Large Language Models (LLM) für die automatisierte Materialbeschaffung: Digitale Helfer auf der BTP

Mit LLMs werden die Möglichkeiten zur KI-gestützten Sprachverarbeitung massiv erweitert. Große Sprachmodelle verwenden Deep-Learning-Techniken und werden mithilfe von Milliarden Datensätzen darauf trainiert, die Muster und Zusammenhänge zwischen Wörtern und Phrasen zu erkennen. Das versetzt sie in die Lage, menschliche Sprache zu verarbeiten, zu verstehen und zu generieren.

Automatisierte Beschaffung

Die Vorteile großer Sprachmodelle kommen verstärkt auch den SAP-basierten Einkaufsorganisationen zugute. So steht eine Reihe leistungsstarker LLM-Bots zur Automatisierung operativer Einkaufsprozesse zur Verfügung. Ein Beispiel sind Beschaffungs-Bots, wie der Apsolut-Procurement-Bot, der die indirekte Materialbeschaffung unterstützt. Wird zum Beispiel ein neuer Schreibtisch benötigt, erfragt der Procurement-Bot gezielt die gewünschte Ausfertigung, wie Farbe, Maße und Material. Anschließend legt er in den produktiven Einkaufssystemen, ob SAP ECC, S/4 Hana oder SAP Ariba, automatisch eine Bestellanforderung an. Ein ähnlicher Prozess wird durchlaufen, wenn etwa ein Arbeitsplatz für eine neue Marketing-Mitarbeiterin eingerichtet werden soll. Dann ermittelt der Procurement-Bot, welche Büroausstattung diese Mitarbeiterin zur Ausübung ihres Jobs konkret braucht, und macht dem Anforderer anhand von Katalogdaten geeignete Vorschläge.

Eine weitere Gruppe digitaler Einkaufs-assistenten sind LLM-Verhandlungs-Bots für Tail-Spend-Bestellungen. Aufgrund des niedrigen Einzelvolumens von Tail-Spend- Bestellungen erscheint es den meisten Einkaufsorganisationen als wirtschaftlich nicht sinnvoll, eigene Mitarbeiter für die Verhandlungen einzusetzen. Doch obwohl Tail-Spend-Bestellungen einzeln betrachtet geringe Kosten verursachen, kann sich das Gesamtvolumen beträchtlich kumulieren.

Mit LLM-Verhandlungs-Bots kann das Einsparpotenzial von Tail-Spend-Bestellungen ausgeschöpft werden, da sie den kompletten Verhandlungsprozess automatisieren: von der Auswahl der zu verhandelnden Bestellungen über die Bestimmung der Verhandlungsstrategie und die Durchführung der Verhandlung mit dem Lieferanten bis hin zur Umsetzung der Bestellung.

Ermittlung von Warengruppen

Ein drittes aktuelles Beispiel sind innovative LLM-Bots zur automatischen Ermittlung der Warengruppe, wie sie SAP Buying 360 – eine neue Funktion von SAP Ariba Buying und S/4 Cloud, Public Edition – zur Verfügung stellt. Auch bei diesem Anwendungsfall werden die Einkäufer durch den KI-Einsatz stark entlastet, da die Warengruppenfindung im Arbeitsalltag zu den zeitintensiven Hauptaufgaben zählt. 

LLM-Bots bieten den Einkaufsabteilungen eine Reihe zentraler Vorteile. Neben den Tail-Spend-Einsparungen rangiert die Senkung des Zeit- und Kostenaufwands durch die automatisierten operativen Beschaffungsprozesse ganz oben. Da monoton sich wiederholende Arbeiten von Maschinen übernommen werden, können sich die Einkäufer auf strategische und innovative Aufgaben konzentrieren. Das erhöht ihre Motivation und trägt dazu bei, dass sich der Einkauf verstärkt um die Verbesserung der Beschaffungsprozesse und des Lieferantenmanagements kümmern kann. So erfordern regulatorische Vorgaben wie das Liefer-kettensorgfaltspflichtengesetz (LkSG) und zunehmende Lieferengpässe heute mehr denn je ein umfassendes Lieferketten-Monitoring und Risikomanagement.

Individuelle Services

Während die Anforderer ansonsten auf manuelle Unterstützung durch die – oft überlasteten – Einkaufsmitarbeiter angewiesen sind, greifen die FAQ- und Verhandlungs-Bots direkt auf die Backend-Systeme zu und können jede Anfrage und jedes Anliegen sofort erledigen. Hinzu kommt die Optimierung der Einkaufsdatenqualität. Damit die LLM-Bots zuverlässig arbeiten können, müssen die Datensätze in den SAP-Back-end-Systemen aktuell, vollständig, fehlerfrei, konsistent und unverwechselbar vorliegen. Dies zwingt die Einkäufer zur kontinuierlichen Datenpflege. Auch die Anforderer müssen bei der Dateneingabe auf diese Qualitätskriterien achten, damit ihre Anliegen zufriedenstellend beantwortet werden können. Durch eine hohe Datenqualität werden die Fehlerraten in den operativen Beschaffungsprozessen deutlich reduziert.

Die Einführung moderner LLM-Bots in SAP-basierten Einkaufsorganisationen sollte einer klaren Roadmap folgen. Dann gilt es, diese Fragen unter Einsatz von Prompt-Engineering-Methoden dem generativen KI-Modell so zu vermitteln, dass dieses hochwertige und relevante Ergebnisse liefert. Da große Sprachmodelle darauf trainiert werden können, die Intention des Fragestellers sofort zu erkennen und die Frage dem entsprechenden Anwendungsfall zuzuordnen, ist der Entwicklungs- und Implementierungsaufwand deutlich geringer als bei herkömmlichen Chatbots. Denn hier müssen für jeden Use Case noch eigene Pfade gebaut werden. Hingegen lassen sich mit einem einzigen LLM-Bot viele unterschiedliche Aufgaben und Einsätze innerhalb einer Einkaufsorganisation abdecken. 

Wichtig ist, schon frühzeitig im Projekt mit Changemanagement-Maßnahmen zu beginnen, um die Akzeptanz der Anwender zu steigern. Nur so sind die Anforderer und Lieferanten auf die Interaktion mit den neuen Textrobotern vorbereitet, wenn diese ausgerollt und in Betrieb genommen werden.