Potenziale für KI im Einkauf bewerten

Der strategische Einkauf eines weltweiten Sitzherstellers soll deutlich produktiver werden, ohne zusätzliche Stellen. Künstliche Intelligenz ist als Mittel gesetzt, der Ort ihres Einsatzes nicht. Der Einkaufs­prozess läuft über mehrere Länder und viele Systeme, ein erster Management­workshop hat Themen gesammelt, aber nichts davon ist quantifiziert. Gesucht ist keine Werkzeugliste, sondern eine belastbare Antwort auf zwei Fragen: Wo geht die Zeit tatsächlich verloren, und in welcher Reihenfolge lohnt der Zugriff.

Lean und KI, weil das eine das andere voraussetzt. Lean arbeitet mit den Menschen, die ihre Prozesse am besten kennen, und mit einfachen, wirksamen Methoden am Wertstrom. KI braucht das Gegenteil von Improvisation: qualifizierte Daten, klare Verantwortlichkeiten, stabile Abläufe. Wer beides trennt, bekommt entweder eine Prozess­verbesserung ohne Hebel oder ein Modell ohne Daten­grundlage. Deshalb war der erste Schritt kein Werkzeugworkshop, sondern der Blick auf den Prozess.

Ein Tag mit zwölf Führungs­kräften aus vier Ländern. Im Workshop saßen die Verantwortlichen für Warengruppen, indirekten Einkauf, Lieferanten­qualität, Einkaufs­risiko, operativen Einkauf, Beschaffungs­logistik und Einkaufs­systeme gemeinsam mit der Leitung von Einkauf und Supply Chain an einem Tisch, aus Deutschland, Großbritannien, Spanien und der Slowakei. Das ist kein Zufall der Terminplanung: In einer über Länder verteilten Einkaufs­organisation ist Silo-Optimierung das eigentliche Risiko, und die durchgehende Sicht auf den Prozess entsteht erst, wenn alle denselben Ablauf beschreiben.

Die Schmerzpunkte lagen nicht bei den Verhandlungen. Was der Workshop zutage brachte, war unbequem konkret: Der Aufwand für Berichte und Verwaltung frisst die Zeit, die für Lieferanten­suche, Lieferanten­entwicklung und Preisverhandlungen gedacht ist. Das Vertrags­management hat kein zentrales System, die Rechts­abteilung wird zum Nadelöhr. Das Zertifikats­management bindet erhebliche Kapazität, obwohl es keine Kernaufgabe des Einkaufs ist. Das Sourcing Board läuft vollständig manuell, Angebotsvergleiche sind nicht automatisiert, und Informationen für Verhandlungen werden aus mehreren Systemen von Hand zusammengetragen. Das ist keine Liste von Technologien. Es ist eine Liste von Orten, an denen Zeit verschwindet.

Bewerten, bevor entwickelt wird. Die Anwendungs­fälle laufen durch vier Phasen — Fokussierung, Ideenfindung, Definition, Umsetzung — und zwischen jeder Phase steht ein Qualitätstor. Der Zweck ist nicht Bürokratie, sondern Abbruch­fähigkeit: Ein Anwendungs­fall, der die Bewertung nach Machbarkeit, Nutzen und Aufwand nicht besteht, wird gestoppt, bevor er Geld kostet. In der Umsetzung arbeiten wir mit dem Standardvorgehen für KI-Projekte, erweitert um eine Governance-Linie mit Zertifizierung, Test­management, Überwachung und Betrieb — dieselbe Linie, an der die meisten Prototypen scheitern, weil ihnen die Betriebs­fragen erst am Ende gestellt werden.

Die Infrastruktur als eigenes Paket, nicht als Anhang. Bedarfs­analyse der bestehenden IT, ein technologisches Zielbild, das Vorhandenes aufnimmt statt es zu ersetzen, eine explizite Entscheidung zur Hyperscaler-Frage und ein Technologie-Stack, der als lebendes Dokument weitergeführt wird. Dazu regelmäßiges Werkzeug-Scouting als Grundlage für Make-or-Buy-Entscheidungen. Der Grund ist nüchtern: Viele Anwendungs­fälle sind heute keine Entwicklungs­aufgabe mehr, sondern eine Auswahl­aufgabe. Die Frage lautet immer seltener, ob man es entwickeln kann, und immer häufiger, welches Werkzeug in die eigene Landschaft passt.