Drei Anwendungsszenarien für KI in der Beschaffung

Neue Lösungen, die mit künstlicher Intelligenz (KI) arbeiten, schaffen die Voraussetzungen für eine einfachere und intelligentere Vertragserstellung und Auktionsverwaltung.

Im Jahr 2017 hatte Gartner prognostiziert, dass Lösungen für die Beschaffung und Bezugsquellenfindung vom Einsatz von KI profitieren könnten. Mike Quindazzi, Geschäftsführer von PriceWaterhouseCoopers und einer der führenden Influencer auf dem Gebiet Finanztechnologien, sieht diese Zeit nun gekommen. „Das goldene Zeitalter der KI ist angebrochen. Neuen Entwicklungen liegen riesige Datenmengen, neuartige Algorithmen, eine hohe Rechenleistung und die umfassenden Skalierungsmöglichkeiten der Cloud zugrunde“, erklärt er.

Das Datenvolumen in der Beschaffung hat unter anderem durch die Weiterentwicklung des Beschaffungswesens zum intelligenten Ausgabenmanagement stark zugenommen. Damit werden die unternehmensweiten Einkaufsprozesse einschließlich direkten und indirekten Ausgaben, Reisekosten und Ausgaben für externes Personal gesteuert.

Zwar gebe es im Beschaffungswesen zahlreiche Anwendungsszenarien für den Einsatz von KI, beispielsweise die Bewertung von Lieferanten, doch Quindazzi betont: „Auch KI-Prozesse werden letztlich immer von einem Menschen gesteuert. Und daraus ergibt sich eine Rechenschaftspflicht.“ Führungskräfte müssen Transparenz im Hinblick auf die verwendeten Kennzahlen und Daten, die Kriterien für die Auswahl und Bewertung von Lieferanten sowie andere Elemente schaffen, die trainierte KI-Algorithmen verwenden.

Auf der Konferenz SAP Ariba Live zeigte SAP kürzlich anhand verschiedener Beispiel auf, wie KI und maschinelles Lernen ein intelligentes Ausgabenmanagement unterstützen können.

Konsistente Vertragsverwaltung

Im Zuge der Verhandlungen zwischen Unternehmen und Lieferanten müssen sowohl Verträge als auch operative Vereinbarungen verwaltet werden. Diese sind jeweils in unterschiedlichen Dokumenten und Systemen gespeichert und können daher schnell inkonsistent werden.

Verträge bestehen in der Regel aus unstrukturierten Daten in Dokumenten, die mit einem Textverarbeitungsprogramm erstellt wurden, während es sich bei operativen Vereinbarungen um strukturierte Dokumente in SAP ERP oder SAP-Ariba-Anwendungen handelt. Operative Vereinbarungen enthalten Daten wie Preiskonditionen, Positionen oder Abrechnungsinformationen. Wenn diese Details geändert werden, entstehen Inkonsistenzen.

Ändert sich beispielsweise der Preis für eine bestimmte Position in einer operativen Vereinbarung, musste bislang der Vertrag manuell aktualisiert werden. Diese Abstimmung fand jedoch nicht immer statt. SAP arbeitet deshalb an der Entwicklung einer Synchronisierungsfunktion für die SAP-Ariba-Software, die automatisch für Konsistenz der beiden Dokumente sorgt.

Eine neue Anwendung, die maschinelles Lernen nutzt, soll Unternehmen außerdem bei der Analyse von Vertragsdokumenten und deren Abgleich mit den Preis- und Einkaufskonditionen in den entsprechenden operativen Vereinbarungen unterstützen. Im Fall von Inkonsistenzen kann der Machine-Learning-Prototyp Empfehlungen unterbreiten. So kann die Lösung unter anderem sicherstellen, dass die Verträge die richtigen Steuersätze und Versicherungsbeiträge für die Regionen und Ländern enthalten, in denen Geschäfte abgewickelt werden sollen.

Erstellen von Verträgen mithilfe von Chatbots

In den Vertragsdatenbanken großer Unternehmen sind in der Regel Tausende von Verträgen gespeichert. Mithilfe von maschinellem Lernen können diese unstrukturierten Datenbestände analysiert werden, um die Mitarbeiter der Einkaufsabteilung bei der intelligenten Erstellung von Verträgen zu unterstützen. Potenzielle Probleme lassen sich auf diese Weise bereits im Vorfeld vermeiden.

SAP entwickelt derzeit einen Chatbot auf Basis von KI, der Verträge überprüft und auf der Grundlage historischer Muster Verbesserungsvorschläge macht. Der Chatbot kann etwa abweichende Zahlungsbedingungen vorschlagen oder eine bestimmte Vertragsklausel empfehlen, die den versicherungsrechtlichen Vorschriften einer bestimmten Region entspricht.

Es werden außerdem externe Daten aus mehr als 600.000 privaten und öffentlichen Quellen in den Chatbot eingespeist, sodass er beispielsweise auf Informationen dazu zugreifen kann, wann in einer bestimmten Region neue Versicherungsvorschriften in Kraft treten. So kann er auf Risiken hinweisen und Alternativen vorschlagen.

Auktionen zur Bezugsquellenfindung

Zur Ermittlung des besten Lieferanten führen große multinationale Unternehmen Auktionen durch. Bram Purnot, Solution Architect bei SAP Ariba, führt aus, dass es solche Beschaffungsereignisse Unternehmen ermöglichen, Preise auszuhandeln oder auf der Grundlage anderer Kriterien den besten Lieferanten zu finden. Die Durchführung von Auktionen kann jedoch eine sehr komplexe Angelegenheit sein. Es gibt verschiedene Arten von Auktionen, die auf bestimmte Regionen bzw. Waren oder eine Kombination unterschiedlicher Faktoren ausgerichtet sind. Damit kann ein Unternehmen beispielsweise den günstigsten Lieferanten von nachhaltig erzeugter Shea-Butter in Westafrika ermitteln.

SAP hat in Zusammenarbeit mit einem großen niederländischen Unternehmen, das bereits zahlreiche Auktionen dieser Art durchgeführt hat, einen Prototyp entwickelt, der Auktionen mithilfe von maschinellem Lernen und Chatbots verwaltet. Sobald eine Auktion erstellt wurde, unterbreiten die Chatbots Vorschläge, wie lange die Auktion dauern soll, wie viele Teilnehmer Gebote abgeben dürfen und welche Lieferanten zur Auktion eingeladen werden sollen.

Diese Chatbots werden von einem Machine-Learning-Algorithmus von SAP gespeist, der durch Auswertung der Datenbestände die Bedingungen für die erfolgreichste Auktion ermittelt. Sucht ein Unternehmen nach einem Transportdienstleister, schlägt die Anwendung bei dieser Auktionsart möglicherweise einen japanischen Anbieter vor, der besonders effektiv arbeitet.

Herausforderungen beim Einsatz künstlicher Intelligenz

Künstliche Intelligenz ist in der Geschäftswelt angekommen. Doch benötigen Unternehmen, die neue KI-gestützte Prozesse nutzen möchten, mitunter noch Unterstützung. Judith Hurwitz, President und CEO des Technologieberatungsunternehmens und Analystenhauses Hurwitz and Associates, rät Unternehmen, beim Einsatz von KI in der Beschaffung sowohl mit Data Scientists als auch mit Beschaffungsexperten zusammenzuarbeiten: „Data Scientists können nicht isoliert arbeiten. Sie wenden nicht einfach nur Algorithmen an, sondern sind auf das Fachwissen der Geschäftsexperten angewiesen.“