Die Zukunftsfähigkeit unserer Geschäftsidee

Die Zukunftsfähigkeit unserer Geschäftsidee

Sägen wir an dem Ast, auf dem wir sitzen? 

Wir machen unsere eigenen Services überflüssig. Aus Unternehmersicht klingt das zunächst suboptimal. Für unsere Kunden ist es hingegen der entscheidende Vorteil. 

Unsere Lösungen zur Datenaufbereitung mit künstlicher Intelligenz schaffen Transparenz und Handlungsmöglichkeiten, das Potenzial hinter den eigenen Daten zu nutzen. Wir erhalten vorhandene Daten, bereiten diese auf und übergeben einen harmonisierten und bereinigten Datensatz. Das Unternehmen ist zufrieden und wir ebenfalls.

Nach 3 Monaten sollen die neuesten Zahlen aus dem letzten Quartal für Auswertungen berücksichtigt werden, um zu prüfen ob die eingeleiteten Maßnahmen bereits greifen.  

Error. Die neuen Zahlen sind nicht vergleichbar, weil sie weder angereichert noch bereinigt sind. 

Jetzt kann das Unternehmen zur Aufbereitung wieder auf kiresult zugehen. Ein neuer Auftrag, Wiederaufnahme der Projekttätigkeiten, Durchführung und Übergabe des neuen Datensatzes. 

Diese wiederkehrende Schleife und die potenziell nie versiegende Quelle an Folgeaufträgen hört sich zunächst gut an, entspricht aber in keiner Weise der übergreifenden Zielsetzung von kiresult. 

unsere Vision

Wir schaffen Lösungen für Unternehmen und Anwender um begrenzt verfügbare und oft verschwendete Ressourcen maximal sinnvoll und wertstiftend einzusetzen. 

Die größte Herausforderung liegt in der Zuordnung von Warengruppen

Ermöglichen eines effizienten Ressourceneinsatzes ist das Hauptziel von kiresult. Der oben beschriebene Ablauf bindet zu viele Ressourcen und hat vor allem eines zum Nachteil: Wir korrigieren zwar gemachte Fehler, helfen unseren Kunden aber nicht bei der Lösung des zugrundeliegenden Problems. Schlechte Datenqualität entsteht zum Zeitpunkt der Datenanlage. Wenn wir also nachgelagert falsch zugeordnete Daten einer Transaktion korrigieren, werden neue Datensätze weiterhin fehlerhafte Zuordnungen aufweisen.  

Für den konkreten Sachverhalt bedeutet das, wird bei der Bestellanlage die falsche Warengruppe ausgewählt, fällt spätestens bei der Analyse eine verfälschte Spend-Verteilung auf. 

Die Gründe falscher Warengruppenzuordnungen sind vielseitig. Aus Analysen vorhandener Spend-Daten vor unserer Aufbereitung stellen wir fest, dass entweder eine zu komplexe Warengruppenstruktur über mehrere Ebenen dazu führt, dass die Warengruppenauswahl zu spezifisch erfolgen muss und lästig wird. Ein weiterer Grund liegt in der Bezeichnung der Warengruppen, die teilweise wenig intuitive Abkürzungen enthalten oder sogar nur aus Nummern bestehen. In diesem Fällen bündeln sich insbesondere Kleinstbedarfe beispielsweise unter “Animals”, denn diese Kategorie wird als erste Auswahlmöglichkeit im System angezeigt, oder unter “Other”, weil die richtige Warengruppe nicht direkt auffindbar ist 

Um sicherzustellen, dass die Bestellanforderung richtig erfasst wird, laufen insbesondere Freitextanforderungen mindestens einmal im Einkauf vorbei, um unter anderem die richtige Warengruppe für den zugrundeliegenden Bedarf auszuwählen. Die Einkäufer kennen den Warengruppenbaum auswendig und sind über falsche Vorauswahlen verwundert und genervt. Zumal die richtige Warengruppe nicht im eigenen Verantwortungsbereich liegt und zur entsprechenden Kollegin weitergeleitet werden muss. Durch diese manuellen Zwischenschritte wird zwar sichergestellt, dass die Datenqualität (Warengruppe passt zum Bedarf) stimmt, aber schlank abgebildet ist dieser Prozess für unser Verständnis noch nicht. Wir kennen technologische Möglichkeiten, diesen manuellen Schritt automatisch durchzuführen und so nicht nur Anforderinnen, sondern auch Einkäuferinnen zu entlasten. 

Die Algorithmen und Modelle von kiresult sind darauf trainiert, Texte aus Bedarfsanforderungen, Bestellungen und Rechnungen zu analysieren und passenden Warengruppen zuzuordnen. Diese Grundfunktion nutzen wir bereits bei einmaliger Aufbereitung historischer Spend-Daten. 

Da wir mit diesem Vorgehen jedoch nur den Blick in den Rückspiegel schärfen, kommen wir nicht den Anforderungen moderner Einkaufsabteilungen nach, ad-hoc auf aktuelle Echtdaten zuzugreifen um faktenbasierte Entscheidungen zu treffen. Nachhaltiger ist die Nutzung unserer KI daher im laufenden Prozess.

Wir wollen unsere Lösungen den Anwendern bereits bei der Dateneingabe an die Hand geben um innerhalb von Geschäftsprozessen zu unterstützen. Bei Beschreibung des Bedarfs und Eingabe erforderlicher Datenfelder interpretieren unsere Algorithmen die zugrundeliegenden Daten und zeigen für das Feld “Warengruppe” passende Optionen auf. 

So vereinfachen wir einerseits die Dateneingabe für unsere Anwenderinnen und stellen andererseits eine gute Datenqualität sicher.

Zusammengefasst leisten wir Dateninterpretation für eine effektive Entscheidungsfindung

Wir haben uns dazu entschlossen, den Prozess in den Fokus zu stellen. kiresult soll datengetriebene Prozesse gezielt unterstützen und das Problem fehlerhafter Datenanlage lösen.  
Um das zu ermöglichen wollen wir Lösungen anbieten, unsere Algorithmen direkt im operativen System unserer Kunden, z.B. im ERP, verfügbar zu machen.

Integriert im Prozess und laufend umgesetzt, anstatt wiederkehrend und manuell.

Für SAP können wir bei der Bestellanlage unsere Modelle per Schnittstelle ansprechen und Vorschläge für eine passende Warengruppe zurückspielen.

Die Einkäuferin, alternativ Anforderer bei der Erstellung einer BANF, kann den Warengruppenvorschlag annehmen oder alternativ ablehnen und eine manuelle eingeben.

Der Vorteil des maschinellen Lernens ist, dass die angesprochen kiresult Modelle kontinuierlich trainiert und somit besser werden. Bei Vorhersagegenauigkeiten >95% lässt sich die Eingabe auch vollständig automatisieren um den Prozess noch effizienter zu gestalten, da keine Auswahl mehr erforderlich ist.

In der Praxis werden für eine benutzerfreundlichere Oberfläche und mit hilfreichen Funktionalitäten für den Prozess zunehmend eProcurement-Systeme implementiert und mit den ERP-Systemen integriert. In diesen Fällen findet die eigentliche Datenanlage nicht im ERP, sondern in den angewendeten Vor-Systemen statt. Dem wollen wir ebenfalls gerecht werden und unsere Lösung für potenziell alle Applikationen per Schnittstelle (API) verfügbar machen. 

Wieso das wichtig ist: Die Anwender sollen ihre gewohnte Systemumgebung nicht verlassen, da mit jedem Systembruch laufende Prozesse unterbrochen werden.  

Um potenziell allen Cloud-Applikationen unsere Algorithmen verfügbar zu machen, arbeiten wir an flexiblen Browser-Plugins, die wir in einem ersten Prototypen erfolgreich getestet haben. Das öffnet Raum für viele weitere Möglichkeiten, wie zum Beispiel: 

  • Ableitung der richtigen Kostenobjekte (G/L Accounts 
  • Identifikation und Kontierung von Bedarfen, die auf Gemeinkostenstellen zu buchen sind 

Potenziell lassen sich durch die Verwendung unserer KI sämtliche Datenfelder auf Basis vorhandener Informationen vorausfüllen, so lange es Referenzdaten gibt. Erfahrungsgemäß liegen bei jedem Unternehmen eine Menge historischer Daten ungenutzt vor.  

Sämtliche Vorgänge lassen sich mit KI nicht direkt automatisiert abbilden. Erstbedarfe, zu denen es keine Referenzdaten gibt, können neue Kombinationen an Parametern (Lieferant, Kostenobjekte, Warengruppe, etc.) enthalten. Für diese Fälle müssen Datenfelder anfangs manuell ausgefüllt werden. Mit kiresult sehen wir das Potenzial, auch bei Erstbedarfen valide Optionen für eine kleinere Auswahl möglicher Dateneingaben anzubieten.  

Das ist der Schlüssel zur Automatisierung operativer Tätigkeiten, aber auch zur Unterstützung strategisch taktischer Initiativen. Insbesondere bei großen Datenmengen über mehrere Systemgrenzen hinweg, stoßen gemerkte logische Zusammenhänge im Kopf der MitarbeiterInnen irgendwann an ihre Grenzen. Spätestens hier schaffen wir mit individuell trainierten Modellen, gelebte Regeln auch für große Anzahlen von Vorgängen effizient zu berücksichtigen. 

Bei kiresult setzen wir alles daran, mit Technologie vorhandene Ressourcen und damit die Zeit unserer Kunden so effizient wie möglich einzusetzen und von administrativen Aufwänden zu befreien. 

Für unser Leistungsportfolio bedeutet das, dass die Aufbereitung historischer Daten nur der erste Schritt für unsere Kunden sein kann. Mit dem trainierten Modell initial aufbereiteter Daten ist der Weg geebnet um den laufenden Prozess zu unterstützen. Und so, für einen effizienten Ressourceneinsatz zu sorgen. 

Haben Sie Interesse an automatischer Datenanlage und Warengruppenzuordnung in Ihren Prozesse?

Hinterlassen Sie gerne Ihre Kontaktdaten, wir melden uns mit weiteren Informationen.