Preisentwicklung im Einkauf: Wie Sie „stille“ Preiserhöhungen auf Positionsniveau finden
Preiserhöhungen kommen selten als klare Ansage. In vielen Unternehmen entstehen sie schleichend – verteilt über viele Rechnungen, Lieferanten und Standorte: ein leicht geänderter Positionsname, eine neue Packungsgröße, ein separater Zuschlag, ein geändertes Zahlungsmodell. Auf Gesamtumsatz‑ oder Kostenartenebene fällt das oft erst spät auf. Wer Preisdrift jedoch auf Rechnungspositionsniveau misst, kann frühzeitig reagieren, Verhandlungen faktenbasiert führen und Budgets stabiler steuern.
.png)
Aktualität und Relevanz: Warum Preisdrift jetzt zum CFO-Thema wird
Für CFOs, Controlling‑Leads und Einkaufsverantwortliche ist das Thema Preisentwicklung aktuell aus drei Gründen besonders relevant:1) Anhaltender Kostendruck auch seitens der Zulieferer in vielen Kategorien (Material, Energie, Logistik, Dienstleistungen) führt zu häufigeren Preisänderungen.2) Lieferketten‑ und Kapazitätsrisiken begünstigen Zuschläge, Mindestmengen und neue Preislogiken.3) Gleichzeitig steigt die Erwartung an Transparenz: Preisabweichungen sollen früh sichtbar werden – nicht erst im Monatsabschluss.Die Herausforderung: Preisveränderungen sind häufig nicht „eine“ Erhöhung, sondern viele kleine Abweichungen, die sich über Monate zu einem spürbaren Budgeteffekt addieren.
Praxisrealität: Wo Preisdrift im Tagesgeschäft verborgen bleibt
Wiederkehrende, sehr typische Situationen aus der Praxis:
· „Wir sehen steigende Kosten – aber wir können nicht sagen, welche Positionen es treiben.“
· Preisänderungen verstecken sich hinter neuen Positionsbezeichnungen („Service“, „Handling“, „Administration“).
· Packungsgrößen und Einheiten wechseln (Stück vs. Pack vs. kg) – der effektive Stückpreis steigt, ohne dass es auffällt.
· rtikelnummern/Bezeichnungen variieren je Lieferant oder Standort; gleiche Leistung ist nicht vergleichbar.
· Rahmenverträge existieren, aber Abweichungen werden nur stichprobenartig geprüft.
· Analysen passieren ad hoc in Excel – sobald der Analyst Urlaub hat, ist das Monitoring weg.
Warum klassische Methoden Preisdrift systematisch übersehen
Excel: ad hoc stark, im Monitoring schwach
Excel ist stark für einmalige Auswertungen, aber schwach für dauerhaftes, auditierbares Monitoring. Typische Schwächen: manuelle Datenimporte, unterschiedliche Filterlogiken je Datei, fehlende Versionierung, keine saubere Trennung von Rohdaten/Logik/Ergebnis. Damit wird Preisdrift schnell zur „Einmal‑Analyse“ statt zu einem wiederholbaren Steuerungsprozess.
ERP-Reports: Summenlogik statt Positionsvergleich
ERP‑Reports liefern häufig Summen (pro Lieferant, Konto, Kostenstelle). Für Preisdrift braucht es jedoch Positionsvergleiche über Zeit – inklusive Normalisierung von Texten, Einheiten und Varianten. Viele Standardreports sind dafür nicht ausgelegt: Sie zeigen „was gebucht wurde“, aber nicht „wo ein Preis davonläuft“.
Stichproben: zu selektiv, Datenstruktur: zu inkonsistent
Stichproben finden einzelne Ausreißer, aber nicht die Summe vieler kleiner Abweichungen. Ohne strukturierte Positionsdaten (vergleichbare Schlüssel, UoM‑Normalisierung, konsistente Lieferantenidentität) bleiben Zeitreihen unzuverlässig und Diskussionen enden im Bauchgefühl.
Analytisches Zielbild: Positionsvergleichbarkeit, Zeitreihen und KPI-Steuerung
Ein analytischer Ansatz für stille Preiserhöhungen besteht aus drei Bausteinen: (A) Positionsnormalisierung, (B) Preis‑Zeitreihen, (C) Varianz‑ und KPI‑Logik.
Positionsnormalisierung: Vergleichbarkeit herstellen
Ziel ist ein stabiler Positionsschlüssel („Line‑Item‑Key“), der gleiche Leistungen trotz unterschiedlicher Schreibweisen zusammenführt. Minimaler Bauplan:
· Text‑Normalisierung (Kleinschreibung, Sonderzeichen, Stopwörter, Standardisierung gängiger Begriffe).
· UoM‑Normalisierung (Stück/Pack/kg/Std. → Basiseinheit + Umrechnungsfaktor).
· Lieferanten‑Alias/Artikel‑Mapping (Artikelnummern, Lieferantennamenvarianten).
· Optional: Clustering/Ähnlichkeit (z. B. für Freitextleistungen), um Varianten zusammenzuführen.
Faustregel: Ohne Normalisierung können Sie keinen robusten Preisvergleich machen – Sie vergleichen sonst verschiedene Dinge.
Preis-Zeitreihen: robuste Kennzahlen statt Durchschnitt
Für jeden Positionscluster bauen Sie eine Preis‑Historie (monatlich oder quartalsweise). Bewährt haben sich robuste Kennzahlen, um Ausreißer zu entschärfen:
· Medianpreis pro Periode (statt Durchschnitt).
· Preisbänder (P25–P75) als „normaler“ Korridor.
· Streuungsmaß (z. B. Interquartilsabstand) zur Erkennung instabiler Preisbilder.
Wichtig ist die Trennung von Preis‑, Mengen‑ und Mixeffekten. Beispiel: Wenn Packungsgrößen wechseln, steigt der Durchschnittspreis – obwohl der Basiseinheitenpreis gleich bleibt. UoM‑Normalisierung verhindert diese Fehlinterpretation.
Varianzlogik & KPI-Definitionen: Abweichungen operationalisieren
Aus Zeitreihen werden Steuerungsimpulse, wenn Abweichungen eindeutig definiert und priorisiert werden. Drei praxistaugliche Tests:
· Periodenvergleich: aktueller Median vs. Referenzperiode (z. B. Median der letzten 6 Monate).
· Lieferantenvergleich: gleicher Cluster, unterschiedliche Lieferanten/Standorte (Preisstreuung).
· Vertragsvergleich: Rechnungspreis vs. Referenzpreis (Preisblatt/Rahmenvertrag) mit Toleranzband.
Typische KPI‑Definitionen (Beispiele):
· Price Drift (%): (Median aktuell / Median Referenz) − 1.
· Out-of-Band Rate: Anteil der Positionen außerhalb des Preisbands (z. B. oberhalb P75 + Toleranz).
· Contract Deviation Rate: Anteil der Positionen mit Abweichung > x% vom Vertrags-/Referenzpreis.
· Savings/Exposure Estimate: Abweichung × Menge (für Priorisierung – grob, aber handlungsleitend).
Use-Cases: Muster stiller Preiserhöhungen auf Positionsniveau
Use Case 1: Packungsgrößen und Einheitenwechsel entlarven
Ausgangslage: Ein Artikel wird einmal als „10er-Pack“ und einmal als „Stück“ abgerechnet. Ohne Umrechnung wirken die Preise unauffällig. Nach UoM‑Normalisierung sehen Sie den Basiseinheitenpreis – und erkennen, ob der Preis tatsächlich gestiegen ist oder nur die Einheit gewechselt hat.
Use Case 2: Zuschläge erkennen und quantifizieren
Zuschläge werden häufig als eigene Position eingeführt oder ausgeweitet. Ein Monitoring kann diese Muster flaggen: neue Zuschlagspositionen pro Lieferant, überproportionale Steigerung im Zeitverlauf oder ungewöhnliche Kombinationen (z. B. Fracht auf Abholware). Operativ entsteht daraus eine Klärliste für Einkauf/Controlling.
Use Case 3: Preisdrift bei wiederkehrenden Leistungen
Bei wiederkehrenden Leistungen (Wartung, Support, Stundenkontingente) ist der Preisdrift oft klein, aber konstant. Wenn Sie pro Cluster Median‑Zeitreihen führen, reichen einfache Schwellen: z. B. „>3% über Referenz“ oder „außerhalb des Preisbands“. Das erzeugt früh verhandelbare Signale – bevor der Effekt im Budget sichtbar wird.
Use Case 4: Preisstreuung als interner Benchmark
Wenn derselbe Cluster bei verschiedenen Lieferanten oder Standorten stark unterschiedliche Preise zeigt, haben Sie einen direkten Hebel: Preisbenchmarking intern („wir zahlen X–Y“) statt extern. Das reduziert Debatten über Marktindizes – und erhöht die Verhandlungsschärfe.
Operationalisierung: Preisabweichung als KPI im laufenden Monitoring (inkl. Beispiel SAVE)
Wenn Positionsdaten konsistent normalisiert und Zeitreihen definiert sind, lässt sich Preisabweichung wie ein KPI überwachen – regelmäßig, nachvollziehbar und mit klaren Prioritäten. Analyse‑Tools wie SAVE (Invoice‑ & Spend‑Analytics) können dabei unterstützen, Normalisierung, Preis‑Zeitreihen und Varianzlogiken zu operationalisieren und als Monitoring bereitzustellen.
Fazit: Handlungsempfehlungen für Einkauf, Controlling und CFO
Wenn Sie stille Preiserhöhungen steuerungsfähig machen wollen, sind diese Punkte entscheidend:
· Positionssicht statt Summenblick: Preisdrift entsteht in einzelnen Positionen – nicht auf Lieferantenumsatzebene.
· Normalisierung ist Pflicht: Text‑ und UoM‑Normalisierung sind die Voraussetzung für valide Zeitreihen.
· Robuste Kennzahlen nutzen: Median und Preisbänder sind in der Praxis belastbarer als Durchschnittspreise.
· Abweichungen operationalisieren: Definieren Sie Schwellen, Referenzen und Priorisierung (Exposure) als Standardprozess.
· Use‑Cases pilotieren: Starten Sie mit 10–20 Critical Items pro Kategorie und skalieren Sie dann.
· Tools als Enabler einsetzen: Lösungen wie SAVE können Monitoring automatisieren – Logik und Governance bleiben entscheidend.
Häufige Fragen (FAQ):
1. Warum sehe ich Preiserhöhungen nicht im Lieferantenumsatz?
Weil sich Preisänderungen oft mit Mengen‑ und Mixeffekten überlagern. Gesamtbeträge können stabil wirken, während der Basiseinheitenpreis steigt.
2. Was ist der wichtigste erste Schritt?
Eine stabile Positionsnormalisierung (Text + Einheit). Ohne Vergleichbarkeit sind Zeitreihen und Varianzanalysen unzuverlässig.
3. Welche Kennzahlen funktionieren in der Praxis am besten?
Medianpreise je Periode, Preisbänder (P25–P75) und Abweichungen zum Referenz-/Vertragspreis – damit werden Ausreißer beherrschbar.
4. Wie gehe ich mit Dienstleistungen im Freitext um?
Über Standardisierung und Clustering: Begriffe vereinheitlichen, Leistungsbausteine erkennen, ähnliche Texte in stabile Cluster überführen.
5. Wie wird daraus ein laufender Prozess statt einer Einmalanalyse?
Indem Preisabweichung als KPI definiert wird: Schwellen, regelmäßige Reviews, klare Verantwortlichkeiten je Kategorie/Lieferant.
6. Welche Rolle spielen Analytics‑Tools wie SAVE?
Sie können Normalisierung, Zeitreihen und Abweichungslogik automatisieren und Monitoring bereitstellen. Entscheidend bleibt: Datenqualität, Regeln und Governance.
Preisentwicklung im Einkauf: Wie Sie „stille“ Preiserhöhungen auf Positionsniveau finden
Preiserhöhungen kommen selten als klare Ansage. In vielen Unternehmen entstehen sie schleichend – verteilt über viele Rechnungen, Lieferanten und Standorte: ein leicht geänderter Positionsname, eine neue Packungsgröße, ein separater Zuschlag, ein geändertes Zahlungsmodell. Auf Gesamtumsatz‑ oder Kostenartenebene fällt das oft erst spät auf. Wer Preisdrift jedoch auf Rechnungspositionsniveau misst, kann frühzeitig reagieren, Verhandlungen faktenbasiert führen und Budgets stabiler steuern.
Aktualität und Relevanz: Warum Preisdrift jetzt zum CFO-Thema wird
Für CFOs, Controlling‑Leads und Einkaufsverantwortliche ist das Thema Preisentwicklung aktuell aus drei Gründen besonders relevant:1) Anhaltender Kostendruck auch seitens der Zulieferer in vielen Kategorien (Material, Energie, Logistik, Dienstleistungen) führt zu häufigeren Preisänderungen.2) Lieferketten‑ und Kapazitätsrisiken begünstigen Zuschläge, Mindestmengen und neue Preislogiken.3) Gleichzeitig steigt die Erwartung an Transparenz: Preisabweichungen sollen früh sichtbar werden – nicht erst im Monatsabschluss.Die Herausforderung: Preisveränderungen sind häufig nicht „eine“ Erhöhung, sondern viele kleine Abweichungen, die sich über Monate zu einem spürbaren Budgeteffekt addieren.
Praxisrealität: Wo Preisdrift im Tagesgeschäft verborgen bleibt
Wiederkehrende, sehr typische Situationen aus der Praxis:
· „Wir sehen steigende Kosten – aber wir können nicht sagen, welche Positionen es treiben.“
· Preisänderungen verstecken sich hinter neuen Positionsbezeichnungen („Service“, „Handling“, „Administration“).
· Packungsgrößen und Einheiten wechseln (Stück vs. Pack vs. kg) – der effektive Stückpreis steigt, ohne dass es auffällt.
· rtikelnummern/Bezeichnungen variieren je Lieferant oder Standort; gleiche Leistung ist nicht vergleichbar.
· Rahmenverträge existieren, aber Abweichungen werden nur stichprobenartig geprüft.
· Analysen passieren ad hoc in Excel – sobald der Analyst Urlaub hat, ist das Monitoring weg.
Warum klassische Methoden Preisdrift systematisch übersehen
Excel: ad hoc stark, im Monitoring schwach
Excel ist stark für einmalige Auswertungen, aber schwach für dauerhaftes, auditierbares Monitoring. Typische Schwächen: manuelle Datenimporte, unterschiedliche Filterlogiken je Datei, fehlende Versionierung, keine saubere Trennung von Rohdaten/Logik/Ergebnis. Damit wird Preisdrift schnell zur „Einmal‑Analyse“ statt zu einem wiederholbaren Steuerungsprozess.
ERP-Reports: Summenlogik statt Positionsvergleich
ERP‑Reports liefern häufig Summen (pro Lieferant, Konto, Kostenstelle). Für Preisdrift braucht es jedoch Positionsvergleiche über Zeit – inklusive Normalisierung von Texten, Einheiten und Varianten. Viele Standardreports sind dafür nicht ausgelegt: Sie zeigen „was gebucht wurde“, aber nicht „wo ein Preis davonläuft“.
Stichproben: zu selektiv, Datenstruktur: zu inkonsistent
Stichproben finden einzelne Ausreißer, aber nicht die Summe vieler kleiner Abweichungen. Ohne strukturierte Positionsdaten (vergleichbare Schlüssel, UoM‑Normalisierung, konsistente Lieferantenidentität) bleiben Zeitreihen unzuverlässig und Diskussionen enden im Bauchgefühl.
Analytisches Zielbild: Positionsvergleichbarkeit, Zeitreihen und KPI-Steuerung
Ein analytischer Ansatz für stille Preiserhöhungen besteht aus drei Bausteinen: (A) Positionsnormalisierung, (B) Preis‑Zeitreihen, (C) Varianz‑ und KPI‑Logik.
Positionsnormalisierung: Vergleichbarkeit herstellen
Ziel ist ein stabiler Positionsschlüssel („Line‑Item‑Key“), der gleiche Leistungen trotz unterschiedlicher Schreibweisen zusammenführt. Minimaler Bauplan:
· Text‑Normalisierung (Kleinschreibung, Sonderzeichen, Stopwörter, Standardisierung gängiger Begriffe).
· UoM‑Normalisierung (Stück/Pack/kg/Std. → Basiseinheit + Umrechnungsfaktor).
· Lieferanten‑Alias/Artikel‑Mapping (Artikelnummern, Lieferantennamenvarianten).
· Optional: Clustering/Ähnlichkeit (z. B. für Freitextleistungen), um Varianten zusammenzuführen.
Faustregel: Ohne Normalisierung können Sie keinen robusten Preisvergleich machen – Sie vergleichen sonst verschiedene Dinge.
Preis-Zeitreihen: robuste Kennzahlen statt Durchschnitt
Für jeden Positionscluster bauen Sie eine Preis‑Historie (monatlich oder quartalsweise). Bewährt haben sich robuste Kennzahlen, um Ausreißer zu entschärfen:
· Medianpreis pro Periode (statt Durchschnitt).
· Preisbänder (P25–P75) als „normaler“ Korridor.
· Streuungsmaß (z. B. Interquartilsabstand) zur Erkennung instabiler Preisbilder.
Wichtig ist die Trennung von Preis‑, Mengen‑ und Mixeffekten. Beispiel: Wenn Packungsgrößen wechseln, steigt der Durchschnittspreis – obwohl der Basiseinheitenpreis gleich bleibt. UoM‑Normalisierung verhindert diese Fehlinterpretation.
Varianzlogik & KPI-Definitionen: Abweichungen operationalisieren
Aus Zeitreihen werden Steuerungsimpulse, wenn Abweichungen eindeutig definiert und priorisiert werden. Drei praxistaugliche Tests:
· Periodenvergleich: aktueller Median vs. Referenzperiode (z. B. Median der letzten 6 Monate).
· Lieferantenvergleich: gleicher Cluster, unterschiedliche Lieferanten/Standorte (Preisstreuung).
· Vertragsvergleich: Rechnungspreis vs. Referenzpreis (Preisblatt/Rahmenvertrag) mit Toleranzband.
Typische KPI‑Definitionen (Beispiele):
· Price Drift (%): (Median aktuell / Median Referenz) − 1.
· Out-of-Band Rate: Anteil der Positionen außerhalb des Preisbands (z. B. oberhalb P75 + Toleranz).
· Contract Deviation Rate: Anteil der Positionen mit Abweichung > x% vom Vertrags-/Referenzpreis.
· Savings/Exposure Estimate: Abweichung × Menge (für Priorisierung – grob, aber handlungsleitend).
Use-Cases: Muster stiller Preiserhöhungen auf Positionsniveau
Use Case 1: Packungsgrößen und Einheitenwechsel entlarven
Ausgangslage: Ein Artikel wird einmal als „10er-Pack“ und einmal als „Stück“ abgerechnet. Ohne Umrechnung wirken die Preise unauffällig. Nach UoM‑Normalisierung sehen Sie den Basiseinheitenpreis – und erkennen, ob der Preis tatsächlich gestiegen ist oder nur die Einheit gewechselt hat.
Use Case 2: Zuschläge erkennen und quantifizieren
Zuschläge werden häufig als eigene Position eingeführt oder ausgeweitet. Ein Monitoring kann diese Muster flaggen: neue Zuschlagspositionen pro Lieferant, überproportionale Steigerung im Zeitverlauf oder ungewöhnliche Kombinationen (z. B. Fracht auf Abholware). Operativ entsteht daraus eine Klärliste für Einkauf/Controlling.
Use Case 3: Preisdrift bei wiederkehrenden Leistungen
Bei wiederkehrenden Leistungen (Wartung, Support, Stundenkontingente) ist der Preisdrift oft klein, aber konstant. Wenn Sie pro Cluster Median‑Zeitreihen führen, reichen einfache Schwellen: z. B. „>3% über Referenz“ oder „außerhalb des Preisbands“. Das erzeugt früh verhandelbare Signale – bevor der Effekt im Budget sichtbar wird.
Use Case 4: Preisstreuung als interner Benchmark
Wenn derselbe Cluster bei verschiedenen Lieferanten oder Standorten stark unterschiedliche Preise zeigt, haben Sie einen direkten Hebel: Preisbenchmarking intern („wir zahlen X–Y“) statt extern. Das reduziert Debatten über Marktindizes – und erhöht die Verhandlungsschärfe.
Operationalisierung: Preisabweichung als KPI im laufenden Monitoring (inkl. Beispiel SAVE)
Wenn Positionsdaten konsistent normalisiert und Zeitreihen definiert sind, lässt sich Preisabweichung wie ein KPI überwachen – regelmäßig, nachvollziehbar und mit klaren Prioritäten. Analyse‑Tools wie SAVE (Invoice‑ & Spend‑Analytics) können dabei unterstützen, Normalisierung, Preis‑Zeitreihen und Varianzlogiken zu operationalisieren und als Monitoring bereitzustellen.
Fazit: Handlungsempfehlungen für Einkauf, Controlling und CFO
Wenn Sie stille Preiserhöhungen steuerungsfähig machen wollen, sind diese Punkte entscheidend:
· Positionssicht statt Summenblick: Preisdrift entsteht in einzelnen Positionen – nicht auf Lieferantenumsatzebene.
· Normalisierung ist Pflicht: Text‑ und UoM‑Normalisierung sind die Voraussetzung für valide Zeitreihen.
· Robuste Kennzahlen nutzen: Median und Preisbänder sind in der Praxis belastbarer als Durchschnittspreise.
· Abweichungen operationalisieren: Definieren Sie Schwellen, Referenzen und Priorisierung (Exposure) als Standardprozess.
· Use‑Cases pilotieren: Starten Sie mit 10–20 Critical Items pro Kategorie und skalieren Sie dann.
· Tools als Enabler einsetzen: Lösungen wie SAVE können Monitoring automatisieren – Logik und Governance bleiben entscheidend.
Häufige Fragen (FAQ):
1. Warum sehe ich Preiserhöhungen nicht im Lieferantenumsatz?
Weil sich Preisänderungen oft mit Mengen‑ und Mixeffekten überlagern. Gesamtbeträge können stabil wirken, während der Basiseinheitenpreis steigt.
2. Was ist der wichtigste erste Schritt?
Eine stabile Positionsnormalisierung (Text + Einheit). Ohne Vergleichbarkeit sind Zeitreihen und Varianzanalysen unzuverlässig.
3. Welche Kennzahlen funktionieren in der Praxis am besten?
Medianpreise je Periode, Preisbänder (P25–P75) und Abweichungen zum Referenz-/Vertragspreis – damit werden Ausreißer beherrschbar.
4. Wie gehe ich mit Dienstleistungen im Freitext um?
Über Standardisierung und Clustering: Begriffe vereinheitlichen, Leistungsbausteine erkennen, ähnliche Texte in stabile Cluster überführen.
5. Wie wird daraus ein laufender Prozess statt einer Einmalanalyse?
Indem Preisabweichung als KPI definiert wird: Schwellen, regelmäßige Reviews, klare Verantwortlichkeiten je Kategorie/Lieferant.
6. Welche Rolle spielen Analytics‑Tools wie SAVE?
Sie können Normalisierung, Zeitreihen und Abweichungslogik automatisieren und Monitoring bereitstellen. Entscheidend bleibt: Datenqualität, Regeln und Governance.
