Lieferantenbewertung Lebensmittelqualität

Das echte Ausmaß des Problems

In der Lebensmittelverarbeitung ist die Lieferantenqualität kein abstraktes Risiko, sie ist die erste Variable in der Qualitätskette. Bevor das erste Gramm Mehl gemahlen, bevor der erste Liter Milch erhitzt wird, bestimmt die Rohstoffqualität, was am Ende aus dem Betrieb herauskommt.

Das Paradoxe: Obwohl die meisten Lebensmittelverarbeiter Wareneingangsprüfungen durchführen, systematisch dokumentieren und für das IFS-Audit aufbewahren, werden diese Daten kaum für Entscheidungen genutzt. Sie landen in Excel-Sheets oder ERP-Modulen, werden sortiert, abgeheftet, und dann nicht wieder angeschaut, bis die nächste Reklamation eintrifft.

Eine Literaturanalyse zu KI-Anwendungen in der strategischen Beschaffung der Lebensmittelbranche (Universität Hannover, ResearchGate 2022) beschreibt dieses Muster als strukturelles Problem: Unternehmen verfügen über operative Qualitätsdaten, die für Risikoprognosen theoretisch geeignet wären, nutzen sie aber nicht strategisch, weil die Aufbereitungskapazitäten fehlen, nicht die Daten.

Das kostet. In der Lebensmittelverarbeitung sind die finanziellen Konsequenzen von Lieferantenqualitätsproblemen typischerweise nicht der direkte Schaden (eine Charge Abfall), sondern die nachgelagerten Effekte:

• Rückrufkosten in einem mittelständischen Betrieb: laut einer BLL-Analyse starten Rückrufaktionen im deutschen Lebensmittelhandel bei 50.000 Euro, häufig bei Mittelstand-Betroffenen im sechs- bis siebenstelligen Bereich, wenn Logistik, Medienarbeit und Produktionsstillstand eingerechnet werden
• Auditabweichungen (Non-Conformities) beim IFS Food-Audit, die auf mangelndes Lieferantenmonitoring zurückgehen, kosten direkt die Zertifizierung, oder erzwingen ein kostenpflichtiges Nachaudit
• Reaktive Nacharbeit in der Produktion, wenn Rohstoffe nicht die erwarteten Backeigenschaften zeigen: gebundene Mitarbeiterzeit, Ausschuss, verpasste Lieferfenster

Das strukturelle Problem ist immer dasselbe: Lieferantenbewertung findet statt, aber sie findet nach dem Problem statt, nicht davor.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Spalte “Mit KI” beschreibt den Realbetrieb nach 3–6 Monaten Lernkurve und sauber eingespielter Datenanbindung, nicht den ersten Pilottag.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Die größte Zeitersparnis liegt beim Supplier Performance Review und der Auditvorbereitung, das sind ein bis drei Tage pro Jahr, keine tägliche Entlastung. Im täglichen Betrieb ändern sich die Abläufe kaum: Wareneingangsprüfungen finden weiterhin statt, werden weiterhin dokumentiert. Der Unterschied ist, dass diese Dokumentation jetzt automatisch ausgewertet wird. Verglichen mit Anwendungsfällen wie HACCP-Dokumentation automatisieren oder Chargendokumentation, die tägliche Routinen beschleunigen, bleibt die Zeitersparnis hier im unteren Bereich.

Kosteneinsparung, niedrig (2/5) Der wirtschaftliche Wert dieses Use Cases liegt primär in vermiedenen Qualitätsvorfällen, Rückrufen, die nicht passieren, Chargen, die nicht nachgearbeitet werden müssen, Auditabweichungen, die ausbleiben. Das ist echter Wert, aber er ist schwer in Euro zu messen, solange nichts passiert. „Wir haben dieses Jahr keinen Rückruf gehabt” lässt sich nicht direkt auf das Scoring-System zurückführen. Die laufenden Kosten für das System kommen hingegen zuverlässig monatlich an. Wer klares ROI-Tracking braucht, sollte sich das vorher sehr bewusst machen.

Schnelle Umsetzung, niedrig (2/5) Acht bis zwölf Wochen sind für einen Pilotbetrieb realistisch, wenn ERP-Anbindung erforderlich ist, und sie ist es fast immer. Die Wareneingangsdaten liegen im ERP (SAP S/4HANA, Microsoft Dynamics 365, ProAlpha), die Reklamationen möglicherweise in einem separaten System, Lieferantenzertifikate als PDFs in verschiedenen Ablagen. Diese Datenquellen zusammenzuführen ist die eigentliche Arbeit. Wer mit einer rein manuellen Eingangslösung (Excel-Export + Power BI) startet, kann in vier bis sechs Wochen erste Ergebnisse sehen, aber dann hat man noch keine echte Automatisierung.

ROI-Sicherheit, niedrig (2/5) Das ist der kritischste Punkt. Der ROI tritt ein, wenn Qualitätsprobleme ausbleiben, nicht wenn sie auftreten. Das macht ihn schwer zu isolieren und schwer gegenüber der Geschäftsführung zu belegen. In Branchen mit regelmäßigem Reklamationsaufkommen oder mit einer dokumentierten Reklamationshistorie je Lieferant ist der Nutzen greifbarer. Wer bisher kaum Qualitätsvorfälle hatte, und das auch nicht auf schlechte Lieferantenperformance zurückführen kann, wird Schwierigkeiten haben, den ROI zu berechnen.

Skalierbarkeit, hoch (4/5) Hier liegt die klare Stärke: Hat man das System einmal eingerichtet, wächst der Nutzen mit der Anzahl der Lieferanten überproportional. Zehn Lieferanten zu bewerten oder hundert kostet systemseitig kaum mehr, nur der initiale Daten-Setup ist je Lieferant einmalig aufwändig. Auch neue Rohstoffkategorien und zusätzliche Prüfparameter lassen sich nachträglich ergänzen, ohne die Grundarchitektur zu ändern.

Richtwerte, stark abhängig von vorhandener Dateninfrastruktur, ERP-System und Lieferantenportfolio-Größe.

Was das System konkret macht

Ein KI-gestütztes Lieferantenbewertungssystem macht im Kern eines: Es zieht Daten aus verschiedenen Quellen zusammen, die bisher isoliert vorlagen, und berechnet daraus einen strukturierten Risikoscore je Lieferant.

Die typischen Datenquellen sind:

Wareneingangsprüfungen, Messwerte aus dem ERP-System: pH-Wert, Temperatur bei Anlieferung, Keimzahlen (Laborbericht), Feuchtigkeit, Gewicht, Sensorik (wenn dokumentiert). Für jede Lieferung gibt es einen Datenpunkt. Das System gleicht diesen Datenpunkt mit der Spezifikation ab und bewertet: im Spec-Bereich, im Warnbereich, außerhalb der Spec.

Reklamationshistorie, Interne Reklamationen (aus der Produktion) und externe (vom Kunden), die auf diesen Lieferanten zurückgeführt werden können. Häufigkeit, Schwere, ob eine CAPA-Maßnahme eingeleitet wurde, ob sie abgeschlossen ist.

Zertifikatsstatus, Läuft das IFS Food Zertifikat noch? Ist ein Bio-Zertifikat gültig? Wurde ein Audit-Bericht eingereicht? Das System erinnert automatisch an ablaufende Gültigkeitsfristen, ohne dass jemand manuell im Kalender nachschaut.

Lieferantenaudits, Falls ihr selbst Lieferantenaudits durchführt: die vergebenen Bewertungen je Kapitel, offene Abweichungen, Maßnahmen-Status.

Aus diesen Quellen berechnet das System einen gewichteten Score, der je nach Konfiguration anders aussieht. Typisch ist eine Einteilung in Ampelfarben: grüne Lieferanten (kein Handlungsbedarf), gelbe (Beobachtung, nächste Lieferung genauer prüfen), rote (Gespräch einleiten, Entwicklungsmaßnahme oder Wechselprüfung).

Der Machine-Learning-Anteil ist in den meisten mittelständisch eingesetzten Lösungen überschaubar: Das System erkennt Trends (Verschlechterung über Zeit), setzt Warnmeldungen bei ungewöhnlichen Ausreißern und priorisiert automatisch, welche Lieferanten als nächstes überprüft werden sollten. Es ersetzt kein menschliches Urteil, es bereitet es vor.

Integrations-Realität: Was ERP-Anbindung wirklich bedeutet

Das ist der Abschnitt, über den Implementierungsprojekte zu wenig reden, und an dem die meisten Projekte mehr Zeit verlieren als geplant.

Das Datenproblem im Mittelstand

In einem typischen Lebensmittelbetrieb mit 50–200 Mitarbeitenden liegen die relevanten Daten verteilt auf mindestens drei Systemen:

• Wareneingang und Prüfprotokolle: im ERP (SAP S/4HANA, Microsoft Dynamics 365, ProAlpha, Sage), aber oft nur teildigitalisiert. Papierformulare, die manuell eingetippt werden, sind noch weit verbreitet.
• Reklamationen: entweder im ERP, oder in einem separaten Qualitätsmanagementsystem, oder (häufigste Variante) als Word-Dokumente und E-Mails in einem Sharepoint-Ordner
• Lieferantenzertifikate: als PDFs, meist ohne strukturierte Metadaten (kein Gültigkeitsdatum als Datenbankfeld, nur als Text im Dokument)
• Auditberichte: oft vollständig analog oder als nicht-strukturierte PDFs

Was das für die Integration bedeutet

Wenn du SAP S/4HANA einsetzt und das QM-Modul aktiv nutzt, hast du die beste Ausgangslage: Alle Wareneingangsprüfungen sind strukturiert, abrufbar über Standard-APIs, und eine externe Analyseplattform kann direkt draufsetzen. Das ist aber nur bei einem Teil der mittelständischen Lebensmittelbetriebe der Fall.

Microsoft Dynamics 365 mit Business Central hat ein integriertes Qualitätsmanagement-Modul, das Wareneingangsprüfungen erfassen kann, aber die Nutzungstiefe variiert stark je nach Implementierungspartner und -zeitpunkt.

ProAlpha, eines der verbreitetsten ERP-Systeme im deutschen Lebensmittelmittelstand, verfügt über Lieferantenbewertungsmodule, aber die Datenexport-Schnittstellen sind historisch weniger standardisiert als bei SAP oder Microsoft, was externe Anbindungen aufwändiger macht.

Der realistische Weg für die meisten Betriebe

Für viele Betriebe ist der pragmatischste Einstieg kein vollintegriertes System, sondern ein Export-basierter Ansatz: ERP-Daten werden wöchentlich als CSV-Export ausgeleitet, in ein Dashboard-Tool eingespielt (z.B. Power BI), dort mit Reklamationsdaten und Zertifikatsinformationen zusammengeführt, und die Scores werden manuell oder mit einfachen Algorithmen berechnet. Das ist kein „KI-System” im technischen Sinn, es ist strukturierte Datenauswertung. Aber es löst das ursprüngliche Problem (Daten liegen isoliert vor, werden nicht genutzt) zuverlässig und ohne die Komplexität einer Vollintegration.

Der nächste Schritt, Automatisierung des Datenimports, automatische Alerts bei Score-Verschlechterung, folgt dann auf Basis der gewonnenen Erfahrung, welche Datenquellen tatsächlich relevant sind und welche Schwellenwerte sinnvoll gesetzt werden.

Konkrete Werkzeuge, was wann passt

Safefood 360°, die Speziallösung für IFS- und BRC-zertifizierte Betriebe. Vorkonfigurierte Lieferantenbewertungs-Module mit Audit-Trail für den IFS-Auditor. Kein Deutsch in der Oberfläche, aber vollständig EU-gehostet. Sinnvoll wenn: mehr als 20 aktive Lieferanten, IFS- oder BRCGS-Pflicht, ein QM-Team mit Kapazität zum Einpflegen der Lieferantendaten. Kosten: ca. 500–2.000 Euro/Monat je nach Modulumfang, Demo erforderlich für genaue Preisauskunft.

Power BI als Scoring-Dashboard, für Betriebe, die ihre ERP-Daten bereits gut verfügbar haben und „nur” eine Auswertungsschicht brauchen. Power BI verbindet sich direkt mit SAP, Dynamics und CSV-Exporten, berechnet Scores nach selbst definierten Gewichtungen und visualisiert die Lieferanten-Ampelübersicht auf einem zentralen Dashboard. Günstigster Einstieg: Power BI Desktop kostenlos (Windows), Sharing ab 12,10 Euro/Nutzer/Monat. Anforderung: jemand im Team der Power BI und DAX-Formeln grundlegend beherrscht, das ist nicht ohne Setup-Aufwand.

TrackWise Digital, Vollständiges QMS mit Lieferantenmanagement-Modul, eher im Enterprise-Bereich (5.000–15.000 Euro/Monat). Passt für Betriebe, die gleichzeitig Deviation Management, CAPA-Tracking und Lieferantenbewertung in einem validierten System brauchen, typisch eher Lohnhersteller mit Pharma-Nähe als reine Backwaren- oder Molkereibetriebe. Für viele Lebensmittelmittelständler überdimensioniert und zu teuer.

SAP S/4HANA QM-Modul, wenn SAP S/4HANA bereits im Einsatz ist: das integrierte Quality Management Modul deckt Wareneingangsprüfungen, Prüflosanlage, Lieferantenbeurteilung und Qualitätsinformationssätze ab. Kein separates Tool nötig. Der Haken: Das QM-Modul muss aktiv implementiert und genutzt werden, viele SAP-Installationen im Mittelstand haben das Modul lizenziert, aber kaum eingerichtet. Der Aufwand, ein schlecht eingerichtetes SAP QM nachzurüsten, ist oft größer als ein separates Spezial-Tool einzuführen.

Wann welcher Ansatz

• IFS/BRC-Zertifizierung, über 20 Lieferanten, eigenes QM-Team → Safefood 360°
• SAP S/4HANA bereits aktiv mit QM-Modul → SAP-nativ ausbauen
• Microsoft-Umgebung, gute Datenqualität, Excel-Power-User im Team → Power BI-Dashboard
• Kleinstbetrieb (unter 15 Lieferanten), kein ERP → Excel + strukturierte Checkliste zuerst

Datenschutz und Datenhaltung

Lieferantenbewertung und DSGVO ist ein Bereich, über den häufig wenig gesprochen wird, aber bei dem es echte Fallstricke gibt.

Wann greift die DSGVO überhaupt?

Wenn der Lieferant ein Unternehmen ist (GmbH, AG), bezieht sich die Bewertung primär auf die juristische Person, das fällt nicht unter die DSGVO. Anders sieht es aus, wenn ihr Ansprechpersonen beim Lieferanten (Vertriebsmitarbeiter:innen, Fahrer:innen bei Anlieferung, Qualitätsbeauftragte) in eurem System speichert und deren Leistung oder Verhalten in die Bewertung einfließt. Sobald ein Datenpunkt einer natürlichen Person zugeordnet werden kann, greift die DSGVO.

Typische Grenzfälle in der Praxis:

• Der Name der Fahrerin, die die Lieferung zu kalt angeliefert hat, wird im WE-Protokoll notiert
• Die Qualitätsbeauftragten beim Lieferanten werden mit Namen in Auditberichten erfasst
• Kontaktdaten (E-Mail, Telefon) von Lieferantenbeauftragten in der Datenbank

Rechtsgrundlage und Aufbewahrung

Die Verarbeitung im Rahmen der Vertragserfüllung (Art. 6 Abs. 1 lit. b DSGVO) trägt den normalen Geschäftsbetrieb, Lieferantenbewertung als Teil des Wareneinkaufs ist grundsätzlich gedeckt, ohne dass ihr für jeden Lieferanten eine gesonderte Einwilligung braucht.

Wenn ihr ein externes Softwaresystem (Safefood 360°, Cloud-Dienst) für die Datenverarbeitung nutzt, muss mit dem Anbieter ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO abgeschlossen werden. Das gilt auch dann, wenn ihr nur Unternehmensdaten verarbeitet, der AVV regelt, wie der Dienstleister mit euren Daten umgeht.

Praktische Empfehlungen

• Lieferantenbewertungsdaten ins Verarbeitungsverzeichnis aufnehmen, Zweck, Kategorien, Speicherdauer
• Prüfen ob und welche personenbezogenen Daten (Ansprechpartner-Namen) tatsächlich für die Bewertung gebraucht werden, oft reicht die Lieferantenbezeichnung ohne Personennamen
• Löschfristen festlegen: nicht unbegrenzt aufbewahren; steuerliche Aufbewahrungspflichten (10 Jahre) gelten für Buchführungsunterlagen, nicht für alle Qualitätsdaten
• EU-Hosting bevorzugen: Safefood 360° hostet in der EU, Power BI mit M365 und EU Data Boundary ebenfalls (Daten bleiben in europäischen Rechenzentren)

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

Der größte Kostenblock ist Arbeitszeit für Datenaufbereitung und Integration, nicht die Software.

• Datenbestandsaufnahme (welche Daten wo liegen, Qualität bewerten, Lücken identifizieren): 3–5 Tage intern
• ERP-Anbindung oder Export-Setup: 1–4 Wochen, je nach ERP und Integrationstiefe. Bei SAP mit Standard-APIs: eher unten. Bei ProAlpha-Altsystemen ohne REST-API: eher oben.
• Dashboard-Konfiguration und Scoring-Logik: 1–2 Wochen
• Testbetrieb und Kalibrierung der Schwellenwerte: 2–4 Wochen

Externe Unterstützung bei der Implementierung: 3.000–15.000 Euro, stark abhängig von ERP-Komplexität und ob ihr ein spezialisiertes Tool (Safefood 360°) oder eine Eigenlösung (Power BI) wählt.

Laufende Kosten (monatlich)

• Power BI-Dashboard-Ansatz: Power BI Pro für 2–3 Nutzer: ca. 30–40 Euro/Monat. Hauptkostenblock: interne Pflegezeit (ca. 2–4 Stunden/Monat).
• Safefood 360°: ca. 500–2.000 Euro/Monat je nach Modulumfang und Lieferantenanzahl
• SAP QM-Modul (wenn schon lizenziert): kein Aufpreis, nur Implementierungsaufwand
• QT9 QMS als Alternative zu Safefood 360° für kleinere Betriebe: ab ca. 45–50 Euro/Nutzer/Monat (ca. 300–500 Euro/Monat für ein kleines QM-Team)

Konservative ROI-Rechnung

Basis: Ein verhinderte Mid-Size-Reklamation pro Jahr (Kundenreklamation, Rückgabe von 2 Paletten Produkt, Nachproduktion erforderlich). Direktkosten: ca. 5.000–15.000 Euro. Dazu: 1 eingesparter Arbeitstag für die Aufbereitung des jährlichen Supplier Performance Reviews à 350 Euro Tagessatz = 350 Euro. Ein besser bestandener IFS-Audit (keine kostenpflichtige Nachprüfung wegen Lieferantendokumentation): 1.500–3.000 Euro Auditkosten vermieden.

Gesamter vermiedener Schaden pro Jahr (konservativ): 7.000–18.000 Euro. Das deckt die Einrichtungskosten im ersten Jahr. Aber: Dieser ROI tritt nur ein, wenn tatsächlich ein Qualitätsproblem frühzeitig erkannt und verhindert wird. Wer in einem Jahr keine nennenswerten Lieferantenprobleme hat, sieht keinen direkten ROI, auch wenn das System gut funktioniert.

Score setzen vs. Lieferant wechseln, warum das nicht dasselbe ist

Das ist der Punkt, an dem viele Erwartungen mit der Realität kollidieren.

Ein Lieferanten-Risikoscore zeigt an, dass ein Problem besteht. Er löst das Problem nicht, und er entscheidet nicht, ob ihr den Lieferanten wechseln könnt.

Warum Lieferantenwechsel oft nicht einfach möglich ist

In der Lebensmittelverarbeitung gibt es Rohstoffe, für die ein Wechsel keine Selbstverständlichkeit ist:

• Spezifische Rohstoffe: Ein Backwarenunternehmen, das eine Rezeptur auf eine bestimmte Malzmehlcharge kalibriert hat, kann nicht einfach auf einen anderen Lieferanten wechseln, ohne die Rezeptur neu zu testen, das dauert Wochen und kostet Entwicklungszeit.
• Zertifizierungsanforderungen: Wenn ein Lieferant bio-zertifiziert ist und für eine Produktlinie benötigt wird, die das Bio-Siegel trägt, muss der Ersatzlieferant ebenfalls Bio-zertifiziert sein, das schränkt die Auswahl oft erheblich ein.
• Lieferkapazität und Exklusivität: Bei regionalen Erzeugern (Milch aus dem Allgäu, Hopfen aus der Hallertau) gibt es keine beliebig vielen Alternativen.
• Langjährige Beziehungen: Lieferantenwechsel im Lebensmittelbereich sind oft weniger technische als menschliche Entscheidungen, und die Datenlage allein reicht selten, um sie zu treffen.

Was das System wirklich leistet

Der Score ist kein Abschuss-Mechanismus. Er ist die Grundlage für ein strukturiertes Gespräch:

• „Eure Lieferungen zeigen in den letzten drei Monaten 15 Prozent Abweichungen im Feuchtigkeitswert. Was steckt dahinter?”
• „Euer Zertifikat läuft in 60 Tagen ab und wir haben noch keine Kopie des Folgeaudits erhalten.”
• „Wir haben in den letzten sechs Monaten zwei Reklamationen, die auf eure Rohstoffcharge zurückgehen. Das ist doppelt so viel wie im Vorjahreszeitraum.”

Mit einem datenbasierten Score geführt, ändern diese Gespräche ihren Charakter: vom Vorwurf (reaktiv, nach der Beschwerde) zur gemeinsamen Problemanalyse (proaktiv, bevor die nächste Charge angeliefert wird). Das ist der eigentliche Nutzen, nicht der automatische Lieferantenwechsel.

Typische Einstiegsfehler

1. Mit allen Datenquellen auf einmal starten

Der erste Impuls ist: Alles rein, WE-Daten, Reklamationen, Auditberichte, Zertifikate, externe Risikoratings. Das führt zu einem System, das sechs Monate in der Datenintegrations-Phase feststeckt und nie produktiv wird, bei 4–6 Datenquellen verdoppelt sich der Integrationsaufwand gegenüber einer Quelle, aber der Nutzenzuwachs liegt nur bei 30–40 %. Besser: Mit einer einzigen Datenquelle starten, meistens die Wareneingangsprüfungen, weil sie am strukturiertesten vorliegen. Den ersten Score ohne Reklamationshistorie berechnen, validieren, dann schrittweise erweitern.

2. Schwellenwerte ohne Kalibrierung setzen

„Grün = alle Prüfwerte im Spec-Bereich” klingt logisch. Unkalibriert zeigt sich aber: Bei einem typischen Betrieb mit 20 Lieferanten und 5 Prüfparametern gelten sofort 60–70 % der Lieferanten als gelb oder rot, zu viele, um sinnvoll priorisieren zu können, und das Scoring-System verliert intern jede Glaubwürdigkeit. Andere Parameter, die nie aus dem grünen Bereich herausrutschen, sind trotzdem die besten Frühindikatoren für Probleme (z.B. Trendentwicklung über Zeit statt absoluter Schwellenwert). Was hilft: Die Kalibrierungsphase, welche Signale sind in eurem Betrieb wirklich relevant, dauert mindestens zwei bis drei Monate im Realbetrieb; erst dann sind Rot/Gelb/Grün-Grenzen aussagekräftig.

3. Das System einführen und dann nicht nutzen

Das ist der stille Tod dieser Projekte. Erfahrungswert: Nach sechs Monaten ohne feste Review-Routine nutzen weniger als 30 % der QM-Teams das Dashboard wöchentlich, der Rest greift wieder auf Excel und Bauchgefühl zurück. Lieferantenbewertung muss in einen Rhythmus eingebettet sein: Wer schaut wann auf den Score? Was ist der Auslöser für ein Gespräch mit dem Lieferanten? Wer entscheidet über eine Entwicklungsmaßnahme? Was hilft: Vor dem Start klären: Wer ist der Owner des wöchentlichen Score-Reviews? Ohne namentliche Verantwortung, keine Routine.

4. Stale Scores durch veraltete Daten

Das heimtückischste Problem: Das System läuft, aber die Daten werden nicht aktuell gehalten. Wareneingangsprüfungen werden nicht mehr in das ERP eingepflegt, weil „der neue Mitarbeiter das noch nicht gelernt hat”. Ein Lieferantenzertifikat ist abgelaufen, aber niemand hat es aktualisiert. Nach sechs Monaten ist der Score eines Lieferanten grün, weil er auf Daten von vor acht Monaten basiert, nicht auf der aktuellen Situation. Laut einer Analyse von Trax Technologies bezeichnen 85 Prozent der Unternehmen veraltete Daten als Hauptgrund für schlechte KI-basierte Entscheidungen. Im Lieferanten-Scoring ist dieser Effekt besonders gefährlich, weil ein grüner Score Sicherheit suggeriert, die nicht mehr besteht.

Was mit der Einführung wirklich passiert, und was nicht

Das Schwierigste an diesem Use Case ist nicht die Technik, es sind die organisatorischen Fragen, die vorher beantwortet werden müssen.

Wer entscheidet über den Score-Algorithmus?

Die Gewichtung der Kriterien (Wie viel zählt die Reklamationsquote, wie viel die Prüfwert-Abweichungen, wie viel der Zertifikatsstatus?) ist keine technische Entscheidung, sondern eine Unternehmens- und Qualitätsstrategie-Entscheidung. Erfahrungsgemäß gibt es dazu selten eine klare Meinung im Vorfeld, die Diskussion „Was ist uns wirklich wichtig bei einem Lieferanten?” findet erst statt, wenn jemand fragt, wie der Score berechnet werden soll. Diese Diskussion zu führen ist wertvoll, aber sie muss in der Projektplanung als Zeitbedarf eingeplant werden.

Widerstandsmuster beim Einkauf

Erfahrungsgemäß gibt es Widerstand aus einer unerwarteten Ecke: dem Einkauf. Lieferantenbewertung war bisher Qualitätssache, der Einkauf hat den Preis verhandelt, die Qualitätsabteilung hat bewertet. Ein System, das transparent macht, welcher Lieferant welche Qualitätsperformance zeigt, macht auch sichtbar, wenn ein günstiger Lieferant, den der Einkauf bevorzugt, schlechte Qualitätszahlen hat. Das erzeugt interne Spannung. Empfehlung: Einkauf frühzeitig einbeziehen, nicht als Schnittstelle die informiert wird, sondern als Mitgestalter des Scoring-Ansatzes.

Was konkret hilft

• Vor dem Start einen Lieferanten-Qualitäts-Workshop durchführen: Was sind die drei häufigsten Qualitätsprobleme der letzten drei Jahre? Welche Lieferanten waren beteiligt? Was hätte frühzeitige Erkennung bedeutet? Das schafft gemeinsames Verständnis und Motivation.
• Einen Pilotlieferanten wählen, idealerweise einen mit bekannter Problematik, um das System an einem realen Fall zu kalibrieren und zu zeigen, dass es funktioniert.
• Klare Eskalationsstufen definieren: Score unter X → was passiert? Wer informiert wen? Was ist die maximale Reaktionszeit?

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Der Zeitplan beschreibt den Weg bis zu einem funktionierenden Piloten mit zwei bis drei Lieferanten. Die Ausweitung auf alle Lieferanten ist Phase zwei, und sollte erst beginnen, wenn der Pilot funktioniert und intern akzeptiert ist.

Häufige Einwände, und was dahintersteckt

„Wir bewerten unsere Lieferanten schon, jährlich im Review.”

Das jährliche Review ist gut für die IFS-Auditdokumentation. Es ist schlecht für die Früherkennung. Ein Lieferant, der im März anfängt schlechtere Qualität zu liefern, taucht im Dezember-Review als Problem auf, nach neun Monaten und möglicherweise mehreren problematischen Produktionschargen. Der Wert eines laufenden Scores ist die Frequenz, nicht die Ersetzung des Reviews.

„Wir haben zu wenig Daten.”

Das ist meist der umgekehrte Fall. Wareneingangsprüfungen werden in jedem IFS-zertifizierten Betrieb dokumentiert. Das Problem ist nicht Datenmangel, es ist Datenverfügbarkeit. Die Prüfprotokolle existieren, aber sie liegen als PDFs, handschriftliche Formulare oder nicht ausgewertete ERP-Einträge vor. Der erste Schritt ist nicht ein KI-System, er ist eine Bestandsaufnahme dessen, was dokumentiert ist und wie es zugänglich gemacht werden kann.

„Wenn der Score rot ist, können wir den Lieferanten nicht wechseln.”

Das stimmt oft, aber das Ziel ist nicht, alle roten Lieferanten sofort zu wechseln. Das Ziel ist, die richtigen Gespräche zur richtigen Zeit zu führen, Entwicklungspläne zu vereinbaren und frühzeitig zu erkennen, wann ein Lieferant keine Verbesserung zeigt. In einigen Fällen führt das zum Wechsel, in vielen Fällen zu einer verbesserten Zusammenarbeit mit einem Lieferanten, der vorher einfach keine Rückmeldung bekam.

Woran du merkst, dass das zu dir passt

Gute Signale:

• Ihr habt mehr als 15 aktive Lieferanten für Rohstoffe und Verpackungsmaterial
• Eure Wareneingangsprüfungen werden digital dokumentiert (ERP, Excel, irgendwie)
• Ihr führt jährliche Lieferantenbewertungen durch, aber das Zusammenstellen der Unterlagen kostet immer wieder einen Tag
• Ihr seid IFS Food, BRC oder Bio-zertifiziert, und die Lieferantendokumentation ist beim Audit immer ein Thema
• In den letzten zwei Jahren gab es mindestens einen Qualitätsproblem-Fall, der hätte früher auffallen können

Drei harte Ausschlusskriterien:

1. Unter 10–12 aktiven Rohstofflieferanten. Bei einem so kleinen Portfolio lohnt sich kein dediziertes Scoring-System. Ein gut geführtes Excel-Sheet mit Quartals-Review reicht vollkommen aus, und der Einrichtungsaufwand für ein Digitalsystem liegt hier deutlich über dem Nutzen.

2. Wareneingangsprüfungen werden nicht oder nur auf Papier dokumentiert. Ein KI-System kann keine Daten auswerten, die nicht digital vorliegen. Wenn der erste Schritt eine vollständige Digitalisierung der WE-Dokumentation ist, sollte dieser Schritt abgeschlossen sein, bevor ein Scoring-System eingeführt wird. Andernfalls baut man auf Sand.

3. Kein ERP-System oder ERP-Datenqualität zu niedrig für Auswertung (fehlende Stammdaten, inkonsistente Lieferantenbezeichnungen, kein QM-Modul im Einsatz). Ohne ein halbwegs strukturiertes ERP-Fundament ist der Aufwand für die Datenbereinigung und -harmonisierung höher als der Nutzen des Scoring-Systems. In diesem Fall: Zuerst ERP-Datenqualität verbessern, dann Scoring.

Das kannst du heute noch tun

Mach eine 30-Minuten-Übung: Zieh aus eurem ERP oder deinen WE-Protokollen alle Wareneingangsdaten der letzten zwölf Monate für eure fünf wichtigsten Lieferanten. Leg sie nebeneinander. Schau, wie oft jeder Lieferant Prüfwerte außerhalb des Spec-Bereichs hatte. Zähl, wie viele Reklamationen auf welchen Lieferanten entfallen.

Was siehst du, was du vorher nicht gesehen hast?

Wenn du eine Überraschung erlebst, irgendetwas, das du nicht erwartet hattest, dann ist das der beste Beweis dafür, dass ein strukturiertes Scoring-System für euch Sinn ergibt.

Für die nächste Ebene: Nutze diesen Prompt, um mit einem KI-Assistenten aus deinen Excel-Daten eine erste einfache Scoring-Auswertung zu bauen.

Quellen & Methodik

• Literaturanalyse KI in der Lebensmittelbeschaffung: Hajek, P. et al., „Anwendungspotenziale von künstlicher Intelligenz in der strategischen Beschaffung der Lebensmittelbranche, Eine Literaturanalyse”, Universität Hannover, ResearchGate 2022. Beschreibt strukturellen Daten-Nutzungs-Gap im Lebensmittelmittelstand.
• AI ROI in der Lebensmittelverarbeitung: Food Industry Executive, „The Food Manufacturing Leader’s Guide to AI: Proven ROI Strategies and Implementation Roadmaps” (2025). 23% der befragten Hersteller nennen KI/ML als größten ROI-Treiber; gleichzeitig erhebliche Implementierungsrisiken durch schlechte Datenqualität.
• Stale Data als KI-Versagensgrund: Trax Technologies, „Why Supply Chain AI Projects Fail: The $100M Data Quality Problem” (2024). 85% der Unternehmen nennen veraltete Daten als Hauptursache für schlechte KI-Entscheidungen, direkt auf Lieferanten-Scoring übertragbar.
• IFS Food Standard 8: International Featured Standards (IFS), Version 8, veröffentlicht April 2023, verpflichtend seit Januar 2024. Erweiterte Anforderungen an Lieferantenmanagement und Audit-Kompetenz. Quelle: ifs-certification.com
• DSGVO im Einkauf: wlw.de, „DSGVO im Einkauf: Das müssen Sie wissen” (2023). Rechtsgrundlagen für Lieferantendatenverarbeitung, Aufbewahrungsfristen, Verarbeitungsverzeichnis-Pflicht.
• Rückrufkosten im deutschen Lebensmittelhandel: Branchenerfahrungswerte; BLL (Bund für Lebensmittelrecht und Lebensmittelkunde) und diverse Fachveröffentlichungen bestätigen Kosten ab 50.000 Euro für mittelständische Rückrufaktionen.
• Preisangaben Tools: Herstellerangaben und Capterra/Softwareadvice-Einträge (Stand April 2026). QT9 QMS: ca. 45–50 USD/Nutzer/Monat laut Capterra. Safefood 360°: Demo-basiertes Pricing, ca. 500–2.000 Euro/Monat aus Marktgesprächen. Power BI Pro: 12,10 Euro/Nutzer/Monat (Microsoft, Stand April 2026).

Du willst verstehen, welche eurer Lieferantendaten heute schon auswertbar wären, und was eine erste Pilotbewertung kostet? Meld dich, das klären wir in einem kurzen Gespräch.