KI gegen Belief Bias: Objektive Entscheidungen im B2B-Einkauf sichern

Stellen Sie sich vor, Sie stehen vor einer wichtigen Kaufentscheidung für Ihr Unternehmen. Zwei Lieferanten bieten ein ähnliches Produkt an. Lieferant A ist ein langjähriger Partner, dessen Präsentationen immer überzeugen und dessen Name in der Branche einen guten Ruf hat. Lieferant B ist neu am Markt, präsentiert aber harte Fakten, die auf eine höhere Effizienz und bessere Kostenstruktur hindeuten. Wofür entscheiden Sie sich? Wenn Sie sich unbewusst zu Lieferant A hingezogen fühlen, weil dessen Argumente einfach "glaubwürdiger" klingen, sind Sie möglicherweise dem Belief Bias zum Opfer gefallen.

Dieser Blogartikel beleuchtet, was der Belief Bias ist, wie er Kaufentscheidungen im B2B-Bereich unbemerkt beeinflusst und wie Künstliche Intelligenz (KI) Unternehmen dabei helfen kann, diese Denkfalle zu umgehen und rein datenbasierte, objektive Entscheidungen zu treffen.

Der Belief Bias, oder auf Deutsch "Überzeugungsverzerrung", ist ein Denkfehler, bei dem wir die logische Stärke eines Arguments danach bewerten, wie plausibel die Schlussfolgerung für uns klingt.

Anders ausgedrückt: Wenn eine Aussage mit unseren bestehenden Überzeugungen, Erfahrungen oder unserem Wissen übereinstimmt, neigen wir dazu, sie als wahr und logisch korrekt zu akzeptieren – selbst wenn die Argumentation dahinter fehlerhaft ist.

Ein einfaches Beispiel:

• Prämisse 1: Alle teuren Werkzeuge sind von hoher Qualität.
• Prämisse 2: Dieses neue Bohrgerät ist sehr teuer.
• Schlussfolgerung: Also muss dieses Bohrgerät von hoher Qualität sein.

Diese Schlussfolgerung klingt für viele plausibel, weil wir oft "teuer" mit "hochwertig" verbinden. Logisch gesehen ist das Argument jedoch nicht wasserdicht. Es könnte teure Werkzeuge geben, die qualitativ minderwertig sind. Der Belief Bias verleitet uns dazu, die logischen Lücken zu übersehen, weil das Ergebnis unsere Erwartungen bestätigt.

Im Unternehmenskontext, insbesondere im Einkauf, können solche kognitiven Verzerrungen weitreichende und kostspielige Folgen haben. B2B-Kaufentscheidungen sind oft komplex und von großer Tragweite. Hier verlassen sich Einkäufer traditionell auf ihre Erfahrung, ihr Netzwerk und ihr "Bauchgefühl". Doch genau hier schlägt der Belief Bias zu:

• Bevorzugung bekannter Lieferanten:
  Ein Unternehmen arbeitet seit Jahren mit einem bestimmten Softwareanbieter zusammen. Dessen Lösungen gelten als "bewährt". Ein neuer Anbieter präsentiert eine objektiv bessere und kostengünstigere Lösung. Aufgrund des Belief Bias könnte der Einkäufer die Argumente des neuen Anbieters als weniger glaubwürdig einstufen und beim alten Lieferanten bleiben, weil die Schlussfolgerung "Das Bewährte ist das Sicherste" mit seiner Überzeugung übereinstimmt.
  
  
• Festhalten an alten Technologien:
  Ein Produktionsleiter ist davon überzeugt, dass nur Maschinen eines bestimmten Herstellers zuverlässig sind, weil er damit gute Erfahrungen gemacht hat. Er ignoriert möglicherweise Daten und Studien, die belegen, dass die Technologie eines Konkurrenten mittlerweile überlegen ist. Seine innere Überzeugung ("Hersteller X ist der Beste") filtert die neuen Informationen.
  
  
• Fehleinschätzung von Risiken:
  Klingt ein Verkaufsgespräch sehr überzeugend und bestätigt die eigenen Annahmen über den Markt, werden Risiken in den Vertragsdetails oder bei der Lieferkette möglicherweise übersehen. Die Plausibilität der Kernaussage überstrahlt die Notwendigkeit einer detaillierten Prüfung.

Diese unbewussten Tendenzen führen zu suboptimalen Entscheidungen, höheren Kosten und verpassten Innovationschancen.

Eine Studie der Universität Gießen unterstreicht die Relevanz des Themas: 72 % der befragten Manager führen Fehlentscheidungen der Vergangenheit zumindest teilweise auf kognitive Verzerrungen zurück. Gleichzeitig gaben nur 12 % an, systematische Gegenmaßnahmen implementiert zu haben (Quelle: Studie der Universität Gießen, zitiert auf markuseckhart.com).

Hier kommt Künstliche Intelligenz ins Spiel. KI-Systeme haben keine persönlichen Überzeugungen, keine jahrelangen Beziehungen zu Lieferanten und kein "Bauchgefühl". Sie agieren rein auf Basis von Daten und Algorithmen. Das macht sie zu einem mächtigen Werkzeug, um den Belief Bias im Einkaufsprozess zu neutralisieren und Entscheidungen auf eine objektive Grundlage zu stellen.

Statt sich auf den Ruf oder die überzeugendste Präsentation zu verlassen, können KI-Systeme riesige Mengen an Daten analysieren, um Lieferanten objektiv zu bewerten.

Beispiel: Eine KI-Plattform analysiert die Leistungsdaten von Dutzenden potenziellen Logistikpartnern. Sie vergleicht nicht nur die Preise, sondern auch Lieferpünktlichkeit, Schadensquoten, finanzielle Stabilität und sogar Nachhaltigkeitszertifikate. Das System könnte einen weniger bekannten, aber statistisch zuverlässigeren und günstigeren Partner empfehlen und entkräftet so die Voreingenommenheit gegenüber dem etablierten Marktführer.

Der Belief Bias kann dazu führen, dass wir die Leistung eines langjährigen Partners positiver bewerten, als sie tatsächlich ist.
KI überwacht die Performance kontinuierlich und ohne Vorurteile.

Beispiel: Ein KI-gestütztes Risikomanagement-Tool scannt kontinuierlich globale Nachrichten, Finanzberichte und Marktdaten. Es meldet proaktiv, wenn ein strategisch wichtiger Lieferant finanzielle Schwierigkeiten bekommt oder wenn geopolitische Ereignisse eine Lieferkette gefährden – lange bevor es ein Mensch bemerken würde. Dies ersetzt die subjektive Einschätzung "mit denen gab es noch nie Probleme".

Menschliche Leser neigen dazu, Dokumente zu überfliegen und sich auf die Punkte zu konzentrieren, die ihre Erwartungen bestätigen. KI kann komplexe Dokumente wie Angebote und Verträge Wort für Wort analysieren.

Beispiel: Eine KI mit Natural Language Processing (NLP) gleicht einen neuen Lieferantenvertrag automatisch mit den internen Compliance-Richtlinien und Standardkonditionen ab. Sie hebt Klauseln hervor, die ungewöhnlich oder potenziell nachteilig sind, auch wenn der Rest des Angebots noch so überzeugend klingt.

Auch bei der Planung von Bestellmengen spielt der Belief Bias eine Rolle ("Wir haben immer 10.000 Stück bestellt, das wird schon passen"). KI-basierte Prognosen sind deutlich genauer, da sie eine Vielzahl von Variablen berücksichtigen.

Beispiel: Eine KI analysiert nicht nur historische Verkaufszahlen, sondern bezieht auch Markttrends, Wettervorhersagen, Social-Media-Stimmungen und anstehende Feiertage in ihre Bedarfsprognose mit ein. Das Ergebnis ist eine optimierte Bestellmenge, die Überbestände vermeidet und Lieferengpässe verhindert.

Die Einführung von KI bedeutet nicht, den menschlichen Einkäufer zu ersetzen. Vielmehr geht es darum, ihm ein intelligentes Werkzeug an die Hand zu geben, das seine strategischen Fähigkeiten erweitert.

• Starten Sie klein:
  Beginnen Sie mit einem klar definierten Anwendungsfall, z. B. der automatisierten Rechnungsprüfung oder einer KI-gestützten Analyse der Ausgaben (Spend-Analyse).
  
  
• Datenqualität sichern:
  KI ist nur so gut wie die Daten, mit denen sie gefüttert wird. Sorgen Sie für eine saubere und strukturierte Datengrundlage.
  
  
• Mitarbeiter schulen:
  Machen Sie Ihr Team mit den neuen Technologien vertraut. KI soll als "Assistent" und Entscheidungshilfe verstanden werden, nicht als Bedrohung.
  
  
• Mensch und Maschine im Team:
  Nutzen Sie die KI zur datengestützten Vorauswahl und Analyse. Die endgültige, strategische Entscheidung, die auch Beziehungsmanagement und Verhandlungsgeschick erfordert, bleibt beim Menschen.

Der Belief Bias ist eine menschliche und oft unbewusste Denkfalle, die im B2B-Einkauf zu teuren Fehlentscheidungen führen kann. Er verleitet uns dazu, Argumenten zu glauben, die unsere bestehenden Überzeugungen bestätigen, anstatt uns strikt an die logische und datenbasierte Faktenlage zu halten.

Künstliche Intelligenz bietet eine historische Chance, diese Verzerrung zu überwinden. Indem sie riesige Datenmengen objektiv analysiert, Lieferanten neutral bewertet und Risiken vorhersagt, schafft KI eine faktenbasierte Grundlage für den Einkauf. Unternehmen, die KI als strategischen Partner begreifen, können nicht nur Kosten senken und Prozesseffizienz steigern, sondern vor allem eines sicherstellen: Entscheidungen, die auf Fakten beruhen – und nicht auf einem trügerischen Bauchgefühl.

Weiterführende Links

• Künstliche Intelligenz im Einkauf: Ein umfassender Ratgeber (SAP)
• Kognitive Verzerrungen: Wie sie Geschäftsentscheidungen beeinflussen (Qonto)
• Was ist der Belief Bias? Eine einfache Erklärung (Scribbr)

Gleich noch einen Blogartikel lesen:
Social Mining ist eine logische Weiterentwicklung des strategischen Einkaufs im digitalen Zeitalter.
Unternehmen, die lernen, die öffentlichen Gespräche in sozialen Netzwerken zu verstehen und zu nutzen, verschaffen sich einen entscheidenden Wettbewerbsvorteil.

Definieren Sie Keywords, wählen sie relevante Kanäle aus, sammeln Sie Informationen, werten Sie die Daten aus und leiten Sie Handlungen ab.

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