Am 6. Mai 2026 fand in Zürich die erste Ausgabe von AI Procurement Live statt. 20 Einkaufsverantwortliche haben Anwendungsfälle von Künstlicher Intelligenz im Einkauf angeschaut, eingeordnet und diskutiert. Zwei Abstimmungen zeigen, wo die Runde den Nutzen tatsächlich sieht.
Künstliche Intelligenz verändert den Einkauf. Diskutiert wird viel, gezeigt wird wenig. Genau dort setzt AI Procurement Live an: Anwendungsfälle live erleben, einordnen und daraus konkrete Schritte für den eigenen Einkauf ableiten.
Die Teilnehmenden kamen aus grösseren Schweizer Unternehmen und Organisationen. Der Event folgte einem einfachen Ablauf: Grundlagen, Nutzenpotenziale, Use Cases entlang des Beschaffungsprozesses, Umsetzungswege und Vorgehen.
Was ist AI Procurement Live von Procurement Partner
AI Procurement Live ist eine Eventreihe für Einkaufsverantwortliche, die Digitalisierung und Künstliche Intelligenz im eigenen Bereich aktiv vorantreiben. Sie findet zweimal jährlich in Bern oder Zürich statt, in kleiner Runde mit rund 20 Teilnehmenden und nur auf persönliche Einladung.
Was uns dabei wichtig ist:
- Austausch auf Augenhöhe zwischen Verantwortlichen, die Künstliche Intelligenz im eigenen Einkauf voranbringen wollen.
- Wenig Theorie, viel Praxis. Live-Anwendungsfälle aus dem Umfeld der Teilnehmenden und von Procurement Partner.
- Konkrete Erfahrungen und Impulse zum Mitnehmen. Keine Folien zum Ablegen.
- Raum für Allianzen, um Künstliche Intelligenz im Einkauf über den Event hinaus gemeinsam weiterzuentwickeln.
- Networking beim Apéro. Weil die wertvollsten Gespräche oft erst nach dem offiziellen Teil entstehen.
Die folgenden Abschnitte fassen zusammen, was gezeigt, eingeordnet und abgestimmt wurde.
Das Stufenmodell als Entscheidungsraster
Das Stufenmodell von Procurement Partner ist ein Entscheidungsraster für Vorhaben und Investitionen. Es reicht von regelbasierter Automatisierung (RPA) über Intelligent Process Automation, Machine Learning, GenAI und Assistants bis zu Agenten und Multi-Agenten-Systemen. Jede Stufe ergänzt eine neue Fähigkeit und enthält alle vorherigen. Mit jeder Stufe wächst die Autonomie des Systems, vom Ausführen über das Empfehlen bis zum eigenständigen Handeln. Im gleichen Mass reduziert sich der notwendige menschliche Eingriff.
Die richtige Stufe ergibt sich aus dem Anwendungsfall und nicht aus dem Ambitionsniveau. Sie liegt dort, wo das Verhältnis von Kontrolle und Automation für das Unternehmen vertretbar bleibt. Multi-Agenten-Systeme auf Stufe 7 wirken attraktiv, sind aber selten die wirtschaftlich richtige Antwort, wenn eine Lösung auf Stufe 2 den gewünschten Effekt bereits erzielt.
Aus der Diskussion: Mehrere Teilnehmende verorten ihre Organisation auf Stufe 4. Grund ist die unternehmensweite Verfügbarkeit von Microsoft Copilot, die in einzelnen Anwendungsfällen bereits genutzt wird, meist unkoordiniert und ohne strukturierten Einführungsplan. Agentic-AI-Systeme der Stufen 6 und 7 sind in der Runde noch nicht produktiv im Einsatz. Die Erkenntnis der Runde: Die richtige Stufe ist nicht die höchste, sondern die für den Anwendungsfall angemessenste.
Mehr zum Modell im Beitrag KI im Einkauf: 7 Stufen und ihre Wirkung
Worauf Künstliche Intelligenz im Einkauf einzahlt
Sechs Zielfelder bilden den Nutzen von Künstlicher Intelligenz im Einkauf ab: Kosten senken, Prozesse beschleunigen, Risiko und Compliance, Transparenz schaffen, Fokus auf strategische Tätigkeiten und bessere Entscheidungen. Die Wahl des Zielfelds bestimmt Ausrichtung und Wirkung eines Vorhabens.
Effizienzsteigerung und Kostensenkung sind die offensichtlichen Hebel. Sie werden jedoch häufig bereits durch etablierte Digitalisierungsprojekte adressiert. Auf einem soliden Fundament aus Prozessen, Regelwerken und Daten eröffnet Künstliche Intelligenz darüber hinaus die Möglichkeit, strategische Ziele wirksamer zu erreichen. Die genannten Kennzahlen sind realistisch, aber nur mit diesem Fundament erreichbar.
Die Priorisierung der Zielfelder
Die Teilnehmenden priorisierten Risiko und Compliance mit 12 Stimmen an erster Stelle, gefolgt von der Beschleunigung der Prozesse mit 10 Stimmen. Der Fokus auf strategische Tätigkeiten erhielt 6 Stimmen, Transparenz 4, Kostensenkung 3 und bessere Entscheidungen 2 Stimmen.
Bemerkenswert ist die tiefe Platzierung der Kostensenkung. Sie bestätigt, dass die Runde den Wert von Künstlicher Intelligenz weniger im klassischen Einsparhebel sieht als in der Fähigkeit, Risiken früher zu erkennen und Durchlaufzeiten zu verkürzen. In der Diskussion kam ein siebtes Feld hinzu: ein vorgelagertes Demand Management, das bei wirksamer Umsetzung gleich mehrere Ziele unterstützt.
Wo die Use Cases heute liegen
Entlang der sechs Hauptprozesse Warengruppenmanagement, Lieferantenmanagement, Ausschreibung, Vertragsmanagement, Bestellung und Rechnung lassen sich die heute verfügbaren Anwendungsfälle den mittleren Stufen des Modells zuordnen: Machine Learning, GenAI, Assistants und Agenten.
Im Vertragsmanagement und bei Ausschreibungen findet sich gegenwärtig die grösste Dichte an verfügbaren Use Cases. Volumen, Strukturierbarkeit und Standardisierungsgrad sind hier oft ideal. Operative Schritte wie Bestellung und Rechnung profitieren von Automatisierung durch Machine Learning. Das strategische Warengruppen- und Lieferantenmanagement gewinnt vor allem durch Assistants und Agenten an Geschwindigkeit.
Die Priorisierung der Hauptprozesse
Den höchsten Nutzen sehen die Teilnehmenden im Vertragsmanagement mit 12 Stimmen und bei Ausschreibungen mit 10 Stimmen. Lieferanten- und Warengruppenmanagement folgen mit je 5 Stimmen, die Rechnung mit 4 und die Bestellung mit einer Stimme.
Die tiefe Priorisierung von Bestellung und Rechnung überrascht auf den ersten Blick. Sie ist darauf zurückzuführen, dass in diesen Prozessen im Rahmen der Digitalisierung bereits vieles umgesetzt wurde. Als übergreifender Hauptprozess wurde zusätzlich die Orchestrierung der Bedarfe genannt, deren Nutzen die Runde hoch einschätzt.
Der Einstieg in fünf Phasen
Die fünf Phasen Orientierung, Quick-Win, Vorbereitung, Konzeption und Umsetzung bilden einen pragmatischen Weg und keine akademische Methode. Orientierung und Quick-Win schaffen schnell Verständnis und erste Erfahrungen. Das ist wesentlich, weil Künstliche Intelligenz im Einkauf primär durch Anwenden verstanden wird und nicht durch Lesen. Vorbereitung und Konzeption sichern anschliessend die Tragfähigkeit.
Nicht jede Organisation beginnt bei null. Welche Phase relevant ist, hängt vom heutigen Stand ab. Aus der Diskussion entstand die Idee, einzelne Ergebnisse gemeinsam zu erarbeiten, insbesondere in den Phasen Orientierung und Quick-Win. Diese Möglichkeit stimmen wir mit den Teilnehmenden im Nachgang zum Event ab.
Die drei Kernbotschaften und der Ausblick
Drei Botschaften wurden vermittelt und diskutiert. Sie gelten unabhängig von der Reife der einzelnen Organisation.
- Ohne digitale Basis funktioniert Künstliche Intelligenz nicht. Saubere Stammdaten, Strukturen und Prozesse sind die Voraussetzung. Ohne sie lernt das System falsch.
- Die Use Cases sind real und produktiv. Vertragsextraktion, Predictive Alerts und automatisierter 3-Wege-Match laufen heute in Unternehmen. Wer wartet, baut Rückstand auf.
- Der Einstieg sollte klein und konkret sein. Ein Prozess, ein Use Case, eine Lernschleife schaffen mehr Bewegung als jede Roadmap-Übung.
Oder kürzer: Künstliche Intelligenz im Einkauf ist kein Projekt, sondern eine Haltung.
Es geht weiter
Die zweite Ausgabe von AI Procurement Live findet am 1. Oktober 2026 in Zürich statt, wieder in kleiner Runde und auf persönliche Einladung. Im Zentrum stehen Anwendungsfälle, die in Schweizer Unternehmen produktiv laufen, inklusive der Zwischenstände: was funktioniert hat und was nicht.
Bis dahin bleiben wir nicht stehen. Wir orientieren, testen, konzipieren und setzen um. Schritt für Schritt von der Theorie in die Praxis.
Wir danken allen Teilnehmenden für die offenen Gespräche und die Bereitschaft, eigene Erfahrungen zu teilen. Wir freuen uns auf alle, die diesen Weg mit uns gehen.
Fragen zur Eventreihe oder Interesse an einer Teilnahme:
Christian Suter, Director, 079 654 96 77
