44 Prozent), Erkennen und Kennzeichnen von Compliance-Problemen bei Lieferanten (39 Prozent) und schnelle Identifikation von Betrugsfällen (37 Prozent).  Außerdem wird KI zu mehr Automatisierung von einfacheren Aufgaben führen werde. Sie würden künftig in Minuten oder Sekunden statt in Stunden oder Tagen erledigt. Zu den betroffenen Bereichen zählen die Befragten die Rechnungsverarbeitung (51 Prozent) und die Genehmigung vorgeschlagener Einkäufe (35 Prozent). Datentransparenz im Einkauf Die große Herausforderung im Einkauf besteht darin, die Informationen aus den verschiedenen Datenquellen (ERP-Systeme, elektronische Kataloge, eProcurement, Contract Management, SRM-Systeme etc.) zu bereinigen, zu verdichten und vergleichbar zu machen. Danach müssen die Daten in eine „einheitliche Einkaufssprache" (wie z. B. eClass oder UNSPSC) gebracht werden, um sie z. B. auf Konzernebene transparent darstellen zu können.  Die Komplexität eines solchen Vorhabens ist nicht zu unterschätzen  Die Ursprungsdaten stammen ja aus unterschiedlichsten Systemen mit verschiedenen Sprachen, Klassifizierungssystemen, Taxonomien und Qualitätsstandards. Auch zahlreiche Datenfehler sowie Preis-/Mengen-Ausreißer sind zu erkennen und zu bereinigen. Ein solches Projekt ist nicht im Do-it-yourself-Verfahren mit Bordmitteln zu stemmen. Diese Datenanalyse und -bereinigung erledigen am besten Algorithmen (Künstliche Intelligenz). Es werden bereits Tools zur Verbesserung der Datenqualität im Einkauf eingesetzt, z. B. der DataCategorizer von orpheus-it. com.