Wir haben bei Auftragsbestätigungen schon vor Monaten 100 % Automatisierung erreicht. Es war nicht der Sieg, für den wir es gehalten hatten.
Am Anfang schien das Ziel klar: die Arbeit automatisieren. Die Daten aus dem Chaos herausholen – E-Mails, EDI, Bilder, Excel-Tabellen – und Bestätigungen ohne menschliches Zutun verarbeiten. Das war schwer. Unsaubere Lieferantendaten in großem Maßstab zu parsen, ist wirklich schwierig. Aber wir haben es gelöst. Dann haben wir die Automatisierung obendrauf gelöst. Nach jeder Kennzahl hatten wir gewonnen.
Und dann merkten wir, dass wir das Falsche optimiert hatten.
Die Zahl verlor in dem Moment ihre Bedeutung, in dem wir verstanden, wofür Automatisierung eigentlich da ist. Es ging nicht darum, Arbeit zu eliminieren. Es ging darum, Arbeit nach vorne zu verlagern – weg von der Triage, hin zur Lösung.
Das alte Modell: Alles triagieren
Hier leben die meisten Großhändler. Eine Bestätigung trifft ein. Ein Mensch öffnet sie. Er gleicht sie grob mit der Bestellung ab. Er entdeckt eine Abweichung – der Preis ist um drei Prozent gestiegen, die Lieferung verschiebt sich um zwei Wochen, die Menge stimmt nicht. Dann muss er entscheiden: Spielt das eine Rolle? Er prüft die Bestandsdeckung. Er prüft den Deckungsbeitrag. Er prüft, ob die Produktion von diesem Artikel abhängt. Dann entscheidet er, was zu tun ist.
Macht er es gründlich, kostet es Zeit. Geht er unter – und das tun die meisten –, überspringt er es. Er akzeptiert die Abweichung. Weiter unten in der Kette summiert sich das Problem: Ware kommt zu spät, die Lieferfähigkeit sinkt, und man gleicht das mit mehr Sicherheitsbestand aus. Höheres gebundenes Kapital. Niedrigere Lieferquoten. Erschöpfte Leute.
Manche Großhändler bearbeiten Bestätigungen überhaupt nicht mit echter Sorgfalt. Sie akzeptieren einfach, was kommt, und kümmern sich später um die Folgen.
Was Lisa stattdessen tut
Lisa – unser Einkaufs-Agent – liest die Bestätigung nicht nur. Sie löst sie.
Eine Abweichung trifft ein. Sie bewertet sie im Kontext: Deckung, Kritikalität, Deckungsbeitrag, Produktionswirkung. Ist die Abweichung akzeptabel – wenn eine frühe Teillieferung die Deckung hält, wenn eine Preisabweichung innerhalb der Toleranz liegt –, entscheidet sie. Sie akzeptiert sie und aktualisiert den Plan. Ohne menschliches Zutun.
Bricht die Abweichung jedoch die Deckung, eskaliert sie nicht sofort an dich. Sie verhandelt. Sie schickt dem Lieferanten eine E-Mail und bittet um eine frühere oder teilweise Lieferung. Sie versucht, das Problem zu lösen, bevor du es überhaupt zu sehen bekommst.
Antwortet der Lieferant, bewertet sie erneut. Funktionieren die neuen Konditionen – findet sie Ersatzmaterialien mit Deckung, lösen Lagerumbuchungen das Problem, hält irgendein Mitigationspfad die Lieferkette intakt –, führt sie die Maßnahme aus und schließt den Vorgang.
Erst wenn sie alle Lösungswege ausgeschöpft hat, kommt es zu dir. Und dann landet es als Risiko – nicht als rohe Abweichung. Es enthält, was sie versucht hat, warum es nicht funktioniert hat und was es weiter unten in der Kette bedeutet. Es enthält, wie kritisch der Artikel ist, welche Auswirkung er hat und welche Optionen du hast. Entscheidend: Es enthält eine wahrscheinliche Ursache – nicht nur „diese Bestätigung stimmt nicht", sondern „sie stimmt vermutlich nicht, weil der Lieferant von einem anderen Versandort geliefert hat". Der Wert lag nie darin, die Abweichung zu erkennen. Er liegt darin, dem Einkäufer die zwanzig Minuten zu ersparen, in denen er herausfindet, warum sie passiert ist.
Der Mensch sieht die Ausnahmen, die wirklich ein Urteil brauchen. Alles andere ist bereits gelöst.
Die drei Ebenen
So sieht das Modell aus:
Ebene eins: Wenn möglich automatisch lösen. Passt die Abweichung in akzeptable Parameter und hält die Deckung, akzeptiere sie und mach weiter. Kein Mensch, keine Verzögerung.
Ebene zwei: Automatisch mitigieren, wenn die Lösung scheitert. Versuche, das eigentliche Problem zu beheben – mit dem Lieferanten verhandeln, Ersatz finden, Lagerumbuchungen orchestrieren –, bevor der Mensch es überhaupt sieht.
Ebene drei: Intelligent eskalieren, wenn beides scheitert. Übergib es einem Menschen als aufbereitetes Risiko, nach Kritikalität und Auswirkung priorisiert, mit bereits erledigter Vorarbeit. Der Mensch trifft die Entscheidung, nicht die Triage.
Was das konkret bedeutet
Das Ergebnis ist nicht „wir haben etwas automatisiert". Es sind drei Dinge, die deinem Finanz- und Operations-Team wirklich wichtig sind:
Höhere Servicelevel. Wenn Ausnahmen rund um die Uhr mit Sorgfalt erkannt und gelöst werden, steigt die Versorgungssicherheit auf ganzer Linie. Bei Großhändlern zeigt sich das in höheren Lieferquoten – Ware kommt wie zugesagt an, Kundenaufträge werden erfüllt, und der Order-to-Cash-Zyklus bleibt intakt. Bei großen Herstellern zeigt es sich in zuverlässiger Material- und Komponentenverfügbarkeit: weniger Bandstillstände, weniger Eilbeschaffung, gleichmäßigerer Produktionsfluss und letztlich ein höheres Servicelevel beim fertigen Produkt, das den Endkunden erreicht. In beiden Fällen ist der Mechanismus derselbe – Abweichungen werden sichtbar gemacht und gelöst, bevor sie sich nach unten fortpflanzen, sodass die Störung nie den Teil des Geschäfts erreicht, an dem sie teuer wird.
Gleiches gebundenes Kapital. Du hältst keinen zusätzlichen Sicherheitsbestand, um Lücken abzudecken, die man hätte abfangen sollen. Du hältst die Deckung mit dem Bestand, den du ohnehin schon hast.
Freigesetzte Mitarbeiter. Dein Einkaufsteam hört auf, an Bestätigungen Brände zu löschen, und beginnt, Lieferketten-Probleme zu lösen. Es bewegt sich von der Triage zur Strategie.
Und unter all dem: konsistentes, intelligentes Ausnahmemanagement, das skaliert. Die meisten Großhändler überspringen diese Arbeit entweder ganz oder machen sie halb. Du bekommst Sorgfalt rund um die Uhr, die Menschen nicht durchhalten können.
Warum das jetzt zählt
Wir haben dieses Modell nicht im luftleeren Raum erfunden. Wir haben es gebaut, weil wir täglich mit großen Großhändlern arbeiten und die Realität sehen: Diejenigen, denen Bestätigungen wirklich wichtig sind, erzielen bessere Ergebnisse. Höhere Servicelevel. Weniger gebundenes Kapital. Klügere Leute, die klügere Arbeit machen.
Und die anderen? Sie kompensieren mit Bestand. Sie nehmen niedrigere Lieferquoten in Kauf. Sie nehmen hin, dass diese Arbeit schlicht nicht in der nötigen Qualität erledigt wird.
Wir haben bereits bewiesen, dass es funktioniert. Unsere aktuellen Kunden erleben es Tag für Tag.
Der eigentliche Wandel
Am Anfang jagten wir einer Prozentzahl hinterher. Wir wollten sagen können: „Wir haben 100 % automatisiert." Und wir haben es geschafft.
Aber die Prozentzahl war nie der Punkt. Der Punkt war: Können wir Entscheidungen mit genug Intelligenz treffen, dass Menschen nie ein Chaos erben? Können wir lösen, was lösbar ist, mitigieren, was mitigierbar ist, und nur das eskalieren, was wirklich ein Urteil braucht?
Das ist das Modell, das skaliert. Das ist das Modell, das wirklich etwas bewegt.
Die 100 % Automatisierung? Die sind nur das Nebenprodukt.
