Die künstliche Intelligenz (KI) revolutioniert zahlreiche Branchen, und der Einkauf bildet da keine Ausnahme. Dieser Artikel bietet einen umfassenden Überblick über KI im Einkauf, von den grundlegenden Definitionen und Typen bis hin zu den Beispielen von KI im Einkauf und aktuellen Trends.

Unser Ziel ist es, Ihnen nicht nur die Vorteile, sondern auch die Herausforderungen und Voraussetzungen der Implementierung von KI im Einkauf näherzubringen.  

Was ist Künstliche Intelligenz im Einkauf?

Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren, um so bei  Aufgaben zu unterstützen, die traditionell von Menschen ausgeführt werden. Aufgrund der datenintensiven und komplexen, aber auch wiederkehrenden Aufgaben im Beschaffungswesen, erweist sich der Einsatz von AI im Procurement als besonders nützlich und vorteilhaft.

Typen von KI in der Beschaffung

Künstliche Intelligenz kann je nach Spezialisierungsgrad in verschiedene Kategorien unterteilt werden:

Machine Learning: Maschinelles Lernen ist ein Bereich der künstlichen Intelligenz, der es Computern ermöglicht, aus Daten zu lernen und sich zu verbessern, ohne dass sie explizit dafür programmiert werden müssen.

Deep Learning: Deep Learning (DL) ist ein Teilbereich des maschinellen Lernens, bei dem neuronale Netzwerke eingesetzt werden, um umfangreiche Datensätze zu analysieren.

Generative AI: Generative Künstliche Intelligenz (häufig als Gen AI bezeichnet) umfasst Algorithmen, die darauf ausgelegt sind, neue Inhalte wie Audio, Code, Bilder und Texte zu generieren

LLMs (Large Language Model): Ein Large Language Model ist eine spezialisierte Form der künstlichen Intelligenz (KI), genauer gesagt des Deep Learning, die auf großen Textmengen trainiert wurde. Es kann bestehenden Inhalt verstehen und mithilfe von Generativer KI (Gen AI) neue, originelle Inhalte erstellen.

‍

‍

‍

Verschiedene Lernmethoden von KIs:

Supervised Learning:

Beim Supervised Learning müssen die Trainingsdaten sorgfältig vorbereitet und gelabelt werden. Das Modell lernt aus diesen Daten, indem es die Beziehungen zwischen den Input-Features und dem Ergebnis erkennt.

Beispiel: Sie möchten, dass die KI Lieferanten in "high risk", "medium risk" und "low risk" einteilt. Dafür werden verschiedene Daten wie Lieferpünktlichkeit, Standort des Unternehmens, Verschuldungsgrad, Anzahl und Schwere von Qualitätsmängeln sowie die Einhaltung gesetzlicher Vorschriften verwendet.

Die Trainingsdaten enthalten diese Informationen für jeden Lieferanten sowie die jeweilige Risikokategorie. Die KI lernt die Zusammenhänge zwischen diesen Faktoren und den Risikokategorien. Die Leistung der KI wird dann anhand eines Testsets gemessen, zum Beispiel durch die Genauigkeit des Modells.

Unsupervised Learning:

Unsupervised Learning wird als "unüberwacht" bezeichnet, weil der Algorithmus keine gelabelten Daten benötigt. Im Gegensatz zum Supervised Learning, das mit vorgegebenen Beispielen arbeitet, analysiert Unsupervised Learning unstrukturierte Daten, um selbstständig Muster und Zusammenhänge zu erkennen. Der Algorithmus teilt die Daten in Cluster ein oder erkennt Anomalien, ohne vorherige Anweisungen.

Ein Beispiel ist die Clusteranalyse, bei der Lieferanten basierend auf Merkmalen wie Qualität, Lieferzuverlässigkeit und Kostenmanagement in Gruppen eingeteilt werden. Im Gegensatz zum Supervised Learning identifiziert die KI diese Gruppen selbstständig, ohne vorherige Anweisungen. Diese automatisch erkannten Gruppen können dann für spezielle Entwicklungsprogramme wie Schulungen oder Qualitätsinitiativen genutzt werden.

Reinforced Learning

Reinforcement Learning (RL) arbeitet wie Unsupervised Learning mit nicht gelabelten Datensätzen. Dabei lernt ein Agent durch Interaktion mit seiner Umgebung, optimale Entscheidungen zu treffen. Der Agent erhält Belohnungen für gute Aktionen und Strafen für schlechte, um die beste Strategie zu entwickeln. Ein Beispiel ist ein Agent, der lernt, ein Videospiel zu spielen, indem er für positive Aktionen Belohnungen und für negative Aktionen Strafen erhält. Im Einkauf gibt es jedoch weniger Anwendungsfälle für RL.

Verschiedenen Autonomie Grade von  Procurement AI

Eine “starke” KI verfügt über gleichwertige oder überlegene intellektuelle Fähigkeiten im Vergleich zu einem Menschen. Das bedeutet, dass sie eigenständig/autonom und intuitiv ein breites Spektrum komplexer Aufgaben ausführen kann, die sowohl analytische als auch emotionale Intelligenz erfordern.

Die “schwache” KI kann nicht im universellen Sinne eigenständig lernen. Ihre Lernfähigkeiten sind beschränkt auf das Erkennen von komplexen Mustern in großen Datenmengen. Alle derzeitigen Anwendungen, sowohl allgemein als auch im Einkauf, basieren noch auf schwacher KI.

Was ist die Bedeutung von KI im Einkauf?

Künstliche Intelligenz revolutioniert die Beschaffung und den Einkauf durch die Automatisierung komplexer Vorgänge, Big Data Analysen und vieles mehr. Diese Technologien erhöhen die Transparenz, verbessern die Entscheidungsfindung und automatisieren manuelle Aufgaben, was zu mehr Effizienz und Produktivität führt. KI hilft außerdem, Fehler zu reduzieren und Risiken zu managen, was zu erheblichen Kosteneinsparungen beiträgt.

Die Investitionen in KI und die Relevanz sind in den letzten Jahren exponentiell gestiegen, und während derzeit nur 36% der Unternehmen KI im Einkauf nutzen, planen 76% der übrigen Firmen die Implementierung in naher Zukunft, wobei viele besorgt sind, den Anschluss an technologische Fortschritte zu verlieren.
Studien zeigen, dass der Einsatz von KI die Leistung der Nutzer deutlich steigert und die kontinuierliche Verbesserung von KI-Modellen und die Verfügbarkeit großer Datenmengen versprechen, dass die Vorteile von KI im Einkauf in Zukunft noch weiter zunehmen werden.

Überblick über aktuelle Trends im Markt

Steigende Relevanz

Die Investitionen in KI sind stark angestiegen und haben 2023 die Marke von 25,2 Milliarden US-Dollar erreicht, was neunmal höher als 2022 und 30-mal höher als 2019 ist. Nicht nur für Investoren wird KI zunehmend attraktiver, sondern auch das allgemeine Interesse hat seit der Einführung von ChatGPT erheblich zugenommen. Seit Anfang 2023 ist ein rasanter Anstieg des Suchvolumens nach KI zu verzeichnen, was das wachsende Interesse an dieser Technologie widerspiegelt.

‍

‍

Verbreitung im Einkauf

Eine Umfrage der Kloepfel Group zeigt, dass die Mehrheit der Unternehmen KI im Einkauf noch nicht nutzt, aber viele dies für die Zukunft planen. Derzeit setzen 36% der befragten Unternehmen KI im Einkauf ein, während 64% noch keine KI-Technologien implementiert haben. Von den Unternehmen ohne KI planen jedoch 76% die Implementierung in naher Zukunft.
Gleichzeitig sehen sich nur 2% der deutschen Unternehmen als führend in der KI-Adoption im Vergleich zu Wettbewerbern, 13% als Vorreiter, während 43% sich als Nachzügler betrachten. Besorgniserregend ist, dass 38% befürchten, den Anschluss an technologische Fortschritte verloren zu haben (Quelle: bitcom). Dies zeigt, dass viele Unternehmen KI einführen möchten, aber besorgt sind, bereits hinterherzuhinken.

‍

KI im Einkauf: Top Anwendungsfälle

Derzeit basieren alle bekannten Anwendungen der KI im Einkauf, wie bereits erwähnt, auf „schwacher“ KI, die begrenzt lernfähig ist. Innerhalb dieser schwachen KI gibt es jedoch unterschiedliche Grade der Autonomie und Automatisierung, mit denen die KI arbeiten kann.

‍

‍

Wenig automatisiert:

Am linken Ende der Skala befinden sich Aufgaben wie die Lieferantenentwicklung und komplexe Verhandlungsstrategien. Diese Aufgaben erfordern ein hohes Maß an menschlicher Intuition, Erfahrung und strategischem Denken, weshalb sie derzeit nur in begrenztem Umfang durch KI unterstützt werden können.

Unterstützend:

In der Mitte der Skala befinden sich Aufgaben wie das Risikomanagement, Vertragsmanagement und die Bewertung von Lieferanten. Diese Tätigkeiten profitieren von einer unterstützenden KI, die komplexe Datenanalysen durchführt und Entscheidungshilfen bietet. Die KI kann hier umfangreiche Datenmengen effizient verarbeiten und Muster erkennen, um fundierte Entscheidungen zu ermöglichen, wobei die finale Entscheidung noch immer beim Menschen liegt.

Voll automatisiert:

Am rechten Ende der Skala sind Aufgaben wie die Bestellabwicklung, Lieferantenqualifizierung und einfache Verhandlungen angesiedelt. Diese Tätigkeiten eignen sich hervorragend für eine vollständige Automatisierung durch KI, da sie leicht erlernbar sind für die KI. Hier kann die KI repetitive Prozesse übernehmen, was die Effizienz erhöht, Fehler minimiert und die Arbeitsbelastung der Mitarbeiter stark reduziert.

Beispiele von Künstlicher Intelligenz im Einkauf in der Mercanis Suite

Mercanis ist eine holistische Beschaffungssuite mit Schwerpunkt auf S2C (Source-to-Contract), die sich u.a. durch die Nutzung von KI, eine intuitive Benutzererfahrung und eine schnelle Implementierung für Kunden auszeichnet.

Mercanis bietet die folgenden Module an:

• Sourcing
• Supplier Management (SRM)
• Vertragsmanagement
• Risikomanagement inkl. LkSG etc.
• Spend Analytics

Die Plattform erzielt durch die künstliche Intelligenz im Einkauf, Digitalisierung und Automatisierung signifikante Kosteneinsparungen bei Preisen und Prozessen und bringt als Single Source of Truth Transparenz in die Lieferantenbasis, um datengetriebene Entscheidungen zu ermöglichen.

KI-gestützte Lieferantendatenbank und -profile

Anreicherung von Lieferantenprofilen: Mercanis führt die Informationen zu Lieferanten automatisch aus Ihren Systemkomponenten wie dem ERP-System in einer zentralen Lieferantendatenbank zusammen, um die Transparenz in der Lieferantenlandschaft zu erhöhen.

Unsere KI reichert diese Lieferantenprofile dann aus verschiedenen Online-Quellen weiter an (Lieferantenartikel, Bewertungen, Kontaktdaten und mehr), um die zentralen Kompetenzen der Lieferanten zu identifizieren. Dies ermöglicht eine detaillierte Einschätzung der Fähigkeiten und Stärken der Lieferanten.

Empfehlung von Alternativen: Ein weiteres Beispiel von KI im Einkauf ist ein Lieferantenempfehlungssystem. Mercanis analysiert Ähnlichkeiten in Qualität, Leistungsfähigkeit, Preisstruktur und anderen relevanten Merkmalen, um geeignete Alternativen oder Ergänzungen zu bestehenden Lieferanten zu finden. Dadurch wird die Diversifizierung des Lieferantennetzwerks gefördert.

‍

‍

KI-gestütztes Sourcing mit smartem Lieferantenmatching

Die KI erkennt und analysiert Projektdaten aus Sourcing-Events, um die spezifischen Anforderungen und Ziele des Projekts zu verstehen und analysiert parallel dazu die Fähigkeiten aller Lieferanten, um automatisch die besten Lieferanten für Ihr Projekt zu identifizieren und zu empfehlen.

‍

‍

KI-gestützte Angebotsvergleiche und Verhandlungsempfehlungen

Angebotsvergleich: Mit dem KI-gestützten Angebotsvergleich erhalten Sie eine schnelle und übersichtliche Darstellung und Zusammenfassung der eingereichten Angebote. Dies ermöglicht fundierte Entscheidungen in kürzerer Zeit.

Übersicht und Verhandlungsempfehlungen: Die KI gibt Verhandlungsempfehlungen basierend auf entscheidenden Kriterien wie Preis, Verfügbarkeit wichtiger Dokumente, Vollständigkeit des Lieferanten-Fragebogens etc.

‍

‍

KI-gestützes Vertragsmanagement

Automatisierung durch KI: Mit einem einfachen Upload des Vertrags werden vorgegebene Felder zu Fristen und Bedingungen automatisch von der KI ausgefüllt. Zusätzlich führt die KI eine aktive Risikobewertung basierend auf bestehenden Vertragsbeziehungen durch, was zu besseren Entscheidungen führt.

Mercanis GPT Chatbot: Der Mercanis GPT-Chatbot nutzt für den einkaufspezifischen Gen-AI. Der Chatbot liest die Inhalte der Verträge aus und ermöglicht es dem Einkäufer, Rückfragen zu den Inhalten ähnlich wie bei ChatGPT wiederzugeben. Die Daten werden sicher in Deutschland gespeichert und nicht für Entwicklungszwecke verwendet – der Kunde behält die Daten exklusiv für sich.

‍

5 Vorteile von KI im Einkauf

1. Produktivität und Geschwindigkeit:

Künstliche Intelligenz im Einkauf automatisiert manuelle Aufgaben und entlastet Einkäufer, sodass sie sich auf strategischere Tätigkeiten konzentrieren können. Dies führt zu einer verbesserten Geschwindigkeit und Produktivität und einer reduzierten administrativen Belastung.

Eine Untersuchung ergab zum Beispiel, dass Geschäftsleute, die KI nutzten, 59 % mehr Geschäftsdokumente pro Stunde schreiben konnten. Für den Einkauf, der oft textlastig ist, beispielsweise bei Freitextbestellungen ist Gen AI im Einkauf daher besonders relevant

2. Optimierte Entscheidungsfindung anhand großer Datenmengen

Heutige Business Leader und Manager werden mit einer beispiellosen Menge an Daten aus unterschiedlichsten Quellen konfrontiert, was den Druck erhöht, kritische Entscheidungen richtig zu treffen.

KI kann bei der Entscheidungsfindung helfen, indem sie schnell, effizient und objektiv Muster erkennen und große, multidimensionale Datenmengen analysieren kann, die manuell nur schwer zu bewältigen wären. Ein Beispiel hierfür ist die Identifikation des passenden Lieferanten aus einer Vielzahl von Anbietern mit den benötigten Fähigkeiten.

3. Fehlerreduktion, Compliance und Risikomanagement

Gut trainierte künstliche Intelligenz macht teilweise weniger Fehler als Menschen und trifft oft weniger Fehlentscheidungen aufgrund Fehlinterpretation von Daten.

Dank der Fähigkeit von Künstlicher Intelligenz, große, multidimensionale Datenmengen schnell zu analysieren, eignet sie sich außerdem hervorragend zur Erkennung von verschiedensten Risikoindikatoren, die zur Implementierung präventiver Maßnahmen genutzt werden können.

4. Kostenoptimierung:

Durch die gesteigerte Produktivität, verbesserte Entscheidungsfindung, Fehlerreduktion und Risikominimierung können Kosten optimiert werden.

Laut McKinsey berichten 33% der Befragten von Kosteneinsparungen durch den Einsatz von künstlicher Intelligenz im Supply Chain Management. Von diesen berichten 9%, dass die Kosteneinsparungen bei 10-19% liegen, während 24% Einsparungen von weniger als 10% angeben.

5. Kontinuierliche Verbesserung von KIs:

Aufgrund der kontinuierlichen Verbesserungen von KI, werden die Vorteile von KI in Zukunft noch ausschlaggebender sein. In gewissen grundlegenden Aufgaben, wie Bildklassifizierung, hat die KI bereits die menschliche Leistung übertroffen.

Grund dafür ist u.a. der Trend hin zu immer größeren und besser trainierten Modellen und der Anstieg des globalen Datenvolumens. Prognosen zufolge wird das globale Datenvolumen im Jahr 2027 bei 284,3 Zetabyte liegen, verglichen mit 2 Zetabyte im Jahr 2010.

Auch im Einkauf können durch digitale Procurement Platformen wie Mercanis immer mehr Daten erhoben und digitalisiert werden, um sie effektiv für KI-unterstütze Einkaufstools zu nutzen.

Implementierung von KI in der Beschaffung und im Einkauf

Die größten Bedenken & Hürden bei der Einführung von KI im Einkauf

Laut Unternehmen sind die Top 3 Gründe, warum sie keine KI einsetzen, fehlendes Wissen (72%), Inkompatibilität mit bestehenden Systemen (54%) und die Verfügbarkeit von Daten (53%).

• Wissen: Tatsächlich sind viele KI-Lösungen, wie z.B. ChatGPT oder der Mercanis Vertragsmanagement Chatbot, sehr nutzerfreundlich und erfordern kein tiefes technisches Wissen.
• Inkompatibilität mit bestehenden Systemen: Viele KI-Lösungen lassen sich unkompliziert in bestehende Arbeitsabläufe einbinden bzw. per Schnittstelle als bestehende Systeme anbinden. Auch die Mercanis Procurement Suite kann sowohl mit dem bestehenden ERP per API verküpft werden oder auch als Standalone-Lösung für Procurement Teams verwendet werden.
• Verfügbarkeit von Daten: Wie bereits erwähnt, sind viele KI- Lösungen bereits vortrainiert und können so direkt oder mit nur geringem Vorlauf und Aufwand mit neuen Daten arbeiten. Mercanis führt als digitale Procurement Plattform Ihre Daten aus verschiedenen Quellen in einer zentralen Datenbank zusammen, reichert diese automatisch an und ermöglicht Ihnen die direkte Einbindung von KI in Ihre Arbeitsprozesse.

Nicht alle Bedenken beim Einsatz von KI sind deshalb gerechtfertigt sind und viele dieser Hürden können auf dem aktuellen Stand der Technik schon leicht überwunden werden.

‍

Zukunft von KI im Einkauf

5 häufige Missverständnisse von KI im Einkauf

1. Robotic Process Automation ist KI

Robotic Process Automation (RPA) ist eine Technologie, die Software-Roboter nutzt, um sich wiederholende, regelbasierte Aufgaben zu automatisieren.

Ein Beispiel für eine RPA-Anwendung ist, wenn Mercanis Ihnen Benachrichtigungen sendet, um Sie auf den Ablauf von Verträgen hinzuweisen. Die Regel hierbei wäre: Wenn die Vertragsfrist nur wenige Tage vom aktuellen Datum entfernt ist, dann schicke eine Benachrichtigung.

Der Hauptunterschied zu Künstlicher Intelligenz (KI) besteht darin, dass KI datengetrieben ist und maschinelles Lernen nutzt, um Muster in Daten zu erkennen und im Laufe der Zeit zu lernen, statt nur feste Regeln auszuführen.

Daher eignet sich RPA ideal für einfache, wiederholende Aufgaben, während KI für komplexere Aufgaben eingesetzt wird.

2. KI wird Jobs wegnehmen

Viele Menschen haben Angst, dass eine KI-Software ihren Job im Einkauf gefährden könnte. In der Tat können Tätigkeiten wie das Ausfüllen von Excel-Dateien, das Schreiben von Standardtexten und die Durchführung von Recherchen durch KI effizienter erledigt werden.

Dies bedeutet jedoch nicht, dass die betroffenen Beschäftigten arbeitslos werden. Stattdessen werden sie von lästigen Routineaufgaben entlastet und haben mehr Zeit für Aufgaben, bei denen der Mensch unverzichtbar ist.

Im Einkauf gibt es davon viele, wie persönliche Kommunikation mit Lieferanten, strategische Lieferantenentwicklung und strategische Entscheidungen. Daher müssen sich vor allem Einkäufer keine Sorgen machen, dass KI ihren Arbeitsplatz wegnimmt.

Vielmehr sollten sie aktiv die Implementierung von KI unterstützen, um sich lästige repetitive Aufgaben zu ersparen und sich auf wertschöpfende Tätigkeiten zu konzentrieren.

‍

„Eindeutig besser (als Fachkräfte)  ist KI in der Verarbeitung großer Datenmengen. Ihre Grenzen liegen im Spezial- und Individualwissen“
_{- Digitalisierungsexperte Fabian Kittel im Interview mit BeschaffungAktuell}

‍

3. KI ist nur für große Unternehmen geeignet

Es gibt derzeit große Diskrepanzen in der Nutzung von KI je nach Unternehmensgröße. Laut dem Statistischen Bundesamt nutzen nur 10% der kleinen aber 35% der großen Unternehmen KI. KI ist jedoch nicht nur für große Unternehmen effektiv.

Fortschritte in der Technologie, insbesondere bei großen Sprachmodellen, haben die Nutzung von KI vereinfacht, kostengünstiger und zugänglicher gemacht. Es sind keine riesigen Datenmengen erforderlich, um KI zu trainieren, und die Integration in das Geschäft erfordert kein tiefes technisches Wissen mehr.

4. KI ist teuer und schwierig zu implementieren

Laut dem Statistischen Bundesamt geben 41% der Befragten an, dass sie aufgrund hoher Kosten keine KI einsetzen. Historisch waren KIs, in der Tat, sehr teuer, da sie große Datenmengen und erhebliche Rechenleistung erfordern. Das Training von Modellen wie ChatGPT kostete etwa 5 Millionen US-Dollar.

Dennoch sind KIs für die meisten Unternehmen heute weder teuer noch schwierig zu implementieren. Grund dafür ist, dass die meisten Unternehmen nicht ihre eigene KI trainieren müssen, sondern auf vortrainierte Modelle zurückgreifen können.

Diese vortrainierten Modelle werden teilweise zu relativ günstigen Preisen  für die einzelnen Unternehmen zur Verfügung gestellt, wie das Beispiel von ChatGPT zeigt. Dies ermöglicht einer breiteren Palette von Unternehmen, die Vorteile von KI zu nutzen.

5. KI erfordert große Datenmengen

Wie zuvor beschrieben, müssen die meisten Unternehmen ihre eigene KI nicht selbst entwickeln. Daher benötigen sie in der Regel auch keine riesigen Datenmengen. Der Datenbedarf hängt davon ab, wie spezifisch der geschäftliche Bedarf ist und, folglich, wie stark die KI trainiert werden muss.

Wenn der Bedarf relativ allgemein ist, wie beispielsweise die Zusammenfassung von Lieferantenangeboten, kann eine vollständig vortrainierte KI genutzt werden. Benötigen Sie jedoch eine spezialisierte KI, die spezifisch auf Ihre Daten trainiert werden muss, ist eine weniger vortrainierte KI erforderlich, was mehr Daten erfordert.

Da die meisten KIs aber bereits auf umfangreichen Datenmengen trainiert wurden, können sie viele KI-Anwendungsfälle im Einkauf ohne zusätzlichen Aufwand lösen.

‍

Häufig gestellte Fragen