KI im strategischen Einkauf: Marktmacht und Margen.

Der strategische Einkauf ist die wahrscheinlich unterschätzteste Funktion in mittelständischen Unternehmen. In vielen Häusern macht das Einkaufsvolumen vierzig bis sechzig Prozent des Umsatzes aus — und doch wird die Funktion oft mit wenigen Personen besetzt, die zwischen operativen Bestellungen und Lieferantenproblemen aufgerieben werden. Strategie bleibt dabei häufig auf der Strecke. Wer eine Stunde mit Marktbeobachtung verbringt, hat danach keine Zeit für die kniffligen Verhandlungen. Wer Verhandlungen vorbereitet, vernachlässigt das Lieferantenrisikomanagement. Wer das Risikomanagement aufbaut, hat keine Kapazität für die Make-or-Buy-Analysen. Genau hier kann KI viel leisten — nicht, indem sie den Einkäufer ersetzt, sondern indem sie die Vorbereitungsarbeit beschleunigt und systematisiert. Dieser Artikel ordnet ein, wo das funktioniert, was es bringt und wo die Grenzen liegen.

Was strategischer Einkauf in einem 200-Mitarbeiter-Unternehmen leistet — und leisten könnte.

Der typische strategische Einkauf in einem mittelständischen Unternehmen besteht aus zwei bis vier Personen. Sie verantworten Materialgruppen, verhandeln Jahresverträge, prüfen neue Lieferanten und kümmern sich um die operative Eskalationsstelle, wenn etwas brennt. Was sie selten haben: Zeit für die strategische Arbeit, für die ihre Funktion eigentlich existiert.

Diese strategische Arbeit hätte Wirkung. Eine Marktanalyse, die Preisentwicklungen von Rohstoffen oder Vorprodukten transparent macht, ist in einer Verhandlung zwei Prozent wert. Eine systematische Lieferantenbewertung, die Risiken sichtbar macht, kann eine Versorgungskrise verhindern. Eine substanzielle Vorbereitung auf eine Jahresverhandlung kann den Unterschied zwischen drei Prozent Erhöhung und drei Prozent Reduktion ausmachen. Bei einem Einkaufsvolumen von 30 Millionen Euro entspricht das einer halben Million Euro pro Jahr — pro Verhandlung.

Die Frage ist nicht, ob strategischer Einkauf sich rechnet. Die Frage ist, warum er nicht im Mittelstand systematisch betrieben wird. Die Antwort ist meist: Kapazität. Genau hier liegt der Hebel von KI — nicht in der Strategie selbst, sondern in der Vorbereitung, die sie ermöglicht.

Marktanalysen automatisieren — was wirklich geht.

Eine ordentliche Marktanalyse für ein Vorprodukt — sagen wir Stahlguss, Kunststoff-Granulat oder elektronische Komponenten — kostet einen erfahrenen Einkäufer einen halben bis ganzen Tag manuelle Recherche. KI kann diese Recherchezeit auf eine Stunde reduzieren, ohne an Tiefe zu verlieren — manchmal sogar mit mehr Tiefe.

Was konkret automatisierbar ist: das Aggregieren öffentlich verfügbarer Marktinformationen — Preisindizes, Branchenberichte, Pressemitteilungen relevanter Hersteller, Geschäftsberichte, Handelsdaten. Ein gut aufgesetztes System fasst die letzten zwölf Monate Marktentwicklung in einem strukturierten Bericht zusammen, identifiziert Trends, markiert Auffälligkeiten und liefert die Quellen. Der Einkäufer muss nicht mehr suchen, sondern nur noch prüfen und einordnen.

Konkrete Anwendungsfälle in der Praxis: monatliche Preisentwicklungs-Updates für die zwanzig wichtigsten Materialgruppen, ad-hoc-Berichte vor Verhandlungen, automatische Benachrichtigungen bei relevanten Marktereignissen (Insolvenzen, Übernahmen, neue Kapazitäten). Der ROI ist klar messbar: Zeitersparnis in der Einkaufsabteilung von 15 bis 25 Prozent, höhere Verhandlungskompetenz, schnellere Reaktion auf Marktveränderungen. Das ist keine Vision, sondern produktive Realität in vielen mittelständischen Häusern.

Lieferantenbewertung objektivieren.

Lieferantenbewertung ist im Mittelstand oft eine Mischung aus subjektivem Eindruck und veralteten Excel-Tabellen. Der Einkäufer hat ein Gefühl dafür, welche Lieferanten zuverlässig sind, kennt die wichtigsten Ansprechpartner, weiß, wer in Lieferengpässen kooperiert und wer nicht. Dieses Wissen ist wertvoll — und gleichzeitig hochgradig personenabhängig. Verlässt der Einkäufer das Unternehmen, geht das Wissen weitgehend verloren.

Eine KI-gestützte Lieferantenbewertung integriert mehrere Datenquellen: Termintreue aus dem ERP, Qualitätsdaten aus dem QM-System, Reklamationen, Insolvenz- und Bonitätsinformationen, Branchennachrichten, manchmal Nachhaltigkeitsbewertungen. Daraus entsteht ein laufend aktualisiertes Lieferantenprofil — mit Risikoeinschätzungen, Stärken-Schwächen-Analyse und Veränderungshinweisen.

Was an dieser Bewertung neu ist, ist nicht die einzelne Kennzahl, sondern ihre Verbindung. Ein Lieferant, der in vier von sechs Dimensionen auffällig wird, bekommt eine andere Priorität als einer, der nur ein Problem hat. Ein Lieferant, dessen Branche seit drei Quartalen unter Druck steht und der gleichzeitig Termine schlechter einhält, sollte aktiv beobachtet werden — auch wenn keine einzelne Kennzahl alarmierend ist. Diese Querverbindungen leistet kein Excel.

Verhandlungsvorbereitung: was KI wirklich kann.

Eine substanzielle Verhandlungsvorbereitung umfasst typischerweise vier Bestandteile: Marktanalyse, Lieferantenprofil, Verhandlungspositionen mit Argumenten, Szenarien für mögliche Verläufe. Jeder dieser Bestandteile kostet Vorbereitungszeit, die in einem überlasteten Einkauf selten ausreichend zur Verfügung steht.

KI-Werkzeuge können diese Vorbereitung beschleunigen und qualitativ heben:

• Marktanalyse: aggregierte Daten zu Preisentwicklungen, Wettbewerbssituation, Kapazitätsauslastung beim Lieferanten.
• Lieferantenprofil: vollständige Übersicht über die Geschäftsbeziehung, Reklamationen, Stärken, Auffälligkeiten der letzten Jahre.
• Verhandlungspositionen: konkrete Argumente, mit Daten unterlegt, von „Ihre Liefertreue lag 2025 bei 87 Prozent, der Marktstandard liegt bei 94” bis „Stahlpreise sind seit dem letzten Vertrag um 12 Prozent gefallen”.
• Szenarien: mögliche Reaktionen des Lieferanten, Alternativen für den Fall des Scheiterns.

Was KI hier nicht leistet: die Verhandlung selbst. Sie ersetzt nicht das Gefühl für den Gesprächspartner, die Erfahrung mit dem Unternehmen, die Fähigkeit zur menschlichen Beziehungspflege. Sie liefert die Munition, nicht das Gespräch. Das ist die richtige Arbeitsteilung — und genau so funktioniert es in den erfolgreichen Implementierungen.

Spend-Analyse und Maverick Buying.

Ein wiederkehrendes Problem im mittelständischen Einkauf: Vorbei-am-Einkauf-Bestellungen. Fachabteilungen bestellen selbst, an Rahmenverträgen vorbei, oft aus pragmatischen Gründen, oft aus Bequemlichkeit. Das Ausmaß ist regelmäßig größer, als die Einkaufsleitung vermutet. In Beratungsprojekten zeigt sich häufig, dass zwischen zwanzig und dreißig Prozent des indirekten Materialvolumens am Einkauf vorbei laufen.

Diese Maverick-Buying-Quote zu reduzieren, ist ein klassisches Anwendungsfeld für KI. Die Werkzeuge sind unspektakulär: Klassifikation aller Bestellungen nach Materialgruppen, Erkennung von Mustern (welcher Mitarbeiter bestellt was wo), Identifikation von Einsparpotenzialen (gleiche Artikel bei verschiedenen Lieferanten zu unterschiedlichen Preisen). Daraus entsteht eine Transparenz, die manuell schwer herstellbar ist.

Was sich aus dieser Transparenz ableiten lässt: Rahmenverträge konsolidieren, Bestellprozesse vereinfachen, Schulungen gezielt einsetzen. Der Hebel ist überraschend groß — in einem Unternehmen mit 30 Millionen indirektem Einkaufsvolumen lassen sich typischerweise zwischen 600.000 und 1.500.000 Euro pro Jahr durch konsequente Spend-Analyse einsparen. Das ist mehr, als die meisten Geschäftsführer für möglich halten.

Risikomanagement: vom Reagieren zum Antizipieren.

Lieferketten-Risikomanagement ist seit den Krisen der letzten Jahre kein Nischenthema mehr. Die meisten mittelständischen Unternehmen haben gemerkt, dass eine Insolvenz eines kritischen Lieferanten oder eine plötzliche Materialknappheit existenzgefährdende Wirkung haben kann. Was fehlt, ist meist die systematische Antizipation.

KI-gestützte Risikomanagement-Systeme arbeiten mit mehreren Quellen: Bonitätsdaten der Lieferanten, Branchennachrichten, Sanktionslisten, Geopolitik-Daten, Wetter- und Logistik-Informationen. Sie aggregieren diese Quellen und erstellen Risikoprofile für jeden kritischen Lieferanten — fortlaufend aktualisiert, mit Veränderungswarnungen.

Realistisch erreichbar: ein System, das frühzeitig Alarm schlägt, bevor ein Lieferant zahlungsunfähig wird, bevor eine Region in Liefer-Schwierigkeiten gerät, bevor ein politisches Ereignis bestimmte Materialien knapp werden lässt. Was es nicht leistet: schwarze Schwäne vorherzusagen. Eine völlig überraschende Naturkatastrophe lässt sich nicht antizipieren. Aber die schleichenden Krisen, die sich über Monate aufbauen — Bonitätsverschlechterung, Branchen-Probleme, geopolitische Spannungen — werden mit solchen Systemen früher sichtbar. Und früher sichtbar bedeutet handlungsfähig.

Was KI im strategischen Einkauf nicht leistet.

Bei aller Begeisterung lohnt eine ehrliche Einordnung. KI ersetzt im strategischen Einkauf nicht den Einkäufer. Sie ersetzt nicht das Beziehungsmanagement, nicht das Verhandlungsgeschick, nicht die Fähigkeit, in einer kritischen Situation die richtige Entscheidung zu treffen. Was sie ersetzt, ist die zeitaufwändige Vorbereitungsarbeit — Recherche, Datenaufbereitung, Routinekommunikation.

Drei Risiken sind zu nennen. Erstens: Datenschutz und Geheimhaltung. Einkaufsdaten sind sensibel. Preise, Konditionen, Lieferantenbeziehungen — all das gehört nicht in einen US-Cloud-Service ohne sauberen Rahmen. Wer hier ohne Datenschutz-Folgenabschätzung arbeitet, riskiert nicht nur rechtliche Probleme, sondern auch operative Risiken, wenn Daten in falsche Hände geraten.

Zweitens: Halluzinationen bei Marktanalysen. Sprachmodelle erfinden gelegentlich Zahlen, wenn Quellen widersprüchlich oder lückenhaft sind. Im Einkauf sind solche Erfindungen besonders teuer — eine Verhandlung mit falschen Argumenten verliert man nicht nur, sie schadet auch der Beziehung. Drittens: Übersteuerung. Wer alle Lieferantenbewertungen auf KI-basierte Scores reduziert, verliert das Gespür für die Beziehung. Die besten Einkäufer arbeiten mit beidem — Daten und Beziehung. Wer eines davon vernachlässigt, fährt schlechter.

Wo der Einstieg sinnvoll beginnt.

Ein vernünftiger Einstieg in KI-gestützten Einkauf beginnt mit der Frage: Wo verbringen unsere Einkäufer aktuell die meiste Zeit, ohne dass es strategischen Wert schafft? Die Antwort ist fast immer: in der Vorbereitung. Marktanalysen, Lieferantenprofile, Spend-Analysen — das sind die Tätigkeiten, die viel Zeit kosten und in denen KI den größten unmittelbaren Hebel hat.

Empfehlenswert ist ein gestaffelter Ansatz. In den ersten Monaten: Marktanalysen für die wichtigsten Materialgruppen automatisieren. Das ist sichtbar, schnell wirksam und politisch unproblematisch. Im zweiten Schritt: Lieferantenbewertung systematisieren, mit Daten aus ERP und QM. Im dritten Schritt: Spend-Analyse mit Erkennung von Maverick Buying. Das ist organisatorisch der heikelste Teil — die Fachabteilungen werden sichtbar — und sollte erst angegangen werden, wenn die ersten Erfolge das Vertrauen aufgebaut haben.

Die Investitionskosten für einen vollständigen Ausbau liegen typischerweise zwischen 80.000 und 250.000 Euro, je nach Umfang und Integration. Der Return rechnet sich bei einem mittleren Einkaufsvolumen meist innerhalb von zwölf Monaten — wenn die Empfehlungen ernst genommen und in Verhandlungen umgesetzt werden. Genau hier liegt der Knackpunkt: Die KI liefert Möglichkeiten, die Wirkung kommt aus dem Einkauf.

Sie wollen prüfen, wo Ihr strategischer Einkauf durch KI mehr Hebel bekommen könnte? Unverbindlich anfragen — wir gehen gemeinsam Materialgruppen, Vorbereitungsaufwand und vorhandene Daten durch und priorisieren die ersten ein bis zwei Anwendungsfälle.