Was ein neuer Head of Procurement in Woche eins tun sollte

Kurzantwort: Greifen Sie in Ihren ersten 30 Tagen nicht nach einem Einsparziel oder einem KI-Tool. Prüfen Sie, welche Spend-Daten Sie tatsächlich haben, finden Sie heraus, wer, wenn überhaupt jemand, sie heute kategorisiert, und benennen Sie einen einzigen Owner für Datenqualität, bevor Sie eine Strategie darauf aufbauen. Diesen Schritt zu überspringen bedeutet, dass jeder Bericht, den Sie später präsentieren, dieselben nicht vertrauenswürdigen Zahlen erbt.

Auf dieser Seite: Die Baseline-Lücke, die Sie erben · Warum KI der falsche erste Schritt ist · Was in Woche eins tatsächlich zu tun ist · Warum Datenqualität einen Owner braucht · FAQ

Die Baseline-Lücke, die neue Procurement-Verantwortliche erben

Die meisten Menschen, die eine neue Rolle als Head of Procurement antreten, verlangen in ihrer ersten Woche dasselbe: eine kategorisierte Sicht auf den Spend. Was kauft das Unternehmen, von wem, zu welchem Preis, und wie schlüsselt sich das nach Kategorie auf. In Hard FM, Bau, HLK, Fertigung und Infrastruktur existiert diese Sicht fast nie in nutzbarer Form. Sie existiert als ERP-Export mit inkonsistenten Lieferantennamen, Freitextbeschreibungen und einem Kategoriefeld, das einmal, vor Jahren, ausgefüllt und danach nie wieder angefasst wurde.

Das ist keine seltene Lücke. Branchen-Benchmarking zu Spend under Management beziffert den durchschnittlichen Konzern auf etwa 71 % Transparenz über den Gesamtspend, und diese Zahl deckt etablierte Procurement-Funktionen mit bereits vorhandenen Personen, Prozessen und Tools ab. Ein neuer Head of Procurement, der in eine Rolle ohne vorherige Kategoriestruktur eintritt, startet typischerweise deutlich unter diesem Durchschnitt, nicht auf seiner Höhe. Separate Forschung dazu, wie Organisationen Spend-Daten tatsächlich erfassen, findet, dass sich rund sechs von zehn noch auf manuelle Erfassung und Analyse verlassen, was direkt erklärt, warum die Baseline fehlt, statt nur veraltet zu sein.

Die Person, die in Woche eins eine Kategorieaufschlüsselung verlangt, bekommt meist eine von zwei Sachen zurück: eine Tabelle, die jemand von Hand neu aufbauen muss, oder einen Bericht, den das ERP erzeugt und der nur für die Person Sinn ergibt, die ihn gebaut hat. Keines von beiden ist eine Baseline. Beides braucht Tage zur Erstellung, und keines übersteht eine Nachfrage des Vorstands.

Nichts davon geschah aus Vernachlässigung. Niemand hat sich hingesetzt und entschieden, die Kategoriestruktur verrotten zu lassen. Es geschah, weil das genaue Klassifizieren von Spend nie tatsächlich jemandes Aufgabe war. Es war eine Aufgabe, die an Procurement, Finance oder IT angehängt wurde, eine Zeit lang gut erledigt von wem auch immer sich am meisten dafür interessierte, und dann still aufgegeben, als diese Person weiterzog oder beschäftigter wurde. Die Daten sind nicht kaputtgegangen. Sie gehörten einfach nie jemandem.

Warum KI der falsche erste Schritt ist

Sobald ein neuer Head of Procurement bestätigt, dass es keine Baseline gibt, ist der Instinkt fast immer derselbe: ein KI-Tool auf den Rohexport ansetzen und das Durcheinander sortieren lassen. Microsoft Copilot oder ein Allzweckmodell kann eine Tabelle in Minuten klassifizieren, und gegen einen völlig unkategorisierten Datensatz fühlen sich Minuten wie ein Gewinn an, verglichen mit Wochen manueller Sortierung.

Das Problem zeigt sich im großen Maßstab, nicht in der Demo. Enterprise-Benchmarking zu generativer KI beziffert Halluzinationsraten bei kommerziellen Modellen je nach Aufgabe irgendwo zwischen etwa 15 % und über 50 %, und offene Klassifizierung gegen mehrdeutige, unternehmensspezifische Kategorien ist genau die Art von Aufgabe, bei der diese Spanne am oberen Ende liegt. Ein allgemeines Modell hat kein Gedächtnis für die Regel, die es bei Zeile 40 angewendet hat, bis es Zeile 4.000 erreicht, und keinen Prüfpfad, der erklärt, warum „3/4-Zoll-Kugelhahn“ bei einem Export in einer Kategorie landete und beim nächsten in einer anderen.

Das ist kein Argument gegen KI. Es ist ein Argument gegen KI als ersten Schritt, bevor es eine Kategoriestruktur und ein Regelwerk gibt, das sie konsistent anwendet. Setzt man ein allgemeines Modell auf ein Durcheinander an, bekommt man ein selbstsicher klingendes, anders geformtes Durcheinander zurück, schneller als ein Mensch es geschafft hätte. Einer Führungsebene einen Bericht zu zeigen, der auf halluzinierten Kategorien aufbaut, schadet dem Vertrauen in die Funktion mehr, als ihr ein langsameres, ehrliches „das wissen wir noch nicht“ zu zeigen.

Was in Woche eins tatsächlich zu tun ist

Widerstehen Sie im ersten Monat dem Sog zu einem Einsparziel, einer Technologie-Roadmap oder einem KI-Pilotprojekt. Keines davon lässt sich verlässlich auf Daten aufbauen, die niemand geprüft hat. Stattdessen:

• Finden Sie heraus, was bereits existiert. Bitten Sie Finance und IT um den rohen Spend-Export, nicht um eine bereinigte Zusammenfassung. Das Durcheinander ist der nützliche Teil, weil es zeigt, wovon Sie tatsächlich ausgehen.
• Prüfen Sie die Konsistenz der Kategorisierung, nicht nur die Vollständigkeit. Ziehen Sie eine Stichprobe von 50 bis 100 ähnlichen Positionen und sehen Sie, wie viele davon gleich klassifiziert wurden. Ein befülltes Kategoriefeld ist nicht dasselbe wie ein verlässliches.
• Identifizieren Sie, wer Datenqualität heute besitzt. In den meisten Organisationen lautet die ehrliche Antwort: niemand, oder mehrere Personen teilweise. Das ist eine Diagnose, kein persönliches Versagen, und die nützlichste Tatsache, die Sie in Ihrem ersten Monat lernen werden.
• Verschieben Sie jede öffentliche Zahl. Eine Einsparzahl oder eine Behauptung zu Spend under Management, die verkündet wird, bevor die Baseline geprüft ist, wird zu der Zahl, an der Sie gemessen werden, ob zu Recht oder nicht.

Pearstop baut in vier bis sechs Wochen eine kategorisierte, audit-taugliche Spend-Baseline für Procurement-Verantwortliche, die eine Rolle ohne eine solche antreten, mithilfe eines Klassifizierungsmodells, das auf den eigenen Einkaufsbeschreibungen des Unternehmens trainiert ist, statt eines Allzweck-KI-Tools ohne Gedächtnis für die letzte Entscheidung, die es getroffen hat.

Warum Datenqualität einen einzigen Owner braucht

Der Grund, warum diese Lücke immer wieder auftaucht, selbst bei Unternehmen, die ihre Daten schon einmal bereinigt haben, ist, dass die Bereinigung als Projekt behandelt wurde, nicht als Funktion. Eine ERP-Migration oder eine einmalige Klassifizierungsübung repariert die Daten an dem Tag, an dem sie abgeschlossen ist. Achtzehn Monate später wurden neue Lieferanten onboardet, neue Produktlinien hinzugefügt, und niemand war dafür verantwortlich, die Kategoriestruktur aktuell zu halten, also ist sie wieder verfallen.

Die Lösung ist kein besseres einmaliges Projekt. Es ist ein benannter, dauerhafter Owner für Datenqualität, wobei laufende Klassifizierung genauso behandelt wird, wie eine Organisation Finanzkontrollen behandelt: als etwas, das kontinuierlich läuft, nicht als etwas, das einmal erledigt und dann sich selbst überlassen wird. Diese Eigentümerschaft kann intern bei einem Category Manager liegen oder als laufender Managed Service geliefert werden, aber sie muss an einer Stelle liegen, die spezifisch genug ist, dass ein neuer Head of Procurement, der in drei Jahren beginnt, eine gepflegte Baseline erbt statt wieder dasselbe Problem.

Richtig eingeordnet geht es hier eigentlich nicht um KI, Einsparziele oder Dashboards. Es geht darum, ob die Zahlen, die ein neuer Head of Procurement im dritten Monat präsentiert, von den Menschen vertraut werden können, die darauf aufbauend Entscheidungen treffen. Dieses Vertrauen ist das, was zuerst aufgebaut werden sollte.

Neharika Kishore

Content & Visibility, Pearstop

Neha works on content and visibility at Pearstop. She writes articles on procurement data quality for facilities management, construction and infrastructure teams, and supports The Data Edge podcast. She also runs outreach to procurement and finance leaders, which keeps her writing close to the problems those teams are actually raising.

LinkedIn →