Lieferantenqualifikation Stahl & Metall

Das echte Ausmaß des Problems

In der Stahlbranche und Metallverarbeitung ist die Lieferkette dünner und kritischer als in vielen anderen Industrien. Ein Lieferantenausfall führt nicht zu verspäteter Kommunikation, er führt zu Produktionsstillstand. Doch die Qualifizierung und Überwachung von Lieferanten läuft in den meisten mittelständischen Betrieben nach folgendem Schema:

• Jährliche oder zweijährliche Audits, Geschäftsführer oder Einkaufsleiter fahren hin, füllen ein Audit-Formular aus, Lieferant unterschreibt
• Zertifikatscheck per E-Mail, DIN EN 10204 Materialzertifikate landen als PDF im Postfach, werden manuell abgeheftet oder in einen Ordner verschoben
• Lieferperformance fragmentiert erfasst, Verspätungen oder Qualitätsbeanstandungen stehen in Freitextnoten auf Bestellungen, nirgendwo aggregiert
• Finanzielle Stabilität unbekannt, Ob ein Lieferant in finanzielle Schwierigkeiten gerät, erfährt man erst, wenn die Rechnung unbezahlt bleibt oder Mahnungen kommen

Das Resultat: Qualitätsprobleme werden erst erkannt, wenn die Teile im Wareneingang entdeckt oder schlimmer noch, beim Kunden. Das kann 2–4 Wochen nach Fertigung sein. Lieferverzögerungen werden reaktiv bekämpft, nicht proaktiv antizipiert. Audits finden statt, obwohl ein Lieferant längst ein hohes Risiko trägt.

Laut einer Studie des Automotive Industry Action Group (AIAG) kostet ein von außen erkannter Fehler (bei Wareneingang oder beim Kunden) etwa 1.000–10.000 Euro pro Fehlerfall, durch Rückruf, Reparatur, Verzögerung. Ein von innen (beim Lieferanten) erkannter Fehler kostet 10–100 Euro. Der Unterschied zwischen proaktiver und reaktiver Qualitätskontrolle ist also nicht eine Verbesserung, er ist wirtschaftlich existenziell.

Größere Unternehmen mit SAP und etabliertem Lieferantenmanagement haben Scorecards und Kennzahlendashboards. Für mittelständische Betriebe mit 50–300 Lieferanten ist das oft nicht vorhanden. Die Folge: Lieferantenbewertung ist subjektiv, inkonsistent und basiert auf Einzelfällen statt auf Mustern.

Mit vs. ohne KI, ein ehrlicher Vergleich

Basis: Erfahrungswerte aus Lieferantenmanagement-Projekten bei 20+ Stahlbau- und Metallverarbeitungsbetrieben; Zeitwerte für Auditplanung durch Vergleich manueller vs. automatisierter Prozesse.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Klingt kontraintuitiv, ist aber ehrlich. Die direkt eingesparte Zeit ist gering: Statt 8 Stunden manueller Auditplanung und Datensammlung brauchst du mit dem System vielleicht 1–2 Stunden. Das ist real, aber nicht der große Hebel. Der echte Gewinn liegt nicht in der Zeitersparnis, sondern in vermiedenen Produktionsstopps und Reklamationen, ein indirekter Effekt, nicht in der täglichen Arbeitszeit sichtbar. Deshalb 2, nicht 4 oder 5.

Kosteneinsparung, mittel (3/5)
Die Einrichtung kostet 17.000–55.000 Euro, kein Nebenposten. Der Nutzen entsteht durch vermiedene Produktionsstopps, geringere Reklamationskosten und effizientere Audits. Ein einziger vermiedener Produktionsstillstand (3–5 Tage à 1.500–3.000 EUR täglich) refinanziert die Jahreskosten. In der Praxis ist die Amortisation also schnell erreichbar, aber stark von der Häufigkeit kritischer Lieferantenereignisse abhängig. Nicht alle Betriebe haben gleich häufig solche Krisen, daher “mittel” statt “hoch”.

Schnelle Umsetzung, niedrig bis mittel (2/5)
Das System brauchst du nicht nur zu kaufen, du musst es auch anpassen. Wareneingangsdaten müssen aus deinem QM-System oder ERP exportierbar sein. Lieferverzögerungen müssen systematisch erfasst werden (nicht nur manuell notiert). Zertifikatsmanagement muss strukturiert sein. Finanzielle Daten müssen integriert werden (Creditsafe, Creditreform oder ähnlich). Das sind 10–16 Wochen realistische Dauer, nicht 2. Schwieriger als Materialzertifikat-Verwaltung, leichter als Fertigungsdokumentation CNC, aber tendenziell auf der anspruchsvolleren Seite.

ROI-Sicherheit, hoch (4/5)
Der ROI ist messbar und qualifizierbar: Wie viele Qualitätsprobleme wurden früher erkannt? Wie viele Audits konnten durch Risikopriorisierung effizienter gemacht werden? Wie viele Lieferverzögerungen konnten durch frühe Warnung vermieden werden? Aber es hängt davon ab, dass die Art und Weise, wie Fehler und Verspätungen auftreten, sich auch durch bessere Daten verändern lässt. Wenn Lieferanten grundsätzlich chaotisch sind und Audits nur wenig ändern, ist der ROI niedriger. Daher 4, nicht 5, es ist abhängig vom Kontext.

Skalierbarkeit, hoch (4/5)
Das System lernt mit jedem zusätzlichen Lieferanten, ohne dass die Infrastrukturkosten proportional steigen. 50 Lieferanten oder 500, die Kernplattform wächst mit. Die 4 statt 5 reflektiert: Jeder neue Lieferant braucht Onboarding-Aufwand (Zertifikate digitalisieren, Stammdaten pflegen, Scoring-Parameter kalibrieren). Die Umrüstplanung im Maschinenpark skaliert noch linearer, dort wachsen Modelle mit jeder zusätzlichen Maschine praktisch kostenfrei.

Richtwerte, stark abhängig von Betriebsgröße, Audit-Häufigkeit und bisheriger Fehlerrate.

Was das System konkret macht

Ein Lieferantenrisiko-Scoring-System aggregiert kontinuierlich Daten aus mehreren Quellen zu einem einzigen Score pro Lieferant.

Die Datenquellen:

1. Wareneingangsprüfungsdaten, Jedes Mal, wenn Material ankommt und geprüft wird (Gewicht, Oberflächenqualität, Zertifikat), landen diese Daten im System. Der KI-Teil: Trends erkennen. War dieser Lieferant letzten Monat bei 1 % Ausschuss und jetzt bei 4 %? Das ist ein Signal für Qualitätsdrift, möglicherweise ein Equipment-Problem, eine personelle Änderung, oder der Lieferant sendet Chargen von einem Standort statt einem anderen.

2. Lieferperformance und Pünktlichkeit, Waren die letzten drei Lieferungen pünktlich? Waren zwei der fünf zu spät? Das System aggregiert diese Daten täglich und berechnet eine Pünktlichkeitsquote. Trends wieder messbar: Ist ein Lieferant von 99 % auf 85 % Pünktlichkeit gefallen, deutet das auf Kapazitätsprobleme hin.

3. Materialzertifikat-Validität, Sind alle Zertifikate (DIN EN 10204) vorhanden, vollständig und innerhalb der Gültigkeitsfrist? Eines der häufigsten Qualitäts-Risiken ist, dass Materialzertifikate abgelaufen oder manipuliert sind. Das System prüft das automatisch.

4. Externe Kredit- und Bonitätsdaten, Über Schnittstellen zu Creditsafe oder riskmethods zieht das System kontinuierlich Bonitätsinformationen. Hat der Lieferant eine schlechtere Kreditwürdigkeit bekommen? Gibt es Insolvenzanzeichen? Das ist oft ein Frühwarnsignal für mangelnde Investitionen in Qualität und Kapazität.

5. Geopolitische und Umweltfaktoren, riskmethods und ähnliche Plattformen überwachen auch externe Ereignisse: War dort ein Werk-Brand, eine Überschwemmung, Streiks? Das sind Faktoren außerhalb der Kontrolle des Lieferanten, aber kritisch für die Lieferkette.

Der Score selbst:

Das System kombiniert diese Daten zu einem Lieferanten-Risiko-Score, meistens eine Zahl von 1 bis 100 oder ein kategoriehaft System (grün/gelb/rot). Der Score ist nicht magisch, er ist transparent. Du kannst sehen, welcher Faktor (Qualität, Pünktlichkeit, Bonität) zu welchem Gewicht beiträgt.

Was das in der Praxis bedeutet:

Du loggst dich im Dashboard ein. Du siehst 247 Lieferanten. Oben stehen die 15 mit rot/hohem Risiko. Der Einkaufsleiter beginnt, dort zu priorisieren: Lieferant A hat plötzlich ein Qualitätsproblem und gleichzeitig eine Bonitätsverschlechterung. Audit findet diese Woche statt, nicht erst nächstes Quartal. Lieferant B hat zwei Lieferverzögerungen in Folge, wird auch schneller auditiert. Lieferant C ist stabil, 99 % Pünktlichkeit, grün, Audit kann um zwei Quartale verschoben werden. Audits, die früher reine Kalenderroutine waren, laufen jetzt datengesteuert und zielgerichtet.

Konkrete Werkzeuge, was wann passt

Es gibt verschiedene Ansätze, Lieferantenqualifikation zu digitalisieren. Die Wahl hängt davon ab, wie groß dein Lieferantennetzwerk ist und wie tief dein bestehender ERP/QM-Stack bereits ist.

SAP Ariba, Wenn du SAP S/4HANA oder SAP ECC betreibst und deinen gesamten Einkaufsprozess in einer Plattform haben willst (Sourcing, Verträge, Lieferantenqualifizierung, Rechnungsprüfung), ist Ariba der natürliche Weg. Ariba hat ein Risikomanagement-Modul, das Quality-Daten, Lieferperformance und externe Scorecard-Quellen aggregiert. Aber: SAP Ariba rechnet sich ab ca. 100 Mio. EUR Jahreseinkaufsvolumen und erfordert 6–18 Monate Implementierung mit SAP-Beratern. Für kleinere bis mittlere Betriebe oft zu kostspielig.

riskmethods (jetzt Teil von Sphera), Spezialisiert auf Supply-Chain-Risikomanagement. riskmethods konzentriert sich weniger auf Qualität/Zertifikate (dafür brauchst du andere Systeme), sondern auf strategische Lieferkettenrisiken: Naturkatastrophen, finanzielle Stabilität, Geopolitik, ESG-Faktoren. Für Unternehmen, die ihre Lieferkette auch gegen externe Störungen absichern wollen. Preis ist nicht öffentlich, Onboarding erfordert gepflegte Lieferantenstammdaten. Gut für Unternehmen mit 200+ Lieferanten.

Creditsafe, Spezialisiert auf Bonitäts- und Finanzcheck. Creditsafe liefert dir automatisch Bonitätsscores, Zahlungsausfallrisiko und Warnungen bei Verschlechterung. Das ist eine Datenquelle, nicht das ganze Risiko-Scoring-System. Lässt sich mit einer Eigenentwicklung kombinieren, die Qualitäts- und Lieferdaten aggregiert. Ab ca. 50–100 Lieferanten sinnvoll, Preis transparent nach Abonnement.

Eigenentwicklung mit Python + PowerBI / Tableau, Für Betriebe, die bereits Daten in Excel oder ERP haben und schnell einen Prototyp bauen wollen: Daten exportieren, ein Python-Skript schreiben, das Qualitäts-, Liefer- und Zertifikatsdaten kombiniert und einen Score berechnet, Ergebnisse in Power BI visualisieren. Kann in 6–10 Wochen stehen, kostet 10.000–25.000 Euro an Entwicklung. Vorteil: Volle Kontrolle, nicht proprietär, einfach anzupassen. Nachteil: Die Pflege bleibt bei dir, Qualitäts-Audits musst du weiterhin manuell durchführen.

Fertigungs-ERP mit integrierter Lieferantenverwaltung, Lösungen wie Siemens Opcenter oder andere spezialisierte Fertigungs-ERPs haben Lieferantenverwaltung und Qualitätskontrolle eingebaut. Wenn du ein solches System sowieso einführst, ist das Lieferantenmodul relativ günstig mitzunehmen. Aber: Nicht alle diese Systeme haben echtes Risiko-Scoring, meist nur Datenverwaltung.

Zusammenfassung: Wann welcher Ansatz

• Großunternehmen mit SAP und 100+ Mio. EUR Einkaufsvolumen → SAP Ariba
• Mittelständische Betriebe mit 100–500 Lieferanten, externe Risiken sind wichtig → riskmethods
• Jedes Unternehmen, das Bonitätschecks braucht → Creditsafe als Komponente
• Kleine bis mittlere Betriebe, schneller Start, volle Kontrolle → Eigenentwicklung
• Parallel zu ERP-Projekt → Lieferantenmodul des neuen Systems prüfen

Datenschutz und Datenhaltung

Lieferantendaten sind nicht in dem Sinne “personenbezogen” wie Mitarbeiterdaten, aber sie sind sensibel. Kreditscores, Auditberichte, Qualitätsprobleme, diese Daten könnten dem Lieferanten schaden, wenn sie unkontrolliert weitergegeben würden. Das heißt: DSGVO gilt auch hier.

Wichtig ist es, klar zu definieren, wer innerhalb des Unternehmens diese Daten sehen darf. Ein Einkaufsleiter sollte die Bonitätsdaten sehen können, um Risiken zu managen. Ein Kundenservice-Mitarbeiter braucht das nicht zu sehen. Das ist eine Zugriffskontrolle-Frage, nicht nur eine technische, sondern auch eine organisatorische.

Für externe Datenquellen, Creditsafe, riskmethods, müssen Auftragsverarbeitungsverträge (AVV) abgeschlossen sein. Das sind Standard-Verträge, die diese Anbieter bereithalten. Darauf achten, dass die Datenhaltung in der EU stattfindet (beide Anbieter bieten das an). Keine US-Verarbeitung, außer du hast explizit dafür eine Rechtsgrundlage.

Empfehlung: Vor der Einführung mit dem Datenschutzbeauftragten abstimmen, welche Daten zu Lieferanten erfasst werden, wer sie sieht, wie lange sie gespeichert werden. Das erspart später Probleme. Ein einfacher Datenschutz-Impact-Assessment (DPIA) ist oft ausreichend.

Was es kostet, realistisch gerechnet

Einrichtung (einmalig):

• Software/Lizenzkosten: 10.000–30.000 € je nach Lösung (Custom-Entwicklung vs. SaaS)
• Datenintegration + Anpassung: 5.000–20.000 € (Schnittstellen zu ERP, QM-System, Bonität)
• Schulung, Change Management: 2.000–5.000 € (Einkäufer, QA trainieren, Prozesse anpassen)
• Gesamtbudget Einrichtung: 17.000–55.000 €

Laufende Kosten (monatlich/jährlich):

• SaaS-Lizenz (wenn nicht eigenentwickelt): 500–3.000 € pro Monat je nach Lieferantengröße (riskmethods, Ariba: deutlich höher, eher 5.000–10.000 €)
• Externe Datenquellen (Creditsafe, riskmethods-Daten): 200–1.000 € monatlich
• Maintenance, Updates: 500–1.500 € monatlich
• Gesamtbudget/Jahr laufend: 10.000–50.000 €

Realistisches ROI-Szenario (konservativ):

Ein Stahlbauer mit 80 Lieferanten, Jahreseinkauf 12 Mio. EUR, durchschnittlich 2 Qualitätskrisen pro Jahr (Reklamationen, Produktionsstopps), durchschnittlicher Schaden pro Krise ca. 50.000 EUR. Mit dem System sinken Krisen um ca. 40 % (auf 1–1,2 pro Jahr), weil problematische Lieferanten früher erkannt und adressiert werden (Schätzwert aus Praxisberichten). Ersparnis pro Jahr: 40.000–50.000 EUR. Aufwand: ca. 30.000 € Einrichtung + 20.000 € laufend = 50.000 € Jahresbudget. Break-even im ersten Jahr, positiv ab Jahr 2. Das ist das konservativste Szenario.

Im optimalen Fall (mehr Audits durchgeführt, höherer Fehlerpreis, größere Kostenersparnisse): ROI 150–200 % im ersten Jahr (Schätzwert aus Praxisberichten).

Drei typische Einstiegsfehler

1. Daten-Garbage-in-Garbage-out, der häufigste Fehler

Das System aggregiert nur die Daten, die du hast. Wenn deine Lieferantenstammsätze veraltet sind, Qualitätskennzahlen nicht systematisch erfasst werden, Pünktlichkeit nur im Kopf des Einkäufers existiert, dann wird der Score unbrauchbar. Ein Unternehmen führt das System ein, die Scores sind aber rauschig und widersprüchlich. Die Einkäufer verlassen sich nicht darauf, weil die Daten nicht vertrauenswürdig sind. Das System scheitert still. Was hilft: Vor der Einführung Datenqualität prüfen, Lieferantenstammdaten aktualisieren, Qualitätsprozesse standardisieren. Das kostet 2–4 Wochen, spart aber Monate Enttäuschung später.

2. Zu viel Komplexität in der Score-Formel, zweiter häufiger Fehler

Man versucht, alles in den Score zu packen: Qualität, Pünktlichkeit, Bonität, Nachhaltigkeit, Zertifizierungen, Innovationsfähigkeit. Heraus kommt eine undurchsichtige Formel, bei der keiner mehr nachvollziehen kann, warum Lieferant A plötzlich rot ist. Die Einkäufer vertrauen der Kennzahl nicht und ignorieren sie. Was hilft: Mit 3–4 Kernfaktoren starten (Qualität, Pünktlichkeit, Bonität). Das reicht für 80 % der Entscheidungen. Weitere Faktoren später ergänzen, wenn die Grundformel vertraut ist.

3. Keine kontinuierliche Daten-Hygiene, der langfristige Fehler

Das System wird eingeführt, läuft sechs Monate prima. Nach einem Jahr: Die Bonitätsdaten werden nicht mehr aktualisiert, weil niemand die Creditsafe-Schnittstelle gepflegt hat. Alte Auditdaten sind noch im System, obwohl sie fünf Jahre alt sind. Ein Lieferant wurde ausgemustert, steht aber noch im Dashboard. Der Score wird wieder unbrauchbar, weil die Basis (die Daten) verfällt. Was hilft: Von Anfang an einen Prozess festlegen, wer aktualisiert welche Daten, wie oft, mit welchem Aufwand. Das muss in Rollen und Abläufen verankert sein, nicht nur gehofft werden.

Was mit der Einführung wirklich passiert, und was nicht

Was wirklich passiert:

1. Die ersten 3–4 Wochen: Einkäufer und QA sagen “die Scores ergeben keinen Sinn.” Das liegt fast immer daran, dass die Daten nicht richtig integriert oder nicht aktuell sind. Das ist frustrierend, ist aber normal. Hier muss der Projektleiter aktiv bleiben und Datenqualität-Issues beheben, nicht einfach hoffen, dass sich die Akzeptanz von selbst ergibt.

2. Wochen 4–8: Ein paar Einkäufer fangen an, das Dashboard wirklich zu nutzen. Ein Lieferant mit hohem Risiko wird schneller auditiert. Das Audit deckt tatsächlich ein Problem auf. Das erzeugt erste Glaubwürdigkeit. “Das System hat uns geholfen, das Problem zu finden.” Diese Erfolgsmomente sind kritisch, sie müssen dokumentiert und dem Team gezeigt werden.

3. Monat 2–3: Die meisten Einkäufer nutzen das Dashboard, aber noch nicht für alle Entscheidungen. Sie verwenden es parallel zu ihrem bisherigen Urteil. Das ist in Ordnung, das ist die Übergangsphase. Widerstand gegen Neues ist normal. Er verschwindet, wenn die Beweise überzeugen.

4. Monat 4+: Audits werden systematisch nach Risikoscore geplant, nicht nach Kalender. Qualitätstrends werden schneller erkannt. Einkäufer können schneller handeln. Der Prozess stabilisiert sich.

Was nicht passiert:

• Das System ersetzt nicht menschliches Urteil. Ein Score sagt dir nicht, ob du einem Lieferanten künftig mehr Volume geben sollst, das musst du selbst entscheiden.
• Audits werden nicht überflüssig. Ein hoher Score bedeutet: Audit sollte stattfinden, nicht: Audit ist überflüssig. Der Audit liefert immer noch wichtige qualitative Erkenntnisse, die der Score nicht hat.
• Lieferanten werden nicht magisch besser. Ein Lieferant mit hohem Qualitätsrisiko ändert sich nicht durch die Tatsache, dass du ihn jetzt schneller erkennst. Du kannst schneller reagieren, aber das löst das eigentliche Problem nicht.

Change-Management-Realität:

Der größte Hebel für eine erfolgreiche Einführung ist nicht die Technologie, sondern die Kommunikation. Wenn die Einkaufsleitung glaubt, das System solle ihr Urteil ersetzen, sabotiert sie es. Versteht sie, dass das System ihr hilft, schneller bessere Entscheidungen zu treffen, unterstützt sie es. Das ist eine Kulturveränderung, keine rein technische. Plan Zeit dafür ein.

Realistischer Zeitplan mit Risikohinweisen

Kritischer Erfolgsfaktor in diesem Zeitplan: Nach dem Produktivstart regelmäßige Qualitätsprüfungen. Der größte Fehler ist, das System einzuführen und dann 6 Monate lang nichts mehr zu tun. Am Ende verfällt es. Plan von Anfang an 1–2 Stunden pro Woche für Datenqualität ein.

Häufige Einwände, und was dahintersteckt

Einwand 1: “Unsere Lieferanten sind stabil, das brauchen wir nicht.”

Das stimmt wahrscheinlich, bis es nicht mehr stimmt. Lieferkettenkrisen entstehen oft unerwartet. Der Wert des Systems liegt nicht darin, Routine besser zu machen, sondern Probleme früher zu sehen, damit du Zeit für Gegenmaßnahmen hast. Wer diese “Versicherung” nicht kaufen möchte, kann sie sein lassen, aber die Kosten eines Produktionsstillstands sind dann sehr viel höher als die Kosten des Systems. Was hilft: Nicht versuchen, den Wert in normalen Zeiten zu rechtfertigen. Der Wert zeigt sich in Krisen.

Einwand 2: “Die Audits fallen ja nicht weg, das System ändert nichts.”

Stimmt, aber indirekt ändert es sehr viel. Audits werden risikobasiert statt kalenderbasiert durchgeführt. Das heißt: Bessere Nutzung der Audit-Ressourcen, schnellere Reaktion auf Probleme. Und: Audits sind jetzt datengestützt, nicht nur Bauchgefühl. Das ändert die Qualität der Audits. Audits verschwinden nicht, werden aber treffsicherer. Was hilft: Diesen Mehrwert klar kommunizieren.

Einwand 3: “Creditsafe/Bonitätsdaten sind teuer und manchmal irrelevant, wir kennen unsere Lieferanten besser.”

Das stimmt teilweise. Bonitätsdaten sind eine Komponente, nicht alles. Aber: Eine Bonitätsverschlechterung kann ein frühes Warnsignal sein, selbst wenn der Einkäufer den Lieferanten “kennt”. Menschen sind schlecht darin, Muster zu erkennen, wenn die Daten über mehrere Kanäle verteilt sind. Bonitätsdaten sind eine zusätzliche Datenquelle, nicht die einzige. Was hilft: Bonitätsdaten optional starten, später ergänzen, wenn der ROI klar wird.

Woran du merkst, dass das zu dir passt

• Dein Lieferantennetzwerk hat mindestens 50 Lieferanten, darunter wird die manuelle Analyse nicht zum Engpass, das System rechnet sich nicht.
• Du führst regelmäßig Lieferantenaudits durch, mindestens 2–4 pro Jahr. Wenn du gar keine Audits machst, braucht dich das System auch nicht.
• Qualitätsprobleme oder Lieferverzögerungen sind für dich ein bekanntes Phänomen, nicht selten, aber auch nicht täglich. Das System hilft, diese zu reduzieren.
• Du hast die Datengrundlage, Qualitätskennzahlen werden erfasst, Pünktlichkeitsdaten sind im ERP, Lieferantenstammdaten sind gepflegt. Wenn deine Datenqualität miserabel ist, bring sie erst in Ordnung.
• Es gibt Lücken zwischen deinem Einkauf und deiner QA, der Einkäufer weiß nicht, was der QA-Leiter über einen Lieferanten denkt, und umgekehrt. Das System schließt diese Lücke.

Definitiv nicht zu dir passt:

• Du hast weniger als 50 Lieferanten oder arbeitest mit 3–4 Kern-Lieferanten, dann reicht manuelle Überwachung, das System ist überdimensioniert.
• Du führst praktisch nie Audits durch, Audits sind ein wesentlicher Teil des Systems. Ohne Audits basierend auf dem Score ist das System nutzlos.
• Deine ERP- und Qualitätsdaten sind fragmentiert und unzuverlässig, das System braucht saubere Eingangsdaten. Wenn die nicht da sind, bring sie erst in Ordnung.
• Dein Einkaufsvolumen ist sehr klein (unter 2 Mio. EUR/Jahr), die Einrichtung ist teuer, bei kleinen Volumen ist der ROI schwach.
• Du hast bereits ein anderes, etabliertes Lieferanten-Risikomanagement im Einsatz, dann braucht es keine zweite Lösung.

Das kannst du heute noch tun

Wenn das System in deinem Unternehmen Sinn ergibt, brauchst du nicht auf einen Einführungstermin zu warten. Du kannst heute anfangen.

Schritt 1: Audit-Daten sammeln und Trends manuell analysieren

Öffne eine Excel-Tabelle. Schreib auf: Lieferant, Audit-Datum, Audit-Ergebnis (ok/probleme), Qualität (Ausschussquote im letzten Jahr), Pünktlichkeit (% verspätete Lieferungen). Nutze dafür die Daten, die du ohnehin hast, ERP, QM-System, Auditprotokolle. Das dauert 3–4 Stunden für 50–100 Lieferanten. Jetzt siehst du: Welche Lieferanten haben Muster? Wo gibt es versteckte Qualitätsdrift? Das ist “manuelles Risiko-Scoring”, nicht elegant, aber wirksam.

Schritt 2: Nächste Audits risikobasiert planen

Basierend auf deiner Excel-Tabelle: Welche Lieferanten sollten die nächsten Audits sein, nicht die, die auf dem Plan stehen, sondern die mit den höchsten Risiken? Verschieb einen geplanten Audit und mach stattdessen einen bei einem Risiko-Lieferanten. Das zeigt dir, ob risikobasierte Auditplanung tatsächlich Mehrwert hat.

Schritt 3: Externe Bonitätsdaten abfragen

Ruf bei Creditsafe an, frag nach einem Testzugang. Prüf deine Top-20-Lieferanten. Kosten: 0–500 Euro für die Testphase. Zeit: 1–2 Stunden. Du wirst überrascht sein, wie unterschiedlich die Bonitäten sind.

Wenn diese drei Schritte keinen Mehrwert zeigen, brauchst du auch das teurere System nicht.

Quellen & Methodik

• Supplier Risk in Supply Chain Risk Management: An Updated Conceptual Framework, MDPI, 2025. Umfassender Überblick über akademische und praktische Supplier-Risk-Modelle.
• 3 Procurement Case Studies Showing Positive ROI From SRM, Kodiak Hub, 2024. Real-world ROI-Beispiele aus Beschaffung.
• Supplier QMS Audit System: Cut Late-Stage Inspection Failures, AQI Service, 2024. Kostenvergleich Früherkennung vs. späte Fehlerfeststellung.
• Lieferantenbewertung KI-Risiko-Scoring Einführung, DocuSign Deutschland, 2026. Deutsche Perspektive auf KI in Procurement.
• Wareneingangsprüfung: Darauf sollten Sie achten, WEKA, 2024. Praktische Leitfäden zu AQL und Prüfzyklen.
• Erfahrungswerte aus Lieferantenmanagement-Implementierungen bei 20+ Stahlbau- und Metallverarbeitungsbetrieben in Deutschland (2023–2026). Audit-Zeitaufwand, Fehlerkosten und ROI-Szenarien beruhen auf diesen Feldbeobachtungen.