Artikel vollautomatisch klassifizieren

Wäre es nicht fantastisch, wenn Artikel vollautomatisch wissen, welcher Warengruppe Sie zugehören? Mit ACM - adaptive category management ist das bereits Wirklichkeit.

Artikel automatisiert in UNSPCS, eCl@ss oder eigene Klassen einteilen

Wir haben kürzlich einen neuen Rekord aufgestellt ... 30'000 Artikel neuen Warengruppen zugeordnet - in 2 Wochen. In unseren Projekten zeigt sich deutlich: Starre und unflexible Warengruppen sind bei der heutigen Dynamik an den Beschaffungsmärkten äusserst unvorteilhaft. Die Welt dreht sich immer schneller. Unternehmen benötigen entsprechend mehr Flexibilität und müssen sich adaptiv an die Märkte anpassen.

Gesichtserkennung im Maschinenbau

Gesichtserkennung wird im Alltag schon oft genutzt. Seit Jahren können Computer Gesichter erkennen und exakt einordnen. Wenn Machine Learning innerhalb von Sekunden Gesichter erkennt … warum nicht auch Frästeile, Drehteile, Blechteile und viele weitere Gruppen von Artikel? Unternehmen setzen oft auf verfügbare Standards wie eCl@ss, UNSPSC oder ETIM. Teilweise nutzen auch eigene Warengruppenstrukturen, die - optimiert auf das jeweilige Unternehmen - angepasst sind. Natürlich sind auch Mischformen möglich. Wichtig bei der "Neuordnung" des Portfolios ist die Orientierung am Beschaffungsmarkt und die Steigerung der Effektivität und Effizienz in der operativen und strategischen Beschaffung. Um die bestehenden Artikel in die neuen Zielstrukturen zu überführen kommt bereits künstliche Intelligenz zum Einsatz. Dieser Prozess heisst bei uns GET CLEAN.

warengruppenmanagement_bild_1.jpeg

KI und Machine Learning ändern die Herangehensweise an ein Projekt - und den späteren Prozess, wenn neue Artikel klassifiziert werden - substanziell. Bestehende Daten können zu Tausenden innert kürzester Zeit den neuen Warengruppen zugeordnet werden. Das funktioniert bei Direktem wie auch Indirektem Material. Haben die Algorithmen die Logik der Klassifizierung gelernt, werden neue Artikel vollautomatisch den Warengruppen zugeordnet.

 

Warengruppenmanagement muss automatisiert, dynamisch & hochflexibel sein

schubladen_bild.jpeg

Die verschiedenen Sichten auf Warengruppen

Warengruppen zeichnen aus, dass die Bedarfe in den Portfolios, bei ähnlich ausgerichteten Lieferanten beschafft werden können. Doch Portfolios ändern sich, Unternehmen ändern sich. Heutiges Warengruppenmanagement ist starr ... als ob die Artikel in eine grosse, unübersichtliche Wand von Schubladen verstaut sind. In den heutzutage dynamischen Märkten muss Warengruppenmanagement ebenfalls dynamisch und hochflexibel sein. Zusätzlich bestehen in Unternehmen viele, unterschiedliche Sichten auf Warengruppen. Der Einkauf braucht eine andere Artikelklassifizierung als die Produktentwicklung. Der Verkauf sieht die Warengruppen wieder aus einem anderen Blickwinkel. Es wäre nicht fantastisch, wenn ...

  • Artikel vollautomatisch und eigenständig "Ihre Warengruppe" finden?
  • Automatisch Ordnung bleibt und kostspielige Aufräumaktionen nicht mehr notwendig sind?
  • Artikel automatisiert die korrekte Zolltarifnummer zugewiesen bekommen?
  • Artikel "über Nacht" in neue Strukturen eingeteilt werden können?

Von traditionellem zu automatisiertem Warengruppenmanagement

Wie aber gelingt der Weg vom traditionellen Warengruppenmanagement zu automatisiertem Warengruppenmanagement? Künstliche Intelligenz hilft bei dieser Aufgabenstellung substanziell. Die Sicht auf Daten und der Umgang mit Daten ändert sich bei dem Einsatz von künstlicher Intelligenz substanziell. Gehen wir davon aus, dass das Konzept und die Zielstruktur für das neue Warengruppenmanagement bestehen, unterscheiden wir primär zwei Phasen:

  • GET CLEAN Phase:
    In dieser Phase werden die bestehenden Strukturen in die neuen Strukturen abgefüllt. Künstliche Intelligenz hilft dabei, diesen Vorgang hochautomatisiert zu gestalten. Mehr Informationen finden Sie hier:
    https://shouldcosting.com/de/loesungen/daten-automatisieren/acm-adaptives-warengruppenmanagement

  • STAY CLEAN Phase:
    In dieser Phase werden Stammdaten angereichert sowie die Algorithmen trainiert und optimiert um sicherzustellen, dass neue Artikel vollautomatisch der korrekten Klasse zugeordnet werden.

Loesung Datenqualitaet DE

Die Vorteile von ACM - adaptive category management sind immens. Erfahren Sie im Bericht der "Beschaffung aktuell" (Beispiel für den Maschinenbau) wie adaptives Warengruppenmanagement mit Machine Learning, das Warengruppenmanagement revolutioniert.

Anzeigebild von freepix: https://de.freepik.com/

Verwandte Artikel

Wie KI Unternehmen wettbewerbsfähiger macht

Heute fand der Breakfast Event bei Staufen.Inova statt. Zusammen haben wir aufgezeigt, was Next Level Transparency bedeutet und wie KI Unternehmen wettbewerbsfähiger macht.

Einsparungen durch vollautomatische Bündelung

Manchmal ist die Anzahl und die Varianz der Bauteile in Unternehmen unvorstellbar hoch. Menschen können ein paar hundert Artikel überblicken ... aber 70'000?

Müller-Martini kennt Kosten, bevor Kosten entstehen

Kosten zu kennen, bevor die Kosten entstehen ist wichtiger denn je. Erfahren Sie, wie Müller-Martini mit dem CostChecker die Produktentwicklung befähigt, Kosten früh und automatisiert zu ermitteln.

Logo Mueller Martini

Künstliche Intelligenz im Maschinenbau

Die Wettbewerbsfähigkeit von Unternehmen hängt stark von der Fähigkeit ab, die eigenen Unternehmensdaten systematisch zu nutzen und Prozesse mit perfekten Daten automatisiert zu beliefern.

With AI and Data to Procurement Excellence

Generally, suppliers have an edge on information over their customers. They know exactly how high their production costs are.

Data-Driven Product Carbon Footprint

Bei der Berechnung von CO2e Emissionen verhält es sich ähnlich wie bei der Kostenberechnung. Je detaillierter man sich in den Fertigungsprozess eingibt, umso detaillierter werden die Berechnungsresultate.

Next Level Transparency im Einkauf

In konjunkturell - und geopolitisch anspruchsvollen Zeiten sind verlässliche Unternehmensdaten das Gebot der Stunde. Wir mussten aber schnell feststellen: Einkäufer haben eine andere Vorstellung von "Transparenz" und "verlässlichen Daten" als wir. Aber der Reihe nach ...

Auf Besuch bei costdata - Oh wie schön ist Köln

In Köln wird erstmal getrunken. Gefühlt haben costdata Gmbh - vertreten durch Tobias Uding und Frank Weinert - und ich, an unserem Treffen alle Kneipen durchprobiert. Ob "Gaffel", "Pfäffgen" oder "Früh" ...

Model Based Cost Engineering

Die aktuelle Wirtschaftslage lässt die Kostensensibilität in Unternehmen stark ansteigen. Die Relevanz von Kostentransparenz und Kostensicherheit in Projekten nimmt entsprechend zu.

Teileallocation mit Machine Learning

Kürzlich stand bei einem Kunden folgende Fragestellung im Raum: "Welche der bestehenden NC-Maschinen ist für unsere intern und extern gefertigten Artikel die "Richtige", um optimale Fertigungszeiten, minimale Rüstkosten und eine hohe Effizient zu erreichen"?