Stellen Sie sich für einen Moment Folgendes vor. Angenommen, Sie sind Einkaufsleiter bei einem mittelgroßen Hersteller von Steuerungskomponenten im Mittleren Westen. Sie betreten an einem strahlenden Montagmorgen Ihr Büro und sagen zu Ihrem digitalen Desktop-Assistenten: „OK, ‘Bridget’, zeig mir den Verbrauch an passiven Bauteilen, die im letzten Monat auf Montagelinie 2 verwendet wurden, und gib mir eine 90-Tage-Bestellprognose zur Überprüfung, basierend auf dem aktuellen Verbrauch und den erwarteten Lieferungen ± 10 %.“

Innerhalb weniger Sekunden erscheint eine Tabelle auf Ihrem Bildschirm, und Ihr digitaler Assistent fragt, ob Sie den prognostizierten Bauteilbedarf mit den geschätzten Beständen auf dem freien Markt abgleichen und dabei Preisschwankungen aufgrund erwarteter Zollerhöhungen berücksichtigen möchten.

Das ist das Versprechen der künstlichen Intelligenz (KI), während sie den Einkaufssektor weiter verändert. Die Frage ist jedoch, wie weit wir von diesem Szenario noch entfernt sind.

Seit der Begriff „künstliche Intelligenz“ (KI) 1956 erstmals vom Stanford-Informatiker John McCarthy geprägt wurde, hat sich seine Definition erheblich weiterentwickelt. Ursprünglich bezeichnete man mit KI „Computer- oder Maschinensysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern würden“.

1961 schrieb der britische Wissenschaftler und Mathematiker Alan Turing über die Idee von Maschinen, die in der Lage sind, „Menschen zu simulieren und intelligente Dinge zu tun“. Das entscheidende Wort war damals „simulieren“.

Die heutige Definition des Begriffs geht jedoch über das reine „Simulieren“ hinaus: Sie beschreibt die Fähigkeit eines Computers oder einer Maschine, tatsächlich Vorgänge auszuführen, die dem menschlichen Lernen und der menschlichen Entscheidungsfindung entsprechen. Der Unterschied liegt in der Ergänzung um das Wort „Lernen“, das bedeutet, dass Maschinen sich anhand von Erfahrungen mit ihrer Umgebung – oder als Teil davon – anpassen und ihr Verhalten entsprechend ändern.

Maschinelles Lernen definiert die neue KI im eigentlichen Sinne, was ihren Einsatz in Beschaffungssystemen und Lieferketten besonders interessant macht. Maschinelles Lernen basiert auf der Erfassung und Analyse riesiger Datenmengen, die von einem Prozess oder System erzeugt werden, um anschließend aus diesen Daten zu lernen und andere Systeme zu beraten oder buchstäblich zu steuern.

Der Einkauf erzeugt jede Menge Daten, aus denen KI-Systeme lernen können. Da hochentwickelte Sensoren und Sensornetzwerke sowie das Internet der Dinge zu einem immer wichtigeren Bestandteil von Prozesssteuerungssystemen, Bestandsmanagementsystemen sowie Transport- und Versandnetzwerken werden, werden die Datensätze zunehmend umfangreicher und aussagekräftiger.

In vielen Einkaufsabteilungen dominieren heutzutage jedoch Analytik und Big Data, während Datenqualität und -integration in den Hintergrund treten. Das bedeutet, dass verhältnismäßig kleine Kosteneinsparungen durch Mengenpreise, gebündelte Lieferungen oder andere Einkaufseffizienzen Vorrang vor Dingen haben, in denen KI wirklich stark ist – etwa dem Erkennen kognitiver Verzerrungen im Einkauf, was zu weitaus größeren Effizienzgewinnen führen könnte.  

Tatsächlich könnte KI die größte unmittelbare Wirkung dadurch entfalten, dass sie Unternehmen auf bisher nicht berücksichtigte Faktoren hinweist, die ihre Leistung beeinflussen. Ein Verständnis der Gesamtausgaben einer Organisation durch Ausgabenanalyse-Software kann große Mengen an Ausgabendaten sinnvoll erschließen und zu konsolidierten Ausgaben, geringeren Kosten, schnelleren Prozessen und einer insgesamt höheren Effizienz führen.   

Der Einsatz von AI in der Einkaufsfunktion kann in Verbindung mit dem unternehmensweiten Engagement für integrierte Datenerfassung und intelligente Prozesse auch Chancen für das strategische Denken und die Beschaffung insgesamt eröffnen. Die Entwicklung kognitiver Beschaffungsberater (CPAs) und virtueller persönlicher Assistenten (VPAs) mithilfe natürlicher Sprachverarbeitung, wie „Bridget“ in unserem Eingangsbeispiel, kann zu mehr Automatisierung und Effizienz in der gesamten Einkaufsfunktion führen.

So können CPAs beispielsweise Zusammenfassungen erstellen, Ratschläge erteilen und Empfehlungen aussprechen, die sich auf Lieferantenbewertungen, Leistung, Risikomanagement und Compliance auswirken. Der Softwareanbieter SAP Ariba bietet bereits ein KI-gestütztes Paket an, das die Einkaufsrichtlinien und -verfahren eines Unternehmens verstehen und im Bereich Rechnungsstellung und Zahlungen umsetzen kann, um Fehler zu reduzieren und die Bearbeitung zu beschleunigen.

Kurz gesagt: KI-Systeme existieren entweder bereits oder befinden sich in der Entwicklung und versprechen Fähigkeiten, die unter anderem Folgendes umfassen:

• Erkennung unvollständiger oder ungenauer interner Ausgabendaten
• Automatisierung von Routineaufgaben (Verhandlungen mit Lieferanten, Aktualisierung von Bestandslisten usw.)
• Abgleich interner Daten mit externen Trends und Daten einzelner Lieferanten zur besseren Risikosteuerung
• Verfolgung und Berichterstattung von Wechselkursschwankungen und deren Auswirkungen auf die Ausgaben
• Automatisierte Einkaufsvorschläge auf Basis historischer Trends
• Einblicke in die Leistung der internen im Vergleich zur externen Einkaufsfunktion sowie Ausgabenmuster
• Lieferantenempfehlungen passend zu spezifischen Produktionsanforderungen
• Identifizierung von Möglichkeiten für schnellere Prozesse, geringere Kosten und höhere Effizienz
• Analyse externer Nachfragetrends zur Vorhersage von Preisentwicklungen

Die Verfügbarkeit dieser analytischen Rechenleistung bedeutet jedoch nicht, dass ihre breite Einführung im gleichen Tempo voranschreitet. Tatsächlich zeigte eine aktuelle Studie der Hackett Group, dass zwar 85 % der Führungskräfte großer Unternehmen glauben, dass digitale Technologie die Art und Weise, wie sie Dienstleistungen erbringen, in den nächsten 3 bis 5 Jahren verändern wird, aber nur 32 % von ihnen tatsächlich eine digitale Strategie in ihrem Unternehmen umgesetzt haben.

Trotz dieses generellen Vakuums bei der digitalen Strategie stellt Forrester Research fest, dass 55 % der Unternehmen bis Ende 2019 in irgendeine Form von KI investieren werden, und laut einer Studie von Gartner Inc. werden bis 2023 fast 50 % der großen globalen Unternehmen KI in ihren Lieferkettenprozessen einsetzen.

Es ist offensichtlich, dass die Realität des KI-gestützten Softwareeinsatzes in der gesamten Industrie und im Einkauf beginnt, dem Versprechen gerecht zu werden. Wenn Sie in einem großen, global tätigen Unternehmen arbeiten, stecken Sie wahrscheinlich bereits mitten in der Umsetzung verschiedener Strategien, die KI einsetzen. Tatsächlich setzen Sie möglicherweise bereits KI-gestützte Robotertechnik zur Auftragsabwicklung ein und diskutieren über den verstärkten Einsatz von KI-gesteuerten Robotern zur Unterstützung von Lagermitarbeitern.

Technologieentwicklung und praktische Anwendung gehen nicht immer Hand in Hand. Doch die technologische Entwicklung im frühen 21^. Jahrhundert, insbesondere der Einsatz von KI in intelligenten Beschaffungssystemen, schreitet immer schneller voran. Transaktionale Arbeit wird zunehmend automatisiert. Entscheidungen auf Basis der Analyse riesiger Kennzahlen werden schon bald alltäglich sein. Vorhersagen auf Basis derselben Kennzahlen werden mit Sicherheit folgen.

All dies bedeutet, dass sich die Einkaufsfunktion in Organisationen – ob groß oder klein – zunehmend vom Operativen hin zum Strategischen verlagern wird. KI wird einen großen Einfluss auf die Geschwindigkeit dieses Wandels haben. Eines ist sicher: KI ist gekommen, um zu bleiben.