Künstliche Intelligenz verspricht dem Einkauf schnellere Analysen, weniger Routinearbeit und bessere Entscheidungsgrundlagen. Doch zwischen ersten Experimenten mit generativer KI und einem verlässlich KI-unterstützten Einkaufsprozess liegt ein großer Schritt. Dr. Jörg Pirron, Geschäftsführender Gesellschafter der PROTEMA Unternehmensberatung, Christof Bartsch, Senior Manager und Mitglied der Geschäftsleitung bei PROTEMA, sowie Jan Michaelsen, Executive Management Consultant bei Pro4Ex Consulting, sprechen im Interview darüber, wo KI heute bereits konkreten Nutzen schafft, weshalb Unternehmen nicht mit dem spektakulärsten Anwendungsfall beginnen sollten und warum menschliche Verantwortung auch bei zunehmender Automatisierung unverzichtbar bleibt.
KI-MASTERCLASS FÜR FÜHRUNGSKRÄFTE
KI ist inzwischen in nahezu jedem Unternehmen ein Thema. Wie weit ist der Einkauf bei der tatsächlichen Nutzung?
Dr. Jörg Pirron: Das Bild ist sehr heterogen. Viele Unternehmen haben erste Erfahrungen gesammelt, beispielsweise mit generativer KI für Recherchen, Zusammenfassungen oder die Aufbereitung von Informationen. Das ist ein sinnvoller Einstieg. Der Schritt von solchen individuellen Anwendungen zu einem stabilen, integrierten Einkaufsprozess ist jedoch deutlich anspruchsvoller.
Entscheidend ist, dass Unternehmen KI nicht als zusätzliches Werkzeug neben die vorhandenen Abläufe stellen. Wenn eine Anwendung nachhaltig funktionieren soll, müssen Prozesse, Daten, Verantwortlichkeiten und Systeme zusammenpassen. Genau an dieser Stelle trennt sich häufig der interessante Pilot von einer Lösung, die im Alltag tatsächlich skaliert.
Christof Bartsch: Man sollte deshalb auch nicht nur fragen: Wo können wir KI einsetzen? Die bessere Frage lautet: Wo haben wir heute einen relevanten Aufwand oder ein konkretes Problem, bei dem KI einen messbaren Beitrag leisten kann? Das führt meistens wesentlich schneller zu sinnvollen Anwendungsfällen.
Routinearbeit ist ein guter Ausgangspunkt
Wo sehen Sie momentan besonders realistische Einsatzmöglichkeiten?
Christof Bartsch: Überall dort, wo Einkäufer sehr viel Zeit mit wiederkehrender Informationsarbeit verbringen. Dazu gehören Markt- und Lieferantenrecherchen, die Strukturierung umfangreicher Unterlagen oder die Vorbereitung von Ausschreibungen. Das sind Tätigkeiten, die fachliche Aufmerksamkeit binden, obwohl ein erheblicher Anteil standardisierbar ist.
Wenn KI diese Vorarbeit übernimmt, entsteht Zeit für Aufgaben, bei denen menschliche Erfahrung tatsächlich den Unterschied macht: Lieferantenentwicklung, Verhandlungen, strategische Entscheidungen oder die Zusammenarbeit mit internen Bedarfsträgern.
Jan Michaelsen: Gerade darin liegt kurzfristig ein großer Nutzen. Unternehmen müssen nicht sofort versuchen, einen autonomen Einkauf aufzubauen. Schon wenn eine Tätigkeit statt mehreren Stunden nur noch einen Bruchteil dieser Zeit benötigt, entsteht ein konkreter Produktivitätseffekt. Solche Verbesserungen sind zudem relativ leicht messbar und schaffen Vertrauen in die Technologie.
Der spektakulärste Use Case ist selten der beste
Wie sollten Unternehmen entscheiden, mit welchem KI-Projekt sie beginnen?
Christof Bartsch: Nicht nach dem größtmöglichen theoretischen Potenzial. Ein beeindruckender Anwendungsfall hilft wenig, wenn zunächst monatelang Daten bereinigt, Prozesse neu definiert oder komplexe Schnittstellen geschaffen werden müssen.
Für einen guten Einstieg sollten mehrere Faktoren zusammenkommen: ein klarer Geschäftsnutzen, ausreichend verfügbare Daten, ein überschaubarer Prozess und ein vertretbares Risiko. Ein kleiner Use Case, der nach kurzer Zeit zuverlässig funktioniert, bringt oft mehr Erkenntnisse als ein großes Leuchtturmprojekt, das nie aus der Pilotphase herauskommt.
Dr. Jörg Pirron: Hinzu kommt der Lernprozess in der Organisation. Unternehmen müssen Erfahrungen damit sammeln, welche Ergebnisse sie einer KI anvertrauen können, wo Kontrollen notwendig sind und wie die Zusammenarbeit zwischen Mensch und Technologie gestaltet werden soll. Diese Kompetenz entsteht nicht durch eine einmalige Implementierung, sondern durch die praktische Anwendung.
Datenqualität wird im Zusammenhang mit KI immer wieder genannt. Ist sie tatsächlich ein so großes Hindernis?
Dr. Jörg Pirron: Absolut. KI kann sehr leistungsfähig sein, aber sie kann keine belastbare Einkaufsentscheidung aus einer unzuverlässigen Datenbasis zaubern. Wenn beispielsweise Materialstämme uneinheitlich gepflegt, Lieferanten mehrfach angelegt oder Warengruppen unterschiedlich bezeichnet sind, wirken sich diese Probleme unmittelbar auf die Analyse aus.
Deshalb führt KI häufig dazu, dass Unternehmen sich mit Themen beschäftigen müssen, die eigentlich schon lange auf der Agenda stehen: Wer ist für bestimmte Daten verantwortlich? Welche Quelle ist verbindlich? Nach welchen Regeln werden Informationen gepflegt?
Christof Bartsch: Das klingt zunächst wenig spektakulär, ist aber entscheidend. Gute Data Governance schafft nicht nur bessere Voraussetzungen für KI, sondern verbessert den Einkaufsprozess insgesamt. Insofern kann ein KI-Projekt sogar der Anlass sein, bestehende Daten- und Prozessprobleme endlich systematisch anzugehen.
Wenn aus Hunderten Seiten eine Entscheidungsgrundlage wird
Besonders interessant erscheint KI bei umfangreichen Angeboten und Ausschreibungen. Was verändert sich dort?
Jan Michaelsen: Bei komplexen Vergaben entsteht enorme Informationsarbeit. Mehrere Anbieter liefern umfangreiche Dokumente, beantworten Anforderungen unterschiedlich und verwenden teilweise eigene Strukturen oder Begrifflichkeiten. Bevor überhaupt eine belastbare Bewertung möglich ist, müssen diese Inhalte vergleichbar gemacht werden.
Genau dort kann KI sehr stark unterstützen. Sie kann Informationen extrahieren, Unterschiede sichtbar machen, fehlende Angaben identifizieren und die Angebote nach vorgegebenen Kriterien strukturieren. Dadurch verschiebt sich die Arbeit des Einkäufers von der manuellen Informationssuche hin zur tatsächlichen Bewertung.
Christof Bartsch: Wichtig ist allerdings die Trennung zwischen Vorbereitung und Entscheidung. Die KI kann beispielsweise feststellen, dass ein Anbieter eine bestimmte Anforderung nicht beantwortet hat. Ob diese Anforderung zwingend notwendig ist oder wie stark sie in die Gesamtbewertung eingeht, muss zuvor fachlich definiert worden sein.
Wo die Entscheidung beim Menschen bleiben muss
Wie weit kann die Automatisierung im Einkauf überhaupt gehen?
Jan Michaelsen: Bei hochstandardisierten Beschaffungsvorgängen durchaus weit. Wenn Produkt, Qualitätsanforderungen, Wertgrenzen, Lieferbedingungen und Entscheidungslogik eindeutig definiert sind, können künftig auch KI-Agenten operative Schritte selbstständig durchführen.
Ganz anders sieht es bei strategischen Beschaffungen aus. Dort spielen Faktoren eine Rolle, die sich nicht vollständig in eine mathematische Bewertungslogik überführen lassen. Vertrauen in einen Lieferanten, die Qualität eines Projektteams oder die Frage, wie sich eine Partnerschaft langfristig entwickeln kann, erfordern menschliches Urteil.
Dr. Jörg Pirron: Außerdem müssen die strategischen Leitplanken vom Unternehmen selbst kommen. KI kann Szenarien berechnen oder Marktinformationen aufbereiten. Sie kann aber nicht autonom entscheiden, welche Risikobereitschaft ein Unternehmen haben möchte oder ob beispielsweise Single Sourcing strategisch akzeptabel ist. Verantwortung lässt sich nicht an ein Modell delegieren.
Forecasts werden besser – aber nicht perfekt
Ein weiteres großes Versprechen liegt in besseren Prognosen. Wie realistisch ist das?
Jan Michaelsen: Machine-Learning-Verfahren können historische Muster deutlich differenzierter auswerten als viele klassische Prognosemethoden. Dadurch können Bedarfsprognosen besser werden, was wiederum Vorteile für Bestände, Kapazitätsplanung und Lieferantenkommunikation bringt.
Aber auch das beste Modell kennt die Zukunft nicht. Ein unerwartetes geopolitisches Ereignis oder eine noch nicht im System vorhandene Marketingaktion kann keine KI aus historischen Daten zuverlässig ableiten.
Christof Bartsch: Gerade deshalb bleibt Unsicherheitsmanagement wichtig. Unternehmen sollten nicht versuchen, mit KI die letzte Unsicherheit aus der Planung zu eliminieren. Viel wichtiger ist die Frage, wie sie mit dem verbleibenden unsicheren Anteil umgehen: durch flexible Kapazitäten, geeignete Bestände oder klare Priorisierungsregeln.
Vertrauen entsteht durch Nachvollziehbarkeit
Was muss passieren, damit Einkäufer KI-Empfehlungen tatsächlich vertrauen?
Dr. Jörg Pirron: Transparenz ist entscheidend. Ein Ergebnis darf nicht einfach erscheinen und anschließend als Wahrheit behandelt werden. Anwender müssen nachvollziehen können, welche Informationen eingeflossen sind, nach welchen Kriterien bewertet wurde und an welchen Stellen Unsicherheit besteht.
Das gilt insbesondere für geschäftskritische Vorgänge. Dort braucht es definierte Kontroll- und Freigabestufen. Die KI kann einen Vorschlag machen, aber ein Mensch prüft und verantwortet die Entscheidung.
Jan Michaelsen: Unternehmen sollten außerdem von Anfang an festlegen, was im Fehlerfall passiert. Wie wird eine fehlerhafte Empfehlung erkannt? Wer bewertet die Ursache? Wie wird verhindert, dass sich derselbe Fehler wiederholt? Solche Fragen gehören zur Governance genauso wie Datenschutz oder Informationssicherheit.
Sensible Einkaufsdaten brauchen geschützte Räume
Gerade Einkauf arbeitet mit vertraulichen Angeboten und Vertragsinformationen. Welche Grenzen ergeben sich daraus?
Christof Bartsch: Sehr klare. Vertrauliche Lieferantenangebote, Verträge oder interne Konditionen gehören nicht unkontrolliert in öffentlich zugängliche KI-Dienste. Unternehmen benötigen verbindliche Regeln darüber, welche Informationen mit welchem System verarbeitet werden dürfen.
Dr. Jörg Pirron: Informationssicherheit und Compliance dürfen deshalb nicht nachträglich ergänzt werden. Sie müssen Teil des jeweiligen Anwendungsfalls sein. Abhängig von den Daten können geschützte Unternehmensumgebungen oder lokal betriebene Modelle erforderlich sein. Je früher solche Anforderungen geklärt werden, desto einfacher lässt sich die Lösung später skalieren.
Vom Pilotprojekt zum neuen Arbeitsmodell
Wann wird aus einzelnen KI-Anwendungen schließlich ein KI-gestützter Einkauf?
Dr. Jörg Pirron: Wenn die Anwendungen nicht mehr als isolierte Experimente betrachtet werden. Unternehmen sollten zunächst verstehen, welche Tätigkeiten ihre Einkaufsorganisation prägen, wo viel Kapazität gebunden wird und welche Prozesse sich sinnvoll unterstützen lassen.
Darauf folgt die Priorisierung geeigneter Use Cases. Bewähren sich diese, müssen Prozesse standardisiert, Verantwortlichkeiten festgelegt, Mitarbeiter qualifiziert und Anwendungen in die bestehende Systemlandschaft integriert werden.
Christof Bartsch: Gerade die Qualifizierung darf man nicht unterschätzen. Einkäufer müssen nicht zu KI-Entwicklern werden. Sie müssen aber verstehen, wie sie mit den Systemen arbeiten, Ergebnisse kritisch prüfen und erkennen können, wann eine menschliche Bewertung erforderlich ist.
Jan Michaelsen: Langfristig verändert sich dadurch auch das Rollenbild. Weniger Zeit fließt in Informationsbeschaffung und Routine, mehr Zeit in Interpretation, Strategie und Lieferantenbeziehungen. KI ersetzt damit nicht einfach den Einkäufer – sie verändert, womit sich ein guter Einkäufer beschäftigt.
Fazit: Erst die Grundlage, dann die Skalierung
Mit einem klar abgegrenzten Problem beginnen und den Nutzen messbar machen. Nicht jeder Prozess muss sofort automatisiert werden. Gleichzeitig sollten Unternehmen bewusst definieren, wo Automatisierung sinnvoll ist und wo menschliches Urteil unverzichtbar bleibt. Diese Grenze ist gerade im Einkauf entscheidend. Und man sollte KI nicht losgelöst von der Organisation betrachten. Belastbare Daten, klare Prozesse, sichere Systeme und eindeutige Verantwortlichkeiten schaffen erst die Voraussetzungen dafür, dass aus technologischer Möglichkeit ein nachhaltiger Geschäftsnutzen entsteht.
Mehr zum Thema: Strategische Beschaffung
Von KI-Experimenten zu konkretem Nutzen
Erfahren Sie in unserer KI-Masterclass für Führungskräfte, wie Sie KI-Potenziale systematisch bewerten und den Einsatz von KI erfolgreich in die Praxis bringen. Mehr zur KI-Masterclass
Welche KI-Anwendungen bieten für Ihr Unternehmen echten Mehrwert? Wir unterstützen Sie dabei, relevante Potenziale zu identifizieren und KI Schritt für Schritt in die Praxis zu überführen. Kontaktieren Sie uns – wir freuen uns auf Ihre Anfrage.
