Zukunft des Dienstleistungseinkaufs: mit KI für mehr Effizienz und Innovation

Einordnung und Besonderheiten

• Unterschiede zu direktem Materialeinkauf.
• Fließende Spezifikationen, wechselnde Ansprechpartner:innen, komplexe Leistungsbündel.
• Typische Pain Points: Maverick Buying, dezentrale Beschaffung, fehlende Transparenz.

Zusammenarbeit mit Fachbereichen

• Rollen, Verantwortlichkeiten, crossfunktionale Teams statt Silodenken.
• Stakeholder-Alignment und interne Governance.

Systematisierung und Steuerung

• Warengruppenstrategie, Lead-Buyer-Konzepte.
• E-Procurement zur Spend-Steuerung, Maßnahmen gegen Maverick Buying.
• Lieferantenmanagement: Segmentierung, Qualifizierung, Performance-Steuerung.

Ausschreibung, Vergabe, Vertragsgestaltung

• Lasten-/Pflichtenheft, Leistungsbeschreibung, Abgrenzungen.
• SLAs und KPIs: Definition, Messung, Bonus/Malus.
• Angebotsanalyse, Preisspiegel, Bewertungsmatrix, Vergabedokumentation.
• Vertragsarten, AGB, Schutzrechte, Lieferung/Montage/Abnahme.
• Zahlungen, Anzahlungen, Bürgschaften, Verzugs- und Gewährleistungsregelungen.

Controlling und Risikomanagement

• Kennzahlen, Reportingprozesse, Risikoanalysen.
• Nachweis und Kommunikation von Wertbeiträgen.

Grundlagen und Einordnung

• Was moderne KI kann: Machine Learning, Assistenz, Predictive Analytics.
• Nutzen vs. Buzzword: reale Mehrwerte und Grenzen, typische Fallstricke.

Guided Buying für Dienstleistungen

• Bedarfsspezifikation, Lieferantensuche, automatisierte RFx-Erstellung.
• Qualitative und quantitative Angebotsauswertung, Entscheidungsunterstützung.
• Unterschiede zu klassischen Materialgruppen und Umgang mit dynamischen Anforderungen.

Prozesse, Organisation und Reifegrad

• Integration von KI in bestehende Einkaufsprozesse und Systeme.
• Schnittstellen zu Fachabteilungen und Lieferanten.
• Reifegradmodell: von manuell zu KI-gestützt und selbstlernend.
• Reporting- und Controlling-Set-ups zur Erfolgsmessung.

Tool- und Systembewertung

• Auswahlkriterien: Reifegrad, Integration, Governance, Sicherheit, messbarer Nutzen.
• Checkliste: „Hält das Tool, was es verspricht?“
• Erfolgsfaktoren aus Implementierungen (Lessons Learned).

Interaktive Praxis-Übungen / Fallstudien

• Analyse typischer Dienstleistungsprozesse und Identifikation von KI-Potenzialen.
• Simulation von Guided-Buying-Prozessen.
• Bewertung von KI-Tools anhand konkreter Ausschreibungs- und Angebotsbeispiele.

Strategie, Roadmap und Ausblick

• Effizienz-, Qualitäts- und Agilitätshebel; Risiko-Reduktion, Kostentransparenz.
• Einführungsschritte: Datenbasis, Prozessdesign, Change & Enablement.
• Trends: selbstlernende Systeme, Predictive Sourcing, Automatisierung komplexer Vertragsprozesse.