Das eigentliche Problem sind nicht steigende Preise

Unternehmen können den Weltmarktpreis für Energie, Kupfer oder chemische Rohstoffe kaum beeinflussen.

Beeinflussen können sie jedoch, wie schnell sie auf Veränderungen reagieren.

In vielen Unternehmen sieht der Prozess heute noch ungefähr so aus:

Einkaufspreise verändern sich.

Wochen später fällt auf, dass bestimmte Artikel weniger Marge erwirtschaften.

Danach werden Excel Tabellen ausgewertet.

Anschließend wird diskutiert, ob Preise angepasst werden müssen.

Bis eine Entscheidung umgesetzt wurde, können Wochen oder sogar Monate vergehen.

Bei stark schwankenden Kosten kann genau diese Verzögerung teuer werden.

KI kann diesen Prozess erheblich verkürzen.

ChatGPT kann aus allgemeinen Wirtschaftsdaten individuelle Unternehmensdaten machen

Eine Meldung wie die aktuellen Erzeugerpreise sagt zunächst nur etwas über bestimmte Wirtschaftszweige und Produktgruppen aus.

Für einen einzelnen Betrieb ist allerdings eine andere Frage entscheidend:

Was bedeutet diese Entwicklung konkret für mein Unternehmen?

Hier kann ChatGPT beispielsweise Einkaufsdaten aus Excel oder CSV Dateien analysieren und mit weiteren Unternehmensdaten kombinieren. ChatGPT unterstützt die Analyse strukturierter Dateien wie Excel und CSV und kann daraus Berechnungen, Tabellen und Visualisierungen erstellen.

Ein Unternehmen könnte beispielsweise seine Einkaufsdaten der vergangenen zwölf Monate hochladen und fragen:

Welche meiner Kostenpositionen haben den größten Einfluss auf meine Marge und welche Produkte wären besonders gefährdet, wenn Energie, Metall oder chemische Grundstoffe weiter steigen?

ChatGPT könnte anschließend untersuchen:

Welche Warengruppen besonders kostenintensiv sind Bei welchen Produkten die Marge bereits niedrig ist Welche Lieferanten ihre Preise besonders stark erhöht haben Welche Produkte trotz steigender Einkaufskosten noch zum alten Verkaufspreis angeboten werden Welche Preisänderung notwendig wäre, um die bisherige Marge zu erhalten

Damit wird aus einer statistischen Nachricht eine konkrete Entscheidungsgrundlage.

Ein einfaches Beispiel

Nehmen wir einen produzierenden Betrieb mit folgenden monatlichen Kosten an:

40.000 Euro für Metallprodukte

20.000 Euro für chemische Materialien

15.000 Euro für Energie

Wenn sich die Kosten dieses Unternehmens rein beispielhaft genauso entwickeln würden wie die entsprechenden Erzeugerpreisgruppen aus der Destatis Meldung, ergäbe sich folgende zusätzliche Belastung:

Metall bei plus 14,8 Prozent:

5.920 Euro zusätzliche Kosten

Chemische Grundstoffe bei plus 11,2 Prozent:

2.240 Euro zusätzliche Kosten

Energie bei plus 8,3 Prozent:

1.245 Euro zusätzliche Kosten

In diesem vereinfachten Beispiel wären das insgesamt 9.405 Euro zusätzliche Kosten pro Monat.

Auf ein Jahr gerechnet wären das 112.860 Euro.

Wichtig ist dabei: Der Erzeugerpreisindex ist kein individueller Einkaufspreisindex eines Unternehmens. Lieferverträge, Mengenrabatte, Absicherungen und konkrete Produkte können zu völlig anderen Preisentwicklungen führen.

Genau deshalb sollte die Statistik nicht einfach auf das eigene Unternehmen übertragen werden.

Sie kann aber als Warnsignal dienen.

ChatGPT könnte anschließend mit den tatsächlichen Einkaufsdaten berechnen, wie groß der Effekt wirklich ist.

ChatGPT kann verschiedene Preisszenarien durchrechnen

Interessant wird es bei der Frage, wie ein Unternehmen reagieren sollte.

Angenommen ein Produkt wird für 100 Euro verkauft und besitzt bisher eine Deckung von 30 Euro.

Durch gestiegene Produktionskosten sinkt diese Deckung plötzlich auf 22 Euro.

Jetzt könnte man ChatGPT verschiedene Szenarien berechnen lassen:

Was passiert bei einer Preiserhöhung von 2 Prozent?

Was passiert bei 5 Prozent?

Wie verändert sich der Deckungsbeitrag?

Wie viele Kunden dürfte das Unternehmen theoretisch verlieren, bevor die Preiserhöhung wirtschaftlich keinen Vorteil mehr bringt?

Welche Produkte sollten zuerst angepasst werden?

Damit wird KI zu einem Werkzeug für Szenarioanalysen.

Die Entscheidung trifft weiterhin der Unternehmer.

Die Berechnungen können jedoch erheblich schneller durchgeführt werden.

Auch Lieferanten lassen sich systematischer analysieren

Eine weitere Möglichkeit ist die Analyse der Lieferantenentwicklung.

Ein Unternehmen könnte beispielsweise Bestellungen und Rechnungen der vergangenen zwei Jahre auswerten lassen.

ChatGPT könnte anschließend zeigen:

Lieferant A erhöhte seine Preise um 17 Prozent.

Lieferant B erhöhte vergleichbare Produkte lediglich um 8 Prozent.

Bei Produktgruppe C liegen die Einkaufspreise inzwischen deutlich über dem Durchschnitt.

Damit entstehen konkrete Ansatzpunkte für Einkaufsverhandlungen oder alternative Lieferanten.

Statt allgemein zu sagen:

„Unsere Einkaufspreise sind stark gestiegen“

könnte ein Unternehmen beispielsweise argumentieren:

„Bei dieser Produktgruppe liegt Ihre Preissteigerung seit Januar bei 14,7 Prozent, während unsere anderen Lieferanten im Durchschnitt bei 8,2 Prozent liegen.“

Das verändert die Grundlage einer Preisverhandlung erheblich.

Und was macht Codex?

ChatGPT eignet sich besonders gut dafür, Daten zu verstehen, Fragen zu stellen, Szenarien zu entwickeln und Ergebnisse zu erklären.

Codex geht einen Schritt weiter.

Codex ist auf Softwareentwicklung und technische Automatisierungen ausgelegt und kann beispielsweise Funktionen entwickeln, bestehende Software verändern, Schnittstellen integrieren und komplette technische Workflows umsetzen.

Damit könnte aus einer einmaligen Analyse ein dauerhaftes System entstehen.

Beispiel: Ein automatischer Kostenmonitor

Ein Unternehmen könnte mit Codex eine interne Anwendung entwickeln lassen.

Diese könnte beispielsweise jeden Morgen Daten aus verschiedenen Systemen übernehmen:

Einkaufspreise

Lieferantenpreise

Verkaufspreise

Lagerbestände

Absatz

Deckungsbeiträge

Energieverbrauch

Anschließend werden definierte Regeln geprüft.

Zum Beispiel:

Warnung: Marge von Produkt 4711 ist innerhalb von 30 Tagen von 31 Prozent auf 24 Prozent gefallen.

Oder:

Lieferant Müller GmbH hat den Einkaufspreis dieses Artikels innerhalb von sechs Monaten um 12,4 Prozent erhöht.

Oder:

Bei unverändertem Verkaufspreis unterschreitet dieses Produkt ab dem aktuellen Einkaufspreis die gewünschte Mindestmarge.

Der Unternehmer müsste dann nicht mehr selbst hunderte Positionen überprüfen.

Das System würde automatisch zeigen, wo Handlungsbedarf besteht.

Noch interessanter wird automatische Preisüberwachung

Ein solches System könnte zusätzlich Regeln enthalten.

Zum Beispiel:

Wenn die Marge unter 25 Prozent fällt, soll eine Preisprüfung ausgelöst werden.

Die Software könnte anschließend automatisch berechnen:

Aktueller Verkaufspreis: 49,90 Euro

Aktuelle Marge: 22,8 Prozent

Gewünschte Mindestmarge: 30 Prozent

Empfohlener Verkaufspreis zur Wiederherstellung dieser Marge: 55,05 Euro

Die eigentliche Preisänderung könnte anschließend weiterhin von einem Mitarbeiter bestätigt werden.

So entsteht keine unkontrollierte automatische Preisgestaltung.

Stattdessen entsteht ein intelligentes Assistenzsystem.

Von der Statistik bis zum eigenen Unternehmen

Noch spannender wäre die Kombination externer Wirtschaftsdaten mit internen Unternehmensdaten.

Ein System könnte beispielsweise regelmäßig relevante Indizes beobachten.

Steigen Energiepreise besonders stark, könnten energieintensive Produkte genauer überwacht werden.

Steigt Kupfer deutlich, könnten Produkte mit hohem Kupferanteil markiert werden.

Steigen bestimmte chemische Grundstoffe, könnten entsprechende Lieferanten und Produktgruppen geprüft werden.

Damit verändert sich die Nutzung wirtschaftlicher Daten grundlegend.

Die Frage lautet dann nicht mehr:

Was bedeutet ein Anstieg der Erzeugerpreise um 4,6 Prozent?

Sondern:

Welche fünf Produkte in meinem Unternehmen sind davon wahrscheinlich am stärksten betroffen und wie verändert sich dadurch meine Marge?

Das ist eine wesentlich wertvollere Information.

ChatGPT für die Analyse, Codex für die Automatisierung

Vereinfacht könnte man die beiden Systeme so einsetzen:

ChatGPT

Daten analysieren

Kostenentwicklungen erklären

Excel Dateien untersuchen

Margen berechnen

Szenarien simulieren

Preisstrategien vergleichen

Lieferanten analysieren

Managementberichte erstellen

Codex

Interne Anwendungen entwickeln

Datenimporte automatisieren

ERP oder Shopsysteme anbinden

Preisüberwachung programmieren

Dashboards entwickeln

Warnsysteme erstellen

Regelbasierte Preisprozesse umsetzen

Wiederkehrende Analysen automatisieren

KI verhindert keine Kostensteigerungen

Natürlich kann künstliche Intelligenz weder Energiepreise senken noch verhindern, dass Rohstoffe teurer werden.

Sie kann allerdings verhindern, dass ein Unternehmen Veränderungen erst bemerkt, wenn die Marge bereits über Monate gesunken ist.

Und genau darin könnte einer der größten wirtschaftlichen Vorteile von KI liegen.

Nicht darin, jede Entscheidung automatisch zu treffen.

Sondern darin, relevante Veränderungen früher zu erkennen, Auswirkungen schneller zu berechnen und Entscheidungen auf einer besseren Datenbasis vorzubereiten.

Die aktuellen Erzeugerpreise zeigen sehr deutlich, warum solche Systeme zunehmend interessant werden.

Je volatiler Energie, Rohstoffe und Vorprodukte werden, desto wichtiger wird die Geschwindigkeit, mit der Unternehmen ihre Kosten verstehen.

Früher brauchte man dafür möglicherweise Controller, Entwickler, Excel Spezialisten und mehrere unterschiedliche Systeme.

Heute kann bereits eine Kombination aus bestehenden Unternehmensdaten, ChatGPT und individuell entwickelten Automatisierungen mit Codex einen großen Teil dieser Arbeit unterstützen.

Die entscheidende Frage für Unternehmen lautet deshalb möglicherweise nicht mehr:

Können wir steigende Preise verhindern?

Sondern:

Wie schnell erkennen wir, was steigende Preise für unser Unternehmen bedeuten?