Mit KI und Prävalenzfehler den Wettbewerb hinter sich lassen

Stellen Sie sich vor, Sie könnten die Qualität Ihrer Einkaufsentscheidungen drastisch verbessern, Risiken minimieren und Ihrem Unternehmen einen entscheidenden Vorteil im Wettbewerb verschaffen.

Was, wenn der Schlüssel dazu nicht nur in neuer Technologie, sondern im Verständnis eines psychologischen Phänomens liegt? Willkommen in der Welt von Einkauf 4.0, wo Künstliche Intelligenz (KI) auf die menschliche Denkweise trifft.

Dieser Artikel erklärt, wie Sie durch die Kombination von KI und dem Wissen über den sogenannten „Prävalenzfehler“ Ihre Einkaufsstrategie revolutionieren können.

Der Begriff „Einkauf 4.0“ lehnt sich an die Industrie 4.0 an und beschreibt die digitale Transformation der Beschaffung.

Es geht darum, traditionelle, oft manuelle Einkaufsprozesse durch intelligente, vernetzte und automatisierte Systeme zu ersetzen. Das Ziel ist es, den Einkauf effizienter, transparenter und strategischer zu gestalten. Anstatt sich mit wiederkehrenden, administrativen Aufgaben zu befassen, können sich Einkäufer auf wertschöpfende Tätigkeiten wie Lieferantenentwicklung und Risikomanagement konzentrieren.

Technologien wie Künstliche Intelligenz, maschinelles Lernen und Datenanalyse sind das Herzstück des Einkaufs 4.0.

Sie ermöglichen es, riesige Datenmengen zu analysieren, Muster zu erkennen, Prognosen zu erstellen und Entscheidungen auf einer soliden Faktenbasis zu treffen.

Haben Sie schon einmal eine Entscheidung getroffen, die sich im Nachhinein als falsch herausstellte, weil Sie sich von einem besonders eindrücklichen, aber seltenen Ereignis haben leiten lassen? Dann sind Sie wahrscheinlich dem Prävalenzfehler aufgesessen.

Der Prävalenzfehler, auch Basisratenfehler genannt, ist eine kognitive Verzerrung, die uns alle betrifft.

Er beschreibt die menschliche Tendenz, die Häufigkeit oder Wahrscheinlichkeit eines Ereignisses falsch einzuschätzen.

Wir neigen dazu, uns auf auffällige Einzelinformationen zu konzentrieren und die statistische Grundgesamtheit (die Basisrate) zu ignorieren.

Ein einfaches Beispiel:

Stellen Sie sich vor, ein Freund erzählt Ihnen begeistert von einem neuen Lieferanten, der extrem schnell und günstig geliefert hat. Diese eine, positive Erfahrung ist sehr präsent. Gleichzeitig zeigt eine Marktanalyse, dass 95 % aller Lieferungen dieses Anbieters verspätet sind. Der Prävalenzfehler verleitet uns dazu, die lebhafte Geschichte des Freundes stärker zu gewichten als die trockene, aber viel aussagekräftigere Statistik. Wir ignorieren die hohe Wahrscheinlichkeit (Prävalenz) von Verspätungen.

Im Einkauf kann dieser Denkfehler teure Folgen haben:

• Falsche Lieferantenauswahl:
  Man verlässt sich auf eine einzelne, herausragende positive (oder negative) Erfahrung und ignoriert die durchschnittliche Gesamtleistung.
• Fehleinschätzung von Risiken:
  Ein seltenes, aber in den Medien präsentes Lieferkettenproblem (z.B. ein Schiff, das einen Kanal blockiert) wird als wahrscheinlicher eingeschätzt als alltägliche Risiken wie Qualitätsschwankungen.
• Verzerrte Verhandlungen:
  Eine einmalig erfolgreiche, aggressive Verhandlungsstrategie wird wiederholt, obwohl sie statistisch gesehen nur selten zum Erfolg führt.

Genau hier kommt die Künstliche Intelligenz ins Spiel.

KI-Systeme haben keine Emotionen, keine persönlichen Anekdoten und keine kognitiven Verzerrungen.

Sie arbeiten rein datenbasiert und sind das perfekte Werkzeug, um den Prävalenzfehler auszuhebeln. 🛡️

Anstatt sich auf einzelne Erfahrungsberichte oder das „Bauchgefühl“ zu verlassen, analysieren KI-Systeme riesige Mengen an Leistungsdaten.

Sie bewerten Lieferanten anhand harter Fakten wie:

• Lieferpünktlichkeit:
  Wie hoch ist die durchschnittliche Verspätungsrate über hunderte oder tausende von Lieferungen?
• Qualitätskennzahlen:
  Wie hoch ist die tatsächliche Ausschussquote bei gelieferten Teilen?
• Preisentwicklung:
  Wie stabil und wettbewerbsfähig waren die Preise über einen langen Zeitraum?

Eine KI würde im obigen Beispiel sofort erkennen, dass die eine positive Erfahrung eine statistische Ausnahme ist und den Lieferanten aufgrund der hohen Prävalenz von Verspätungen als riskant einstufen.

KI-Algorithmen können Marktdaten, Wettervorhersagen, politische Nachrichten und historische Leistungsdaten analysieren, um zukünftige Risiken in der Lieferkette vorherzusagen. Sie identifizieren Muster, die ein Mensch niemals erkennen könnte. Anstatt auf ein spektakuläres, aber seltenes Ereignis zu reagieren, hilft die KI, die wirklich wahrscheinlichen Probleme zu erkennen – zum Beispiel einen drohenden Engpass bei einem Rohstoff aufgrund saisonaler Produktionsausfälle.

Dies verlagert den Fokus von der reaktiven Problemlösung hin zu einem aktiven Risikomanagement.

KI-gestützte Ausgabenanalysen (Spend Analysis) durchforsten sämtliche Bestell- und Rechnungsdaten eines Unternehmens. Dabei deckt die KI Unregelmäßigkeiten und Einsparpotenziale auf, die sonst verborgen blieben. Zum Beispiel könnte sie feststellen, dass ein bestimmtes Bauteil bei Lieferant A zwar einen günstigen Stückpreis hat, aber aufgrund häufiger Mindermengenzuschläge (ein oft übersehenes Detail) in der Gesamtheit teurer ist als bei Lieferant B. Ein Mensch, der sich nur auf den Stückpreis konzentriert, würde hier dem Prävalenzfehler erliegen und die häufig anfallenden Zusatzkosten (die Basisrate) ignorieren.

Die Potenziale von KI im Einkauf sind längst keine Zukunftsmusik mehr.

Eine Studie von Crowdfox aus dem Jahr 2025 mit dem Titel „AI for Procurement 2025“ zeigt, wie Unternehmen das Thema bereits angehen. Der Studie zufolge sehen Unternehmen das größte Potenzial für KI-Anwendungen im Preisvergleich (74 Prozent), bei der Artikelauswahl (71 Prozent) und im Lieferantenvergleich (65 Prozent).

Obwohl viele Unternehmen (48 Prozent) noch keine konkreten Maßnahmen ergriffen haben, testen bereits 37 Prozent aktiv KI-Lösungen, und 12 Prozent setzen sie schon produktiv ein. Diese Zahlen verdeutlichen, dass frühe Anwender sich bereits jetzt einen erheblichen Wettbewerbsvorteil erarbeiten.

Die Implementierung von KI muss kein riesiges, unüberschaubares Projekt sein. Hier sind drei Schritte für den Anfang:

1. Datenqualität als Basis:
   Beginnen Sie damit, Ihre Einkaufsdaten zu zentralisieren und zu säubern.
   Eine KI ist nur so gut wie die Daten, mit denen sie gefüttert wird.
   
   
2. Klein anfangen:
   Suchen Sie sich einen klar abgegrenzten Bereich mit hohem Potenzial, z.B. die Analyse der Ausgaben für eine bestimmte Warengruppe, und starten Sie dort ein Pilotprojekt.
   
   
3. Mitarbeiter mitnehmen:
   Schulen Sie Ihr Team nicht nur in der Bedienung neuer Tools, sondern auch im Verständnis für kognitive Verzerrungen wie den Prävalenzfehler. Das Bewusstsein für diese Denkmuster ist der erste Schritt zur Verbesserung.

Einkauf 4.0 bedeutet nicht, den Menschen durch Maschinen zu ersetzen. Vielmehr geht es darum, eine Symbiose zu schaffen, in der sich menschliche und künstliche Intelligenz ergänzen. Während der Mensch seine strategischen Fähigkeiten, seine Kreativität und sein Verhandlungsgeschick einbringt, liefert die KI die objektive, datenbasierte Grundlage, um Denkfehler wie den Prävalenzfehler zu vermeiden.

Unternehmen, die lernen, diese Kombination meisterhaft zu nutzen, werden nicht nur ihre Einkaufsprozesse optimieren. Sie werden robustere Lieferketten aufbauen, bessere Entscheidungen treffen und sich so einen nachhaltigen Vorteil im Wettbewerb sichern. Die Zukunft des Einkaufs hat bereits begonnen – sind Sie bereit, sie zu gestalten?

Weiterführende Links

• BME: Whitepaper „Effizienzsteigerung im Einkauf durch KI-Lösungen“
• Deloitte: Wie generative KI den Einkauf und die Beschaffungsvorgänge verändern wird

Heute noch einen Blogbeitrag lesen:
Während der rein zentrale Einkauf durch Kostenersparnis punktet, bietet der dezentrale Ansatz unschätzbare Vorteile in puncto Geschwindigkeit, Flexibilität und Mitarbeitermotivation. In einem intelligenten hybriden Modell können durch die zentrale Steuerung strategischer Aspekte und die dezentrale Freiheit im operativen Geschäft  sowohl Kosten gesenkt als auch die Agilität massiv gesteigert werden. 

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