Algorithmic Sourcing

Algorithmic Sourcing bezeichnet die mathematisch-optimierte Lieferantenauswahl und Vergabe-Allokation in komplexen Ausschreibungen mit vielen Lots, Lieferanten, Restriktionen und Kostenfaktoren. Statt Tabellenkalkulation oder Bauchentscheidung berechnet ein Solver die kostenoptimale Zuteilung unter Nebenbedingungen wie Kapazitätsgrenzen, Mindest- oder Höchstanteilen pro Lieferant, Volumen-Rabatten, Logistikkosten oder ESG-Vorgaben. Methodisch entstammt der Ansatz der Operations Research und der Auktionstheorie und hat seit etwa 2010 mit dem Aufkommen leistungsfähiger Cloud-Solver auch im Mittelstand Einzug gehalten.

Detaillierte Erklärung

Mathematischer Kern ist die gemischt-ganzzahlige Optimierung (Mixed Integer Programming, MIP), häufig in der Variante als Multi-Constraint-Allocation-Problem. Standard-Solver sind IBM CPLEX, Gurobi, FICO Xpress und Open-Source-Pakete wie CBC, GLPK oder das HiGHS-Projekt. Die zugrundeliegende Theorie geht auf Ralph Gomory (1958, IBM Research) und das Branch-and-Bound-Verfahren von Land und Doig (1960, Econometrica) zurück. Im Sourcing kommen Erweiterungen aus der Auktionstheorie hinzu, insbesondere kombinatorische Auktionen nach Cramton, Shoham und Steinberg ("Combinatorial Auctions", MIT Press 2006), die es Lieferanten erlauben, auf Bündel statt auf Einzellots zu bieten. Eine McKinsey-Auswertung von 2018 dokumentiert für 95 fortgeschrittene Sourcing-Optimierungs-Events branchenübergreifende Einsparungen von durchschnittlich 4 bis 12 Prozent gegenüber best-of-Einzellots-Vergabe; in komplexen Logistik-Tendern werden bis zu 18 Prozent berichtet. Der BME-Marktbericht "Sourcing Excellence 2023" weist einen jährlichen Marktanteilszuwachs der Sourcing-Optimization-Software von rund 15 Prozent aus. Marktanbieter sind Coupa Sourcing Optimization (durch die Übernahme von Trade Extensions 2017 entstanden, knapp 1.300 Großkunden weltweit), Keelvar mit Sitz in Cork (gegründet 2012), Bonfire (heute GovWin/Deltek) sowie SAP Ariba mit dem Modul "Sourcing with Optimization". Typische Anwendungsfälle: Transportausschreibungen mit 200 bis 5.000 Lanes (Frachtraten, Backhaul, Mindest- und Maximal-Volumen je Carrier), Direct-Material-Tender mit Volumen-Rabatt-Treppen und Multi-Werk-Lieferanten-Restriktionen, Indirect-Spend-Bündelungen über mehrere Werke und Länder. Restriktionen beachten Single-Source-Risiken, [[dual-sourcing]]-Vorgaben, [[esg-kriterien-einkauf]] und Kapazitätsobergrenzen. Norm- und Compliance-Anker: ISO 20400:2017 zur nachhaltigen Beschaffung; EU-Vergaberecht (GWB §97 ff. und VgV) für öffentliche Auftraggeber. Die Bundesvereinigung Logistik (BVL) und der BME empfehlen Algorithmic Sourcing in Trendstudien seit 2022 explizit als Hebel für Mittelständler ab etwa 50 Millionen Euro adressierbarem Spend.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein Konsumgüter-Konzern mit 12 Werken in der DACH-Region und 380 Millionen Euro jährlichem Transportvolumen schreibt 2026 sein europäisches Straßentransport-Netz neu aus: 2.840 Lanes, 47 angefragte Spediteure, 6 Lot-Strukturen (Tagesgeschäft, Nacht, Kühl, Gefahrgut, Doppelstock, intermodal). Klassische Best-of-Einzellot-Vergabe führt im Vorjahr zu 286 Millionen Euro Vergabewert. Mit Coupa Sourcing Optimization wird ein kombinatorisches Bietverfahren aufgesetzt: Spediteure dürfen Bündel-Gebote auf bis zu 240 Lanes abgeben mit selbst gewählten Volumen-Mindestmengen. Restriktionen im Solver: kein Spediteur über 18 Prozent Gesamtvolumen, mindestens 4 Spediteure pro Land, Pönalen für Liefertreue unter 96 Prozent, CO₂-Zielwert maximal 62 Gramm pro Tonnenkilometer. Der MIP-Solver verarbeitet 18.400 Bietzeilen in 7 Stunden Rechenzeit auf 32 vCPUs und liefert die optimale Allokation. Ergebnis: Vergabewert 261,4 Millionen Euro — eine Einsparung von 24,6 Millionen Euro oder 8,6 Prozent gegenüber Vorjahr; CO₂-Footprint 4,2 Prozent niedriger; Anzahl aktiver Hauptspediteure sinkt von 38 auf 21 bei besserer Liefertreue (von 94,8 auf 97,1 Prozent im Folgejahr). Investition: 540.000 Euro Software-Lizenz und Implementierung, 1,2 Vollzeitstellen Sourcing-Analyst. ROI nach 4 Monaten erreicht.

Typische Fehler & Verhandlungskontext

Erster Fehler: Algorithmic Sourcing als reine Software-Einführung sehen. Ohne saubere Lot-Definition, vollständige Stammdaten zu Lieferantenkapazitäten und realistische Restriktionsmodellierung produziert der beste Solver nur falsche Optima. Zweitens wird die Bietsprache nicht dokumentiert — Spediteure brauchen klare Spielregeln zu Bündel-Geboten, Volumen-Tiers und konditionellen Geboten, sonst entstehen unauswertbare Bietmuster. Drittens fehlt ein Sensitivitäts-Reporting nach der Optimierung; die zweit- und drittbeste Lösung sollten ausgewiesen werden, um Verhandlungsmacht zu schaffen und Klumpenrisiken sichtbar zu machen. Verhandlungskontext: Lieferanten reagieren professionell, wenn die Bietregeln einer kombinatorischen Auktion technisch sauber dokumentiert sind; sie versuchen jedoch häufig, durch konditionelle Gebote die Restriktionen aufzuweichen — etwa "Wenn ich Lot A bekomme, biete ich Lot B 4 Prozent günstiger". Solche Konditionalbietung muss explizit erlaubt oder verboten und im Solver entsprechend modelliert werden. Bei Lizenzverhandlungen mit Anbietern lohnt eine Volumen-basierte Vergütung statt Pauschallizenz, gerade wenn nur 2 bis 4 große Tender pro Jahr durchlaufen werden.

Verwandte Begriffe

Algorithmic Sourcing operationalisiert [[strategic-sourcing]] und [[sourcing]] mit mathematischer Schärfe, baut auf [[auction-theory]], [[reverse-auction]] und [[e-auction]] auf und integriert Vorgaben aus [[dual-sourcing]], [[esg-kriterien-einkauf]] und [[total-cost-of-ownership]]; bei öffentlichen Auftraggebern ist die Verzahnung mit [[vergabeverfahren]] und [[verhandlungsverfahren-ohne-teilnahmewettbewerb]] zu prüfen.