Herausforderung
Der Konzerneinkauf ist mit der Auswahl von Lieferanten und dem Einkauf verschiedenster Güter und Dienstleistungen betraut. Um stets das bestmögliche Preis-Leistungs-Verhältnis zu erzielen, sind Vergleiche zwischen Lieferanten sowie das Einholen von Konkurrenzangeboten essentiell. Unser Kunde, ein internationaler Automobilkonzern, wollte für einen beliebig wählbaren Referenz-Supplier eine Liste mit Vorschlägen alternativer Lieferanten generieren.
Ansatz
Zunächst mussten die Daten der vorhandenen Angebotsdokumente zur Modellierung aufbereitet werden. Hierfür wurden verfügbare Leistungsbeschreibungen intensiv analysiert und bereinigt. Es wurden unter anderem Füllworte gelöscht, inhaltlich bedeutsame Worte auf ihren Wortstamm reduziert und entsprechend ihrer Seltenheit und damit Aussagekraft normalisiert. Anschließend wurden die einzelnen Lieferanten, basierend auf ihren Leistungsbeschreibungen, mithilfe einer Latent Semantic Analysis (LSA) im semantischen Raum verortet. Durch die Übertragung der textuellen Information in einen numerischen Raum kann nun eine Vielzahl mathematischer und logischer Operationen auf die Lieferanten beziehungsweise Angebotsdokumente angewendet werden. So können zum Beispiel Ähnlichkeiten berechnet werden, die zur Anzeige von inhaltlich passenden Lieferanten-Empfehlungen genutzt werden.
Ergebnis
Unser NLP-Modell generiert, ausgehend von einem Referenz-Supplier, Vorschläge für korrespondierende Lieferanten – die nächsten Nachbarn im semantischen Raum. Das Modell wurde zur Vorschlagsgenerierung sowie zur einfachen Suche in der Lieferantendatenbank in ein interaktives Dashboard mit Userinterface integriert. Die Applikation erleichtert die Nutzung vorhandener Inforationen, reduziert die Arbeitszeit und spart für unseren Kunden durch den verbesserten Wettbewerb zwischen Lieferanten bei jeder Ausschreibung bares Geld.