KI in Quote-to-Cash: Effizienz und Nachhaltigkeit in der Industrie verändern

Künstliche Intelligenz (KI) wandelt durch die Korridore der Unternehmen und verwandelt alltägliche Aufgaben in Geschichten über Effizienz und Innovation. Sie bringt einen neuen Rhythmus in den uralten Tanz der Quote-to-Cash-Prozesse. Der CLARITY Quote-to-Cash-Podcast mit den Branchenexperten Stefan Weisenberger, Global VP und Head of Industry Business Unit, Process Industries and Natural Resources bei SAP, und Chelsea Ramage, Solution Manager for Mill Product and Mining bei SAP, bietet einen umfassenden Einblick in die Umgestaltung von Branchen durch KI. In ihrer Diskussion, die von Sergey Jermakov, Senior Partner und Monetization Architect bei CLARITY, moderiert wird, geht es um Effizienz, Automatisierung, Nachhaltigkeit und die Zukunft der Branche.

Unsere Gäste sind Stefan Weisenberger, Global VP und Head of Industry Business Unit, Process Industries and Natural Resources bei SAP, und Chelsea Ramage, Solution Manager für Mill Product and Mining bei SAP und der Gastgeber des Podcasts – Sergey Jermakov, Senior Partner und Monetization Architect bei CLARITY.

Effizienz und Automatisierung durch KI in Produktion und Vertrieb

Das enorme Potenzial der KI für die Umgestaltung von Produktion und Vertrieb wird durch die Auswirkungen in der Praxis konkretisiert, indem die Kluft zwischen theoretischen Vorteilen und greifbaren Ergebnissen überbrückt wird. Indem KI den Weg von der Angebotserstellung bis zur Auftragsabwicklung automatisiert, optimiert sie nicht nur die Abläufe, sondern eröffnet auch neue Wege zur Umsatzsteigerung.

Die Macht der KI-gesteuerten Tools wird durch Stefans Erfahrungen deutlich, in denen er die Rolle der KI bei der Eliminierung von bis zu 90 % der manuellen Aufgaben im Vertrieb und in der Produktion hervorhebt. Bei dieser Effizienz geht es nicht nur um die Verringerung manueller Arbeit, sondern um die Neudefinition der Abläufe in der Branche, von der Angebotserstellung bis zur Auftragsabwicklung. Die KI-Innovation geht über die Automatisierung hinaus, wobei das klassische maschinelle Lernen in den Mittelpunkt rückt. Stefan schildert einen überzeugenden Fall, in dem ein Chemieunternehmen KI nutzte, um seine Verkaufszahlen um erstaunliche 30 % zu steigern, indem es einfach “intelligenter beriet, welches Produkt man wählen sollte”.

Darüber hinaus geht der Einfluss der KI über die Bereiche Vertrieb und Betrieb hinaus. Sie verspricht, die Fluktuation in der Produktion zu verringern, indem sie Informationen zugänglicher und verständlicher macht. KI kann Zusammenfassungen für Kunden in Echtzeit bereitstellen, die die Vorbereitung auf Kundeninteraktionen verbessern und letztlich zu einer effektiveren und effizienteren Bereitstellung von Dienstleistungen führen.

Stefan und Chelsea diskutieren darüber, wie sich die Konversation mit KI auf Kundeninteraktionen ausweitet und die traditionelle Rolle von Kundenportalen und Servicetickets in Frage stellt. Chelsea weist auf den Unterschied zwischen der Wahrnehmung herkömmlicher Chatbots und fortschrittlicherer Sprachmodelle wie Chat GPT hin. Der krasse Gegensatz in Bezug auf Vertrauen und Nutzen zwischen diesen Technologien unterstreicht einen entscheidenden Wandel in der Art und Weise, wie KI in verschiedenen Branchen wahrgenommen und genutzt wird.

Darüber hinaus verdeutlicht Stefan die nuancierte Komplexität von KI-Anwendungen in branchenspezifischen Szenarien. Er erinnert sich an die frühen Herausforderungen beim Schreiben von Code, um dann zu betonen, wie “wir heute mit Chat GPT über die Generierung von Erweiterungs-Apps auf der Business-Technologie-Plattform sprechen und Sie 80% des Codes mit Hilfe von KI schreiben und der Entwickler das nur noch anpassen muss.”

Dies zeigt nicht nur die Fortschritte in der KI, sondern auch die spürbaren Produktivitätssteigerungen auf breiter Ebene, die die Fähigkeit zur Erstellung von Anwendungen und zur Automatisierung von Geschäftsprozessen ohne umfassende Programmierkenntnisse demokratisieren.

In der Diskussion werden Beispiele für die Anwendung von KI vorgestellt, von Produktempfehlungsmaschinen bis hin zu automatisiertem Kundenservice, und es zeichnet sich ein klares Thema ab: KI ist nicht nur ein Instrument der Effizienz, sondern ein Dirigent, der den Weg in eine innovativere, automatisierte und effizientere Zukunft weist.

Transformation von Quote-to-Cash-Prozessen mit KI

Die Entwicklung der Quote-to-Cash-Prozesse durch die Linse der KI kommt einer digitalen Renaissance gleich. Sie malt eine Zukunft, in der jeder Schritt des Geschäftszyklus von Effizienz und strategischer Voraussicht geprägt ist. Sergey denkt über das transformative Potenzial der KI nach: “Es ist erstaunlich, wie maschinelles Lernen jeden Teil des Prozesses verbessern kann, was zu einer geschäftlichen Transformation führt.”

Optimierte Abläufe mit vorausschauender Analyse

Das operative Rückgrat des Quote-to-Cash-Prozesses, von der Auftragsverwaltung bis zur Auftragsabwicklung, wird durch KI erheblich gestärkt. Prädiktive Analysen spielen hier eine entscheidende Rolle. Sie prognostizieren die Nachfrage, um den Bestand und die Logistik zu optimieren. Diese Voraussicht minimiert Fehlbestände und überschüssige Bestände, gewährleistet eine Just-in-Time-Lieferung und maximiert die betriebliche Effizienz.

Außerdem automatisiert die KI Routineaufgaben wie die Erstellung von Bestellungen und Kundenanfragen, so dass sich die Vertriebsteams auf strategische Aktivitäten konzentrieren können. “Und das typische Feedback, das ich bekomme, lautet: Oh, wir wussten gar nicht, dass es das gibt! Wir wussten nicht, dass dies extrem leistungsfähig ist und dass wir die Produktivität der Vertriebsmitarbeiter steigern können”, erzählt Sergey und verdeutlicht damit das transformative Potenzial der KI bei der Automatisierung von Vertriebsabläufen.

Auswirkungen in der Praxis und Kundenfeedback

Die greifbaren Vorteile der Integration von KI in Quote-to-Cash-Prozesse zeigen sich in der verbesserten Leistung der Vertriebsabteilung, der verkürzten Markteinführungszeit und der verbesserten Entscheidungsfindung. Unternehmen berichten von unerwarteten Gewinnen, wie z. B. einer höheren Effizienz bei Produktempfehlungen und der Auftragsabwicklung, die die Lernkurve für neue Vertriebsmitarbeiter erheblich verkürzt. Sergeys Überlegungen zum unerwarteten ROI der KI-gesteuerten Quote-to-Cash-Automatisierung verdeutlichen die kaskadenartigen Vorteile der Technologie.

“Wenn wir Teile des Quote-to-Cash-Prozesses automatisieren, wie z.B. die Erstellung von Produktempfehlungen oder die Auswahl von Produkten für eine Bestellung, führt dies zu erheblichen Einsparungen bei der Einarbeitungszeit und den Kosten. Anstatt zwei Jahre damit zu verbringen, neue Mitarbeiter mit komplexen Produkten und Varianten vertraut zu machen, kann bei Quote-to-Cash jemand, der erst seit einem Monat im Unternehmen ist, diese Aufgaben übernehmen. Sie nutzen KI, um die notwendigen Informationen zu beschaffen, sie zu überprüfen und dann den Prozess abzuschließen, indem sie das Angebot verschicken. Dies verkürzt die Zeit bis zur Markteinführung drastisch, steigert die Effizienz der Vertriebsabteilung und hilft, Personalengpässe zu beheben, da die Mitarbeiter schneller produktiv werden. Wir haben einige überraschend positive Rückmeldungen von Kunden erhalten, wie diese Änderungen ihre Abläufe verbessern.”

Geschäftsherausforderungen mit KI meistern

Geschäftsabläufe, sei es in der Strategie, im Vertrieb, im Marketing oder im Tagesgeschäft, stehen vor einer Vielzahl von Herausforderungen. KI erweist sich als vielseitiges Werkzeug, das in der Lage ist, Probleme in diesen unterschiedlichen Bereichen zu lösen – manche mit einem einzigen Klick und andere durch die Enthüllung von bisher ungesehenen Lösungen. Diese Fähigkeit kann die Arbeit erheblich erleichtern, vor allem für diejenigen, die einen direkteren Ansatz für den Zugriff auf Informationen bevorzugen.

Sergey, Chelsea und Stefan haben uns Einblicke in die vielfältigen Möglichkeiten gegeben, wie KI-gesteuerte Tools die Geschäftsabläufe in verschiedenen Bereichen verbessern können, und haben dabei auf ihre Erfahrungen und konkrete Fallstudien zurückgegriffen.

Marketing und Vertrieb: Die Botschaft maßschneidern

Unternehmen sind oft nicht in der Lage, ihre Marketing- und Verkaufsargumente auf ihre Kunden zuzuschneiden, entweder weil sie keine branchenspezifischen Informationen sammeln und analysieren oder weil ihre Verkaufsteams lieber eine Standardpräsentation verwenden, als Zeit in die Personalisierung zu investieren. Stefan erforscht die Auswirkungen von KI auf das Marketing und erklärt, wie KI spezifische Inhalte generieren kann, die auf verschiedene Branchensegmente abgestimmt sind und so das Engagement und die Verkaufsergebnisse deutlich verbessern.

Sergey schließt sich dem an und erwähnt, dass eine grundlegende Überprüfung der üblichen Probleme in der Branche eines Kunden die Bereitstellung von Pitches erheblich verbessern kann. Diese Recherche kann mithilfe von KI-Tools effizient durchgeführt werden.

Preisgestaltung und dynamische Märkte

Unternehmen agieren heute in stark schwankenden Märkten, in denen die Energiepreise unvorhersehbar schwanken, was dynamische Preisstrategien in Echtzeit erfordert. KI steht bei dieser Herausforderung an vorderster Front und bietet Lösungen, die Daten verfolgen und analysieren können, um die Preise sofort anzupassen.

Sergey merkt an: “Gerade in der heutigen Zeit, in der sich die Preisgestaltung ständig ändert, sollten wir idealerweise eine Preisgestaltung in Echtzeit haben, die von den verschiedenen Rohstoffpreisen abhängt.” Diese Fähigkeit der KI, die Preisgestaltung in Echtzeit zu überwachen und zu empfehlen, würde es Unternehmen ermöglichen, auch in Zeiten instabiler Märkte profitabel zu bleiben.

Nachhaltigkeit und Nutzenversprechen

Die Überschneidung von Preisgestaltung und Nachhaltigkeit wird immer wichtiger. Die Unternehmen wollen wissen, wie viel mehr sie für umweltfreundlichere Produkte verlangen können. Chelsea berichtet, dass Unternehmen wie Albemarle, ein amerikanischer Hersteller von Spezialchemikalien, bereit sind, höhere Kosten für nachhaltige Geschäftspraktiken zu tragen, z.B. für nachhaltige Lieferketten, was auf eine Verschiebung der Unternehmenswerte in Richtung Nachhaltigkeit hinweist.

Chelsea spricht das Thema Preisgestaltung an und betont, wie wichtig es ist, sich schnell anpassen zu können, indem man zwischen verschiedenen Optionen wechselt. Sie merkt an, dass der Einsatz von KI zur Anpassung von Preisstrategien oder -parametern eine schnelle Lösung sein kann, wenn sich der Trend zur Nachhaltigkeit auf die finanzielle Stabilität auszuwirken beginnt. Die Analytik der KI bietet tiefere Einblicke in laufende Trends und ermöglicht so strategischere Anpassungen.

Herausforderung Datenqualität

Die Genauigkeit von Daten ist für viele Unternehmen eine große Herausforderung, vor allem in Branchen wie der Stahl- und Zementindustrie, in denen noch immer veraltete, papierbasierte Methoden zur Informationserfassung verwendet werden. Diese veralteten Methoden sind langsam und führen oft zu Fehlern in den Daten, die die Analysen durcheinander bringen und zu falschen Entscheidungen führen können, was sich negativ auf das Geschäftsergebnis auswirkt.

Die Verbesserung der Datenqualität ist von entscheidender Bedeutung, denn gute Daten helfen Unternehmen, intelligente Entscheidungen zu treffen und zu verstehen, was wirklich passiert. Stefan weist darauf hin, wie schwierig es sein kann, zu erkennen, ob es sich bei einem Datenelement um einen Ausreißer handelt oder ob es so sein sollte. Mit Hilfe von KI können Unternehmen den Prozess der Datenprüfung automatisieren. Dadurch werden Fehler viel schneller erkannt und behoben und die Daten werden zuverlässiger. Bessere Daten bedeuten bessere Entscheidungen und helfen Unternehmen, der Konkurrenz einen Schritt voraus zu sein.

Zukünftige Trends: KI, Nachhaltigkeit und Branchenwachstum

Das Zusammenspiel von KI, Nachhaltigkeit und Branchenwachstum formt die Wettbewerbslandschaft neu und bietet sowohl Chancen als auch Herausforderungen. In dem Maße, in dem Unternehmen KI nutzen, um Erkenntnisse zu gewinnen, setzen sie sich auch mit den Auswirkungen auf die Nachhaltigkeit und das Wachstum ihres Unternehmens auseinander.

Chelsea denkt über den Einsatz von KI für wettbewerbsrelevante Erkenntnisse und ihr Potenzial für die Nachhaltigkeitsberichterstattung nach und schlägt eine nahtlose Integration von KI in Bereiche vor, die traditionell mit manuellen Prozessen belastet sind. Stefan schließt sich dem an und spricht über die riesigen Datenmengen, die manuell verarbeitet werden. Er betont die Bedeutung der Automatisierung bei der Erfassung und Analyse interner und externer Daten, die sich auf Preisstrategien und den Produktwert auswirken können, insbesondere in Sektoren wie Metall und Verpackung.

Das Gespräch verlagert sich auf die Bereitschaft von Unternehmen, mehr in Nachhaltigkeit zu investieren. Chelsea berichtet von Albemarle, die sich entschieden haben, höhere Transportkosten für nachhaltige Routen in Kauf zu nehmen. Dies spiegelt einen breiteren Trend wider, bei dem Unternehmen umweltfreundlichen Praktiken den Vorrang geben, selbst wenn sie dafür einen Aufpreis zahlen.

Stefan bezieht sich auf die Bergbauindustrie und beschreibt Entscheidungen wie die Verschiffung von Eisenerz mit emissionsarmen Schiffen als Entscheidungen, bei denen KI helfen kann, um sicherzustellen, dass Unternehmen sich für umweltfreundlichere Optionen entscheiden können, ohne dabei auf Effizienz zu verzichten.

Stefan bringt ein Gespräch mit einem Chemieunternehmen zur Sprache, das dank KI sein einst ruhiges Geschäft mit der Herstellung von Membranen für die Elektrolyse aufgrund der steigenden Nachfrage nach Wasserstoffproduktion stark ausbauen konnte – ein klarer Indikator dafür, wie KI Marktverschiebungen und Wachstumschancen signalisieren kann.

Doch so sehr KI auch vorhersagen und rationalisieren kann, sie ist nicht ohne Grenzen. Chelsea und Stefan sprechen über die Herausforderungen bei der Planung für unvorhersehbare Ereignisse. Stefan spricht von einem “Parkplatz der zerbrochenen Träume”, auf dem nicht alle KI-Ambitionen verwirklicht werden können, vor allem angesichts unvorhergesehener Ereignisse, die auch als “Schwarze Schwäne” bekannt sind.

Es gibt jedoch auch Optimismus für die Rolle der KI bei der Vorbereitung auf seltene Ereignisse. Sergey stellt einen interessanten Anwendungsfall vor, bei dem generative KI genutzt wird, um Trainingsdaten für solche seltenen Ereignisse zu erstellen und sie mit traditionellem maschinellem Lernen zu kombinieren, um sich auf Szenarien ohne historischen Präzedenzfall vorzubereiten.

Insgesamt sind die zukünftigen Trends in den Bereichen KI, Nachhaltigkeit und Branchenwachstum komplex und vielschichtig. Während KI erhebliches Potenzial bietet, diese Bereiche voranzutreiben, müssen Unternehmen die Herausforderungen der Datenqualität, unvorhersehbarer Ereignisse und der Integration nachhaltiger Geschäftspraktiken meistern.

Herausforderungen bei der Implementierung überwinden

Doch jede Transformation ist nicht ohne Herausforderungen. Stefan denkt über das unterschiedliche Tempo der KI-Einführung in den Unternehmen nach: “Einige Kunden sind im Grunde genommen Vorreiter, und es gibt andere Unternehmen, die KI gerne nutzen würden, aber einfach nicht über das Know-how verfügen.” Diese Beobachtung wirft ein Schlaglicht auf die digitale Kluft, bei der die unterschiedliche technologische Reife und die unterschiedlichen Ressourcen die Akzeptanzkurve von KI-Innovationen bestimmen.

Chelsea, die sich an der Konversation beteiligt, veranschaulicht, wie selbst Unternehmen ohne traditionelle IT-Infrastruktur wie Liontown KI nutzen, um ihr Wachstum voranzutreiben: “Liontown hat das Ziel, ein führender ESG-Anbieter im Rohstoffsektor und ein weltweit bedeutender Anbieter von Batteriemineralien für den schnell wachsenden Markt für saubere Energie zu sein. Sie haben keine IT und wollen keine IT und können trotzdem KI und maschinelles Lernen einsetzen.” Ihr Beispiel dient als Leuchtturm für Startups und mittelständische Unternehmen und zeigt, dass die in Plattformen wie SAP eingebetteten Kernangebote den Zugang zu KI demokratisieren und Unternehmen unabhängig von ihrer Größe oder ihren IT-Kapazitäten in die Lage versetzen, zu skalieren und zu innovieren.

Sergey spricht über die praktische Anwendbarkeit von KI bei der Steigerung der Quote-to-Cash-Effizienz und teilt seine Erkenntnisse mit. “Wenn wir mit unseren Kunden sprechen, sagen wir, dass sie nicht alles automatisieren müssen. Sie können mit einem Dokument oder einem Prozess beginnen und ihn dann weiter ausbauen, wenn er sich bewährt”, sagt Sergey. Dieser pragmatische Ansatz für die KI-Integration, der sich auf schrittweise Verbesserungen und greifbare Ergebnisse konzentriert, kommt bei den Zuhörern gut an und bietet eine Blaupause für die Navigation durch die Komplexität der digitalen Transformation.

Praktische Strategien für die KI-Implementierung

Für Unternehmen, die KI nutzen möchten, teilen die Experten wertvolle Strategien für eine erfolgreiche Implementierung:

• Fangen Sie klein an: Beginnen Sie mit überschaubaren Projekten unter Verwendung vorgefertigter Modelle und bestehender Anwendungsfälle, um schnell einen Mehrwert zu schaffen und Vertrauen innerhalb des Unternehmens aufzubauen.
  
• Konzentrieren Sie sich auf risikoarme Szenarien: Entscheiden Sie sich für Anwendungen in Bereichen mit geringerem Risiko, um anfangs komplexe Herausforderungen zu vermeiden, wie z.B. die Extraktion von Dokumenten und die Bewertung von Angeboten.
  
• Bestehende Erfolge nutzen: Wenden Sie bewährte KI-Anwendungen im gesamten Unternehmen an, um die Wirkung zu maximieren, ohne das Rad neu erfinden zu müssen.
  
• Betonen Sie Vertrauen und Einfachheit: Wählen Sie Anwendungen, denen Sie vertrauen können und die einfach zu implementieren sind, wie z.B. konversationelle Schnittstellen für Analysen, um die Einstiegshürden zu senken und die Akzeptanz zu fördern.

Das Gespräch berührt auch die Schwierigkeit, Prototypen für maschinelles Lernen in produktive Anwendungen zu überführen. Diese Diskrepanz unterstreicht die Notwendigkeit für Lösungsanbieter, sofort einsetzbare KI-Funktionen zu liefern, die einfach zu implementieren und zu nutzen sind, um die branchenweite Herausforderung der Ressourcenknappheit anzugehen, insbesondere bei der Gewinnung von Talenten mit KI-Kenntnissen.

Die Quintessenz

Die Integration von KI in den Quote-to-Cash-Prozess bedeutet einen bedeutenden geschäftlichen Wandel hin zu Abläufen, die nicht nur effizienter, sondern auch nachhaltiger und profitabler sind. Ein bemerkenswertes Hindernis für die Einführung dieser Technologie ist jedoch oft einfach ein Mangel an Bewusstsein. Viele Unternehmen sind sich der verfügbaren automatisierten Lösungen und des beträchtlichen Mehrwerts, den sie durch die Rationalisierung der Abläufe schaffen können, nicht bewusst.

Wie Stefan Weisenberger, Chelsea Ramage und Sergey Jermakov mit ihren Erkenntnissen gezeigt haben, ist es entscheidend, informiert und offen für neue Technologien zu bleiben. Die Fähigkeit der KI, komplexe Herausforderungen zu lösen und Geschäftsabläufe zu verbessern, ist erst der Anfang. Sie ebnet den Weg für dauerhaften Erfolg und die Geburt innovativer Ideen und lenkt Unternehmen in eine Zukunft, in der Nachhaltigkeit und Effizienz im Vordergrund ihrer operativen Strategien stehen.

Der CLARITY Quote-to-Cash-Podcast spricht darüber, wie KI das Spiel für Unternehmen wirklich verändern kann, indem sie Prozesse reibungsloser macht und Unternehmen hilft, nachhaltiger zu sein. Beim Einsatz von KI geht es vor allem darum, neugierig zu bleiben, Neues zu lernen und Experten um Rat zu fragen, um das Beste aus dem herauszuholen, was KI bieten kann.

Hören Sie die ganze Episode