Die Systemlandschaft für den Einkauf wuchert und jetzt kommt auch noch KI dazu. Welche Herausforderungen sehen Sie für jemanden, der im Einkauf ist und die beste Kombination der Lösungen sucht?
Zuerst muss man schauen, was schon bei den Kunden an Systemen vorhanden ist. Ein Einkaufssystem? Ein Cloudanbieter? Eine Plattform? Angenommen, der Kunde ist ein großer Mittelständler und er hat ein SAP-System. Er benötigt zusätzlich eine Plattform, wo er seine SAP-Prozesse mit dem Internet und seinen Geschäftspartnern verbinden kann. Das ist gerade der Punkt, wo wir so ins Spiel kommen. Wir sind die Plattform die Geschäftspartner verbindet. Wir sind der Cloud-Provider der Lieferanten mit Kunden zusammenbringt und den Einkauf über KI, elektronische Kataloge und Sourcing ermöglicht.
Was ist der größte Hemmschuh und Grund, aus dem viele Unternehmen nicht so rasend schnell beim Thema KI vorankommen, wie ihnen lieb wäre?
Daten und Datenqualität. Baue ich eine KI basierend auf Datenmüll, dann wird die KI auch Datenmüll zurückgeben, denn sie kennt ja nichts anderes. Wir unterstützen aktuell einen großen Dax-Konzern. Da laufen 500.000 Bestellungen im Jahr. Wenn diese 500.000 Bestellungen gute Warengruppen haben, dann liegt die Wahrscheinlichkeit, dass mir die KI die richtige Warengruppe für meine Freitext-Bestellung vorschlägt, bei etwa 99 %. Man braucht Bestelldaten und Historie – und das am besten vorsortiert. Es gibt natürlich Kunden, die in den letzten Jahren wenig auf solche Daten geachtet haben. Die haben nun mehr Aufräumarbeit vor sich.
Wie lange dauert denn das Aufräumen Ihrer Erfahrung nach in Unternehmen, die ihre Daten bisher nicht vollständig oder Datensätze uneinheitlich verwalten?
Es kommt immer auf die Daten an, die ich brauche, und den Anwendungsfall, der zu lösen ist. Eine Datenquelle neben den E-Procurement-Systemen kann beispielsweise die Prozessdokumentation sein. Angenommen, es kommt ein neuer Mitarbeiter ins Unternehmen und der kommt mit der Navigation im System nicht klar. Da kann man die KI mittels Screenshots und Dokumentation trainieren, sodass sie später dem neuen Kollegen sagen kann, bei welchem Lieferanten er bestellen soll und wie er die Lieferadresse einzupflegen hat. Das ist ein überschaubarer Fall. Der wird nicht so viel Zeit in Anspruch nehmen, als wenn ich zum Beispiel eine zweite wichtige Datenquelle aufräumen will – die Kataloge. Da habe ich vielleicht nur 200.000 Artikel vorverhandelt und die anderen 10 Millionen Artikel kommen über einen Marktplatz, wie zum Beispiel Unite. Und wenn ich möchte, dass meine KI Unite versteht, dann muss ich auch irgendwie meiner KI die 10 Millionen Datensätze beibringen. Für umfassende Projekte kann sich die Daten-Aufräumarbeit durchaus über viele Monate oder mehrere Jahre strecken.
Ist es denn dann überhaupt Aufgabe des Einkaufs, diese ganzen Daten einzusammeln?
Der Einkauf muss sich auf die Anwendungsfälle und Use Cases konzentrieren. Was sind die Probleme meiner User? Wenn ich die nicht kenne, dann kann ich auch keine KI bauen. Dafür brauche ich Business-Experten, dafür brauche ich den Einkauf. Die müssen sagen: „Guck mal, wir haben mit 20 Usern gesprochen, haben Surveys gemacht und wir wissen, das sind die Probleme unserer Anwender“. Daraus baue ich meine Use Cases zusammen. Zum Beispiel, der eine User hat Probleme mit der Navigation, er weiß nicht, wo er klicken muss. Der andere User weiß nicht, ob er der Reinigungsfirma eine Preisanfrage schicken soll, eine Ausschreibung machen muss oder ob es schon Rahmenverträge gibt. Ein Einkaufsleiter sucht nach einer schnelleren Auswertung für Lieferanten nach Kostenstellen. Das sind Use Cases. Befasst man sich damit, dann hat man schnell 10 bis 20 Use Cases zusammen. Erst dann fange ich an, KI zu bauen, und ich baue nicht alle Use Cases auf einmal, sondern einen nach dem anderen.
„KI bauen“ – das macht nicht der Einkauf. Wohin wende ich mich denn überhaupt, wenn ich KI-Lösungen integrieren will?
Ich brauche einen Provider wie zum Beispiel BeNeering. KI-Mechanismen und deren Engines selbst aufbauen lohnt sich für ein Unternehmen genauso wenig, wie ein eigenes ERP zu programmieren.
Wie sieht die KI-Lösung von BeNeering aus?
Wir setzen ein Language Learning Modell (LLM) ein und kombinieren es mit Retrieval Augmented Generation (RAG)-Modellen. Vereinfacht gesagt funktioniert das wie ChatGPT. Ich kann Anforderungen oder Fragen eingeben und bekomme nicht nur eine Antwort, sondern auch vorgefertigte Ergebnisse. Im Bereich Einkauf und Beschaffung ist diese Technologie von großem Nutzen, da sie die Kommunikation zwischen Menschen und strukturierten sowie unstrukturierten Daten unterstützt. Das LLM spielt dabei eine zentrale Rolle, da es textbasierte Anfragen in eine für Maschinen-verständliche Form übersetzt, und so eine effiziente Verarbeitung ermöglicht.
Haben Sie einen Tipp für alle, die mit KI starten möchten?
Je größer ich das Paket am Anfang schnüre, desto höher ist das Risiko eines Fehlschlags, bei dem ich womöglich nichts erreiche. Wenn ich das Ganze in kleinere Bausteine stückele und mir sage: „Wir bauen die KI Schritt für Schritt“, dann erwerbe ich nicht nur wertvolle Fähigkeiten, sondern kann auch frühzeitig erste messbare Erfolge vorweisen.