KI im Einkauf: wo Sprachmodelle Procurement-Teams wirklich entlasten — und wo nicht

Warum der Einkauf ein dankbares und ein heikles Feld zugleich ist

Procurement-Teams haben drei Eigenschaften, die KI-Anwendungen besonders attraktiv machen. Erstens hohe Wiederholungsanteile: Bestellungen, Anfragen, Bestätigungen, Stammdatenpflege. Zweitens viel unstrukturiertes Material: Verträge, Angebote, Lieferantenkommunikation, Spezifikationen. Drittens ein klarer betriebswirtschaftlicher Hebel: Jede Stunde, die ein qualifiziertes Einkaufsteam nicht in Verwaltung, sondern in Verhandlung steckt, zahlt direkt auf das Ergebnis ein.

Gleichzeitig ist Einkauf ein heikles Feld. Verträge tragen Konsequenzen, Lieferanten- Beziehungen sind sensibel, und die Datenlage ist in vielen Unternehmen historisch fragmentiert. Ein Assistent, der falsche Konditionen zitiert oder eine sensible Information an den falschen Adressaten gibt, richtet im Einkauf schneller Schaden an als in vielen anderen Bereichen.

Die Frage ist also nicht „lohnt sich KI im Einkauf?", sondern „welche Aufgaben gehören in welcher Form an welchen Assistenten?" — eine Auswahlfrage, die strukturiert beantwortet werden sollte und die wir im Beitrag zur Identifikation und Priorisierung von Use Cases allgemein beschrieben haben.

Wo KI im Einkauf heute zuverlässig entlastet

Drei Einsatzfelder tragen in unseren Projekten besonders verlässlich. Sie haben gemeinsam, dass sie nicht versuchen, die Entscheidung zu ersetzen, sondern den Weg zu einer guten Entscheidung zu verkürzen.

Das erste Feld ist die Vertrags- und Dokumentenanalyse. Klauseln heraussuchen, Standard- vs. Sonderkonditionen erkennen, Fristen und Laufzeiten vergleichen, Abweichungen vom Musterwerk markieren. Wer in Rahmenverträgen, Lieferbedingungen oder Allgemeinen Einkaufsbedingungen viele ähnliche Dokumente hat, spart hier echte Stunden — vorausgesetzt, die Dokumente sind sauber zugänglich. Das ist eng verwandt mit der breiteren Dokumentenverarbeitung mit KI, aber im Einkauf mit eigenen, juristisch geprägten Anforderungen an Belegbarkeit.

Das zweite Feld ist die Aufbereitung von Lieferantenanfragen und Angebotsvergleichen. Eingehende Angebote werden strukturiert erfasst, Positionen normalisiert, Vergleichstabellen vorbereitet und Auffälligkeiten (fehlende Felder, abweichende Einheiten, ungewöhnliche Konditionen) markiert. Der Einkauf entscheidet weiterhin selbst — bekommt die Entscheidung aber in einer Form, die ohne KI-Unterstützung Stunden manueller Arbeit gekostet hätte.

Das dritte Feld ist die interne Wissensauskunft. „Welche Konditionen haben wir mit Lieferant X im Rahmenvertrag? Welche Lieferzeiten sind verbindlich? Welche Einkaufsrichtlinie gilt für diese Warengruppe?" Solche Fragen werden heute oft in Mailverteilern oder telefonisch geklärt, obwohl die Antworten längst irgendwo dokumentiert sind. Ein gut gebauter Assistent auf einer RAG-Architektur macht dieses Wissen zugänglich, mit klaren Quellenverweisen.

Wo KI im Einkauf nicht hingehört — jedenfalls noch nicht

Genauso wichtig wie die Frage nach guten Einsatzfeldern ist, klar zu benennen, wo KI im Einkauf heute typischerweise nicht hingehört.

Autonome Bestellungen über bestimmte Schwellen hinweg sind in den allermeisten Unternehmen die falsche Wahl. Auch wenn das Modell die Entscheidung technisch treffen könnte, ist die Konsequenz eines Fehlers groß und die Lernkurve im laufenden Betrieb teuer. Sinnvoll sind hier Vorbereitungs-Schritte mit menschlicher Freigabe — nicht voller agentischer Autonomie.

Direkte Lieferantenkommunikation in heiklen Vorgängen sollte nicht ungeprüft an einen Assistenten delegiert werden. Eskalationen, Mahnungen, Reklamationen oder Vertragsverhandlungen sind Vorgänge, in denen Tonalität, Rechtsstellung und persönliche Beziehung mitschwingen. Ein assistierender Entwurf ist möglich; eine automatische Versendung in der Regel nicht.

Strategische Lieferantenbewertung als Black Box erzeugt mehr Streit als Nutzen. Wer Bewertungen aus einem Modell zieht, ohne die Kriterien transparent zu machen, verliert die Akzeptanz im Team und beim Lieferanten. Strukturhilfen ja, aber keine Empfehlungen ohne nachvollziehbare Begründung.

Daten, Berechtigungen und das ERP-Problem

Im Einkauf liegt ein großer Teil der relevanten Information im ERP, im Vertragsmanagement und in der E-Mail-Historie. Diese drei Quellen haben gemeinsam, dass sie selten so aufgeräumt sind, wie man im Pilot-Setup hofft. Stammdaten sind historisch gewachsen, Verträge in mehreren Versionen abgelegt, Mailverläufe quer verteilt.

Genau hier entscheidet sich, ob ein Procurement-Pilot in den Betrieb kommt oder nicht. Es lohnt sich, die Datenfrage von Anfang an ernst zu nehmen — nicht als generelles Aufräumprojekt, sondern fokussiert auf die konkreten Vorgänge, die assistiert werden sollen. Welche Qualitätsdimensionen für KI-Anwendungen wirklich zählen, haben wir im Beitrag zur Datenqualität für KI-Projekte ausgeführt — die dort beschriebenen Punkte gelten im Einkauf eins zu eins.

Ein zweites Thema, das im Einkauf oft unterschätzt wird, sind Berechtigungen. Konditionen sind selten für alle Rollen freigegeben, Lieferantenbewertungen oft nur für die strategischen Einkäufer sichtbar, Reklamationsdaten gehören manchmal in die Qualitätssicherung statt ins operative Procurement. Eine KI-Anwendung darf diese Berechtigungen nicht aufweichen, sondern muss sie aus den Quellsystemen mitnehmen.

Architekturfragen, die früh entschieden werden müssen

Drei Architekturfragen tauchen in fast jedem Einkaufs-Projekt auf und sollten nicht erst beim ersten Vorfall geklärt werden.

Erstens: Wo sitzt das Wissen, wo sitzt die Aktion? Ein Assistent, der Verträge interpretiert und Auskunft gibt, ist ein anderes System als ein Agent, der Bestellanforderungen anlegt oder ändert. Beides darf gleichzeitig existieren, aber beides braucht eigene Architektur, eigene Berechtigungen und eigenes Logging. Die Abwägung zwischen echtem Agenten und festem Workflow ist im Einkauf eher zugunsten klarer Workflows zu beantworten.

Zweitens: Wie binde ich ERP und Vertragsmanagement an? Die Versuchung, jede Anbindung pro Projekt neu zu schreiben, ist groß und teuer. Mittelfristig zahlt sich eine standardisierte Verbindungsschicht aus, etwa über das Model Context Protocol, damit nicht jedes neue KI-Werkzeug seine eigene ERP-Brücke baut.

Drittens: Wie messe ich Qualität? Eine falsche Klauselauswertung oder eine fehlerhafte Konditionsauskunft ist im Einkauf ein konkretes Risiko. Tests, Belegpflicht und ein bewusstes „weiß ich nicht"-Verhalten gehören in den ersten Entwurf, nicht in eine spätere Härtungsphase. Diese Disziplin überschneidet sich direkt mit dem Bereich LLM-Qualitätssicherung.

Typische Fehler in Procurement-Projekten

Der häufigste Fehler ist, KI im Einkauf als reines Effizienzprojekt anzulegen. „Wir wollen X Stunden pro Monat einsparen" klingt sauber, blendet aber aus, dass der eigentliche Wert in besser informierten Entscheidungen entstehen kann. Wer den Nutzen nur in eingesparter Zeit misst, wählt die falschen Use Cases zuerst.

Der zweite Fehler ist, den Pilot mit ein paar PDFs zu fahren und beim Rollout festzustellen, dass das ERP, das DMS und die Mailverteiler eine ganz andere Realität sind. Diese Phase überspringen viele Vorhaben — wir haben sie im Beitrag vom KI-Pilot zur Produktion ausgeführt.

Der dritte Fehler ist, den Einkauf nicht in die Verantwortung zu nehmen. Eine KI-Anwendung im Procurement gehört dem Einkauf, nicht der IT — auch wenn die IT sie betreibt. Ohne fachlichen Owner verliert das System schnell an inhaltlicher Schärfe und damit an Akzeptanz im Tagesgeschäft.

Der vierte Fehler ist, zu früh über autonome Bestellungen zu reden. Wer in der ersten Iteration Entscheidungen automatisieren will, die heute mit gutem Grund Menschen treffen, verliert die Diskussion bevor sie begonnen hat. Assistierte Vorbereitung mit menschlicher Freigabe ist fast immer der sauberere Einstieg.

Wann externe Unterstützung sinnvoll ist

Ein experimenteller Vertragsassistent für ein gut sortiertes Vertragsarchiv ist heute in wenigen Tagen gebaut. Eine produktive KI-Anwendung im Einkauf, die ERP, Vertragsmanagement, Berechtigungen und Audit-Anforderungen sauber zusammenbringt, ist eine andere Größenordnung. Spätestens dort lohnt sich ein Blick von außen — auf Schnitt, Architektur, Datenfragen und Betriebsmodell.

Wir arbeiten mit Unternehmen, die KI im Einkauf nicht als IT-Spielwiese, sondern als Werkzeug ihrer Procurement-Strategie sehen. Wenn das zu Ihrer Situation passt, sprechen Sie uns an, am besten zu Beginn — wenn Zielbild, Use Cases und Datenlage noch gestaltbar sind. Den passenden Rahmen dafür bieten wir über KI-Agenten und Automatisierung sowie unser AI Engineering.