KI & Machine Learning im Procurement: Chancen, Herausforderungen & Best Practices

Ihre lange Karriere im Procurement bestand weitgehend darin, von Top-Management wegen der Notwendigkeit, ständig Lieferantenkosten zu senken, unter Druck gesetzt zu werden. Da kommt digitale Technologie, um Ihren Job einfacher zu machen – oder wegzunehmen.

Das ist zumindest die Befürchtung von Procurement-Profis im Zeitalter von Künstlicher Intelligenz und Machine Learning. Angesichts all der Faktoren, die in Lieferantenauswahl und -pflege einfließen: Macht es nicht Sinn, die Aufgabe einem System zu übergeben, das mehr Daten verarbeiten kann als hundert Menschen?

Und das Datenvolumen wächst weiter. Procurement-Manager müssen heute auf diverse Intelligenzquellen zurückgreifen: von Lieferanten selbst, unabhängigen Finanzdaten, Nachrichtenberichten, Third-Party-Services und Social Media. Sagt Sammeli Sammalkorpi, Co-Founder des Procurement-Analytics-Software-Anbieters Sievo: „Procurement-Organisationen haben noch nicht gelernt, in diese verschiedenen Datenarten einzuzapfen.“

KI und Machine Learning scheinen der Herausforderung besonders gewachsen. Doch die Befürchtung, sie würden den Job vollständig übernehmen, scheint unbegründet. Wenn es um effektives Procurement und Supplier Management geht, ist die vorhersehbare Zukunft eine der Kollaboration zwischen Mensch und Maschine.

„Ich glaube wirklich, dass die Rolle von KI nicht ist, Menschen zu ersetzen“, sagt Sammalkorpi. „Machine Learning und KI können Findings vorschlagen, aber Sie müssen noch anpassen, was relevant ist und was nicht.“

Maschinen sind hoch effektiv für eng umrissene Anwendungen mit klar definierten Problemen. Zudem sind sie immer „an“ und verursachen minimalen Betriebskostenaufwand im Vergleich zu Gehalt und Benefits eines menschlichen Arbeiters.

Kommt es jedoch zum Handeln, muss der Fleisch-und-Blut-Manager einspringen. Einfach gesagt: Menschen sind immer noch besser darin, das finale Urteil über Schlüssellieferanten zu fällen. Zumindest vorerst ist „Machine Learning noch nicht zuverlässig genug, um Entscheidungen zu steuern“, sagt Sammalkorpi. (Ein weiterer Grund, Menschen in der Schleife zu behalten: Sie müssen Verantwortung für Entscheidungen behalten, damit sie nicht am Ende die Maschine für falsche Entscheidungen verantwortlich machen.)

In frühen Phasen des Machine Learning kann die Technologie wahrscheinlich bestimmte Elemente des Lieferantenvertrags übernehmen. Je besser sie wird, desto mehr werden sich Käufer auf das System für eine wachsende Zahl von Aufgaben verlassen – wenn nicht für die finale Entscheidung bei Lieferantenprüfung und -auswahl.

Weil KI und Machine Learning stark von komplexen Algorithmen abhängen, könnten Unternehmen annehmen, sie bräuchten ein teures Team von Data Scientists, um das System zu betreiben und seine Schlussfolgerungen zu interpretieren. Nach Sammalkorpi ist das für die Procurement-Abteilung nicht der Fall. Er glaubt, diese Expertise besser von einem Outsourcing-Anbieter zu beziehen.

„Selbst wenn sie dächten, es sei ein guter Business Case“, sagt er, „sehen wir nicht viele Organisationen, die in der Lage sind, dieses Talent im Haus zu halten. Sie brauchen immer noch Data Scientists, aber ich denke nicht, dass die Procurement-Organisation der richtige Ort für sie ist.“

Zukünftige Ergebnisse vorherzusagen, ist für eine Maschine wahrscheinlich genauso schwer wie für einen Menschen – mit anderen Worten: unmöglich. Aber Machine Learning ist gut darin, Prognosen und Aktionspläne in Echtzeit schnell zu revidieren, um tatsächliche Einkaufsmuster widerzuspiegeln, glaubt Sammalkorpi.

All das setzt voraus, dass Procurement die neue Technologie reibungslos in seine Abläufe integrieren kann. Aber neue Forschung von Forrester Consulting, beauftragt von Procurement-Plattform-Anbieter Ivalua, deutet darauf hin, dass dem weit entfernt ist. Mit einem „Digital Maturity Index“ zur Bewertung des Fortschritts von Unternehmen bei der Adoption von Procurement-Technologie fand Forrester: Die meisten „überschätzen ihre Reife in dieser Hinsicht signifikant.“

65 % der befragten Unternehmen betrachteten sich als „fortgeschritten“, aber nur 16 % hatten den erforderlichen Grad digitaler Reife in ihren Procurement-Organisationen, um diese Einschätzung zu rechtfertigen.

Ein Problem: Viele Unternehmen treffen schlechte initiale Entscheidungen bei der Auswahl von Procurement-Technologie. In der Forrester-Studie hatten 82 % den Tech-Anbieter gewechselt oder erwogen den Wechsel – wegen schlechter Supplier-Onboarding-Level und User-Adoption.

Zudem war die Adoptionsphase überlang. Nur 17 % der Organisationen konnten neue Lieferanten in unter einem Monat onboarden, 59 % brauchten ein bis drei Monate pro Lieferant.

„Procurement-Führer haben die Chance, einen echten Wettbewerbsvorteil für ihre Organisationen zu liefern“, sagte David Khuat-Duy, Corporate CEO von Ivalua, in einer Stellungnahme. „Digitale Transformation ist kritisch für Erfolg, erfordert aber realistische Einschätzung der aktuellen Reife, klare Vision für jede Etappe der Reise und die richtige Technologie.“

All das deutet darauf hin, dass Technologie in Form von KI und Machine Learning noch weit davon entfernt ist, Menschen aus der Procurement-Funktion zu verdrängen – selbst während sie verspricht, Abläufe zu verbessern, wenn sie richtig eingeschätzt und implementiert wird.