Aus den Köpfen in die Maschinen: So werden KI-Agenten erfolgreich im Einkauf eingesetzt

Schon heute könnten KI-Agenten eigenständig und zuverlässig Einkaufsprozesse in Unternehmen erledigen, doch sie tun es nicht. Stattdessen überwiegt vielerorts noch Handarbeit. Warum sich das ändern sollte und wie es gelingt.

Christoph Schenter, Principal im Fachbereich Digital & AI, Inverto 

Dr. Johannes Hofberger, Principal im Fachbereich Digital & AI, Inverto

Vor einem Jahr wollten Einkaufsverantwortliche vor allem überzeugende Anwendungsfälle für Künstliche Intelligenz (KI) sehen. Heute fragen sie, ob sie beim Einsatz von KI-Agenten bereits im Rückstand sind, wo sie beginnen sollen und – seltener, aber dann sehr ehrlich – wie viel von ihrer Funktion übrigbleiben wird.

Viele Einkaufschefs fürchten, den falschen Anbieter zu wählen, ein Pilotprojekt scheitern zu sehen oder auf der Belegschaftsversammlung die personellen Folgen erklären zu müssen. Diese Sorgen sind nachvollziehbar, lenken den Blick nach unserer Erfahrung aber auf die falschen Risiken. Schwerer wiegt die Gefahr, zu spät festzustellen, dass das Unternehmen die eigenen Routineprozesse nie gut genug kannte, um sie einem KI-Agenten anzuvertrauen und den Menschen die anspruchsvolleren Aufgaben und Entscheidungen zu übertragen.

KI-Agenten handeln nach Zielvorgaben

Herkömmliche KI-Anwendungen liefern Empfehlungen, über die ein Mensch entscheidet und dann handelt. Ein KI-Agent dagegen verfolgt ein vorgegebenes Ziel, greift auf mehrere Systeme zu und führt Aktionen selbst aus, wobei er sich in einem definierten Regelwerk bewegt.  Bei einer Bestellanforderung etwa prüft er die Einhaltung der Richtlinien, löst die Bestellung aus und bindet nur dann einen Menschen ein, wenn ein Schwellenwert überschritten wird.

Ein Agent kann den gesamten Beschaffungszyklus abdecken, vom Erfassen des Bedarfs bis zum Rechnungsabgleich. Voraussetzung ist allerdings, dass die Entscheidungslogik ausdrücklich formuliert und maschinenlesbar ist. Sätze wie „Meistens nehmen wir Lieferant X“ oder „Maria kümmert sich darum“ reichen dafür nicht aus – ein „Common Sense“, den alle Teammitglieder kennen, der aber nirgendwo niedergelegt ist, erst recht nicht. Ein KI-Agent braucht konkrete Richtwerte, festgelegte Eskalationswege und klare Compliance-Grenzen.

Ein KI-Agent braucht konkrete Richtwerte, festgelegte Eskalationswege und klare Compliance-Grenzen.

Implizites Wissen explizit machen

Modelle, Steuerungssoftware und die Anbindung an ERP-Systeme sind heute ausgereift. Was vielerorts fehlt, ist die klare Definition gerade der Prozesse, die so selbstverständlich und alltäglich sind, dass alle sie kennen und danach handeln. Dieses menschliche Wissen in maschinenlesbare Handlungsanweisungen zu übersetzen, ist die Basis für den erfolgreichen Einsatz von KI-Agenten.

Pilotprojekte zeigen deshalb häufig zunächst einmal, was in den eigenen Abläufen fehlt. Oft treten in den ersten Monaten eines Einsatzes implizite Regeln, undokumentierte Eskalationen und Widersprüche in Richtlinien zutage. Um vom Piloten erfolgreich in den Rollout zu gelangen, müssen diese Leerstellen gefüllt und Widersprüche aufgelöst werden.

Gebt den Agenten den operativen Einkauf zuerst!

Wir beobachten, dass zurzeit KI-gestützte Verhandlungen und Ausgabenanalysen die größte Aufmerksamkeit erhalten. Doch der größere Nutzen der Agenten liegt in operativen Anwendungen.  Beim Tail-End-Spend zum Beispiel, also der Vielzahl kleiner, verstreuter Einkäufe, die es in jedem Unternehmen gibt, kann ein Agent den kompletten Ablauf übernehmen, von der Klassifizierung über die regelbasierte Vergabe bis hin zur Zahlungsfreigabe.

Nach unserer Projekterfahrung sinken die Prozesskosten typischerweise um 50 bis 70 Prozent, die Durchlaufzeit schrumpft von Tagen auf Stunden, und Käufe am vereinbarten Prozess vorbei („Maverick Buying“) gehen um rund 40 Prozent zurück.

Ein weiterer typischer Anwendungsfall ist die Überwachung von Lieferantenrisiken. Hier wertet ein KI-Agent fortlaufend finanzielle, geopolitische, Cyber- und ESG-relevante Informationen aus. Wird ein Schwellenwert erreicht, bereitet er die Reaktion vor, stellt vorqualifizierte Alternativlieferanten bereit, ruft den Maßnahmenplan auf und entwirft die Kommunikation. So gelingt es, Risiken proaktiv zu steuern und die Versorgung mit kritischen Gütern zu gewährleisten.

Foto: ChatGPT

Was Maschinen nicht können

Die oben genannten Beispiele sind als Marktlösung verfügbar und leicht zu implementieren. Beim Menschen bleiben strategische Verhandlungen, Make-or-Buy-Entscheidungen, die Entwicklung kritischer Lieferanten und das Krisenmanagement – für alle diese Tätigkeiten lässt sich indes KI-Unterstützung hinzuziehen.

Auch bei der Auswahl neuer Lieferanten ist menschliche Kompetenz gefragt. Zwar kann ein KI-Agent Unterlagen anfordern, nach festen Regeln prüfen und vorsortieren und damit den Prozess von Wochen auf etwa zwei Tage verkürzen. Jedoch muss zuvor maschinenlesbar festgelegt sein, wann ein Lieferant als qualifiziert gilt. Diese Definition können nur die Einkäufer:innen selbst treffen.

KI-Agenten verändern das Betriebsmodell des Einkaufs

Wenn jede stillschweigende Präferenz ausformuliert werden muss, wird Entscheidungslogik zum Politikum. Diese Diskussion muss vor der Einführung von KI-Agenten geführt werden. Dabei sind Change-Management und Kommunikation von zentraler Bedeutung: Die Einkäufer:innen werden eingeladen, den Einkauf der Zukunft mitzugestalten – und bekommen damit auch die Chance, etwaige ungeliebte Aufgaben an einen Agenten abzugeben. Wichtig ist, die Mitarbeitenden nicht in die Defensive zu drängen und um ihren Job fürchten zu lassen, sondern im Gegenteil deren Gestaltungsspielraum zu erweitern: Der Mensch bleibt wichtig, doch die Rolle wandelt sich. Der Agent hilft und schafft den Raum für die spannenden Tätigkeiten, für die im Alltag bislang oft zu wenig Zeit bleibt. So werden operative Einkäufer:innen zunehmend Agenten überwachen und Ausnahmen bearbeiten, während sich strategische Einkäufer:innen auf Aufgaben konzentrieren, die menschliches Urteilsvermögen verlangen.

Zugleich wandert die Verantwortung nach oben: Wenn ein Agent eine regelwidrige Bestellung auslöst, tragen diejenigen die Verantwortung, die die Richtlinien festgelegt haben. Nach dem EU AI Act müssen KI-Aktivitäten stets von Menschen kontrolliert und verantwortet werden. Dies zieht auch Pflichten zu Dokumentation, Aufsicht und Haftung nach sich.

Das Drei-Monats-Programm: Pilot und Diagnose gleichzeitig starten

Wir empfehlen, einen eng begrenzten Piloten und eine breitere Prozessdiagnose parallel zu beginnen. Dadurch werden etwaige Lücken in den Prozessen schnell erkannt und können geschlossen werden. In einem auf drei Monate angelegten Programm wird der Pilot in den ersten 30 Tagen auf ein Warengruppencluster zugeschnitten und zugleich die Diagnose gestartet. Nach 60 Tagen ist der Pilot in der Vertragsphase, und die Diagnose hat erste Regellücken offengelegt. Nach 90 Tagen läuft der Agent im überwachten Betrieb, und die Diagnose prägt das Regelwerk für die Skalierung.

2027 wird die entscheidende Frage nicht mehr lauten, ob der Einkauf KI-Agenten einsetzt, sondern warum bestimmte Aufgaben noch von Menschen erledigt werden. Richten Einkaufsverantwortliche ihre heutige Verunsicherung auf die Klarheit der eigenen Prozesse statt auf die Technologie, wird sie zu ihrem nützlichsten Werkzeug.

Weitere Informationen unter: inverto.com