Erst suchen, dann kaufen: Warum der Einkauf Ersatzteile nachbestellt, die schon da sind

Die Anfrage erreicht den Einkäufer im Werk in Ohio an einem Montagmorgen: „inductive sensor M18 PNP, need 4, line 3 down to one spare.“ Der Einkäufer tut, was die Einkaufsrichtlinie verlangt. Er sucht im Materialstamm nach „inductive sensor M18“, findet keinen Treffer und bestellt beim üblichen Händler. Zwei Wochen später erwähnt der Ersatzteilmanager im deutschen Werk in einem Telefonat über etwas ganz anderes, dass dort elf Stück genau dieses Sensors liegen und seit zwei Jahren keiner entnommen wurde.

Niemand hat etwas falsch gemacht. Der Einkäufer hat gesucht, die Suche hat nichts gefunden, und eine Bestellung war der vernünftige nächste Schritt. Das Problem liegt in der Suche.

Eine leere Suche endet in einer Bestellung

Wenn die Suche leer zurückkommt, wartet die Anfrage nicht. Die Linie ist bei ihrem letzten Ersatzteil, die Instandhaltung braucht das Teil, und der Einkäufer hat zwei Möglichkeiten: auf gut Glück weitersuchen oder bestellen. Unter Zeitdruck gewinnt jedes Mal die Bestellung, und das ist auch richtig so.

Die Kosten einer verfehlten Suche sind darum selten die Zeit, die das Suchen kostet. Es ist der Kauf, der darauf folgt. Das Werk bezahlt ein Teil, das ihm schon gehört, das Kapital im deutschen Regal bleibt gebunden, und es gilt der Preis des Händlers, egal was im Rahmenvertrag steht. Oft folgt auf die ersten Kosten eine zweite. Hat das Teil im Werk in Ohio keinen Datensatz, legt jemand einen an, mit neuer Materialnummer und neuer Beschreibung. Wer als Nächstes sucht, hat einen Datensatz mehr, den die Suche verfehlen kann.

Deshalb scheitert „erst suchen, dann kaufen“ so oft als Regel. Sie verlangt etwas, das die Suche nicht leisten kann. Wenn du wissen willst, wie oft das in deinen Werken passiert, such nach Teilen, die an einem Standort bestellt wurden, während an einem anderen Bestand desselben Teils unberührt lag. Die Liste ist meist länger, als alle erwarten.

Das Teil ist da, nur dreimal anders geschrieben

So steht der Sensor im Materialstamm von drei Werken. In Deutschland ist es Material 40017732, „NAEHERUNGSSCHALTER M18 PNP SCHLIESSER“, ohne Herstellerteilenummer. In Ohio ist es Material 7100-2284, „PROX SW IND 18MM 3W PNP NO“, ebenfalls ohne Herstellerteilenummer. In Texas ist es Material 300118, „SENSOR, INDUCTIVE, M18X1, 8MM, PNP“, und dieser Datensatz trägt die Herstellerteilenummer.

Alle drei sind derselbe Sensor vom selben Hersteller. Jede Beschreibung hat jemand Sorgfältiges geschrieben, in der Sprache und den Abkürzungen seines Werks. Der deutsche Datensatz sagt Näherungsschalter, das Wort eines deutschen Elektrikers. Der Datensatz aus Ohio kürzt alles ab, damit es ins Kurztextfeld passt. Der Datensatz aus Texas hat die Herstellernummer, weil jemand sie einmal vom Typenschild abgeschrieben hat.

Such jetzt mit den Worten der Anfrage: „inductive sensor M18“. Der deutsche Datensatz enthält keines dieser Wörter. Der Datensatz aus Ohio sagt „PROX SW IND“, und das trifft keine Suche nach „inductive“. Der Datensatz aus Texas enthält beide Wörter, in umgekehrter Reihenfolge und durch ein Komma getrennt, ob er auftaucht, hängt also davon ab, wie die Suche in deinem ERP eingestellt ist. Im besten realistischen Fall gibt es einen Treffer von dreien, und die elf Sensoren in Deutschland sind nicht dabei.

Du kannst das in zehn Minuten in deinem eigenen Katalog ausprobieren. Nimm ein Teil, von dem du weißt, dass es in mehr als einem Werk liegt, schreib es so, wie ein Anforderer es schreiben würde, und schau, welche Datensätze zurückkommen.

Die Materialsuche im Einkauf scheitert an Wörtern, nicht am Ersatzteilbestand

Das Muster aus dem Sensor-Beispiel ist keine Eigenheit eines einzelnen Unternehmens. Eine Studie der SUPSI in Lugano von 2026 zu Ersatzteilen über mehrere Standorte benennt es direkt: Das Haupthindernis sei kein Mangel an Teilen, sondern ein Mangel an verwertbarer Sichtbarkeit (Bulloni et al., SUPSI, 2026, auf arXiv). Die Datensätze enthalten Dubletten und unvollständige Angaben, sodass das richtige Teil oft irgendwo existiert und trotzdem nicht gefunden wird. In derselben Studie setzte eine Stichwortsuche über Beschreibungen und Spezifikationen das richtige Teil in etwa drei von vier Fällen an die erste Stelle. Bessere Suchverfahren hoben diesen Wert und verfehlten trotzdem noch etwa jedes fünfte Teil.

Andersherum gelesen beschreiben diese Zahlen den Alltag im Einkauf. Eine Suche, die jedes vierte Teil verfehlt, schickt jede vierte Anfrage an einen Lieferanten, für ein Teil, das vielleicht schon im Regal liegt. Und die Fehltreffer sind nicht zufällig verteilt. Sie häufen sich bei genau den Teilen, die das Sensor-Beispiel zeigt: Teile, die in mehreren Werken liegen, in mehreren Sprachen beschrieben und über viele Jahre von verschiedenen Leuten angelegt.

Dieselben Datensätze tauchen in den Bestandszahlen auf. In einem gemessenen Fall bei einem Hersteller mit mehreren Standorten machten Dubletten etwa 9 % des Bestands aus (eine bei Reliable Plant veröffentlichte Fallstudie). Das ist ein Fall, kein Richtwert, und dein Anteil wird anders sein. Der Mechanismus ist aber überall derselbe: Jede verfehlte Suche, die in einem neuen Datensatz endet, schafft eine Dublette mehr, die die nächste Suche verfehlen kann.

Warum die Stichwortsuche an echten Datensätzen scheitert und wie du deine eigene testest, beschreibt der Beitrag warum die Stichwortsuche Ersatzteile im Materialstamm verfehlt.

Was die Suche leisten muss, bevor jemand kauft

Wenn die Ursache in der Suche liegt, gehört auch die Lösung dorthin. Den Einkauf zu gründlicherem Suchen anzuhalten hilft nicht, wenn die Wörter der Anfrage im Datensatz nie vorkommen. Damit „erst suchen, dann kaufen“ in einem Werksverbund funktioniert, muss die Suche vier Dinge können:

• Das Teil mit den Worten der Anfrage finden, egal wie der Datensatz geschrieben ist.
• Die Datensätze aller Werke auf einmal durchsuchen, nicht nur die des eigenen Werks.
• Zu jedem Treffer den Bestand zeigen, damit aus einem Treffer eine Umlagerung wird statt einer Bestellung.
• Eine neue Materialanfrage mit dem ganzen Stamm abgleichen, bevor ein Datensatz angelegt wird.

Der letzte Punkt ist wichtiger, als er aussieht. Ein Kauf für ein Teil, das dir schon gehört, kostet einmal Geld. Ein neuer Datensatz für ein Teil, das dir schon gehört, kostet dich bei jeder Suche danach. Wenn eine Anfrage doch in einer Bestellung endet, sollte diese Bestellung den Stamm wenigstens nicht schlechter machen. Bestellungen am Vertrag vorbei beginnen oft genauso, mehr dazu unter Bestellungen am Einkauf vorbei.

Jedes Werk durchsuchen, bevor die Bestellung rausgeht

Zurück in Ohio: dieselbe Anfrage, eine andere Suche. Partium Cockpit ist die Software für die Teams, die sich um Ersatzteile kümmern: Instandhaltung und Einkauf. Das Dashboard zeigt, was heute zu tun ist, und die Funktion, in der du es erledigst. Der Einkäufer gibt die Anfrage so ein, wie sie kam. Die Materialsuche findet das Teil mit den Worten, die du hast, auch wenn der Datensatz unordentlich ist.

Damit stehen die Datensätze aus Deutschland und Texas auf demselben Bildschirm wie der aus Ohio. Eine Suche zeigt, wo das Teil auf Lager liegt, in jedem Werk. So findest du es, bevor du es noch einmal kaufst. Die elf Sensoren in Deutschland sind jetzt die erste Antwort, und der Anruf beim Händler kann warten, bis es um Teile geht, die niemand hat.

Ist das Teil wirklich in keinem Werk vorhanden, beginnt der neue Datensatz sauber. Die Materialanlage gleicht jede Anfrage mit deinem Stamm ab, damit ein Teil, das du schon hast, nicht doppelt angelegt wird.

Nichts davon ersetzt das Urteil des Einkäufers, ob an einem bestimmten Tag eine Umlagerung besser ist als ein Kauf. Es sorgt dafür, dass er zwischen echten Möglichkeiten wählt. Buch dir eine Demo oder frag nach der Demo-Lizenz und lass die Suche auf deinem eigenen Katalog laufen. Wie der Kontext desselben Teils in die nächste Einkaufsentscheidung einfließt, liest du unter Ersatzteildaten für Einkaufsentscheidungen.