Lieferantenbewertung mit KI: Von der Scorecard zum dynamischen Ranking

Einmal im Quartal wird die Excel-Tabelle geöffnet, ein paar Noten eingetragen, und der Lieferant bekommt eine E-Mail mit seiner Scorecard. Dieses Ritual kennt fast jede Einkaufsabteilung. Das Problem: Bis die Bewertung beim Lieferanten ankommt, ist die zugrundeliegende Datenlage längst veraltet. Qualitätsprobleme aus dem letzten Monat fehlen, Lieferverzögerungen der vergangenen Woche auch.

Statische Scorecards spiegeln nicht die aktuelle Realität wider. Sie sind ein Foto aus der Vergangenheit, auf dem strategische Entscheidungen basieren. Laut einer Gartner-Studie (2025) verlassen sich 67 Prozent der Einkaufsorganisationen noch immer auf manuelle oder halbautomatisierte Bewertungsprozesse, obwohl die Datenverfügbarkeit für eine echte Echtzeit-Bewertung längst vorhanden wäre.

KI ändert das grundlegend. Nicht als technische Spielerei, sondern als konkretes Werkzeug, das Lieferantenbewertungen von einer periodischen Pflichtübung in ein strategisches Steuerungsinstrument verwandelt. Wie das in der Praxis aussieht und welche Schritte du dabei gehen kannst, zeigt dieser Artikel.

Warum klassische Scorecards an ihre Grenzen stossen

Die traditionelle Lieferantenbewertung hat drei strukturelle Schwächen. Erstens ist sie rückwärtsgewandt: Sie bewertet, was war, nicht was kommt. Zweitens ist sie selektiv: Nur ein Bruchteil der vorhandenen Daten fliesst ein, weil manuelle Auswertung Zeit kostet. Drittens ist sie subjektiv: Wer die Felder ausfüllt, beeinflusst das Ergebnis.

In der Praxis sehen wir bei mittelgrossen Unternehmen oft Scorecards mit 8 bis 12 Kriterien, von denen 4 bis 5 tatsächlich regelmässig aktualisiert werden. Qualitätsreklamationen, Rechnungsabweichungen oder Kommunikationsverhalten bleiben aussen vor, einfach weil die Daten in verschiedenen Systemen liegen und die manuelle Zusammenführung zu aufwändig ist.

Was KI-gestützte Lieferantenbewertung konkret bedeutet

Ein KI-basiertes Bewertungssystem aggregiert laufend Daten aus verschiedenen Quellen: ERP-System, Wareneingangsqualität, Rechnungsabwicklung, Kommunikationshistorie, externe Nachhaltigkeitsdatenbanken und Finanzkennzahlen. Das Ergebnis ist kein statischer Score, sondern ein dynamisches Ranking, das sich täglich oder wöchentlich aktualisiert.

Konkret bedeutet das: Ein Lieferant, der in drei aufeinanderfolgenden Wochen Lieferverzögerungen produziert, rutscht im Ranking nach unten, noch bevor der Einkäufer die nächste Bestellung auslöst. Umgekehrt wird ein Lieferant, der konstant bessere Qualitätsquoten liefert als vereinbart, sichtbar und kann für strategische Projekte bevorzugt werden.

Laut einer BCG-Analyse (2025) können Unternehmen, die auf dynamische Lieferantenbewertung umstellen, ihre Lieferantenrisiken um 25-40 Prozent früher erkennen als mit klassischen Methoden. Das gibt dem Einkauf den nötigen Vorlauf für proaktive Massnahmen.

Die drei Stufen vom manuellen Score zum dynamischen Ranking

Die Transformation funktioniert nicht von heute auf morgen. In der Praxis empfehlen wir drei Stufen.

Stufe 1: Datenbasis konsolidieren. Bevor KI irgendetwas berechnen kann, müssen die vorhandenen Datenquellen verbunden werden. ERP, Qualitätsmanagementsystem und Einkaufssystem müssen miteinander sprechen. Das klingt banal, ist aber in vielen Unternehmen der grösste Engpass.

Stufe 2: Gewichtung und Kriterien definieren. KI rechnet, was man ihr sagt. Die strategische Entscheidung, welche Kriterien wie gewichtet werden, bleibt beim Einkauf. Nachhaltigkeit, Liefertreue, Qualität, Preiszuverlässigkeit: Hier braucht es einen klaren internen Konsens, bevor der Algorithmus sinnvolle Ergebnisse liefert.

Stufe 3: Dynamik aktivieren und interpretieren lernen. Das dynamische Ranking ist der Endpunkt. Es liefert täglich aktualisierte Einblicke. Der entscheidende Schritt ist aber nicht die Technologie selbst, sondern der Kulturwandel: Einkäufer müssen lernen, mit sich verändernden Rankings umzugehen und auf Frühwarnsignale zu reagieren.

Mehr dazu, wie KI-Projekte im Einkauf strukturiert aufgesetzt werden, findest du im Artikel über die fünf Use Cases mit sofortigem ROI: Wie AI den Einkauf revolutioniert.

Vorausschauende Bewertung: Risiken erkennen, bevor sie eintreten

Das grösste Potenzial liegt nicht in der besseren Messung der Vergangenheit, sondern in der Vorhersage. Predictive-Analytics-Modelle erkennen Muster: Ein Lieferant, der seine Rechnungen zunehmend später stellt, dessen Qualitätsquote leicht sinkt und dessen externe Kreditwürdigkeitsbewertung sich verschlechtert, sendet Signale. Kein einzelnes Signal ist ein Alarm. Kombiniert sind sie ein Frühwarner.

Laut Fraunhofer IML (2025) lassen sich mit KI-gestützten Risikomodellen Lieferantenausfälle in 58 Prozent der Fälle mehr als 90 Tage im Voraus erkennen. Das gibt Einkaufsabteilungen Zeit, Alternativen zu qualifizieren oder mit dem Lieferanten Massnahmen zu vereinbaren, statt unter Zeitdruck zu reagieren.

Wenn du auch verstehen möchtest, wie du KI-Einsatz im Einkauf sicher und kontrolliert gestaltest, ohne unkontrollierte Tool-Nutzung zu riskieren, lohnt sich ein Blick auf den Artikel zu Schatten-KI im Einkauf.

Was ein dynamisches Ranking für die Lieferantenentwicklung verändert

Ein dynamisches Ranking verändert nicht nur die Bewertung selbst, sondern auch das Gespräch mit dem Lieferanten. Statt einmal im Jahr eine Scorecard zu übergeben, gibt es eine kontinuierliche, datenbasierte Grundlage für regelmässige Gespräche.

Das stärkt die Verhandlungsposition des Einkaufs. Wer objektive Daten vorlegt, argumentiert anders als wer auf subjektive Eindrücke zurückgreift. Und es verändert die Dynamik auf Lieferantenseite: Wer weiss, dass sein Ranking laufend aktualisiert wird, hat einen stärkeren Anreiz zur konstanten Leistung.

In der Praxis sehen wir, dass Unternehmen mit dynamischen Bewertungssystemen ihre Lieferantenentwicklungsgespräche von durchschnittlich einmal pro Jahr auf vier bis sechs Mal pro Jahr hochsetzen. Der Aufwand pro Gespräch sinkt dabei, weil die Datenvorbereitung wegfällt.

Wer die Kostenwirkung von KI im Einkauf insgesamt verstehen möchte, findet im Artikel über die drei Hebel zur Kostenreduktion weitere konkrete Ansätze.

Fazit: Der Wechsel lohnt sich, aber er braucht einen Plan

KI-gestützte Lieferantenbewertung ist kein Selbstzweck. Sie liefert dann echten Mehrwert, wenn die Datenbasis stimmt, die Kriterien klar definiert sind und die Organisation bereit ist, mit dynamischen Informationen zu arbeiten. Das sind keine technischen Fragen. Es sind organisatorische.

Die gute Nachricht: Du musst nicht alles auf einmal verändern. Viele Unternehmen starten mit einem Piloten in einer Warengruppe oder bei einem Teilsegment des Lieferantenportfolios. Das schafft Vertrauen in die Methode und zeigt intern, was möglich ist.