Ihr größtes Problem im Einkauf ist nicht KI – es sind Führungskräfte, die Daten nicht verstehen

Diese Geschichte mag etwas befremdlich klingen, aber sie hat sich tatsächlich so zugetragen.

In einem meiner Projekte benötigten wir eine eigens zuständige Person für Einkaufsstammdaten. Nichts Exotisches. Kein visionäres Großvorhaben. Einfach jemanden, der die Themen rund um Einkaufsstammdaten verantwortet und strukturiert und eine effiziente Schnittstelle zwischen dem Einkauf und den anderen Projektsträngen aufbaut.

Die Rolle konnte nicht aus dem Projektteam besetzt werden. Deshalb musste die Anfrage über die Einkaufsorganisation laufen. In der Theorie eine unkomplizierte Aufgabe: den Bedarf begründen, Fragen klären, eine Entscheidung treffen.

In der Praxis lief es anders.

Der Verantwortliche gab offen zu, dass er keine Vorstellung davon hatte, worum es bei Stammdaten im Einkauf geht. Er verstand nicht, wovon ich sprach, konnte die Zusammenhänge nicht herstellen und begriff nicht, welchen Zweck die Rolle erfüllen sollte. Er verstand nicht, warum Stammdaten wichtig sind, konnte keinen Bezug zu den Ergebnissen herstellen und lehnte die Anfrage schließlich ab – ausdrücklich deshalb, weil er es nicht verstand.

Hier ließe sich über vieles sprechen: Rollenklarheit, Entscheidungsbefugnisse, organisatorischer Reifegrad. Das Kernproblem ist jedoch einfacher und grundlegender:

Daten.

Vor zwanzig Jahren waren Daten im Einkauf ein trockenes Backoffice-Thema. Heute bilden sie das Rückgrat jeder ernsthaften Automatisierungs- und KI-Initiative. Wenn Sie Ihre Daten nicht verstehen, werden Sie nicht in großem Maßstab automatisieren. Wenn Sie nicht in Ihre Daten investieren, werden Sie mit KI keine substanziellen Ergebnisse erzielen. So einfach ist das.

Daten dürfen nicht länger als Nischenthema für „die Systemleute“ behandelt werden. Sie müssen Teil Ihrer organisatorischen DNA werden – gerade im Einkauf.

Was bedeutet das in der Praxis?

Das sind die wichtigsten Punkte, die jede Führungskraft – und insbesondere jeder CPO und jede Einkaufsleitung – jetzt umsetzen und im Alltag wirksam machen muss:

1. Machen Sie Daten zu einem Führungsthema, nicht zu einem IT-Nebenprojekt. Datenqualität, Zugänglichkeit und Struktur gehören auf die Führungsagenda. Wenn Ihre Lenkungsausschüsse über Einsparungen sprechen, aber nie darüber, ob Ihre Daten für den Einsatz bereit sind, meinen Sie es mit Automatisierung oder KI nicht ernst.
2. Legen Sie klare Verantwortlichkeiten für Einkaufsdaten fest. Definieren Sie, wer welche Datenobjekte verantwortet: Lieferanten, Materialien, Verträge, Ausgaben, Risiken und weitere. Benennen Sie Data Owner und Data Stewards. Ohne klare Zuständigkeit ist Datenqualität immer „das Problem von jemand anderem“.
3. Schaffen Sie eine verbindliche Datenbasis für zentrale Stammdaten. Lieferanten-, Material- und Vertragsdaten müssen über alle Systeme hinweg konsistent sein. Das bedeutet nicht, dass ein einziges riesiges Tool alles löst. Es bedeutet aber eine definierte Architektur, klare führende Systeme und belastbare Schnittstellen.
4. Standardisieren Sie Strukturen und Klassifikationen. Kein KI-Modell wird Sie vor chaotischen Strukturen retten. Sie benötigen harmonisierte Lieferantenkategorien, Materialgruppen, Zahlungsbedingungen, Incoterms, Vertragsarten und so weiter. Beginnen Sie mit den unspektakulären Grundlagen, beginnen Sie im Kleinen – aber beginnen Sie.
5. Behandeln Sie Transaktionsdaten als strategischen Vermögenswert. Jede Bestellung, Rechnung, Vertragsänderung, jeder Freigabeschritt und jeder Ausnahmefall erzeugt Daten. Erfassen Sie diese sauber. Vermeiden Sie Freitext dort, wo strukturierte Felder erforderlich sind. Das ist der Rohstoff für Automatisierung, Analytik und KI.
6. Investieren Sie in Metadaten und Kontext – nicht nur in das „Was“, sondern auch in das „Warum“. Gute Daten zeigen nicht nur, was bei welchem Lieferanten zu welchem Preis gekauft wurde. Sie erfassen auch den geschäftlichen Zweck, die Warengruppe, das Risikoniveau und den Bedarfstreiber. Genau diesen Kontext benötigt KI, um daraus zu lernen.
7. Verankern Sie Datenqualität im Tagesgeschäft, statt sie als einmaliges „Bereinigungsprojekt“ zu behandeln. Prüfungen der Datenqualität müssen Bestandteil der Standardprozesse sein: Lieferantenaufnahme, Materialanlage, Vertragsabschluss, Bestellerstellung und Rechnungsbuchung. Definieren Sie Kennzahlen, beispielsweise Vollständigkeit, Dubletten und Klassifikationsgenauigkeit, und steuern Sie diese ebenso konsequent wie Ihre Einsparungen.
8. Bauen Sie Anwendungsfälle für Automatisierung und KI auf diesem Fundament auf – nicht an dessen Stelle. Beginnen Sie mit konkreten Anwendungsfällen, beispielsweise automatisierter Ausgabenklassifizierung, Risikobewertung, der Extraktion von Vertragsklauseln oder Empfehlungssystemen für Lieferanten. Stellen Sie dabei immer den Bezug zu Ihrem Datenmodell und Ihrer Governance her. Jeder Anwendungsfall sollte entweder gute Daten nutzen oder sie verbessern.

Wenn Sie Automatisierung und KI im Einkauf wollen, die in der Praxis tatsächlich funktionieren und nicht nur auf Hochglanzfolien gut aussehen, müssen Sie mit den Daten beginnen.

Daten, Automatisierung und KI sind keine „Nice-to-have“-Themen. Sie schaffen konkreten wirtschaftlichen Mehrwert: bei Marge, Kosten, Geschwindigkeit, Risiko und Resilienz.

Wenn Ihnen dieser Antrieb fehlt, bauen Sie ihn auf.

Nicht morgen. Nicht „nach dem nächsten System-Rollout“.

Beginnen Sie damit, Daten als Kernkompetenz Ihrer Einkaufsfunktion zu behandeln. Und setzen Sie diese Kompetenz dann wirksam ein.

Sie haben sie noch nicht? Sorgen Sie dafür.