Von Automatisierung bis zu kognitiver Beschaffung Machine Learning für intelligentes Lieferkettenmanagement

Autor / Redakteur: Ellen Förster* / Elke Witmer-Goßner

Was macht globale Lieferketten resilient und agil? Dieser Frage ging eine aktuelle Studie von SAP und Oxford Economics nach und stellte fest: Digitalisierung ist erst der Anfang: Unternehmen können durch künstliche Intelligenz und Advanced Analytics früher auf Risiken reagieren, überflüssige Beschaffungskosten beseitigen und ihre Procurement-Prozesse nachhaltig verbessern.

Firma zum Thema

Die Pandemie und nicht zuletzt auch die Havarie des Containerschiffs „Ever Given“ im Suez-Kanal hat die Verwundbarkeit der globalen Lieferketten aufgezeigt.
Die Pandemie und nicht zuletzt auch die Havarie des Containerschiffs „Ever Given“ im Suez-Kanal hat die Verwundbarkeit der globalen Lieferketten aufgezeigt.
(Bild: © Igor Groshev - stock.adobe.com)

Nach Lieferengpässen durch Corona, Havarie der MS „Ever Given“ und dem dadurch ausgelösten Halbleitermangel gerät seit Anfang des Jahres auch die Automobilproduktion zunehmend ins Stocken. Nach VW, Honda oder Ford kündigte nun auch BMW Produktionsstopps an; Peugeot behilft sich unterdessen mit der Rückkehr zum analogen Tacho.

Auf der ganzen Welt warten verarbeitende Unternehmen auf die wertvollen Halbleiter, ohne die sich weder Autos noch Smartphones oder Spielekonsolen herstellen lassen. Ereignisse wie die Corona-Pandemie oder brennende Mikrochip-Fabriken in Japan stören die Abläufe in Lieferketten und kosten Produzenten, verarbeitende Unternehmen und Händler viel Geld. 45 Prozent der deutschen Unternehmen beklagen laut Ifo-Index aktuell Lieferengpässe bei Vorprodukten, die die Produktion empfindlich behindern.

Auch wenn unvorhersehbare Lieferrisiken so gut wie alle Unternehmen treffen können, so haben doch diejenigen einen Wettbewerbsvorteil, denen es gelingt, ihre Lieferketten möglichst breit aufzustellen und vor allem „intelligent“ zu machen. Doch: Was heißt das?

Künstliche Intelligenz für die Beschaffung

Die Erkenntnis, dass es ohne die Digitalisierung von Kernprozessen nicht geht, ist mittlerweile in fast allen Unternehmen angekommen. Viele nutzen bereits Procurement-Software, um ihre Prozesse transparent abbilden und die Beziehungen zu ihren Supply-Chain-Partnern besser steuern zu können.

Die globale Studie „Agile Procurement Insights Research“ von SAP und Oxford Economics bestätigt diese Entwicklung, zeigt aber auch starke Diskrepanzen in der Umsetzung: Viele Unternehmen schöpfen das Potenzial ihrer Beschaffungslösungen noch nicht vollumfänglich aus. Umgekehrt haben diejenigen die Nase vorn, die die anfallenden Daten bereits nutzen, um ihre Lieferketten nachhaltig zu stabilisieren. Dabei bedienen sie sich Methoden der künstlichen Intelligenz wie Machine Learning und Advanced Analytics.

Muster aus Millionen Daten in wenigen Sekunden

Unternehmen, die ihre Beschaffungsdaten mithilfe von Machine Learning analysieren, machen sich eine der größten Stärken der künstlichen Intelligenz zunutze: ihre Fähigkeit, in Sekundenschnelle riesige Mengen an unstrukturierten Daten miteinander zu vergleichen. Dadurch wissen Beschaffungsverantwortliche zum Beispiel sofort, wo es alternative Quellen für die benötigten Materialien, Rohstoffe und Vorprodukte gibt oder kennen den besten Moment, um Mikrochips zu kaufen. Auch Lieferanten, bei denen sie die gewünschten Güter am günstigsten erwerben können, sind ihnen somit bekannt.

Möglich machen dies selbstlernende Algorithmen, die Muster und Gesetzmäßigkeiten in den vorliegenden Daten erkennen. Dafür stehen interne ebenso wie externe Daten zur Verfügung, die zum Beispiel Informationen zu Umweltereignissen, Marktentwicklungen, weltpolitischen Ereignissen oder Trends bereithalten. Die so nahezu in Echtzeit gewonnenen Erkenntnisse über alternative Lieferquellen und dynamische Preisentwicklungen sind ein klarer Wettbewerbsvorteil. Doch künstliche Intelligenz kann noch mehr für die Beschaffung tun.

Bestands- und Kostentransparenz herbeiführen

Was die Kontrolle über die Bestandsplanung angeht, so offenbart die Studie ein klares Manko internationaler Lieferketten: Nicht einmal die Hälfte der Teilnehmer weiß über die aktuellen Lagerbestände ihrer Lieferanten Bescheid. Das macht die Planung schwierig und programmiert Schwierigkeiten praktisch schon vor: Wenn die gesamte Produktion wegen eines einzigen Kleinteils stockt, das der Lieferant schon länger unbemerkt nicht mehr in seinem Bestand führt, ist der Ärger ähnlich groß wie der Wunsch, in Zukunft rechtzeitig über derartige Entwicklungen informiert zu sein. Schlüssel zu dieser Transparenz sind eine digitalisierte Prozesskette und der Einsatz von künstlicher Intelligenz, um in Echtzeit auf die aktuelle Bestandssituation reagieren zu können – und nicht nur auf die eigene, sondern auch die der Lieferanten.

Auch in Bezug auf überflüssige Kosten schafft die Ende-zu-Ende-Digitalisierung die nötige Transparenz. Indem die Kategorien Dienstleistungen, direkte Materialien und indirekte Materialien auf einer gemeinsamen Plattform miteinander verknüpft werden, ergeben sich wertvolle Einblicke in die Beschaffungsaktivitäten der einzelnen Geschäftsbereiche. Redundante Kosten werden auf diese Weise schnell sichtbar und lassen sich beseitigen.

Früherkennung von Risiken

Unübersichtliche Lieferantenbeziehungen und die Abhängigkeit von einigen wenigen Lieferanten gehören zu den klassischen Risiken in der Beschaffung. Die Zusammenführung aller relevanten der Daten in einer Software wie SAP Ariba liefert Unternehmen die notwendige Transparenz, um Lieferantenbeziehungen vom Onboarding bis zur Performance-Messung zu qualifizieren. Dadurch haben Procurement-Verantwortliche einen genauen Überblick über die Stabilität bestehender Beziehungen, die ihnen hilft, Risiken entlang der gesamten Lieferkette besser zu verstehen und agil darauf zu reagieren.

Für die Zukunft gewappnet mit Predictive Analytics

Über die Verarbeitung von Echtzeit-Informationen hinaus unterstützt Machine Learning Unternehmen auch dabei, frühzeitig auf Ereignisse zu reagieren, die noch gar nicht eingetreten sind. Im Rahmen von Predictive Analytics nutzt die KI Muster in internen und externen Daten aus der Gegenwart und der Vergangenheit, um Prognosen über zukünftige Entwicklungen zu stellen und entsprechend zu handeln.

Erkennt sie instabile Lieferantenbeziehungen, ermittelt sie Alternativen; bemerkt sie Ladenhüter im Lager, passt sie die Order an; stellt sie zukünftige Bedarfstrends fest, bereitet sie die Bestände auf die kommende Nachfrage vor. Unternehmen, die Predictive Analytics für die Optimierung ihrer Beschaffungsaktivitäten nutzen, eröffnen dem Procurement den Weg zu optimaler Agilität und Widerstandsfähigkeit.

Starke Lieferantenbeziehungen durch kognitive Assistenz

Eine weitere Möglichkeit, Lieferantenbeziehungen zu festigen, ist der Einsatz von intelligenten Assistenten, die oftmals in die Beschaffungssoftware integriert sind. Die „kognitive Beschaffung“ geht dabei über funktionale Automatisierungen hinaus: Spürt das System zum Beispiel eine alternative Lieferquelle für Mikrochips auf, hilft die künstliche Intelligenz den Procurement-Managern dabei, diese fehlerfrei in der jeweiligen Landessprache zu kontaktieren.

Unternehmen profitieren von geringerer Fehleranfälligkeit und höherer Rechtssicherheit durch die intelligenten Assistenten – bei erheblicher Beschleunigung der Prozesse. Die strengen Regeln zum Datenabgleich vereinfachen Aufgaben wie die Rechnungslegung und die Fraud Prevention, und auch im Vertragsmanagement kommen die Stärken des Machine Learning voll zum Tragen: Die KI vergleicht Millionen von Dokumenten innerhalb weniger Sekunden und analysiert Fotos und Scans genauso wie Dateien, um passende Vorlagen und Standardklauseln vorzuschlagen. Gesetzliche Regularien hat das System ebenso im Blick wie Compliance-Vorschriften und laufende Verträge.

Mit KI zu Source-to-Pay-Exzellenz

Dass Digitalisierung und Datenanalysen zu einer besser funktionierenden Lieferkette führen, ist den meisten Unternehmen bewusst. Die Umsetzung vielfältiger Digitalisierungsstrategien ist in vollem Gange, mal mehr, mal weniger intensiv. Der Zugang ist da: Cloud-Technologien ermöglichen heute beinahe jedem Unternehmen, die Beschaffungsprozesse zu digitalisieren und damit ein intelligentes Procurement umzusetzen.

Ellen Förster, SAP SE.
Ellen Förster, SAP SE.
(Bild: © Ingo Cordes)

Mithilfe von Automatisierung und moderner Beschaffungssoftware legen Unternehmen den Grundstein für strategische Beschaffungsprozesse. Um Machine Learning und Methoden der Advanced Analytics jedoch erfolgreich anzuwenden, sind neben den entsprechenden Technologien auch das fachliche Know-how und nicht zuletzt das „Data-positive“-Mindset wichtige Bestandteile eines intelligenten Source-to-Pay-Beschaffungsprozesses.

* Die Autorin Ellen Förster ist General Manager SAP Intelligent Spend & Business Network Middle & Eastern Europe bei SAP SE.

(ID:47554228)