Tonnage aufs Kilo genau. Aber wie genau kennen Sie Ihre Marge pro Kunde?
ZopaAI liest Ihre ERP-Daten, Quote Logs und Vertragsdaten, verbindet sie mit mehr als 230.000 externen Quellen und bewertet jeden Account wöchentlich neu. Nach Base Price, Pass-through, Frachtkosten und Risiko.
Stahlindustrie
Marge pro Account – so transparent wie Ihre Tonnage
Im Stahlvertrieb sind Volumen, Güten und Aufträge meist bis ins Detail transparent. Die tatsächliche Marge pro Account ist deutlich schwerer zu erkennen. Denn Zuschlagsformeln, Index-Lags, Frachtkosten und Zahlungsbedingungen ändern sich über die Laufzeit eines Vertrages. ZopaAI führt Rechnungspositionen, Quote Logs und Vertragsdaten mit externen Informationen zu Inputkosten, Fracht, Marktpreisen und Kundenrisiken zusammen und bewertet jeden Account wöchentlich nach realisierter Marge, Pass-through und Risiko neu. Base Price, Zuschläge und Deckungsbeitrag werden separat ausgewiesen. So werden Margenlücken bis auf Vertragsebene sichtbar. Ihr Team geht mit einem klaren Bild in jede Vertragsrunde und weiß, wo Marge entsteht und wo sie verloren geht.
„ZopaAI steht für verlässliche, wissenschaftlich überprüfte KI für den Einsatz in Unternehmen, um das Problem von KI-Halluzinationen zu vermeiden.“
Zeitung, Frankfurt
Acht Bausteine. Ein intelligentes Steuerungssystem.
Alle Module arbeiten auf derselben Datengrundlage und mit derselben Scoring-Logik. Sie können mit einem Modul starten, ohne die übrigen später neu aufsetzen zu müssen.
Wählen Sie Ihre Rolle. Die Module, die im jeweiligen Arbeitsalltag relevant sind, werden hervorgehoben.
Account Scoring & Next Best Action
ZopaAI berechnet für jeden Account wöchentlich einen Score auf Basis realisierter Marge, Surcharge Pass-through, Volumenstabilität, Zahlungsverhalten und strategischem Fit. Neben dem Score sehen Sie die Veränderung zur Vorwoche und den Faktor, der sie ausgelöst hat. Direkt daneben steht eine konkrete Aktion: Vertrag neu öffnen, Konditionen halten, über Inside Sales betreuen, Volumen absichern, Exposure reduzieren, oder bewusst nichts tun. Zu jeder Aktion sehen Sie den erwarteten Effekt und die Bedingung, unter der sie sich ändern würde. Vor dem Go-live wird das Modell auf Ihre vergangenen zwei Vertragsrunden angewendet, damit Sie seine Empfehlungen mit den tatsächlichen Entscheidungen Ihres Teams vergleichen können.
- Pass-through-Gap je Vertrag sichtbar, getrennt vom Base Price
- Wöchentliche Score-Veränderungen inklusive des auslösenden Faktors
- Backtesting auf den letzten zwei Vertragsrunden vor dem Go-live
„Account 4711 ist um 9 Punkte gefallen. Treiber: Bei zwei Verträgen hat sich der Pass-through-Gap nach der letzten Indexanpassung vergrößert. Zahlungsverhalten unverändert. Empfehlung: Renewal im November vorbereiten, bis dahin keine Aktion.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Price & Quote Guidance
ZopaAI berechnet einen Preiskorridor auf Basis tatsächlich realisierter Geschäfte mit vergleichbaren Güten und Abmessungen, angepasst an die aktuelle Zuschlagssituation, Fracht und Incoterm. Direkt daneben steht der Deckungsbeitrag pro Stunde der kapazitätsbestimmenden Anlage. So wird sichtbar, wenn ein Auftrag zwar Tonnage füllt, wertvolle Produktionszeit aber zu günstig bindet. Der Korridor bleibt nachvollziehbar: Sie sehen, aus welchen Vergleichsangeboten er abgeleitet wurde, inklusive verlorener Quotes und des jeweiligen Preises.
- Ober- und Untergrenze je Quote auf Basis realisierter Vergleichsgeschäfte
- Base Price und Zuschlagsposition konsequent getrennt
- Deckungsbeitrag pro Engpassstunde direkt neben dem Preis
„Quote 8841, 320 t Federstahl: Preiskorridor von 40 Euro pro Tonne, basierend auf 14 vergleichbaren Quotes aus acht Monaten. Das aktuelle Angebot liegt am unteren Rand. Woche 38 ist bereits mit unterdurchschnittlichem Deckungsbeitrag pro Stunde ausgelastet. Entscheidend ist hier deshalb die Lieferzeit – nicht ein noch niedrigerer Preis.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Contract Round Preparation
Rahmenverträge werden oft nur einmalig beim Abschluss bewertet, und danach nie wieder. ZopaAI kalkuliert die verbleibende Vertragslaufzeit mit den heutigen Inputkosten neu und prüft Zuschlagsformeln auf Lag, Cap und Floor. Zusätzlich bewertet die Plattform die Alternativen des Accounts: Wettbewerbspräsenz in der jeweiligen Güte, Importdruck und Lieferzeiten. Daraus entsteht eine belegte Eröffnungsposition und eine Walk-away-Menge, die bereits vor dem Meeting feststeht.
- Verbleibende Vertragslaufzeit mit aktuellen Inputkosten neu bewerten
- Zuschlagsformeln vor dem Renewal auf Lag, Cap und Floor prüfen
- Walk-away-Menge pro Account vor Beginn der Verhandlung quantifizieren
„Account 4711, Renewal in Woche 44: Die aktuelle Formel folgt dem Schrottpreisindex mit einem Monat Verzögerung und kostet im steigenden Markt rund 12 Euro pro Tonne. Eröffnungsposition: Lag auf zwei Wochen verkürzen, Base Price halten. Walk-away-Menge: 900 t – innerhalb von sechs Wochen aus dem Order Book ersetzbar.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Volume & Call-off Planning
ZopaAI erstellt für jeden Account einen rollierenden Forecast darüber, welches Volumen tatsächlich abgerufen wird, und stellt ihn dem zugesagten Volumen gegenüber. Grundlage sind Call-off-Historie, die Auftragssituation des Kunden und die Entwicklung des Endmarkts. Der Forecast wird wöchentlich aktualisiert und zeigt auch die Veränderung zur Vorwoche. So wird eine Lücke zwischen Commitment und Forecast bereits im laufenden Jahr sichtbar – und nicht erst beim Jahresabschluss.
- Rollierender Call-off-Forecast je Account im Vergleich zum zugesagten Volumen
- Wöchentliche Veränderung sichtbar, solange noch reagiert werden kann
- Aggregation nach Werk und Güte, damit Sales und Produktion mit derselben Zahl arbeiten
„Account 4711: 12.000 t zugesagt, Forecast zum Jahresende 9.400 t. Die Lücke hat sich über die vergangenen zwei Quartale geöffnet, ausgelöst durch den Auftragseingang des Kunden. Empfehlung: Im November-Review adressieren, bevor im Renewal weiter mit dem Vorjahresvolumen gerechnet wird.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Early Risk Detection
Zahlungsverhalten, Unternehmensmeldungen, Kapazitätsankündigungen und das eigene Abrufverhalten verändern sich häufig Wochen bevor offene Forderungen reagieren. ZopaAI überwacht deshalb Accounts und die dahinterliegenden Unternehmensgruppen auf diese Signale, bündelt Exposure auf Gruppenebene statt nur je rechtlicher Einheit und zeigt Konzentrationsrisiken nach Endmarkt, Zielland und Quotenregime.
- Frühwarnsignale aus Zahlungsverhalten, Meldungen und Kapazitätsankündigungen
- Exposure auf Gruppenebene statt nur je rechtlicher Einheit
- Konzentration nach Endmarkt, Zielland und Quotenregime transparent
„Gruppe 3120, vier rechtliche Einheiten: Zahlungsverzug über zwei Quartale um 11 Tage gestiegen, Werksschließung beim größten Kunden angekündigt. Offenes Exposure: 4.200 t über die kommenden zwei Quartale. Empfehlung: offenes Volumen begrenzen und Zahlungsziele beim nächsten Auftrag verkürzen.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Contact & Visit Steering
ZopaAI berechnet für jeden Account eine Kontaktfrequenz und den passenden Kanal auf Basis des erwarteten Effekts pro Kontaktstunde inklusive Reisezeit. Jeder Processor, Distributor oder Industriekunde wird einem persönlichen Besuch, Inside Sales oder Digital Outreach zugeordnet. Gleichzeitig wird die Coverage je Territory sichtbar. So fallen Unternehmensgruppen mit Doppelbetreuung ebenso auf wie Accounts ohne klaren Owner.
- Kontaktfrequenz je Account statt starrer A/B/C-Klassen
- Kanalzuordnung: persönlicher Besuch, Inside Sales oder Digital Outreach
- Doppelbetreuung innerhalb von Gruppen und Accounts ohne Owner sichtbar
„Region West: 22 von 145 Processors vereinen 70 % des erwarteten Effekts auf sich. Empfehlung: 8 monatlich, 14 quartalsweise, übrige Accounts über Inside Sales. Drei monatlich besuchte Accounts zeigen nach vier Zyklen keinen messbaren Effekt.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Competitive Analysis
ZopaAI zeigt anhand von Handelsströmen, Kapazitätsankündigungen und Ihren eigenen Quote Outcomes, welcher Wettbewerber welche Güte in welche Region und welchen Zielmarkt liefert.
- Wettbewerbspräsenz nach Güte, Region und Zielmarkt
- Importdruck über Zoll- und Trade-Flow-Daten verfolgen
„Wälzlagerstahl, Norditalien: Vier von elf verlorenen Quotes gingen auf die Lieferzeit zurück – nicht auf den Preis. Durchschnittliche Differenz: neun Tage. Preisnachlässe haben die Win Rate in diesem Segment nicht verändert.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
New Customer Discovery
ZopaAI identifiziert Kandidaten anhand von Güte, Abmessung und Anwendungsprofil – verglichen mit dem, was Sie bereits profitabel produzieren. Dazu zählen Processors, Schmieden, Gießereien und Distributoren. Konzernstrukturen werden aufgelöst, sodass auch Tochtergesellschaften bestehender Kunden sichtbar werden. Bestehende Qualifikationen fließen in das Matching ein. Fehlt eine Freigabe, wird der erwartete Approval-Aufwand direkt mitbewertet.
- Matching nach Güte- und Abmessungsprofil statt nach Branchenklassifikation
- Konzernstrukturen auflösen, damit Tochtergesellschaften bestehender Kunden sichtbar werden
- Bestehende Qualifikationen berücksichtigen und fehlenden Approval-Aufwand abschätzen
„17 Kandidaten mit passendem Gütenprofil. Sechs sind Tochtergesellschaften von Gruppen, die Sie bereits beliefern. Neun bestehende Accounts nutzen eine Anwendung, die für Ihre Spezialgüte bereits an einem Schwesterwerk freigegeben ist.“
Beispielhafte Darstellung. Zahlen und Namen stammen nicht aus einem realen Kundenprojekt.
Was sich bei einem Stahlhersteller in zwölf Monaten verändert hat.
Die Case Study
- Kunde
- Stahlhersteller für Lang- und Flachprodukte. Anonymisierte Darstellung.
- Gebiet
- Europarund 900 aktive Accounts26 Sales-Mitarbeitende
- Umgesetzt
- Margin & Pass-through AnalysisPrice GuidanceEarly Risk DetectionContract Preparation
- Zeitraum
- Zwölf Monate, zwei Vertragsrunden, gemessen im Vergleich zu Kontrollregionen.
Die vollständige Case Study als PDF
Zwei Seiten zu Ausgangslage, Datenbasis, Methodik und Ergebnissen. Fordern Sie hier den Link an.
Das Formular konnte nicht geladen werden, möglicherweise wegen einer Browser-Erweiterung. Schreiben Sie uns an info@zopaai.com, dann senden wir Ihnen die Fallstudie.
Anonymisierte Darstellung. Zahlen stammen aus dem Projektcontrolling des Kunden.
Früher haben wir über Tonnage verhandelt. Heute verhandeln wir darüber, wo die Marge tatsächlich liegt – und wir wissen, welche Accounts wir halten sollten und bei welchen der Markt für uns entscheidet.
Referenz aus einem laufenden Projekt in der Stahlindustrie.
Was Sie vor dem ersten Gespräch wissen möchten
Die wichtigsten Antworten vor dem ersten Gespräch.
Schrott-, Legierungs- und Energiezuschläge werden für jede Produktlinie genau so modelliert, wie sie vertraglich vereinbart sind – inklusive Referenzindex, Lag, Cap und Floor. Inputkosten und Frachtdaten werden mindestens wöchentlich aktualisiert. Das Exposure aus laufenden Verträgen wird bei jedem neuen Quote und jedem Update des Order Books neu berechnet. Base Price, Zuschläge und tatsächlich realisierter Deckungsbeitrag bleiben dabei getrennt sichtbar. So erkennen Sie Pass-through-Gaps direkt auf Vertragsebene, statt dass sie in einer Gesamtrechnung verschwinden.
Wählen Sie Ihre Branche und Ihren Termin.Wir bringen Sie mit dem passenden Experten zusammen.
Kein klassischer Sales Pitch, sondern ein offenes Gespräch über Ihre Anforderungen. 30 Minuten, keine sensiblen Daten, kein Risiko, keine Kosten.
- Gespräch mit einem Industry Expert statt einem Generalisten
- Wertvoller Austausch und offene Einschätzung
- Fokus auf konkrete Potenziale