Operating Model Upgrade 2025: KI nutzen mit den richtigen Skills und Schlüsselrollen
- Erik Esly
- 17. Juni
- 4 Min. Lesezeit
Aktualisiert: 21. Aug.
Führungskräfte in Procurement und Supply Chain brauchen ein dynamisches Operating Model: klare Ownership, datengetriebene Entscheidungen, Technologieintegration entlang der End-to-end-Prozesse. So werden Unsicherheit beherrschbar und Verbesserungen messbar.
Operating Model verstehen und weiterentwickeln
Das Operating Model beschreibt, wie Prozesse, Systeme und Ressourcen organisiert werden, um strategische Ziele effizient zu erreichen – von der Auftragsabwicklung über Bestandssteuerung und Lieferantenmanagement bis zur Lieferung.
Ein dynamisches Operating Model reagiert schnell auf Marktveränderungen, integriert Innovationen und nutzt Technologien wie KI und Automatisierung, um Abläufe zu verbessern, Kosten zu optimieren und Ressourcen gezielt einzusetzen.
Ziel ist ein Setup, das heute Tempo macht und morgen messbar Effizienz sowie Nachhaltigkeit steigert. Damit das gelingt, braucht es konsequentes Stakeholder-Engagement, klare Rollen, Verantwortlichkeiten und Entscheidungsrechte, schlanke Governance sowie definierte KPIs.
Herausforderung: Dynamik globaler Märkte
Volatile Märkte, geopolitische Spannungen, neue Handelsregeln und der Druck zu mehr Nachhaltigkeit erzwingen ein Operating Model, das schnell lernt und flexibel reagiert.
Führende Unternehmen nutzen Near & Friendshoring, Dual Sourcing und resilientere Lieferantennetzwerke, passen Zölle und Compliance proaktiv an und reduzieren Abhängigkeiten durch alternative Routen und Kapazitäten. Sie arbeiten mit Szenarioplanung und S&OP/IBP, steuern Bestände risikoadaptiert und verankern CO2-Transparenz in Kategorien und Lieferantenbewertung.
Das Ergebnis: kürzere Reaktionszeiten, stabilere Servicelevel und gesicherte Wettbewerbsfähigkeit – ohne Qualitätseinbußen. Voraussetzung sind klare Entscheidungsrechte, saubere Daten, Technologieintegration (z. B. Risiko- und Netzwerk-Analytics) und eine Governance, die Anpassungen kontinuierlich ermöglicht.
Die Rolle von Technologie und KI bei der Transformation
Im Bereich Procurement und Supply Chain Management macht Technologie den Unterschied zwischen einem reaktiven und einem proaktiven Ansatz. Vor allem KI hilft, den Betriebsablauf effizienter zu gestalten und mehr aus ihren Daten herauszuholen. Stellen Sie sich ein Unternehmen vor, das mit Hunderten von Lieferanten weltweit arbeitet: KI kann hier nicht nur bei der Auswertung großer Datenmengen helfen, sondern auch bei der Optimierung der Lieferantenbeziehungen.
Ein Beispiel dafür ist, dass Abweichungen in der Lieferperformance frühzeitig erkannt und automatisch alternative Lieferanten vorgeschlagen werden können. Die Transformation durch Technologie ist also umfassend und tiefgehend, und sie erfordert neue Fähigkeiten und Rollen, um den Wandel zu steuern und maximalen Nutzen daraus zu ziehen. Hier beginnen die notwendigen Skillsets, die im nächsten Abschnitt näher beleuchtet werden.
Die entscheidenden Skills und Rollen für KI und Technologie
Technische Skills:
Erforderlich sind fundierte Kenntnisse in Datenanalysen und Business Intelligence, ein Verständnis für Programmiersprachen und spezialisierte Software sowie der souveräne Umgang mit großen Datenmengen. Dazu gehören die Entwicklung und Implementierung von Algorithmen für datengetriebene Entscheidungen sowie der Einsatz von Cloud-Technologien für Skalierung, Prozessoptimierung und Echtzeitanalysen.
Statistik und Datenvisualisierung: Komplexe Datensätze werden in handlungsrelevante Insights übersetzt. Tools wie Tableau und Power BI ermöglichen dynamische Dashboards und Berichte, die Entscheidungen beschleunigen und Wirkung transparent machen.
Soft Skills:
Gefragt sind klare Kommunikation und überzeugendes Storytelling, starke Zusammenarbeit mit aktivem Stakeholder-Engagement sowie Verhandlungskompetenz und souveräne Konfliktlösung in komplexen Lieferantenbeziehungen. Agilität, Priorisierung und Entscheidungsstärke unter Unsicherheit treffen auf kritisches Denken und pragmatische Problemlösung.
Empathie, interkulturelle Kompetenz, Integrität, Resilienz und Lernbereitschaft schaffen Vertrauen und verbessern so die Ergebnisse.
Rollenprofile für die wirksame Umsetzung
Supply Chain Analyst:
Analysiert End-to-end-Prozesse, identifiziert Muster und Engpässe und leitet umsetzbare Maßnahmen zur Effizienzsteigerung ab. Kernkompetenzen: Business Intelligence, fortgeschrittene Datenanalysen, Reporting. KPIs: Durchlaufzeit, OTIF, Bestandsreichweite.
Digital Transformation Lead:
Plant und skaliert die Einführung von KI, Automatisierung und Cloud-Lösungen entlang der Supply Chain. Verantwortet Roadmap, Implementierung und Change-Management. KPIs: Time-to-Value, Adoptionsrate, Prozesskosten.
Data Scientist/Architect:
Entwickelt Prognose-, Optimierungs- und Klassifikationsmodelle für Nachfrage, Bestand, Risiko und Qualität. Übersetzt Modelle in produktive Use Cases mit messbarem Business Impact. KPIs: Forecast Accuracy, Servicelevel, Kosten pro Auftrag.
Supplier Collaboration Manager:
Baut digitale Kollaborationsmodelle mit Lieferanten auf, fördert Transparenz, Qualität und Resilienz. Steuerung von Plattformen, SLAs und Joint-Improvement-Programmen. KPIs: On-time Delivery, PPV/Total Cost, Nachhaltigkeitsmetriken.
Category Manager:
Verhandelt strategische Verträge, treibt Total-Cost- und Nachhaltigkeitsziele, orchestriert Lieferantenentwicklung. KPIs: Einsparungen, Risikoindex, CO2-Fußabdruck pro Kategorie.
S&OP/IBP Lead:
Synchronisiert Absatzplanung, Produktion und Bestände, schafft belastbare Pläne und klare Entscheidungen über Szenarien. KPIs: Bias/MAE, Servicegrad, Working Capital.
Praxis, die liefert: Operating Model weiterentwickeln und Wirkung erzielen
Ein etabliertes Industrieunternehmen modernisiert sein Operating Model end-to-end:
S&OP/IBP eingeführt, Source-to-Pay digitalisiert, KI-gestützte Nachfrage- und Bestandsmodelle ausgerollt, eine Lieferantenplattform für kollaboratives Qualitäts- und Risikomanagement etabliert.
Parallel wurde die Organisation neu ausgerichtet: cross-funktionale Category Squads im Procurement, ein Supplier Collaboration Team für Qualität, Risiko und Nachhaltigkeit, ein Inventory Optimization Squad mit Verantwortung für Bestände und Working Capital, ein S&OP/IBP Core Team für End-to-end-Planung, ein Demand-Planning-Team mit Data-Science-Unterstützung sowie ein Logistics Control Tower für Transparenz und Reaktionsfähigkeit.
Ergänzend wurden ein Data- und KI‑Center of Excellence und klare End-to-end-Ownership für Source-to-Pay und Plan-to-Produce verankert – gesteuert über ein schlankes Governance-Modell mit eindeutigen Entscheidungsrechten und RACI.
Nach 12 Monaten steigen Servicelevel (OTIF) um 6–8 Prozentpunkte, die Bestandsreichweite sinkt um 15 %, Planungszyklen verkürzen sich um 20 %, CO2-Daten je Kategorie werden transparent. Im Procurement werden zusätzlich messbare Erfolge erzielt: Prozesskosten im Source-to-Pay sinken um 12–20 %, Einsparungen von 5–8 % pro Kategorie werden realisiert,
Maverick Spend reduziert sich um 30–50 %, die Vertragsabdeckung steigt um 15–25 Prozentpunkte und übersteigen am Ende sogar den Branchendurchschnitt.
Der Weg dorthin: klare Ownership, fokussierte Use Cases, konsequentes Stakeholder-Engagement, Qualifizierung der Teams und KPIs, die Nutzen sichtbar machen. So wird Technologieintegration zum Hebel für Effizienzsteigerung, Resilienz und nachhaltiges Wachstum – und der Wandel skalierbar.
ERIKESLY Advisory & Consulting unterstützt dabei pragmatisch und partnerschaftlich – von der Diagnose über Organisationsdesign und Roadmap bis zur Umsetzung und Skalierung.