Sie haben 15 Angebote für Ihre Transport-RFQ erhalten. Jetzt beginnt die eigentliche Arbeit.
Der traditionelle Auswertungs-Marathon:
Tag 1 (8 Stunden):
Tag 2 (6 Stunden):
Tag 3 (4 Stunden):
= 18-24 Stunden Arbeit. Für eine RFQ.
Und die ganze Zeit nagt die Frage: “Ist das wirklich die beste Entscheidung? Oder nur die, die ich nach 3 Tagen Excel-Torture rechtfertigen kann?”
Eine typische RFQ-Auswertung erfordert Vergleich von:
Quantitative Kriterien:
Qualitative Kriterien:
Bei 15 Suppliern = 15 × 12 Kriterien = 180 Datenpunkte
Ihr Gehirn: “Ich kann maximal 7±2 Dinge gleichzeitig im Kopf haben” (Miller’s Law)
Resultat: Sie vereinfachen brutal. Fokus auf Preis. Der Rest? Bauchgefühl.
Recency Bias: Sie bewerten die letzten 3 Angebote besser, weil sie noch frisch im Kopf sind.
Anchoring Bias: Das erste Angebot kostet 10.000€. Alle folgenden bewerten Sie relativ dazu. Auch wenn das erste Angebot unrealistisch war.
Confirmation Bias: Sie haben bereits einen Favoriten? Ihr Gehirn findet automatisch Gründe, warum der der Beste ist.
Availability Bias: Supplier X hatte letztes Jahr ein Problem? Der wird jetzt schlechter bewertet. Auch wenn er sonst 10 Jahre perfekt war.
Resultat: Ihre Bewertung ist nicht objektiv. Sie ist emotional, situativ, und inkonsistent.
Scenario: Sie bewerten RFQ #1 im Januar. Kollege bewertet RFQ #2 im Februar.
Ihr Scoring:
Kollegen-Scoring:
Resultat: Keine konsistente Procurement-Strategie. Supplier verwirrt. Management verwirrt.
Real-World-Daten aus 73 Procurement-Teams:
| RFQ-Größe | Anzahl Angebote | Auswertungszeit | Kosten (60€/h) |
|---|---|---|---|
| Klein | 5 Supplier | 6 Stunden | 360€ |
| Mittel | 10 Supplier | 12 Stunden | 720€ |
| Groß | 15 Supplier | 24 Stunden | 1.440€ |
Bei 30 RFQs pro Monat (Mix):
Und das ohne:
Vereinfacht gesagt: KI analysiert alle Angebote, vergleicht Datenpunkte, gewichtet nach Ihren Kriterien, und gibt objektive Scores + Empfehlungen.
1. Sie definieren Bewertungskriterien
Preis: 40% Gewichtung
Lieferzeit: 25% Gewichtung
Qualität (Zertifikate, Referenzen): 20% Gewichtung
Nachhaltigkeit: 15% Gewichtung
2. Supplier füllen RFQ aus
Alle Angebote kommen strukturiert in die Plattform (kein Excel-Chaos).
3. KI analysiert automatisch
4. Sie erhalten objektives Ranking
🥇 Supplier A: 87/100 Punkte
Preis: 92/100 (3.400€, zweitgünstigster)
Lieferzeit: 100/100 (2 Tage, perfekt)
Qualität: 78/100 (ISO 9001, 3 gute Referenzen)
Nachhaltigkeit: 75/100 (CO2-neutral, kein ISO 14001)
🥈 Supplier B: 81/100 Punkte
Preis: 100/100 (3.200€, günstigster)
Lieferzeit: 80/100 (3 Tage, leicht über Target)
Qualität: 65/100 (keine ISO, 2 Referenzen)
Nachhaltigkeit: 90/100 (ISO 14001, CO2-neutral)
🥉 Supplier C: 76/100 Punkte
...
5. KI-Empfehlung mit Begründung
Empfehlung: Supplier A
Beste Balance zwischen Preis und Performance. Zwar 200€ teurer als Supplier B, aber:
- 1 Tag schnellere Lieferung (kritisch für Ihre Deadline)
- Bessere Qualitäts-Zertifikate (reduziert Risiko)
- Sehr gute Referenzen in Ihrer Branche
ROI: Die 200€ Mehrkosten werden durch reduziertes Risiko und schnellere Time-to-Market mehr als kompensiert.
Zeit: 2 Minuten statt 24 Stunden
Ausgangssituation:
Probleme:
Nach KI-Scoring Implementierung:
Ersparnis:
Objektivität:
“Früher hatten wir endlose Diskussionen: ‘Warum hast du Supplier X gewählt?’ Jetzt haben wir objektive Scores. Die Diskussion ist: ‘Sind unsere Gewichtungen richtig?’ Viel konstruktiver.”
Konsistenz:
“Alle 3 Buyer nutzen jetzt dieselben Kriterien. Unsere Procurement-Strategie ist endlich konsistent. Supplier verstehen, worauf wir Wert legen.”
Supplier-Feedback:
“KI generiert automatisch Feedback für alle Supplier. Jeder versteht, warum er gewonnen oder verloren hat. Supplier entwickeln sich mit uns weiter.”
Strategischer Fokus:
“Ich verbringe jetzt 80% meiner Zeit in strategischen Verhandlungen und Supplier-Relationship-Management. Nicht mehr in Excel.”
KI hat keine:
Nur Fakten. Nur Daten. Nur Scores.
Egal ob:
Dieselben Kriterien. Dieselbe Bewertungslogik. Konsistent.
Jeder Score ist erklärbar:
Keine Black Box. Volle Transparenz.
KI-Scoring ist nicht schneller müde:
Linear skalierbar. Nicht exponentiell wie manuelle Arbeit.
KI lernt aus Ihren Entscheidungen:
Continuous Improvement. Automatisch.
Automatisches Feedback für alle Supplier:
Supplier X: Sie haben 76/100 Punkte erreicht.
Ihre Stärken:
✅ Sehr guter Preis (95/100)
✅ Schnelle Lieferzeit (88/100)
Verbesserungspotenzial:
❌ Qualitäts-Zertifikate fehlen (45/100)
→ Empfehlung: ISO 9001 Zertifizierung würde Score auf 84/100 erhöhen
❌ Wenig Referenzen (50/100)
→ Empfehlung: Case Studies Ihrer bisherigen Projekte teilen
Resultat: Supplier-Pool wird besser. Nicht nur Ihre Entscheidung.
| Kriterium | Manuelle Bewertung | KI-Scoring |
|---|---|---|
| Zeit pro RFQ | 16-24 Stunden | 2 Stunden |
| Kosten pro RFQ | 960-1.440€ | 120€ |
| Objektivität | Subjektiv, Bias | Objektiv, datenbasiert |
| Konsistenz | Variiert (Person, Zeit) | Immer gleich |
| Skalierbarkeit | Linear → exponentiell teurer | Linear skalierbar |
| Transparenz | Bauchgefühl schwer erklärbar | Volle Nachvollziehbarkeit |
| Supplier-Feedback | Manuell, zeitaufwendig | Automatisch, sofort |
| Lernkurve | Keine | Wird besser mit Zeit |
Nein. KI gibt Empfehlungen. Sie entscheiden.
Best Practice:
Beispiel: KI empfiehlt Supplier A (87 Punkte). Sie wissen aber: Supplier B (81 Punkte) ist strategisch wichtiger Partner, den Sie entwickeln wollen. Sie wählen B.
Resultat: KI lernt. Beim nächsten Mal gewichtet sie “strategische Partnerschaft” höher.
Daten aus 234 RFQs mit KI-Scoring:
Accuracy Rate: 97% (wenn man strategische Overrides rausrechnet)
Moderne KI kann:
Beispiel: Supplier schreibt: “Wir haben 15 Jahre Erfahrung in der Automobilindustrie und beliefern BMW, Audi, und Mercedes.”
KI versteht:
Jederzeit möglich.
Sie definieren:
RFQ #1 (Transport, Standard):
- Preis: 50%
- Lieferzeit: 30%
- Qualität: 20%
RFQ #2 (Medizinische Geräte, kritisch):
- Qualität: 60%
- Compliance: 25%
- Preis: 15%
KI passt Scoring sofort an. Für jede RFQ individuell.
Workshop mit Procurement-Team:
Zeit von Start bis produktiv: 2-3 Wochen
24 Stunden manuelle Arbeit. 180 Datenpunkte im Kopf jonglieren. Subjektive Bauchgefühl-Entscheidungen.
Das ist die Vergangenheit.
KI-Scoring analysiert in 2 Minuten, was Sie in 3 Tagen nicht schaffen:
Die Frage ist nicht, ob KI-Scoring besser ist. Die Frage ist, wie lange Sie noch 312 Stunden pro Jahr in Excel-Vergleichen verschwenden wollen.
Bereit, Ihre RFQ-Auswertung zu revolutionieren? Vereinbaren Sie eine kostenlose Demo und erleben Sie KI-Scoring in Aktion. Live-Beispiel mit Ihren Daten in 30 Minuten.