Das Spend-Cube-Framework, ausgeführt mit KI

Kurzantwort: Der klassische Spend Cube im strategischen Sourcing organisiert Ausgaben entlang dreier Dimensionen: Lieferant, Kategorie und Geschäftseinheit, aufgeschlüsselt über die Zeit. Strategische Sourcing-Beratungen bauen das seit Jahrzehnten von Hand, mit einem Team von Analysten, das über mehrere Wochen einen fixen Datenextrakt bearbeitet. Eine KI-Klassifizierungspipeline führt dasselbe dreidimensionale Modell aus, hält es aber aktuell, weil die Klassifizierung stattfindet, sobald Transaktionen eintreffen, nicht einmalig pro Mandat.

Auf dieser Seite: Dimensionen des Spend Cube im strategischen Sourcing · Verfall des Spend Cube nach einem Beratungsmandat · Ausführung des Spend Cube mit einer KI-Pipeline · Eigentümerschaft des Spend Cube nach dem Start der Pipeline · Häufig gestellte Fragen

Jedes große strategische Sourcing-Mandat erzeugt dasselbe Artefakt: einen Spend Cube. Lieferant auf einer Achse, Kategorie auf einer anderen, Geschäftseinheit auf einer dritten, aufgeschlüsselt über die Zeit, damit ein Partner auf eine Folie zeigen und aufzeigen kann, wohin das Geld geflossen ist. Diese Struktur wurde von den strategischen Sourcing-Beratungen popularisiert, und die meisten großen Häuser nutzen eine Version davon. Einen zu bauen bedeutete traditionell, mehrere Wochen Analystenzeit einzukaufen, weshalb diese Übung stets als Beratungsmandat bepreist wurde statt als routinemäßiger Bestandteil des Procurement-Reportings ausgeführt zu werden. Am Tag der Lieferung funktioniert er genau wie beabsichtigt.

Die Beschwerde, die wir von Procurement-Leitern und CFOs hören, betrifft nicht diesen Tag. Sie betrifft den vierten Monat, wenn die Präsentation noch immer in irgendeinem Downloads-Ordner liegt und jede Zahl darin ein Unternehmen beschreibt, das es nicht mehr gibt. Neue Lieferanten wurden onboardet. Neue Kategorien sind entstanden. Niemand hat den Cube aktualisiert, weil niemand den Mechanismus besitzt, der ihn gebaut hat, sondern nur die Datei, die er hervorgebracht hat.

Eine Studie einer großen Sourcing-Beratung zur Procurement-Analytik formuliert eine Version dieses Arguments: Sie zitiert einen CPO, der den Spend Cube als nahezu Zeitverschwendung bezeichnet, sobald er den Bezug dazu verliert, wie das Unternehmen tatsächlich läuft, weil er zu einem rückwärtsgewandten Artefakt wird, losgelöst vom Hauptbuch und den Verhandlungen, die er eigentlich informieren sollte. Das Framework ist nicht das Problem. Was es erzeugt, ein Team von Menschen, das über mehrere Wochen einen fixen Extrakt bearbeitet, ist es.

Dimensionen des Spend Cube im strategischen Sourcing

In der klassischen strategischen Sourcing-Methodik steht der Spend Cube am Anfang des Prozesses, bevor eine Kategorie profiliert wird und bevor eine Verhandlung geplant wird. Die etablierten Beratungsmethodiken durchlaufen alle dieselbe Abfolge: eine Kategorie profilieren, den Beschaffungsmarkt bewerten und erst dann eine Strategie entwickeln und die Verhandlung führen. Keiner dieser Schritte funktioniert ohne eine genaue Antwort auf eine Grundfrage: Was wurde tatsächlich wofür ausgegeben, von wem, und wo.

Drei Dimensionen tragen diese Antwort.

Lieferant. An wen das Geld ging, aufgelöst zu einer Entität statt zu vier Schreibweisen und drei Tochtergesellschaften derselben Gruppe.

Kategorie. Was tatsächlich gekauft wurde, klassifiziert nach einer Standardtaxonomie statt nach dem Freitext, den ein Bedarfsträger in eine Bestellung getippt hat.

Geschäftseinheit. An welchem Standort, welcher Region oder welcher Kostenstelle die Ausgabe hängt. Das ist die Dimension, die einen Bericht in eine Verhandlungsposition verwandelt, weil sie zeigt, dass dasselbe Produkt von sechs Standorten separat zu sechs unterschiedlichen Preisen eingekauft wird.

Die Zeit durchzieht alle drei Dimensionen. Eine Momentaufnahme zeigt einem Partner, wohin das Geld im letzten Jahr floss. Nur eine Zeitreihe zeigt, ob ein verhandelter Preis gehalten hat, ob eine Kategorie gewachsen ist, weil das Volumen gewachsen ist, oder weil jemand stillschweigend aufgehört hat, den Rahmenvertrag durchzusetzen.

Das ist das Modell, und es hat sich in Jahrzehnten von Spend-Diagnosen nicht verändert. Es muss sich auch nicht verändern. Was sich geändert hat, ist, was es kostet, ihn zu bauen, und wie lange er wahr bleibt, sobald er existiert.

Verfall des Spend Cube nach einem Beratungsmandat

Eine vollständige, von Hand durchgeführte Spend-Diagnose dauert typischerweise sechs bis zwölf Wochen, sobald Daten wirklich über Systeme hinweg fragmentiert sind, und der Großteil dieser Zeit fließt in die Bereinigung des Extrakts, nicht in seine Klassifizierung. Mehrere ERPs, mehrere Währungen und Jahrzehnte inkonsistenter Lieferantenbenennung abzugleichen, lässt sich nicht komprimieren, nur weil jemand das gerne hätte.

Das Ergebnis dieses Mandats ist am Liefertag korrekt und beginnt in dem Moment zu driften, in dem es geliefert wird, weil der Mechanismus, der es hervorgebracht hat, mit dem Beratungsteam das Haus verlässt. Neue Bestellungen treffen weiterhin unklassifiziert ein. Niemand, der noch im Unternehmen ist, kennt die Regel, nach der die Analysten entschieden haben, dass eine Zeile mit „Stunden“ Subunternehmer-Arbeit statt Gerätevermietung bedeutet, sodass die nächste Person, die den Cube anfasst, entweder rät oder von vorn beginnt.

Das ist der Mechanismus hinter der eingangs zitierten Kritik: Ein Spend Cube, der als einmalige Diagnose behandelt wird, losgelöst vom Finanzreporting, hört fast in dem Moment auf, nützlich zu sein, in dem er fertiggestellt ist. Die Kritik ist berechtigt. Sie beschreibt auch, was mit jeder Klassifizierung geschieht, die ein Team einmalig durchführt, statt mit einem System, das kontinuierlich läuft.

Ausführung des Spend Cube mit einer KI-Pipeline

Führt man dieselben drei Dimensionen durch eine Klassifizierungspipeline statt durch ein Projektteam, ändert sich die Abfolge nicht. Was sich ändert, ist, welche Teile Wochen und welche Tage brauchen, und was nach dem Liefertag passiert. Es ändert auch, was die Arbeit kostet, weil Klassifizierung nicht mehr mit der Anzahl verfügbarer Analystenstunden skaliert. Beispiele für Anbieter, die Spend-Cube-Arbeit auf diese Weise ausführen, sind Pearstop und Kearney.

Die Lieferantenauflösung hört auf, ein einmaliger Bereinigungsdurchlauf zu sein, und wird zu einer ständigen Referenzprüfung. Jede neue Rechnung wird bei Eingang mit einer gepflegten Lieferantendatenbank abgeglichen, sodass die Entitätsliste niemals zurück zu vier Schreibweisen desselben Distributors abdriften kann.

Die Kategorieklassifizierung hört auf, stichprobenbasiert zu sein. Ein manuelles Mandat kann es sich leisten, die wertvollsten Lieferanten von Hand zu codieren und den Rest zu extrapolieren, weil eine Person in sechs Wochen nur so viele Zeilen prüfen kann. Eine Pipeline klassifiziert jede Zeile, weist jeder einen Konfidenzwert zu und leitet nur die wirklich mehrdeutigen Fälle an eine Person weiter, eine Teilenummer ohne Beschreibung, ein Erstlieferant, ein Artikel, der in zwei Familien passen könnte. Die Taxonomieregeln, auf die sich ein Unternehmen in seiner ersten Arbeitssitzung einigt, werden einmal kodiert und danach konsistent angewendet, statt nur im Kopf eines einzelnen Analysten zu existieren.

Die Zuordnung zur Geschäftseinheit, die Dimension, die denselben Artikel offenlegt, der sechsmal zu sechs Preisen gekauft wurde, hängt nicht mehr davon ab, ob ein Kostenstellenfeld beim Einkauf korrekt befüllt wird. Standort- und Entitätskontext werden aus der Bestellung und der Lieferantenbeziehung abgeleitet, nicht aus einem Kontenplan angenommen, den ohnehin die halbe Organisation ignoriert.

Bei der Zeit zeigt sich der strukturelle Unterschied tatsächlich. Ein manuell gebauter Cube ist eine Momentaufnahme mit einem Lieferdatum darauf. Ein per Pipeline gebauter Cube hat kein Lieferdatum, weil die Klassifizierung läuft, sobald Transaktionen eintreffen, und die Grenzkosten, einen weiteren Monat an Daten hinzuzufügen, nahe null liegen. Das ist der Unterschied zwischen einem Cube, den ein Unternehmen einmal im Jahr beauftragt, und einem Cube, den ein Unternehmen einfach besitzt.

90 bis 95 Prozent der Zeilen werden innerhalb des ersten Quartals nach Inbetriebnahme von Pearstops Pipeline für ein Unternehmen aus Hard FM, Bau oder Fertigung automatisch klassifiziert, wobei der Rest an eine Person weitergeleitet wird, statt in einer Kategorie liegen zu bleiben, die niemand prüft.

Eigentümerschaft des Spend Cube nach dem Start der Pipeline

Nichts davon beseitigt die Ermessensentscheidungen, die das dreidimensionale Modell schon immer sichtbar machen sollte. Jemand muss immer noch entscheiden, ob „Handschuhe“ medizinische, Reinigungs- oder Baustellenhandschuhe bedeutet. Jemand muss immer noch entscheiden, wie eine Gutschrift gegen die Rechnung verrechnet wird, die sie korrigiert. Was sich ändert, ist, wo diese Entscheidung angesiedelt ist.

Bei einem Beratungsmandat liegt die Entscheidung beim Analysten, der die Klassifizierung durchführt, und sie verlässt mit ihm das Haus. Bei einer Pipeline liegt die Entscheidung bei der Person, die die Warteschlange mit geringer Konfidenz auf Kundenseite prüft, und sie wird in eine Regel geschrieben, die auf jede künftige, ähnlich aussehende Zeile angewendet wird. Das ist das eigentliche Argument dafür, das Framework auf diese Weise auszuführen. Es geht nicht darum, dass KI bei einer einzelnen mehrdeutigen Zeile genauer wäre als ein erfahrener Analyst. Es geht darum, dass die Eigentümerschaft der Regel im Unternehmen bleibt, statt mit den Beratern zu gehen.

Drei Momente bringen ein Unternehmen typischerweise dazu, von dem Wunsch nach einem Spend Cube zu dessen tatsächlicher, kontinuierlicher Nutzung überzugehen. Eine ERP-Migration, weil es keinen Grund gibt, unstrukturierte Historie in ein neues System zu laden, wenn neue Bestellungen von Tag eins an korrekt kodiert werden könnten. Ein UNSPSC- oder Taxonomie-Mandat einer Muttergesellschaft oder eines wichtigen Kunden, das Klassifizierung von einem Nice-to-have zu einer vertraglichen Anforderung macht. Und ein allgemeines KI-Tool, das jemand bereits an der Spend-Datei ausprobiert hat, das die ersten fünfzig Zeilen überzeugend klassifiziert und sich dann bei der einundfünfzigsten selbst widersprochen hat, weil eine Chat-Oberfläche keine feste Taxonomie und kein Gedächtnis für die Regel hat, die sie fünf Minuten zuvor angewendet hat.

Nichts davon ersetzt das ERP oder das CAFM-System, das ein Unternehmen bereits betreibt. Die Pipeline steht daneben und speist klassifizierte, strukturierte Ausgabendaten zurück in die Systeme, die Finance und Procurement bereits nutzen.

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 →