Die Zukunft von Source-to-Pay: KI-gesteuerte Prozessoptimierung

Source-to-Pay ist ein dynamischer Prozess, der Unternehmen in die Lage versetzt, ihren Bedarf effektiv zu ermitteln, Lösungen zu beschaffen, Bedingungen auszuhandeln und Zahlungen präzise und schnell auszuführen. Durch die Beherrschung dieses Zyklus können Unternehmen ihre betriebliche Effizienz steigern und einen erheblichen Mehrwert schaffen.

Der Source-to-Pay-Prozess besteht aus sechs wichtigen Schritten:

1. Ausgabenanalyse: Unternehmen verfügen über umfangreiche Daten zu den Ausgaben im Zusammenhang mit den von Lieferanten erworbenen Produkten und Dienstleistungen. Durch die Analyse dieser Ausgabendaten und die Berücksichtigung der Anforderungen werden Beschaffungsstrategien zur Kosteneinsparung entwickelt.
2. Lieferantenmanagement: In dieser Phase werden die bestehenden Lieferanten auf der Grundlage ihrer finanziellen Stabilität, ihres Rufs und ihrer bisherigen Leistungen bewertet. Ziel ist es, unter Berücksichtigung von Preisen, Qualität und Lieferzeiten fundierte Entscheidungen zu treffen.
3. Vertragsmanagement: Dieser Prozess umfasst das Versenden von Angebotsanfragen (RFPs), Informationsanfragen (RFIs) und Angebotsanfragen (RFQs) an potenzielle Lieferanten, um diese zu bewerten. Es folgen Verhandlungen, um nach der Auswahl eines Lieferanten den bestmöglichen Preis zu erzielen. Während des Beschaffungsprozesses verhandeln die Unternehmen auch über Frachtbedingungen, Zuschläge und Rabatte. Nach Abschluss der Verhandlungen und des Vertragsabschlusses wird eine Bestellung erstellt, in der der Artikel, die Menge, der Preis und das voraussichtliche Lieferdatum angegeben sind.
4. Lieferung der Waren/Dienstleistungen: Bei der Ankunft werden die Produkte geprüft, um sicherzustellen, dass die Menge mit den Angaben in der Bestellung übereinstimmt. Nach der Prüfung stellt das Unternehmen einen Wareneingangsschein (GRN) aus.
5. Rechnungen erfassen: Die Kreditorenbuchhaltung ist für den Abgleich der Rechnungen des Lieferanten mit den Bestellungen und dem Wareneingangsschein zuständig.
6. Zahlung an den Lieferanten: Sobald die Waren als zufriedenstellend bestätigt sind, leistet das Unternehmen Zahlungen an den Lieferanten gemäß den im Vertrag festgelegten Zahlungsbedingungen. Eine der Zahlungsbedingungen ist zum Beispiel "Netto 10", was bedeutet, dass die Zahlung innerhalb von 10 Tagen fällig ist.

Quelle-zu-Zahlung: Wie es funktioniert

• Beurteilung: Ein Einzelhandelsunternehmen stellt fest, dass es 50.000 Bio-T-Shirts benötigt, um 200 Filialen in seinem Netz zu beliefern. Das Unternehmen gibt die benötigten Maße, den Stoff und die Farbe an.
• Ermittlung und Qualifizierung von Lieferanten: Das Beschaffungsteam prüft und wählt drei zertifizierte Anbieter aus, die sich auf Bekleidung aus Bio-Baumwolle spezialisiert haben und eine Informationsanfrage (RFI) eingereicht haben.
• Beschaffung und Verhandlung: Nach der Identifizierung der am besten geeigneten Anbieter sendet der Einzelhändler eine Angebotsanfrage (RFQ) an die ausgewählten Lieferanten. Er verhandelt mit dem besten Anbieter und wählt den Lieferanten aus, der das beste Preis-Leistungs-Verhältnis bietet.
• Vertragsmanagement: Die Parteien setzen einen Vertrag mit dem Lieferanten auf und führen ihn aus, in dem die Bedingungen für den Erwerb der Bio-T-Shirts festgelegt sind, einschließlich Preis, Liefertermin und Produktqualität.
• Bestellung: Der Einzelhändler erstellt eine Bestellung über 50.000 T-Shirts, um die Menge und den Preis mit dem Lieferanten über sein Einkaufssystem zu bestätigen.
• Wareneingang und Prüfung: Nach Erhalt der Produkte prüft das Unternehmen diese auf Qualität und Menge. Es wird eine Liste mit allen Abweichungen und Beanstandungen erstellt und ein Wareneingangsschein (GRN) erzeugt.
• Bearbeitung der Rechnungen: Die Kreditorenbuchhaltung erhält eine Rechnung vom Lieferanten. Sie vergleicht die Rechnung mit der Bestellung und dem Wareneingangsschein, um ihre Richtigkeit zu überprüfen.
• Zahlungsabwicklung: Der Einzelhändler begleicht die Einkaufsrechnung zu Netto 30 (N30) Bedingungen, d.h. der Lieferant erhält die Zahlung innerhalb von 30 Tagen.
• Bewertung der Lieferantenleistung: Der Einzelhändler bewertet die Leistung seiner Lieferanten, indem er die Qualität der gelieferten Produkte, die zugewiesene Lieferfrist und die Qualität der Kommunikation beurteilt.

S2P-Prozesse: Die aktuellen Herausforderungen

• Mangelnde Datentransparenz: Die Unternehmen stoßen häufig auf fragmentierte Datenquellen, was es schwierig macht, Trends bei der Leistung und den Ausgaben der Lieferanten zu erkennen.
• Fehler in manuellen Prozessen: Zahlreiche Unternehmen verlassen sich noch immer auf die manuelle Dateneingabe und die Rechnungsstellung auf Papier. Dieser arbeitsintensive Ansatz ist fehleranfällig und führt zu Verzögerungen bei der Rechnungsbearbeitung und ungenauen Zahlungen.
• Compliance-Risiken: Das Fehlen zentraler Überwachungsmechanismen kann es schwierig machen, die Einhaltung der Beschaffungsrichtlinien durch die Lieferanten zu überwachen und zu gewährleisten.
• Widerstände gegen Veränderungen: Die Einführung neuer S2P-Prozesse stößt häufig auf den Widerstand von Mitarbeitern, die an traditionelle Arbeitsabläufe gewöhnt sind. Dies unterstreicht die Notwendigkeit effektiver Strategien für das Änderungsmanagement.

S2P-Prozess: Der Bedarf an Optimierung

• Die vier wichtigsten Prioritäten der Unternehmen waren die Steigerung der betrieblichen Effizienz (78 %), die Kostensenkung (76 %), die digitale Transformation (76 %) und die Innovation (73 %). (Quelle: Deloitte Global Chief Procurement Officer (CPO) Survey) [Quelle - Deloitte]
• Operative Effizienz wird von 40 % der Unternehmen genannt, was die Notwendigkeit für Chief Procurement Officers (CPOs) unterstreicht, Beschaffungsprozesse zu optimieren und die Produktivität zu steigern. Diese Statistik zeigt, dass Unternehmen weithin anerkennen, dass die Optimierung operativer Prozesse entscheidend für ein effektives Kostenmanagement und die Steigerung der Wertschöpfung ist.
• Darüber hinaus räumen 40 % der Unternehmen der digitalen Transformation Priorität ein und betonen die Bedeutung der Implementierung digitaler Technologien und Tools zur Verbesserung der Beschaffungskapazitäten und zur Steigerung der Effizienz. Die digitale Transformation wird als die zweitwichtigste Beschaffungsstrategie nach der Zusammenarbeit mit Lieferanten genannt. Dies deutet darauf hin, dass die CPOs die Notwendigkeit des Einsatzes von Technologien zur Verbesserung der Beschaffungsprozesse klar erkennen.

Die Zukunft von Source-to-Pay: KI-Möglichkeiten zur Reduzierung manueller Vorgänge

Anwendungsfall 1 - Überprüfung von Compliance-Dokumenten

Die Lieferantenregistrierung erfordert die Einreichung verschiedener Dokumente, darunter Lizenzen, Zertifikate und Versicherungspolicen, oft in unterschiedlichen Formaten. Zu den manuellen Prozessen gehört eine strenge Bewertung der Dokumente, einschließlich Vorprüfungen auf Vollständigkeit und Einhaltung der organisatorischen Anforderungen. Zu den wichtigsten Schritten gehören die Datenextraktion aus den Compliance-Dokumenten für die Systemintegration, die Überprüfung der Dokumentenechtheit anhand offizieller Quellen, die Risikoklassifizierung auf der Grundlage der eingereichten Informationen und die kontinuierliche Überwachung der Compliance von Lieferanten, Zertifizierungen und Verträgen, um die nachhaltige Einhaltung der Unternehmensstandards zu gewährleisten.

Gemeinsame Herausforderungen

• Menschliche Fehler aufgrund von Ermüdung, Ablenkung oder mangelndem Fachwissen bei der manuellen Überprüfung.
• Manuelle Überprüfungen erfordern erhebliche Ressourcen, was die Konzentration auf wichtigere Aufgaben beeinträchtigt.
• Die Überprüfung der Einhaltung von Vorschriften wird durch unvollständige oder ungenaue Aufzeichnungen erschwert.
• Das Dokumentenvolumen steigt mit dem Wachstum des Unternehmens exponentiell an, was es schwierig machen kann, die Genauigkeit zu wahren.

Wie KI helfen kann

• KI-Technologien wie OCR (Optical Character Recognition) und maschinelles Lernen können subtile Diskrepanzen und Muster in Dokumenten erkennen, die menschliche Prüfer möglicherweise übersehen.
• Der Einsatz von Intelligent Document Processing (IDP) kann die Effizienz der Dokumentenverarbeitung erheblich steigern, indem die Extraktion und Validierung wichtiger Informationen aus Dokumenten automatisiert wird. Darüber hinaus können Dokumente mit externen Quellen oder gesetzlichen Datenbanken abgeglichen werden, um die Einhaltung von Vorschriften sicherzustellen.

Anwendungsfall Nr. 2 - Automatisierter Rechnungsabgleich

Der manuelle Rechnungsabgleich ist arbeitsintensiv und anfällig für menschliche Fehler, da er die manuelle Dateneingabe, das Abrufen von Dokumenten und den Vergleich umfasst.

Häufige Herausforderungen

• Validierungsfehler: Diskrepanzen zwischen Rechnungen, Bestellungen und Wareneingängen können zu Unzufriedenheit der Lieferanten, Compliance-Risiken und Zahlungsverzögerungen führen.
• Teuer: Der manuelle Rechnungsabgleich erhöht die Betriebskosten aufgrund des Zeit- und Ressourcenaufwands.
• Eingeschränkte Skalierbarkeit: Wenn Unternehmen expandieren, ist die manuelle Verwaltung des steigenden Rechnungsvolumens nicht mehr tragbar, was zu Bearbeitungsrückständen und Ineffizienzen führt.

Wie KI helfen kann

• NLP-Modelle (Natural Language Processing) können strukturierten und halbstrukturierten Text in Rechnungen, Bestellungen und Quittungen lesen und verstehen, um Unstimmigkeiten zu erkennen. Dieser Prozess hilft bei der Validierung von Rechnungen anhand von Bestellungen und Wareneingängen, wodurch manuelle Arbeit und Fehlerquoten reduziert werden.
• Regelbasierte und hybride maschinelle Lernsysteme können die Mengen in der Bestellung mit den Rechnungen vergleichen und Abweichungen erkennen.
• KI-Algorithmen reduzieren menschliche Fehler und garantieren einen präzisen Abgleich und die Erkennung echter Diskrepanzen.

Anwendungsfall Nr. 3 - Analyse der Ausgaben

Die Konsolidierung von Daten aus verschiedenen Quellen ist eine häufige Herausforderung bei der aktuellen Ausgabenanalyse. Dieser Prozess erfordert einen erheblichen manuellen Arbeitsaufwand für die Datenbereinigung, -kategorisierung und -analyse.

Häufige Herausforderungen

• Dieser Prozess ist anfällig für Fehler und Inkonsistenzen, was zu ungenauen Erkenntnissen führen kann.
• Beschaffungsteams stoßen auf Hindernisse wie verzögerte Berichte, eingeschränkte Sichtbarkeit von Ausgabenmustern und die Unfähigkeit, Kosteneinsparungsmöglichkeiten in Echtzeit zu erkennen.

Wie KI helfen kann

• KI kann bei der Auslagerung von Datenextraktion, -bereinigung und -kategorisierung helfen, indem sie diese Verfahren optimiert.
• Dadurch wird nicht nur der manuelle Aufwand reduziert, sondern auch eine präzise Entscheidungsfindung in Echtzeit ermöglicht, was die Effizienz und Wirkung der Ausgabenanalyse erheblich steigert.
• Algorithmen für maschinelles Lernen können Anomalien erkennen, Ausgabentrends vorhersagen und umsetzbare Empfehlungen zur Kostenoptimierung geben.

Generative KI Anwendungsfälle

Ausgabenanalyse

Generieren Sie detaillierte Zusammenfassungen von Ausgabenmustern über Kategorien, Regionen oder Lieferanten hinweg, um die Entscheidungsfindung durch Dashboard-Erzählungen zu erleichtern.

Lieferantenmanagement

Personalisieren Sie jede Lieferanteninteraktion für die gesamte Lieferantenkommunikation, von der Einweisung bis zur Erinnerung an die Einhaltung von Vorschriften, und fördern Sie so stärkere, kooperativere Partnerschaften.

Vertragsmanagement

Erstellen Sie vorläufige Vertragsentwürfe anhand vorgegebener Vorlagen, um Verträge zusammenzufassen und wichtige Informationen hervorzuheben.

Lieferung von Waren/Dienstleistungen

Verschaffen Sie sich mit zeitnahen Statusberichten in Echtzeit Einblick in jede Phase des Lieferprozesses.

Rechnungsstellung

Optimieren Sie den Zahlungsprozess, indem Sie Rechnungsfehler ausschließen und die Zahlungszyklen durch Automatisierung beschleunigen.

Zahlungen

Beherrschen Sie das Cashflow-Management durch Optimierung der Zahlungspläne in Übereinstimmung mit der Cashflow-Prognose, den Lieferantenbedingungen und Benchmark-Kennzahlen.

Endnote

Die Integration von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) in den Source-to-Pay-Prozess (S2P) ist nicht nur eine operative Verbesserung, sondern ein strategischer Wegbereiter, der Innovation, Effizienz und Genauigkeit fördert. KI versetzt Unternehmen in die Lage, den Wert ihrer Beschaffungsaktivitäten zu maximieren, indem sie sich wiederholende Aufgaben automatisieren, verwertbare Erkenntnisse gewinnen und intelligente Entscheidungen erleichtern. Mit dem weiteren Fortschritt der Technologie wird das Potenzial der KI, die S2P-Landschaft zu verändern, weiter zunehmen und den Unternehmen beispiellose Möglichkeiten für Wachstum und Wettbewerbsvorteile bieten.