Ihre Beschaffungsdaten enthalten die Antworten. Sie können sie nur noch nicht lesen.
Die meisten Hard-Services- und FM-Unternehmen verfügen über Jahre an Bestelldaten in SAP oder Oracle. Ohne UNSPSC-Klassifizierung ist das ein Haufen Freitext-Positionen. Mit ihr sehen Sie genau, was Sie nach Kategorie ausgeben, benchmarken Lieferanten und erstellen Ausschreibungen auf Basis echter Kostendaten. Pearstop klassifiziert Rechnungen in jeder Größenordnung, von einem Pilotprojekt mit wenigen Hundert Zeilen bis zum vollen Produktionsvolumen - das System wächst mit Ihnen.
Die meisten Positionen klassifizieren sich selbst. Der Rest bekommt einen zweiten Blick.
Regeln und maschinelles Lernen klassifizieren Positionen mit hoher Konfidenz sofort. Die Schicht, für die früher ein eigenes Team nötig war, läuft jetzt im Hintergrund.
Regeln und maschinelles Lernen
Lieferanten- und sachkontobasierte Regeln, kombiniert mit einer auf Ihre eigenen Ausgaben trainierten ML-Schicht, klassifizieren die Mehrheit der Positionen mit hoher Konfidenz sofort.
LLM-Schicht für Grenzfälle
Kürzel von Außendiensttechnikern, Teilenummern und mehrsprachige Beschreibungen werden von einem Large Language Model mit tiefem Produkt- und Branchenwissen aufgelöst - der Schicht, die übernimmt, was Regeln und ML nicht können.
Menschliche Prüfung, dann merkt es sich das
Die fünf bis zehn Prozent, bei denen sich die Engine unsicher ist, werden für Ihr Team markiert. Jede Entscheidung fließt zurück in das Modell, und die Prüf-Warteschlange sinkt über die folgenden Monate.
Was eine klassifizierte Ausgaben-Baseline möglich macht
Category Management
Lieferanten-Benchmarking
ERP- und BI-Integration
“Wir hatten Tausende von Produktpositionen, die klassifiziert werden mussten, bevor wir überhaupt anfangen konnten, unsere Kosten zu verstehen. Pearstop klassifizierte sie in weniger als einer Woche. Das hätte unser Team sechs Monate gekostet und wäre immer noch nicht so genau gewesen.”
Wie funktioniert die UNSPSC-Klassifizierung für Hard-Services- und FM-Unternehmen?
Hard-Services-FM-Unternehmen kaufen typischerweise bei 500 bis 3.000 Lieferanten über mehrere Standorte hinweg ein. Rechnungsbeschreibungen werden von Außendiensttechnikern geschrieben, nicht von Einkäufern, was bedeutet, dass dieselbe Arbeit unter Hunderten verschiedener Zeichenketten erscheint. Manuelle UNSPSC-Klassifizierung bei 5.000 bis 35.000 Positionen pro Monat erfordert ein bis zwei fest zugeordnete Mitarbeitende, die kontinuierlich arbeiten, nur um aktuell zu bleiben. Pearstops automatisierte Engine klassifiziert 90-95% dieser Positionen ohne menschliches Zutun, wobei der Rest zur Prüfung markiert wird. Die Prüf-Warteschlange schrumpft jeden Monat, da die Engine aus den Entscheidungen Ihres Teams lernt. Strukton verarbeitet derzeit auf diese Weise 35.000 Positionen pro Monat über die SAP-Integration.
Häufig gestellte Fragen
Was ist UNSPSC-Klassifizierung?
UNSPSC (United Nations Standard Products and Services Code) ist ein hierarchisches Klassifizierungssystem, das weltweit zur Kategorisierung von Beschaffungsausgaben verwendet wird. Es hat vier Ebenen: Segment, Family, Class und Commodity. Organisationen nutzen UNSPSC, um konsistente Ausgabenanalysen, Lieferanten-Benchmarking und Category Management über Verträge, Standorte und ERP-Systeme hinweg zu ermöglichen.
Wie genau ist automatisierte UNSPSC-Klassifizierung?
Pearstops Klassifizierungs-Engine, die Regeln, maschinelles Lernen, eine LLM-Schicht und menschliche Prüfung kombiniert, erreicht 90 bis 95% automatische Klassifizierung bei typischen Beschaffungsdatensätzen. Die verbleibenden 5 bis 10% werden zur menschlichen Prüfung markiert. Jede geprüfte Entscheidung fließt zurück in die Engine und verkleinert die Prüf-Warteschlange im Laufe der Zeit, bis sie nahezu null erreicht.
Kann UNSPSC-Klassifizierung die Herstellerteilenummer hinter dem eigenen Code eines Lieferanten identifizieren?
Ja. Wo eine ursprüngliche Herstellerteilenummer in den Daten oder einer verbundenen Referenzquelle existiert, löst die Engine sie auf und gibt sie als separates Feld für die Endhersteller-MPN zurück, statt den eigenen Code des Lieferanten als einzige Referenz auf der Position zu belassen.
Integriert sich Pearstop mit SAP für die UNSPSC-Klassifizierung?
Ja. Pearstop erhält Daten per CSV-Export oder direkter API-Verbindung von SAP, Oracle und anderen ERP- und P2P-Plattformen. In der Praxis empfinden viele Kunden den CSV-Export als den einfachsten Einstieg. Klassifizierte Daten werden im selben Format zurückgegeben, bereit zum Zurückladen in SAP oder zur Einspeisung in BI-Tools.
Wie lange dauert die UNSPSC-Klassifizierung?
Die meisten Kunden haben innerhalb von vier bis sechs Wochen nach dem Start einen sauberen, klassifizierten Datensatz. Das erste Projekt beginnt mit einer Data Stability Baseline, damit Sie die Ausgabequalität beurteilen können, bevor Sie sich zur laufenden Klassifizierung verpflichten.
Kann UNSPSC-klassifizierter Spend für die Scope-3-Emissionsberichterstattung genutzt werden?
Ja. Die ausgabenbasierte Methode für Scope 3 multipliziert die Ausgaben je Kategorie mit einem Emissionsfaktor. Die Ausgaben müssen daher zunächst nach Kategorie klassifiziert werden, und UNSPSC liefert konsistente Kategorien über Lieferanten, Standorte und Jahre hinweg. Pearstop liefert die klassifizierten Ausgaben; die Emissionsberechnung erfolgt in Ihrem Tool für die Klimabilanzierung.
Bereit, Ihre Beschaffungsklassifizierung zu automatisieren?
Sprechen Sie mit Vertrieb. Wir zeigen Ihnen genau, wie die Klassifizierungs-Engine mit Ihren Daten arbeiten würde.
