KI im Einkauf: Beispiele, Nutzen und erste Schritte

Es gibt eine Zahl, die den Zustand von KI im Einkauf besser beschreibt als jede Prognose: 6,0 Prozent. So viele mittelständische Einkaufsorganisationen bezeichnen ihren KI-Einsatz laut dem Einkaufsbarometer Mittelstand 2026 von BME, Onventis und der ESB Business School als hoch ausgereift. Gleichzeitig setzen 69,5 Prozent KI bereits ein, testen sie oder planen den Einsatz.

Zwischen diesen beiden Zahlen liegt der gesamte Alltag der Beschaffung: viel Bewegung, wenig Substanz. Fast jeder probiert etwas, kaum jemand hat eine Strecke, die trägt. Der Grund dafür ist selten das Modell und fast immer das, was darunter liegt.

Dieser Leitfaden zeigt dir, was KI im Einkauf tatsächlich übernimmt: acht Einsatzfelder mit Beispielen, warum Stammdaten und Warengruppen über den Nutzen entscheiden, was der Rechnungseingang seit der E-Rechnungspflicht wirklich kostet, der Einstieg in fünf Schritten, die Kompetenzfrage im Team und der rechtliche Rahmen. Am Ende weißt du, welches Feld bei dir zuerst dran ist und woran du merkst, dass es hält.

Was ist KI im Einkauf? Definition und Einordnung

KI im Einkauf ist der Einsatz künstlicher Intelligenz für Beschaffungsaufgaben, die bisher vollständig von Hand erledigt wurden: Bedarfe erfassen und einer Warengruppe zuordnen, Lieferanten vorrecherchieren, Anfragen aus einer Spezifikation erzeugen, eingehende Angebote vergleichbar machen, Stammdaten pflegen, Vertragsfristen überwachen, Bestellbestätigungen und Rechnungen abgleichen. Der Begriff umfasst dabei zwei technisch verschiedene Dinge, die im Alltag ständig verwechselt werden.

Das eine ist Automatisierung: feste Regeln, die immer gleich ablaufen. Eine Bestellung ist überfällig, also geht eine Mahnung an den Lieferanten. Eine Rechnung weicht um mehr als zwei Prozent von der Bestellung ab, also wird sie zur Prüfung ausgesteuert. Das braucht kein Sprachmodell, sondern eine sauber gebaute Strecke, wie sie in der n8n-Automatisierung entsteht. Das andere ist KI im engeren Sinn: Aufgaben, bei denen eine Einschätzung nötig ist. Worum geht es in dieser Bedarfsmeldung? Welche Warengruppe passt? Enthält dieses Angebot dieselbe Leistung wie das andere, nur anders benannt?

Die Trennung ist keine Begriffsklauberei, sondern die wichtigste Planungsentscheidung im Projekt. Alles, was deterministisch sein muss - Wertgrenzen, Freigabestufen, Vier-Augen-Prinzip, Vertragsbedingungen -, bleibt regelbasiert. KI kommt dort zum Einsatz, wo Sprache und Kontext im Spiel sind: in Spezifikationen, Angebotstexten, Lieferantenkorrespondenz, Vertragsdokumenten. Wer diese Grenze nicht zieht, baut ein System, dessen Vergabeentscheidungen niemand nachvollziehen kann. Wo dein Betrieb auf dieser Skala steht, ordnet das Vier-Stufen-Modell der Automatisierung ein.

Warum KI im Einkauf gerade jetzt Thema wird

Der Einkauf hat drei Eigenschaften, die ihn für KI besonders geeignet machen: Er ist dokumentenlastig, er ist wiederkehrend, und er wird fast überall unter Personalmangel betrieben. Trotzdem liegt der Reifegrad niedrig. Im Einkaufsbarometer Mittelstand 2026, einer Befragung von über 500 Einkaufsverantwortlichen aus dem europäischen Mittelstand, nennen 64,8 Prozent fehlende Ressourcen als Hürde, 56,0 Prozent mangelnde Datenqualität und 46,2 Prozent fehlende Prozessstandards. 94,9 Prozent erwarten, dass sich das Rollenprofil im Einkauf verändern wird.

Gleichzeitig ist KI im Unternehmen kein Randthema mehr. Laut der Bitkom-Befragung vom März 2026 nutzen 41 Prozent der Unternehmen ab 20 Beschäftigten KI, weitere 48 Prozent planen oder diskutieren den Einsatz. Der Einkauf wird also in Organisationen hineinwachsen, die das Thema anderswo schon angefasst haben.

Auf der internationalen Ebene zeigt die Deloitte Global CPO Survey 2025 mit über 250 Einkaufsleitungen aus rund 40 Ländern, wie ungleich der Ertrag verteilt ist: Die Spitzengruppe erzielt den 3,2-fachen Investitionsrückfluss auf generative KI und steckt bis zu 24 Prozent ihres Budgets in Beschaffungstechnologie. Als größte Wertbremse nennen 57 Prozent voneinander getrennt arbeitende Bereiche. Das ist der eigentliche Befund: Nicht das Werkzeug trennt oben von unten, sondern ob Bedarf, Einkauf, Wareneingang und Buchhaltung auf denselben Daten arbeiten.

KI im Einkauf: Beispiele aus acht Einsatzfeldern

KIMit KI erzeugtes Bild

1. Bedarfe erfassen und einordnen. Anforderungen kommen als E-Mail, als Zuruf, als Excel-Zeile oder aus dem ERP. Ein Sprachmodell liest den Freitext, erkennt Gegenstand, Menge und Dringlichkeit, ordnet die Warengruppe zu und legt eine strukturierte Bedarfsmeldung an. Die Vorlage dafür liefert die E-Mail-KI im Postfach.

2. Lieferanten vorrecherchieren. Firmengröße, Zertifikate, Standorte, Referenzen und öffentlich verfügbare Risikosignale werden zusammengetragen, bevor jemand telefoniert. Das ersetzt keine Lieferantenfreigabe, verkürzt aber die Vorarbeit von Stunden auf Minuten.

3. Anfragen aus der Spezifikation erzeugen. Aus einer technischen Beschreibung entsteht ein vollständiger Anfragetext mit Positionen, Mengen, Lieferbedingungen und Rückfragefristen - in der Form, die dein Haus ohnehin verwendet.

4. Angebote vergleichbar machen. Das Feld mit dem größten und am seltensten gehobenen Hebel. Drei Angebote in drei Formaten, mit unterschiedlichen Positionsschnitten und Nebenkosten, werden auf eine gemeinsame Struktur gebracht. Die Entscheidung trifft weiterhin der Einkauf, aber sie trifft ihn auf einer Tabelle statt auf drei PDFs.

5. Stammdaten pflegen und entdoppeln. Dubletten erkennen, Adressen vereinheitlichen, Warengruppen zuordnen, tote Datensätze markieren. Unspektakulär, aber die Voraussetzung für alles andere.

6. Verträge und Fristen überwachen. Kündigungstermine, Preisgleitklauseln, Mindestabnahmen und Optionsrechte werden aus Vertragsdokumenten extrahiert und mit Vorlauf gemeldet. Wer schon einmal einen Rahmenvertrag ungewollt verlängert hat, kennt den Wert dieses Punktes.

7. Bestellung, Wareneingang und Rechnung abgleichen. Der klassische Drei-Wege-Abgleich, nur ohne Sichtprüfung. Abweichungen in Menge, Preis oder Position werden ausgesteuert, der Rest läuft durch.

8. Ausgaben auswerten. Welches Volumen liegt bei welchem Lieferanten, welche Warengruppe wächst, wo bündelt sich Einsparpotenzial? Diese Auswertung scheitert fast nie an der Analyse und fast immer an der Datenbasis. Wie man Berichte aus laufenden Prozessen zieht, statt sie zu bauen, zeigt der Beitrag zu KI im Projektmanagement.

Auffällig ist, was in dieser Liste fehlt: die Vergabe. KI im Einkauf heißt nicht, dass eine Maschine den Zuschlag erteilt oder verhandelt. Sie bereitet vor und prüft nach.

Stammdaten und Warengruppen: hier entscheidet sich der Nutzen

KIMit KI erzeugtes Bild

Der häufigste Grund, warum KI im Einkauf enttäuscht, ist nicht das Modell. Es sind die Stammdaten darunter. Wenn derselbe Lieferant in vier Schreibweisen im System steht, wenn die Warengruppe ein Freitextfeld ist und wenn die Hälfte der Artikel keine eindeutige Nummer hat, dann liefert eine Ausgabenanalyse keine Steuerungsgrundlage, sondern eine plausibel aussehende Fehleinschätzung. Das ist gefährlicher als gar keine Auswertung, weil ihr geglaubt wird.

Genau hier setzt der Befund aus dem Einkaufsbarometer an: 56,0 Prozent nennen Datenqualität als Hürde, 46,2 Prozent fehlende Prozessstandards. Das sind keine Technikprobleme. Deshalb steht am Anfang jedes belastbaren Projekts eine unspektakuläre Arbeit: Warengruppen festlegen, Pflichtfelder definieren, Dubletten zusammenführen, Freigabewege mit einer nachprüfbaren Wertgrenze versehen. Erst wenn ein Datensatz automatisch entsteht, statt unter Zeitdruck getippt zu werden, wird er verlässlich.

Ein zweiter Punkt betrifft die Anbindung. Viele ERP-Systeme im Mittelstand haben eine schwache oder teuer lizenzierte Schnittstelle. Dann führt der Weg über eine Zwischenschicht, in der alle Eingangskanäle zusammenlaufen und aus der heraus das ERP beschrieben wird - nicht über ein zweites System neben dem ersten. Wie eine solche Schicht praktisch aussieht, beschreibt der Leitfaden zur Prozessautomatisierung mit KI im KMU.

Rechnungseingang: das Feld mit dem größten Potenzial

KIMit KI erzeugtes Bild

95,1 Prozent der im Einkaufsbarometer Befragten sehen das größte Automatisierungspotenzial in der Rechnungsverarbeitung. Das ist bemerkenswert eindeutig und hat einen nüchternen Grund: Der Rechnungseingang ist der einzige Beschaffungsschritt, der vollständig standardisiert ist, in hoher Stückzahl anfällt und bei dem Fehler direkt Geld kosten.

Dazu kommt seit Kurzem eine gesetzliche Vorgabe. Nach den Vorgaben des Bundesfinanzministeriums muss jedes inländische Unternehmen seit dem 1. Januar 2025 in der Lage sein, E-Rechnungen zu empfangen. Für das Ausstellen laufen Übergangsregelungen: bis Ende 2026 dürfen alle noch andere Formate verwenden, Unternehmen mit bis zu 800.000 Euro Vorjahresumsatz bis Ende 2027. Das heißt für den Einkauf, dass strukturierte Rechnungsdaten in absehbarer Zeit nicht mehr die Ausnahme sind, sondern der Normalfall - und damit fällt der wichtigste historische Grund weg, warum die Prüfung von Hand lief.

Die Arbeitsteilung ist dabei klar: Der Einkauf verantwortet den sachlichen Abgleich von Bestellung, Wareneingang und Rechnung, die Buchhaltung die steuerliche und buchhalterische Behandlung. Was auf der zweiten Seite dieser Grenze passiert und welche Werkzeuge dort arbeiten, steht im Beitrag zur KI-Buchhaltung. Wer beide Seiten in einem Projekt zusammenwirft, bekommt zwei Fachbereiche mit unterschiedlichen Prüfpflichten an einem Tisch und keine Entscheidung.

Wie du KI im Einkauf einführst: fünf Schritte

Schritt 1: Den Aufwand messen, nicht schätzen. Nimm eine Zahl, die weh tut. Wie viele Rechnungen liefen im letzten Quartal durch eine manuelle Prüfung, und wie viele davon hatten eine Abweichung? Wie oft wurde ein Rahmenvertrag ungewollt verlängert? Diese Zahl ist die Geschäftsgrundlage des Projekts.

Schritt 2: Einen Ablauf auswählen, nicht drei. Der erste Anwendungsfall ist immer der mit dem klarsten Ergebnis. In der Regel ist das der Rechnungseingang oder die Bedarfserfassung, weil der Effekt in einem Quartal sichtbar wird und niemand über Bewertungslogik diskutieren muss.

Schritt 3: Die Stammdaten vorbereiten. Warengruppen, Lieferantensätze, Pflichtfelder, Wertgrenzen. Dieser Schritt ist der langweiligste und der einzige, den du nicht überspringen kannst.

Schritt 4: Klein produktiv gehen. Eine Strecke, echte Belege, laufender Betrieb, mit einer definierten Ausnahmebehandlung für alles, was das System nicht sicher zuordnen kann. Nicht ein halbes Jahr konzipieren und dann alles gleichzeitig starten. Erste produktive Strecken sind typischerweise in zwei bis vier Wochen live.

Schritt 5: Aufsicht und Ausbau festlegen. Wer prüft die Ergebnisse in den ersten Wochen? Wer darf eine Regel oder eine Wertgrenze ändern? Woran erkennst du, dass der nächste Ablauf dran ist? Ohne diese Antworten wird aus einem Projekt ein Provisorium. Was ein solcher Ablauf technisch ist und wo seine Grenzen liegen, erklärt die Einordnung, was ein KI-Agent macht.

Seminar oder Praxis: die Kompetenzfrage im Einkaufsteam

Die Suche nach einem Seminar zu KI im Einkauf ist eine sinnvolle Reaktion, führt aber oft zum falschen Format. Reine Werkzeug-Schulungen veralten in Monaten, weil sich Oberflächen und Anbieter schneller ändern als Beschaffungsprozesse.

Was trägt, sind drei Ebenen. Erstens Grundverständnis: wie ein Sprachmodell arbeitet, wo es zuverlässig ist und wo es überzeugend falsch wird - besonders relevant bei Angebotstexten und Vertragsklauseln, wo eine erfundene Zahl teuer wird. Zweitens Handwerk am eigenen Fall: eigene Spezifikationen, eigene Rahmenverträge, eigene Warengruppen, nicht Beispieldaten. Drittens der Rahmen aus Datenschutz, Vertraulichkeit und EU AI Act. Ein Format, das damit endet, dass das Team drei bis fünf verbindliche Vorlagen und eine dokumentierte Regel mitnimmt, wirkt länger als jede Toolvorführung. Genau so ist die KI-Schulung für Team und Leadership aufgebaut. Für den Umgang mit Sprachmodellen im Alltag hilft zusätzlich die Einführung, wie ein guter KI-Prompt entsteht.

Es gibt dabei auch eine Pflicht, keine Empfehlung: Artikel 4 des EU AI Acts verlangt seit dem 2. Februar 2025 unabhängig von Risikoklasse und Unternehmensgröße ausreichende KI-Kompetenz von allen, die KI beruflich einsetzen. Was das konkret bedeutet und wie der Nachweis aussieht, steht im Beitrag zur KI-Schulungspflicht.

Worauf du bei KI im Einkauf achten solltest

Vertraulichkeit der Angebotsdaten. Preise, Konditionen und Spezifikationen von Lieferanten sind fremde Geschäftsgeheimnisse. Bevor ein Angebot in ein Modell geht, gehört geklärt, welcher Anbieter es sieht, wo es verarbeitet wird und ob es zu Trainingszwecken verwendet werden darf. Diese Frage wird pro Anbindung beantwortet, nicht pauschal.

Risikoklasse. Die Bewertung von Lieferanten als Unternehmen steht nicht in Anhang III des EU AI Acts und ist damit kein Hochrisiko-System. Achtung aber, sobald Einzelunternehmer bonitätsmäßig bewertet werden - Kreditwürdigkeitsprüfung natürlicher Personen ist ausdrücklich gelistet.

Entscheidungshoheit. Ein Score priorisiert, er vergibt nicht. Solange ein Mensch die Rangfolge überstimmen kann und das auch tut, bleibt das System korrigierbar. Genau darum geht es beim Vier-Augen-Prinzip in der Beschaffung, und genau das darf eine Automatisierung nicht aufweichen.

Nachvollziehbarkeit. Jede maschinell erzeugte Zuordnung braucht eine Spur: Welche Quelle, welche Regel, welcher Zeitpunkt? Ohne diese Spur ist eine Vergabe im Zweifel nicht prüfbar, weder intern noch gegenüber einem Wirtschaftsprüfer.

Belegbarkeit der Zusammenfassung. Sobald KI Angebote oder Verträge zusammenfasst und eine Vergabe darauf gestützt wird, müssen die Aussagen stimmen. Google beschreibt in Patent US11769017B1 einen Vertrauens-Score als Auswahlkriterium für generative Antworten - die technische Bestätigung einer schlichten Einkaufswahrheit: Eine Zusammenfassung ersetzt das Original nicht, sie führt hin.

Häufige Fehler bei KI im Einkauf

Mit dem Werkzeug anfangen. Der Klassiker: Lizenz gekauft, Zugänge verteilt, keine Änderung im Ablauf. Das Ergebnis ist ein Team, das KI kennt, aber keinen Prozess hat, in dem sie vorkommt.

Den Rechnungseingang auslassen. Es ist das unglamouröseste Feld und laut Einkaufsbarometer für 95,1 Prozent der Befragten das mit dem größten Potenzial. Wer stattdessen mit strategischer Lieferantenbewertung startet, baut auf Daten, die er noch nicht hat.

Auswerten auf schlechten Stammdaten. Eine Ausgabenanalyse auf Dubletten und Freitext-Warengruppen erzeugt keine Transparenz, sondern eine Rangfolge mit unklarer Grundlage, die trotzdem in die Jahresplanung wandert.

KI dort einsetzen, wo Regeln hingehören. Wertgrenzen, Freigabestufen und Vertragsbedingungen durch ein Sprachmodell entscheiden zu lassen, erzeugt Ergebnisse, die niemand reproduzieren kann. Diese Dinge gehören in feste Regeln.

Ohne Ausnahmebehandlung starten. Jede Automatisierung im Einkauf produziert Fälle, die sie nicht sicher zuordnen kann. Wenn nicht vorher feststeht, wo diese Fälle landen und wer sie bearbeitet, verschwinden sie - und mit ihnen das Vertrauen ins System.

Aufsicht vergessen. In den ersten Wochen muss jemand die Ergebnisse anschauen. Ohne diese Schleife läuft eine falsche Warengruppenzuordnung monatelang mit und verfälscht am Ende genau die Auswertung, für die das Projekt gestartet wurde.

Das Muster dahinter ist nicht spezifisch für den Einkauf. Es taucht in jedem dokumentenlastigen Bereich auf, und es ist auch das Muster aus über 600 umgesetzten Projekten seit 2012: Der messbare Gewinn kam fast nie aus einem klügeren Modell, sondern daraus, dass vorhandene Vorgänge nicht mehr liegen blieben. Bei der KiVent GmbH waren das nicht nachgefasste Angebote, was am Ende 101.265 Euro Mehrumsatz pro Jahr und 207 gesparte Arbeitstage ergab - ein Vertriebsfall, aber derselbe Mechanismus, den im Einkauf der unbeachtete Rahmenvertrag und die ungeprüfte Abweichung erzeugen.

Wann sich KI im Einkauf lohnt - und wie du entscheidest

Es gibt eine brauchbare Faustregel: Sobald ein Beschaffungsvorgang mindestens wöchentlich wiederkehrt oder regelmäßig liegen bleibt, weil die Zeit fehlt, rechnet sich Automatisierung. Und sobald dieser Vorgang eine sprachliche Einschätzung enthält - eine Bedarfsbeschreibung, einen Angebotstext, eine Vertragsklausel -, kommt KI dazu.

Für kleine Betriebe ohne eigene Einkaufsabteilung ist der Einstieg meist die Bedarfserfassung: Anforderungen strukturiert aufnehmen, Bestellungen nachverfolgen, Rechnungen gegen Bestellungen prüfen. Der Zeitgewinn ist unmittelbar, der Aufwand überschaubar. Für Mittelständler mit zwei bis zehn Einkäufern liegt der Hebel in den Stammdaten und im Rechnungseingang: einheitliche Warengruppen, automatische Abgleiche, verlässliche Ausgabenanalyse. Erst dort wird Steuerung möglich, und erst dort lohnt sich eine KI-Strategie-Beratung, die über den Einzelfall hinausgeht. Für größere Organisationen mit mehreren Standorten kommt die Bündelung dazu, weil dort meist der größte ungenutzte Wert liegt - genau der Punkt, den die Deloitte-Erhebung mit 57 Prozent Silos als Hauptbremse benennt.

Woran erkennst du, dass es nicht lohnt? Wenn das Bestellvolumen einstellig pro Monat ist, wenn kein ERP existiert und auch keines gewollt ist, oder wenn der Engpass nicht im Prozess sitzt, sondern in der Lieferantenbasis. Kein Abgleichsystem repariert einen Lieferanten, der nicht liefert.

Wenn du entscheiden willst, brauchst du drei Antworten: Welcher Vorgang kostet gerade nachweisbar Geld oder Zeit? Sind deine Stammdaten gut genug, um ihn zu automatisieren, oder ist das der erste Schritt? Und wer im Team verantwortet den Ablauf danach? Sind diese drei geklärt, ist der Rest Handwerk - und die Umsetzung übernimmt entweder das eigene Team oder eine KI-Agentur, die in bestehende Systeme baut statt neben sie. Sind sie es nicht, hilft ein Blick von außen mehr als ein weiteres Werkzeug; fachliche Begriffe dazu findest du im Glossar.