Klassifizierungsquote

Die Klassifizierungsquote misst, welcher Anteil aller Spend-Buchungssätze einer Einkaufsorganisation einer Warengruppe oder Materialklassifikation eindeutig zugeordnet ist — typisch nach eClass, UNSPSC oder hauseigener Klassifikationssystematik. Sie ist die zentrale Kennzahl der [[datenqualitaet-einkauf]] auf Bewegungsdatenebene und Voraussetzung dafür, dass Spend-Analyse, Category Management und Lieferantenkonsolidierung valide Aussagen liefern.

Detaillierte Erklärung

Berechnet wird die Klassifizierungsquote als Anteil korrekt klassifizierter Buchungssätze am Gesamtbestand, üblicherweise auf eClass-Ebene 4 (Klasse, Beispiel "23-08-04 Industriegasflasche") oder UNSPSC-Ebene 4 (Commodity Code, Beispiel "27-11-15-04 Hand-Drahtschere"). eClass wurde 2000 vom eClass e.V. (Sitz Köln, Mitglieder unter anderem BASF, Bayer, Audi, Deutsche Bahn) als branchenübergreifender Klassifikationsstandard etabliert und ist mit aktueller Version 14.0 (Stand 2025) der DACH-Standard mit rund 45.000 Klassen und 17.000 Merkmalen. UNSPSC (United Nations Standard Products and Services Code, gepflegt seit 2003 von GS1 US im Auftrag der Vereinten Nationen) gilt international, hat rund 150.000 Klassen und ist in den USA dominant.

Hackett-Benchmark Spend Management Performance Study 2025 dokumentiert: Weltklasse-Beschaffungsorganisationen erreichen 89 bis 92 Prozent automatische Klassifizierungsquote, Branchendurchschnitt 71 bis 75 Prozent, schwache Organisationen unter 55 Prozent. Die Lücke zur 100-Prozent-Marke besteht aus drei Gruppen: erstens Tail-Spend-Buchungen unter 1.000 EUR, die manuell zugeordnet werden müssen (typisch 8 bis 14 Prozent des Gesamtbestands); zweitens neue Lieferanten ohne Stammdaten-Zuordnung (3 bis 5 Prozent); drittens Sammelbuchungen ohne ausreichend granulare Information (2 bis 4 Prozent). Sievo (gegründet 2003 in Helsinki) und Tacto (gegründet 2021 in München) berichten in ihren Whitepapers, dass moderne ML-basierte Klassifizierungs-Engines die Quote je nach Datenbasis um 8 bis 18 Prozentpunkte heben gegenüber regelbasierten Mappern. Die DIN EN ISO 22745 (Open technical dictionaries and their application to master data, Stand 2010, Teilrevisionen bis 2024) regelt die formale Struktur solcher Klassifikationen.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein westfälischer Hersteller von Lagertechnik (1.180 Mitarbeitende, 235 Mio. EUR Beschaffungsvolumen) misst Q1 2026 erstmals systematisch die Klassifizierungsquote. Ausgangslage: SAP MM mit hauseigener vierstelliger Warengruppe, eClass nicht eingeführt, manuelle Pflege durch Disponenten. Erstmessung: 187.420 Buchungssätze über 12 Monate, davon 64,3 Prozent eindeutig zugeordnet, 23,1 Prozent in Sammelwarengruppe "Sonstiges" (eClass-Anti-Pattern), 12,6 Prozent unklassifiziert. Maßnahmenpaket: Einführung eClass 14.0 als Master-Klassifikation, ML-basierte Auto-Klassifikation über einen Sievo-Konkurrenten, Schulung der 14 Disponenten, monatliches [[datenqualitaetsbericht]]-Forum. Investition: 92.000 EUR Lizenzkosten pro Jahr, 180.000 EUR Implementierung, 38.000 EUR Schulung. Nach 9 Monaten: Klassifizierungsquote auf eClass-4-Ebene 87,4 Prozent, "Sonstiges"-Anteil auf 4,1 Prozent reduziert. Konkrete Folgewirkung: Erstmals saubere Spend-Analyse möglich, Identifikation von 1,4 Mio. EUR Konsolidierungspotenzial in der Warengruppe Industriegase (zwölf Lieferanten, davon vier mit deutlich überhöhten Preisen). Bei einer angenommenen [[datenqualitaet-einkauf]]-Verbesserung von 1 Prozentpunkt pro Quartal Pflegekosten rechnet die Hackett Group im DACH-Mittelstand mit rund 0,4 bis 0,7 Prozent zusätzlichem Spend-Hebel pro Jahr.

Typische Fehler & Verhandlungskontext

Erstens wird die Quote häufig auf eClass-Ebene 2 (Hauptgruppe) gemessen statt Ebene 4 (Klasse) — das schönt die Zahl um 15 bis 25 Prozentpunkte und macht den KPI wertlos. Zweitens fehlt eine Eskalation für die Restmenge: Wenn 13 Prozent unklassifiziert bleiben und niemand explizit verantwortlich ist (idealerweise ein [[data-steward]] pro Warengruppen-Cluster), wird die Quote nie über 88 Prozent steigen. Drittens unterschätzen Organisationen den Einfluss neuer Lieferanten: Jeder neue Kreditor ohne saubere Stammdaten-Klassifikation verschlechtert die Quote im Folgemonat — die Lieferantenanlage gehört in einen Genehmigungsworkflow mit Pflichtfeld eClass. In Verhandlungen mit Spend-Analytics-Anbietern ist die ML-Trefferquote auf einem Test-Datensatz von 10.000 Buchungssätzen das härteste Kriterium; ein Anbieter, der unter 82 Prozent bleibt, ist im Mittelstand 2026 nicht wettbewerbsfähig.

Verwandte Begriffe

Die Klassifizierungsquote ist eine Kernkennzahl der [[datenqualitaet-einkauf]], wird im [[datenqualitaetsbericht]] berichtet, durch [[data-steward]] und [[datenowner]] verbessert, basiert technisch auf [[stammdatenmanagement-mdm]] und [[match-merge-regeln]] und ist Voraussetzung für saubere [[datenbereinigung-einkauf]].