KI-gestütztes Lieferantenmanagement

Das echte Ausmaß des Problems

Die COVID-Pandemie und der Ukrainekrieg haben gezeigt, wie fragil globale Lieferketten sind — aber für viele mittelständische Fertigungsunternehmen war das Problem bereits davor latent vorhanden. Laut einer Studie des Bundesministeriums für Wirtschaft und Klimaschutz (2022) gaben 65 Prozent der befragten Industriebetriebe an, in den letzten zwei Jahren mindestens einen signifikanten Lieferantenausfall erlebt zu haben. Die durchschnittlichen Folgekosten lagen zwischen 80.000 und 400.000 Euro pro Ereignis — durch Produktionsstopps, Eilbeschaffungen und Vertragsstrafen.

Das Problem ist selten der Ausfall selbst, sondern die fehlende Frühwarnung. In den meisten Unternehmen findet die Lieferantenbewertung einmal jährlich statt — als Excel-Tabelle, gefüllt mit Liefertreue-Quoten aus dem ERP und gelegentlichen Qualitätsmeldungen. Zwischen diesen Bewertungen passiert nichts. Dass ein wichtiger Zulieferer finanzielle Probleme hat, seinen Betrieb verlagert oder in einem Risikogebiet produziert, erfährt man in der Regel aus der Zeitung — wenn es zu spät ist, Alternativen aufzubauen.

Ein weiteres Problem ist die Bewertungstiefe: Klassische Lieferantenbewertungen erfassen nur, was direkt im eigenen ERP sichtbar ist — Lieferterminabweichung, Reklamationsquote, Preiszuverlässigkeit. Externe Risiken wie Bonitätsverschlechterung, Naturkatastrophen in der Lieferregion, Arbeitskonflikte oder regulatorische Änderungen bleiben systematisch außen vor. Ein Lieferant kann eine perfekte Liefertreue-Quote haben und dennoch sechs Wochen später insolvent sein.

So funktioniert es in der Praxis

Schritt 1 — Interne Datenbasis aus ERP und Qualitätssystem Das System verbindet sich mit dem ERP (SAP, Infor, Microsoft Dynamics) und zieht automatisch alle lieferantenbezogenen Transaktionsdaten: Liefertreue-Quoten, Lieferzeitabweichungen, Preisentwicklung, Reklamationen, Rücksendungen. Diese Daten werden normiert und in ein kontinuierliches Scoring überführt — nicht als Jahresbewertung, sondern als tagesaktuelles Bild.

Schritt 2 — Externe Risikosignale integrieren Die KI überwacht zusätzlich externe Quellen: Handelsdatenbanken (Creditreform, Dun & Bradstreet), Nachrichtendienste (nach Unternehmens- und Regionsnamen), behördliche Meldungen und Branchenberichte. Wenn ein Lieferant in einen Insolvenzantrag verwickelt ist, sich in einem Krisengebiet befindet oder eine Werksschließung ankündigt, erscheint das als Risiko-Alert — oft Wochen bevor es im normalen Geschäftskontakt sichtbar wird.

Schritt 3 — Risiko-Scoring und Handlungsempfehlungen Das kombinierte Scoring klassifiziert Lieferanten in Risikoklassen: grün (unauffällig), gelb (Beobachtung), rot (Handlungsbedarf). Für gelbe und rote Lieferanten schlägt das System konkrete Maßnahmen vor: Alternativlieferanten recherchieren, Sicherheitsbestand erhöhen, direkte Konversation mit dem Lieferanten über Situation. Der Einkäufer bekommt eine wöchentliche Zusammenfassung mit priorisierten Handlungsempfehlungen, statt selbst alles überwachen zu müssen.

Schritt 4 — Alternativlieferanten-Datenbank aufbauen Für kritische Materialien und Bauteile identifiziert die KI potenzielle Alternativlieferanten aus Branchendatenbanken und bewertet deren Eignungsprofil. Das Ergebnis ist eine Shortlist qualifizierter Alternativen, die im Risikofall schnell angefragt werden können.

Welche Tools passen hierzu

SAP Ariba Supplier Risk — Integrierter Ansatz für SAP-Nutzer: Ariba aggregiert Lieferantendaten direkt aus dem SAP-Ökosystem und verbindet sie mit externen Risikodaten. Besonders stark für große Lieferantenpools. Preise auf Anfrage, typisch ab 30.000 Euro/Jahr für mittlere Unternehmen.

Sphera — Supply-Chain-Risikomanagement: überwacht täglich Risikosignale zu definierten Lieferanten und liefert Alert-Nachrichten. Besonders geeignet für mittelständische Unternehmen ohne großes Einkaufs-IT-Team. Preise auf Anfrage.

Claude für Einzelanalysen — Wenn du Nachrichten, Geschäftsberichte oder Pressemitteilungen zu einem Lieferanten analysieren willst, liefert Claude schnell strukturierte Risikoeinschätzungen. Kein Ersatz für automatisiertes Monitoring, aber gut für Ad-hoc-Analysen. Ab 18 Euro/Monat.

Make — Für den Aufbau eigener Alert-Workflows: Wenn Lieferantendaten per API abrufbar sind (z. B. Creditreform-API), lassen sich mit Make automatisierte Benachrichtigungen bei Rating-Verschlechterungen einrichten. Ab 9 Euro/Monat.

ChatGPT mit Web-Suche — Für schnelle Hintergrundrecherchen zu einzelnen Lieferanten: “Gibt es aktuelle Meldungen zu Insolvenz, Werksschließung oder Lieferproblemen bei [Lieferant X]?” Guter Einstieg ohne Tooling-Investition. Ab 20 Euro/Monat.

Tableau — Für Visualisierung des Lieferanten-Scorings und der Risikoverteilung über den gesamten Lieferantenstamm. Besonders nützlich für Berichte an die Geschäftsführung. Ab 70 Euro/Nutzer/Monat.

Was es kostet — realistisch gerechnet

Einstieg (manuelle Daten + KI-Unterstützung für Monitoring)

• ChatGPT/Claude für regelmäßige Lieferanten-Hintergrundchecks: 20–40 Euro/Monat
• Make für Alert-Workflows auf Kreditwürdigkeitsdaten: 50–150 Euro/Monat
• Zeitaufwand: 2–4 Stunden/Woche für Analyse und Nachverfolgung
• Sinnvoll für: 10–30 kritische Lieferanten

Skaliert (spezialisierte Software)

• Riskmethods oder ähnliche Systeme: 1.500–5.000 Euro/Monat je nach Lieferantenzahl
• SAP Ariba: ab 30.000 Euro/Jahr Lizenz + Implementierung
• Einrichtungsaufwand: 3–8 Wochen für Datenintegration und Lieferantenstamm
• Sinnvoll für: 50+ Lieferanten, internationale Supply Chain

ROI-Beispiel: Automobilzulieferer, 80 Mitarbeiter, 45 kritische Lieferanten. KI-Monitoring identifiziert Finanzierungsprobleme bei einem Spritzguss-Zulieferer 8 Wochen vor erster offizieller Mitteilung. Zeit genutzt für Qualifizierung eines Alternativlieferanten. Statt 6-wöchigem Produktionsstop (Kostenfolge: ca. 180.000 Euro) reibungsloser Wechsel innerhalb von 10 Tagen. Tool-Kosten: 36.000 Euro/Jahr. Ein vermiedener Ausfall finanziert das System für 5 Jahre.

Realistischer Zeitplan

Phase	Dauer	Was passiert	Typisches Risiko
Lieferantenstamm klassifizieren	Woche 1–2	Kritische von unkritischen Lieferanten trennen, ABC-Analyse nach Spend und Ersetzbarkeit	Zu viele Lieferanten als kritisch eingestuft — System fährt zu viele Alerts, wird ignoriert
Datenbankintegration	Woche 2–4	Verbindung mit ERP einrichten, historische Lieferdaten laden, erste Scores berechnen	ERP-Datenqualität schlechter als erwartet — fehlende Felder, inkonsistente Buchungen
Externe Datenquellen einbinden	Woche 3–5	Kreditwürdigkeitsdaten, Newsfeeds für Top-50-Lieferanten konfigurieren	Datenschutz und Nutzungsrechte für externe Daten prüfen — nicht alle Quellen erlauben kommerzielle Nutzung
Alert-Workflows und Berichte	Woche 5–7	Schwellenwerte für Alerts definieren, Eskalationsprozesse festlegen, Bericht-Template für Einkauf	Zu viele Benachrichtigungen frustrieren Einkäufer — klare Priorisierung von Anfang an einbauen
Alternativlieferanten-Recherche	Fortlaufend	Für alle roten und gelben Lieferanten Alternativen identifizieren und vorqualifizieren	Qualifizierung dauert länger als geplant — Kapazitäten im Einkaufsteam einplanen

Häufige Einwände

„Wir kennen unsere Lieferanten seit Jahren — die rufen an, wenn etwas nicht stimmt.” Das stimmt für stabile Geschäftsbeziehungen. Aber Lieferanten rufen selten an, wenn sie finanzielle Probleme haben — das ist peinlich, kommt zu spät, und bis der Anruf kommt, ist die Situation oft kritisch. Externe Signale (Bonitätsänderungen, Nachrichtenmeldungen) kommen früher als der direkte Hinweis.

„Wir haben nur 15 Lieferanten — lohnt sich das überhaupt?” Bei 15 Lieferanten reicht oft eine vierteljährliche manuelle Überprüfung mit KI-Unterstützung: ChatGPT für Hintergrundrecherchen, Creditreform-Bericht einmal im Halbjahr. Das kostet wenig und gibt Sicherheit. Spezialisierte Software lohnt sich erst ab 30–50 Lieferanten oder bei sehr hohem Klumpenrisiko bei wenigen Zulieferern.

„Lieferantenrisiken haben wir im Griff — das ist Teil unseres ISO-9001-Prozesses.” ISO 9001 fordert Lieferantenüberwachung, aber die Frequenz und Tiefe ist nicht vorgegeben. Die meisten zertifizierten Unternehmen erfüllen die Anforderung mit Jahresbewertungen. Das ist compliance-konform, aber kein echtes Frühwarnsystem. KI-gestütztes Monitoring ergänzt ISO 9001 — es schließt die Lücke zwischen den formellen Bewertungszyklen.