Der Halo-Effekt im Einkauf: KI als Retter oder Verstärker?

Stellen Sie sich vor, Sie lernen jemanden kennen, der einen perfekt sitzenden Anzug trägt, redegewandt ist und ein gewinnendes Lächeln hat. Automatisch halten Sie diese Person wahrscheinlich auch für kompetent und vertrauenswürdig.

Genau hier schlägt eine kleine, aber mächtige Falle in unserem Gehirn zu: der Halo-Effekt.

Dieser psychologische Wahrnehmungsfehler beeinflusst nicht nur unser Privatleben, sondern auch professionelle Entscheidungen – besonders im Einkauf. Doch in einer Welt, die zunehmend von Daten und Künstlicher Intelligenz (KI) geprägt ist, stellt sich die Frage: Kann uns Technologie vor solchen Denkfehlern bewahren oder verstärkt sie diese am Ende sogar? 🤔

Der Begriff „Halo“ kommt aus dem Englischen und bedeutet „Heiligenschein“. Der Halo-Effekt beschreibt das Phänomen, dass ein einzelnes, herausragendes Merkmal einer Person, Marke oder eines Produkts alle anderen Eigenschaften überstrahlt.

Wir neigen dazu, von einer positiven Eigenschaft automatisch auf andere, unbekannte Merkmale zu schließen.

Ein klassisches Beispiel:

Ein Produkt mit einem ansprechenden, hochwertigen Verpackungsdesign wird von uns oft unbewusst auch für qualitativ hochwertiger, langlebiger oder leistungsfähiger gehalten – noch bevor wir es überhaupt getestet haben. Der positive erste Eindruck wirkt wie ein Heiligenschein, der das gesamte Produkt erstrahlen lässt.

Das Gegenteil davon ist übrigens der „Horn-Effekt“, bei dem ein negativer Aspekt alles andere überschattet.

Im Einkauf, wo objektive und rationale Entscheidungen über hohe Summen und langfristige Partnerschaften entscheiden, kann der Halo-Effekt teure Folgen haben.

Hier sind einige typische Szenarien:

• Der charismatische Verkäufer:
  Ein Lieferant schickt einen extrem sympathischen und redegewandten Vertriebsmitarbeiter. Dessen professionelles und freundliches Auftreten kann dazu führen, dass wir das Angebot des Unternehmens positiver bewerten, obwohl harte Fakten wie Preis, Lieferzeiten oder Produktqualität vielleicht gar nicht die besten am Markt sind.
  
  
• Der bekannte Markenname:
  Ein Großkonzern mit einem exzellenten Ruf betritt den Markt mit einem neuen Produkt. Aufgrund des starken Markennamens (der „Heiligenschein“) gehen viele Einkäufer automatisch davon aus, dass auch dieses neue Produkt führend in Qualität und Innovation sein muss. Kleinere, vielleicht sogar bessere Anbieter haben es schwer, gegen diesen „Schein“ anzukommen.
  
  
• Die beeindruckende Präsentation:
  Ein potenzieller Dienstleister hält eine hochprofessionelle Präsentation mit beeindruckenden Grafiken und modernster Technik. Dieser eine, herausragende Aspekt kann dazu führen, dass die eigentliche Kompetenz und die angebotenen Lösungen weniger kritisch hinterfragt werden.

In all diesen Fällen führt eine einzige positive Eigenschaft zu einer verzerrten Gesamtbewertung.
Das Risiko von Fehlentscheidungen, die nicht auf Daten und Fakten, sondern auf einem unbewussten Bauchgefühl basieren, steigt.

Hier kommt die Künstliche Intelligenz ins Spiel. Moderne KI-Systeme im Einkauf versprechen, genau diese menschlichen Schwächen auszugleichen. Anstatt sich auf Sympathie oder einen glänzenden ersten Eindruck zu verlassen, analysieren sie riesige Mengen an Daten, um objektive Entscheidungsgrundlagen zu schaffen.

Eine KI kann zum Beispiel:

• Lieferantendaten objektiv vergleichen:
  Sie wertet Kennzahlen wie Liefertreue, Preishistorie, Qualitätszertifikate und finanzielle Stabilität von hunderten Lieferanten neutral aus.
• Risiken vorhersagen:
  Durch die Analyse von Marktdaten, Nachrichten und sogar Wettervorhersagen kann KI potenzielle Lieferkettenrisiken erkennen, lange bevor ein Mensch sie bemerken würde.
• Muster aufdecken:
  KI findet in großen Datenmengen versteckte Muster, die auf Einsparpotenziale oder Effizienzsteigerungen hinweisen.

Der größte Vorteil der KI im Kampf gegen den Halo-Effekt ist ihre Fähigkeit zur reinen Datenanalyse. Eine KI lässt sich nicht von einem charmanten Lächeln oder einer Hochglanzbroschüre blenden. Sie bewertet einen Lieferanten ausschließlich auf Basis der von ihr gelernten Daten und vordefinierten Kriterien.

Eine Studie von Integral Ad Science und Neuro-Insight aus dem Jahr 2019 untersuchte den Halo-Effekt im Kontext von Werbung.

Sie zeigte, dass identische Anzeigen in hochwertigen digitalen Umfeldern deutlich besser abschnitten: Die Markenerinnerung stieg um bis zu 30 % und das Engagement der Nutzer um bis zu 20 %. (Quelle: Integral Ad Science & Neuro-Insight, "The Halo Effect"). Dies belegt, wie stark der Kontext – eine einzige, positive Eigenschaft – die gesamte Wahrnehmung überstrahlt.

Eine KI könnte solche Kontexteffekte herausrechnen und eine Bewertung rein auf Basis der Anzeigen-Performance vornehmen.

Indem sie den Fokus von subjektiven Eindrücken auf harte Fakten lenkt, kann KI Teams im Einkauf dabei helfen, fairere und fundiertere Entscheidungen zu treffen.

Doch die Vorstellung einer absolut neutralen KI ist leider eine Illusion. Auch eine KI kann „geblendet“ werden – und zwar dann, wenn sie mit verzerrten Daten trainiert wird. Dieses Phänomen nennt man KI-Bias.

Das Prinzip ist einfach: „Garbage in, Garbage out.“ Wenn eine KI mit historischen Daten gefüttert wird, die menschliche Vorurteile enthalten, wird sie diese Vorurteile lernen und sogar verstärken.

Ein Beispiel aus dem Einkauf:

Angenommen, ein Unternehmen hat in der Vergangenheit unbewusst immer Lieferanten aus einem bestimmten Land oder einer bestimmten Unternehmensgröße bevorzugt. Diese Entscheidungen fließen in die historischen Einkaufsdaten ein. Eine neue KI, die mit diesen Daten trainiert wird, lernt dieses Muster. Sie könnte fälschlicherweise schlussfolgern, dass Lieferanten aus diesem Land grundsätzlich besser sind und sie in Zukunft systematisch bevorzugen – nicht aufgrund objektiver Kriterien, sondern weil sie ein historisches Vorurteil gelernt hat.

So kann der menschliche Halo-Effekt der Vergangenheit in einen automatisierten, algorithmischen Bias der Zukunft umgewandelt werden, der noch schwerer zu erkennen und zu korrigieren ist.

Ob mit oder ohne KI – der erste Schritt zur Vermeidung des Halo-Effekts ist das Bewusstsein dafür.

Hier sind einige praktische Tipps:

• Standardisierte Bewertungskriterien:
  Erstellen Sie einen festen Kriterienkatalog zur Bewertung von Lieferanten. So stellen Sie sicher, dass alle Anbieter nach denselben objektiven Maßstäben beurteilt werden.
• Mehrere Meinungen einholen:
  Treffen Sie wichtige Entscheidungen nie allein. Ein Team mit unterschiedlichen Perspektiven kann dabei helfen, eine einseitige, vom Halo-Effekt beeinflusste Sichtweise zu korrigieren.
• Fakten von Meinungen trennen:
  Machen Sie sich bewusst, welche Teile Ihrer Entscheidung auf nachprüfbaren Daten beruhen und welche auf subjektiven Eindrücken.
• Zeit nehmen:
  Der Halo-Effekt ist am stärksten, wenn schnelle Entscheidungen getroffen werden müssen. Nehmen Sie sich Zeit, um alle Aspekte eines Angebots sorgfältig zu prüfen.
• KI kritisch hinterfragen:
  Wenn Sie KI-Systeme nutzen, fragen Sie nach, mit welchen Daten die Modelle trainiert wurden. Sorgen Sie für Transparenz und regelmäßige Überprüfungen auf möglichen Bias.

Künstliche Intelligenz ist kein Allheilmittel gegen menschliche Denkfehler wie den Halo-Effekt. Sie kann ein unglaublich mächtiges Werkzeug sein, um Entscheidungen im Einkauf objektiver und datengestützter zu machen. Richtig eingesetzt, agiert sie als unbestechlicher Analyst, der sich nicht von oberflächlichem Glanz täuschen lässt.

Gleichzeitig birgt sie die Gefahr, bestehende Vorurteile in undurchsichtigen Algorithmen zu zementieren.

Der Schlüssel liegt in der Partnerschaft zwischen Mensch und Maschine.

Wir müssen lernen, die Stärken der KI zu nutzen, während wir gleichzeitig ihre Schwächen – insbesondere das Risiko von Bias – verstehen und kontrollieren.

Am Ende ist eine kritisch hinterfragte, datengestützte Empfehlung einer KI immer noch besser als eine reine Bauchentscheidung, die von einem „Heiligenschein“ geblendet wurde.

Weiterführende Links

• Was ist KI-Bias? | SAP Insights

Heute noch ein spannendes Thema erkunden:
„Wer kauft eigentlich was, bei wem und zu welchem Preis?“

In einer Zeit, in der Lieferketten immer komplexer werden und Unternehmen unter hohem Kostendruck stehen, ist der Spend Cube der Kompass für den strategischen Einkauf. Er macht verborgene Kosten sichtbar, stärkt die Position in Verhandlungen mit Lieferanten und hilft dabei, Risiken frühzeitig zu erkennen.

Mein Name ist Claus Angerhofer - seit 30 Jahren im Dienste der Industrie als Experte für Technologie und Einkauf