KI für Lieferanten-Scoring: Risiken automatisch

TL;DR

Mittelständler bewerten Lieferanten manuell nach 5–8 Kriterien, oft nur jährlich. KI-gestütztes Lieferanten-Scoring analysiert 38 Risikofaktoren in Echtzeit: Finanzdaten, Lieferperformance, geopolitische Risiken und ESG-Kennzahlen. Unternehmen erkennen Lieferantenausfälle 4–6 Monate vor dem Eintritt und senken Supply-Chain-Störungen um 62%.

Warum manuelle Lieferantenbewertung nicht mehr ausreicht

Die meisten Mittelständler bewerten Lieferanten einmal jährlich anhand weniger Kriterien: Preis, Liefertreue, Qualitätsquote. Diese Bewertung ist eine Momentaufnahme. Zwischen zwei Bewertungen kann ein Lieferant in finanzielle Schieflage geraten, Produktionsprobleme entwickeln oder von geopolitischen Krisen betroffen werden.

Die Folgen zeigen aktuelle Zahlen: 43% der deutschen Mittelständler erlebten 2025 mindestens eine gravierende Lieferunterbrechung. Der durchschnittliche Schaden pro Vorfall lag bei 185.000 Euro, bestehend aus Produktionsausfall, Eilbeschaffung und Vertragsstrafen gegenüber eigenen Kunden.

Das Kernproblem: Ein Einkäufer kann bei 200 Lieferanten nicht kontinuierlich Finanzdaten, Nachrichtenlagen und Lieferperformance überwachen. KI kann das.

Datenquellen für das Lieferanten-Scoring

Das KI-Modell kombiniert interne und externe Datenquellen:

Interne Daten (aus ERP/QM)

Externe Daten (automatisch abgerufen)

Scoring-Modell und Architektur

# lieferanten-scoring/config.yaml
scoring_modell:
  name: "SupplierRisk KI"
  version: "2.1"

  risikokategorien:
    finanziell:
      gewicht: 0.25
      indikatoren:
        - name: "bonitaetsindex"
          quelle: "creditreform_api"
          schwellenwert_warnung: 250
          schwellenwert_kritisch: 350
        - name: "eigenkapitalquote"
          quelle: "bundesanzeiger"
          schwellenwert_warnung: 0.15
          schwellenwert_kritisch: 0.08
        - name: "zahlungsverhalten_branche"
          quelle: "creditreform_api"

    operativ:
      gewicht: 0.35
      indikatoren:
        - name: "liefertreue_12m"
          quelle: "sap_mm"
          schwellenwert_warnung: 0.92
          schwellenwert_kritisch: 0.85
        - name: "qualitaetsquote_ppm"
          quelle: "qm_system"
          schwellenwert_warnung: 500
          schwellenwert_kritisch: 2000
        - name: "reklamationstrend"
          quelle: "sap_qm"
          berechnung: "gleitender_durchschnitt_6m"

    geopolitisch:
      gewicht: 0.20
      indikatoren:
        - name: "laenderrisiko"
          quelle: "euler_hermes_index"
        - name: "transportrouten_risiko"
          quelle: "supply_chain_monitor"
        - name: "sanktionslisten_check"
          quelle: "bafa_liste"

    esg:
      gewicht: 0.10
      indikatoren:
        - name: "co2_footprint"
          quelle: "ecovadis"
        - name: "lksg_compliance"
          quelle: "selbstauskunft_und_audit"

    abhaengigkeit:
      gewicht: 0.10
      indikatoren:
        - name: "umsatzanteil_bei_lieferant"
        - name: "alternative_lieferanten_anzahl"
        - name: "wechselkosten"

  bewertungsskala:
    A: "score_ueber_80"     # Geringes Risiko
    B: "score_60_bis_80"    # Moderates Risiko
    C: "score_40_bis_60"    # Erhöhtes Risiko
    D: "score_unter_40"     # Kritisches Risiko

  aktionen:
    bei_abstufung_auf_C:
      - "einkaufsleiter_benachrichtigen"
      - "alternative_lieferanten_pruefen"
      - "sicherheitsbestand_erhoehen"
    bei_abstufung_auf_D:
      - "geschaeftsfuehrung_benachrichtigen"
      - "sofortige_alternativsuche"
      - "vertragliche_absicherung_pruefen"

  aktualisierung:
    interne_daten: "taeglich"
    externe_daten: "woechentlich"
    gesamtscore: "woechentlich"

Der Gesamtscore ergibt sich aus der gewichteten Kombination aller Kategorien. Die KI erkennt dabei nicht nur aktuelle Risikowerte, sondern prognostiziert Trends: Ein Lieferant mit sinkender Liefertreue und steigender Reklamationsquote erhält eine Frühwarnung, bevor der Score kritisch wird.

Implementierung in 6 Wochen

Woche 1–2: Datenintegration

Verbinden Sie das Scoring-System mit SAP MM, Ihrem QM-System und den externen Datenquellen. Die SAP-Anbindung erfolgt über Standard-BAPIs für Lieferantenstammdaten, Bestellhistorie und Wareneingangsdaten.

Details zur SAP-Integration beschreibt der RAG-Pipeline SAP-Guide.

Woche 3–4: Modellkonfiguration

Definieren Sie Gewichtungen und Schwellenwerte gemeinsam mit Einkauf, Qualitätsmanagement und Geschäftsführung. Kalibrieren Sie das Modell anhand bekannter Problemlieferanten aus der Vergangenheit.

Woche 5: Validierung

Bewerten Sie alle aktiven Lieferanten mit dem KI-Modell. Vergleichen Sie die Ergebnisse mit der Einschätzung erfahrener Einkäufer. Passen Sie Gewichtungen an, bis die KI-Bewertung zu 85%+ mit der Experteneinschätzung übereinstimmt.

Woche 6: Rollout und Schulung

Schulen Sie Einkäufer in der Interpretation der Scores und der Nutzung des Dashboards. Definieren Sie Eskalationsprozesse für Ratingänderungen.

ROI-Berechnung

Ausgangslage: Maschinenbauer mit 240 Lieferanten

Die Einsparung entsteht primär durch vermiedene Störungen. Frühwarnungen ermöglichen rechtzeitige Gegenmaßnahmen: Alternative Lieferanten aktivieren, Sicherheitsbestände aufbauen oder Verträge anpassen.

Nutzen Sie die KI-ROI Excel-Vorlage für Ihre individuelle Berechnung.

Praxisbeispiel: Getriebehersteller Süddeutschland

Ein Getriebehersteller mit 420 Mitarbeitern und 280 aktiven Lieferanten implementierte das KI-Scoring im September 2025. Ergebnisse nach 6 Monaten:

• 14 Lieferanten von A auf C herabgestuft, davon 3 tatsächlich ausgefallen
• 2 drohende Lieferausfälle 5 Monate vor Eintritt erkannt und durch Alternativquellen abgefangen
• Vermiedener Schaden: geschätzt 620.000 Euro
• 48 Lieferanten mit unzureichender ESG-Dokumentation identifiziert (LkSG-Relevanz)
• Einkäufer nutzen Dashboard als zentrale Entscheidungsgrundlage

Besonders wertvoll: Die KI erkannte bei einem Druckguss-Lieferanten einen schleichenden Qualitätsverfall (ppm-Rate stieg über 6 Monate von 120 auf 850), der manuell erst bei der Jahresbewertung aufgefallen wäre.

Allgemeine Grundlagen im KI-Leitfaden für Unternehmen.

LkSG-Compliance als Zusatznutzen

Das Lieferkettensorgfaltspflichtengesetz (LkSG) verpflichtet Unternehmen ab 1.000 Mitarbeitern zur Risikoanalyse in der Lieferkette. Aber auch kleinere Zulieferer werden von ihren OEM-Kunden zur Nachweisführung verpflichtet.

Das KI-Scoring deckt die LkSG-Anforderungen ab:

• Risikoanalyse für Menschenrechte und Umweltstandards
• Kontinuierliche Überwachung statt jährlicher Stichprobe
• Dokumentation und Nachweisführung für Audits
• Beschwerdeverfahren-Tracking

Die KI-Implementierungsanleitung beschreibt den Change-Management-Prozess für solche Projekte.

Häufig gestellte Fragen

Wie viele Lieferanten kann das System bewerten?

Das System skaliert auf 5.000+ Lieferanten ohne Performanceeinbußen. Die wöchentliche Aktualisierung aller Scores dauert bei 500 Lieferanten etwa 2 Stunden, hauptsächlich durch externe API-Abfragen.

Welche externen Datenquellen kosten zusätzlich?

Creditreform-API: ab 3.600 Euro/Jahr. EcoVadis-Zugang: ab 5.400 Euro/Jahr. Nachrichtenmonitoring (z.B. Prewave): ab 8.000 Euro/Jahr. Handelsregister und BAFA-Listen sind kostenfrei.

Kann ich eigene Bewertungskriterien hinzufügen?

Ja. Das System ist modular aufgebaut. Branchenspezifische Kriterien wie Zertifizierungen (IATF 16949, ISO 13485) oder Kapazitätsreserven lassen sich als zusätzliche Indikatoren integrieren.

Wie gehe ich mit Lieferanten um, die keine Daten bereitstellen?

Lieferanten ohne externe Daten erhalten einen konservativen Score. Das System markiert fehlende Datenpunkte und empfiehlt einen manuellen Audit. Erfahrungsgemäß liefern 85% der Lieferanten nach Aufforderung die benötigten Daten.

Ersetzt die KI den Einkäufer?

Nein. Die KI liefert Transparenz und Frühwarnungen. Die Bewertung und Maßnahmenentscheidung bleibt beim Einkäufer. In der Praxis verbringen Einkäufer weniger Zeit mit Datensammlung und mehr Zeit mit strategischer Lieferantenentwicklung.

Nächste Schritte

Erstellen Sie eine Liste Ihrer Top-50-Lieferanten nach Einkaufsvolumen. Prüfen Sie, welche Daten in Ihrem ERP verfügbar sind. Definieren Sie mit dem Einkaufsleiter die 5 wichtigsten Risikokategorien für Ihr Unternehmen. Die Budgetplanung für KI-Projekte unterstützt die Freigabe durch die Geschäftsführung.