Für Stromversorger – ganz gleich, ob sie sich um die Erzeugung oder um die Verteilung kümmern –, sind Sicherheit und Zuverlässigkeit grundlegende Werte für ihr Betriebsmodell und daher maßgeblich für nahezu jede Entscheidung, die sie treffen.
Der zunehmende Fokus auf Klimawandel und Nachhaltigkeit hat die Bedeutung dieser Kernwerte für Stromversorger nicht verwässert. Er hat aber eine Reihe neuer operativer Herausforderungen für ihre Umsetzung mit sich gebracht, die es zu bewältigen gilt. Dabei steht das Asset-Management im Mittelpunkt.
Um den unterbrechungsfreien Betrieb des Netzes sicherzustellen, müssen die Versorger die Auswirkungen von abgenutzten oder ausgefallenen Betriebseinrichtungen möglichst minimieren. Das ist ein wichtiger Grund, warum viele von ihnen modernste Analysemethoden für die Vorhersage von Störungen und die Durchführung proaktiver Wartungsmaßnahmen zu ihrer Verhinderung einführen. Sobald ein – geplanter oder ungeplanter – Serviceauftrag generiert wurde, ist es Aufgabe der Beschaffung, die zur vollständigen Durchführung der Tätigkeit erforderlichen Teile zu besorgen, wie z. B. Transformatoren, Leistungsschalter und Isolatoren. Je länger die Lieferzeit ist, umso größer ist das potenzielle Risiko für die Leistung des Stromnetzes. Das ist einer von mehreren Gründen dafür, dass die Effizienz des Procure-to-Pay-Prozesses (P2P) für Energieversorger immer mehr an Bedeutung gewinnt.
Ein weiterer Grund sind die Kosten. Auf dem heutigen deregulierten Markt ist die Minimierung der Gesamtkosten für beschaffte Waren ein kritisches Ziel. Wenn sich Mitarbeiter auf individuelle Einkäufe einlassen (sogenanntes „Maverick Buying“), d. h. dass sie außerhalb des bestehenden Beschaffungsprozesses handeln, bleiben Kosten und Effizienz auf der Strecke. Zum einen zahlen solche Käufer letztendlich mehr, da ihnen die Kostenvorteile durch ausgehandelte Lieferantenverträge entgehen.
Andere Arten von Abweichungen vom Beschaffungsverfahren, insbesondere der Kauf ohne Einkaufsauftrag (PO) oder die Erstellung eines Einkaufsauftrags ohne Serviceauftrag, sorgen ebenfalls für eine Zunahme der Kosten, da zusätzliche Arbeit anfällt, um die Dinge wieder ins Lot zu bringen. Die Zeit, die zur Klärung fehlerhafter oder nicht abgestimmter Rechnungen aufgewendet werden muss, kann nämlich den Verwaltungsaufwand beträchtlich erhöhen und außerdem die für die Beschaffung zuständigen Mitarbeiter von den stärker strategisch ausgerichteten Aspekten ihrer Arbeit abhalten.
Verkürzte Vorlaufzeiten
Identifizierung von Möglichkeiten für eine 80%ige Reduzierung der durchschnittlichen Auftragsvorlaufzeit
Optimierte Prozessabläufe
Erstellung eines optimierten Prozessablaufs, der 67 % der Prozessschritte einspart
Einem großen und diversifizierten Stromversorgungsunternehmen in den USA war bekannt, dass es ein Problem mit individuellen Einkäufen („Maverick Buying“) hatte, und es war fest entschlossen, diesem auf den Grund zu gehen. Das bedeutete, dass man sich im Detail mit historischen Einkaufsdaten auseinandersetzen musste, um sich ein genaues Bild davon zu verschaffen, wo die Abweichungen auftraten, und von dort aus das wahre Ausmaß des Problems festzustellen. Das Unternehmen wandte sich an myInvenio, ein IBM Unternehmen, um die Prozessanalyse für sich zu nutzen.
Unter Verwendung von IBM® Process Mining, einem Tool zur Prozesserkennung und -modellierung, das eine Komponente der IBM® Cloud Pak for Business Automation-Lösung ist, arbeitete das Team eng mit dem Beschaffungsmanager des Unternehmens zusammen. In der ersten Phase des Projekts erfasste das Team die Datenflows von rund einem Jahr aus dem Einkaufsmodul der IBM® Maximo Utilities-Suite, der zentralen Asset-Management-Plattform des Unternehmens. Die Datenflows betrafen hauptsächlich die Abteilungen für Einkauf und Lagerbuchhaltung des Unternehmens, die mehrere Geschäftsbereiche abdecken.
Nach der Einspeisung der Daten in IBM Process Mining wurden sie von den zugrundeliegenden KI-basierten Modellen in aufschlussreiche graphische Darstellungen für jeden Schritt im P2P-Prozess zerlegt, angefangen bei Bedarfsanforderung und Auftragserteilung bis hin zu Wareneingang und Rechnungsstellung – und das für jeden Geschäftsbereich. Für den Einkaufsmanager bestand der Wert dieser Modelle nicht nur darin, dass sie Probleme bei den vorherrschenden Ist-Abläufen aufzeigen konnten, sondern auch in ihrer Fähigkeit, aus einem neuen, datengestützten Blickwinkel die Frage anzugehen, wie der häufig als „Happy Path“ bezeichnete ideale Prozess aussehen könnte. „Wir haben einen Einblick in die tatsächlichen Abläufe unserer P2P-Prozesse erhalten, den wir vorher nicht hatten“, erklärt er. „Außerdem haben wir eine objektivere Perspektive dahingehend erhalten, wie der optimale Baselineprozess aussehen sollte, und zwar nicht von Prozessexperten, sondern anhand der Daten selbst.“
Zu den wichtigsten Ergebnissen des Modells gehörte die Erkenntnis, dass lediglich 20 % der materialbezogenen Beschaffungsaktivitäten – der Kauf von Ersatzteilen und dergleichen – dem optimalen Beschaffungspfad folgten. Bei den übrigen 80 % der Aktivitäten, die nicht der optimalen Vorgabe durch den „Happy Path“ folgten, war die durchschnittliche Vorlaufzeit für Aufträge um mehr als 30 % länger, was zum großen Teil auf den zusätzlichen Zeitaufwand für Rechnungsabgleich und Auftragsnachbearbeitung zurückzuführen war.
Bei der Beschaffung von Services sah es nicht viel besser aus. Während das IBM Process Mining-Modell für den optimalen Prozesspfad lediglich 10 Schritte ermittelt hatte, ergab sich, dass der durchschnittliche, nicht vorgabenkonforme Pfad aus fast 30 Schritten bestand. Für den Einkaufsmanager war die Erkenntnis, aus welchem Grund das so war, ein Moment der Offenbarung. „Uns war bekannt, dass die Auftragsnachbearbeitung von Bestellungen ein ernsthaftes Problem darstellte“, sagt er. „Aber die Tatsache, dass über 50 % der Beschaffungsaufträge für Services eine solche Nachbearbeitung erforderten, war eine echte Überraschung, und die Daten belegten, dass dies auch tatsächlich der Realität entsprach.“
Das vom Stromversorger durchgeführte Projekt hat sein Ziel erreicht: eine Bestandsaufnahme der tatsächlichen Beschaffungsvorgänge und ihrer Auswirkungen auf die wichtigsten Leistungsmetriken. Aus Sicht des Einkaufsmanagers liegt die wahre Relevanz des Projekts in den Leitlinien, die es für die Prozessumgestaltung des Unternehmens liefern kann. „Durch die Verwendung von realen Daten und KI bei der schematischen Darstellung unserer Beschaffungsprozesse haben wir auch noch so etwas wie eine potenzielle Roadmap für ihre künftige Transformation gewonnen“, erklärt er. „Sie liefert uns ein streng definiertes Framework, anhand dessen wir verstehen können, wo wir uns auf die Verbesserung – und, wo möglich, auf die Automatisierung – verschiedener Elemente des Prozessablaufs konzentrieren sollten.“
Und damit landen wir wieder bei dem, was für Stromversorger oberste Priorität hat: die sichere und zuverlässige Versorgung der Kunden mit Strom. Das bedeutet, dass gute Beschaffungspraktiken – d. h. solche, die effizient, standardisiert und kosteneffektiv sind – durchaus in die allgemeinere Asset-Management-Strategie eines Versorgungsunternehmens passen.
Auf praktischer Ebene, so betont es der Einkaufsmanager, liefern datengestützte Erkenntnisse in Prozesse durchaus Argumente für die Verfolgung von Transformationsinitiativen. „Mit einem KI-gestützten Framework für die dynamische Prozessmodellierung können wir simulieren, wie die Verringerung von nicht konformen Prozessen die durchschnittliche Lieferzeit für die Bestellung von Teilen reduzieren kann“, erklärt er. „Das ist eine aussagekräftige Botschaft in einem Business Case, und deshalb ist die IBM Process Mining-Lösung ein so leistungsfähiges Tool.“
Dieser Stromversorger mit Sitz in den USA beliefert Millionen von Privat-, Gewerbe- und Industriekunden in mehreren Bundesstaaten, darunter auch einige der wettbewerbsintensivsten Strommärkte.
Der in dieser Fallstudie vorgestellte Kunde arbeitete ursprünglich mit dem Unternehmen myInvenio zusammen, das seit dem 1. August 2021 zu IBM gehört. Das in dieser Fallstudie vorgestellte myInvenio-Produkt namens myInvenio Process Mining heißt jetzt IBM Process Mining.
Rechtshinweise
© Copyright IBM Corporation 2022. IBM Corporation, Watson and Cloud Platform, New Orchard Road, Armonk, NY 10504
Hergestellt in den Vereinigten Staaten von Amerika, März 2022.
IBM, das IBM Logo, ibm.com, IBM Cloud Pak und Maximo sind Marken der IBM Corporation in den USA und/oder anderen Ländern. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Webseite „Copyright- und Markeninformationen“ unter www.ibm.com/de-de/trademark.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Die genannten Leistungsdaten und Kundenbeispiele dienen ausschließlich zur Veranschaulichung. Tatsächliche Leistungsergebnisse hängen von den jeweiligen Konfigurationen und Betriebsbedingungen ab. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.