Anwendungsfall: optimierung des einkaufs und skaleneffekte in der automobilindustrie mit probe
- camilleguillemois2
- 6. März
- 3 Min. Lesezeit
In einer so wettbewerbsintensiven Branche wie der Automobilindustrie ist ein optimiertes Einkaufsmanagement ein entscheidender strategischer Hebel. Durch die Fragmentierung der Datenverwaltung und den mangelnden Überblick über vorhandene Referenzen entstehen Unternehmen vermeidbare Zusatzkosten. PROBE bietet dank KI und 3D-Erkennung eine innovative Lösung, um den Zugriff auf technische Daten zu verbessern, Duplikate zu vermeiden und Skaleneffekte zu maximieren.
Eine zentrale Herausforderung für die Automobilindustrie
OEMs und Zulieferer wie Valeo, Forvia und andere kaufen jedes Jahr Ersatzteile, Rohstoffe und Ausrüstungen im Wert von mehreren Milliarden Dollar. Diese international tätigen Unternehmen betreiben mehrere Werke, die oft auf verschiedenen Kontinenten verteilt sind.
Obwohl die Datenbank gruppenweit genutzt wird, variieren die Methoden der Datenspeicherung und -suche je nach Standort. Dieser Mangel an Harmonisierung führt zu Ineffizienzen und zusätzlichen Kosten.
Ein wiederkehrendes Problem: Die Schwierigkeit, ein vorhandenes Teil zu identifizieren
Ein konkretes Beispiel: Ein großer internationaler Automobilzulieferer gibt jährlich 9,5 Milliarden Dollar für Einkäufe aus. An seinem deutschen Standort wird eine bestimmte Schraube referenziert und in mehreren Produktionslinien verwendet.
Ein Ingenieur in den USA benötigt genau dieselbe Schraube. Da er jedoch keine 3D-Erkennung für sein Teil durchführen kann, um zu überprüfen, ob ein ähnliches Modell bereits vorhanden ist, weiß er nicht, dass diese Schraube bereits in der Datenbank existiert. Die reine Textsuche ist unzuverlässig, da jedes Werk ein Teil im PLM unterschiedlich benennen kann.
Da die bestehende Referenz nicht gefunden wird, startet der Ingenieur eine neue Ausschreibung und bestellt eine kleinere Menge, was die Stückkosten erhöht. Diese fehlende Rationalisierung der Referenzen verhindert eine gruppenweite Einkaufsstrategie und verursacht erhebliche finanzielle Verluste
Skaleneffekte: Eine Priorität für die Automobilindustrie
Die Automobilindustrie gehört zu den wettbewerbsintensivsten Branchen der Welt. Seit der Covid-19-Krise haben Unternehmen mit steigenden Rohstoffpreisen, Spannungen in den Lieferketten und schwankender Nachfrage zu kämpfen. In diesem Kontext ist eine effektive Kostenkontrolle unerlässlich.
Ein effizientes Einkaufsmanagement ermöglicht es, Bestellungen zu bündeln und optimierte Lieferverträge auszuhandeln. Je größer das Bestellvolumen, desto höher die Verhandlungsmacht gegenüber Lieferanten – bessere Preise und gesicherte Lieferungen sind das Ergebnis.
Angesichts dieser Herausforderungen werden KI-basierte Lösungen wie PROBE zu unverzichtbaren Werkzeugen, um Duplikate zu vermeiden und die Widerstandsfähigkeit der Industrie zu stärken.
Die PROBE-Lösung: 3D-Erkennung und Kostenreduktion
PROBE bietet eine effektive Lösung, indem es 3D-Erkennung nutzt, um schnell festzustellen, ob ein Teil bereits in der Datenbank existiert. Anstatt sich auf eine unzuverlässige Textsuche zu verlassen, kann ein Ingenieur sein Teil direkt mit den bereits gespeicherten vergleichen.
So kann beispielsweise ein Ingenieur an einem US-Standort entdecken, dass eine Schraube, die er benötigt, bereits an einem anderen Standort verwendet wird. Dadurch entfällt die Notwendigkeit einer neuen Ausschreibung, und unnötige Kosten werden vermieden. Diese Vorgehensweise ermöglicht es Einkäufern, Bestellungen zu bündeln und mit Lieferanten über Mengenrabatte zu verhandeln, wodurch Skaleneffekte optimiert werden.
Zudem arbeiten Einkäufer, die keine technischen Experten sind, meist mit Excel-Listen, die nur Textmerkmale enthalten. Mit PROBE können sie einfach die 3D-Modelle durchsuchen und so:
Prüfen, ob ein Teil bereits in der Datenbank existiert, ohne sich auf eine Textbeschreibung zu verlassen,
Bestellungen zusammenlegen, um bessere Konditionen zu erhalten,
Bestehende Referenzen als Grundlage für die Kostenschätzung neuer Teile nutzen.
Durch den Einsatz von Künstlicher Intelligenz und 3D-Erkennung optimiert PROBE Einkaufsprozesse und reduziert Redundanzen erheblich.
Ein erheblicher finanzieller und organisatorischer Einfluss
Dank PROBE konnte dieser Automobilzulieferer seine jährlichen Einkaufskosten um 130 Millionen Dollar senken. Diese Einsparung basiert auf der Bündelung von Bestellungen, einer besseren Bestandsverwaltung und der Reduzierung unnötiger Ausschreibungen.
Der Nutzen von PROBE geht über Ingenieure hinaus: Auch Einkäufer profitieren von einer besseren Transparenz vorhandener Referenzen, was Verhandlungen mit Lieferanten erleichtert und Kosten senkt. Zudem vermeidet das Produktionsteam Verzögerungen, die durch doppelte Bestellungen oder verlängerte Lieferzeiten entstehen.
Durch die schnelle und zuverlässige Identifikation von Teilen mittels 3D-Erkennung eliminiert PROBE Duplikate, erleichtert Sammelbestellungen und maximiert Skaleneffekte. Seine Künstliche Intelligenz macht das Einkaufsmanagement effizienter und rentabler.
Das Beispiel dieses OEMs zeigt, dass die Optimierung der Einkaufsprozesse über eine intelligente Plattform nicht nur Kostensenkungen ermöglicht, sondern auch die interne Struktur des Unternehmens verbessert. In einem wirtschaftlich angespannten Umfeld bieten Lösungen wie PROBE einen entscheidenden Wettbewerbsvorteil.