Kunde:
Als international führender Hersteller von Nutzfahrzeugen mit einem Jahresumsatz von rund 2,5 Milliarden Euro und über 5.500 Mitarbeitern sah sich das Unternehmen mit der Herausforderung konfrontiert, jährlich über 5000 verschiedene Zeichnungsteile mit einem Einkaufsvolumen von etwa 15 Millionen Euro zu bewältigen.
Ausgangslage: Komplexität und Herausforderungen in der Beschaffung
Die Beschaffung gestaltete sich als komplexes Unterfangen, da für einige Warengruppen mehr als 70 Lieferanten gelistet waren und eine klare Zuordnung von Zukaufteilen zu den Produktionsstärken der Lieferanten bisher fehlte. Preisniveaus wurden zudem in der Vergangenheit nicht systematisch überprüft und nachverhandelt. Dies führte zu der Notwendigkeit, Einsparungspotenziale von 10% zu identifizieren und die Effizienz der Beschaffungsprozesse zu steigern.
Maßnahmen: Strategie und Umsetzungsschritte
Um diese Herausforderungen zu bewältigen, entwickelte das Unternehmen eine umfassende Strategie. Diese reichte von der Analyse der ERP- Beschaffungsdaten und der Vorauswahl geeigneter Artikel über die Anwendung von Machine Learning zur CAD- Modellanalyse, bis hin zur Konsolidierung von ERP- und CAD- Daten mithilfe von Data Mining. Fehlende und falsche Artikelinformationen wurden durch den Einsatz von Data Extraction Services aufbereitet. Die Analyse der Einkaufspreise je Artikel basierte auf den Bestandspreisen der Lieferanten, unterstützt durch Data Analytics. Mithilfe von Predictive Costing wurden logische Soll- Preise berechnet, und es wurden Best-Case-Einkaufs- Szenarien ermittelt. Parallel dazu wurden Lieferanten- und Maschinenpark- Informationen eingeholt, um eine detaillierte „Teile-Maschinen-Lieferanten-Matrix“ zu erstellen, die als Grundlage für zielgerichtete Marktpreisanfragen diente. Die Verhandlungen mit den Lieferanten führten schließlich zur Realisierung der identifizierten Einsparpotenziale.
Ergebnisse: Signifikante Kosteneinsparungen und effiziente Lieferantenstruktur
Die erfolgreiche Umsetzung dieser Maßnahmen führte zu beeindruckenden Ergebnissen. Die Beschaffungskosten bei Blechteilen wurden durchschnittlich um 20% im gewichteten Mittel reduziert, während die Kosten bei Dreh-, Bohr- und Frästeilen um durchschnittlich 15% gesenkt wurden. Der Lieferantenpool wurde je nach Warengruppe um beeindruckende 50% konsolidiert. Diese Erfolgsgeschichte unterstreicht nicht nur die Effizienz von KI- Tools in der Beschaffung, sondern auch die strategische Weitsicht des Unternehmens, ihre Wettbewerbsfähigkeit zu stärken und nachhaltige Kostenoptimierungen zu realisieren.
Nutzen Sie gerne auch die Möglichkeit, diesen Beitrag in Ihrem Netzwerk zu teilen.