Spend-Analyse

Die Spend-Analyse ist die strukturierte Auswertung sämtlicher Beschaffungsausgaben eines Unternehmens nach Lieferant, Warengruppe, Kostenstelle und Vertragsstatus. Sie ist die Datenbasis für Category Management, Lieferantenkonsolidierung und Verhandlungsstrategie — ohne sie ist strategischer Einkauf Fischen im Trüben.

Detaillierte Erklärung

Spend-Analyse beantwortet drei Kernfragen: Wer gibt wo wie viel wofür aus? Methodisch gliedert sich der Prozess in vier Schritte: Datenextraktion aus ERP-Kreditorenbuchhaltung und P-Card-Systemen, Datenbereinigung und Lieferantenstammkonsolidierung (Konzernverbund-Auflösung, Dubletten), Klassifikation nach einem Standard wie eClass (in DACH dominant) oder UNSPSC (international, Vereinte Nationen / GS1), sowie Visualisierung im sogenannten [[spend-cube]]. Die Bereinigungsquote — also der Anteil der ursprünglichen Buchungssätze, die durch Mapping verändert oder verdichtet werden — liegt nach Erfahrungswerten von Sievo und Tacto bei 20–40 %.

Standardklassifikation des Bundesverbands Materialwirtschaft, Einkauf und Logistik (BME) trennt drei Spend-Kategorien: Direct Spend (Direktes Material, das in das Endprodukt eingeht), Indirect Spend (MRO, IT, Facility, Beratung — alles Nicht-Produktive), Tail Spend (die unteren 20 % des Volumens, verteilt auf 80 % der Lieferanten — die Schattenseite des Pareto-Prinzips). Die Hackett Group dokumentiert in der Tail Spend Management Study 2025, dass weltklasse-Beschaffungsorganisationen 97,3 % des Direct Spend und 95 % des Indirect Spend aktiv managen, gegenüber 70 % beziehungsweise 66,5 % im Durchschnitt.

Erste Spend-Analysen liefern üblicherweise Findings im Bereich von 4–12 % Einsparpotenzial, wobei die Hackett Group für aktiv gemanagten Tail Spend allein 7,1 % Durchschnittseinsparung ausweist. Die Norm DIN EN ISO 20400 (Nachhaltige Beschaffung, 2017) sowie das Lieferkettensorgfaltspflichtengesetz (LkSG, in Kraft seit 2023) erweitern die klassische Spend-Analyse um Nachhaltigkeits- und Risikodimensionen — ohne sauberen Lieferantenstamm ist weder eine CO2-Bilanz noch eine LkSG-Risikoanalyse möglich. Datenquellen sind typischerweise Kreditorenbuchhaltung, Bestellsystem, Vertragsregister und Reisekostenabrechnung; die Hauptbuch-Daten allein reichen nicht, da sie keine Mengeninformation enthalten.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein süddeutscher Anlagenbauer (820 Mitarbeitende, 187 Mio. EUR Beschaffungsvolumen) beauftragt 2026 eine erste vollständige Spend-Analyse. Datenextraktion liefert 142.380 Buchungssätze über 3.847 Kreditoren. Bereinigung: Dubletten und Konzernkonsolidierung reduzieren auf 2.140 unique Lieferanten — 31 % Bereinigungsquote. eClass-Klassifikation auf vierter Ebene: 78 % der Buchungssätze automatisch zugeordnet, 22 % manuell. Ergebnis: Direct Spend 124,3 Mio. EUR (66,5 %), Indirect Spend 51,4 Mio. EUR (27,5 %), Tail Spend 11,3 Mio. EUR (6,0 %) verteilt auf 1.680 Lieferanten unter 10.000 EUR Jahresvolumen. Konkrete Hebel: Konsolidierung von 38 Bürobedarf-Lieferanten auf 2 Rahmenvertragspartner spart 240.000 EUR pro Jahr; ein zentrales Reisemanagement statt 14 Einzelvereinbarungen senkt die Reisekosten um 11,8 %; im Direct-Spend-Bereich Stahl identifiziert die Analyse drei C-Lieferanten mit Preisniveau 14 % über A-Lieferanten — Volumenverlagerung bringt 1,1 Mio. EUR Einsparung.

Typische Fehler & Verhandlungskontext

Erstens Lieferantenstamm nicht konsolidieren: "Müller GmbH", "Müller Werkzeuge GmbH" und "F. Müller Werkzeuge" sind oft derselbe Konzern — wer das nicht zusammenführt, unterschätzt die Verhandlungsposition systematisch. Zweitens Tail Spend ignorieren: 6 % des Volumens auf 78 % der Lieferanten verursachen den höchsten Prozessaufwand, häufig 40–60 % der Bestellbearbeitung. Drittens Spend-Analyse als Einmalprojekt fahren: Ohne quartalsweise Aktualisierung veraltet die Datenbasis binnen 12 Monaten, und Lieferantenkonsolidierungs-Erfolge erodieren durch Maverick Buying.

Verwandte Begriffe

Spend-Analyse ist die Datenbasis für [[abc-analyse]] und [[kraljic-matrix]], visualisiert im [[spend-cube]], und identifiziert Symptome wie [[maverick-buying]] sowie Hebelpunkte für [[rahmenvertrag]] und [[lieferantenbewertung]].