Wie KI Ihre Einkaufsabteilung transformieren kann (und wird)

KI steht überall in den Startlöchern – auch und insbesondere im Einkauf, denn dort sind die Voraussetzungen quasi ideal. Nur: Wie soll man starten?

KI steht überall in den Startlöchern – auch und insbesondere im Einkauf, denn dort sind die Voraussetzungen quasi ideal. Nur: Wie soll man starten?

In Einkaufsabteilungen wird längst nicht mehr nur bestellt – dort wird geplant, verhandelt, bewertet, verglichen, priorisiert. Die Aufgabenstellung wird komplexer, die personelle Abdeckung bleibt aber meist gleich – oder geht sogar zurück, etwa durch Fachkräftemangel. Und genau hier spielt Künstliche Intelligenz (KI) ihre Stärken aus. Denn zum einen sind viele im Einkauf verortete Tätigkeiten repetitiv und manuell aufwendig, zum anderen gibt es oft auch Fragestellungen, die nur unter Berücksichtigung komplexer, oft unstrukturiert vorliegender Informationen beantwortet werden können. Das umfasst zum Beispiel alte Preisabschlüsse die im ERP liegen, Verhandlungsdetails in alten Emails oder externe Marktprognosen. Die Voraussetzungen für KI im Einkauf sind also gut – aber wo und wie soll man anfangen?

In diesem Blogartikel möchte ich ein paar Ansatzpunkte vorstellen.

Datenqualität als Fundament für KI im Einkauf

Damit Künstliche Intelligenz eingesetzt werden und ihre Wirkung entfalten kann, bedarf es einer soliden Datenbasis. Hinsichtlich der internen Daten stehen viele Unternehmen schnell vor dem Thema Stammdatenqualität. Denn die lässt eben oftmals zu wünschen übrig. Mit Blick auf weitere externe Daten muss man evaluieren was sinnvoll ist und auch zur Verfügung steht, gegebenenfalls auch über externe Anbieter.

Mitunter starten Unternehmen daher mit einem Projekt zur Verbesserung der Stammdatenqualität: Duplikate entfernen, Kategorien konsolidieren, eindeutige Materialbezeichnungen schaffen etc. – um ein paar klassische Aufgabenstellungen zu nennen. Ein solches Vorprojekt wird in vielen Fällen zwar nicht notwendig sein, grundsätzlich gilt jedoch: Je besser die Datenqualität, desto besser die von der KI gelieferten Ergebnisse.

Konkrete Use Cases für KI im Einkauf gesucht!?

Der KI Use Case, der den größten Impact für ein Unternehmen bringt, adressiert meistens ein spezifisches, individuelles Problem. Trotzdem macht es Sinn, zuerst einmal auf gängige Anwendungsfälle im Einkauf zu schauen.

Bedarfsprognosen und Lageroptimierung

KI-Modelle analysieren historische Einkaufsdaten und erkennen Muster im Verbrauch – etwa saisonale Schwankungen oder Lieferengpässe. So können zukünftige Bedarfe besser prognostiziert und Lagerbestände reduziert werden. Das schafft nicht nur mehr Planungssicherheit, sondern erhöht auch den Spielraum bei Preisverhandlungen.

Lieferantenbewertung auf Basis interner und externer Daten

Wie zuverlässig war ein Lieferant in der Vergangenheit? Wie bewerten andere Kunden ihn online? KI-gestützte Analysen kombinieren interne Erfahrungswerte mit weiteren Daten aus dem Internet – so kann ein belastbares Bild von der Leistungsfähigkeit eines Lieferanten entstehen.

Automatisierte Angebotsanfragen mit KI-Agenten

Statt per E-Mail manuell Angebote einzuholen, lassen sich auch intelligente Assistenten einsetzen, die autonom Preis- und Lieferanfragen stellen – abgestimmt auf Bedarf, Menge und Zeitpunkt. Besonders bei C-Teilen oder niedrigpreisigen Komponenten ist das sehr vielversprechend, weil die Zeitersparnis leicht den eigentlichen Wert der Teile übersteigen kann.

Frühwarnsystem für kritische Komponenten

Wer in sensiblen Lieferketten frühzeitig agieren will, kann externe Datenquellen nutzen – etwa Veröffentlichungen, Markttrends oder Produktzyklen. So lassen sich kritische Bauteile identifizieren, bevor sie knapp werden. Beispiel: Wenn bekannt ist, wann neue Smartphone-Generationen erscheinen, kann die Beschaffung von Mikrochips oder passgenauen Bauteilen proaktiv gesteuert werden.

Spend Analytics & Einsparpotenziale

KI hilft dabei, Ausgaben zu analysieren, Muster zu erkennen und neue Einsparpotenziale zu identifizieren. Integrierte Dashboards geben den Überblick – und liefern konkrete Handlungsempfehlungen.

Den optimalen Use Case bestimmen

KI bedeutet Wandel und der erfordert Akzeptanz. Oftmals ist das eine große praktische Herausforderung, die u. U. auch ein professionelles Change Management erfordern kann. Grundsätzlich wird die Akzeptanz aber umso größer sein, je mehr ein KI-Projekt (und insbesondere das erste) „einschlägt“, sprich je größer der Schmerzpunkt ist, der mit möglichst wenig Aufwand bestmöglich gelöst wird. Um genau diesen zielgerichtet zu definieren, sollte man die potenziellen Szenarien priorisieren – etwa anhand von dieser Matrix:

Wenn man neu auf diesem Terrain unterwegs ist, empfiehlt es sich auch einen entsprechenden Workshop mit KI-Experten durchzuführen.

IT und Einkauf: gemeinsam stark

Auch wenn die Use Cases im Einkauf verankert sind: Ohne die IT geht es nicht. Denn die besten KI-Ideen scheitern, wenn sie sich nicht sauber in bestehende Systeme wie SAP oder andere ERP-Lösungen integrieren lassen. Entscheidend ist, dass die Ergebnisse dort ankommen, wo sie benötigt werden – idealerweise als automatischer Bestellvorschlag direkt im ERP-System.

Warum gerade jetzt?

Viele Unternehmen wissen um die Potenziale, doch oft kommt es nicht zu einer Umsetzung. Die Gründe sind vielfältig: zu viele parallele Projekte, Ressourcenknappheit oder Bedenken hinsichtlich der Datenqualität. Gleichzeitig ist der Druck enorm, denn KI entwickelt sich rasant weiter. Wer jetzt nicht mitgeht, kann in wenigen Monaten abgehängt sein.

Ein Vorteil bei der Umsetzung ist, dass sich KI-Projekte modular starten lassen. Schon ein einzelner Use Case – z. B. Bedarfsprognosen – kann messbare Ergebnisse liefern. Entscheidend ist, loszulegen.

Fazit: Der beste Zeitpunkt für KI im Einkauf ist: jetzt

Wer First Mover ist, profitiert nicht nur von Effizienzvorteilen, sondern gestaltet aktiv die Zukunft seiner Einkaufsorganisation. Die technologische Basis ist vorhanden – jetzt brauch es nur noch den Mut zum Handeln.