Künstliche Intelligenz im Beschaffungsmanagement

Die Maschine lernt nie aus

| Autor / Redakteur: Jochen Werner* / Florian Karlstetter

Die Vorteile von Machine Learning im Beschaffungsmanagement.
Die Vorteile von Machine Learning im Beschaffungsmanagement. (Bild: gemeinfrei (PIRO4D / pixabay) / CC0)

Künstliche Intelligenz (KI) ist ein neues Stichwort im Beschaffungsmanagement. Aber was kann sie wirklich leisten? Technologisch hat KI schon seit längerem einen hohen Reifegrad erreicht, doch erst die heute verfügbaren großen Datenmengen und die hohe und günstige Rechenpower ermöglichen entsprechende Anwendungen für das Procurement

Beruhend auf zwei Konzepten, Machine Learning und Deep Learning, kann KI Unternehmen damit mittlerweile einen echten Mehrwert bieten.

Ein Beispiel: Nimmt man eine Lieferantenliste eines beliebigen Unternehmens zur Hand, so ist die Schreibweise der Lieferanten oftmals uneinheitlich. IBM wird als International Business Machines ausgeschrieben, als Intl Bus Machines abgekürzt oder als IBM Deutschland spezifiziert. Durch diese Inkonsistenz verlieren Verantwortliche leicht den Überblick über die gesamte Lieferantenbeziehung. Wie lässt sich dieses Problem durch künstliche Intelligenz einfach und effizient lösen?

Von manuellen Regeln bis zu neuronalen Netzen

Machine Learning im Beschaffungsmanagement ist speziell für die Normalisierung von Datensätzen geeignet. Dazu benötigt das System Regeln. Im oben genannten Beispiel wäre eine Regel notwendig, zu welcher Version alle Varianten des Lieferantennamens geändert werden sollen. Die Normalisierung erfolgt anschließend automatisch. Dieses maschinelle Lernen beruht auf der Definition von Regeln, um intelligent zu handeln, Deep Learning geht einen Schritt weiter.

Beim Deep Learning wird ein System darauf trainiert, nicht nur einzelne Elemente (Worte) eines Satzes, sondern ganze Sätze und den Kontext um die Sätze herum zu verstehen. Auf Deep Learning basierende Systeme bauen dazu ein neuronales Netz auf. Dies ähnelt im Aufbau der Funktionsweise des menschlichen Gehirns. Google beispielsweise hat die letzten zwei Jahrzehnte damit verbracht, Milliarden von Suchvorgängen zu analysieren. Ziel des Forscherteams war es, anhand noch so kryptischer, missverständlicher oder falsch-buchstabierter Suchanfragen, Rückschlüsse darauf zu ziehen, was der Suchende in Erfahrung bringen wollte.

In diesem Projekt, genannt „Word2vec“, baute Google mithilfe von Wortvektoren ein neuronales Netz auf. Dieses Netz kann nicht nur die Bedeutung von Buchstaben und Wörtern ableiten, sondern auch aus ihrem Kontext und ihrer Beziehung zu anderen Wörtern Erkenntnisse gewinnen. Deep Learning anhand von Wortvektoren würde im Beschaffungsmanagement beispielsweise bedeuten, dass eine Rechnung mit der Betreffzeile „Plastik, 500ml, Evian“ automatisch als abgefülltes Wasser erkannt wird. Die richtige Zuordnung erfolgt rein auf Basis des Kontexts und durch die wachsende Erfahrung des lernenden Systems. Eine manuell dafür aufgesetzte Regel ist nicht notwendig, denn Deep-Learning-Systeme können die Bedeutung selbst unbekannter Datensätze ableiten – anhand ähnlicher Wörter oder dem Abstand zu bekannten Wörtern im Text.

Die Mischung macht‘s

Wahre künstliche Intelligenz kombiniert beide Arten des Lernens und wandelt jeden neu bearbeiteten Datensatz in Wissen im System um. Das maschinelle Lernen dient in erster Linie der Normalisierung, Deep Learning hingegen der Klassifizierung. Die Mischung ist deshalb notwendig, da maschinelles Lernen schnell ist, aber das Durchforsten von neuronale Netzen Stunden in Anspruch nehmen kann.

Betrachtet man ein normales Unternehmen im Einzelhandel, so hat dieses einen festen Stamm von etwa 2.000 Lieferanten. Mit diesen kommt er auf eine, im Extremfall auf bis zu fünf Millionen Rechnungen pro Jahr. Die große Herausforderung des Händlers ist es, all die damit verbunden unstrukturierten Rechnungsdaten zu normalisieren, kategorisieren und klassifizieren. In Zeiten vor dem Einsatz von KI war dies ein manuelles Mammutprojekt. Mit Machine und Deep Learning können innerhalb einer Woche bis zu einer Million Rechnungen bearbeitet werden.

Mittlerweile sind intelligente Systeme sogar fähig, die Kommunikation mit Lieferanten teilweise zu übernehmen. Sprachgesteuerte Bots können Rechnungen oder Bestellungen annehmen oder fehlerhafte Liefermengen eigenständig korrigieren. Mithilfe von Machine und Deep Learning passt sich das System immer besser an die unternehmensinternen Richtlinien an und lernt von der kontinuierlichen Interaktion mit Anwendern und Lieferanten. Mit je mehr Daten das System gefüttert wird, umso intelligenter wird es und kann die angelernte Wissensbasis nutzen, um alle Prozesse im Beschaffungsmanagement zu optimieren. Fehler werden somit auf Dauer reduziert und Bearbeitungszeiten verkürzt. Dies war zwar bereits immer Aufgabe der Procurement-Abteilungen, doch unter der Masse der Daten nicht zu bewältigen.

Jochen Werner, RVP Sales Central Europe bei Coupa Software.
Jochen Werner, RVP Sales Central Europe bei Coupa Software. (Bild: Coupa Software)

Mehr Daten, mehr Intelligenz, Mehrwert

Der Einsatz künstlicher Intelligenz zieht Mitarbeiter aber nicht aus der Verantwortung. Ganz im Gegenteil: Anstatt Million von Datenreihen normalisieren und klassifizieren zu müssen, können Verantwortliche nun die Erkenntnisse aus diesen Daten wirklich nutzen. Erfolgreiches Beschaffungsmanagement muss aus der Vogelperspektive betrieben werden und fordert maximale Transparenz und Offenheit. Mit der Unterstützung von KI ist dies möglich. Procurement-Mitarbeiter werden damit von Kontrolleuren zu Beratern und können einen wirklichen Mehrwert aus ihrem Beschaffungsmanagement zu ziehen.

*Der Autor: Jochen Werner, RVP Sales Central Europe bei Coupa Software.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45052967 / ERP)