Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
KI-gestützte Prozesserkennung hilft bei der Optimierung von Procure-to-Pay-Prozessen
Wie die IBM Process Mining-Lösung „Sweet Spots“ für die Automatisierung aufspürt
Wenn es um interne Beschaffungsprozesse geht, ist Konformität durchaus eine Tugend. Um die Kosten zu minimieren und die Effizienz zu maximieren, erstellen die meisten großen Unternehmen Richtlinien und richten standardisierte Workflows ein, damit die Mitarbeiter auf vorher vereinbarte Vereinbarungen mit Lieferanten zurückgreifen können.
Wenn Mitarbeiter sich darüber hinwegsetzen und Alleingänge unternehmen, d. h. individuelle Einkäufe tätigen (sogenanntes „Maverick Buying“), verzichten sie damit auf sämtliche Preisvorteile und alle sonstigen Effizienzgewinne, die mit standardisierten Einkaufskanälen einhergehen. Je weiter verbreitet die eigenmächtigen Aktivitäten durch individuelle Einkäufe sind, desto größer sind ihre Auswirkungen auf das Geschäftsergebnis.
Für dieses weltweit tätige Fertigungsunternehmen, einen Hersteller von hochentwickelten Kabeln mit Niederlassungen in 50 Ländern, waren die Anreize zur Eindämmung vom Standard abweichender Beschaffungspraktiken beachtlich. Wie die Prozessverantwortliche des Unternehmens betont, waren aber auch die damit verbundenen Herausforderungen beachtlich. „Wir erkannten auf übergeordneter Ebene, dass die nicht den Vorgaben entsprechende Beschaffung ein relativ weit verbreitetes Phänomen war“, sagt sie. „Was uns fehlte, war eine Methode, um zu ermitteln, wie, wo und in welchem Ausmaß sie stattfand.“
Einen besonders starken Handlungsimpuls bildete der Wunsch, Tools für Robotic Process Automation (RPA) auf den Procure-to-Pay-Zyklus (P2P) anzuwenden. Im Bereich der Beschaffung führen nicht konforme Kaufvorgänge – wenn zum Beispiel eine Rechnung ohne die zugehörige Bestellung erstellt wird – zu „Ausnahmen“, die eine manuelle Bearbeitung erforderlich machen. Da die Automatisierung weitestgehend auf standardisierten Prozessen beruht, liegt es auf der Hand, dass sich Ausnahmen und Automatisierung nicht vertragen. Die Minimierung von Ausnahmen ist daher eine Priorität.
Aber zuerst einmal muss man sie finden. Die besten Anhaltspunkte hierfür bieten dabei die SAP ERP-Datenflüsse des Unternehmens.
Für die Verantwortliche für Beschaffung ist es in der Tat von maßgeblicher Bedeutung, auf einer differenzierten, datengesteuerten Ebene zu sehen, was geschieht, damit eine wirkliche Prozessoptimierung möglich ist. „Im Rahmen unserer langfristigen Roadmap für die digitale Transformation“, erklärt sie, „sind wir davon überzeugt, dass die Erlangung von Transparenz in unseren Prozessabläufen eine unabdingbare Voraussetzung für unseren Automatisierungsaufwand ist.“
Kosteneinsparungen
Reduzierung von individuellen Einkäufen und dadurch Einsparung von 60.000 US-Dollar an Kosten für die Überarbeitung von Beschaffungsaufträgen
Automatisierungsziele erreichen
Ermöglichte die gezielte Automatisierung von 75 % der Aktivitäten zur Erstellung und Lieferung von Produkten mithilfe von RPA-Tools
Dynamische Prozessmodellierung liefert differenzierte Erkenntnisse
Das Unternehmen erkannte den Bedarf an einer Lösung zur Prozesserkennung und prüfte mehrere Optionen. Nach Angaben der Verantwortlichen für Beschaffungsprozesse entschied sich das Unternehmen schließlich für die IBM® Process Mining-Lösung, weil es von der Leistungsstärke der DTO-Technologie überzeugt war, auf der sie aufbaut. „Was das IBM Process Mining-Angebot wirklich von anderen unterschied, war die Flexibilität und Granularität seines Frameworks für dynamische Prozessmodellierung“, erklärt sie. „Da das IBM Framework den digitalen Zwilling eines Unternehmens zum Kern hat, liefert es einen umfassenderen, datengesteuerten Einblick in unsere betrieblichen Workflows. Und das macht es zu einem leistungsfähigen Tool für die Beschleunigung der Automatisierung.“
Hier ist der Grund dafür: Das entscheidende Merkmal von DTO (Digital Twin Organisation) – also der Fähigkeit, Prozesse durch Analysieren von Datenflüssen genau spiegeln zu können – ist nicht nur wertvoll, um Schwachstellen in Prozessen wie individuelle Einkäufe ausfindig zu machen. Es bietet auch einen KI-gestützten „Was-wäre-wenn“-Simulationsmechanismus, mit dem Prozessexperten darstellen können, wie sich bestimmte Verbesserungen, einschließlich Automatisierung, auf Metriken wie Kosten, Produktivität und Prozesszykluszeit auswirken.
Aus diesem Grund stellt die IBM Process Mining-Lösung, so die Prozessverantwortliche, ein unentbehrliches Planungstool für die Automatisierung dar. „Bei der Entscheidung, in die Prozessautomatisierung zu investieren, geht es letztlich um den erwarteten Nutzen für das Unternehmen. Die Schwierigkeit besteht jedoch darin, Investitionen in endlich verfügbare Ressourcen so auszubalancieren, dass der Gewinn maximiert und zugleich das Risiko minimiert wird, was die Quintessenz jeder Kosten-Nutzen-Analyse ist“, erklärt sie. „Hier zeichnet sich IBM Process Mining mit seiner Fähigkeit zum Simulieren dieser Ergebnisse aus.“
IBM Process Mining ist als grundlegende Funktionalität in allen IBM Cloud Paks for Automation enthalten, einschließlich IBM® Cloud Pak for Business Automation.
Da diese Leistungsmerkmale auf den Prüfstand gestellt werden sollten, arbeitete das Unternehmen mit seinem Transformationspartner zusammen, um die IBM Process Mining-Lösung als Machbarkeitsnachweis zu implementieren. Unter Verwendung aktueller Livedaten aus dem ERP-System des Unternehmens legten die Algorithmen der Lösung fast sofort diejenigen Prozessabweichungen offen, die den Automatisierungsaufwand zu erschweren drohten.
Bei der Prüfung der durch das Modell generierten Grafiken und Flussdiagramme stellten die Prozessverantwortliche und ihr Team fest, dass sage und schreibe die Hälfte der wichtigsten Auftragserstellungsprozesse – einschließlich Positionserstellungs- und Bereitstellungsaktivitäten – manuell erfolgten und somit nicht den Vorgaben entsprachen. Darüber hinaus ergab die Prozessüberprüfung, dass bei diesen Tätigkeiten obendrein eine hohe Anzahl von Nachbearbeitungen aufgrund menschlicher Fehler anfiel. Diese Prozessmängel zogen nicht nur den Beschaffungszyklus künstlich in die Länge, sondern verursachten auch noch zusätzliche Kosten von jährlich rund 250.000 US-Dollar.
Basierend auf diesen Erkenntnissen implementierte das Unternehmen Automatisierungstools in beiden Aktivitäten. Durch die Automatisierung von 75 % der Bereitstellungsaktivitäten konnte das Unternehmen die Auftragsnachbearbeitung drastisch reduzieren und gleichzeitig die damit verbundenen Kosten um etwa 60.000 US-Dollar senken. Eine vergleichbare Automatisierung bei der Positionserstellung verkürzte die Vorlaufzeiten um drei Tage, was einer Kosteneinsparung von 50.000 US-Dollar entspricht.
Wie die meisten Unternehmen, die sich mitten in der digitalen Transformation befinden, wird auch dieses Unternehmen von der übergeordneten Vision geleitet, seine Prozesse agiler, effizienter und cloudbasierter zu gestalten. Für die Prozessverantwortliche macht die Tatsache, dass ihr Unternehmen einen datengesteuerten Ansatz für die Spezifika bei seinen Prozessautomatisierungsentscheidungen verfolgt – mit genauer Kenntnis der Problempunkte und dem Wissen, wie man sie am besten angeht –, einen großen Unterschied in Bezug auf die Effizienz. „Die Prozesstransparenz, die wir durch die IBM Lösung gewonnen haben, hat sich maßgeblich auf Automatisierungsentscheidungen ausgewirkt, die wir im Zusammenhang mit Procure-to-Pay getroffen haben“, merkt sie an. „Bei der weiteren Umgestaltung unseres Unternehmens sehen wir in der datengesteuerten Entscheidungsfindung einen wesentlichen Faktor für unseren Erfolg.“
Das vor über 100 Jahren gegründete weltweit tätige Fertigungsunternehmen betreibt über 100 Werke in 50 Ländern und beschäftigt mehr als 20.000 Mitarbeiter. Zu den Zielmärkten des Unternehmens zählen die Telekommunikations-, Energieübertragungs-, Bau- und Transportindustrie.
Rechtshinweise
© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Hergestellt in den Vereinigten Staaten von Amerika, März 2022.
IBM, das IBM Logo, ibm.com und IBM Cloud Pak sind Marken der IBM Corporation in den USA und/oder anderen Ländern. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Webseite „Copyright- und Markeninformationen“ unter ibm.com/trademark.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Der in dieser Fallstudie vorgestellte Kunde arbeitete ursprünglich mit dem Unternehmen myInvenio zusammen, das seit dem 1. August 2021 zu IBM gehört. Das in dieser Fallstudie vorgestellte myInvenio-Produkt namens myInvenio Process Mining heißt jetzt IBM Process Mining.
Die genannten Leistungsdaten und Kundenbeispiele dienen ausschließlich zur Veranschaulichung. Tatsächliche Leistungsergebnisse hängen von den jeweiligen Konfigurationen und Betriebsbedingungen ab. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.
