Sollte die Beschaffung KI und maschinelles Lernen fürchten oder begrüßen?

Ihre langjährige Karriere im Einkauf bestand vor allem darin, dass Sie vom Top-Management verprügelt wurden, weil Sie ständig die Lieferantenkosten senken mussten. Dazu kommt digitale Technologie, die Ihnen die Arbeit erleichtert – oder wegnimmt.

Das ist zumindest die Angst von Einkaufsprofis im Zeitalter von künstlicher Intelligenz und maschinellem Lernen. Ist es angesichts all der Faktoren, die in die Lieferantenauswahl und -wartung einfließen, nicht sinnvoll, die Aufgabe an ein System zu übergeben, das mehr Daten verarbeiten kann als hundert Menschen?

Und das Datenvolumen wächst weiter. Beschaffungsmanager müssen heute auf mehrere Informationsquellen zurückgreifen, sowohl von den Lieferanten selbst als auch von unabhängigen Finanzdaten, Nachrichtenberichten, Drittanbieterdiensten und sozialen Medien. Dazu Sammeli Sammalkorpi, Mitbegründer des Beschaffungsanalyse-Softwareanbieters Sievo:„Beschaffungsorganisationen haben noch nicht gelernt, wie man diese verschiedenen Arten von Daten erschließt.“

KI und maschinelles Lernen scheinen für die Herausforderung besonders gut geeignet zu sein. Doch die Befürchtungen, dass sie den Job übernehmen, scheinen völlig unbegründet. Wenn es um effektives Beschaffungs- und Lieferantenmanagement geht, liegt die absehbare Zukunft in der Zusammenarbeit von Mensch und Maschine.

„Ich glaube wirklich, dass die Rolle der KI nicht darin besteht, den Menschen zu ersetzen“, sagt Sammalkorpi. „Maschinelles Lernen und KI können Ergebnisse vorschlagen, aber Sie müssen sich immer noch darauf einstellen, was relevant ist und was nicht.“

Maschinen sind sehr effektiv für enge Anwendungen mit klar definierten Problemen. Darüber hinaus sind sie immer „on“ und verursachen im Vergleich zu den Gehältern und Sozialleistungen eines menschlichen Arbeiters minimale Betriebskosten.

Es ist jedoch an der Zeit, Maßnahmen zu ergreifen, und der Manager aus Fleisch und Blut muss eingreifen. Einfach ausgedrückt, Menschen sind immer noch besser darin, ein endgültiges Urteil über wichtige Lieferanten zu fällen. Zumindest vorerst „ist maschinelles Lernen noch nicht zuverlässig genug, um Entscheidungen zu treffen“, sagt Sammalkorpi. (Es gibt noch einen weiteren Grund, Menschen auf dem Laufenden zu halten, fügt er hinzu:Sie müssen die Verantwortung dafür behalten, Entscheidungen zu treffen, damit sie nicht am Ende der Maschine die Schuld an falschen Entscheidungen geben.)

In den frühen Stadien des maschinellen Lernens kann die Technologie wahrscheinlich bestimmte Elemente des Lieferantenvertrags übernehmen. Mit zunehmender Verbesserung werden sich Käufer jedoch bei einer zunehmenden Anzahl von Aufgaben auf das System verlassen, wenn nicht sogar bei der endgültigen Entscheidung über die Überprüfung und Auswahl von Lieferanten.

Da KI und maschinelles Lernen stark von komplexen Algorithmen abhängen, könnten Unternehmen davon ausgehen, dass sie ein teures Team von Datenwissenschaftlern einstellen müssen, um das System zu betreiben und seine Schlussfolgerungen zu verstehen. Für den Einkauf ist das nach Meinung von Sammalkorpi nicht der Fall. Er ist der Meinung, dass diese Art von Fachwissen besser von einem ausgelagerten Anbieter bezogen wird.

„Auch wenn sie dachten, es wäre ein guter Business Case“, sagt er, „sehen wir nicht viele Unternehmen, die in der Lage sind, diese Talente im Haus zu halten. Sie brauchen immer noch Data Scientists, aber ich glaube nicht, dass die Beschaffungsorganisation der richtige Ort dafür ist.“

Die Vorhersage zukünftiger Ergebnisse ist für eine Maschine wahrscheinlich genauso schwierig wie für einen Menschen – mit anderen Worten, unmöglich. Aber maschinelles Lernen ist gut darin, Prognosen und Aktionspläne in Echtzeit schnell zu überarbeiten, um das tatsächliche Kaufverhalten widerzuspiegeln, glaubt Sammalkorpi.

All dies setzt natürlich voraus, dass der Einkauf die neue Technologie reibungslos in seinen Betrieb einbinden kann. Aber neue Untersuchungen von Forrester Consulting im Auftrag des Beschaffungsplattform-Anbieters Ivalua deuten darauf hin, dass dies bei weitem nicht der Fall ist. Forrester nutzte einen „digitalen Reifegradindex“, um den Fortschritt der Unternehmen bei der Einführung von Beschaffungstechnologie zu bewerten, und stellte fest, dass die meisten ihren Reifegrad in dieser Hinsicht „deutlich überschätzen“.

65 Prozent der befragten Unternehmen hielten sich für „fortgeschritten“, aber nur 16 Prozent verfügten über den erforderlichen digitalen Reifegrad in ihren Beschaffungsorganisationen, um diese Einschätzung zu rechtfertigen.

Ein Problem besteht darin, dass viele Unternehmen bei der Auswahl der Beschaffungstechnologie anfänglich schlechte Entscheidungen treffen. In der Forrester-Studie hatten 82 Prozent den Technologieanbieter gewechselt oder erwägten einen Wechsel. Als Gründe nannten sie das geringe Onboarding von Anbietern und die Benutzerakzeptanz.

Außerdem war die Adoptionsfrist zu lang. Nur 17 Prozent der Unternehmen waren in weniger als einem Monat in der Lage, neue Lieferanten an Bord zu nehmen, und 59 Prozent brauchten für jeden Lieferanten zwischen einem und drei Monaten.

„Einkaufsleiter haben die Möglichkeit, ihren Unternehmen einen echten Wettbewerbsvorteil zu verschaffen“, sagte David Khuat-Duy, Corporate Chief Executive Officer von Ivalua, in einer Erklärung. „Die digitale Transformation ist erfolgskritisch, erfordert aber eine realistische Einschätzung des aktuellen Reifegrades, eine klare Vision für jede Etappe der Reise und die richtige Technologie.“

All dies deutet darauf hin, dass Technologie in Form von KI und maschinellem Lernen weit davon entfernt ist, Menschen aus der Beschaffungsfunktion zu verdrängen, auch wenn sie verspricht, den Betrieb zu verbessern, wenn sie richtig bewertet und implementiert wird.