Ultimativer Leitfaden für KI im Beschaffungswesen: Anwendungsfälle & Tools

Generative AI

Generative KI, oder GenAI, ist die Art von KI, die auf der Grundlage der trainierten Daten Ausgaben wie E-Mails, Berichte oder ganze Ausschreibungen generieren kann. Sie ist zu einer der häufigsten Formen von KI im Beschaffungswesen geworden, und es ist leicht zu erkennen, warum.

In der Beschaffung kann GenAI:

• Entwerfen Sie Dokumente wie Arbeitsbeschreibungen (SOWs), Lieferantendokumente oder Ausschreibungen in Minutenschnelle.
• Fassen Sie lange Lieferantenbesprechungen oder Leistungsberichte zusammen, damit Sie sie nicht durchforsten müssen.
• Schreiben und versenden Sie automatisch E-Mails an Lieferanten oder Statusaktualisierungen.
• Sie helfen dabei, Daten zu organisieren und zu kennzeichnen, um sie später leichter analysieren zu können.

Im Wesentlichen übernimmt GenAI einen Großteil des Schreibens und der Datenverarbeitung, so dass sich die Teams mehr auf die strategische Arbeit konzentrieren können.

Maschinelles Lernen

Maschinelles Lernen (ML) lernt aus vergangenen Trends, um Muster zu erkennen und Vorhersagen darüber zu treffen, was als Nächstes passieren wird. 

Anstatt endlose Kalkulationstabellen zu durchforsten oder sich auf das Bauchgefühl zu verlassen, können ML-Tools frühere Einkaufstrends und die Leistung von Lieferanten analysieren, damit Teams schneller Entscheidungen treffen können.

Wenn zum Beispiel ein Lieferant regelmäßig zu spät liefert, kann ML dieses Muster erkennen, bevor es zu einem größeren Problem wird. Oder es könnte eine ungewöhnliche Rechnung aufzeigen, die nicht mit dem typischen Ausgabenverhalten übereinstimmt. Es kann auch die mühsame Aufgabe übernehmen, Ausgaben über Hunderte von Transaktionen hinweg zu kategorisieren, und dies innerhalb weniger Minuten. 

Je mehr Daten einem ML-Modell zugeführt werden, desto intelligenter wird es, was bedeutet, dass seine Erkenntnisse mit der Zeit immer besser werden.

Robotergestützte Prozessautomatisierung (RPA)

RPA versucht nicht, clever zu sein - es ist nicht dazu gedacht, Entscheidungen zu treffen oder Erkenntnisse zu gewinnen. Was RPA wirklich gut kann, ist die schnelle Ausführung umfangreicher, regelbasierter Aufgaben über Systeme hinweg, ohne manuelle Eingaben. 

Als Kernstück der Geschäftsprozessautomatisierung übernimmt RPA Aufgaben wie Dateneingabe, Rechnungsabgleich und Auftragsabwicklung, ohne dass manuelle Eingaben erforderlich sind.

Es mag zwar nicht glamourös klingen, aber wenn man diese Routineaufgaben aus dem Weg räumt, können sich die Teams auf die strategischeren Teile der Beschaffung konzentrieren. Es geht darum, die Dinge reibungsloser und weniger abhängig von manuellen Eingaben zu machen.

Verarbeitung natürlicher Sprache (NLP)

NLP hilft Computern, die menschliche Sprache zu verstehen und zu deuten - was bei der Bearbeitung von textlastigen Inhalten wie Verträgen, E-Mails oder Ausschreibungsantworten hilfreich ist.

In einem Beschaffungskontext können NLP-Tools:

• Wichtige Klauseln und Bedingungen aus Verträgen herausnehmen
• Analysieren Sie Lieferantenfeedback oder Online-Bewertungen auf Tonalität und Stimmungslage
• Extrahieren Sie Schlüsselinformationen aus Rechnungen oder Quittungen und wandeln Sie sie in strukturierte Daten um
• Mithilfe von Chatbots, die allgemeine Fragen zur Beschaffung beantworten

NLP ist häufig in Plattformen wie Software für die Ausgabenanalyse und Dokumentenverarbeitungssysteme integriert. Teams können auch APIs wie AWS Comprehend oder Google Cloud Natural Language verwenden, um sie in ihre Arbeitsabläufe einzubinden. 

Das Konzept mag zwar komplex klingen, aber die Anwendung ist oft so einfach wie die Aktivierung einer Funktion in den von den Teams bereits verwendeten Tools.

Agentische KI

Agentische KI ist die neueste Technologie. 

Agentische KI bezieht sich auf Systeme, die autonom planen, handeln und sich an Ziele oder veränderte Bedingungen anpassen können, ohne für jede Aufgabe eine Schritt-für-Schritt-Anleitung zu benötigen. 

KI-Agenten im Beschaffungswesen gehen inzwischen über das bloße Versenden von Warnungen hinaus. Sie können die Auswirkungen eines Wechsels auf die Kosten oder den Zeitplan simulieren und sogar die nächsten Schritte einleiten, z. B. die Erstellung einer Bestellung oder die Aktualisierung von Lieferantendaten. 

Dies ermöglicht agentenbasierte KI-Workflows: dynamische Prozesse, bei denen KI-Agenten nicht nur Erkenntnisse gewinnen, sondern auch systemübergreifend Folgemaßnahmen ergreifen. So könnte ein Agent beispielsweise das Risiko eines Lagerausfalls erkennen, die Auswirkungen alternativer Lieferanten simulieren und eine Bestellung auslösen - alles in einem koordinierten Ablauf.

Wenn diese Agenten mit den richtigen Daten und Werkzeugen - wie Lieferantendatenbanken oder Bestandsmanagement-Tools - verbunden sind, können sie innerhalb festgelegter Parameter halbautonom agieren und den Teams helfen, mit weniger manueller Koordination schneller voranzukommen.

Arbeitsabläufe rationalisieren

KI-Tools wie RPA und ML-gesteuerte Workflow-Engines rationalisieren sich wiederholende Aufgaben in großem Umfang, sodass sich die Teams auf die strategische Arbeit konzentrieren können.

RPA kann beispielsweise Anforderungsformulare automatisch ausfüllen, indem es Daten aus Katalogsystemen abruft, Lieferantendetails mit Stammdaten abgleicht und Anfragen auf der Grundlage von Kostenstellen, Ausgabenlimits und Dringlichkeit an die richtigen Genehmiger weiterleitet - alles ohne menschliche Eingaben.

Fehler minimieren

Je manueller ein Prozess ist, desto wahrscheinlicher ist es, dass etwas übersehen wird, insbesondere wenn man unter Druck steht. 

KI hilft durch Echtzeit-Validierung und Erkennung von Anomalien im gesamten Arbeitsablauf. 

Stellen Sie sich vor, Sie reichen eine Rechnung ein, die nicht ganz mit der ursprünglichen Bestellung übereinstimmt. Anstatt dass jemand dies bei einer manuellen Überprüfung feststellen muss, markiert ein maschinelles Lernmodell die Diskrepanz sofort. 

Ganz gleich, ob es darum geht, doppelte Einträge zu erkennen oder etwas zu markieren, das nicht ganz richtig aussieht - die KI sorgt für Konsistenz und Genauigkeit bei der Arbeit, die leicht in die Hose gehen kann, wenn die Teams schnell arbeiten.

Kosten reduzieren

KI senkt die Kosten nicht nur durch die Automatisierung sich wiederholender Aufgaben, sondern auch durch die Verbesserung der Entscheidungsfindung und die Erkennung versteckter Ineffizienzen. 

KI-Agenten können beispielsweise das Kosten-Nutzen-Verhältnis einer vorzeitigen Zahlung an einen Lieferanten im Austausch für 2 % Rabatt berechnen und dann automatisch die besten Möglichkeiten aufzeigen. 

Unternehmen, die KI für fortschrittliche Ausgabenanalysen nutzen, haben durch die Straffung von Beschaffungsstrategien und die Verringerung von Wertverlusten insgesamt bis zu 10 % an Kosten eingespart.

Skalieren ohne Wachstumsschmerzen

Mit der Skalierung der Beschaffungsvorgänge steigen Komplexität und Datenvolumen, aber KI hilft den Teams, beides zu bewältigen, ohne zusätzliches Personal einzustellen. 

Von der Automatisierung der Datenkonsolidierung bis hin zur Rationalisierung von Vertragsanalysen und Ausgabentransparenz - KI ermöglicht intelligenteres Wachstum mit weniger Wachstumsschmerzen.

Risiken antizipieren

Das Beschaffungswesen ist von Natur aus reaktiv. KI kehrt dies um, indem sie den Teams Frühwarnzeichen und Empfehlungen gibt, bevor die Dinge aus dem Ruder laufen.

Diese Voraussicht ist zunehmend wichtig. Tatsächlich nennen 70 % der Beschaffungsleiter das steigende Lieferantenrisiko als größte Sorge, und KI wird zu ihrem bevorzugten Werkzeug.

KI-Modelle scannen interne Daten (z. B. Lieferprobleme und Vertragserfüllung) sowie externe Signale (Kreditbewertungen, ESG-Ratings, Nachrichten), um aktuelle Risikobewertungen zu erstellen und den Teams zu helfen, zu handeln, bevor Probleme eskalieren.

1. Bessere Prognosen und Kostenkontrolle

Maschinelles Lernen hilft Teams bei der Vorhersage der Nachfrage, indem es aus früheren Kaufmustern und der Leistung von Lieferanten lernt. Es kann vorhersagen, wann nachbestellt werden muss und wie viel eingekauft werden muss, wobei Dinge wie Verspätungen, Preisveränderungen und sogar externe Faktoren wie das Wetter berücksichtigt werden.

ML-Algorithmen analysieren große Mengen an historischen Beschaffungsdaten und externen Daten wie Rohstoffpreise, Lieferverzögerungen, Inflation und sogar Wettervorhersagen. Daraus wird ein Modell erstellt, das den künftigen Beschaffungsbedarf vorhersagen kann, oft bis auf die Ebene der einzelnen Artikel.

Nehmen wir an, eine plötzliche Hafenverzögerung überschneidet sich mit einem Anstieg der Nachfrage nach bestimmten Verpackungsmaterialien. Ein ML-Modell könnte das sich abzeichnende Muster erkennen, bevor es offensichtlich wird, und eine frühere Bestellung oder den Wechsel zu einem anderen Lieferanten empfehlen.

ML-Modelle verfolgen auch Echtzeit-Inputs wie Marktpreisveränderungen. Wenn die Rohstoffkosten zu steigen beginnen, kann das System vorschlagen, Verträge neu zu verhandeln oder Einkäufe zu beschleunigen, um niedrigere Preise zu sichern.

Diese Vorhersage ermöglicht es den Teams,:

• Vermeiden Sie Über- oder Unterbestellungen.
• Optimieren Sie die Lagerhaltungskosten.
• Anpassung der Beschaffungsstrategien, bevor sich Probleme auf den Betrieb auswirken.
• Treffen Sie Budgetentscheidungen auf der Grundlage aktueller, umsetzbarer Erkenntnisse.

2. Automatisierung von Beschaffungs- und Datenaufgaben

Manuelle Aufgaben wie die Suche nach Lieferanten, die Erstellung von Ausschreibungen und die Dateneingabe nehmen viel Zeit in Anspruch. 

KI hilft bei der Rationalisierung dieser Aufgaben, indem sie Lieferantenprofile aus verschiedenen Quellen abruft, Ausschreibungsvorlagen automatisch ausfüllt und wichtige Daten ohne manuelle Eingabe systemübergreifend synchronisiert. Auf diese Weise können Beschaffungsteams die Durchlaufzeiten verkürzen und sich auf strategischere Aufgaben wie die Verbesserung der Lieferantenbeziehungen oder die Analyse der Leistung konzentrieren. 

Die MTN Group hat eine Plattform namens Procurement Cockpit entwickelt, die Beschaffungsdaten aus dem gesamten Unternehmen abruft. Anstatt mit verschiedenen Systemen zu jonglieren oder Informationen zu suchen, erhalten die Teams einen klaren Echtzeit-Überblick über Beschaffungsaktivitäten, Lieferantenleistung und Ausgaben.

Das ist ein kluger Weg, um organisiert zu bleiben und Zeit zu sparen. Und es hat sich gelohnt: Der Einsatz von KI-gesteuerter Automatisierung bei MTN brachte dem Unternehmen Anerkennung in der Branche ein.

3. Rationalisierung von Bestellungen

Machen wir uns nichts vor. Die manuelle Verwaltung von Bestellungen ist langsam, fehleranfällig und einfach nur mühsam. 

KI-Agenten können wichtige Schritte im gesamten Beschaffungsworkflow automatisieren - von der Erstellung von Bestellungen über die Sendungsverfolgung bis hin zur Behandlung von Ausnahmen. Anstatt Probleme nur zu markieren, ergreifen sie Maßnahmen, wie z. B. Nachbestellungen bei Ersatzlieferanten oder die Eskalation von Verzögerungen zur Überprüfung.

Wenn zum Beispiel eine Kaufanfrage eingereicht wird, kann ein KI-Agent diese mit den genehmigten Lieferanten und Preisen abgleichen und die Bestellung automatisch ausfüllen. Dann sendet er die Bestellung und aktualisiert die Liefertermine. 

Im Falle eines Konflikts, z. B. bei einem Vorlaufzeitproblem, kann das System auf der Grundlage früherer Daten Alternativen vorschlagen. Dashboards halten die Beteiligten auf dem Laufenden, während das System Rechnungen und Quittungen automatisch abgleicht und alle Diskrepanzen zur Überprüfung kennzeichnet.

4. AI-Assistenten für Beschaffungsteams

KI-Assistenten in der Beschaffung sind Werkzeuge, die Teams bei zeitaufwändigen Routineaufgaben unterstützen. Sie arbeiten mit bestehenden Systemen zusammen, um die Entscheidungsfindung zu beschleunigen und den manuellen Aufwand im Tagesgeschäft zu reduzieren.

Sie ersetzen zwar nicht das menschliche Fachwissen, aber KI-Assistenten helfen Teams definitiv, schneller und intelligenter zu arbeiten.

Zycus bietet mit Merlin Intake einen KI-Assistenten an, der Nutzer beim Erstellen und Verfolgen von Kaufanfragen unterstützt. Er führt die Nutzer durch den Kaufprozess und beantwortet Fragen während des Prozesses, sodass weniger Hin und Her entsteht.

5. Intelligente Ausgabenanalyse

Beschaffungsteams haben oft Schwierigkeiten zu verstehen, wohin das Geld fließt, vor allem, wenn die Daten über ERP- und P2P-Systeme verstreut sind. Wenn Daten über verschiedene ERP- und P2P-Systeme verstreut sind, kann es schwierig sein, zu verstehen, wohin jeder Euro fließt.

KI-Tools können Daten automatisch bereinigen und klassifizieren, sodass Teams einen einheitlichen, genauen Überblick über ihre Ausgaben erhalten. Algorithmen des maschinellen Lernens erkennen Anomalien und decken Einsparmöglichkeiten auf, die herkömmlichen Tools oft entgehen.

So könnte KI beispielsweise wiederholte Einkäufe bei mehreren Anbietern identifizieren, die für Mengenrabatte konsolidiert werden könnten, oder ungewöhnliche Ausgabenspitzen innerhalb einer Kategorie aufzeigen, die eine Überprüfung rechtfertigen.

Dieses Maß an Einsicht hilft den Teams:

• Verbesserung der Ausgabentransparenz über Kategorien und Lieferanten hinweg
• Erkennen von nicht konformen oder unkonventionellen Ausgaben
• Identifizierung von Möglichkeiten zur Bündelung oder Neuverhandlung
• Bessere Entscheidungen bei der Budgetierung und Beschaffung treffen

6. Risikomanagement für Lieferanten

Das Lieferantenrisiko ist ein wachsendes Problem, und KI macht die Verwaltung dieses Risikos proaktiver als je zuvor.

Modelle des maschinellen Lernens scannen kontinuierlich interne Signale wie Vertragsverletzungen und Rechnungsdiskrepanzen sowie externe Indikatoren wie Kreditbewertungen, ESG-Ratings, geopolitische Ereignisse und globale Nachrichten.

Die KI fasst diese Daten dann in Echtzeit-Risikobewertungen zusammen, so dass die Beschaffungsteams die Zulieferer auf der Grundlage ihrer Gefährdung und Zuverlässigkeit nach Prioritäten ordnen können. Einige Tools können sogar Unterbrechungsszenarien für die Lieferkette simulieren, um Strategien zur Risikominderung zu entwickeln.

Mit der KI-Plattform von Resilinc können Unternehmen beispielsweise potenzielle Verzögerungen vorhersagen, indem sie Faktoren wie die Leistung von Lieferanten und externe Ereignisse analysieren. Mithilfe der Plattform von Resilinc können Unternehmen Störungen, wie etwa einen Taifun in China, vorhersehen, bevor sie auftreten. Das System warnt die Teams im Voraus, so dass sie die Sendungen umleiten und mögliche Umsatzeinbußen vermeiden können.

7. Vertragsintelligenz

Beschaffungsverträge enthalten viele wichtige Informationen, aber die manuelle Überprüfung und Verwaltung ist zeitaufwändig.

NLP-Tools, wie z. B. LLM , können Schlüsselbegriffe wie Zahlungsklauseln und SLAs aus Tausenden von Verträgen extrahieren und sie den Compliance-Rahmenbedingungen zuordnen.

Nehmen wir an, Ihr Team muss vor Jahresende 500 Lieferantenverträge überprüfen. Anstatt jeden einzelnen manuell zu durchforsten, scannt ein KI-System die Dokumente in wenigen Minuten, markiert Verträge mit auslaufenden Bedingungen, hebt die fehlenden Datenschutzklauseln hervor und gruppiert ähnliche Vereinbarungen zur leichteren Überprüfung. 

8. Dynamischer Lieferantenabgleich

Die Suche nach dem richtigen Lieferanten war bisher stark von statischen Lieferantenlisten oder manuellen Recherchen abhängig. KI ändert dies, indem sie Lieferanten auf der Grundlage von Leistungsdaten, Zertifizierungen, Preisen und aktuellen Kapazitäten empfiehlt.

Mithilfe von maschinellem Lernen wertet das System sowohl strukturierte als auch unstrukturierte Daten aus, um die am besten geeigneten Anbieter für einen bestimmten Bedarf oder eine bestimmte Region vorzuschlagen. 

Beschaffungsteams können jetzt:

• Schnellere Auswahl der idealen Lieferanten
• Beschaffung bei Anbietern, die den Qualitäts-, Kosten- und ESG-Zielen entsprechen
• Verkürzung der Einführungszeit und Verbesserung der Flexibilität bei der Beschaffung

1. Klare Ziele setzen

Setzen Sie KI nicht ein, nur weil es innovativ klingt. Wissen Sie genau, welches Problem Sie zu lösen versuchen.

Möchten Sie Bestellungen automatisieren? Die Klassifizierung von Ausgaben verbessern? Versorgungsrisiken vorhersagen?

Für jedes dieser Ziele sind unterschiedliche Tools, Datenmodelle und Integrationen erforderlich. Zum Beispiel könnte die Automatisierung von Bestellungen den Einsatz von RPA bedeuten, während die Verbesserung von Prognosen auf ML beruhen könnte. 

Ohne ein klares Ziel riskieren Sie, ein teures Tool zu entwickeln, das keine Lösung bietet. Beginnen Sie mit dem Schmerzpunkt und lassen Sie sich bei der KI-Implementierung davon leiten.

2. Wählen Sie eine Plattform

Wenn Sie sich Ihre Ziele gesetzt haben, suchen Sie sich die Werkzeuge, die sie unterstützen. 

Beginnen Sie mit dem, was Sie bereits nutzen. Viele ERPs und Beschaffungsplattformen bieten jetzt integrierte KI-Funktionen wie Ausgabenklassifizierung oder Vertragsanalyse. Wenn Sie spezifischere Anforderungen haben, sollten Sie sich eigenständige Tools ansehen, aber darauf achten, dass sie sich sauber in Ihr stack integrieren lassen. 

Die beste Plattform ist diejenige, die mit dem funktioniert, was Sie haben, und mit Ihrem Wachstum mitwächst.

3. Bereiten Sie Ihre Daten vor

KI ist nur so intelligent wie die Daten, mit denen Sie sie füttern.

Bevor Sie loslegen, sollten Sie eine Bestandsaufnahme Ihrer Daten vornehmen. Bereinigen Sie unordentliche Daten, konsolidieren Sie über verschiedene Systeme verstreute Informationen und wenden Sie eine strenge Data Governance an. Das bedeutet Standardisierung der Formate und Validierung der Genauigkeit.

Die Beschaffungsteams brauchen keine perfekten Daten, aber sie brauchen brauchbare Daten. Betrachten Sie dies als Vorbereitung des Bodens vor der Pflanzung.

4. Erwecken Sie Ihre Lösung zum Leben 

Sobald Ihre Ziele und Ihre Plattform klar sind und Ihre Daten bereitstehen, ist es an der Zeit, Ihre Lösung in die Tat umzusetzen.

Für die meisten Beschaffungsteams bedeutet dies nicht, dass sie KI-Tools von Grund auf neu entwickeln müssen. Es bedeutet, mit einem Anbieter, Partner oder internen IT-Team zusammenzuarbeiten, um ein Tool zu konfigurieren und bereitzustellen, das für den jeweiligen Anwendungsfall geeignet ist.

Wählen Sie den Ansatz, der den Fähigkeiten Ihres Teams und der Komplexität Ihres Ziels entspricht.

5. Befähigen Sie Ihr Team

Selbst das beste KI-Tool wird keine Ergebnisse liefern, wenn das Team nicht weiß, wie man es benutzt oder ihm nicht vertraut.

Sobald die Lösung in Betrieb ist, sollten Sie sich Zeit für die Einarbeitung und Übernahme nehmen. Arbeiten Sie mit dem Anbieter oder Implementierungspartner zusammen, um das Team in den Anwendungsfällen zu schulen, und passen Sie die Schulung an die tatsächliche Arbeitsweise der Beschaffungsfachleute an - nicht nur an die Funktionsweise des Tools.

Schaffen Sie Raum für praktische Übungen, dokumentieren Sie gemeinsame Arbeitsabläufe und halten Sie eine Feedbackschleife offen. 

Die Technik kann keine Ergebnisse liefern, wenn niemand weiß, wie man sie einsetzt.

6. Bewerten und iterieren

Stellen Sie es nicht ein und vergessen Sie es.

Verfolgen Sie die Auswirkungen Ihrer KI-Tools anhand klarer Kennzahlen wie verkürzte Zykluszeiten, erzielte Einsparungen oder vermiedene Risikovorfälle. 

Wenn Chatbots Teil der Einführung sind, sollten Sie sich Chatbot-Analysen ansehen, um zu verstehen, wie sie genutzt werden, wo sie effektiv sind und wo sie zu Reibungsverlusten führen können. Die Messung des Chatbot-ROI ist besonders wichtig, um die Investition zu rechtfertigen und zukünftige Verbesserungen zu steuern.

Und sprechen Sie mit Ihren Nutzern. Was funktioniert? Was ist unhandlich? 

KI-Systeme werden im Laufe der Zeit immer besser, aber nur, wenn man sie immer wieder neu abstimmt. Die besten Implementierungen entwickeln sich mit der realen Nutzung weiter.

Wie teuer ist die Implementierung von KI-Tools in der Beschaffung?

Die Kosten für die Implementierung von KI-Tools im Beschaffungswesen sind sehr unterschiedlich: KI-Einstiegsfunktionen in bestehenden Plattformen kosten vielleicht nur ein paar hundert dollars pro Monat, während Lösungen für Unternehmen wie erweiterte Ausgabenanalysen oder autonome Agenten einen sechsstelligen Betrag pro Jahr ausmachen können. Die Gesamtkosten hängen von der Komplexität der Arbeitsabläufe ab und davon, ob Sie Standardlösungen einsetzen oder eigene KI-Funktionen entwickeln.

Gibt es Risiken oder Nachteile beim Einsatz von KI in der Beschaffung?

Der Einsatz von KI im Beschaffungswesen birgt Risiken, z. B. eine schlechte Entscheidungsfindung, wenn die Daten unvollständig oder ungenau sind, eine potenzielle Anbieterbindung bei proprietären KI-Systemen und Compliance-Bedenken, wenn sensible Daten nicht ordnungsgemäß gesichert sind. Darüber hinaus können KI-Tools manchmal Fehler oder unerwartete Ergebnisse produzieren, die eine menschliche Aufsicht erfordern, um Probleme zu erkennen, bevor sie zu kostspieligen Fehlern eskalieren.

Ersetzen KI-Tools in der Beschaffung Arbeitsplätze oder verändern sie nur die Arbeitsweise der Menschen?

KI-Tools im Beschaffungswesen machen in der Regel keine Arbeitsplätze überflüssig, sondern verändern die Arbeitsweise der Mitarbeiter, indem sie sich wiederholende Aufgaben wie Dateneingabe, Rechnungsabgleich oder Ausgabenkategorisierung automatisieren, sodass sich Beschaffungsexperten auf strategische Tätigkeiten wie Lieferantenbeziehungen, Verhandlungen und Risikomanagement konzentrieren können. Mit der Integration von KI in die täglichen Arbeitsabläufe können sich die Aufgaben jedoch in Richtung analytischer oder technischer Fähigkeiten verschieben.

Können kleine Unternehmen von KI im Beschaffungswesen profitieren, oder ist sie hauptsächlich für Großunternehmen gedacht?

Kleine Unternehmen können durchaus von KI im Beschaffungswesen profitieren, insbesondere durch erschwingliche SaaS-Tools, die Funktionen wie automatische Dokumentenverarbeitung, Lieferantenabgleich oder grundlegende Ausgabenanalysen ohne große Vorabinvestitionen bieten. Während große Unternehmen oft komplexere, maßgeschneiderte KI-Lösungen einsetzen, können kleinere Firmen mit einfacheren, cloudbasierten KI-Tools immer noch erhebliche Zeiteinsparungen und bessere Entscheidungen erzielen.

Welche Fähigkeiten brauchen Beschaffungsteams, um mit KI-Tools zu arbeiten?

Beschaffungsteams müssen nicht unbedingt Programmierer sein, um mit KI-Tools arbeiten zu können. Sie benötigen jedoch Datenkenntnisse, um zu verstehen, wie KI-Modelle funktionieren und Probleme mit der Datenqualität zu erkennen. Vertrautheit mit Analysetools und der sichere Umgang mit digitalen Plattformen sind ebenso wichtig wie die Fähigkeit, mit der IT-Abteilung zusammenzuarbeiten, um KI-Lösungen in die Beschaffungsabläufe zu integrieren.