Digitale Einkaufstransparenz klingt zunächst einfach: Alle relevanten Daten sind vorhanden, Kennzahlen lassen sich jederzeit abrufen und Entwicklungen werden frühzeitig sichtbar. In der Praxis sieht es jedoch häufig anders aus. Informationen liegen in verschiedenen ERP-Systemen, Lieferanten werden unterschiedlich bezeichnet, Reports basieren auf abweichenden Berechnungslogiken und ein Teil der Auswertungen entsteht weiterhin manuell in Excel.

Digitales Einkaufscontrolling schafft eine einheitliche Grundlage, auf der Einkaufsdaten zusammengeführt, analysiert und für operative sowie strategische Entscheidungen genutzt werden können. Voraussetzung dafür ist allerdings, die typischen Hindernisse für echte Einkaufstransparenz zu erkennen.

Die entscheidende Frage lautet deshalb nicht mehr: Sind Daten vorhanden?Sondern:

Sind die Daten vollständig, vergleichbar und schnell genug verfügbar, um daraus Entscheidungen abzuleiten?

Wenn ein Einkaufsleiter wissen möchte, warum sich das Einkaufsvolumen einer Warengruppe verändert hat, sollte die Antwort nicht erst nach mehreren Excel-Exporten und manuellen Abstimmungen verfügbar sein.

Gutes digitales Einkaufscontrolling ermöglicht es, von einer übergeordneten Kennzahl direkt bis zu Lieferant, Material oder Beleg zu gelangen.

1. Verteilte Datenquellen schaffen unterschiedliche Wahrheiten

Eine der größten Herausforderungen liegt in heterogenen Systemlandschaften. Gerade mittelständische und große Industrieunternehmen arbeiten häufig mit mehreren SAP-Systemen, zusätzlichen Non-SAP-Lösungen, Finanzsystemen und lokalen Anwendungen. Hinzu kommen Excel-Dateien und individuell gepflegte Auswertungen.Dadurch können für dieselbe Fragestellung unterschiedliche Ergebnisse entstehen.

Der Einkauf betrachtet beispielsweise Bestelldaten, während das Controlling Rechnungsdaten verwendet. Lieferanten werden in verschiedenen Gesellschaften unterschiedlich geführt oder Warengruppen nicht einheitlich zugeordnet. So entstehen Diskussionen über Zahlen, bevor überhaupt über deren Bedeutung gesprochen werden kann.

Eine geeignete Procurement Software sollte deshalb Daten nicht nur visualisieren, sondern zunächst harmonisieren und nachvollziehbar zusammenführen.

2. Unzureichende Datenqualität verzerrt Analysen

Auch das beste Dashboard kann keine belastbaren Aussagen liefern, wenn die zugrunde liegenden Informationen fehlerhaft sind.

Typische Beispiele sind doppelte Lieferanten, unterschiedliche Mengeneinheiten, fehlende Warengruppenzuordnungen oder inkonsistente Materialstammdaten. Gerade bei internationalen Einkaufsorganisationen kommen zusätzliche Faktoren wie unterschiedliche Währungen, Gesellschaften oder Buchungskreise hinzu.

Digitales Einkaufscontrolling muss deshalb eine wichtige Frage beantworten können: Auf welcher Datengrundlage basiert diese Kennzahl?

Wenn ein Wert nicht nachvollziehbar ist, sinkt das Vertrauen in die gesamte Analyse. Transparenz bedeutet daher nicht nur, Zahlen sichtbar zu machen, sondern auch ihre Herkunft und Berechnungslogik nachvollziehbar zu gestalten.

3. Manuelles Reporting bindet wertvolle Kapazitäten

In vielen Einkaufsorganisationen ist das Reporting historisch gewachsen. Daten werden aus ERP-Systemen exportiert, anschließend in Excel zusammengeführt, geprüft und für verschiedene Empfänger aufbereitet. Für monatliche oder quartalsweise Berichte beginnt dieser Prozess immer wieder von vorne.

Das verursacht nicht nur erheblichen Zeitaufwand. Es erhöht auch das Risiko für Übertragungsfehler und unterschiedliche Datenstände. Besonders problematisch wird es, wenn wichtige Informationen bereits veraltet sind, bevor der Bericht fertiggestellt wurde.

Eine zentrale Stärke moderner Procurement Software liegt deshalb in der Automatisierung wiederkehrender Auswertungen. Statt Daten regelmäßig neu aufzubereiten, können definierte Kennzahlen und Reports auf einer kontinuierlich aktualisierten Grundlage bereitgestellt werden. So verlagert sich der Schwerpunkt von der Datensammlung zur Interpretation.

4. Fehlende Drilldowns verhindern Ursachenanalysen

Ein Dashboard kann zeigen, dass die Materialkosten einer Warengruppe gestiegen sind. Für den strategischen Einkauf reicht diese Information jedoch nicht aus.

Entscheidend ist zu verstehen, warum sich der Wert verändert hat. Liegt es an höheren Mengen? An einzelnen Lieferanten? An bestimmten Materialien? Oder an tatsächlichen Preissteigerungen?

Eine gute Datenvisualisierung im Einkauf sollte deshalb nicht nur aggregierte Kennzahlen anzeigen. Anwender müssen Auffälligkeiten gezielt untersuchen und von der Managementebene bis zu den zugrunde liegenden Einzelinformationen navigieren können.

5. Unterschiedliche KPI-Definitionen erschweren die Steuerung

Eine weitere häufige Ursache für fehlende Einkaufstransparenz sind uneinheitliche Kennzahlen.

Was genau gilt als Einsparung? Welche Daten fließen in den Spend ein? Wie wird eine Preisabweichung berechnet? Welche Lieferanten werden einer Warengruppe zugerechnet?

Wenn einzelne Bereiche unterschiedliche Definitionen verwenden, verlieren selbst korrekt berechnete KPIs an Aussagekraft.

Digitales Einkaufscontrolling braucht deshalb einheitliche Berechnungslogiken. Einmal definierte Kennzahlen sollten automatisiert und reproduzierbar berechnet werden.

6. Fehlende Verbindung zwischen Analyse und Maßnahme

Transparenz allein erzeugt noch keinen wirtschaftlichen Nutzen. Eine Analyse kann beispielsweise zeigen, dass ein Lieferant deutlich höhere Preise verlangt als vergleichbare Anbieter. Wenn diese Erkenntnis jedoch lediglich in einem Bericht festgehalten wird, verändert sich nichts. Der nächste Schritt muss deshalb immer die Umsetzung sein.

Modernes Einkaufscontrolling verbindet Analyse, Priorisierung und Maßnahmenmanagement. Verantwortlichkeiten, erwartete Potenziale und Fortschritte können dadurch strukturiert dokumentiert und nachverfolgt werden.

7. Lieferkettentransparenz benötigt mehr als Einkaufsvolumen

Auch Lieferkettentransparenz gewinnt für Einkaufsorganisationen zunehmend an Bedeutung. Dabei reicht es nicht, nur zu wissen, wie viel bei einem Lieferanten eingekauft wurde. Unternehmen müssen Entwicklungen bei Lieferanten, Materialien und Abhängigkeiten schneller erkennen können.

Welche Lieferanten haben eine besonders hohe strategische Bedeutung? Wo bestehen starke Konzentrationen? Welche Materialien werden ausschließlich aus einer Quelle bezogen?

Was Procurement Software für digitale Einkaufstransparenz leisten sollte

Damit aus Einkaufsdaten tatsächlich eine verlässliche Steuerungsgrundlage wird, sollte eine Lösung mehrere Anforderungen miteinander verbinden:

  • Daten aus unterschiedlichen ERP- und Non-ERP-Systemen zentral zusammenführen und harmonisieren
  • Kennzahlen auf Basis einheitlicher Berechnungslogiken bereitstellen
  • flexible Spend-, Preis- und Lieferantenanalysen ermöglichen
  • vom Management-Dashboard bis auf Material- oder Belegebene analysierbar sein
  • wiederkehrende Reports automatisieren
  • individuelle Dashboards und Ad-hoc-Analysen ermöglichen
  • erkannte Potenziale mit konkreten Maßnahmen verknüpfen

Die nächste Entwicklungsstufe des digitalen Einkaufscontrollings geht noch einen Schritt weiter.

Mit KI-gestützten Analysen und intelligenten Agenten können Systeme zunehmend dabei unterstützen, Auffälligkeiten automatisiert zu erkennen und relevante Entwicklungen zu priorisieren. Statt selbst mehrere Auswertungen durchsuchen zu müssen, kann der Einkauf beispielsweise Hinweise darauf erhalten, welche Preisveränderungen besonders relevant sind oder wo sich ein genauerer Blick auf einen Lieferanten lohnt.

Die Voraussetzung bleibt jedoch dieselbe: KI benötigt eine saubere und verlässliche Datenbasis.

Digitales Einkaufscontrolling mit WebCIS

Mit WebCIS werden Einkaufsdaten aus SAP- und Non-SAP-Systemen zentral zusammengeführt, validiert und harmonisiert. Auf dieser Grundlage stehen Informationen für Spend- und Preisanalysen, Benchmarking, Einkaufsplanung, Lieferantenbewertungen und Maßnahmenmanagement zur Verfügung.

Ziel ist dabei nicht, dem Einkauf einfach mehr Daten bereitzustellen. Vielmehr sollen relevante Informationen so aufbereitet werden, dass Zusammenhänge schneller erkennbar und Entscheidungen fundierter getroffen werden können.

Mit WebCIS AI kommen zusätzlich KI-gestützte Funktionen und intelligente Agenten hinzu, die dabei unterstützen, Auffälligkeiten und mögliche Handlungsfelder frühzeitig sichtbar zu machen.