Integration von Knowledge Warehouses und Knowledge Networks Konzept und Methodik am Beispiel des Intelligent Supplier Management

Transkript

1 Integration von Knowledge Warehouses und Knowledge Networks Konzept und Methodik am Beispiel des Intelligent Supplier Management Oliver Paulzen *, Dr. Stefan Haas Unilog Integrata Unternehmensberatung GmbH Management Consulting Business Intelligence Frankfurt am Main, München {opaulzen * auch: Johann Wolfgang Goethe-Universität Frankfurt am Main, Lehrstuhl für Entwicklung betrieblicher Informationssysteme 1 Problemstellung und Zielsetzung Der Begriff Business Intelligence (BI) hat in den letzten Jahren verstärkte Aufmerksamkeit erlangt. Generell wird darunter ein Prozess verstanden, der Daten über das eigene Unternehmen, Kunden, Lieferanten sowie den Markt aus verschiedenen Quellen zusammen führt, um daraus Wissen für die Unternehmenssteuerung abzuleiten. BI ist somit keine einzelne Methode, sondern eine begriffliche Klammer, welche zahlreiche unterschiedliche Ansätze zur Analyse geschäftsrelevanter Daten bündelt. 1 Trends wie die Internationalisierung von Unternehmen, eine steigende Zahl von Unternehmenszusammenschlüssen sowie die Verfügbarkeit immer neuer Informationsquellen stellen wachsende Anforderungen an das Management. BI bietet hier grundsätzlich die Möglichkeit, diesen Herausforderungen gerecht zu werden. Offen bleibt jedoch die Frage, wie BI-Systeme systematisch unter Einbeziehung aller relevanten Einflussfaktoren gestaltet werden können. Einen Lösungsansatz hierzu bieten Knowledge Management-Methoden, welche sich auch dazu eignen, Business Intelligence-Prozesse zielorientiert zu gestalten und zu steuern. Gerade bei der Hauptaufgabe von BI, der Generierung und Verteilung von Wissen, können diese Methoden strukturierend und unterstützend eingesetzt werden. Auch wenn Knowledge Management (KM) als ein ressourcen-orientiertes Management-Konzept interpretiert werden kann, bedeutet das nicht eine isolierte Konzentration auf die internen Ressourcen von Unternehmen. KM kann vielmehr als wesentliche Komponente externer Beziehungen angesehen werden. 2 Insbesondere die Einbeziehung des Kundenwissens erfährt im Kontext des Customer Relationship Management eine gestiegene Beachtung. Methoden des KM bieten dabei das Potenzial, das Wissen der 1 Vgl. Gluchowski (2001), S Vgl. Malhotra (2000). Quelle: Herget, Josef (Hrsg.): Competitive & Business Intelligence Neue Konzepte, Methoden & Instrumente, Konstanz/Berlin 2002, S

2 2 Kunden systematisch in die unternehmensinternen Prozesse hineinzutragen und dort zu verankern. 3 Im Gegensatz dazu wird die Einbeziehung des Wissens von und über Lieferanten weniger stark beachtet, obwohl dadurch ein großer Nutzen erzielt werden könnte. So hat z.b. eine Studie von McKinsey & Company ergeben, dass durch eine Supplier Management-Lösung 5-15% aller Ausgaben im Laufe von drei Jahren eingespart werden könnten. 4 Aufbauend auf der dargestellten Problematik verfolgt dieser Aufsatz das Ziel, die Möglichkeiten der Einbeziehung internen und externen Wissens im Rahmen von BI allgemein und speziell am Beispiel des Supplier Management darzustellen. Dabei wird die Ergänzung von BI-Methoden um die Sichtweise des Supplier Knowledge Management als Intelligent Supplier Management (ISM) bezeichnet. Im Folgenden werden zunächst die Potenziale des KM bei der Entwicklung von BI- Systemen aufgezeigt. Zu diesem Zweck wird basierend auf den Konzepten der Knowledge Warehouses und Knowledge Networks ein Analyse-Framework entwickelt, welches die Betrachtung einzelner KM-Bereiche im Rahmen eines gemeinsamen Kontextes erlaubt. Darauf hin werden die Potenziale der Zusammenführung von KM und BI am bisher wenig betrachteten Beispiel des ISM verdeutlicht. 2 Knowledge Management im Kontext von Business Intelligence Auch wenn sich bisher keine allgemein gültige Definition von Knowledge Management hat durchsetzen können, so sind doch zwei wesentliche Funktionen des KM identifizierbar: eine planvolle Entwicklung und Nutzung der organisatorischen Wissensbasis (statischer Aspekt) die Gestaltung effektiver und effizienter Wissensprozesse zur Unterstützung der Geschäftsprozesse (dynamischer Aspekt) Als eine aus verschiedenen Bereichen zusammen gesetzte Management-Disziplin verfolgt das KM einen ganzheitlichen und umfassenden Ansatz: KM basiert auf der integrierten Gestaltung der Gestaltungsdimensionen Mensch (Human Resources Management), Organisation (Aufbau- und Ablauforganisation) und Technologie (Informations- und Kommunikationstechnologien). Eine isolierte Betrachtung einzelner Interventionsbereiche würde einen Verzicht auf wesentlichen Potenziale des KM bedeuten. 5 Aufgrund der steigenden Bedeutung der intangible assets für Unternehmen und des Trends zur wertorientierten Unternehmensführung fällt dem KM eine immer 3 Vgl. Oberweis/Paulzen/Sexauer (2002). 4 Vgl. Cammish/Keough (1991). 5 Vgl. Bullinger et al. (1999).

3 3 bedeutendere Rolle zu. 6 Die Nutzenpotenziale eines systematischen KM sind dabei in verschiedenen Studien aufgezeigt worden. Eine Übersicht dazu zeigt Abbildung 1. Bei der Betrachtung der dargestellten Potenziale fällt auf, dass Ziele wie Prozessverbesserungen oder Transparenz von Strukturen und Prozessen mit den Zielen von Business Intelligence übereinstimmen. Dies macht deutlich, dass das KM einen wesentlichen Beitrag für die Gestaltung von BI-Systemen liefern kann Kosten- und Zeiteinsparungen > 50 % 2. Prozessverbesserungen 3. Transparenz von Strukturen und Prozessen ~ 33 % 4. Kundenorientierung und -zufriedenheit 5. Verbesserung von Entscheidungen und Prognosen 6. Verbesserung des Informationsaustausches 7. Qualitätsverbesserungen 8. Marktführerschaft, Erfolg 9. Mitarbeiterqualifikation und- zufriedenheit 10. Kann noch nicht festgestellt werden < 10 % Abb. 1: Nutzen des Knowledge Management 8 Zur Realisierung dieser Potenziale ist der zielgerichtete Einsatz von KM-Methoden notwendig. Aufgrund der Vielzahl der vorhandenen Methoden 9 ist eine Systematisierung und Priorisierung dringend erforderlich. Zu diesem Zweck werden im folgenden Kapitel die grundsätzlichen Strategien des KM identifiziert und ein integrierender Rahmen für die Systemanalyse vorgestellt. 3 Knowledge Warehouses und Knowledge Networks Hansen und Nohia 10 haben bei der Untersuchung von wissensintensiven Unternehmen zwei grundsätzliche KM-Strategien identifiziert: Kodifizierung und Personalisierung (vgl. Abbildung 2). Kodifizierung ist eine Strategie, welche auf einem ablagebasierten Wissensaustausch aufbaut. Im Vordergrund stehen dabei wiederkehrende Aufgabenstellungen, die von Mitarbeitern mit konkretem Lösungswissen erledigt werden können. Wissen wird i.d.r. wieder verwendet, so dass der Aufbau einer Wissensbasis im Sinne eines Knowledge Warehouses zu empfehlen ist. 6 Vgl. Alex/Becker/Stratmann (2000), S. 63ff. 7 Zur Wechselwirkung von KM und BI vgl. auch Gabriel/Dittmar (2001), S. 24ff. 8 Vgl. Fraunhofer Institut IAO (1997). 9 Eine Übersicht über relevante Methoden bietet ILOI (1997). 10 Vgl. Hansen/Nohria (1999), S. 87.

4 4 Die Personalisierungsstrategie ist demgegenüber geeignet für die Unterstützung innovativer, schwer greifbarer Aufgabenstellungen, die von Mitarbeitern mit abstraktem Lösungswissen erschlossen werden können. Die starre Ablage von Wissen würde in diesem Fall keine sinnvolle Unterstützung liefern. Notwendig ist daher der Aufbau eines Netzwerks zwischen Experten, ein Knowledge Network. Hansen und Nohia postulieren eine klare Dichotomie zwischen beiden Ansätzen: Der Versuch, eine Aufgabenstellung mit dem Einsatz beider Strategien zu lösen, müsse scheitern. Es sei vielmehr notwendig, von vorn herein die der Aufgabe angemessene Vorgehensweise zu definieren und konsequent umzusetzen. KODIFIZIERUNG PERSONALISIERUNG Ökonomie der Wiederverwendung von Wissen Mitarbeiter mit konkretem Problemlösungswissen Wiederkehrende Aufgabenstellungen Unterstützung der Wissensablage Mitarbeiter Wissensmanagementstrategie Aufgabenstellung Technologie Ökonomie der individuellen Expertise Mitarbeiter mit abstraktem Problemlösungswissen Innovative, schwer greifbare Aufgabenstellungen Unterstützung des Wissenstransfers Ablagebasierter Wissensaustausch, Knowledge Warehouse Geschäftsstrategie Interpersoneller Wissensaustausch, Knowledge Network Abb. 2: Knowledge Management-Strategien Im Folgenden werden die Konzepte Knowledge Warehouse und Knowledge Network sowie die damit verbundenen Methoden im Überblick vorgestellt. 3.1 Knowledge Warehouses Kodifizierung und damit die Fokussierung auf das ablegbare Wissen wird durch den Aufbau eines Knowledge Warehouses unterstützt. Dazu muss ein System geschaffen werden, dass eine große Menge an Daten und Dokumenten vorhält, durch geeignete Analyseverfahren Informationen gewinnt und dem Nutzer bequem zugänglich macht. Gemäß einer Delphi-Studie liegen 58 % des Wissens in einem Unternehmen explizit vor. 26 % in Papierform, 20 % in elektronischen Dokumenten und (nur) 12 % in elektronischen Wissensdatenbanken. 11 Notwendig sind daher Methoden, die sowohl strukturierte als auch unstrukturierte Daten den Nutzern verständlich zugänglich machen. Dazu gehören z.b. 11 Zitiert bei Herbst (2000), S. 81f.

5 5 Abstimmung von Strategie, Zielen und Messgrößen Informationsbedarfsanalysen, um zielgerecht die relevanten Fakten und Kennzahlen identifizieren zu können Methoden des Information Retrieval (z.b. auf der Basis linguistischer Algorithmen) Methoden der Datenanalyse (OLAP, Data Mining) Methoden der Textanalyse (Text Mining) Unterstützend sind für den Aufbau von Knowledge Warehouses zahlreiche IT-Tools verfügbar, wie zum Beispiel Datenbanken, Dokumenten- und Content-Management- Systeme, Data-Mining-, Text-Mining- oder Online Analytical Processing (OLAP)- Systeme sowie Suchmaschinen und Groupware-Produkte. 3.2 Knowledge Networks Die Basis bei der Personalisierung ist der persönliche Wissensaustausch. Nach der o.g. Delphi-Studie befinden sich knapp die Hälfte des Wissens in den Köpfen der Mitarbeiter, sei es als Erfahrungswissen, als Daumenregeln oder als Tipps und Tricks. 12 Gerade bei räumlich verteilten Organisationen ist daher eine systematische Unterstützung dieses Wissensaustausches notwendig. 13 Methoden in diesem Bereich betreffen v.a. den Aufbau von Communities of Practice als [...] Zusammenschlüsse von Personen, die sich für ein in der Regel breites, aber klar umrandetes Fachthema mit Geschäftrelevanz interessieren 14 und austauschen. Diese Wissensgemeinschaften unterscheiden sich im Wesentlichen dadurch, ob sie ein loser Zusammenschluss von Interessierten sind, oder ob ein Experte eine Moderatorenrolle einnimmt. 15 Gemeinsam ist allen Formen, dass eine intrinsische Motivation zur Teilnahme aller Mitglieder vorliegen muss, ohne die keine wirkungsvolle Wissensentwicklung und -verteilung erreicht werden kann. Generell ist eine längere Lebensdauer der Netzwerke zu empfehlen, da sich eine Community- Kultur erst nach Überwindung der ersten Berührungsängste einstellt. Technisch kann ein solches Knowledge Network unterstützt werden durch u.a. Who-is- Who-Verzeichnisse, Yellow Pages, Telefon, , Videoconferencing, gemeinsame Netzlaufwerke oder virtuelle Konferenzräume. 3.3 Einsatzschwerpunkte und Integration Ein Knowledge Warehouse verfolgt prinzipiell die Philosophie des Person-to- Document während ein Knowledge Network die des Person-to-Person in den 12 Zitiert bei Herbst (2000), S. 81f. 13 Vgl. North/Romhardt/Probst (2000). 14 Schütt (2000), S Vgl. eine andere Form der Begriffsdefinition bei Bach (2000), S. 80f.

6 6 Vordergrund stellt. Die beiden Alternativen schließen sich u.e. nicht gegenseitig aus. Im Gegenteil, die Alternative, die tendenziell stärker fokussiert wird, ist auf die Unterstützung der anderen angewiesen. Dies zeigt sich zum Beispiel darin, dass die im Rahmen des Knowledge Networks benötigten Informationen, wer über welche Expertise verfügt, in einer Datenbank (Warehouse) verwaltet werden müssen. Das Verhältnis ist dabei jeweils unternehmensspezifisch zu bestimmen. Diese Sichtweise hebt die strenge Dichotomie der Strategien auf und stellt auf eine individuelle Betrachtung der jeweiligen Situation ab. Unabdingbar sind jedoch übergreifende Komponenten, ohne die eine Integration der Konzepte nicht möglich ist. Auf der fachlichen Ebene ist die Definition von einheitlichen Taxonomien bzw. Ontologien 16 erste Voraussetzung. Sowohl innerhalb von Networks und Warehouses als auch übergreifend scheitert eine übergreifendende Nutzung von Wissen häufig an Begriffswelten und Definitionen, die nicht miteinander kompatibel sind. Technisch dienen Wissensmanagementsysteme (WMS) i.d.r. auf Basis von Portalen dazu, unterschiedliche Teilsysteme und das darin enthaltene Wissen zusammen zu führen und integriert bereit zu stellen (vgl. Abschnitt 4.6). Dieser Zusammenhang soll in der folgenden Abbildung 3 verdeutlicht werden: Gemeinsames Begriffsverständnis Knowledge Network Communities of Practice Wissenszirkel Einbeziehung interner und externer Wissensträger Knowledge Warehouse Unterschiedliche Ablage und Zugriffsmöglichkeiten Interne und externe Daten Technische Basis WMS-Architektur: Portal, Data Warehouse, Dokumentenmanagement, Workflow-Management,... Abb. 3: Integration von Knowledge Warehouses und Knowledge Networks 16 Eine Ontologie is a shared unterstanding of some domain of interest (Uschold/Grüninger (1996)).

7 7 3.4 Analyse-Framework Zur Analyse der Einsatzpotenziale des KM zur Unterstützung von BI-Aufgaben ist eine strukturierte Vorgehensweise notwendig. Das nachfolgende Analyse-Framework hilft dabei, die Komplexität der Aufgabenstellung zu verringern und systematisch Einzelmaßnahmen zu identifizieren. Dabei wird zwischen den Dimensionen des Bezugs der Wissensträger zum Unternehmen und dem Grad der Personengebundenheit unterschieden. Dimension Bezug zum Unternehmen: intern extern Internes Wissen beschreibt das gesamte Wissen der Wissensträger eines Unternehmens. KM dient im Sinne des Recource-based view dazu, die Verwendung dieses Wissens systematisch zu planen und steuern. Wesentlich ist jedoch auch die Einbeziehung des Wissens, welches nicht direkt im Unternehmen zur Verfügung steht (Market-based view). Auch hier dienen Methoden des KM dazu, dieses in den Unternehmensprozessen nutzbar zu machen. Dimension Personengebundenheit: implizit explizit Beim expliziten Wissen handelt es sich um beschreibbares, formalisierbares Wissen, welches strukturiert oder unstrukturiert in Dokumentationen, Datenbanken etc. bewahrt werden kann. Es lässt sich somit relativ einfach verarbeiten, übertragen, verteilen und speichern. Es wird hier davon ausgegangen, das dieses Wissen ideal durch den Einsatz von Knowledge Warehouses unterstützt werden kann. Implizites Wissen dagegen ist weitest gehend aktions- und personengebunden und dadurch sehr schwer zu identifizieren und damit auch schwer zu verteilen und zu kodifizieren. Aus diesem Grund werden Knowledge Networks dazu genutzt, dieses Wissen zielgerecht zu entwickeln und zu verbreiten. Beide Dimensionen zusammen bilden das folgende Analyse-Framework (Abbildung 4): Intern Extern Implizit Aufgabenbezogene Communities Partner- Communities Explizit Daten strukturiert Reporting OLAP Data Mining Daten unstrukturiert Text Mining Retrieval Daten strukturiert (z.b. externe ERP- Systeme) Daten unstrukturiert (z.b. WWW, externe Dokumente) Abb. 4: Analyse-Framework

8 8 Dieses Framework eignet sich für jede Form der wissensbasierten Analyse von BI- Systemen. Zur Konkretisierung dient im Folgenden das Beispiel des Intelligent Supplier Management (ISM). 4 Anwendungsbeispiel Intelligent Supplier Management Großunternehmen haben des öfteren dezentrale Einkaufsstrukturen. Dies kann eine unternehmenspolitische Entscheidung sein (höhere Flexibilität und Marktnähe der Einkäufer z.b. durch Spartenorganisation mit eigenen Einkaufsbereichen). Im Zeitalter der Mergers & Acquisitions befinden sich Unternehmen aber auch zunehmend häufiger vor der Herausforderung, dass gleichsam über Nacht zwei oder gar mehrere Einkaufsorganisationen mit unterschiedlichen internen Strukturen, anderer Marktbearbeitung sowie und dies stellt nicht selten das größte Integrationshemmnis dar einem völlig anderen Einkaufs-Begriffsverständnis einheitlich in Bezug auf die Lieferanten agieren sollen. Diese Aufgabe ist nur mit einem integrierten fachlichen und informationstechnologischen Ansatz dem ISM zu erfüllen. Hierbei löst ISM u.a. die Frage, wer die wichtigsten Lieferanten sind und wie die Unternehmensressourcen am besten eingesetzt werden, um ein strategisches Lieferantenmanagement aufzubauen. Ergebnis ist ein Wissens- und Informationssystem, das Supplier Intelligence durch eine unternehmensweite und integrierte Sicht auf die Beziehungen zu den Lieferanten bereit stellt. Mit Hilfe von ISM können direkte und indirekte Kosten reduziert, die zum Unternehmen passenden Lieferanten gefunden, das Risiko von Unterbrechungen der Information Supply Chain minimiert und der Information Supply Chain Management Process durch interne und externe kollaborative Prozesse auf Basis einer integrierten Datenhaltung optimiert werden. Ausgangspunkt eines ISM-Projekts können folgende (typische) Fragestellungen des Einkaufs sein: Wie viele Lieferanten haben wir? In welchen (rechtlichen) Beziehungen stehen die Lieferanten untereinander? Mit welchen Produkten beliefern uns die Lieferanten? Zu welchen Preisen kaufen wir ein? Wie steht es um die Qualität der Lieferungen? Ist die Lieferantenbasis ausreichend diversifiziert?

9 9 Stehen bei den Einkaufsverhandlungen genügend Informationen über die Lieferanten zur Verfügung? Die nachfolgenden Ausführungen basieren auf Projekterfahrungen der Unilog Integrata. Eingeflossen sind dabei v.a. Erfahrungen aus dem Bereich Business Intelligence der Unilog Gruppe aus Frankreich, Großbritannien und Deutschland. Hingewiesen werden soll in diesem Aufsatz auch auf die kritischen Erfolgsfaktoren einer ISM-Lösung und die lessons learned aus ISM-Projekten. Ausgangspunkt der Analyse ist das konkret auf das ISM angepasste Framework (Abbildung 5). Intern Extern Implizit Einkäufer- Community ISM- Community Explizit Daten strukturiert (z.b. BSC, Lieferanten-Datenbank, Clustering) Daten unstrukturiert (z.b. Verträge, Qualitätsdaten) Daten strukturiert (z.b. Supplier ERP- System) Daten unstrukturiert (z.b. Marktinformationen) Abb. 5: Analyse-Framework für das ISM 4.1 Gestaltungsbereich intern implizit Ein wichtiger Schritt zur Unterstützung der Einkaufsprozesse stellt zunächst die Nutzung des Erfahrungswissens der Einkäufer dar. Zu diesem Zweck eignet sich der Aufbau einer Einkäufer-Community, welche dem Austausch von Wissen und zur Findung eines gemeinsamen Begriffsverständnisses dienen kann. Dabei müssen allerdings zunächst die relevanten Wissensträger im Unternehmen ausgemacht werden. Hierfür gibt es grundsätzlich zwei Möglichkeiten: Den Aufbau einer Einkaufs- Wissenslandkarte oder die persönliche Recherche im Unternehmen durch einen Wissensagenten. Insbesondere bei Großunternehmen mit z.t. jährlich wechselnden Organisationsstrukturen wäre letztere Variante für die Mitarbeiter eine Hauptbeschäftigung. Deswegen empfiehlt sich der Aufbau einer Einkaufs-Wissenslandkarte.

10 10 Der Aufwand hierfür ist nicht zu unterschätzen. Zudem muss ein Verantwortlicher für die Pflege der Einkaufs-Wissenslandkarte bestimmt werden. 17 Alternativ oder ergänzend zur Erstellung einer Wissenslandkarte kann auch eine (grobe) Einkaufs-Geschäftsprozessmodellierung inkl. der Einkaufs-Wissensobjekte erfolgen (vgl. Abschnitt 4.5.1). Nachdem die relevanten Wissensträger identifiziert worden sind, werden sie in einer Einkäufer-Community freiwillig zusammen gebracht. Jeder Beteiligte hat hierbei die Rolle Autor und Nutzer. Zu empfehlen ist die Etablierung eines Einkaufsexperten, der den Lebenszyklus der Community überwacht und die Rolle eines Moderators und Redakteurs einnimmt. 18 Implementiert werden kann eine solche Community als Fachzirkel mit regelmäßigen (vorbereiteten und protokollierten) Meetings, die der Experte moderiert. Zu empfehlen ist eine Implementierung der Einkäufer Community als Purchasing Knowledge Network im Corporate Intranet: Diskussionsforen 19 und Chatrooms können hier eingerichtet sowie Newsletter- und Mailing-Dienste zur Verfügung gestellt werden. Corporate Yellow Pages (Expertise Directories inkl. Einkäufer-Skill-Matrizen 20 ) bieten ebenso wie Link-Listen und FAQs einen ersten Schritt hin zum ISM. Gleich, ob als Fachzirkel oder als virtuelle Community organisiert: Der Experte der Einkäufer-Community sollte darauf hinwirken, dass diese neben dem Informationsaustausch in Bezug auf die Lieferanten zu einem gemeinsamen Begriffsverständnis im Einkaufsbereich gelangt (=Explizierung und Abstimmung des impliziten Wissens). Dieses sollte als Glossar angelegt sein und von Experten gepflegt werden. Ein solches Glossar dient nicht nur der besseren Kommunikation innerhalb der Einkäufer- Community, es ist auch unverzichtbare Notwendigkeit für die Analyse des expliziten Wissens im Einkaufsbereich und für die Abstimmung mit den Lieferanten (vgl. Abschnitte 4.2 bis 4.5). Ein kritischer Erfolgsfaktor in diesem Kontext ist die betriebliche Wissenskultur. 21 Eine wissenshemmende Unternehmenskultur führt häufig dazu, dass virtuelle Communities ein Schattendasein im Unternehmensalltag führen, obwohl eigentlich allen Beteiligten die win-win-situation einer solchen Gemeinschaft klar sein sollte. Ohne Vorbildfunktion der Unternehmensführung in Bezug auf eine innovative 17 Vgl. Herbst (2000), S. 82ff. 18 Vgl. Bach (2000), S. 77f. 19 Vgl. Grothe/Gentsch (2000), S. 78ff. 20 Beispiel einer solchen Matrix bei Bach (2000), S Vgl. Tissen/Andriessen/Deprez (2000), S. 213ff.

11 11 Wissenskultur 22 und ohne entsprechende Anreizsysteme werden viele Einkäufer nach wie vor der Devise Wissen ist Macht folgen Gestaltungsbereich intern explizit Ein weiterer wesentlicher Bestandteil des ISM ist der Auf- und Ausbau des expliziten Wissens in einer Wissensdatenbank für den Einkauf: Nur ein integrierter Zugriff auf sämtliche internen Einkaufswissensquellen ermöglicht das Erreichen der angestrebten Ziele eines ISM, z.b. ein Preisbenchmarking der Supplier. Es gilt dabei, sowohl die unstrukturierten Einkaufsinformationen (z.b. s, Text- Dokumente, Spreadsheets, Grafiken und Videos) als auch die strukturierten Einkaufsinformationen (z.b. Daten aus den operativen Systemen) den Einkäufern auf Basis einer Wissensdatenbank zur Verfügung zu stellen. Hierbei wird das unternehmensinterne explizite Einkaufswissen identifiziert, analysiert, selektiert, implementiert und präsentiert (inside-out-approach). 24 Ein kritischer Erfolgsfaktor bei der Implementierung und Präsentation der Daten stellt hierbei neben der fachlichen Moderation und Redaktion durch einen technisch versierten Experten ein der Unternehmung angemessenes Personalisierungskonzept dar: Einkaufs-Sachbearbeiter sind in besonderem Maße an Informationen für ihren eigenen Bereich interessiert. Zudem benötigen sie die Einkaufsdaten zumeist in granularer Form. Einkaufs-Manager hingegen benötigen einen konzernweiten aggregierten Blick auf die Einkaufsdaten. Falls diese Anforderungen in Form eines detaillierten Berechtigungskonzepts nicht berücksichtigt werden, droht ein information overload sowie letzten Endes ein nicht akzeptiertes System. 25 Ein weiterer kritischer Erfolgsfaktor, der bei der Auswahl der Hard- und Software für die Wissensdatenbank beachtet werden muss, ist die Skalierbarkeit des Systems. Die Erfahrung zeigt, dass bereits während eines ersten ISM-Projekts die Anforderungen an das System sukzessive steigen. Erste Erfahrungen auf Basis der Einkaufs- Wissensdatenbank durch die Einkäufer erzeugen einen erhöhten Wissensbedarf. So sind die physischen Grenzen in Bezug auf die Hard- und Software eines inkrementell auszubauenden Prototypen, der eigentlich primär für Quick Wins realisiert wurde, schnell erreicht. 22 Vgl. Kluge/Stein/Licht (2001) und als Beispiel die Leitsätze der Innovationskultur bei 3M: Verantwortung delegieren, Ermutigung zur Eigeninitiative, Toleranz der Vorgesetzten, Freiraum schaffen für Experimente, Zulassen von Fehlern, Entwicklung eigener Arbeitsmethoden; zitiert bei: Herbst (2000), S In einer Kienbaum-Studie haben 2/3 der Befragten angegeben, dass diese Devise das Haupthindernis für das Teilen von Wissen ist; zitiert bei: Herbst (2000), S Vgl. Bea/Haas (2001), S. 26f. 25 Vgl. Holten/Rotthowe/Schütte (2001), S. 13ff.

12 Gestaltungsbereich unstrukturierte Daten Ein Großteil des expliziten Wissens über Lieferanten in einer Unternehmung liegt als unstrukturierte Daten vor. Dies sind häufig Text-Dokumente (z.b. Ausschreibungen, Verträge mit den Lieferanten), Excel-Sheets (z.b. teilweise konsolidierte Lieferantenlisten mit textuellen Anmerkungen in Bezug auf die Lieferantenqualität) oder s (in denen z.b. die Rahmenbedingungen der Lieferantenverträge festgehalten werden). In den wenigsten Fällen steht dieses dringend benötigte Wissen den Einkäufern zur Verfügung. Erster Schritt für ein ISM in diesem Bereich ist daher das Zusammenführen dieser Daten in einem Knowledge Warehouse. Um die Qualität der eingestellten Dokumente sicher zu stellen, sollte zunächst eine fachliche Qualitätssicherung durch Einkaufsexperten erfolgen. Nach der fachlichen Freigabe sollte das Dokument durch einen Content Manager in die Wissensdatenbank überführt werden. Diesem obliegt auch eine etwaige Indizierung und Klassifikation der Dokumente. Die Einkäufer, die das Wissensobjekt aus der Wissenssammlung nutzen, geben dem Autor des Dokuments Feedback. Dieser kann dann entscheiden, ob das Dokument erweitert, geändert oder gelöscht wird. So wird der Lebenszyklus des Wissensobjekts gemeinsam von Autor, Experten, Content Manager und Einkäufern überwacht und dessen Qualität gesichert. 26 In einem zweiten Schritt können die vorliegenden Dokumente nach Bearbeitung mit entsprechenden Indizierungsalgorithmen mit Hilfe von Text Mining Verfahren konsolidiert und analysiert werden. So dient Text Mining etwa der Entdeckung interessanter Beziehungen zwischen Dokumenten, der automatischen Segmentierung von Dokumenten (analog dem Data Mining- Prozess, vgl. Abschnitt 4.2.2), die unter Beifügung von Metainformationen - zu Clustern gruppiert werden können, der automatischen Erstellung von Abstracts, der Generierung begrifflicher Netze, die dem Wissensnutzer für einen zu erklärenden Begriff den begrifflichen und inhaltlichen Kontext aufzeigen. 27 Die hohe semantische Bedeutung und Vielzahl der Anwendungsbereiche machen deutlich, dass das Text Mining eine sinnvolle Zusatzkomponente zum ISM darstellt. 28 Zu beachten ist jedoch, dass sich zahlreiche Softwareprodukte noch in einem Experimentalstadium befinden. 26 Vgl. Lebenszyklus bei Bach (2000), S Vgl. Grothe/Gentsch (2000), S.212f. 28 Vgl. Grothe/Gentsch (2000), S. 233f.

13 Gestaltungsbereich strukturierte Daten Im Gestaltungsbereich strukturierte Daten des ISM geht es zunächst darum, den Informationsbedarf der Einkäufer zu evaluieren. Häufig wird man dann feststellen, dass die Informationslandschaft des Einkaufs gekennzeichnet ist durch: unterschiedliche Begriffswelten / Kennzahlendefinitionen sowohl innerhalb als auch zwischen Business Units, widersprüchliche Aussagen in Berichtslieferungen Fachliche Basis für ein effektives und effizientes Berichtswesen ist zunächst der Aufbau eines Glossars (im Idealfall hat dieses schon eine Einkäufer-Community aufgebaut, vgl. Abschnitt 4.1): Häufig sprechen Einkäufer die gleiche Sprache, verwenden aber unterschiedliche Dialekte. Werden aber die bisweilen nur geringen semantischen Begriffsverschiebungen nicht im Rahmen eines Glossars offen gelegt, führt dies dazu, dass Äpfel mit Birnen verglichen werden. Und um im Bild zu bleiben eine Aggregation über Äpfel und Birnen in der Annahme, es handele sich um die gleichen Früchte, führt auf der Ebene des Managements zu Informationsverzerrungen, die ein erfolgreiches ISM nahezu unmöglich machen. Vor diesem Hintergrund werden die konkreten Einkaufs-Berichtsanforderungen spezifiziert. Wesentlicher Bestandteil ist hierbei der Aufbau eines angemessenen Kennzahlensystems, mit dessen Hilfe sich der konzernweite Einkauf steuern lässt. Zu empfehlen ist hier der Aufbau eines Kennzahlensystems im Sinne einer angepassten Balanced Scorecard (BSC). Dabei wird die Kundenperspektive durch eine Lieferantenperspektive ersetzt. 29 Nach der Definition der Kennzahlen werden dann die für den Einkauf relevanten Auswertungsdimensionen spezifiziert. Technisch sollte das fertig definierte Berichtswesen auf ein Data Warehouse als Bestandteil der Wissensdatenbank zugreifen. Hierbei ist zumeist ein Zugriff auf die operativen Systeme allein schon aus Performanzgründen nicht sinnvoll. Empfehlenswert ist der Aufbau einer eigenen Datenhaltung, in das die für das Berichtswesen relevanten Daten aus den Vorsystemen gespiegelt werden und dann nach einer Transformation konsolidiert bereit gestellt werden. 30 Voraussetzung für diesen Vorgang ist wiederum ein einheitliches Begriffsverständnis. Ohne ein solches kann das Datenmodell für das Data Warehouse nicht anforderungsgerecht erstellt werden. 31 Vor allem bei Konzernverbünden stellt dabei der Aufbau eines integrierten Lieferantenstamms bei Tausenden von Lieferanten und Standorten eine nicht zu unterschätzende Hürde da. Für ein aussagekräftiges ISM ist dies jedoch eine Mindestvoraussetzung, ohne die keine sinnvolle Analyse oder Bewertung möglich ist. ISM zeichnet sich nun vor allem dadurch aus, dass der Einkauf nicht nur auf fest definierte Reports zurück greift, sondern das die Einkäufer den vorhandenen 29 Vgl. zum Einsatz der BSC im Supplier Management Werner (2000), S. 204ff. und zum Vorgehen bei der Entwicklung einer unternehmensspezifischen Balanced Scorecard allgemein Kumpf (2001). 30 Vgl. zur datenschutzrechtlichen Relevanz eines solchen Vorgehens Holten/Knackstedt/Becker (2001), S. 54ff. 31 Vgl. Totok, A. (2000).

14 14 Datenbestand interaktiv in Bezug auf einkaufsrelevante Zusammenhänge analysieren können. Basis ist hierfür das On-Line Analytical Processing (OLAP). Hierbei erfolgt eine flexible Navigation über die definierten Kennzahlen in Bezug auf die definierten Auswertungskriterien (z.b. Anzeige der gelieferten Produkte in der Region x im Zeitraum y). 32 Während eine Einkaufs-Analyse im Rahmen des OLAP deduktiv (d.h. anhand definierter Hypothesen) erfolgt, ermöglichen Data Mining-Methoden eine induktive Analyse über den Datenbestand. 33 Analog dem Text Mining (vgl. Abschnitt 4.2.1) werden hierbei Zusammenhänge im Datenbestand offen gelegt, die zuvor unbekannt waren. Ein wichtiges Anwendungsgebiet ist dabei die Clusterung von Preis-Einflussgrößen. Auf diese Weise können die geeigneten Auswertungsdimensionen für OLAP-Analysen ermittelt sowie Lieferanten in Clustern oder einzeln beurteilt und mit Hilfe von Profilen eine Strategie für die weitere Zusammenarbeit definiert werden. Aufgrund der hohen Komplexität von Data Mining-Analysen wird häufig auf den Einsatz entsprechender Methoden verzichtet. Dies kann sich jedoch schon dann rächen, wenn in OLAP-Analysen Zahlen unterschiedlicher Cluster aus Unwissenheit zusammen gefasst werden und auf diese Weise die Ergebnisse verfälschen. 4.3 Gestaltungsbereich extern implizit Mit Hilfe des Gestaltungsbereichs extern-implizit des ISM-Analyse-Frameworks kann die Einkäufer-Community zur ISM-Community ausgebaut werden. Hierbei wird das interne Wissen der Einkäufer-Communities (Wissensentwicklung, -verteilung, und - nutzung) mit dem externen Wissen aus der Lieferantenumwelt vernetzt. Eine solche ISM-Community kann als Business Bus echte n:m-beziehungen zwischen ausgewählten Einkäufern und Lieferanten aufbauen und die Vorteile eines integrierten Lieferantenmanagements realisieren. 34 Hierbei ist allerdings zu berücksichtigen, dass die Informationspolitik in den seltensten Fällen so offen sein kann, dass die Einkäufer-Community in Gänze den Lieferanten offen stehen soll. In der Regel empfiehlt sich die Einrichtung eines geschlossenen (durch das Profiling ausgewählten) Bereichs, in dem die Einkäufer offen kommunizieren können. Die konkrete Realisierung der ISM-Community ist abhängig von der jeweiligen Branche. So kann diese Kommunikationsplattform etwa der gemeinsamen Produktentwicklung dienen, ein Diskussions- und Entscheidungsforum für eine optimierte 32 Vgl. Chamoni/Gluchowski (2000) und Grothe/Gentsch (2000), S. 51ff. 33 Vgl. Bissantz/Hagedorn/Mertens (2000) und Grothe/Gentsch (2000), S. 98f., 178ff. 34 Vgl. Österle (2000), S. 35.