Beschaffungsprozesse verbessern mit Machine Learning – so funktionierts

Beschaffung ist ein Schlüsselfaktor für die übergeordneten Transformations- und Wachstumsbestrebungen von Unternehmen und Organisationen, kann allerdings auch eine kostspielige Angelegenheit sein. So suchen Unternehmen jeder Größe stets nach Möglichkeiten, Kosten und Zeit einzusparen sowie Beschaffungsprozesse effizienter zu gestalten und transparenter zu machen. Letzteres ermöglicht den Einkaufsabteilungen auch eine bessere Kontrolle einzelner Bestellungen.

Beschaffung ist ein kostenintensiver Prozess

Bei größeren Unternehmen gilt dies insbesondere beim Tail Spend – also bei allen nicht gezielt gemanagten und scheinbar unwichtigen Einkäufen, die oft außerhalb der offiziellen Beschaffungsprozesse stattfinden. Denn diese Kosten können sich schnell aufsummieren und erreichen nicht selten 20 bis 40 Prozent des Einkaufsvolumens eines Unternehmens. Kleinere Unternehmen mit knappen Budgets sind vor allem darauf angewiesen, besonders gute Angebote zu identifizieren. Die Krux dabei: Auch die Suche nach den besten Produkten verursacht Kosten – und je mehr Zeit investiert wird, desto teurer wird der Beschaffungsprozess am Ende.

Machine Learning ermöglicht bessere Entscheidungen für Beschaffungsprozesse

Die Technologie des Machine Learning kann die Effizienz verbessern und Unternehmen dabei unterstützen, bessere Beschaffungsentscheidungen zu treffen. Das ist auch der Grund, weshalb sich – so eine Studie von Amazon Business und WBR Insights – derzeit mehr als 60 Prozent der Einkaufsleiter und Chief Procurement Officers entweder über künstliche Intelligenz und maschinelles Lernen informieren oder die Technologien bereits einsetzen.

Ein Beispiel dafür ist die Bechtold GmbH, ein kleiner Betrieb aus Kronau, der Fenster und Rollläden herstellt. Für die Montage von Fenstern, Haustüren, Wintergärten und Dächern benötigt das 20-köpfige Team eine zuverlässige Versorgung mit Materialien wie Schrauben, Unterlegscheiben oder Werkzeugen. Für Michael Lumpp, Einkaufs- und IT-Leiter bei Bechtold, ist das entscheidend, um Kundenaufträge zu bearbeiten und den engen Zeitrahmen der „Just-in-Time“-Projekte einzuhalten. Seine Kunden setzen hohe Maßstäbe und so hat auch er entsprechende Anforderungen, wenn es um Beschaffung geht: Er benötigt die Produkte schnell, in guter Qualität und zu einem vernünftigen Preis – und das ohne zeitaufwändige Suche, damit er die Zeit seines Teams für strategischere Aufgaben nutzen kann.

Was künstliche Intelligenz und Machine Learning leisten können

Hier können digitale Technologien wie künstliche Intelligenz und Machine Learning helfen. Das Feld der künstlichen Intelligenz bezieht sich auf die Lösung kognitiver Probleme, die häufig mit menschlicher Intelligenz in Verbindung gebracht werden, wie die Pro­blemlösung, Mustererkennung und das Erlernen neuer Fertigkeiten. Machine Learning ist ein Teilbereich dieser Technologie und steht für die Fähigkeit, mit Hilfe von Daten aus bereits gemachten Erfahrungen automatisch zu lernen und sich selbstständig zu verbessern.

Amazon Business erweitert ständig den Einsatz von maschinellem Lernen, um manuelle und zeitaufwändige Aufgaben bei Anwendern zu automatisieren. Beispielsweise für die Prognose von Produkttrends, anhand deren Daten sich die erforderliche Menge eines bestimmten Artikels wie Schrauben besser vorhersagen lässt. Das reduziert die Lagerkosten und sorgt für die weitere Optimierung der Fulfillment-Prozesse, was letztendlich zu einer Preissenkung für den Kunden führt – für den Endverbraucher wie auch den Geschäftskunden.

Beschaffungsprozesse: Beständiges Lernen aufgrund des Such- und Kaufverhaltens

Einkaufsleiter können aber beispielsweise ihre bevorzugten Produkte bei Amazon Business einpflegen und Machine-Learning-Algorithmen gleichen sie automatisch mit dem Sortiment von Amazon ab, um dieselben oder ähnliche Artikel zu identifizieren und Einkaufsleitern kostengünstige Alternativen anzubieten. Auch die Suchfunktion profitiert vom maschinellen Lernen. Sie lernt kontinuierlich aus dem Such- und Kaufverhalten, den vorhandenen Informationen und kombiniert branchenspezifische Parameter, um für den Kunden interessante Produkte zu identifizieren.

Auf diese Weise unterstützt Machine Learning, kontextrelevante Ergebnisse zu erhalten und empfiehlt Produkte und Lieferanten, die bisher vielleicht nicht berücksichtigt wurden. Das stellt sicher, dass das Ranking nur relevante Produkte beinhaltet und auf jeden Geschäftskunden hin optimiert ist, damit dieser den gesuchten Artikel schneller findet. Wenn Michael Lumpp also nach Schrauben sucht, sorgt Machine Learning dafür, dass die für ihn attraktivsten Produkte in der Ergebnisliste zuerst angezeigt werden.

Effizienter durch Guided Buying

Auch das Feature „Guided Buying“ profitiert von Machine Learning. Es hilft Unternehmen dabei, ihre Prozesseffizienz zu steigern, indem benötigte und bevorzugte Produkte automatisch priorisiert werden – basierend auf der Bestellhistorie und dem Budget des Kunden, sowie Branchenklassifizierungssystemen und den unternehmenseigenen Einkaufsrichtlinien des Geschäftskunden. In Zukunft könnte maschinelles Lernen, unter Berücksichtigung der jeweiligen Geschäftsziele eines Unternehmens, Einkaufsrichtlinien sogar automatisch aufstellen und anwenden – und diese Richtlinien immer wieder flexibel anpassen, um sicherzustellen, dass die Ziele auch erreicht werden.

Auch automatisierte Wiederholungskäufe könnten auf diese Weise vereinfacht werden. Wann immer es an der Zeit ist, den Warenbestand wieder aufzufüllen, könnte eine Lagerbestandsnachfrage für den Kunden den Bedarf an bestimmten Artikeln prognostizieren und automatisch neu bestellen. Dank Machine­ Learning lässt sich aber auch der prognostizierte Bedarf bei Geschäftskunden ermitteln, woraufhin Funktionen vorgeschlagen werden, die dabei unterstützen, den Bedarf zu decken.

Aus Daten Analysen über Beschaffungsprozesse erstellen

Wollten Unternehmen in der Vergangenheit die Beschaffungsdaten auswerten, mussten sie in Experten wie Business-Intelligence-Ingenieure, Informatiker und IT-Experten investieren, die aus den Daten schließlich komplexe Analysemodelle erstellt haben. Dank Machine Learning können das heutzutage die Beschaffungsmanager selbst. Sie müssen keine Fachexperten sein, um die komplexen Daten auszulesen, sondern können einfach eigenständig die Bestellhistorie von Tausenden von Mitarbeitern auswerten, um ausreichend fundierte Kaufentscheidungen zu treffen.

Mit immer besseren Methoden steigern die Einkaufsteams die Produktivität von Abteilungen und des gesamten Unternehmens. Diese spielen auch eine Schlüsselrolle, um Agilität und Geschwindigkeit der Unternehmen zu steigern – vom Einzelunternehmer über kleine Unternehmen, Krankenhäuser oder Universitäten bis hin zu Großunternehmen. Für Michael Lumpp von Bechtold bedeutet es, dass schon im Einkauf der Grundstein für die profitable Abwicklung seiner Projekte gelegt wird – ohne dass die Beschaffung all seine Kapazitäten bündelt. Und nicht nur für kleinere Betriebe wie Bechtold ist das ein absoluter Mehrwert. Maschinelles Lernen verspricht Einkäufern einen großen Zeitgewinn, eine Erleichterung der eigenen Arbeit und eine höhere Produktivität in allen Bereichen – und das zum Vorteil von Unternehmen jeder Größe und Branche.

Der Autor Florian Böhme ist Director bei Amazon Business DACH.

Lesen Sie auch: Digitalisierungsplattform für den Shopfloor – Auf dem Weg zur Smart Factory