Configure Price Quote CPQ-Software und KI: "Die Möglichkeiten scheinen unbegrenzt"

Anbieter zum Thema

camos Software & Beratung GmbH

UberCloud

Die Digitalisierung hat die Art und Weise, wie Hersteller von Investitionsgütern ihre Produkte passend zum Kundenbedarf konfigurieren, grundlegend verändert. Etabliert haben sich Configure Price Quote-Lösungen (CPQ). Wie kann künstliche Intelligenz (KI) in Kombination mit CPQ-Software Vertriebsprozesse in der Zukunft noch effizienter gestalten? Gesprochen haben wir darüber mit Torsten Schmidt, Head of Artificial Intelligence, beim CPQ-Spezialisten Camos.

Welche Rolle spielt CPQ-Software für den Angebotsprozess von technisch komplexen und variantenreichen Investitionsgütern?

Torsten Schmidt: Der Angebotsprozess von Maschinen, Anlagen und anderen Investitionsgütern war in der Vergangenheit mühsam und fehleranfällig. Unternehmen erstellten Angebote auf Basis von isolierten Systemen, Word, Excel und anderen Kalkulationstools. Manuelle Prozesse, Datenübertragungen und verschachtelte Tabellen kosteten sie viel Zeit und Geld durch Fehler, die sich einschleichen konnten. Eine aktuelle Umfrage, die wir gemeinsam mit dem Verband deutscher Maschinen und Anlagenbau (VDMA) durchgeführt haben, zeigt, dass inzwischen bei knapp der Hälfte der Maschinen- und Anlagenbauer CPQ-Software ein erfolgsentscheidender Bestandteil des Vertriebsprozesses ist.

Die wichtigsten Aufgaben von CPQ-Software

Was sind die wichtigsten Aufgaben von CPQ-Software in diesem Umfeld?

Schmidt: Sie integriert und automatisiert die Prozesse zur Angebotserstellung rund um die Produktkonfiguration, die Preiskalkulation und Angebotsgenerierung. Einer Aberdeen-Studie zufolge reduziert sie Fehler im Angebot um bis zu 40 Prozent. Verwendet die CPQ-Software eine objektorientierte und regelbasierte Produktmodellierung zur Erfassung des Produktwissens, dann kann das Beziehungswissen sehr effizient abgebildet werden. Die hinterlegten Regeln werden genutzt, um Probleme zu lösen, Entscheidungen zu treffen oder Schlussfolgerungen zu ziehen.

Das hört sich schon sehr nach dem Versuch an, menschliches Denken auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen?

Schmidt: CPQ und regelbasierte Konfigurationslösungen werden tatsächlich seit jeher als Disziplin der künstlichen Intelligenz gesehen. Inzwischen gibt es allerdings darüber hinaus eine Reihe von Anwendungsfällen, die unter Einsatz von KI-Technologie die Leistungsfähigkeit und Effizienz von CPQ-Software enorm steigern können.

Haben Sie ein Beispiel dafür?

Schmidt: Ein naheliegendes Beispiel ist der Einsatz von maschinellem Lernen, um bessere Konfigurations-, Preis- und Angebotsentscheidungen zu treffen. Das maschinelle Lernen gilt als KI-Technologie, bei der Algorithmen verwendet werden, um aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. CPQ-Software generiert große Datenmengen im Angebotsprozess und ist die perfekte Quelle für maschinelles Lernen im Vertrieb. 

Erkenntnisse aus zahlreichen Konfigurationen, Angeboten und Aufträgen können direkt zugänglich gemacht werden. Es können Muster in den Bedürfnissen von Kunden und Branchen erkannt und Empfehlungen für die Rabattvergabe, Cross- und Up-Selling oder Variantenausprägungen nach Märkten vorgeschlagen werden.

Schneller zum Angebot mit CPQ-Software

Das hilft, die Angebote inhaltlich optimal auszugestalten. Für die Erstellung von umfangreichen und komplexen Angeboten ist darüber hinaus die Verkürzung der Dauer zur Angebotserstellung ein zentrales Ziel. Wie kann KI hier helfen?

Schmidt: CPQ-Software ist bereits ohne zusätzliche KI-Unterstützung in der Lage, diese Zeitspanne um 30 Prozent zu verkürzen. Mit einer intelligenten Suche lässt sich das weiter steigern. Gemeint ist ein weiterer Ansatz des maschinellen Lernens, der es Anwendern ermöglicht, auf Basis weniger Inputparameter, wie dem Zielmarkt oder der Maschinengröße, ähnliche, bereits existierende Konfigurationen oder Angebote zu ermitteln. Es können personalisierte Produktempfehlungen gegeben werden, die auf früheren Suchanfragen und dem Verhalten anderer Nutzer mit ähnlichen Interessen basieren. Das Ergebnis sind Angebote oder Angebotspositionen, die die Grundlage für ein neues Angebot sein können.

Die Rolle von Chat GPT und KI 

Wie sehen Sie die Rolle von Chat GPT und anderen Large Language Modellen zur natürlichen Sprachverarbeitung, die ja auch als Bereich der künstlichen Intelligenz einzustufen sind?

Schmidt: Die Möglichkeiten der generativen KI scheinen unbegrenzt zu sein. Auf der Hand liegen KI-generierte Texte und Bilder in Angeboten. CPQ-Lösungen generieren in der Regel Dokumente auf Basis von vordefinierten und aufwändig vorzubereitenden Textbausteinen. Large Language Modelle können das Erstellen und Übersetzen entsprechender Textbausteine und gesamter Angebotstexte unterstützen oder sogar ersetzen. 

Konkret geht es darum, den individuellen Anteil eines Angebotes, zum Beispiel Anschreiben oder Verkaufsargumente, durch ein Large Language Modell zu erstellen und nicht auf Textkonserven zurückzugreifen. Ein weiteres Teilgebiet dieser Technologie ist die Bild- und Videoerzeugung, sogenanntes Text-to-Image und Text-to-Video. Bilder und Videos können den Angebotsprozess emotional aufladen.

Wir haben nun Beispiele aus dem maschinellen Lernen und der natürlichen Sprachverarbeitung diskutiert. Gibt es noch weitere KI-Bereiche, die den Vertrieb von Investitionsgütern in der Zukunft effizienter machen können?

Schmidt: Ich denke, großes Potenzial steckt auch in KI-Mischformen. Dazu gehören zum Beispiel KI-gestützte Chatbots, die für Produktempfehlungen eingesetzt werden können. Diese kennen wir zum Beispiel von Finanzdienstleitern oder Versicherern. Sie bieten aber auch Hersteller von Investitionsgütern die Möglichkeit, in natürlicher Sprache Fragen zu stellen und beantwortet zu bekommen. 

Es kommen kombinierte Ansätze der Large Language Modelle und des maschinellen Lernens zum Einsatz. Anwendungsfälle hierfür reichen von der Unterstützung der Vertriebsmitarbeitenden zur Klärung von spezifischen Fragen bei der Angebotserstellung, bis hin zur direkten Kommunikation mit dem Kunden mit Produktempfehlungen des KI-Chatbots zu konkreten Kundenanforderungen.

Vielen Dank für die umfangreichen Einblicke. Abschließen möchten wir mit der Frage, wie realistisch Sie die Einführung von KI-Technologien im Vertrieb in den nächsten Jahren sehen?

Schmidt: Eine Studie des Instituts für angewandte Arbeitswissenschaft (ifaa) zeigt, dass im Jahr 2035 etwa zwei Drittel der in Deutschland produzierenden Unternehmen mindestens eine KI-Anwendung eingeführt haben. 36 Prozent der Unternehmen haben bereits mindestens ein KI-System im Einsatz, 37 Prozent planen die Einführung. Das größte Potenzial wird zwar aktuell noch den Unternehmensbereichen Fertigung, Logistik und Lager sowie Montage zugesprochen. Ich bin mir aber sicher, dass auch der Vertrieb eine wichtige Rolle als Einsatzbereich spielen wird, sobald das Potenzial darin erst einmal erkannt und verstanden ist.