Risikoanalyse von Zulieferern durch den Einsatz von KI

Die Herausforderungen traditioneller Risikobewertungen von Zulieferern und der Nutzen von KI

Die Risikobewertung von Zulieferern ist ein zentraler Aspekt im Supply Chain Management von Unternehmen. In der Vergangenheit haben Unternehmen meist manuell und mit aufwändigen Prozessen ihre Zulieferer evaluiert. Dazu zählten Faktoren wie finanzielle Stabilität, Reputation, Qualität und Liefertreue. Doch in einer globalisierten Welt mit einer Vielzahl von Zulieferern und einer immer komplexeren Lieferkette wird diese traditionelle Herangehensweise immer schwieriger und zeitaufwändiger. Hier setzt Künstliche Intelligenz (KI), insbesondere Natural Language Processing (NLP), an und bietet eine leistungsstarke Lösung für eine effiziente und umfassende Risikobewertung von Zulieferern.

Wie sicher ist Ihre Lieferkette? Die Risikobewertung von Zulieferern stellt für viele Unternehmen eine enorme Herausforderung dar. Traditionell haben Unternehmen versucht, ihre Zulieferer anhand von historischen Daten, finanziellen Kennzahlen und persönlichen Beziehungen zu bewerten. Doch diese Methoden sind oft zeitaufwändig, subjektiv und berücksichtigen nicht alle relevanten Faktoren.

Natural Language Processing (NLP), bietet hier eine innovative Lösung. Durch die automatisierte Analyse von großen Datenmengen aus unterschiedlichen Quellen, wie zum Beispiel lokalen News Artikeln, können Unternehmen schneller und umfassender über potenzielle Risiken informiert werden. NLP ermöglicht es, Textinhalte aus verschiedenen Quellen zu verstehen und zu interpretieren und somit eine objektive, datengestützte Bewertung der Zulieferer zu gewährleisten.

Die Vorteile des Einsatzes von Web Scraping und NLP bei der Risikobewertung von Zulieferern liegen auf der Hand: Unternehmen können frühzeitig auf mögliche Engpässe oder Störungen in der Lieferkette reagieren, objektivere Entscheidungen treffen und ihre Lieferketten insgesamt widerstandsfähiger gestalten. Dadurch werden Unternehmen in die Lage versetzt, Risiken besser zu erkennen und zu bewältigen, und somit ihre Wettbewerbsfähigkeit auf dem globalen Markt zu sichern.

TCW-Ansatz zur Risikoanalyse von Zulieferern mit KI

Um Unternehmen bei der Risikobewertung von Zulieferern effektiv zu unterstützen, hat TCW einen zweistufigen Ansatz entwickelt, der Web Scraping und NLP optimal einsetzt, um präzise und umfassende Informationen zur Lieferantenanalyse bereitzustellen.

a. Datensammlung durch Web Scraping: Global und sprachenübergreifend

Zunächst sammelt TCW automatisiert sämtliche News Artikel, die sich auf die jeweiligen Zulieferer eines Unternehmens beziehen, innerhalb eines vorher definierten Zeitraums. Der Web Scraping-Prozess erfolgt auf globaler Ebene und berücksichtigt den Standort des Zulieferers, um sowohl internationale als auch lokale Newsquellen einzubeziehen. Dies stellt sicher, dass auch spezifische regionale Risikofaktoren erfasst werden. Die Nachrichtenquellen lassen sich dabei kunden- und branchenspezifisch anpassen.

Ein besonderer Vorteil des TCW-Ansatzes ist die sprachenübergreifende Funktionsweise des Web Scraping und der Analyse. Die Technologie erlaubt es, Artikel in verschiedenen Sprachen zu sammeln und im nächsten Schritt zu analysieren, wodurch Unternehmen einen umfassenden Einblick in die Situation ihrer Zulieferer erhalten, unabhängig von geografischen und sprachlichen Barrieren.

b. Analyse der Daten mittels NLP

Der TCW-Ansatz auf state-of-the-art NLP-Modelle, um die gesammelten Textdaten aus verschiedenen Sprachen effizient und präzise zu analysieren. Dabei identifizieren diese Modelle Risikofaktoren, Trends und Muster und bewerten das Risiko für den Ausfall des jeweiligen Zulieferers.

Um die Genauigkeit und Relevanz der Analyseergebnisse weiter zu erhöhen, integriert TCW zusätzlich bewährte Risikomodelle in den Analyseprozess. Diese Modelle berücksichtigen sowohl finanzielle Aspekte als auch andere Risikofaktoren, wie politische Instabilität, Naturkatastrophen oder rechtliche Veränderungen, und tragen so zu einer umfassenden und fundierten Risikobewertung bei.

Zusätzlich lassen sich unterschiedliche Gewichtungsparameter individuell einstellen, um unternehmensspezifische Risikokategorien stärker hervorzuheben.

Das Tool ermöglicht die individuelle Gewichtung von 6 Risikokategorien, um die Wichtigkeit für ein Unternehmen zu bewerten:

1. Umwelt, Soziales und Unternehmensführung (ESG)
2. Lieferkettensorgfaltspflichtengesetz (lkSG)
3. Finanzielle und rechtliche Risiken
4. Nachhaltigkeitskriterien
5. Unterbrechungsrisiko
6. Norwegian Transparency Act

Durch die Kombination von modernen NLP-Technologien und etablierten Risikomodellen ermöglicht der TCW-Ansatz Unternehmen, datenbasierte Entscheidungen zu treffen und gezielte Maßnahmen zur Stabilisierung ihrer Lieferkette einzuleiten.

Dieser Ansatz ermöglicht es Unternehmen, fundierte Entscheidungen basierend auf einer datengetriebenen Risikobewertung zu treffen und gezielt Maßnahmen zur Stabilisierung ihrer Lieferkette einzuleiten. Die Zusammenarbeit mit TCW garantiert dabei eine präzise Umsetzung des Vorgehens und die Nutzung der neuesten Technologien im Bereich KI und NLP.

Fallbeispiel: Einsatz des Analysetools in der chemischen Industrie

In diesem Fallbeispiel unterstützte TCW ein Unternehmen aus der chemischen Industrie bei der Risikobewertung seiner Lieferanten. Das Projekt wurde in vier Phasen durchgeführt, um eine effektive und nachhaltige Lösung für das Unternehmen zu gewährleisten.

Phase 1: Audit des Lieferantenmanagements und Anforderungserhebung
In der ersten Phase führte TCW ein Audit des bestehenden Lieferantenmanagements durch, um den Status quo zu erfassen und mögliche Optimierungspotenziale zu identifizieren. Dabei wurden Anforderungen an Tools und Prozesse gesammelt, um die Grundlage für die Entwicklung eines maßgeschneiderten Systems zu schaffen.

Phase 2: Datenerfassung und Tool-Anpassung
In Phase 2 wurden die relevanten Daten für die mehr als 2000 Lieferanten des Unternehmens erfasst und die Benutzeroberfläche des Tools definiert. TCW passte das Tool an die individuellen Bedürfnisse des Unternehmens an, um eine optimale Integration in bestehende Prozesse zu gewährleisten.

Phase 3: Schulung, Testen und Umsetzung
In der dritten Phase schulte TCW die Benutzer des Systems und testete die Funktionalität des Tools sowie die Robustheit der Ergebnisse. Anschließend wurde es erfolgreich im Unternehmen implementiert und in den operativen Ablauf integriert.

Phase 4: Risk-Sensing-as-a-Service
In der letzten Phase integrierte TCW ein maßgeschneidertes Risk-Sensing-as-a-Service Modell. Der Kunde erhielt regelmäßig auf seine Bedürfnisse zugeschnittene Berichte über seine Lieferanten und deren Risikopotenziale.

Im Rahmen des Projekts analysierte TCW mehr als 2000 Lieferanten. Schon während der Testphase wurden für 64 dieser Lieferanten ein erhöhtes Risiko festgestellt Ursachen dafür waren beispielsweise Streiks in Fabriken oder ein Brand in einer Fabrik in Asien, die über das Analysetool des TCWs aufgedeckt und entsprechend bewertet wurden. Dank der umfangreichen Datenbank von TCW konnten Zulieferer mit erhöhtem Ausfallrisiko direkt mit vergleichbaren Zulieferern abgeglichen werden. Für Phase 4 wurde ein wöchentliches Reporting eingeführt, um das Unternehmen kontinuierlich über mögliche Risiken und deren Entwicklung zu informieren.

Durch die Einführung des Tools bei dem Unternehmen konnten folgende Potenziale umgesetzt werden:

Beratungsleistungen

• Stresstest im Einkauf
• Einführung eines Risikomanagement-Systems
• Funktions- und Leistungsanalyse

• Resilienz und Innovation durch Data Science
  Tagungsband des Münchner Management Kolloquiums 2022
• Resiliente Unternehmensführung
  Leitfaden zur Krisenbewältigung und Transformation von Unternehmen
• Stresstest im Einkauf
  Leitfaden zur Identifikation, Analyse und Handhabung von Risiken

Praxisbeispiele

• Die TCW Resilienz-Strategie – Unternehmen krisenfest gestalten
• Resilienz im Anlaufmanagement - Ramp-Up in vier Phasen
• Resiliente Unternehmen brauchen resilient denkende Mitarbeiter*innen