In den letzten Wochen war einiges los im Bereich digitaler Einkauf: Anfang Mai haben wir den ersten AI Procurement Live Event in Zürich durchgeführt. Kurz darauf besuchten wir die 17. BME eLösungstage in Düsseldorf.

Die eLösungstage sind die grösste Fachveranstaltung für digitalen Einkauf im deutschsprachigen Raum. Zwei Formate, zwei Zielgruppen, aber eine Botschaft, die sich an beiden Orten klar wiederholt hat: KI im Einkauf ist kein Zukunftsthema mehr. Sie findet heute statt, in echten Unternehmen, mit echten Ergebnissen.

Die Voraussetzungen waren noch nie so gut

Erprobte Use Cases, verfügbare Technologie, wachsendes Know-how in den Teams. Wer jetzt strukturiert startet, kann in wenigen Monaten messbare Ergebnisse vorweisen. Die entscheidende Frage ist nicht mehr ob, sondern wann und wo anfangen.

Sieben Stufen, kein Schalter

KI im Einkauf entwickelt sich in Stufen und nicht von null auf hundert. Das Procurement-Partner-Stufenmodell zeigt, wie sich die Fähigkeiten aufbauen und warum jede Stufe auf der vorherigen aufsetzt:

Wer auf Stufe 5 einsteigen will, ohne die nötige Daten- und Prozessbasis zu haben, hat es schwer. Umgekehrt gilt: Die Stufen 1 bis 3 schaffen bereits heute erheblichen Mehrwert und sie sind nicht blosse Vorstufen.

Was KI im Einkauf wirklich leisten kann

Was KI im Einkauf konkret bringt, lässt sich in sechs Feldern zusammenfassen:

  • Kosten senken: Should-Cost-Modelle zeigen, was ein Artikel kosten darf. Automatische Spend-Klassifizierung ordnet die Ausgaben zu. Tail-Spend-Bündelung reduziert die Lieferantenanzahl und verbessert Konditionen.
  • Prozesse beschleunigen: OCR und risikobasierte Genehmigungen beschleunigen den Source-to-Pay-Zyklus. Ausschreibungen (RfI, RfP, RfQ) entstehen in Minuten statt Tagen.
  • Risiken früher erkennen: Supplier-Risk-Scoring mit automatischen Insolvenz-, ESG- und Finanzsignalen. Kontinuierliches Vertragsmonitoring mit Sanktionslisten-Abgleich, nicht erst beim nächsten Audit.
  • Transparenz schaffen: Vollständige Spend Visibility und Lieferanten-Dossiers on demand. Konditionen können automatisch mit Marktdaten verglichen werden.
  • Fokus auf strategische Tätigkeiten: KI übernimmt Routinen. Statusanfragen beantwortet ein Chatbot rund um die Uhr. GenAI schreibt Protokolle und Vertragsentwürfe in Minuten, Bedarfsmeldungen werden automatisch klassifiziert und geroutet.
  • Bessere Entscheidungen: KI ersetzt das Bauchgefühl nicht. Sie liefert die Fakten dazu (datenbasierte Lieferantenauswahl, normalisierte Angebotsvergleiche, Predictive Analytics für Vertragsentscheide usw.).

Was an den BME eLösungstagen auffiel

An den BME eLösungstagen 2026 in Düsseldorf dominierte ein Thema: Künstliche Intelligenz. Nahezu jeder Anbieter positionierte sich in diesem Feld. Von autonomer Rechnungsverarbeitung bis zu vollständig orchestrierten Source-to-Pay-Prozessen.

Interessant waren die Demos, noch aufschlussreicher die Praxisberichte. Die überzeugendsten Beispiele hatten eines gemeinsam: Die Technologie war nicht das Problem. Was den Unterschied ausgemacht hat, waren konsequentes Change Management, eine ehrliche Auseinandersetzung mit der eigenen Datenqualität und die Bereitschaft, mit kleinen Schritten in die Umsetzung zu gehen statt in Endloskonzepten zu verharren.

Erfolgsfaktoren und was sie blockiert

Was KI-Projekte im Einkauf zum Erfolg bringt, ist bekannt:

  • Management-Commitment, das Ressourcen freigibt.
  • KI-Mindset, das Outputs kritisch prüft statt blind vertraut. Vertrauen durch Erfahrung, nicht durch Glauben.
  • Klare Priorisierung: Welcher Prozess hat den höchsten Hebel bei geringstem Aufwand? Ein fokussierter Start schlägt jeden breiten Rollout.
  • Cross-funktionale Teams aus Einkauf, IT und Legal. Wer KI als reines IT-Projekt behandelt, scheitert.
  • Iteratives MVP-Vorgehen: Einen kleinen Use Case live bringen, lernen, verbessern, skalieren.

Blockiert wird das Ganze durch schlechte Datenqualität, Datensilos in Legacy-Systemen und fehlende KI-Skills im Team. Dazu kommt die Skepsis der Mitarbeitenden. Sie entsteht vor allem, wenn niemand offen kommuniziert, was KI übernimmt und was nicht. Die ehrliche Antwort: KI ersetzt Routinen, nicht Menschen.

Wie ein sinnvoller Einstieg aussieht

Es braucht kein Transformationsprogramm, um zu starten. Bewährt hat sich ein strukturiertes Vorgehen in fünf Phasen:

  • Orientierung: Wo steht der eigene Einkauf? Welche KI-Potenziale gibt es konkret? Ein KI-Potenzial-Workshop schafft in kurzer Zeit ein klares Bild inklusive einer Einschätzung, welche Use Cases zur eigenen Ausgangslage passen.
  • Quick-Win: Erste Use Cases ausprobieren, bevor grosse Investitionen fliessen. Ein Proof of Value zeigt, was möglich ist und schafft intern Überzeugung.
  • Vorbereitung: Daten, Prozesse und Governance sind die Hausaufgaben, die niemand gerne macht, aber die den Unterschied machen. Eine KI-Readiness-Analyse deckt auf, wo die Lücken sind.
  • Konzeption: Aus dem Readiness-Bild entsteht eine Digital/KI-Roadmap, die priorisiert und mit konkreten Umsetzungsschritten versehen ist.
  • Umsetzung: Gestaffelte Use-Case-Umsetzung (Schritt für Schritt, mit klaren Erfolgsmessungen).

Wie weiter?

Ob in Zürich oder in Düsseldorf: Der Eindruck war an beiden Orten derselbe. Wer heute erste Use Cases umsetzt, baut einen Vorsprung auf, der später schwer aufzuholen ist. Der Einstieg muss dafür weder teuer noch riskant sein.
Sie möchten wissen, wo Ihr Einkauf steht und welche Use Cases zu Ihrer Ausgangslage passen? Dann tauschen wir uns gerne unverbindlich mit Ihnen aus.

Teile diesen Artikel