Das Scouting von Lieferanten war schon immer eine strategische Aktivität, auch vor den jüngsten Krisen, da Unternehmen Informationen über potenzielle Lieferanten sammeln, deren Angebote bewerten und den besten Geschäftspartner auswählen müssen. In dem derzeitigen unbeständigen und unsicheren Umfeld gestalten die Unternehmen die Art und Weise, wie sie ihre Lieferkette verwalten, neu, indem sie ihre derzeitige Lieferbasis durch aktives Scouting neuer Lieferanten erweitern.
Lieferantenranking: Wie kann uns Künstliche Intelligenz helfen?
In der Nahrungsmittel- und Getränkeindustrie ist das Scouting von Lieferanten ein heikler Aspekt, da ihre Leistungen grundlegende Anforderungen erfüllen müssen, wie z.B. Pünktlichkeit, Qualität, Nachhaltigkeit, usw. Daher ist die Verbesserung des Scoutings von entscheidender Bedeutung und erfordert die Entwicklung neuer digitaler Modelle und Tools für die Datenerfassung und -analyse. In diesem Zusammenhang ermöglicht die künstliche Intelligenz (KI) den Unternehmen, das Scouting durch die Automatisierung von Aufgaben und die Vorhersagekraft von Algorithmen des maschinellen Lernens zu verbessern und so immer genauere Bewertungen vorzunehmen.
Die Leistung der Lieferanten wird durch die Implementierung von KI- und ML-Algorithmen unter Berücksichtigung der spezifischen Bedingungen, unter denen sie verarbeitet wurden, berechnet, um eine präzise Rangliste zu erstellen. KI- und ML- Algorithmen ermöglichen es daher, in einer bestimmten Situation abzuschätzen, welcher Lieferant am ehesten in der Lage ist, die geforderte Leistung im Einklang mit einer oder mehreren Analysedimensionen wie Qualität und Pünktlichkeit, Qualität und Nachhaltigkeit usw. zu erbringen.
sedApta und KI-algorithmen
Die von sedApta implementierten Algorithmen ermöglichen es, das Lieferanten-Scouting auf zwei verschiedene Arten zu verwalten: Reaktiv und proaktiv.
In Managementsystemen wie SAP werden die Durchschnittswerte der nicht vertikalen Lieferantenbewertungen nach Analysedimensionen berechnet. Mit der Einführung von ML-Algorithmen werden all diese Informationen kontextualisiert – erwartetes Lieferdatum, tatsächliches Lieferdatum, usw. – nach Analysedetails wie Jahrezeit, Auftragsmenge, Auftragsart (Produtart), usw.
All diese Details werden ML-Algorithmen vorgelegt, die nach der Verarbeitung proaktiv eine Liste von Lieferanten nach Analysedimensionen ausgeben. Wenn zum Beispiel ein bestimmtes Produkt in Betracht gezogen wird, finden wir an der Spitze der „Rangliste“ der Lieferanten denjenigen mit einer höheren Rang, d.h. den Lieferanten, der die geforderte Leistung am ehesten erfüllen kann.
Da Unternehmen in der Nahrungsmittel- und Getränkeindustrie mit frischen und ablaufenden Produkten zu tun haben und den Prozess schnell abwickeln müssen, unterstützt die KI sie bei einem Lieferantenwechsel, um die Waren rechtzeitig und reaktiv zu liefern. Betrachten wir beispielsweise den zeitlichen Aspekt: Der für die Lieferung zuständige Lieferant meldet, dass die Lieferung verspätet eintreffen wird. Daher wird die virtuelle Assistentin – im konkreten Fall der von sedApta implementierten Algorithmen ist dies Miss Elisa – um Unterstützung gebeten, um einen alternativen Lieferanten aus der Liste zu finden, der am ehesten in der Lage ist, das erwartete Lieferdatum der Ware einzuhalten.