价值创造的战略转型：人工智能如何从根本上重塑采购格局

Xpert 预发布

在线联系（Konrad Wolfenstein）

语言选择 📢

发布日期：2026年1月5日 / 更新日期：2026年1月5日 – 作者：Konrad Wolfenstein

价值创造的战略转型：人工智能如何从根本上重塑采购格局——图片来源：Xpert.Digital

为什么企业比以往任何时候都更需要彻底区分其运营采购和战略采购？

概念基础：被动过程与战略价值创造之间的关系

现代企业管理常常将采购和购买混为一谈，尽管它们在目的、时机和对公司盈利能力的影响方面存在根本差异。这种概念上的混淆会导致系统性的效率损失，如果企业未能充分利用人工智能的变革潜力，这种损失还会呈指数级增长。.

采购是一个战略性的、持续的过程，涵盖整个价值链，从最初的需求评估、市场分析、供应商识别、合同谈判到长期供应商关系管理。它是一种管理工具，旨在确保长期供应安全、优化总体拥有成本并最大化公司价值。采购并非独立于公司目标之外，而是一个战略杠杆，影响着公司50%到70%的总成本。.

另一方面，采购是这一流程的运营交易环节。它专注于具体执行已通过采购流程准备的各项采购任务，这些任务通常具有短期性。运营采购涵盖下单、交付管理、交付日期监控、收货后的质量控制以及向供应商付款。战略采购关注的是“哪些长期供应商关系能够最大化我们的价值？”，而运营采购关注的是“如何确保货物按时、按质、按量送达？”。这是一种根本性的差异，而不仅仅是语义上的区别。.

合同采购是战略采购大背景下的一个专门职能。它是企业系统地识别、评估和选择特定类别或项目潜在供应商的结构化流程。与被动的运营采购不同，合同采购采用积极主动的分析方法：它搜索市场，根据预先设定的标准评估报价，协商合同，从而为建立最佳业务关系奠定基础。这一过程通常被称为“寻源到付款”或“采购”，它是战略规划和运营执行之间的桥梁。.

双流程模型：采购到付款作为整合主干

现代采购采用所谓的采购到付款（P2P）模式，该模式融合了战略和运营两个方面。P2P流程涵盖从最初的需求评估和请购单创建，到供应商选择、订购、收货和质量控制，再到发票核对，最终到付款发放。这种端到端的视角揭示了一个关键困境：战略采购侧重于长期规划和风险规避，而运营采购则追求即时效率和流程化。.

这种二元对立在实践中导致了一种典型的效率低下现象，即“非正规采购”。非正规采购指的是各个部门或员工在采购部门既定流程之外下单的现象。这种情况通常有三个原因：第一，正式的采购流程被认为过于复杂或耗时；第二，紧急情况需要快速行动；第三，员工对拟定的供应商或条款不满意。.

其后果绝非微不足道。由于非正规采购，企业可能损失高达15%的额外成本，这些成本源于多方面因素：由于采购量未整合，导致采购数量减少，从而造成采购价格上涨；战略框架协议中的价格优势未能得到充分利用；以及因人工注册新供应商、管理分散的供应商体系和额外的会计工作而产生的大量流程成本。矛盾的是，这个问题会自我强化：官方采购组织越复杂，用户就越有可能诉诸非正式渠道，而这反过来又会加剧复杂性和不透明性。.

运营差异的基础：时间视角、目标和能力。

战略采购的规划周期长达数年。其任务包括：系统性的市场分析（市场上有哪些供应商，他们的经营状况如何？）、需求预测（未来两到五年我们需要什么？）、根据多维度标准（不仅包括价格，还包括质量、可靠性、财务稳定性、创新能力、可持续性、地缘政治风险和合规风险）对供应商进行评估、旨在实现双赢的合同谈判、通过多元化和替代来源降低风险，以及持续的绩效监控和供应商关系优化。.

另一方面，运营采购是一个日常流程，时间跨度为几天到几周。它建立在采购部门已建立的结构（合格供应商、框架协议、产品目录）之上，并侧重于执行效率：如何快速、准确且经济高效地处理订单？如何确保及时发现并上报交货延迟？如何及时、正确地处理发票，避免因错误导致付款延迟或与供应商发生纠纷？

这种区分并非仅仅是学术探讨，它明确了相关人员的资质要求。战略采购员集管理者、分析师和外交官于一身——他们必须进行市场调研、谈判、分析各种方案并预测风险。而运营采购员则必须确保流程顺畅、快速识别问题、正确操作系统，并根据预先设定的标准做出数据驱动的决策。许多公司并未系统地区分这些不同的需求，导致战略岗位由行政型人员担任，反之亦然。.

订单获取作为一种专门的接口：来源识别和合同设计

订单获取是将战略目标付诸实践的过程。它始于全面的需求分析：究竟需要什么（规格、质量标准、数量、交货日期）？接下来是市场分析和供应商调研，通常会借助行业报告、展会、在线数据库和人脉网络。潜在供应商的评估流程采用结构化方法，应用标准化标准，以确保客观性和可比性。.

下一步是获取报价，通常是通过征求建议书 (RFP)、询价单 (RFQ) 或信息征询书 (RFI) 的方式。这些询价之后，需要进行详细的报价分析，不仅要考察价格，还要考察交付能力、付款条件、保修条款和合同条款。合同谈判是关键时刻，买卖双方需要权衡各自的立场，达成一项能够长期持续的协议。.

采购中的一个关键概念是考虑总拥有成本 (TCO)。这意味着不仅要考虑购买价格，还要考虑产品整个生命周期内的所有成本：采购成本、运输成本、仓储成本、质量问题成本、维护和服务成本以及处置成本。如果供应商的产品缺陷率更高或磨损更快，那么即使价格更低，最终也可能带来更高的成本。相反，如果供应商的质量和可靠性能够减少生产停机时间和返工，那么看似更贵的供应商反而可能更具成本效益。.

数字化浪潮：从电子采购到智能驱动采购

采购的数字化转型始于电子采购的概念，即采购流程的电子化处理。采购流程不再依赖纸质文件、传真和人工录入，而是通过在线门户网站、产品目录和订购系统实现数字化。第一代电子采购系统通过减少介质变更和潜在错误，提高了效率，并通过集中管理供应商、合同和订单历史记录，增强了透明度。.

下一波浪潮是集成浪潮。现代电子采购平台与企业资源计划 (ERP) 系统无缝连接，通常通过 EDI（电子数据交换）或 OCI（开放目录接口）等标准化接口实现。这种集成意味着客户登录 ERP 系统下单后，订单会自动传输到电子采购平台——无需手动重复录入或数据中断。反之，收货确认和发票数据也会自动同步回 ERP 系统，并与原始订单进行匹配（即所谓的三方匹配：订单、送货单和发票）。.

这种集成视角带来了革命性的结果：它实现了日常流程的完全自动化。机器人（此处指机器人流程自动化，RPA）可以读取发票（利用光学字符识别，OCR技术），将其与采购订单和收货单进行比对，如果匹配则自动发放款项，如果存在差异则自动启动升级流程。这可以将间接采购中发票处理的人工工作量减少高达40%，并将每笔订单的吞吐量成本降低高达76%。.

最新一波浪潮是智能浪潮，它将人工智能融入采购的各个层面——不是为了取代人类决策者，而是为了增强人类能力，作为辅助伙伴。.

人工智能作为变革者：十大关键应用领域

1. 需求预测和库存优化

传统的需求预测基于历史平均值、季节性模式或专家估计。而基于人工智能的系统则将历史销售数据与外部因素相结合，例如市场趋势、天气状况、节假日、经济指标，甚至社交媒体信号。机器学习模型（尤其是深度学习和梯度提升算法）能够识别出人类分析师难以察觉的复杂模式。最终，需求预测的准确率提高了30%。.

这会直接影响成本结构。更准确的预测能够带来最佳订货量——既不会过多（导致仓储成本增加和资金占用），也不会过少（导致缺货和生产中断）。一家中型企业可以通过优化需求预测，将库存减少15%至25%，同时提高供货能力和交付能力。.

2. 支出分析和隐藏的节省潜力

支出分析是指利用人工智能系统对公司的所有支出进行分类、分析和可视化。一家典型的公司每年在原材料、设备、IT、差旅、办公用品和服务方面花费数百万美元。这些支出分散在成百上千家供应商，涉及不同的货币、部门和ERP系统。.

人类买家无法在脑海中处理如此复杂的信息。然而，人工智能系统可以读取来自所有这些来源的结构化和非结构化数据，将其标准化并按产品组进行分类，然后挖掘出隐藏的模式。例如，它可以发现IT部门已经为软件菜单许可支付了50万欧元，而市场部门单独采购了相同的软件，并支付了30万欧元购买了相同的许可——原因很简单，这两个部门都不知道对方已经协商了更优惠的条款。.

人工智能系统还能识别重复供应商：一家公司可能与 50 家不同的运输公司合作，即使市场上只有 10 家企业占据主导地位。任何分散化都会降低采购能力。支出分析可以将供应商数量减少高达 80%，通过批量折扣和更优的合同条款，进而为之前分散的产品类别节省 18% 至 25% 的成本。.

3. 通过人工智能画像进行智能供应商选择

传统的供应商选择过程耗时且往往带有主观性。通常需要撰写一份招标书（RFP），发送给10-20家供应商，然后人工比较报价——比较标准不仅包括价格，可能还会参考有关交货可靠性和质量的信息。整个过程通常需要3-6周。.

基于人工智能的供应商选择系统能够自动并行处理这项工作。它们从数百个公共和私人来源收集数据，包括公司数据库、年度报告、信用评级、认证、行业名录、新闻档案，甚至社交媒体资料。然后，它们构建每个潜在供应商的360度全方位画像，不仅涵盖财务稳定性，还包括生产能力、质量控制体系、创新能力、ESG（环境、社会和治理）绩效、交付可靠性历史、付款违约风险以及地缘政治风险。.

人工智能系统可以在2-4天内并行分析100-1000家潜在供应商，而传统方法需要3-6周。其结果是：市场覆盖范围显著扩大，评估更加客观（因为决策逻辑透明，不受个人偏见或网络效应的影响），并且更有可能最终选择到价格、质量、可靠性和风险的最佳组合。.

4. 数据驱动型谈判和谈判助手

采购谈判历来以信息不对称为特征：供应商比买方更了解自身的成本结构和市场地位。例如，供应商可能会声称其原材料成本上涨了12%，因此必须提价——但这真的属实吗？买方可能会心存疑虑，但如果没有具体数据，很难反驳这种疑虑。.

人工智能系统正在从根本上改变这种格局。人工智能驱动的“合理成本模型”将产品或服务的成本结构分解为各个组成部分：原材料、制造工资、管理费用、物流和利润率。该系统会访问实时数据：商品交易所价格、各国工资指数、运费指数和行业基准。最终结果是一个客观的产品合理成本估算。.

如果供应商要求涨价12%，买方可以用数据反驳：根据股市指数，原材料价格上涨了8%，本国工资通胀率为3%，两者加起来大约是6%到7%，而不是12%。为什么还要额外加价？这种论证严谨且基于事实，而非道听途说。.

更具创新性的是谈判助手——一种人工智能系统，它就像一位互动式谈判教练。买家可以在正式谈判前与系统进行情景模拟。例如，如果我要求降价8%，供应商可能会作何反应？系统会根据历史谈判数据模拟对话，运用谈判心理学（例如锚定效应理论或哈佛谈判技巧），并为买家提供具体建议：供应商很可能会提出数量限制。以下是一个你可以使用的反驳论点……

这种以数据为导向的准备工作能够改变谈判中的力量平衡。研究表明，准备充分的谈判能够带来更有利的条款——平均而言，同等质量的产品价格可以优惠15%至20%。.

5. 通过预测分析进行供应商风险管理

供应链中的一个经典问题是意外的供应中断：供应商可能遭遇财务困境，突然停止供货；或者遭受自然灾害、网络攻击或地缘政治事件的影响。供应商突然中断供货，会导致生产停工，给企业造成巨大损失。.

基于人工智能的供应商风险系统持续监控数百个数据源：财务绩效（资产负债表趋势、偿付能力、信用评级）、运营指标（交付可靠性、交付延迟、质量投诉、产能利用率）以及外部事件（自然灾害、战争、制裁、网络攻击、监管变化、汇率波动）。该系统能够检测到微弱信号——例如，供应商在过去两个季度中付款延迟的情况日益增多，或者交付延迟的次数变得更加频繁。.

训练有素的人工智能模型可以提前 6 到 12 个月预测供应商违约风险——比人类的预测能力要快得多。这使公司有时间寻找替代供应商、准备合同并制定过渡策略。主动出击而非被动应对危机——这就是变革性优势。.

人工智能正在彻底改变运输层面的供应链风险管理。系统分析卫星图像以检测交通拥堵或港口阻塞情况，读取新闻报道以识别自然灾害或地缘政治危机。它们将这些实时数据与公司的特定配送路线相结合，并在特定路线受到影响时发出预警。这种早期预警使得在出现严重延误之前启用替代路线成为可能。.

6. 通过RPA和认知自动化实现行政流程自动化

采购部门的大部分工作时间都花在了手动、定期重复的任务上：扫描发票并将其输入系统，将订单与送货单进行比较，对 C 类零件（低价值运营资源）进行价格谈判，在数据库中注册供应商，以及将订单发布到各个成本中心。.

机器人流程自动化 (RPA) 可以自动执行这些任务。RPA 机器人可以：

以 PDF 或电子邮件形式接收发票。.
使用 OCR（光学字符识别，结合人工智能）提取文本：发票号码、发票日期、供应商、发票金额、付款日期、项目、数量。.
将此数据与ERP系统进行比对：是否存在总额与此发票相符的订单？收货单是否与发票相符？
如果匹配成功，则自动发放付款凭证。.
如果出现偏差，自动向审核人员发送升级报告或与供应商沟通。.

发票处理的自动化可以将处理时间缩短 70% 至 80%，并降低错误率。一家每月处理 10,000 张发票的公司，通过自动化可以节省 2 至 3 个全职员工（FTE）——这能显著降低成本并提高效率。.

另一个例子是标准商品的自动价格谈判。对于C类零件（办公用品、单价低于100欧元的入门级设备），人工谈判并不经济。然而，这些小额采购的总价值却相当可观。人工智能系统可以自动向多家供应商发送此类订单的价格询价，自动评估报价，并自动向最具竞争力的供应商下单——所有操作均无需人工干预。这样一来，日常决策便可分散化，使组织能够专注于复杂且高价值的任务。.

7. 通过自动化文档实现合规性和审计追踪

大型企业，尤其是公共部门和高度监管行业（如制药、航空、金融）的企业，必须能够证明其采购流程透明且合规。审计可能要求：提供供应商选择的所有步骤；证明所有投标均已记录在案，并按照相同的标准进行评估。.

人工智能系统可以自动记录采购流程的每一步——包括调研了哪些供应商、评估标准是什么、获得了哪些报价以及如何进行比较、最终做出了哪些决策以及原因。这种全面的记录不仅符合法规要求，而且具有战略价值：它提高了透明度，防止了贿赂和裙带关系（这两者都会导致供应商选择不佳），并在日后出现任何问题时都能提供审计追踪。.

8. 预测定价和市场情报

原材料价格、运输成本和工资都在不断波动。一家公司如果因为没有预料到三周后市场会下跌而今天以高价进货，就会蒙受实际损失。反之，如果价格上涨在即，公司也不希望订货量过少。.

人工智能系统可以通过结合历史价格序列、宏观经济变量（利率、汇率、商品指数、能源价格）、行业动态（产能利用率、供应链瓶颈）以及新闻情绪来预测价格走势。其结果是概率性预测：例如，未来两个月钢铁价格有75%的概率下跌3%至6%；建议等到价格触底后再下大订单。又如，锂价格预计将上涨15%；建议现在就下单。.

这些价格预测直接影响订单时间和数量，从而节省大量成本——在波动较大的类别中，节省 5% 到 10% 并不罕见。.

9. 供应商评估中的可持续性和ESG整合

监管要求（例如欧盟供应链尽职调查指令、德国供应链法律等）迫使企业审查其供应链中的社会和环境风险。如果供应商位于劳动保护立法薄弱或腐败风险较高的国家，则可能给采购公司带来声誉风险。.

人工智能系统可以通过以下方式自动评估ESG风险：

分析有关供应商国家的公开数据（劳工权利、环境标准、腐败指数等）
分析有关供应商的新闻舆论（是否有关于劳资纠纷、环境污染的报道？）
评估供应商的认证和审核情况。.
审查合同条款是否符合ESG要求。.

这样的系统可以自动将供应商分为高风险、中风险或低风险三类，并自动向买家推荐具有更佳ESG（环境、社会和治理）表现的替代供应商。这使得企业能够同时实现合规和业务优化——二者并非相互冲突，而是相辅相成。.

10. 用于文档、合同分析和知识管理的生成式人工智能

大型语言模型（例如 GPT-4 或 Claude）为采购开辟了新的可能性。例如，它们可以：

自动分析合同并识别与标准条款的偏差。.
自动将报价翻译成标准化格式，以提高可比性。.
自动提取并规范不同语言和格式的发票。.
采购指南应该用自然语言编写（而不是晦涩难懂的规则），这样所有用户都更容易理解。.
他们开发了一款人工智能助手，可以为员工提供建议：如何提交供应商申请？或者，该产品组有哪些供应商？

这些应用虽然不如预测分析那样引人注目，但它们可以减少日常流程中的摩擦和错误 10% 到 20%。.

📈🔵 订单获取与组织发展：从传统销售到战略业务职能💡

订单获取和组织发展 - 图片来源：Xpert.Digital

Xpert.Digital 为企业提供全方位支持，助力其完成复杂的转型，无论是从零开始构建现代化的订单获取体系，还是优化现有流程。凭借在市场营销、销售、数据分析、数字化转型和组织发展方面的丰富经验，我们引导您的企业实现战略重定位。我们采用整体性方法：不仅优化流程，更着力培养人才和组织文化，从而助力企业取得可持续、可衡量的成功。.

更多相关信息请点击这里：

现代订单获取不再是孤立的销售职能。

人工智能在采购领域面临的最大障碍不是技术。

整体经济核算：节省的资金来自哪里？

上述人工智能应用在多个层面上都能带来可衡量的成本节约：

直接采购成本

通过改进谈判、优化数量、调整时间安排以及引入供应商竞争，商品成本可降低 5% 至 15%，具体降幅取决于行业和人工智能实施的成熟度。对于采购预算为 5 亿欧元的公司而言，这意味着每年可节省 2500 万至 7500 万欧元。.

诉讼费用

发票核对、订单处理和供应商管理的自动化可降低 30% 至 47% 的管理成本。一家拥有 50 名采购人员的公司可以节省 15 至 24 人年的工作量——按每人平均总成本（包括管理费用）约 10 万欧元计算，这相当于 150 万至 240 万欧元。.

仓储成本

更精确的需求预测可使库存水平降低 15% 至 25%。假设平均库存价值为 5000 万欧元，每年仓储成本约为 25%（利息、保险、损耗、空间），则可节省 190 万至 310 万欧元。.

避免供应链中断

及早发现供应商风险和供应链问题，可以避免生产中断和以高价紧急采购。这种预防的价值难以量化，但对于关键零部件而言，仅仅一天的生产停工就可能造成数百万美元的损失。.

改善现金流动态#

更快的发票处理速度、更精确的付款日期以及提前付款折扣的识别，都能降低流动资金成本。平均而言，发票处理自动化后，公司可以提前 2-5 天付款——这有利于营运资金的利用。.

因此，对于一家中型公司（采购预算 5 亿欧元，采购部门 50 人），保守的总体计算结果可能如下所示：

直接成本节约：2500万至5000万欧元
诉讼节省成本：150万至240万欧元
存储成本降低：190万至310万欧元
营运资金改善：200万至500万欧元

总计：每年 3000 万至 6000 万欧元，其中约 1500 万至 2500 万欧元可归因于行为改变（更好的谈判、最佳供应商选择），1500 万至 3500 万欧元可归因于自动化和效率提升。.

公司范围内实施人工智能辅助采购系统的成本通常在 200 万至 500 万欧元之间（包括软件采购、与现有系统集成、数据准备、变更管理和培训）。因此，投资回报期仅为 1 至 3 个月——对于数字化项目而言，这是一个极高的投资回报率。.

思维模式问题：从传统优化到数据驱动智能

尽管这些数据令人瞩目，但人工智能在采购领域的应用在许多德国企业仍然有限。德国供应链管理、采购和物流协会 (BME) 最近的一项研究表明，虽然十分之七的采购经理计划投资人工智能，但许多人仍然不知道该如何着手。.

这些挑战主要不是技术方面的，而是组织和文化方面的：

集成的复杂性

人工智能系统需要与数十个现有系统进行通信，例如企业资源计划（ERP）、会计、客户关系管理（CRM）、库存管理、人力资源等。这种集成在技术上是可行的，但耗时且容易出错。许多采购组织不愿意对现有系统进行根本性的改变。.

数据质量问题

人工智能的性能完全取决于其训练数据的质量。许多公司都面临着数据集分散、信息缺失和分类不一致的问题。在部署人工智能之前，通常需要花费数月时间来提升数据质量。这既不方便也不令人振奋——恰恰与管理层希望听到的截然相反。.

技能和资格

一套基于人工智能的采购系统不仅需要采购专业人员，还需要数据科学家、数据工程师、变革管理人员和流程优化专家。许多中型企业无法自行培养或聘用这些专业人员，只能求助于外部合作伙伴（咨询公司、软件供应商），这不仅增加了成本，也造成了依赖性。.

对变革的怀疑态度

采购部门的员工往往花费数十年时间学习如何做好本职工作。人工智能自动决策被视为一种威胁，而不是辅助工具。变革管理十分复杂，需要对角色和技能进行真正的重新定位。.

对自动化的期望过高

许多决策者期望人工智能能够自动化整个采购流程，使人类变得多余。这并不现实。人工智能的最佳作用在于作为增强智能——辅助人类决策者，而非取代他们。未来优秀的采购人员不再是传统的谈判者，而是能够解读机器洞察并将其转化为商业策略的数据分析师和战略家。.

未来架构：从混合采购到自主智能

如今，在采购领域实施人工智能的公司通常会经历以下几个阶段：

第一阶段（第 1-6 个月）：快速见效和试点项目

发票核对自动化、特定产品组的支出分析、新供应商选择中的供应商评分。这些试点项目风险低、成功率高，并能建立内部信誉和推动发展势头。.

第二阶段（第 6-18 个月）：深度整合

需求预测正在实施，谈判支持团队正在接受培训，供应商风险管理体系正在建立。核心团队正在学习如何使用人工智能系统并调整流程。.

第三阶段（第 18-36 个月）：全面协调

采购的各个环节都配备了人工智能支持。采购人员在一个增强现实的环境中工作，可以访问数据、预测、建议和自动化选项。但最终决策权仍然掌握在他们手中。.

第四阶段（自第36个月起）：有限度的自主智能

对于标准化的低风险类别，决策完全自动化。对于复杂的战略性类别，系统会增强智能，但最终仍由人做出决策。系统会不断学习，变得更加精准。.

有效实施的人工智能系统不会导致大规模裁员，而是会重新调整采购组织的职能。一个50人的采购部门可能会缩减到40人，但这40人都是专家——数据科学家、战略家、谈判专家——而不是行政人员。组织的人均价值显著提升，他们可以承担更多战略性、对业务至关重要的任务。.

差异化的战略必要性

许多公司犯的一个根本性错误是将采购和购买的概念混淆。只要这两个职能被视为相同，就无法对其进行有效的组织和优化。采购是战略，购买是运营。它们需要不同的技能、不同的指标、不同的系统——以及不同的人工智能角色。.

采购是这两个领域的交汇点。它是一个结构化的流程，通过该流程，战略目标（最佳供应商伙伴关系）得以落实（包括选择、谈判和合同签订）。人工智能正是在这里能够发挥最大价值：它能够加速分析，提高决策的客观性，并使战略目标的实现更加稳定可靠。.

理解这一区别并据此运用人工智能的公司，将降低10%至20%的采购成本，增强供应链韧性，提高采购质量，并将采购组织转型为战略价值创造者。而那些将人工智能视为通用工具，却忽略这些概念区别的公司，最终将失望而归——人工智能也将沦为昂贵且利用率低下的系统，几年后便会被淘汰。.

采购的未来不属于那些最快实施人工智能的人，而属于那些最清楚地了解人工智能在哪些方面最具价值，以及人类在哪些方面仍然不可或缺的人。.

🔄📈 B2B 贸易平台支持 – 通过 Xpert.Digital 对出口和全球经济进行战略规划和支持 💡

B2B 交易平台 - Xpert.Digital 的战略规划和支持 - 图片：Xpert.Digital

企业对企业（B2B）贸易平台已成为全球贸易动态的重要组成部分，从而成为出口和全球经济发展的驱动力。这些平台为各种规模的公司提供了显着的好处，特别是中小企业，它们通常被认为是德国经济的支柱。在数字技术日益突出的世界中，适应和整合的能力对于在全球竞争中取得成功至关重要。