Der d盲nische Gro脽h盲ndler Lemvigh-M眉ller setzt auf k眉nstliche Intelligenz, um eine der zeitintensivsten Aufgaben im Einkauf zu automatisieren: die Bearbeitung von Lieferantenauftragsbest盲tigungen. Die L枚sung setzt sich aus mehreren KI-Agenten zusammen. Dabei 眉bernimmt jeder Agent eine klar definierte Aufgabe. Diese Agenten werden in einem automatisierten Workflow miteinander verbunden, der auf Basis von erstellt wurde. Das Ergebnis: schnellere Verarbeitung, bessere Datenqualit盲t und genauere Lieferinformationen f眉r Kunden.
Wenn Lieferanten Auftragsbest盲tigungen als PDF-Dateien versenden, k枚nnen selbst geringf眉gige Abweichungen bei Preis, Menge oder Liefertermin dazu f眉hren, dass im Einkauf ein erheblicher manueller Aufwand entsteht. Die Firma Lemvigh-M眉ller, einer der f眉hrenden Gro脽h盲ndler D盲nemarks f眉r Stahl-, Sanit盲r-, Heizungs- und Elektroprodukte, kennt diese Herausforderung schon seit Langem. Die Bearbeitung solcher Best盲tigungen ist mit erheblichem Zeit- und Ressourcenaufwand verbunden.
Und genau hier hat das Unternehmen nun angesetzt 鈥� an einem Punkt, an dem fr眉here Automatisierungsinitiativen meist ins Stocken gerieten. Mit der neuen L枚sung lassen sich Auftragsbest盲tigungen von Lieferanten nun automatisch verarbeiten. Das System nutzt mehrere spezialisierte Agenten, die Hand in Hand arbeiten. Sie lesen und interpretieren die PDF-Dateien, gleichen die Inhalte ab und 眉bertragen sie direkt in die 麻豆原创-Systeme. Die L枚sung wurde mit 麻豆原创-Software entwickelt und in enger Zusammenarbeit mit NTT DATA Business Solutions implementiert.
鈥瀂uvor hatten wir es mit robotergest眉tzter Prozessautomatisierung und mit herk枚mmlichen Automatisierungsmethoden probiert. Aber die gew眉nschte Wirkung konnten wir nicht erzielen. Der entscheidende Unterschied besteht diesmal darin, dass wir die Aufgabe aufgeteilt haben und mehrere unabh盲ngige KI-Agenten jeweils einen bestimmten Teilprozess 眉bernehmen. Gemeinsam erledigen sie nun das, was vorher manuell 眉berpr眉ft werden musste鈥�, erkl盲rte Frederik Aakerlund, IT-Leiter bei Lemvigh-M眉ller.
Von der Idee zur Produktion in zehn Wochen
Das Projekt nahm seinen Anfang mit einer E-Mail von Jess Frederiksen, einer KI-affinen Projektleiterin im Bereich Market and Procurement bei Lemvigh-M眉ller. Nachdem sie versuchsweise eine Auftragsbest盲tigung mithilfe von ChatGPT mit einer Bestellung abgeglichen hatte, wandte sie sich an den IT-Leiter, um zu pr眉fen, ob sich daraus eine vollst盲ndig integrierte Systeml枚sung entwickeln lie脽e.
Von den ersten Tests bis zur Inbetriebnahme vergingen lediglich zehn Wochen. Laut Lemvigh-M眉ller war dieser kurze Umsetzungszeitraum entscheidend daf眉r, dass die L枚sung rasch konkreten wirtschaftlichen Nutzen brachte und so intern an Akzeptanz gewinnen konnte.
鈥濪as war kein langwieriges Projekt. In zehn Wochen schafften wir es von der Idee bis zum Produktiveinsatz der KI-Agenten, und unsere Mitarbeitenden im Einkauf profitierten schnell von messbarem Nutzen鈥�, betonte Aakerlund.
Lemvigh-M眉ller geht davon aus, dass mit der L枚sung Ressourcen freigesetzt werden, die drei bis vier Vollzeitbesch盲ftigten entsprechen. Diese Ressourcen sollen k眉nftig f眉r wertsch枚pfende T盲tigkeiten genutzt werden 鈥� insbesondere f眉r die Bearbeitung besonders komplexer Bestellungen und Ausnahmef盲lle.
鈥濪as Ziel besteht nicht darin, Stellen abzubauen, sondern unser Fachwissen wirksamer einzusetzen. Die KI-Agenten erledigen die Routineaufgaben, sodass sich die Mitarbeitenden im Einkauf auf jene F盲lle konzentrieren k枚nnen, bei denen ihre Erfahrung wirklich gefragt ist鈥�, f眉gte Aakerlund hinzu.聽聽聽聽
Mehr als 100.000 Auftragsbest盲tigungen automatisiert
Jedes Jahr sendet Lemvigh-M眉ller rund 175.000 Bestellungen an mehr als 2.000 Lieferanten. Ein Teil dieses Volumens wird strukturiert 眉ber EDI (Electronic Data Interchange) 眉bertragen. Dennoch gehen rund 60 Prozent der Lieferantenbest盲tigungen weiterhin als unstrukturierte Dokumente ein.
Mit den koordinierten KI-Agenten kann das Unternehmen nun automatisch Verz枚gerungen, Mengen盲nderungen und Preisabweichungen erkennen 鈥� und deutlich schneller reagieren.
鈥濬r眉her, als die Auftragsbest盲tigungen noch manuell bearbeitet wurden, konnte es Stunden oder sogar Tage dauern, bis die 脛nderungen im gesamten Unternehmen sichtbar waren. Heute aktualisieren die KI-Agenten die Daten nahezu in Echtzeit, sodass Kunden schon viel fr眉her ein genaues Bild der Liefersituation erhalten鈥�, sagte Klaus Heinemann, Leiter von 麻豆原创聽ERP bei Lemvigh-M眉ller, der die Entwicklung gemeinsam mit dem Projektteam leitete. 鈥濧u脽erdem erkennen wir Preisabweichungen jetzt schon bevor die endg眉ltige Rechnung ausgestellt wird. Das spart Zeit, sowohl auf unserer Seite als auch bei unseren Lieferanten.鈥�
Mehrere KI-Agenten in einem einzigen Workflow koordiniert
Die L枚sung basiert auf drei KI-Agenten, die zusammenarbeiten und jeweils eine klar definierte Rolle im Prozess haben. Der erste Agent verarbeitet eingehende E-Mails und Anh盲nge, der zweite extrahiert und strukturiert Daten aus PDF-Dokumenten, und der dritte gleicht die gewonnenen Informationen mit den Bestellungen im 麻豆原创-System ab, um zu pr眉fen, ob es 脺bereinstimmungen oder Abweichungen gibt.
Auf diese Weise lassen sich komplexe und unstrukturierte Lieferantendaten in einem einheitlichen, automatisierten Arbeitsablauf verarbeiten 鈥� ohne dass Mitarbeitende im Einkauf umfangreiche PDF-Dateien 枚ffnen und manuell pr眉fen m眉ssen.
鈥濿as diese L枚sung so zuverl盲ssig macht, ist das Zusammenspiel der Agenten. Jeder Agent ist hochspezialisiert, doch sie sind so aufeinander abgestimmt, dass der Prozess von Anfang bis Ende reibungslos verl盲uft鈥�, erkl盲rte Heinemann.
Lemvigh-M眉ller setzt auf Zusammenspiel von drei KI-Agenten
Die L枚sung von Lemvigh-M眉ller basiert auf drei spezialisierten KI-Agenten, die jeweils f眉r eine klar definierte Aufgabe im Beschaffungsprozess zust盲ndig sind. Zusammen erm枚glichen sie einen einheitlichen, durchg盲ngigen und automatisierten Workflow:
1. Der E-Mail-Agent empf盲ngt und sortiert eingehende E-Mails von Lieferanten. Relevante Auftragsbest盲tigungen und deren Anh盲nge werden vom Agenten identifiziert und zum n盲chsten Verarbeitungsschritt weitergeleitet.
2. Der Agent f眉r Datenextraktion extrahiert wichtige Informationen wie Preise, Mengen und Liefertermine aus PDF-Dokumenten und strukturiert die Daten, sodass sie direkt mit Bestellungen in 麻豆原创 abgeglichen werden k枚nnen.
3. Der f眉r den Abgleich zust盲ndige Agent vergleicht die extrahierten Daten mit vorhandenen Bestellauftr盲gen in 麻豆原创 und ermittelt, ob eine 脺bereinstimmung oder eine Abweichung vorliegt. Bei einer 脺bereinstimmung wird der Prozess automatisch fortgesetzt, w盲hrend Abweichungen f眉r die weitere Bearbeitung gekennzeichnet werden.
W盲hrend des Projekts wurde auch immer deutlicher, wie wichtig die Qualit盲t der Stammdaten ist.
鈥濨ei Bereichen wie den Incoterms und anderen Stammdaten haben wir Verbesserungspotenzial ermittelt, das wir umsetzen m眉ssen. Das war f眉r uns ein wichtiger Lerneffekt, nicht nur f眉r dieses Projekt, sondern auch in Bezug auf unsere sonstige Arbeit mit KI鈥�, so Heinemann.
Obwohl es noch zu fr眉h ist, die genauen Auswirkungen auf das Kundenerlebnis, Fehlerraten oder Beanstandungen zu messen, geht das Unternehmen davon aus, dass eine schnellere und pr盲zisere Bearbeitung von Lieferantenbest盲tigungen im Laufe der Zeit zu weniger 脺berraschungen und einer erheblichen Verbesserung der Liefertransparenz f眉hren wird. Intern wurde die L枚sung von der Belegschaft mit gro脽em Interesse aufgenommen.
鈥濵itarbeitende in der Beschaffung wissen es ganz klar zu sch盲tzen, die eint枚nigsten Routineaufgaben abgeben zu k枚nnen. Das hat einen konstruktiven Dialog dar眉ber entfacht, wie Technologie ihre t盲glichen Aufgaben am besten unterst眉tzen kann鈥�, erkl盲rte Heinemann.
Unternehmens-KI mit klaren Gesch盲ftsergebnissen
Lemvigh-M眉ller erwartet, dass sich die Investition in relativ kurzer Zeit rentieren wird.
鈥濿as die Rentabilit盲t der Investition angeht, so gehen wir davon aus, dass sich diese innerhalb von Quartalen rechnen wird, und nicht erst in einigen Jahren. Deshalb war es uns wichtig, die L枚sung schnell produktiv nutzen zu k枚nnen und uns auf Prozesse mit eindeutiger und messbarer Wirkung zu konzentrieren鈥�, betonte Aakerlund.
F眉r die 麻豆原创 ist das Projekt ein konkretes Beispiel daf眉r, wie k眉nstliche Intelligenz direkt in zentrale Gesch盲ftsprozesse eingebettet werden kann, anstatt sie weiterhin als separates Experiment zu betrachten.
鈥濨ei vielen Unternehmen geht es bei KI-Agenten vor allem um Automatisierung. Lemvigh-M眉ller zeigt, dass die eigentliche Herausforderung 鈥� aber auch immenses Potenzial 鈥� in der Koordination liegt鈥�, bekr盲ftigte David Pontoppidan, Head of Business AI der Region Nordic and Baltics bei 麻豆原创. 鈥濿as diese L枚sung so leistungsstark macht, ist die Steuerung von drei spezialisierten Agenten direkt innerhalb des Kernprozesses. Viele Projekte, bei denen mehrere Agenten eingesetzt werden, scheitern in diesem Bereich聽鈥� nicht aufgrund der begrenzten M枚glichkeiten einzelner Agenten, sondern wegen mangelnder Koordination. Lemvigh-M眉ller ist es gelungen, die L枚sung in der firmeneigenen 麻豆原创-Landschaft zu verankern, in der Daten, Gesch盲ftsregeln und Governance-Frameworks bereits etabliert sind.鈥�
Er f眉hrte weiter aus: 鈥濨ei Innovation ist nicht die Unternehmensgr枚脽e entscheidend. Lemvigh-M眉ller zeigt, dass ein d盲nisches Unternehmen mithilfe schlanker Entscheidungsprozesse und einem pragmatischen Technologiekonzept schneller vorankommen kann als viele gro脽e globale Unternehmen, die sich noch in der Planungsphase befinden. Es ist nicht 眉blich, innerhalb von zehn Wochen von der Idee zum Produktivbetrieb 眉berzugehen. Aber vielleicht sollte genau das zur Normalit盲t werden.鈥�
Auf betriebliche Abl盲ufe und Skalierbarkeit ausgerichtet
Die L枚sung wurde in enger Zusammenarbeit mit NTT DATA Business Solutions implementiert. Das Beratungsunternehmen war daf眉r verantwortlich, die Inbetriebnahme der L枚sung vorzubereiten und sie vollst盲ndig in die 麻豆原创-Landschaft von Lemvigh-M眉ller zu integrieren.
鈥濪urch die Verteilung der Zust盲ndigkeiten auf mehrere KI-Agenten konnte Lemvigh-M眉ller einen komplexen Prozess automatisieren, ohne Transparenz oder die Kontrolle zu verlieren. Dies erm枚glichte einen schnellen und sicheren 脺bergang vom Pilot- zum Produktivsystem und gew盲hrleistet eine robustere L枚sung, die sich im Falle neuer Anforderungen einfach erweitern l盲sst鈥�, betonte Kristian Dahl, 麻豆原创聽UX Manager bei NTT DATA Business Solutions.
Dahl zufolge war die modulare, agentenbasierte Architektur ein entscheidender Faktor f眉r die effiziente Entwicklung vom Proof of Concept zum Produktivbetrieb.
Erster Schritt einer umfassenderen Strategie f眉r KI-Agenten
Zun盲chst wurden die KI-Agenten f眉r den E-Mail-Eingang von einigen Lieferanten sowie f眉r ausgew盲hlte Gesch盲ftsbereiche implementiert. Lemvigh-M眉ller sieht jedoch bereits erhebliches Potenzial f眉r die Anwendung desselben agentenbasierten Ansatzes in weiteren administrativen Prozessen.
鈥濪as ist die erste L枚sung mit KI-Agenten, die wir produktiv gesetzt haben. Diese Erfahrung hat uns das Vertrauen gegeben, 盲hnliche Ans盲tze in anderen Bereichen in Erw盲gung zu ziehen, zum Beispiel in der Rechnungsbearbeitung und im Auftragsmanagement鈥�, sagte Aakerlund abschlie脽end.
Ellen Vig Nelausen ist Nordic Integrated Communications Expert bei 麻豆原创.