Spend Modelling
Spend Modelling
Spend Modelling ist die quantitative Modellierung alternativer Spend-Strukturen und Beschaffungsentscheidungen, mit der ein Einkaufsteam die finanziellen Folgen von Bündelungs-, Konsolidierungs-, Substitutions- und Verhandlungsoptionen vor der Umsetzung berechnet. Es ist die Brücke zwischen statischer [[spend-analyse]] und Entscheidungs-Vorbereitung und überführt historische Buchungssätze in steuerbare Zukunftsszenarien. Typischer Effekt der disziplinierten Anwendung liegt nach Hackett-Benchmarks bei 8 bis 15 Prozent zusätzlich realisiertem Saving auf den modellierten Spend-Anteil.
Detaillierte Erklärung
Spend Modelling baut auf einer bereinigten Spend-Datenbasis auf und legt darüber eine Variablen-Schicht. Diese Variablen umfassen Volumen-Bündelung über Werke und Tochtergesellschaften, Lieferanten-Konsolidierung mit Ziel-Anzahl pro Warengruppe, Wechsel der Bezugs-Region, Spec-Substitution wie Vereinheitlichung von 14 auf 4 Schraubentypen sowie Vertragslaufzeit- und Zahlungsziel-Variation. Der Modellrahmen rechnet diese Veränderungen gegen die historische Baseline und liefert pro Szenario eine Saving-Kurve, eine Risiko-Bewertung und eine Implementierungs-Aufwand-Schätzung. Sievo dokumentiert im State of Spend Report 2025 eine Datenbasis von 1,4 Bio. USD analysiertem Enterprise-Spend, was rund 2 Prozent des globalen BIP entspricht, und weist für Spend-Modelling-Anwender 80 Prozent Verbesserung im Purchase-Cost-Reduction-Hebel aus.
Die Hackett Group hat in einer mehrjährigen Studie mit Sievo einen durchschnittlichen Wert-Hebel von 20 Mio. USD pro analysierter 1 Mrd. USD Spend dokumentiert, was 2 Prozent des Spend entspricht und sich aus mehreren Spend-Modelling-Stoßrichtungen zusammensetzt. Konkret berechnet das Modell pro Warengruppe drei klassische Szenarien. Erstens das Volumen-Bündelungs-Szenario, das Mengen-Sprung-Effekte gegen Linear-Performance-Pricing-Kurven prüft und bei Direct-Spend-Kategorien typisch 4 bis 9 Prozent Saving liefert. Zweitens das Lieferanten-Konsolidierungs-Szenario, das die Reduktion der Lieferantenbasis um 30 bis 60 Prozent gegen den Verlust an Wettbewerbsdruck modelliert. Drittens das Spec-Substitutions-Szenario, das alternative Materialien, Vereinheitlichung oder Make-vs-Buy-Wechsel rechnet und bei Indirect Spend wie MRO oder Verpackung 7 bis 18 Prozent Effekt erzielt.
Der Bundesverband Materialwirtschaft, Einkauf und Logistik (BME) ordnet Spend Modelling im BME-Reifegradmodell Einkauf 4.0 der Stufe 4 zu. Voraussetzung ist eine konsolidierte Lieferantenstamm-Basis nach eClass oder UNSPSC, Volumen-Granularität auf Werks- und SKU-Ebene sowie eine versionierte Baseline. Werkzeuge sind klassisch Excel oder Power-BI für Mittelstand-Use-Cases bis 50 Mio. EUR Spend, Sievo, Coupa Spend Analytics oder SAP Spend Control Tower für Enterprise-Spend ab 200 Mio. EUR. Der ROI von professionellem Spend Modelling wird von Hackett im 5-Jahres-Schnitt mit 63-fach beziffert, was bei 1 Mio. EUR Tool- und Beratungs-Investment einen kumulierten Saving-Effekt von 63 Mio. EUR über die Laufzeit beschreibt.
Praxisbeispiel (konkretes Einkaufsszenario)
Ein bayerischer Maschinenbauer mit 1.140 Mitarbeitern und 218 Mio. EUR Beschaffungsvolumen führt 2026 ein erstes formales Spend-Modelling-Projekt für die Warengruppe Hydraulik durch. Spend-Volumen 19,4 Mio. EUR auf 47 Lieferanten in drei Werken. Modell-Setup. Drei Szenarien mit je 4 Sub-Varianten werden in Power-BI gerechnet. Szenario A Volumen-Bündelung über alle drei Werke auf 12 Lieferanten reduziert, Linear-Performance-Pricing zeigt Saving-Korridor 7,8 bis 11,4 Prozent. Szenario B Spec-Substitution durch Reduktion von 84 auf 22 Hydraulik-Komponenten-Varianten plus Dual-Sourcing-Sicherheit, Saving-Korridor 13,2 bis 16,8 Prozent, Implementierungs-Aufwand 14 Monate Engineering-Beteiligung. Szenario C Verlagerung von 40 Prozent des Volumens nach Tschechien, Saving 9,4 Prozent, jedoch Risiko-Score 7,8 von 10 wegen Lead-Time-Verlängerung. Entscheidung. Geschäftsführung wählt Hybrid aus Szenario A und B mit erwartetem Effekt 14,1 Prozent oder 2,7 Mio. EUR pro Jahr. Tracking nach 18 Monaten realisiert 11,8 Prozent oder 2,29 Mio. EUR, Realisierungsquote 84,8 Prozent.
Typische Fehler & Verhandlungskontext
Der erste Fehler ist Modellierung ohne Risikodimension. Wer Saving-Szenarien rechnet, ohne Lieferantenausfall, Lead-Time-Verlängerung oder Qualitätsverlust monetär zu bewerten, produziert Phantom-Savings. Sievo empfiehlt in der Anwender-Doku eine paarweise Modellierung mit Risiko-Korrektur-Faktor zwischen 0,75 und 0,95 je nach Szenario-Charakter, wodurch der Roh-Saving auf einen Risiko-bereinigten Erwartungswert reduziert wird.
Der zweite Fehler ist die Vermischung von Spend Modelling mit operativem Forecasting. [[spend-forecast]] ist die Vorhersage der unveränderten Zukunft auf Basis von Trend, Saisonalität und Marktpreis-Index. Spend Modelling fragt explizit nach den Folgen einer aktiven Veränderung. Wer beides in derselben Datei rechnet, mischt Treiber-Logik und macht weder die eine noch die andere Auswertung sauber nachvollziehbar. Der BME empfiehlt im Mustermodell Spend-Steuerung 2024 eine strikte Trennung der zwei Sichten in eigenen Datenmodellen und Dashboards.
Der dritte Fehler ist Modell-Komplexität ohne Daten-Granularität. Ein Spend-Modelling-Tool, das auf Sub-Sub-Kategorie-Ebene rechnet, während die Datenbasis nur auf Hauptwarengruppen-Niveau gepflegt ist, produziert numerisch präzise aber inhaltlich falsche Ergebnisse. A.T. Kearney dokumentiert in der Procurement-Excellence-Studie 2024, dass 38 Prozent der gescheiterten Modelling-Projekte in mittelständischen Unternehmen an genau diesem Mismatch scheitern, nicht am Tool selbst.
Verwandte Begriffe
Spend Modelling baut auf [[spend-analyse]] und [[spend-cube]] auf und nutzt deren bereinigte Datenbasis als Eingangsgröße. Es liefert die Szenarien für [[what-if-analyse-einkauf]] und ergänzt diese um die strukturierte Spend-Sicht, während [[sensitivitaetsanalyse-sourcing]] die Robustheit der Modell-Ergebnisse gegen Parameter-Variation prüft. Die ausgewählten Szenarien fließen in [[strategic-sourcing]] und [[warengruppenstrategie]], und ihr Effekt wird über [[savings-realisierungsquote]] und [[hard-cost-reduction]] gemessen. Im Mittelstand komplementiert Spend Modelling klassisch [[clean-sheet-kalkulation]] und [[should-cost-modell]], die die produktseitige Stellschraube liefern, während Spend Modelling die portfolio- und strukturseitige Sicht abbildet. In Enterprise-Setups ist es operativ verzahnt mit [[spend-forecast]], [[bedarfsfenster]] und [[procurement-analytics]].