Spend-Cube-Erstellung für Procurement-Beratungen

Kurzantwort: Für eine Procurement-Beratung, die Spend Cubes von Hand für ihre Kunden baut, ist die Beschränkung nicht das Können, sondern die Analystenstunden. Eine KI-Klassifizierungspipeline ersetzt die Woche manueller Kategorisierung durch eine Taxonomie, die keine Kategorien erfinden kann, sodass ein Berater markierte Zeilen prüfen kann, statt alle zu codieren, und die Arbeit als Festpreis bis zu einem Schwellenwert plus Token-Kosten darüber hinaus bepreist.

Auf dieser Seite: Warum manuelle Cube-Erstellung eine Beratung begrenzt · Taxonomie-Absicherungen gegen halluzinierte Kategorien · Ein Festpreis- oder Token-Kostenmodell · Was sich das für die Kundenlieferung ändert · FAQ

Eine Beratung, die Spend Cubes für Kunden baut, verkauft Urteilsvermögen, liefert aber vieles davon von Hand. Ein Senior Consultant sitzt mit einem Spend-Export, arbeitet Zeile für Zeile gegen eine Taxonomie und trägt für jede Zeile eine Kategorie ein. Diese Arbeit ist abrechenbar, und sie ist auch der Grund, warum eine Beratung nur so viele dieser Mandate pro Quartal durchführen kann.

Die Beschränkung ist nicht die Kundennachfrage. Sie liegt darin, dass die Klassifizierung von Spend auf Zeilenebene bis vor Kurzem etwas war, das nur eine geschulte Person zuverlässig leisten konnte. Das stimmt nicht mehr vollständig, und das ändert zwei Dinge gleichzeitig: wie die Arbeit erbracht wird und wie sie bepreist wird.

Warum manuelle Cube-Erstellung eine Beratung begrenzt

Für eine Beratung ist der Spend Cube ein Liefergegenstand innerhalb eines größeren Mandats, Sourcing-Strategie, Lieferantenverhandlung, Kategoriemanagement. Es ist auch der Liefergegenstand, der die meisten Stunden für das geringste Urteilsvermögen verschlingt. Ein Senior Consultant braucht keine zehn Jahre Erfahrung im Kategoriemanagement, um zu entscheiden, dass eine Zeile mit „Filter, diverse“ im Export eines HLK-Kunden zur Luftfiltration statt zur Wasseraufbereitung gehört. Er braucht die Zeit, mit dem Export zu sitzen und sich durch mehrere Tausend solcher Zeilen zu arbeiten, eine nach der anderen.

Diese Zeit skaliert nicht mit der Anzahl der Kunden, die eine Beratung übernehmen kann. Jeder neue Kunde bedeutet einen neuen Taxonomie-Durchlauf, neue Grenzfälle, ein bis zwei weitere Wochen im Kalender einer erfahrenen Person, die auf Klassifizierung verwendet werden statt auf die Verhandlung oder die Kategoriestrategie, für die der Kunde eigentlich bezahlt.

Die Copilot-Abkürzung löst das nicht, sie verschiebt nur, wohin die Stunden fließen. Ein Berater, der einen allgemeinen Assistenten auf einen Spend-Export ansetzt, erhält schnell eine Antwort und verbringt dann mehr Zeit damit, sie zu prüfen, weil das Tool Kategorien erfindet, die in der Taxonomie des Kunden nicht existieren, und dieselbe Zeile bei zweiter Nachfrage anders klassifiziert. Der Engpass verschwindet nicht. Er wird zu einem Prüfproblem statt einem Bauproblem.

Taxonomie-Absicherungen gegen halluzinierte Kategorien

Das Risiko einer Beratung unterscheidet sich hier von dem eines Unternehmens, das seine eigenen Daten klassifiziert. Wenn ein internes Team eine Kategorie falsch zuordnet, korrigiert es das stillschweigend. Wenn eine Beratung einem Kunden einen Spend Cube mit einem erfundenen UNSPSC-Code auf einer Folie übergibt, steht der Name der Beratung auf dieser Folie, nicht der des Tools.

Das ist der Grund, warum eine Taxonomie eingeschränkt sein muss, bevor sie für Lieferarbeit vertrauenswürdig ist. Eine eingeschränkte Taxonomie bedeutet, dass der Klassifizierungsschritt nur aus den Codes wählen kann, die im Standard existieren, oder im eigenen Kategoriebaum des Kunden, falls bereits einer vereinbart wurde. Er kann keinen plausibel klingenden Code erzeugen, der nicht auf der Liste steht, weil die Liste kein Vorschlag ist. Sie ist der gesamte Raum, den das Modell durchsuchen darf.

Die zweite Absicherung ist Konfidenzbewertung. Eine Beschreibung, die nur aus einer Teilenummer besteht, ein zum ersten Mal auftauchender Lieferant, ein Artikel, der in zwei Familien passen könnte, ohne dass sich das allein aus dem Text erkennen lässt, wird markiert statt geraten. Mehrschichtige Absicherungen dieser Art, die das Modell auf eine feste Referenzliste stützen, Konfidenz bewerten und unsichere Fälle zur Prüfung weiterleiten, haben in aktuellen Evaluierungen gezeigt, dass sie Halluzinationsraten im Vergleich zu einem ungesicherten Aufbau um rund 70 bis 90 Prozent senken. Diese Differenz ist der Unterschied zwischen einem Berater, der eine Stichprobe gegenprüft, und einem Berater, der alles noch einmal prüft, was dieselbe manuelle Woche ist, die die Pipeline eigentlich beseitigen sollte.

Für eine Beratung sind Absicherungen kein technisches Detail. Sie sind der Grund, warum der Klassifizierungsschritt unbeaufsichtigt laufen kann zwischen den Momenten, in denen eine Person tatsächlich hinschauen muss.

Ein Festpreis- oder Token-Kostenmodell

Die Ökonomie eines Spend-Cube-Mandats hat der Ökonomie der Arbeit entsprochen: eine Projektgebühr, bemessen an den Analystenstunden, die das Codieren der Datei benötigt. Dieses Modell ergab Sinn, als Klassifizierung manuell war und der Preis den Kalender einer Person für zwei bis vier Wochen abdecken musste.

Eine Pipeline ändert, wofür die Gebühr eigentlich bezahlt. Die Grenzkosten, die nächsten tausend Zeilen zu klassifizieren, liegen nahe null, sobald Taxonomie und Regeln stehen, sodass eine reine Stunden- oder Tagessatzstruktur die tatsächlichen Lieferkosten nicht mehr abbildet. Sie belohnt die Beratung auch nicht mehr dafür, den wiederverwendbaren Teil zu bauen, die Regeln, die Logik zur Lieferantenauflösung, die Taxonomie-Entscheidungen, weil diese im alten Modell für den nächsten Kunden verworfen und neu gebaut werden.

Eine sauberere Form ist ein Festpreis bis zu einem Schwellenwert an Positionen, mit Kosten pro Token oder pro Zeile darüber hinaus. Ein Kunde mit 40.000 Transaktionszeilen ist ein vorhersehbares, festpreisiges Mandat. Ein Kunde mit 400.000 Zeilen, oder einer, bei dem die Klassifizierung Monat für Monat weiterläuft, sobald neue Rechnungen eintreffen, wechselt zu einer nutzungsbasierten Preisgestaltung, die mit dem Volumen skaliert, statt zu einer neu verhandelten Tagesanzahl.

Das ist kein Live-Produktfeature, sondern eine Preisform, um die eine Beratung ihr eigenes kommerzielles Modell bauen kann, mit einer Pipeline darunter. Sie funktioniert, weil sie zwei Kosten trennt, die ein Tagessatz vermischt: die fixen Kosten, Taxonomie und Regeln einmal aufzusetzen, und die variablen Kosten, Klassifizierung gegen wie viele Daten auch immer ein bestimmter Kunde hat, laufen zu lassen.

Was sich das für die Kundenlieferung ändert

Wenn Klassifizierung eine Pipeline ist statt die Woche einer Person, verschiebt sich auch das, was eine Beratung verkauft. Der Spend Cube hört auf, das abrechenbare Herzstück des Mandats zu sein, und wird zu einem Input dafür, schneller erzeugt, sodass die Zeit des Beraters in die Kategoriestrategie und die Lieferantenverhandlung fließt, für die der Kunde ihn eigentlich engagiert hat.

Es ändert auch, was nach Abschluss des Mandats passiert. Ein manuell gebauter Cube ist am Liefertag korrekt und beginnt zu verfallen, sobald neue Rechnungen eintreffen, weil niemand beim Kunden die Regeln kennt, die der Berater verwendet hat. Eine Pipeline kann auch nach Projektabschluss weiterhin neue Zeilen gegen dieselbe Taxonomie klassifizieren, was einer Beratung einen Grund gibt, mit dem Account verbunden zu bleiben, statt eine statische Tabelle zu übergeben und zur nächsten Ausschreibung weiterzuziehen.

Pearstop betreibt diese Klassifizierungsschicht für Beratungen, die ihr Liefermodell beibehalten und aufhören wollen, Analystenstunden für den Codierungsschritt abzurechnen, sodass der Berater frei wird, die Strategiearbeit zu verkaufen, die eine Tabelle nie leisten würde.

Für eine Beratung, die das abwägt, ist die Entscheidung nicht, ob KI die Urteilsarbeit ersetzt. Das tut sie nicht. Es ist, ob der Klassifizierungsschritt, der Teil, der von Anfang an eigentlich nie wirklich Urteilsvermögen erforderte, weiterhin die Woche einer Senior-Person bei jedem Mandat verschlingt, oder zur Infrastruktur wird, die die Beratung unter der Arbeit betreibt, für die sie eigentlich engagiert wurde.

Stephanie Wiechers

CEO & Co-founder, Pearstop

Stephanie leads Pearstop's go-to-market and strategic direction. She works directly with procurement and FM leaders across Europe to understand how data quality affects margins, contracts, and AI readiness.

LinkedIn →