Wer jedes Lieferkettenrisiko verfolgt, eliminiert am Ende keines
Maschinen- und Anlagenbauer haben es mit komplexen Stücklisten, spezialisierten Zulieferern und tausenden potenziellen Abhängigkeiten zu tun. Viele davon sind auf den ersten Blick kaum ersichtlich. Das gilt gerade für Kategorien, die selten als kritische Abhängigkeit wahrgenommen werden: Spezialchemikalien oder Industriegase wie Helium können stark von regionalen Störungen betroffen sein. Entstehen dort Engpässe, können sie sich durch mehrere Branchen ziehen und Unternehmen treffen, die sich ihrer Abhängigkeit zuvor gar nicht bewusst waren. Digitale Supply-Chain-Tools machen immer mehr davon sichtbar.
Wo lange nur die oberste Schicht der direkten Zulieferer betrachtet wurde, fließen nun Daten aus tieferen Ebenen in die Monitoring-Tools der Industrie. Damit steigt die Menge an Daten mit jeder zusätzlichen Tier-Stufe exponentiell an – ebenso wie die Zahl der Abhängigkeiten und Risikosignale.
Doch ein gefährdeter Zulieferer ist nicht immer auch ein kritischer Zulieferer. Entscheidend ist, was ein möglicher Ausfall für Produktion und Geschäft bedeutet. Entscheider auf Führungsebene brauchen dafür konkrete Zahlen: Wenn wir Betrag X in Resilienz investieren, welchen potenziellen Ausfall oder Umsatzverlust Y schützen wir damit? Erst dann wird aus Supply-Chain-Transparenz eine belastbare Entscheidung.
Sichtbarkeit in der Lieferkette ist erst der Anfang
Das Monitoring der Lieferketten hat in den vergangenen Jahren stark an Relevanz gewonnen. Unternehmen wussten zwar genau, wer ihre direkten Tier-1-Zulieferer sind, doch wo deren Vorprodukte und Materialien herkommen und welche Abhängigkeiten tiefer in der Lieferkette bestehen, war deutlich weniger transparent.
Regularien auf nationaler und europäischer Ebene sowie geopolitische Entwicklungen und tiefgreifende Disruptionen haben dazu geführt, dass Unternehmen ihre Lieferketten genauer unter die Lupe nehmen. Multi-Tier-Mapping reicht heute über direkte Lieferanten hinaus bis zu Vorprodukten, Materialien und spezialisierten Fertigungsschritten in Tier N.
Je mehr Sichtbarkeit Unternehmen über ihre Lieferkette gewinnen, desto mehr Engstellen fallen auf. In der Halbleiter-Lieferkette gibt es beispielsweise einzelne Produktionsschritte, bei denen einzelne Anbieter mehr als 90 Prozent des Marktes kontrollieren. Bei Permanentmagneten wiederum dominiert China nicht nur die Gewinnung der dafür benötigten Seltenen Erden, sondern weite Teile der nachgelagerten Verarbeitung und Magnetproduktion. Damit entsteht eine geografische Konzentration, die bei Exportbeschränkungen, geopolitischen Konflikten oder Produktionsausfällen schnell kritisch werden kann.
Multi-Tier-Transparenz ist jedoch nicht nur bei kritischen Rohstoffen oder geopolitischen Risiken relevant. Auch alltägliche Risiken können sich über mehrere Lieferantenstufen fortsetzen. Bezieht ein Unternehmen Komponenten von Zulieferern, die ihrerseits in Ostasien sourcen, können saisonale Taifune am Ende die eigene Produktion gefährden.
Auf Tier-1-Ebene lassen sich diese Risiken normalerweise nicht erkennen. Sie bergen jedoch das Potenzial, Schäden in geschäftskritischen Dimensionen zu erzeugen, sollte es zu Unterbrechungen und Ausfällen kommen. Multi-Tier-Mapping und externe Risikodaten liefern heute eine Fülle von Informationen über alle Ebenen der Lieferkette hinweg. Sie beziehen Wetterdaten, Regulatorik, Marktveränderungen und Geopolitik mit ein, um ein möglichst umfassendes Risikobild zu generieren. Das schafft deutlich mehr Sichtbarkeit als noch vor wenigen Jahren. Doch mit der Sichtbarkeit wächst auch die Zahl der Signale, die Unternehmen bewerten müssen.
Das Transparenz-Paradox
Mehr Daten bedeuten jedoch nicht automatisch mehr Schutz für die Lieferkette. Transparenz zu schaffen war lediglich der erste Schritt in Richtung Resilienz. Mehr Lieferanten, Abhängigkeiten und Risiken zu überwachen, bedeutet, dass die Menge an Signalen, Benachrichtigungen und Alerts deutlich steigt. Teams werden minütlich mit neuen Risiken bombardiert. Statt keine Risiken zu sehen, haben sie nun alle auf einen Blick, was eine neue Art von Blindheit erzeugt.
Die Herausforderung ist deshalb nicht mehr allein, Risiken zu erkennen, sondern die relevanten zu priorisieren. 100.000 Tier-N-Zulieferer zu sehen inklusive aller Risiken, die mit ihnen verbunden sind, ist keine Lösung, sondern ein Problem. Denn nicht alle Risiken sind gleich relevant.
Einige Störungen wirken sich kaum auf das Tagesgeschäft aus, während andere ein sofortiges Eingreifen erfordern. Daten sind in Fülle vorhanden. Aufmerksamkeit, Zeit und Entscheidungsfähigkeit sind jedoch knapp. Auf Führungsebene kommt eine weitere knappe Ressource hinzu: Kapital.
Kontext entscheidet über die Relevanz von Risiken
Ressourcen zur Risikobewältigung werden immer limitiert sein. Kein Unternehmen verfügt über unbegrenztes Personal oder Kapital. Risiken gibt es hingegen immer in Fülle, doch nicht alle benötigen überhaupt eine Reaktion. Priorisierung ist deshalb keine Notlösung, sondern eine Kernaufgabe des Risikomanagements.
Was sich als „Deep Context“ bezeichnen lässt, ist der interne operative und wirtschaftliche Kontext hinter einem Risikosignal. Und genau er entscheidet über dessen Priorität. Ein Lieferant kann von einem schwerwiegenden Ereignis betroffen sein und für das eigene Unternehmen trotzdem kaum kritisch sein.
Umgekehrt kann eine kleine Störung bei einem unscheinbaren Tier-N-Lieferanten eine Produktionslinie zum Stillstand bringen. Entscheidend ist: Welches Bauteil ist betroffen? In welchen Produkten steckt es? Wie viel Bestand ist vorhanden? Gibt es eine qualifizierte Alternative? Und welcher Umsatz hängt daran?
Auch die Reaktionsmöglichkeiten spielen eine Rolle. Manche Lieferanten lassen sich kurzfristig ersetzen, andere wiederum erfordern ein langwieriges Onboarding, neues Tooling, Qualifizierungen und damit monatelange Vorlaufzeiten.
Unternehmen investieren bereits erhebliche Summen in Resilienz. Sie bauen Sicherheitsbestände auf, setzen auf Multi-Sourcing und alternative Lieferanten, bilden Task Forces oder nutzen kurzfristige Beschaffungswege. Entscheidend ist deshalb, welche Risiken sie beobachten, mindern oder bewusst akzeptieren – und umgekehrt, wo Sicherheitsbestände, zweite Bezugsquellen oder andere Maßnahmen Kapital binden, ohne einen entsprechenden Geschäftswert zu schützen.
Vom Risikosignal zur Managemententscheidung
Die Transparenz darüber, was in der Supply Chain geschieht und wie diese aussieht, ist deshalb die Grundlage für ein umfassendes Risikomanagement. Doch zu viele Informationen können lähmen und von wichtigen Themen ablenken. Bei Zehntausenden Abhängigkeiten lässt sich nicht mehr dauerhaft manuell priorisieren, welche Risiken akut sind. Risk Manager müssen deshalb entlastet werden und wichtige Signale von Lärm unterscheiden können.
Dafür müssen externe Risikosignale mit dem internen Geschäftskontext verknüpft werden: Stücklisten, Bestände, Produktionsstandorte, kritische Produkte, alternative Bezugsquellen und schließlich Umsatz- oder Ergebnisbeiträge. Erst diese Verbindung beantwortet nicht nur die Frage „Wo passiert etwas?“, sondern „Was bedeutet es für uns?“.
Auch Agentic AI löst dieses Priorisierungsproblem nicht von selbst. Ein KI-Agent kann in Sekunden erkennen, dass bei oder in der Nähe eines Lieferanten ein kritisches Ereignis eingetreten ist. Er weiß damit aber noch nicht, welche Komponenten dieser Lieferant liefert, welche Bestände verfügbar sind oder ob eine qualifizierte Alternative existiert. Ohne diesen Geschäftskontext erreicht ein Agent dieselbe Sackgasse wie zuvor der Risk Manager – nur in Sekunden statt in Tagen. Die Entscheidungsfindung bleibt deshalb eine Managementaufgabe.
Wissen, was ein Risiko kostet, bevor es eintritt
Um zu verstehen, welche Risiken Priorität haben, müssen Unternehmen verstehen, welche Auswirkungen ein Vorfall auf das Geschäft hätte. Sind Umsatzströme betroffen? Lassen sich etwaige Ausfälle anderweitig abfedern oder kommt es zu Verzögerungen in Produktion und Auslieferung? Betrifft das Risiko ein margenstarkes Kernprodukt oder eine Produktlinie mit geringerer wirtschaftlicher Bedeutung?
Damit verändert sich auch die Sprache des Risikomanagements. Für einen Vorstand ist nicht allein entscheidend, dass ein Lieferant, Standort oder Rohstoff als „hoch riskant“ eingestuft wird. Entscheidend ist die finanzielle Konsequenz: Welcher Schaden ist realistisch, wenn die Abhängigkeit ausfällt?
Erst dann lässt sich auch Resilienz quantifizieren. Wenn eine zusätzliche Bezugsquelle fünf Millionen Euro kostet, aber einen potenziellen Umsatzausfall von 100 Millionen Euro absichert, ist die Diskussion eine andere als bei einer ebenso teuren Maßnahme, die nur einen marginalen Geschäftswert schützt.
Für Risk Manager entsteht damit die Grundlage, ihre Empfehlungen in einer Sprache zu formulieren, die auf der Führungsebene ankommt: Wenn wir X investieren, schützen wir Y an Umsatz, Produktionswert oder Ergebnis. Gleichzeitig wird sichtbar, wo Resilienzmaßnahmen Ressourcen binden, ohne einen entsprechenden wirtschaftlichen Nutzen zu schaffen. Werden beispielsweise Sicherheitsabstände für ein Risiko zurückgehalten, das diese Investition nicht rechtfertigt, kann Kapital freigesetzt werden.
Sichtbarkeit ist nicht gleich Resilienz
Sichtbarkeit ist damit Voraussetzung für Resilienz, aber nicht ihr Endpunkt. Ein Unternehmen kann jede Abhängigkeit seiner Lieferkette kennen und im Ernstfall trotzdem die falschen Prioritäten setzen. Der nächste Reifegrad besteht deshalb darin, Risiken in wirtschaftliche Konsequenzen zu übersetzen und knappe Ressourcen entsprechend einzusetzen.
Der Wettbewerbsvorteil der nächsten Jahre liegt nicht darin, jedes Risiko zu kennen. Entscheidend wird sein, schneller als andere zu erkennen, welches Risiko wirklich zählt und knappe Aufmerksamkeit, Zeit und Kapital dort einzusetzen, wo sie den größten wirtschaftlichen Unterschied machen. Resilienz ist dabei ein Steuerungsinstrument, keine Versicherungsprämie, die aus Angst gezahlt wird. In einer Welt, in der sich Unternehmen nicht auf das eine Zukunftsszenario einstellen können, bereiten sie sich damit auf mehrere Möglichkeiten vor.
Autor: Harald Nitschinger, Mitgründer und Geschäftsführer von Prewave
Links:
Anzeige
