KI im Einkauf: Was in 90 Tagen realistisch ist

Künstliche Intelligenz (KI) hat im Einkauf die Hype-Phase hinter sich gelassen. Viele Unternehmen träumen von vollständig autonomen Ausschreibungen oder Vertragsverhandlungs-Bots. Doch die Realität ist: Die Einführung von KI im Einkauf ist ein Prozess. Die gute Nachricht? Schon in nur 90 Tagen können Einkaufsorganisationen greifbare Mehrwerte erzielen – wenn sie sich auf realistische Anwendungsfälle und schnelles Prototyping konzentrieren.

Was in 90 Tagen möglich ist

Ein Zeitraum von 90 Tagen reicht nicht aus, um das gesamte Einkaufsbetriebsmodell neu zu gestalten. Aber er reicht sehr wohl, um KI-gestützte Ideen zu validieren, Geschäftsnutzen nachzuweisen und Momentum aufzubauen. Realistische Ziele in diesem Zeitrahmen sind zum Beispiel:

• Proof of Concept (PoC): Einen KI-Anwendungsfall auf einem begrenzten Datensatz oder Prozess testen.

• Minimum Viable Product (MVP): Einen funktionalen Prototypen erstellen, der für Endnutzer messbare Vorteile bringt.

• Pilot-Einsatz: Eine fokussierte KI-Funktion (z. B. Ausgabenklassifizierung oder Lieferanten-Chatbot) für eine kleine Nutzergruppe bereitstellen.

Im Mittelpunkt sollten schnelle Lernzyklen stehen – nicht Perfektion.

Beispiele für schnelles Prototyping

Hier einige konkrete Anwendungsfälle, die sich in weniger als drei Monaten mit Cloud-nativen KI-Funktionen von Azure oder AWS umsetzen lassen:

1. Lieferanten-Query-Bot

Einkaufsteams erhalten ständig wiederkehrende Anfragen von Lieferanten („Ist meine Rechnung bezahlt?“, „Wie ist der Status meiner Onboarding-Daten?“). Ein KI-gestützter Bot kann 70–80 % dieser Fragen automatisiert beantworten.

• Azure-Beispiel: Mit dem Azure Bot Service und Azure Cognitive Search einen Lieferanten-Self-Service-Chatbot erstellen, der mit dem Dokumenten-Repository verbunden ist.

• AWS-Beispiel: Mit Amazon Lex die natürliche Sprache verarbeiten und über AWS Lambda-Funktionen Echtzeitdaten aus ERP- oder P2P-Systemen abrufen.

In 90 Tagen lässt sich ein Pilot-Bot für FAQs bereitstellen, der später schrittweise auf transaktionale Anfragen erweitert wird.

2. Transparenz-Dashboard für Ausgaben

Einkaufsleiter kämpfen oft mit fragmentierten, schlecht klassifizierten Ausgabendaten. KI-gestützte Klassifizierung kann schnell verborgene Einsparpotenziale sichtbar machen.

• Azure-Beispiel: Ein Modell mit Azure Machine Learning trainieren, das Ausgaben nach UNSPSC oder einer eigenen Taxonomie klassifiziert, und die Ergebnisse in einem Power BI-Dashboard darstellen.

• AWS-Beispiel: Mit Amazon SageMaker überwachte Lernverfahren auf historischen Ausgabendaten einsetzen und die Ergebnisse in Amazon QuickSight visualisieren.

In 90 Tagen kann ein funktionsfähiges Dashboard entstehen, das mindestens 80 % der Ausgaben korrekt klassifiziert und handlungsrelevante Transparenz liefert.

3. Vertragsklausel-Extraktion

Manuelle Vertragsprüfungen sind zeitaufwendig. Ein KI-Prototyp kann automatisch Klauseln wie Zahlungsbedingungen, Kündigungsrechte oder ESG-Verpflichtungen extrahieren.

• Azure-Beispiel: Mit Form Recognizer (Teil von Azure AI Document Intelligence) Verträge analysieren und relevante Klauseln hervorheben.

• AWS-Beispiel: Amazon Textract in Kombination mit Comprehend einsetzen, um Entitäten zu erkennen und Texte zu analysieren.

Ein 90-Tage-PoC kann zeigen, wie sich die manuelle Prüfzeit um bis zu 50 % reduzieren lässt.

Erfolgsfaktoren

Damit KI-Projekte im Einkauf in 90 Tagen erfolgreich sind, gilt:

1. Einen Use Case auswählen – keine Überfrachtung.

2. Bestehende Plattformen nutzen (Azure, AWS oder vortrainierte LLMs) statt alles neu zu bauen.

3. Fachbereiche früh einbinden, damit Prototypen echte Probleme lösen.

4. Impact messen (Zeitersparnis, Genauigkeit, Nutzerzufriedenheit).

Fazit

KI im Einkauf muss kein mehrjähriges Transformationsprogramm sein. Wer sich auf realistische 90-Tage-Ziele konzentriert, kann schnell Wert schaffen, Führungskräfte überzeugen und die Grundlage für fortgeschrittene Anwendungen legen.

Die Botschaft ist klar: Klein anfangen, schnell umsetzen und kontinuierlich lernen.