Hype oder KI mit Substanz: Worauf Sie bei Source-to-Pay-Lösungen achten sollten

In eine Welt mit rasanten technologischen Neuentwicklungen hat der Begriff „KI“ geradezu Inflation, was den Hype eher ankurbelt, statt echte Substanz zu liefern. Wahrscheinlich werden Sie als Führungskraft von angeblichen „KI-gestützten“ Lösungen geradezu bombardiert. Da ist es schwierig, die Realität von leeren Marketingversprechen zu unterscheiden. Bei der Anschaffung einer Plattform für Source-to-Pay (S2P) ist ein Verständnis der tatsächlichen Leistungsmerkmale eines KI-Tools unerlässlich. Nur so können Sie fundierte Entscheidungen treffen.

Wir möchten Ihnen helfen, sich in diesem Dickicht zurechtzufinden, und haben daher unsere Liste mit Fragen zum Thema KI erweitert und eine Reihe zentraler Fragen zusammengestellt, mit denen Sie den Umfang und die Zuverlässigkeit der KI-Funktionen Ihres S2P-Anbieters beurteilen sollten:

1. Wie groß ist der Datenpool für das Training der KI-Modelle?

Die Genauigkeit und Effektivität von KI-Modellen wird maßgeblich von der Qualität und Menge der Schulungsdaten beeinflusst. Je größer der Datenpool, desto besser lässt er sich in aggregierte und anonymisierte Vergleichsgruppen unterteilen, beispielsweise sortiert nach Branchen, Regionen, Unternehmensgrößen und Warengruppen. Mit einem größeren Datenpool wird gewährleistet, dass die Empfehlungen und Einblicke aus diesen Vergleichsgruppen wirklich zweckmäßig und verwertbar sind.

Fragen Sie Ihren Anbieter, auf welches Datenvolumen er Zugriff hat, und inwieweit die Daten für das S2P-Fachgebiet relevant sind.

2. Wurden die Daten aus privaten oder öffentlichen Quellen erhoben? Wo kommen sie her?

Der Ursprung der für das Trainieren der KI-Modelle genutzten Daten ist wichtig. Daten aus privaten Quellen von echten Geschäftstransaktionen sind oft mehr wert und haben mehr Relevanz als öffentlich zugängliche Datensätze. Ein Grund hierfür ist die Datenqualität. Private Daten stammen von echten Kundentransaktionen und sind daher genauer, detaillierter und spiegeln das echte Geschäftsleben wider.

3. Wie werden KI-Modelle trainiert und mit welcher Art von Daten?

Fragen Sie danach, wie die KI-Modelle trainiert werden und mit welchen Methoden – z. B. überwachtes Lernen (Supervised Learning), unüberwachtes Lernen (Unsupervised Learning), Transferlernen (Transfer Learning) – sowie nach den genutzten Datenquellen.

Private Datenmodelle können Daten aus laufenden Geschäftsvorgängen umfassen. Anders als bei Daten, die auf einen Zeitraum begrenzt und bei Veröffentlichung vielleicht schon veraltet sind, bieten sie kontinuierliche Einblicke. Öffentliche Datensätze konzentrieren sich außerdem häufig auf bestimmte Bereiche, während private Datensätze verschiedenste demografische Daten sowie Daten zu Mustern, Standorten und Geschäftspraktiken von Kunden abdecken können. Dies liefert umfassendere Einblicke und eine stabilere Modellierung.

4. Wie oft werden die KI-Modelle aktualisiert und neu trainiert?

KI-Modelle müssen regelmäßig aktualisiert und trainiert werden, damit sie auch bei neuen Daten nichts von ihrer Genauigkeit und Relevanz verlieren. Fragen Sie, in welchen Abständen und nach welchen Prozessen das Modell Ihres Anbieters aktualisiert wird.

Auf die folgenden Warnsignale sollten Sie achten:

• Wenn die Modelle nicht regelmäßig aktualisiert werden (mindestens jährlich) wird KI unbrauchbar, und es entstehen neue Datenmuster.
• Für die Updates gibt es keine ausreichend definierten, transparenten Modelle.
• Die Modelle werden vor der Bereitstellung wenig oder kaum von Menschen überwacht oder getestet.

5. Welche konkreten S2P-Prozesse werden durch KI optimiert und wie?

Finden Sie heraus, wo genau die KI-Tools des Anbieters im S2P-Kreislauf eingesetzt werden, beispielsweise im strategischen Sourcing, im Vertragsmanagement, in der Rechnungsverarbeitung oder bei der Bewertung von Lieferantenrisiken. Fragen Sie auch nach dem konkreten Vorteil. Damit stellen Sie sicher, dass Ihre Anforderungen umfassend berücksichtigt werden, weniger Fehler im Vorfeld entstehen und Ihr Unternehmen einen echten Nutzen erhält.

Wenn ein S2P-Anbieter Fragen über KI-Funktionen und -Prozesse nicht zufriedenstellend beantworten kann, sollten Sie Bedenken haben. Beziehen Sie Ihr IT-Team ein, um die KI-Tools Ihres Anbieters eingehend zu prüfen, bevor Sie zum nächsten Schritt übergehen.

Wie viel Fachexpertise sollten Anbieter von KI-gestützten S2P-Lösungen mitbringen?

Wenn Sie in Erwägung ziehen, generative KI-Funktionen für Source-to-Pay-Prozesse einzusetzen, ist es wichtig, die Fachexpertise des Anbieters zu bewerten, und zwar aus vielerlei Gründen:

1. Kontextuelles Verständnis: Fachexpertise gewährleistet, dass das KI-Modell die Besonderheiten und Komplexität von Source-to-Pay-Prozessen nachvollziehen kann. So erzielen Sie genauere und passendere Ergebnisse.
2. Datenqualität und Relevanz: Anbieter, mit umfassendem Branchenwissen werden eher relevante und qualitativ hochwertige Daten zum Trainieren ihrer KI-Modelle haben. Dies ist insbesondere für Source-to-Pay-Prozesse wichtig, bei denen die Qualität der Daten und ihr fachlicher Charakter die Wirksamkeit von KI direkt beeinflussen.
3. Vermeiden von „KI-Washing“: Es kann passieren, dass Anbieter ihre KI-Funktionen schönreden, für wirklich wertvolle Lösungen aber nicht die nötige Expertise mitbringen. Anhand der Fachexpertise können Sie zwischen echten KI-Innovationen und oberflächlichen KI-Lösungen unterscheiden.
4. Maßgeschneiderte Lösungen: Statt Standard-KI-Tools zu liefern, sind Anbieter mit fundierter Fachexpertise in der Lage, ihre KI-Lösungen besser an konkrete Herausforderungen des Source-to-Pay-Prozesses anzupassen.
5. Compliance und Risikomanagement: Source-to-Pay-Prozesse gehen häufig mit komplexen Regulierungen und Risikofaktoren einher. Fachexperten sind besser gerüstet, um zu gewährleisten, dass Branchenstandards eingehalten und Beschaffungsrisiken abgesichert werden.
6. Integrationsfunktionen: Anbieter mit Expertise im Bereich Source-to-Pay können KI-Lösungen entwickeln, die sich nahtlos in vorhandene Beschaffungssysteme und Workflows einfügen. Das steigert die Effizienz und die Akzeptanz durch Benutzerinnen und Benutzern.
7. Kontinuierliche Verbesserung: Anbieter mit Fachexpertise werden eher Trendentwicklungen und Source-to-Pay-Herausforderungen erkennen und ihre KI-Modelle laufend ausfeilen und verbessern.
8. Praktische Anwendung: Fachexperten können anhand von Praxisbeispielen und Anwendungsfällen zeigen, wie ihre KI-Lösungen Source-to-Pay-Prozesse verbessert haben, und so einen spürbaren Nutzen nachweisen.
9. Strategische Ausrichtung: Anbieter, die sich im Bereich Source-to-Pay gut auskennen, können ihre KI-Tools besser an Ihrer Beschaffungsstrategie und Ihren Zielen ausrichten.
10. Support und Training: Anbieter mit Fachwissen bieten einen effektiveren Support und wirksamere KI-Trainings. Damit können ihre Teams die Vorteile der KI-Lösung für Ihre S2P-Prozesse maximal ausnutzen.

Achten Sie bei der Bewertung von KI-Tools darauf, ob sich der Anbieter mit Source-to-Pay auskennt. So können Sie sicher sein, dass Ihre Anforderungen wirklich verstanden werden und die KI-Lösungen einen echten Mehrwert für Ihre Beschaffungsprozesse liefern.

Gute Gründe, die für Coupa sprechen – KI auf Basis von Community-Daten

Bei Coupa wissen wir, wie immens wertvoll praxisbezogene Daten aus privaten Quellen für stabile KI-Modelle sind. Unsere Plattform macht sich die „Community Intelligence“ zunutze – einem riesigen Datenstrom mit Transaktionsdaten im Wert von 6 Billionen USD von mehr als 3.000 Kunden und 10 Millionen Lieferanten weltweit.

Dieser beispiellose Datenbestand wird von unserer umfangreichen Kundengemeinschaft mit Daten versorgt und ist eine fast unerschöpfliche, kontinuierlich wachsende Quelle an Ausgabedaten von echten Unternehmen. Unsere KI-Modelle werden auf Grundlage dieser aus privaten Quellen erhobenen, proprietären Daten trainiert. Daher können wir smarte Einblicke, Empfehlungen und Automatisierungsfunktionen bieten, die auf die einmaligen Herausforderungen und Besonderheiten der S2P-Welt zugeschnitten sind.

Coupa verbindet umfassende S2P-Daten, Prozesstransparenz, Fachexpertise, Community Intelligence und faktengestützte Empfehlungen, um äußerst präzise und verwertbare KI-Einblicke zu liefern. Damit können Kunden ihre Effizienz steigern, Risiken eindämmen und die Wertschöpfung aller Geschäftsausgaben maximieren.

Das unterscheidet Coupa von anderen:

• Umfassende KI-Modelle auf der Grundlage riesiger Datenmengen, die alle Aspekte des Ausgabenmanagements abdecken und daher Einblicke und Muster liefern, die Lösung mit engerem Fokus nicht erkennen würden. Das Ergebnis sind weniger Fehler im Vorfeld, wie sie beim Abgleich von Bestellungen und Rechnungen entstehen können.
• Durch branchenspezifisches Training können unsere KI-Modelle die Besonderheiten und Komplexität von S2P-Prozessen erlernen und so präzisere und relevantere Prognosen und Empfehlungen erstellen.
• Das kollektive Wissen einer riesigen Total Spend Community liefert einen kontinuierlichen Strom an praxisbezogenen Trainingsdaten für stets aktuelle und äußerst leistungsstarke KI-Modelle.

Optimierung strategischer Sourcing-Entscheidungen, verbessertes Lieferantenmanagement, Automatisierung der Rechnungsverarbeitung und Betrugserkennung: Unsere KI-Modelle machen sich das kollektive Wissen unserer Kunden-Community zunutze und liefern ihren Unternehmen damit einen messbaren Mehrwert und Operational Excellence.

Lassen Sie sich bei der Bewertung von S2P-Anbietern und ihren KI-Tools nicht vom Hype blenden. Nehmen Sie stattdessen die Datenquellen, Trainingsmethoden und Anwendungsmöglichkeiten der angepriesenen KI-Funktionen genau unter die Lupe. Mit den richtigen Fragen können Sie fundierte Entscheidungen treffen und einen Partner finden, der das Potenzial von KI für die Transformation Ihrer S2P-Prozesse wirklich ausschöpft.