KI im Einkauf ist kein Startschuss mehr. Er ist längst gefallen. Die Frage ist nicht mehr, ob Künstliche Intelligenz (KI) im Einkauf eingesetzt wird, sondern wie.

Viele Unternehmen nutzen bereits KI-Lösungen im Alltag, ohne sie so zu nennen. Wer den eigenen Stand einordnen und gezielt weiterkommen will, braucht eine Antwort auf die folgenden zwei Fragen: Auf welcher Stufe steht die eigene Organisation aktuell? Welche Wirkung lässt sich auf dieser Stufe erzielen?

Procurement Partner Stufenmodell

Das Stufenmodell ist ein Entscheidungsraster für KI-Vorhaben und KI-Investitionen. Es ordnet KI-Anwendungen im Einkauf in sieben Stufen: von einfacher Regelautomatisierung (RPA) bis zu kooperierenden Multi-Agenten-Systemen. Jede Stufe baut auf der vorherigen auf und bringt eine neue Fähigkeit hinzu.
Die Einordnung hilft somit, den eigenen KI-Stand zu verstehen und weitere Schritte zu planen.

Stufenmodell für KI im Einkauf mit sieben Stufen von RPA bis Multi-Agenten

Mit jeder Stufe wächst die Autonomie des Systems: vom Ausführen über das Empfehlen bis zum eigenständigen Handeln. Im gleichen Mass reduziert sich der menschliche Eingriff. Die richtige Stufe ergibt sich aus dem jeweiligen Use Case und nicht aus dem Ambitionsniveau. Sie liegt dort, wo das Verhältnis von Kontrolle und Automation für das Unternehmen vertretbar bleibt. Multi-Agenten (Stufe 7) wirken attraktiv, sind aber selten die wirtschaftlich richtige Antwort, wenn eine IPA-Lösung (Stufe 2) bereits den gewünschten Effekt erzielt.

Die entscheidende Frage ist somit nicht, wie hoch man sich im Stufenmodell sieht, sondern ob die Stufe wirklich zum Use Case passt.

Was den Einkauf heute wirklich antreibt

Wenn Einkaufsverantwortliche gefragt werden, wo KI den grössten Nutzen bringen soll, kommt Kostensenkung selten zuerst. Die KI-Prioritäten sind viel eher bei Risiko und Compliance, Prozessbeschleunigung oder dem Fokus auf strategische Tätigkeiten anzusiedeln.

Sechs Wirkungsfelder von KI im Einkauf, von Kostensenkung bis bessere Entscheidungen

Der Einkauf sucht also nicht mehr nur Kostenhebel. Er sucht Klarheit in einer komplexer werdenden Welt. Die Wahl des richtigen Zielfelds bestimmt schlussendlich die Ausrichtung und die Wirkung eines KI-Vorhabens.

Was KI im Einkauf bewirkt

Die Wirkung zeigt sich in mehreren Feldern zugleich. KI schafft Transparenz über das gesamte Ausgabenvolumen, statt der üblichen 60 bis 70 Prozent, und macht so Sparpotenziale sichtbar, die im Tagesgeschäft verborgen bleiben. Sie verkürzt Routinen im Source-to-Pay-Zyklus von Stunden auf Minuten und sie überwacht Lieferanten und Verträge laufend, sodass kritische Situationen früh auffallen, bevor Schaden entsteht.

KI übernimmt das Wiederkehrende, der Einkauf gewinnt Zeit für Verhandlung, Gestaltung und Entscheidung. Dabei ersetzt KI das Urteil des Menschen nicht, sie liefert die Fakten, auf denen es beruht.

Wie viel von dieser Wirkung ein Unternehmen realisiert, hängt von der KI-Stufe ab, auf der es arbeitet. Höhere Stufen erschliessen grössere Effekte, verlangen aber auch ein stabileres Fundament.

Nicht welches Tool, sondern welche Architektur

Die Wahl des Umsetzungswegs ist eine Architekturentscheidung und keine reine Tool-Auswahl. Wer in einer etablierten S2P-Suite arbeitet, profitiert von integrierten KI-Funktionen mit geringem Integrationsaufwand, gibt aber Flexibilität auf.

Foundation Models wie ChatGPT, Claude oder Copilot bieten maximale Flexibilität, verlangen aber Governance und Datenzugriff. Spezialisierte Agentic-AI-Anbieter sind die agilste, aber auch jüngste Variante.

In den meisten Unternehmen entsteht der grösste Mehrwert aus einer Kombination der drei Wege.

Das Fundament entscheidet

Aktuell scheitern KI-Projekte selten an der Technologie. Sie scheitern unter anderem an schlechter Datenqualität, mangelnder Prozessintegration, fehlendem Business Case, geringem Management-Commitment oder unklarer Priorisierung. Saubere Stammdaten, klare Verantwortlichkeiten und ein fokussierter erster Use Case sind wichtige Voraussetzungen.

Wer sie konsequent angeht, schafft das Fundament, auf dem KI wirklich funktioniert, und schöpft das volle Potenzial aus, welches in jedem KI-Vorhaben steckt.

Drei Erkenntnisse. Kein Wenn und Aber.

  1. KI-Use-Cases sind real und produktiv, keine Zukunftsmusik. Wer wartet, baut Rückstand auf.
  2. Ohne digitale Basis funktioniert KI nicht: Saubere Stammdaten, klare Strukturen und stabile Prozesse sind zentrale Voraussetzungen.
  3. Der Einstieg sollte klein und konkret sein. Ein Prozess, ein Use Case, eine Lernschleife schaffen sehr viel mehr Bewegung als jede Planungsübung.

Teile diesen Artikel