Henning Hatje
Henning Hatje

Der Weg vom Einkäufer zum AI-nkäufer

Der Weg vom Einkäufer zum AI-nkäufer

Wir wollen noch einmal auf den DPC “Zum Einkäufer zum AI-nkäufer” zurückblicken und unsere Erkenntnisse mit euch teilen!

Vorerst bedanken wir uns bei Philipp Müller und Konstantin Hokamp von Signatrix für den Expertenvortrag, sowie bei allen Teilnehmern für die aufschlussreiche Diskussion. Es hat wieder großen Spaß gemacht hoch relevante Themen im Einkauf kontrovers zu diskutieren.

Da erwartet wird, dass sich Künstliche Intelligenz mittelfristig in vielen Einkaufsprozessen festsetzt, wurde über den Weg vom Einkäufer zum AI-nkäufer diskutiert. Neben möglichen Anwendungsfällen für den Einkauf und Besonderheiten der Beschaffung von KI, wurden insbesondere die Grenzen, auf die Einkäufer bei KI-Projekten stoßen erläutert.

Folgende Lessons Learned nehmen wir aus der Veranstaltung mit.

In der Bestellprozessoptimierung findet KI bereits diverse Anwendungen 

Allgemein kann KI dort eingesetzt werden, wo repetitive Aufgaben vorkommen. Beispiele in der Bestellprozessoptimierung sind die Bedarfsdefinition oder die Lieferantensuche. Auf der Basis von historischen Daten aus dem Unternehmen, oder aus externen öffentlichen Datenbanken kann eine KI-Anwendung Vorschläge machen und den Einkäufer in seiner Entscheidung unterstützen. Folglich wird die die Schnelligkeit und Qualität des Beschaffungsprozesses erhöht. Dies spiegelt sich in Kosten- und  Zeiteinsparungen wider.
Langfristig soll KI auch in der Lage sein, Prognosen zu Preisentwicklungen oder Risiken der Lieferkette zu treffen. Dem steht im Moment jedoch noch die erschwerte Erfassung der relevanten Daten im Wege.

KI kombiniert Elemente einer Software & Serviceleistung, die bei der Beschaffung berücksichtigt werden müssen 

KI ist weit mehr als nur eine Software. Im Herzen einer KI-Anwendung ist eine Reihe von trainierten Datenmodellen. Diese interpretieren zum Beispiel Bilder, transkribieren Sprachaufnahmen oder führen andere Komplexe aufgaben durch. Die Pflege/Das Training dieser Datensätze ist aufwändig und führt dazu, dass KI eine Kombination aus einer Serviceleistung und Software ist.
Der Erfolg einer KI-Anwendung beruht deshalb zum einen auf den Datenmodellen aber auch auf der Kompetenz des Partners. Folglich ist die Datenqualität und -menge absolut entscheidend. Problematisch ist jedoch, dass Daten in Unternehmen oft ungeordnet, schwer zugänglich und intransparent sind. Darüber hinaus scheitern die meisten KI-Projekte an mangelnder Kommunikation in der Anfangsphase. Ein idealer Partner sollte deshalb klar ausformulierte Erwartungen haben, von Anfang an über die Probleme der Implementierung sprechen und pragmatische Entscheidungen treffen. 

Ein Einblick in die Erfahrungsberichte von unseren Teilnehmern 

Rund um den Begriff der KI herrscht Unklarheit. So sind sich Einkäufer nicht immer sicher, welche Konzepte unter KI fallen und welche nicht. Eine allgemeingültige Definition für KI zu finden ist schwierig. Diese Problematik leitet sich unter anderem auch daraus ab, dass der Intelligenz-Begriff nicht eindeutig definiert ist. In der Diskussion fiel Optical Character Recognition (OCR) als Beispiel. Hierbei kann man argumentieren, dass es sich bei OCR nur um reine Texterkennung handelt, während KI in der Lage wäre Erkenntnisse aus dem Text zu ziehen. Analog zu diesem Beispiel gibt es jedoch noch viele weitere Fälle, in denen die Grenzen von KI nicht eindeutig formuliert sind. Die mangelnde konzeptionelle Unklarheit erschwert logischerweise die Beschaffung von KI.

Des Weiteren wurde die im Vortrag schon erwähnte Problematik der Datenverfügbarkeit, in der offenen Diskussion bestätigt. Für viele Unternehmen stellt dies die größte Hürde für die Implementierung von KI-Lösungen dar. Es benötigt Datensicherungssysteme, in denen Daten dynamisch gesichert werden, kurzfristig wieder herstellbar sind und vor allem immer verfügbar sind. Wiederum müssen dadurch auch Standards zur Datensicherheit angepasst werden. Es leitet sich also schon ab, dass die Etablierung einer performanten Dateninfrastruktur sehr ressourcenintensiv ist. Allerdings ist Datenverfügbarkeit nicht nur für KI essentiell, sondern im Allgemeinen auch für die zukünftige Wettbewerbsfähigkeit.

Zuletzt wurde das Scoping von KI-Projekten kritisch betrachtet. Oft werden von vornherein, zu hohe Erwartungen an die KI erzeugt. Irreführende Aussagen führen zu enttäuschenden Ergebnissen und zu negativen Einstellungen gegenüber KI. Hier sind auch KI Unternehmen in der Verantwortung, die bei der Vermarktung ihrer Lösungen Aussagen treffen die zu hoch gegriffen sind. Aber auch die konzeptionelle Unklarheit von KI spielt eine Rolle, und verhindert, dass Einkäufer frühzeitig beim Scoping intervenieren und die Erwartungen nicht zu hochgeschraubt werden.

Wir sind gespannt auf die Entwicklung, die KI in Unternehmen (und vor allem dem Einkauf) nehmen wird. Wenn Sie den DPC verpasst haben, und Fragen oder Anmerkungen zum Weg vom Einkäufer zum AI-nkäufer haben, tauschen wir uns jederzeit gerne mit Ihnen aus! Und auch wenn Sie spannende Einkaufsthemen haben, über die der DPC auf jeden fall diskutieren sollte, dann kontaktieren Sie uns jederzeit!

Verpassen Sie nicht das nächste Webinar!

Das DPC-Team arbeitet bereits an der nächsten Veranstaltung:

"Risiko- und Krisenmanagement aus Sicht von Procurement und Supply Chain Management"

22. März um 17 Uhr. 

Registrieren Sie sich auf der DPC-Website, um auf dem Laufenden zu bleiben!

New call-to-action