Geschäftsproblem
Einem multinationalen Unternehmen fehlte es an effektiver Unterstützung bei der Klassifizierung der Lieferantenausgaben, insbesondere für Dienstleistungen und indirekte Materialien. Manuelle Texteingaben und inkonsistente Beschreibungen führten zu falschen Ausgabenkategorien, unzuverlässigen Berichten und eingeschränkter Transparenz für Budgetierung und Buchhaltung.
Ergriffene Maßnahmen
· Implementiert eine KI-gestützter Rahmen zur Ausgabenklassifizierung mithilfe von Textanalysen und Modellen auf neuronalen Netzwerken.
· Entwickelte Trainings-, Bewertungs- und Feedbackschleifen, um die Klassifizierungsgenauigkeit kontinuierlich zu verbessern.
· Anwendung einer hierarchischen Klassifikationslogik zur Handhabung diverser und unstrukturierter Lieferantenbeschreibungen.
· Nutzung der Fähigkeiten zum semantischen Verständnis zur Interpretation von Freitext-Beschaffungsdaten.
Erreichte Ergebnisse
· Erreicht 90— 95% Klassifikationsgenauigkeitauf geschäftsvalidierten Datenstichproben.
· Verbesserte Zuverlässigkeit der Ausgabenberichterstattung für Dienstleistungen und indirekte Materialien.
· Erhöhung der betrieblichen Effizienz innerhalb der globalen Einkaufsorganisation.
· Ermöglicht eine genauere Budgetierung und Buchhaltung durch eine konsistente Lieferantenklassifizierung.
