Funktion · Einkauf

KI im Einkauf: Use-Cases für strategischen und operativen Einkauf

Einkauf ist die KI-Funktion mit der höchsten Margenwirkung pro investiertem Euro — und gleichzeitig die am wenigsten beachtete. Wer Spend, Lieferantenbewertung und Bestellroutinen mit KI anpackt, holt typischerweise 2–5 % EBIT zurück, die niemand auf dem Schirm hatte.

Mittelständischer Einkauf läuft heute meist über SAP, Onventis, JAGGAER oder Eigenbau. Die Daten sind da — sie werden nur nicht genutzt. KI macht aus rohen Bestelldaten Entscheidungsgrundlagen, ohne dass jemand SQL beherrschen muss.

Experten für Einkauf anfragen

Typische Pains im Einkauf

•Spend-Transparenz endet bei Excel-Pivots mit zwei Wochen Verzug
•Maverick Buying läuft unter dem Radar — keiner weiß, wie viel Geld an Rahmenverträgen vorbeigeht
•Lieferantenbewertung ist subjektiv und unvollständig
•Standardbestellungen werden manuell ausgelöst, weil ERP-Workflows zu komplex sind
•Verträge werden bei Verlängerung nicht geprüft — schlechte Konditionen laufen weiter

Was sich realistisch erreichen lässt

2–5 % Materialkosten-Einsparung durch Spend-Transparenz
Maverick-Buying-Quote nachweislich halbiert
Vertragsverlängerungen mit verbesserten Konditionen statt stiller Auto-Renewal

KI-Use-Cases im Einkauf

Anwendungen, die wir im Mittelstand produktiv begleitet haben:

Use-Case 01

Spend-Analyse mit automatischer Klassifizierung

LLMs klassifizieren Bestelldaten in saubere Warengruppen — auch wenn Lieferantennamen, Artikelbezeichnungen und Konten chaotisch sind. Erstmals echte Spend-Cubes ohne Manual Tagging.

Use-Case 02

Lieferantenbewertung mit ML

Automatische Scorecards aus Liefertreue, Reklamationsquote, Preisentwicklung und Bonität — wöchentlich aktualisiert, nicht jährlich.

Use-Case 03

Maverick-Buying-Erkennung

KI markiert Bestellungen außerhalb von Rahmenverträgen, identifiziert betroffene Warengruppen und beziffert den entgangenen Rabatt in Euro.

Use-Case 04

Bestellautomatisierung für C-Teile

Bedarfsmeldungen werden automatisch in Bestellungen übersetzt — mit Lieferantenwahl, Preisprüfung und Approval-Workflow.

Use-Case 05

Vertragsanalyse und Verlängerungsalarm

LLM liest Lieferverträge, extrahiert Konditionen, Laufzeiten und Kündigungsfristen — und warnt rechtzeitig vor Auto-Verlängerung schlechter Konditionen.

Lösung im Detail

Use-Case 06

Marktpreis- und Materialmonitoring

ML-Modelle auf Rohstoffindizes, Wechselkursen und Branchen-Benchmarks liefern Frühindikatoren für Preisverhandlungen.

Lösung im Detail

Häufige Fragen zu KI im Einkauf

Funktioniert das mit SAP MM / Ariba / Onventis / JAGGAER?+

Ja. SAP MM (über CDS-Views), Ariba (APIs), Onventis und JAGGAER (REST/SOAP) sind Standard. Wir setzen die KI als Analyse- und Empfehlungs-Schicht daneben — Bestellungen werden im führenden System ausgelöst, nicht parallel.

Wir haben mehrere ERPs durch Akquisitionen — geht das trotzdem?+

Gerade dann. Konsolidierte Spend-Analyse über heterogene ERPs ist einer der häufigsten Use-Cases. LLMs sind besonders gut darin, mit chaotischen, inkonsistenten Stammdaten umzugehen — dort verlieren klassische BI-Tools.

Was kostet ein Einkaufs-KI-Pilot?+

Für eine erste Spend-Analyse mit Klassifizierung: 20.000–40.000 € in 6–10 Wochen, inkl. Datenbereinigung. Lieferantenbewertung und Maverick-Buying-Erkennung kommen typischerweise als Phase 2 obendrauf.

Brauchen wir saubere Stammdaten?+

Nein. Die Datenbereinigung ist Teil des Projekts. Moderne LLMs sind exzellent darin, ähnliche Lieferantennamen zu konsolidieren und chaotische Artikelstämme zu strukturieren. Warten auf saubere Daten ist der teuerste Fehler.

KI-Projekt im Einkauf starten

Beschreiben Sie kurz Ihren Use-Case — wir schlagen innerhalb von 48 Stunden Senior-Profile mit passender Funktionserfahrung vor.

Projekt starten