AutomobilzuliefererIn Evaluierung

Autonomous Negotiation Agent für Tail Spend

>300 Einkäufer, Milliarden-Spend, internationale Werke

Ausgangslage

Grosser Industriekonzern mit internationalem Werksverbund, tausenden Lieferanten und Tail Spend im zweistelligen Millionenbereich. Ein Verhandlungsbot ist bereits im Einsatz und liefert Savings, aber jede Verhandlung muss vom Einkäufer manuell aufgesetzt werden. Kommt der Bot nicht zum Ergebnis, eskaliert der Fall zurück an den Einkäufer. Bei der geplanten Ausweitung auf alle Werke ist dieser Kapazitätsbedarf der Skalierungs-Blocker Nummer eins.

Herausforderung

  • Manuelles Setup pro Verhandlung bindet Einkäufer-Kapazität
  • Ungelöste Fälle eskalieren zurück an den Einkäufer
  • Grossteil des Tail Spend bleibt dadurch unverhandelt
  • Ziel von tausenden Verhandlungen pro Jahr mit dem heutigen Ansatz nicht erreichbar

Insave-Ansatz

Der Einkäufer wird vom Operator zum Aufseher.

Schritt 1

Guardrail-Setup

Der Einkäufer hinterlegt einmalig Guardrails pro Warengruppe: Zielpreis, Korridore, Zahlungsziele, No-Gos, Sprache. Danach läuft der Prozess ohne manuelles Setup.

Schritt 2

Autonome, parallele Verhandlungen

Der Agent zieht Tail-Spend-Anforderungen automatisch, verhandelt autonom und mehrsprachig mit vielen Lieferanten parallel und bucht Ergebnisse innerhalb der Guardrails automatisch ins ERP.

Schritt 3

Approval-Queue & Audit-Trail

Nur Ausnahmen ausserhalb der Guardrails landen mit Agent-Empfehlung in einer Approval-Queue. Jede Entscheidung des Agenten ist im Audit-Trail nachvollziehbar, auch für Governance-Anforderungen.

Erwarteter Nutzen

Skalierung auf tausende Verhandlungen pro Jahr bei nahezu null Einkäufer-Kapazität
Höhere Savings-Quote durch konsequente Verhandlung des gesamten Tail Spend
Einkäufer steuern Guardrails statt einzelne Verhandlungen
Nachvollziehbarkeit jeder Entscheidung durch Audit-Trail

Ähnliche Herausforderung?

Lass uns besprechen, wie ein ähnlicher Ansatz für dein Einkaufsteam funktionieren könnte.

Kostenloses Erstgespräch buchen