Potenziale der bereichsübergreifenden Datenanalyse

Fallbeispiel eines international operierenden Logistikdienstleisters im Seefrachteinkauf von Vollcontainern

Master's Thesis , 2021 , 121 Pages , Grade: 2,0

Business economics - Supply, Production, Logistics

Welche Potenziale liegen in der Nutzung eines bereichsübergreifenden Datenanalysesystems für den Seefrachteinkauf von Vollcontainern eines international operierenden Logistikdienstleisters, um den Einkaufsprozess zu steuern?

Daten sind eine wertvolle Ressource, vorausgesetzt, ihr Potenzial wird genutzt. Diese Arbeit zeigt das Potenzial, das in der Nutzung eines Datenanalysesystems liegt. Mit Daten können Effizienz, Effektivität und Qualität gesteigert und gleichzeitig Risiken minimiert werden. Die Studie basiert auf einem Praxisbeispiel des Seefrachteinkaufs eines Logistikdienstleisters. Das global agierende Unternehmen bewegt sich in einem volatilen Markt, für den Schnelligkeit und Flexibilität zu einer zusätzlichen Herausforderung geworden sind. Der empirische Nachweis wird durch halbstrukturierte Interviews mit Experten aus dem Einkauf des Logistikdienstleisters erbracht.

Die Experteninterviews werden durch einen Fragebogen geleitet, der sich an den Kernaufgaben der Prozessorganisation orientiert. Die Prozesse sind den befragten Experten bekannt und eng mit der Datenanalyse verknüpft. Der Einsatz der Datenanalyse schafft einen Mehrwert für das Unternehmen, der besonders deutlich wird, wenn er sich über die gesamte Wertschöpfungskette erstreckt. Basierend auf den Erkenntnissen aus der Literatur und den Interviews wird in dieser Studie der Bedarf für den Einsatz eines Datenanalysesystems dargestellt. Daraus ergeben sich Handlungsempfehlungen für das Unternehmen im Hinblick auf die digitale Transformation.

Inhaltsverzeichnis

1 Einleitung
1.1 Relevanz des Themas
1.2 Problemstellung
1.3 Motivation
1.4 Zielsetzung und Forschungsfragen
1.4.1 Ziele und Eingrenzung
1.4.2 Forschungsfragen
1.5 Methodik und Aufbau der Arbeit
1.5.1 Methodisches Vorgehen
1.5.2 Aufbau der Arbeit
1.6 Stand und kritische Reflexion

2 Begriffsbestimmung
2.1 Spediteur in der Logistik
2.2 Verfrachter von Seeschiffen
2.2.1 Die weltweit größten Container-Reedereien
2.2.2 Container
2.2.3 Allocation
2.3 Logistikdienstleister

3 Grundlagen des Einkaufs
3.1 Einkauf
3.2 Operativer Einkauf
3.3 Strategischer Einkauf
3.4 Aufgaben im Einkaufsprozess
3.4.1 Bedarfsermittlung
3.4.2 Beschaffungsmarktforschung
3.4.3 Vertragsvereinbarung
3.4.4 Bestellabwicklung
3.4.5 Lieferantenmanagement
3.4.6 Strategische Beschaffung
3.5 Wertschöpfung
3.5.1 Wertschöpfung im Einkauf
3.5.2 Datengetriebene Wertschöpfung
3.6 Erfolgsmessung
3.7 Controlling
3.7.1 Digitalisierung im Controlling für den Einkauf

4 Abgrenzung Big Data, Analytik und künstliche Intelligenz
4.1 Big Data
4.1.1 Begriffe und Definition
4.1.2 Datenarten
4.1.3 Big Data vs. Analytik
4.2 Analytik
4.2.1 Definition
4.2.2 Arten der Datenanalyse
4.2.3 Predictive Analytics
4.3 Künstliche Intelligenz
4.3.1 Begriffe und Definition
4.3.2 Schwache und starke KI
4.3.3 Maschinelles Lernen
4.3.4 Deep Learning

5 Empirische Untersuchung
5.1 Forschungsmethode
5.2 Planung
5.2.1 Zielgruppe
5.2.2 Erstellung des Fragebogens
5.3 Durchführung
5.4 Auswertung
5.4.1 Fragebogen
5.4.2 Interview
5.5 Forschungsfragen
5.5.1 Welche Potenziale liegen in der Nutzung eines bereichsübergreifenden Datenanalysesystems für den Seefrachteinkauf von Vollcontainern eines international operierenden Logistikdienstleisters, um den Einkaufsprozess zu steuern?
5.5.2 Welche Anforderungen sind zu erfüllen, um den Einkaufsprozess zu steuern?
5.5.3 Welche Abweichungen sind zwischen Anforderung und Nutzung zu erkennen?
5.5.4 Hypothese, mit der bereichsübergreifenden Datenanalyse, unter Einsatz digitaler Systeme, kann der Seefrachteinkaufsprozess von Vollcontainern in einem international operierenden Logistikdienstleistungsunternehmen rational gesteuert werden

6 Bewertung und Ausblick
6.1 Kritische Reflexion
6.2 Handlungsempfehlungen
6.2.1 Datenanalyse, Prozess- und Wissensmanagement
6.2.2 Anwendungsfelder identifizieren
6.2.3 Entwicklungsziele formulieren
6.2.4 Technische Systeme
6.2.5 Struktur und Kompetenzen
6.2.6 Zusammenfassung
6.3 Forschungsbedarf

7 Fazit
7.1 Ausblick

8 Literaturverzeichnis

Anhangsverzeichnis

Anlage A: Expert Survey

Anlage B: Likert Skalen Ergebnis

Anlage C: Codierbuch

Darstellungsverzeichnis

Darstellung 1: Marktanteile der Top 10 Container-Reedereien weltweit

Darstellung 2: Strategische Einkaufsziele

Darstellung 3: Das Modell einer Wertkette

Darstellung 4: Die elektronische Wertschöpfungskette in der digitalen Wirtschaft

Darstellung 5: Die datengetriebene Wertschöpfungskette

Darstellung 6: 10 Vs von Big Data

Darstellung 7: Data Volume and Velocity vs. Variety

Darstellung 8: Analytische Fragen: Lieferkettenbeispiel

Darstellung 9: Auswertungsgrundlage

Darstellung 10: Aufgaben im Einkaufsprozess mit Datenverarbeitungssystemen

Darstellung 11: „Auswertung mit deduktiven Kategorien“

Darstellung 12: Wertkette für Serviceleistung in Anlehnung an Porter

Darstellung 13: Beispiel zum internen Procure-to-Pay-Prozess

Darstellung 14: Zusammenhang Big Data, Business Analytics, RPA und Machine Learning

Darstellung 15: Wichtige Begriffe der KI

Darstellung 16: Illustration eines Verhandlungsdashboards

Tabellenverzeichnis

Tabelle 1: Big Data und traditionelle Analytics-Lösungen

Tabelle 2: Terminologie zur Verwendung von Analyse von Daten

Tabelle 3: Empirische Untersuchung

Tabelle 4: Experten

Tabelle 5: Ergebnisse der Likert Skala ‚Rating of ressource effort and digital influence‘

Tabelle 6: Kategorienbezeichnung

Abkürzungsverzeichnis

API Application Programming Interface (Anwendungsschnittstelle)

BA Business Analytics

BI Business Intelligence

B/L Bill of Lading

FAK Freight all kind (Vertragsart)

FCL Full Container Load (Vollcontainer)

FT Fuß Maßeinheit (1ft = 0,3048 Meter Längeneinheit)

ISO International Organization for Standardization

KI Künstliche Intelligenz

KNN Künstliche Neuronale Netze

KPI Key Performance Indicator (dt. Kennzahlen)

LTA Longterm Agreement (Vertragsart)

NA Named account (Vertragsart)

P+L Profit and Loss (Gewinn/Verlust)

STA Shortterm Agreement (Vertragsart)

TEU Twenty Food Equivalent Unit (20ft Container)

VID Volume Incentive Discount (Erfahrungskurveneffekt)

Abstract

„Are you still calculating with numbers? Or already with insights?”¹

Data is a valuable resource, provided that its Potenzial is exploited. This thesis demonstrates the Potenzial that lies in the use of a data analysis system. With data, efficiency, effectiveness and quality can be increased and risks can be minimized at the same time. The study is based on a case study of the sea freight purchasing of a logistics service provider, which is an owner-operated, independent company with nearly 2.400 employees worldwide. The globally active company operates in a volatile market for which speed and flexibility have become an additional challenge. The empirical evidence is provided by semi-structured interviews with experts from the purchasing department of the logistics service provider. The expert interviews are guided by a questionnaire that is based on the core tasks of the process organization. The processes are familiar to the interviewed experts and closely linked to the data analysis. The use of data analysis creates added value for the company which is particularly evident when it extends along the entire value chain. Based on the findings from the literature and the interviews in this study, the need for the use of a data analysis system is presented. This results in recommendations for action for the company with regard to digital transformation.

1 Einleitung

Die Einleitung leitet aus dem Konzept ‚Industrie 4.0‘ die Relevanz des Themas der Datenanalyse im Einkauf ab und stellt das der Arbeit zugrundeliegende Fallbeispiel vor. Die Signifikanz des Themas wird in dem Abschnitt der Problemstellung mit den Studien ‚Mit Daten Werte schaffen – Report 2015 und 2017‘ des Unternehmens KPMG AG mit Werten belegt. Der Beweggrund der Autorin sich mit der Thematik auseinanderzusetzen beschreibt der Abschnitt Motivation. Die aus dem Thema abgeleitete Zielsetzung und Forschungsfragen sowie die Hypothese werden danach vorgestellt. Die Planung des methodischen Vorgehens basiert auf ausgewählter Literatur und der empirischen Untersuchung des Fallbeispiels. Die Literatur bezieht sich auf den Bereich Einkauf und Controlling, Wertschöpfungs- und Prozessmanagement sowie strategische Ausrichtung im Zusammenhang der Logistikbranche und deren Ausrichtung auf die digitale Transformation. Die Kapitel dieser Arbeit sind in dem Abschnitt ‚Aufbau der Arbeit‘ zusammengefasst und weisen einen Überblick aus. In dem Absatz über ‚Stand und kritische Reflexion‘ wird abermals die Bedeutsamkeit des Einkaufs und der Datenorientierung hervorgehoben.

1.1 Relevanz des Themas

Die Thematik Industrie 4.0 befasst sich mit der fortschreitenden Entwicklung der Informations- und Kommunikationstechnologie. Der Begriff selbst bezeichnet im allgemeinen die vierte industrielle Revolution. Mit den neuen Technologien (Kapitel 4), die sich dabei entwickelten, entstand die Möglichkeit der elektronischen Datenverarbeitung, die auf der Erfindung des Internets in der Phase der dritten industriellen Revolution aufbaut. Die vierte Revolution ist die Grundlage des gesellschaftlichen Wandels von der Industrie- zur Wissensgesellschaft. Aufgrund des Konzept Industrie 4.0, das im Jahr 2011 von W.D. Lukas, H. Kagermann und W. Wahlster vorgestellt wurde, erfolgt in Organisationen die digitale Transformation.² Der digitale Wandel bezieht sich dabei unter anderem auf den Bereich des Einkaufs, hier bezeichnet als Einkauf 4.0. Er ist verantwortlich für die Beschaffung von Gütern, Rechten und Dienstleistungen, die das Unternehmen für seinen Geschäftsbetrieb benötigt. Zu seinen Aufgaben gehören die Mitwirkung bei der Auswahl und Weiterentwicklung von Geschäftspartnern sowie ein effizientes Kostenmanagement. In dem Praxisbeispiel, das dieser Masterarbeit zugrunde gelegt wird, hat ein international operierendes Logistikdienstleistungsunternehmen, das als Frachtenvermittler operiert, im Bereich des globalen Frachteneinkaufs mit der Umsetzung der digitalen Transformation begonnen. Der Einkauf für Transportdienstleistung ist neben dem Vertrieb und den operativen Abteilungen, ein wesentlicher Bestandteil in der Wertschöpfungskette. Der Einkauf verhandelt mit den Reedereien die Kosten und Verfügbarkeit von Containern. Der Vertrieb hat die Aufgabe, den Kunden ein verbindliches Angebot zu unterbreiten, die operativen Abteilungen wickeln das Geschäft ab und buchen die Seefracht bei den Reedereien. Traditionell bezieht sich der Verkaufspreis auf den Einkaufspreis zum aktuellen Zeitpunkt des Verkaufs. Der Anspruch des digitalisierten Einkaufs ist es, autonom, in Echtzeit und vorausschauend zu agieren³. Um dies zu erfüllen, werden im ersten Schritt Daten erfasst, verarbeitet und gespeichert. Zur Effizienzsteigerung werden sie dann analysiert, neugeordnet und der Entscheidungsfindung zugrunde gelegt. Mit dem Einsatz von künstlicher Intelligenz sollen in Zukunft auf Basis von Informationen aus der Vergangenheit, aus den Geschäftsvereinbarungen und aus den anstehenden Ereignissen innovative Modelle entwickelt werden, die das Expertenwissen und neue Publikationen sowie die Entscheidungen in das tägliche Handeln integrieren.

1.2 Problemstellung

Das Problem zeigt sich in den verflochtenen Entscheidungsfindungen, die unter Zuhilfenahme von Fachkenntnissen unterschiedlichster MitarbeiterInnen in einem international operierenden Logistikdienstleistungsunternehmen getroffen werden. Der Austausch zwischen den verschiedenen Beteiligten führt zu einer erhöhten Komplexität und zu verstärktem Kommunikationsbedarf. Die Verwendung standardisierter Prozessen innerhalb des Unternehmens führt zu Transparenz und zur besseren Handhabung komplizierter Themen.⁴ Das Unternehmen weist in seiner Wertschöpfungskette Primär- und Sekundära-Aktivitäten auf, in denen über Kenntnisse unterschiedlicher Disziplinen verfügt wird. Die Aktivitäten sind abhängig voneinander, aufgrund von Zeit- und Ressourcenknappheit bilden die Abteilungen aber „Silos“. Die Silos im übertragenen Sinne bedeuten auf sich gestellte, abgegrenzte Einheiten, die nicht abteilungs- und funktionsübergreifend kommunizieren. Durch die Komplexität ist es schwierig für den Einzelnen, den Überblick zu behalten und Informationen bei Bedarf in Echtzeit bereitzustellen.⁵ Die Studie des Unternehmens KPMG AG zum Thema „Mit Daten Werte schaffen – Report 2015“ sagt aus, dass zwei Drittel der Unternehmen aus der Transport- und Logistikbranche mit Datenanalysen einen Mehrwert schaffen. Die Branche gehört zu den Nachzüglern beim Einsatz von Datenanalysen, selten wird das Thema strategisch angegangen. Konkrete Strategien sind bei nur knapp einem Viertel der befragten Unternehmen entwickelt. Die Mehrheit der traditionell aufgestellten Branche verweist auf den vermeintlich fehlenden Mehrwert einer digitalen Strategie. Dennoch bestätigen 67% der befragten Marktteilnehmer, einen konkreten Nutzen aus der Analyse von Daten zu ziehen. Bereits im Jahr 2015 war Steffen Wagner, Head of Transport & Leisure der Überzeugung, dass Big-Data-Analysen in der Branche stärkere Umsätze abseits des bekannten Geschäftsmodells generieren und Kapazitäten sowie Routen gegenüber externen Schocks robuster gestalten können.⁶ Die in dem Jahr 2017 veröffentlichte Studie „Mit Daten Werte schaffen“ weist aus, dass 40% der deutschen Unternehmen vor allem Finanzzahlen zur Überwachung der Geschäftsentwicklung analysieren und 37% der Unternehmen die Daten der Bestandkunden für bessere Informationen verwenden. Eine Entwicklung für neue Produkte oder Dienstleistungen auf der Basis von Daten wird von nur 8% der Unternehmen genutzt. Die Einschätzung des Potenzials zur Mehrwertgewinnung fällt mit 29% gering aus.⁷

1.3 Motivation

Die in der Fachliteratur postulierte Sichtweise auf den Bereich Logistik erfolgt meist im Zusammenhang mit produzierendem Gewerbe. Selten wird die Dienstleistung der Transportbesorgung beschrieben. Der Inhalt des Studiums „Digitale Transformation“ rief die Frage hervor, wie die Theorie in der Praxis eines Logistikdienstleistungsunternehmens ohne eigene Transportmittel umgesetzt werden kann. Es ergaben sich weitere Fragen in Bezug auf die Wertschöpfung ergeben. Eine Frage bezieht sich auf den Mehrwert: ‚Wie wird der Mehrwert für den jeweiligen Kunden erzeugt, wenn keine Produktion stattfindet?‘ und die andere Frage lautet: ‚Wie passt der Seefrachteinkauf mit der Vermittlung eines Service in das Wertschöpfungsmodell, wenn keine Rohmaterialbeschaffung sowie keine Eingangs- und Ausgangslogistik erfolgt?‘ Den Kunden in den Mittelpunkt zu stellen, obliegt im Allgemeinen dem Vertrieb, der die Kosten als Basis seines Verkaufspreises zugrunde legt. Innerhalb eines SAP-Projekts fand die Frage zur Preisbildung (‚Top/Down‘ oder ‚Bottom/Up‘) beim Vertrieb keine Resonanz. Die Schlagwörter ‚Transparenz‘ und ‚Mit Daten Geld verdienen‘ kamen ab dem Jahr 2015 ins Gespräch. Dabei stellte sich die Frage, was diese für einen Logistikdienstleister bedeuten. Auf der Suche nach den Antworten fiel der Fokus bereits bei der Exposé-Erstellung zu dieser Masterarbeit auf den Einkauf. Zusätzlich wurde Mitte des Jahres 2020 die innerbetriebliche Anfrage zur Betreuung eines analytischen Tools für das Controlling an die Autorin gestellt. Daraufhin entstanden die Forschungsfragen sowie die Hypothese. Eine erneute Anfrage in der Einkaufsabteilung für die Zusage zur Unterstützung der Masterarbeit, zeigte aufgrund der Coronakrise eine komplette Marktveränderung auf. Eine solche Umwälzung durch Krisen ist immer wieder zu beobachten. Somit entstand die Frage, wie Daten bei der Bewältigung von komplexen Aufgaben und Zusammenhängen unterstützen können und wie es möglich ist, dabei künstliche Intelligenz einzusetzen.

1.4 Zielsetzung und Forschungsfragen

In diesem Abschnitt wird das Ziel der Masterarbeit gesetzt und die Forschungsfragen sowie die Hypothese gewählt. Die Logistikdienstleistungsbranche übt vielfältige und komplexe Tätigkeiten aus. Die Forschung ist zur besseren Verständlichkeit auf den Bereich Seefracht Vollcontainer eingegrenzt und schließt damit weitere Bereiche der Seefracht, wie z.B. Stück- und Schwergut sowie andere Verkehrsträger aus. Die genannten „Nicht-Ziele“ schränken den Umfang dieser Masterarbeit weiter ein.

1.4.1 Ziele und Eingrenzung

Der Leistungserbringung vorweg stehen die Planung und der Entwurf. Die Parameter der Planung variieren je nach Planungsart. Diese kann inkrementell oder agil umgesetzt werden. Ein Teil der Planung enthält die Erstellung und Nutzung von Analysen, für die Daten aus verschiedenen Quellen genutzt werden.⁸ In dem untersuchten international operierenden Logistikdienstleistungsunternehmen werden Daten in unterschiedlichen Systemen erfasst, verarbeitet und gespeichert. Im nächsten Schritt sollen diese nun mithilfe eines Systems aggregiert, analysiert, neugeordnet und zur Entscheidungsfindung zugrunde gelegt werden. Die Ergebnisse der Analyse sind dann als Maßnahmenvorgaben für den Einkauf zu sehen, um den veränderten Rahmenbedingungen Rechnung zu tragen.⁹ Ziel der vorliegenden Arbeit ist es, die Nutzung der bereichsübergreifenden Datenanalyse anhand des Seefrachteinkaufs für Vollcontainer zu untersuchen und ein Verständnis dafür zu entwickeln, welche branchenspezifischen Anforderungen zu erfüllen sind bzw. Potenziale aufweisen. Mit dem Datenanalysesystem soll der Vergleich geschaffen werden, die Istwerte mit den geplanten und vereinbarten Konditionen darzustellen.¹⁰ Die Masterarbeit verfolgt nicht das Ziel, die Perspektive der Vertriebs- und der operativen Einheiten in Bezug auf den Einkauf zu erarbeiten. Außerdem werden weder ein Konzept, noch ein Modell, ein Framework oder Entscheidungsgrundlagen zu erarbeitet.

1.4.2 Forschungsfragen

Vor dem Hintergrund der Problemstellung ergibt sich folgende Forschungsfrage:

1. Welche Potenziale liegen in der Nutzung eines bereichsübergreifenden Datenanalysesystems für den Seefrachteinkauf von Vollcontainern eines international operierenden Logistikdienstleisters, um den Einkaufsprozess zu steuern?

Zur näheren Bestimmung sollen in der Masterarbeit dabei die folgenden Unterfragen beantwortet werden:

a. Welche Anforderungen sind zu erfüllen, um den Einkaufsprozess zu steuern?
b. Welche Abweichungen sind zwischen Anforderung und Nutzung zu erkennen?

Ausgehend von diesen Fragestellungen ergibt sich die zu untersuchende Hypothese:

2. Mit der bereichsübergreifenden Datenanalyse unter Einsatz digitaler Systeme kann der Seefrachteinkaufsprozess von Vollcontainern in einem international operierenden Logistikdienstleistungsunternehmen rational gesteuert werden.

1.5 Methodik und Aufbau der Arbeit

1.5.1 Methodisches Vorgehen

Das Thema dieser Arbeit ist eingegrenzt auf den Bereich Einkauf für Vollcontainer in der Seefracht. Der Bereich der Datenanalyse ist umfangreich und beinhaltet weitere am Prozess beteiligte Einheiten. Diese wissenschaftliche Arbeit umfasst die literaturbasierenden Informationen über die Aufgaben und die Wertschöpfung im Einkaufsprozess sowie die Erfolgsmessung und die Digitalisierung im Einkaufscontrolling. Die digitale Transformation im Einkauf verbindet traditionelle Analysen mit Big Data, um sich darauf aufbauend die Automatisierung und künstliche Intelligenz zu Nutze zu machen. Die Begriffe Big Data, Analyse und künstliche Intelligenz werden durch Recherche der Fachliteratur aufgegriffen und voneinander abgegrenzt. Im Anschluss werden die Erkenntnisse und das Vorwissen der Autorin in einen Fragebogen eingearbeitet. Er dient als Leitfaden für Experteninterviews und gibt den Gesprächen eine Struktur. Bei den Experten handelt es sich um MitarbeiterInnen aus dem Bereich Einkauf des untersuchten Logistikdienstleisters. Die Auswertung der Interviews erfolgt nach der zusammenfassenden Inhaltsanalyse in Anlehnung an Mayring.^{11 12} Die Einblicke in die Praxis und die Erkenntnisse aus der Literaturrecherche sollen das Potenzial aufzeigen, das in der Datenanalyse liegt.

1.5.2 Aufbau der Arbeit

Die Arbeit besteht aus sieben Kapiteln. Das erste Kapitel enthält einen Überblick über das gesamte Thema und dessen Relevanz. Im zweiten Kapitel werden Begriffsbestimmungen aus der Logistik aufgenommen, die dem interessierten Laien den Zugang in die Fachbegriffe der Branche erleichtern. In Kapitel 3 sind die Grundlagen und Aufgaben des Einkaufsprozesses beschrieben. Darin werden neben den Aufgaben die physische und datengetriebene Wertschöpfung zur Erkennung des darin enthaltenen Mehrwerts mit anschließendem Bezug zur Erfolgsmessung betrachtet. Der Fragebogen zur empirischen Untersuchung wird anhand der Informationen aus Kapitel 3 erstellt. In Kapitel 4 werden Big Data, Analytik und künstliche Intelligenz voneinander abgegrenzt. Die neuen Technologien stehen für den weiterführenden Erkenntnisgewinn zur Verfügung. Der empirische Teil wird in Kapitel 5 dargestellt und besteht aus einem Fragebogen und den Experteninterviews. Der Fragebogen strukturiert die Experteninterviews, die im Anschluss durch die zusammengefasste Inhaltsanalyse ausgewertet wird. Die Erkenntnisse beantworten die Forschungsfragen und die Hypothese. In Kapitel 6 erfolgt die Reflexion über die wissenschaftliche Arbeit und die daraus resultierenden Handlungsempfehlungen für den Seefrachteinkauf. Der Mehrwert für das Unternehmen ergibt sich aus der Gesamtsicht auf alle am Prozess beteiligten Bereiche. Hieraus ergibt sich weiterer Forschungsbedarf, der in Kapitel 6 dargestellt wird. Das Fazit in Kapitel 7 bildet den Abschluss dieser Arbeit.

1.6 Stand und kritische Reflexion

Die Literaturrecherche für die Thematik der digitalen Beschaffung in der Logistik ist umfassend. Google Scholar liefert ca. 8990 Ergebnisse. Die Autoren F. C. Kleemann und A. H. Glas beschreiben in ihrem Buch, dass zukünftig analytisch-konzeptionelle Aufgaben, Prozessgestaltung und Steuerung einen deutlich größeren Stellenwert einnehmen als die operative Tätigkeit. Den Einkauf zu steuern bedeutet, Missstände zu erkennen, zu dokumentieren und ggfs. gemeinsam mit anderen ändern, um auf eine dauerhaft tragfähige Lösung hinzuarbeiten. Durch die Auseinandersetzung der Einkaufsabteilung mit dem Themenkreis beweist sie durch einen Lösungsansatz den Mehrwert, der hieraus entsteht.¹³ Die Abteilung ‚Innovation und Transformation‘ des Fraunhofer-Instituts für Integrierte Schaltung (ISS) beschreibt, dass erfolgreiche zukünftige Geschäftsmodelle auf Daten basieren. Die datenzentrierte Sichtweise verlangt nach einem Paradigmenwechsel in traditionellen Unternehmen. Die digitale Transformation ist der Treiber zur Veränderung in diesen Unternehmen. Um am Markt erfolgreich bestehen zu bleiben, ist eine klare Vorstellung zur Nutzung der Daten unvermeidlich. Die Orientierung datenbasierender Zielsetzungen findet sich in den wertschöpfenden Bereichen eines Unternehmens wieder. Damit die Auswirkung auf den gesamten Geschäftsprozess berücksichtigt wird und dadurch ein Mehrwert entsteht, muss die Datenerhebung in allen Unternehmensbereichen umfassend erfolgen. Durch den so erzeugten Mehrwert wird ein Unternehmen zukünftig nachhaltig erfolgreich sein.¹⁴

2 Begriffsbestimmung

Im vorliegenden Kapitel werden Begriffe aus dem logistischen Umfeld definiert, die in dieser Arbeit verwendet werden. Die Erklärungen sollen es interessierten Laien ermöglichen, die branchenspezifische Abhandlung zu verstehen.

2.1 Spediteur in der Logistik

Der Spediteur in der Logistik, wird auch als Logistikdienstleister bezeichnet. „Er besorgt gewerbsmäßig im Rahmen der für Speditionsgeschäfte gültigen Rechtsvorschriften Güterversendungen durch Frachtführer oder Verfrachter von Seeschiffen für Rechnung eines anderen (des Versenders) im eigenen Namen (§ 453 HGB ff.). Das ‚Besorgen von Güterversendungen‘ beinhaltet die kaufmännisch-organisatorische Auswahl und Kontrolle von und den Vertragsabschluss mit Frachtführern bzw. Verfrachtern, Verkehrsbetrieben, die dann die Güter des Auftraggebers (des Versenders) zu befördern haben.“^{15 16} Der Spediteur in der Logistik schließt zwei Verträge im Gesamtprozess ab, zum einen den Speditionsauftrag (§ 453 HGB) mit dem Auftraggeber (Versender) und zum anderen den Frachtvertrag (§ 407 HGB ff.) mit dem Frachtführer und den Seefrachtvertrag (§ 481 HGB ff.) mit dem Verfrachter.¹⁷

2.2 Verfrachter von Seeschiffen

„Als Frachtführer bzw. Verfrachter wird bezeichnet, wer gewerbsmäßig die Beförderung von Gütern zu Lande oder auf Flüssen oder sonstigen Binnengewässern übernimmt. Im Seefrachtgeschäft heißt er Verfrachter“¹⁸ (§ 407, § 476). Der Verfrachter wird im Verlauf dieser Arbeit als Lieferant, Carrier oder Reederei bezeichnet.¹⁹

2.2.1 Die weltweit größten Container-Reedereien

Gemäß Statista als einem führenden Anbieter für Markt- und Konsumentendaten²⁰ werden die weltweit größten Reedereien in unterschiedlichen Kategorien gemessen. Unabhängig davon, ob es sich um die Kategorien Gesamtkapazität²¹, Gesamtanzahl der Schiffe²² oder den Marktanteil²³ handelt, wird im Jahr 2020 das dänische Schifffahrtsunternehmen Maersk als größte Reederei eingestuft. Auf dem zweiten Platz folgt in allen Kategorien die Reederei Mediterranean Shipping Co. (MSC). Die danach folgenden Plätze ergeben sich je nach Kategorie aus den Reedereien Cosco, CMA CGM und Hapag Lloyd. Darstellung 1 zeigt beispielhaft die Statistik der Top-10-Container-Reedereien weltweit, gemessen an den Marktanteilen.

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 1: Marktanteile der Top 10 Container-Reedereien weltweit²⁴

2.2.2 Container

In der Seefracht werden diverse Container-Modi unterschieden. Diese Arbeit behandelt ausschließlich den Container-Mode FCL (Full Container Load), der übersetzt Voll-Containerladung bedeutet. Es handelt sich um ISO-genormte Behälter,²⁵ die Güter im Schiffsverkehr verfrachten. Der Container-Mode FCL beinhaltet unterschiedliche Containerarten- und -größen, die als Container-Typ bezeichnet und durch das Bureau International des Containers verwaltet werden.²⁶ In der Regel handelt es sich um Standardcontainer, die in die Größen 20ft und 40ft eingeteilt werden. Eine 20ft-Containerlänge wird als ein TEU (Twenty-Food Equivalent Unit) bezeichnet.

2.2.3 Allocation

Im Frachtvertrag zwischen dem Spediteur und dem Verfrachter wird eine Allocation als zugesicherte Containermenge für einen bestimmten Zeitraum auf einer bestimmten Handelsstrecke (Tradelane) zu festgelegten Konditionen vereinbart. Ziel ist es, die vereinbarte zu verladende Containeranzahl unabhängig vom Saisongeschäft einzuhalten. Der Spediteur verpflichtet sich zur Lieferung der Menge, der Verfrachter im Gegenzug zur Bereitstellung des Schiffsplatzes.

2.3 Logistikdienstleister

Die Entwicklung von Speditionen zu Logistikdienstleistern vollzog sich in den letzten Jahrzehnten.²⁷ Letztere erbringen logistische Dienstleistungen für die verladende Wirtschaft. Je nach Schwerpunkt der Dienstleistung kann bei Komponentenanbietern zwischen Spedition, Transportunternehmen, Lagerei, Umschlags- und Verpackungsunternehmen unterschieden werden.²⁸ Die aktive Gestaltung integrierter Logistikketten von Material und Informationsflüssen, über den gesamten Wertschöpfungsprozess trug dazu bei, dass die logistische Dienstleistung planungsrelevante Daten aufeinander abstimmt, um die Güterversendung in der Lieferkette des Kunden zu organisieren.²⁹ Dem Optimierungsansatz des Supply Chain Management folgend weiten die Verlader die Planung und Steuerung auf die externen Logistikdienstleister aus.³⁰ Die Fokussierung der Anbieter speditioneller Dienstleistungen auf ein Alleinstellungsmerkmal und die Kundenzentrierung hat den Anspruch an den logistischen Prozess erhöht. „Die logistischen Dienstleistungsunternehmen streben nach den acht richtigen „ ‚r“ ‘: Die richtige Ware, in der richtigen Menge, in der richtigen Qualität, zum richtigen Zeitpunkt, zu den richtigen Kosten, am richtigen Ort, mit den richtigen Daten und dem richtigen Wissen.“³¹ Die beiden zuletzt genannten „ ‚r“ ‘ beziehen sich auf die richtige Information und verweisen damit auf das Thema der digitalen Transformation.

3 Grundlagen des Einkaufs

Das Kapitel 3 geht auf die Struktur des Einkaufs und dessen Prozesse ein. Mit der strategischen Ausrichtung des Einkaufs wird ein Mehrwert in der Wertschöpfung angestrebt. Die Wertschöpfung der Realwirtschaft erstellt ein reales Produkt, welches durch die neuen Technologien als datengetriebene Wertschöpfung ergänzt werden kann. Die Daten können den statistischen Verfahren der Erfolgsmessung im Einkauf dienen und werden durch das Controlling gesteuert. Die Digitalisierung erfolgt wie in allen Bereichen des Unternehmens ebenfalls im Controlling, auf das einen kurzen Bezug genommen wird, bevor der Übergang zu den neuen Technologien im nächsten Kapitel gezogen wird.

3.1 Einkauf

Der Einkauf ist die Summe aller operativen und strategischen Tätigkeiten, die im Rahmen der Beschaffung von Dienstleistungen durchzuführen sind.³² Die strategische Führung gestaltet ein System unter Vorgabe eines Ziels, abgeleitet aus der Unternehmensvision und -mission, während die operative Führung das strategisch gegebene System zur Erreichung des angestrebten Ziels nutzt. Die Kernelemente des Geschäftsmodells selbst werden als gegeben und unveränderlich hingenommen. Die operative Führung optimiert die Nutzung des Systems innerhalb des vorgegebenen Rahmens während die strategische Führung die Kernelemente als gestaltbar betrachtet. Sie nimmt deren bestehende Ausgestaltung als aktuell gegeben hin, hat aber alle Freiheiten, sie zu verändern. Einschränkungen für diese Veränderungen sind die verfügbaren Ressourcen und Widerstände im Unternehmen oder im Markt.³³

3.2 Operativer Einkauf

Die operative Führung beschäftigt sich mit Aufgaben in einem bestehenden System, so dass ein angestrebte Zweck erreicht wird. Die Erfüllung der Aufgaben werden in dem Umfang vollzogen, wie sie zur Verfügung gestellt werden. Bei den operativen Aufgaben handelt es sich um wiederholende Tätigkeiten im Rahmen des Tagesgeschäfts. Ihr optimaler Einsatz dient dem Systemzweck, sie werden nicht grundlegend in Frage gestellt.³⁴ Die Konditionen werden in der Regel durch den strategischen Einkauf vorgegeben.³⁵ Für den operativen Einkauf müssen die Aspekte der Kostenreduzierung bei gleichbleibender Qualität in einem vorgegebenen Zeitfenster gleichzeitig erfüllt werden.³⁶

3.3 Strategischer Einkauf

Die strategische Führung beschäftigt sich mit den Elementen und Beziehungen, aus denen ein System aufgebaut sein sollte, um den angestrebten Systemzweck bestmöglich zu erreichen. Beide Parameter sind nicht vorgegeben, sondern unterliegen der freien Gestaltung.³⁷ Mit der Realisierung strategischer Einkaufsziele wird die operative Zielsetzung, eine kostengünstige, qualitätsgerechte und zeitlich optimale Versorgungssicherheit des Unternehmens mit Waren und Dienstleistungen permanent zu gewährleisten, um die strategischen Ziele erweitert. Diese umfassen zusätzlich das Wachstum und sind auf ein Optimum fokussiert. Sie bilden die Grundlage für unternehmerisches Wachstum und die langfristige Wettbewerbsfähigkeit. Darüber hinaus berücksichtigen sie sowohl kulturelle als auch gesellschaftliche Werte, um die langfristige Sicherstellung des wirtschaftlichen Erfolgs nicht zu gefährden. Erreicht werden sollen die Ziele mit entsprechenden strategischen Maßnahmen. Dabei ist dafür zu sorgen, dass alle unternehmensinternen Möglichkeiten und externen Entwicklungen genutzt werden, um sich auf der Beschaffungsseite der wettbewerbsfähigsten Wertschöpfungsketten nachhaltig zu bedienen. Mit Blick auf die Unternehmenszielsetzung soll so ein langfristiges Optimum in der Kostenreduktion, in der bestmöglichen Qualität in der Verringerung von Reaktionszeiten, im Aufbau der Entwicklung und im Erhalt des dazu notwendigen Wissens erzielt werden.³⁸

3.4 Aufgaben im Einkaufsprozess

Zu den Aufgaben des Einkaufs gehören, die Bedarfsermittlung, die Beschaffungsmarktforschung, die Make-or-Buy-Entscheidung sowie die Vertragsvereinbarung, die Bestellabwicklung, das Lieferantenmanagement und die strategische Beschaffung.³⁹ Die Make-or-Buy-Entscheidung, die sich auf produzierende Gewerbe bezieht, kommt in der Logistikdienstleistung nicht zum Tragen.

3.4.1 Bedarfsermittlung

Zur Bedarfsermittlung gehört das Einkaufsvolumen, das auf der Basis der letzten zwölf Monate ermittelt wird und das sich auf einen Betrachtungszeitraum bezieht.⁴⁰

3.4.2 Beschaffungsmarktforschung

Die Beschaffungsmarktforschung sammelt Marktinformationen. Diese werden aufbereitet und für Beschaffungsentscheidungen weitergeleitet.⁴¹ Die relevanten Daten zeigen Entwicklungstendenzen auf den Beschaffungsmärkten auf. Diese werden vom Einkauf regelmäßig zusammengetragen und mit vorhandenen Informationen angereichert. Die Marktinformationen müssen in eigener Aktivität analysiert werden. Veränderungen von Kostenstrukturen, das Aufkommen alternativer Lieferanten, der Einsatz kostengünstiger Substitutionsgüter oder die höhere Wirtschaftlichkeit innovativer Technologien finden in der Aktivität Berücksichtigung.⁴²

3.4.3 Vertragsvereinbarung

Für den zu erwartenden Bedarf werden Rahmenverträge mit den Lieferanten abgeschlossen. Es können mehrere Einzelaufträge zu einem Gesamtauftrag gebündelt werden. Mit der Volumenbündelung findet in Produktionsunternehmen eine Fixkostendegression durch den Erfahrungskurveneffekt statt. Dieser besagt, dass bei einer Verdoppelung der Ausbringungsmenge die realen Stückkosten reduziert werden. In dem Vertrag werden alle Vereinbarungen der Zusammenarbeit geregelt. Verpflichtet sich der Einkauf zur Abnahme einer Bedarfsmenge, stellt eine Bonusvereinbarung einen Anreiz dar. Dies wiederum erzeugt bei Bedarfsrückgang ein Risiko.⁴³

3.4.4 Bestellabwicklung

Die Bestellabwicklung ist der operative Prozessblock, der abteilungsübergreifend überwiegend von Menschen durchgeführt wird. Ziel ist es den Einkauf durch Automatisierung zu unterstützen und eine „End-to-End“-Prozessabwicklung durch ein IT-System zu integrieren.⁴⁴ Der Einkauf ist ein integraler Bestandteil in den abteilungsübergreifenden Organisationsstrukturen. Mit seiner Expertise sowie mit Sozial- und Methodenkompetenz sucht der Fachbereich im Fall von Interessenkonflikten zwischen Lieferanten und Fachabteilungen nach Lösungen. Vorhandene Daten und Analysen unterstützen bei der Konfliktlösung.⁴⁵

3.4.5 Lieferantenmanagement

Im Lieferantenmanagement wird das Potenzial der Lieferanten beurteilt. Das bedeutet, dass Kriterien zur Auswahl zugrunde gelegt werden müssen. Legt ein Unternehmen kostenreduzierende Kriterien an, so muss die Auswahl der Lieferanten anhand von Einsparungspotenzialen erfolgen. Demgegenüber steht die Verfolgung von qualitätssteigerndem Lieferantenmanagement, in dem eine partnerschaftliche Zusammenarbeit im Vordergrund steht. Je nach Kundeninteresse sind unterschiedliche Erwartungen zu erfüllen, die der Einkauf bei Auswahl der Lieferanten zu berücksichtigen hat.⁴⁶

3.4.6 Strategische Beschaffung

Durch die strategischen Einkaufziele soll eine effiziente und effektive Versorgung durch Waren oder Dienstleistung sichergestellt werden. So sollen langfristig Kosten reduziert, die Qualität bestmöglich gesteigert, die Reaktionszeiten verringert sowie Wissen aufgebaut werden. Wie Darstellung 2 zeigt, werden strategische Ziele in vier Kategorien aufgeteilt. Zur Sicherstellung des wirtschaftlichen Erfolgs bauen sie auf der Produktivität auf und verfolgen das unternehmerische Wachstum unter Berücksichtigung von kulturellen und gesellschaftlichen Werten. Mit dem Streben nach dem Optimum berücksichtigt die Unternehmenszielsetzung alle Kategorien. Diese sind aufgebaut nach der Kostenführerschaft (Economies of Cost), nach dem Kundennutzen (Economies of Quality), nach den Chancen/Risiken (Economies of Competence) und nach der Geschwindigkeit (Economies of Time).⁴⁷ Historisch waren zunächst die Qualität und die Konditionen für den Erfolg verantwortlich. Entweder wurde das Leistungsangebot für den Nachfrager kostengünstiger (Economies of Cost) oder qualitativ besser (Economies of Quality) als der Wettbewerb angeboten. Dann kamen die beiden Faktoren Zeit (Schnelligkeit) und Flexibilität (Economies of Time) hinzu. Die Leistung musste zu einem bestimmten Zeitpunkt an einem bestimmten Ort angeboten werden. Aufgrund der Entwicklung von der Agrarwirtschaft (ab dem 8. Jh.) zur Industriegesellschaft (ab dem 18.Jh) und die darauffolgende Wissensgesellschaft (ab dem 21. Jh.) wird heute Information (Daten und Wissen) neben Boden, Arbeit und Kapital als eigenständiger Produktionsfaktor angesehen.⁴⁸ Der Faktor Daten zählt zur Kategorie ‚Economies of Time‘, der Faktor Wissen zu ‚Economies of Competence‘.⁴⁹

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 2: Strategische Einkaufsziele⁵⁰

3.5 Wertschöpfung

Der vom Unternehmen insgesamt erzeugte Marktwert inklusive aller Produkte und Dienstleistungen nach Abzug aller Kosten ist die Wertschöpfung.⁵¹ Zur Veranschaulichung der Wertschöpfung eines Unternehmens erstellte der amerikanische Ökonom Michael E. Porter das Konzept der Wertkette.⁵² Sie zeigt in einem grafischen Modell, Darstellung 3 die Aktivitäten eines Unternehmens. Diese sind auf den Kundennutzen ausgerichtet und verursachen gleichzeitig Kosten. Der Kundennutzen und die Kosten bilden die Grundeinheit des Wettbewerbsvorteils. Er kann sich nur in der Gesamtheit aller Aktivitäten bilden. Diese sind in primäre und sekundäre Bereiche aufgeteilt, die voneinander abhängig sind.⁵³ Die Wertkette bildet die Grundlage für weiterführende Analysen. Unternehmensinterne Prozesse lassen sich durch eine Analyse optimieren und damit effizienter gestalten. Das Modell der Wertkette hat zum Ziel, Wettbewerbsvorteile für das Unternehmen zu generieren. Mit der Analyse ist die Möglichkeit gegeben, einen höheren Umsatz mit einem geringeren Kosteneinsatz zu realisieren und das Risiko zu minimieren. Je nach Art des Unternehmens unterscheidet sich die Wertkette.⁵⁴ Die nachstehende Abbildung zeigt ein Modell der Wertkette nach Porter auf Basis eines produzierenden Unternehmens.

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 3: Das Modell einer Wertkette⁵⁵

3.5.1 Wertschöpfung im Einkauf

Die fünf Handlungsfelder des Einkaufs splitten sich auf in Kapital, Kreditor, Koordination, Krise und Know-How. Das Handlungsfeld Kapital steht für Kostenreduzierung oder Liquiditätserhöhung. Der Kreditor repräsentiert die Maßnahmen im Zusammenhang mit dem Lieferanten. Die Koordination beinhaltet alle Maßnahmen in Bezug auf den Prozess. Die Schritte zur Vermeidung von Krisen bzw. zur Minimierung des Risikos gehören zum Handlungsfeld Krise. Im Mittelpunkt des Know-Hows steht die Sicherstellung des nachhaltigen und kontinuierlichen Einkaufserfolgs aufgrund des Fach- und Methodenwissens. Alle Kategorien bedingen einander und sollen anhand von Kennzahlen den Einkaufserfolg messen.⁵⁶ Ein Kennzahlensystem, das den Einkauf als Werttreiber im Unternehmen begreift, muss sich auf strategische Erfolgsfaktoren fokussieren. Datenanalysesysteme sollten aus einer ausgewogenen Mischung aus Ergebniskennzahlen und Wertetreibern bestehen. Ohne Letztere lassen sich keine Rückschlüsse auf die Ergebniskennzahlen wie beispielsweise Umsatz oder Deckungsbeitrag ziehen.⁵⁷

3.5.2 Datengetriebene Wertschöpfung

Neben Boden, Arbeit und Kapital werden Informationen erst in jüngster Zeit als eigenständiger Produktionsfaktor gewertet. Daten und Wissen, die Informationen bilden, gelten als Quelle von Wettbewerbsvorteilen. Damit liefert die Verarbeitung von Informationen eine Grundlage für unternehmerische Bestrebungen in der digitalen Wirtschaft. Die neuen Technologien bieten die Möglichkeit des Zugangs und der Darstellung von Wissen und Information. Durch die Technologien entsteht ein elektronischer Mehrwert, der sich aus den Werten des Strukturüberblicks, der Selektion, des Matching (Übereinstimmung), der Transaktion, der Abstimmung und der Kommunikation zusammensetzt.⁵⁸ Die elektronische Wertschöpfungskette gemäß Darstellung 4: Die elektronische Wertschöpfungskette in der digitalen Wirtschaft fußt auf dem Ansatz von Weiber und Kollmann und stellt die Erzeugung der Werte dar. Der Ansatz der elektronischen Wertschöpfungskette liegt im Umgang mit Informationen innerhalb von informationsverarbeitenden Prozessen und nicht wie in der Wertkette nach Porter in den physischen Wertaktivitäten. Die elektronischen Wertaktivitäten umfassen das Sammeln, Systematisieren, Auswählen, Kombinieren, Verteilen, Austauschen, Bewerten und Anbieten von Informationen. Das aus den Aktivitäten entstehende elektronische Informationsprodukt unterstützen die physischen Aktivitäten der Realwirtschaft.⁵⁹

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 4: Die elektronische Wertschöpfungskette in der digitalen Wirtschaft⁶⁰

Für die Bildung von neuen Geschäftsmodellen ist die Erfassung, Verknüpfung und Auswertung von Daten entlang der Wertschöpfungskette unvermeidlich. Ihre Verwertung kann das existierende Geschäftsmodell grundlegend verändern.⁶¹ Auf dem Weg der datengetriebenen Wertschöpfung wird vieles als Evolution und als Lösung konkreter, abgegrenzter Probleme wahrgenommen.⁶² Darstellung 5 zeigt die Integration der digitalen Wertschöpfungsstufe eines Prozessschritts im Detail. Die Qualität der Daten der Ausgangsbasis ist im weiteren Prozessverlauf wesentlich, um gute Ergebnisse zu liefern. Über statistische Verfahren oder das Wissen über technische Zusammenhänge können Daten interpoliert oder fehlerhafte Werte automatisch korrigiert bzw. eliminiert werden. Im nächsten Schritt können die erhobenen Daten mit anderen verknüpft werden, die auch aus unternehmensexternen Quellen stammen können.⁶³ Die Auswahl der Daten ist ausgerichtet auf den Kundennutzen und erfordert eine stärkere Interaktion mit dem Kunden.⁶⁴ Aufgrund permanenter Veränderungen kann jeder Durchlauf der Informationsgewinnung neue Erkenntnisse aufdecken. Die Daten müssen stetig aktuell gehalten werden, um das Ergebnis gültig zu halten. Veraltete Daten können zu einer Fehlentscheidung führen.⁶⁵

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 5 : Die datengetriebene Wertschöpfungskette⁶⁶

3.6 Erfolgsmessung

Festgelegte Kennzahlen in den einzelnen Handlungsfeldern messen den Erfolg im Einkauf. Mit der Evaluierung der Kennzahlen kann beispielsweise nachgewiesen werden, ob der Einsatz und die Nutzung von Rahmenverträgen zu einem besseren monetären Ergebnis führen als einzelne Bestellungen. Der Erfolg des Einkaufs lässt sich aber nicht allein am monetären Ergebnis messen. Je nach Kundenperspektive (Economies of Quality)⁶⁷ kann der Fokus auch auf Lieferzeiten oder zusätzliche Leistungen zur Erhöhung des Mehrwerts gesetzt werden. Es gilt zwischen verschiedenen Messverfahrungen in den einzelnen Handlungsfeldern der Wertschöpfung zu differenzieren. Mit diversen Analysen wie beispielsweise dem Periodenvergleichsverfahren, dem Plan-Ist-Vergleich oder dem Angebotsvergleichs lässt sich die Leistung im Einkauf messen.⁶⁸

3.7 Controlling

Ziel einer controlling-gerechten Unternehmensführung ist die Sicherung der Lebens- und Wertschöpfungsfähigkeit des Unternehmens. Die Aufgabe, den Realisierungsgrad von Zielen im Unternehmen zu messen und auszuwerten, ist inhaltlicher Schwerpunkt des Controllings. Bezüglich des Einkaufs wird dieser Realisierungsgrad durch das Einkaufscontrolling gemessen, womit sich der dargestellte Kreislauf des einkäuferischen Gesamtprozesses abschließt. So soll mithilfe des Einkaufscontrollings erreicht werden, dass die Entscheidungsträger im Einkauf jederzeit erkennen können, ob und wie die Maßnahmen ihren gewünschten Beitrag zur Erreichung der Einkaufs- und letztlich der Unternehmensziele leisten. Dies erleichtert die Kommunikation der Ziele und Zielwerte im Unternehmen. Die Regelungs- und Steuerungsfunktion des Controllings gewinnt damit an Bedeutung. Mithilfe geeigneter Messinstrumente sollen Abweichungen von Zielwerten im Einkauf erkannt werden, um rechtzeitig passende Steuerungsimpulse zu setzen.⁶⁹ Die Daten, die das Controlling zur Verfügung stellt, sind für den Einkäufer eine wichtige Informationsquelle bei der Beantwortung von Fragen zu den üblichen Kostenstrukturen im Unternehmen oder innerhalb einer Branche.⁷⁰ Mit klar definierten Zielen, die mit richtigen Kennzahlen nachvollzogen werden, mit einem schlüssigen Erfolgsmessungskonzept und einem transparenten Reporting kann die Steuerung des Einkaufs optimiert werden.⁷¹

3.7.1 Digitalisierung im Controlling für den Einkauf

Daten, die in analoger Form vorhanden sind, werden mit dem Ziel der elektronischen Speicherung und Weiterverarbeitung digital transformiert. Dazu werden die analogen Daten erfasst, modifiziert und aufbereitet. Im Einkauf liegen besondere Potenziale vor. Der Einkauf ist die Schnittstelle zum Lieferanten und Verantwortlich für die optimal Beschaffung der benötigten Bedarfsmengen zum erwarteten Zeitpunkt unter Berücksichtigung der Risikofaktoren zu minimalen internen Prozesskosten. Um den komplexen Aufgaben zu begegnen, sind interne und externe Daten zu erfassen, zu analysieren und als Grundlage für „schlanke“ und automatisierte Prozesse sowie als Entscheidungsgrundlage zu nutzen. Historische sowie Echtzeit-Daten werden aufbereitet, um prädiktive und präskriptive Analysen zu erstellen.⁷²

4 Abgrenzung Big Data, Analytik und künstliche Intelligenz

Unterschiedliche Technologien werden genutzt, wenn Prozesse digitalisiert und große Mengen an Daten aufbereitet werden.⁷³ Die Technologien, die zur Anwendung kommen, sind die Analyse und künstliche Intelligenz, die sich der Methoden Big Data, Deep Learning und Machine Learning bedienen. Erst nach Bereitstellung analysefähiger Daten lassen sich Business-Analytics-Methoden anwenden, durch die unternehmensrelevante Fragestellungen datenbasiert mithilfe statistischer Algorithmen und Modelle beantwortet werden können. Machine Learning hilft dabei, die zuvor berechneten Analytics-Modelle zu erweitern bzw. kontinuierlich anzupassen, indem auf Basis aktueller Daten fortlaufend selbstlernende Algorithmen angewendet werden.⁷⁴

4.1 Big Data

4.1.1 Begriffe und Definition

Der Begriff Big Data wird als eine massenhafte Ansammlung von vielfältigen Daten beschrieben. Der Fokus bei Big Data liegt auf der sehr großen, unstrukturierten, schnelllebigen Datenmenge. Big Data werden verschiedene Merkmale und Eigenschaften zugeordnet, die oft als V-Dimensionen bezeichnet werden.⁷⁵ Die Studie „Mit Daten Werte schaffen“ von KPMG wies im Jahr 2015 die fünf Merkmale Volume, Velocity, Variety, Veracity und Value aus.⁷⁶ Nach aktueller Internetrecherche werden bis zu zehn V-Dimensionen für Big Data angegeben. Die nachstehende Darstellung 6 von SAP Analytics Software gibt ein Beispiel zu den Merkmalen an. Dennoch hat die Sammlung der Daten allein noch keinen Mehrwert. Es ist nicht möglich, mit Excel-basierten Tools Milliarden unstrukturierter Datensätze zu analysieren. Dazu werden Analysetools benötigt, die die Voraussetzung erfüllen, unterschiedliche Datenformate mit hoher Geschwindigkeit zu verarbeiten. Data Analytics ist die Fortführung zum Erkenntnisgewinn, wenn das Tabellenkalkulationssystem oder die Auswertung individueller Software an Grenzen stößt.⁷⁷

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 6 : 10 Vs von Big Data⁷⁸

4.1.2 Datenarten

Daten in Form von codierten Informationen werden in Binärcodes als Zahl mit 0 und 1 erfasst. Zum Entschlüsseln werden verschiedene Datenformate genutzt. Daten können in unterschiedlichen Erscheinungsformen auftreten. Entweder strukturiert, semi-strukturiert oder unstrukturiert. Strukturierte Datenformate können csv, Tabellen und Excel sein, semi-strukturierte Daten sind in XML oder JSON aufgeteilt. Unstrukturierte Daten lassen sich in Form von Text, Audio, Bildern oder Video darstellen.⁷⁹ Darstellung 7 zeigt Materialbeispiele der Zuordnung in die Datenformstruktur nach Umfang und Geschwindigkeit.

Abbildung in dieser Leseprobe nicht enthalten

Darstellung 7 : Data Volume and Velocity vs. Variety⁸⁰

4.1.3 Big Data vs. Analytik

Eine Mischung aus Big Data und traditionellen Datenanalysen ermöglicht einen schnellen Überblick und unterstützt interne Entscheidungen. Hiervon profitieren auch traditionelle Unternehmen. Sie kombinieren große und kleine Datenmengen, interne und externe Quellen, strukturierte und unstrukturierte Formate, um neue Einblicke in prädiktive und präskriptive Modelle zu erhalten.⁸¹ Die Zielsetzung von Big Data ist die Frage nach dem Was und nicht nach dem Warum. Die Ursache eines Sachverhalts wird zweitrangig. Ohne Big Data wurde die Analyse oft auf das Prüfen einer bestimmten Hypothese ausgerichtet, bei der die Datensammlung vorab bestimmt wurde. Mit den aus Big Data gewonnenen Informationen können Muster aufgedeckt werden, deren Zusammenhänge niemand vorhersehen kann.⁸² Das Erkennen und Verstehen von Beziehungen innerhalb von und zwischen Informationseinheiten, wird mit Big Data erleichtert.⁸³ Die nachstehende Tabelle 1 gibt eine Übersicht wie sich Big Data von traditionellen Analyselösungen unterscheidet bzw. wie Big Data die vorhandenen Lösungen ergänzt, während Tabelle 2 die Historie der Datenanalyse aufzeigt, die auf der technischen Weiterentwicklung beruht.

[...]

---

¹ Vgl. Bitkom Research, KPMG, 2015, Mit Daten Werte schaffen Report 2015, S. 3

² Vgl. Kagermann, H., et al., 2011, online

³ Vgl. Kleemann, F. C., Glas, A. H, 2017, Einkauf 4.0, S. V

⁴ Vgl. Jetzke, S., 2007, Grundlagen der modernen Logistik, S. 24

⁵ Vgl. Jetzke, S., 2007, Grundlagen der modernen Logistik, S. 15

⁶ Bitkom Research, KPMG, 2015, Mit Daten Werte schaffen 2015, S. 13

⁷ Bitkom Research, KPMG, 2015, Mit Daten Werte schaffen 2017, S. 16 ff.

⁸ Vgl. Jetzke, S., 2007, Grundlagen der modernen Logistik, S. 17

⁹ Vgl. Wicharz, R., 2018, Strategie, S. 38 ff.

¹⁰ Vgl. Griga, M., et al., 2016, Controlling für Dummies, S. 193

¹¹ Vgl. Vogt, S., Werner, M., 2014, Forschen mit Leitfadeninterviews und qualitativer Inhaltsanalyse

¹² Vgl. Mayring, P., 2008, Qualitative Inhaltsanalyse

¹³ Vgl. Kleemann, F.C., Glas, A.H., 2017, Einkauf 4.0, S. 23

¹⁴ Vgl. Hoßbach, N., o.J, online

¹⁵ Vgl. Oelfke,D., 2005, Speditionsbetriebslehre und Logistik, S. 1 ff.

¹⁶ Vgl, Berwanger, J., Krieger, W., (2019), Wirtschaftslexikon Gabler, online

¹⁷ HGB Handelsgesetzbuch, 65. Auflage 2020, § 407 ff., 453 ff., 481 ff.

¹⁸ HGB Handelsgesetzbuch, 65. Auflage 2020, § 407, § 476 ff.

¹⁹ Vgl. Oelfke, D., 2005, Speditionsbetriebslehre und Logistik, S. 9

²⁰ Keller, S., 2020, Statista, online, Marktanteile der größten Container Reedereien

²¹ Keller, S., 2020, Statista, online, Kapazitäten der Containerschiffsflotte der weltweiten Reedereien 2020

²² Keller, S., 2020, Statista, online, Container Reedereien nach gesamter Anzahl der Schiffe 2020

²³ Keller, S., 2020, Statista, online, Marktanteile der größten Container Reedereien

²⁴ Keller, S., 2020, Statista, online, Marktanteile der größten Container Reedereien

²⁵ Vgl. ContainerContainer, o. J., online, ISO6346

²⁶ Vgl. https://www.bic-code.org/

²⁷ Vgl. Jetzke, S., 2007, Grundlagen der modernen Logistik, S. 11

²⁸ Vgl. Krieger, W., 2018, Wirtschaftslexikon Gabler, online

²⁹ Vgl. Voigt, K. I., et al., 2018, online

³⁰ Vgl. Matschiner, M., Zillmann, M., 2013, online

³¹ Jetzke, S., 2007, Grundlagen der modernen Logistik, S. 11

³² Vgl. Krieger, W., Wischermann, B., Sorge, G., 2018, online

³³ Vgl. Wicharz, R., 2018, Strategie, S. 35

³⁴ Vgl. Weigel, U., Rücker, M., 2015, Praxisguide Strategischer Einkauf, S.3

³⁵ Vgl. Wicharz, R., 2018, Strategie, S. 35

³⁶ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 58

³⁷ Vgl. Wicharz, R., 2018, Strategie, S. 35

³⁸ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 60

³⁹ Vgl. Kleemann, F. C, Glas, A. H., 2017, Einkauf 4.0, S. 9f.

⁴⁰ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 80ff.

⁴¹ Vgl. Kleemann, F.C, Glas, A.H., 2017, Einkauf 4.0, S. 9f.

⁴² Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 87ff.

⁴³ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 136ff.

⁴⁴ Vgl. Kleemann, F. C, Glas, A. H., 2017, Einkauf 4.0, S. 9f.

⁴⁵ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 27

⁴⁶ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 48

⁴⁷ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 60ff.

⁴⁸ Vgl. Kollmann, T., 2016, E-Business, S. 47

⁴⁹ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 61

⁵⁰ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 61

⁵¹ Vgl. Robben, X., 2018, Die Wertekette nach Porter, S. 9 ff.

⁵² Vgl. Porter, P. E., 2014, Wettbewerbsvorteile Spitzenleistungen erreichen und behaupten

⁵³ Vgl. Porter, P. E., 2014, Wettbewerbsvorteile Spitzenleistungen erreichen und behaupten, S. 15f.

⁵⁴ Vgl. Porter, P. E., 2014, Wettbewerbsvorteile Spitzenleistungen erreichen und behaupten, S. 61ff.

⁵⁵ Vgl. Porter, P. E., 2014, Wettbewerbsvorteile Spitzenleistungen erreichen und behaupten, S. 64

⁵⁶ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 129

⁵⁷ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 75ff.

⁵⁸ Vgl. Kollmann, T., 2016, E-Business, S. 47ff.

⁵⁹ Vgl. Kollmann, T., 2016, E-Business, S. 50f.

⁶⁰ Vgl. Kollmann, T., 2016, E-Business, S. 51

⁶¹ Vgl. Bousonville, T., 2017, Logistik 4.0, S. 51

⁶² Vgl. Bousonville, T., 2017, Logistik 4.0, S. 5

⁶³ Vgl. Bousonville, T., 2017, Logistik 4.0, S. 9

⁶⁴ Vgl. Bousonville, T., 2017, Logistik 4.0, S. 13

⁶⁵ Vgl. Kollmann, T., 2016, E-Business, S. 54

⁶⁶ Vgl. Bousonville, T., 2017, Logistik 4.0, S. 11

⁶⁷ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 62

⁶⁸ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 373

⁶⁹ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 68

⁷⁰ Vgl. Stollenwerk, A., 2016, Wertschöpfungsmanagement im Einkauf, S. 91

⁷¹ Vgl. Schentler, P., Tschandl, M., 2016, Grundlagen & Konzepte, S. 62

⁷² Vgl. Schentler, P., Tschandl, M., 2016, Grundlagen & Konzepte, S. 85ff.

⁷³ Vgl. Schentler, P., Tschandl, M., 2016, Grundlagen & Konzepte, S. 86

⁷⁴ Vgl. Langemann, C., 2019, Digitalisierung im Controlling, S. 8

⁷⁵ Vgl. Davenport, T.H., 2014, Big Data@work, S. 7ff.

⁷⁶ Vgl. Bitkom Research, KPMG, 2015, Mit Daten Werte schaffen 2015, S. 4

⁷⁷ Vgl. Liebetruth, T., 2020, Prozessmanagement in Einkauf und Logistik, S. 144

⁷⁸ Darstellung durch SAS (SAP Analytics Software) nach Internetrecherche

⁷⁹ Vgl. Wuttke, L., 2020, online

⁸⁰ Vgl. Rozados, I., Tjahjono, B., 2014, Big Data Analytics in Supply Chain Management, S. 8

⁸¹ Vgl. Davenport, T.H., 2014, Big Data@work, S. 190

⁸² Vgl. Mayer-Schönberger, V., 2013, Big Data, S. 22

⁸³ Vgl. Mayer-Schönberger, V., 2013, Big Data, S. 29

• College: Fachhochschule des bfi Wien GmbH
• Course: MBA Digital Transformation
• Grade: 2,0
• Author: Elke Flüchter-Stölke (Author)
• Publication Year: 2021
• Pages: 121
• Catalog Number: V995224
• ISBN (eBook): 9783346385178
• ISBN (Book): 9783346385185
• Language: German
• Tags: #MBA #Digital Transformation, #Master Business Administration #Logistik #Seefracht #Einkauf #Vollcontainer, #Künstliche Intelligenz #Big Data, #Predictive Analysis