Agentic AI im Einkauf

Ein großer Teil des Beschaffungsprozesses ist in vielen Unternehmen nach wie vor stark manuell geprägt. Besonders bei unregelmäßigen Bedarfen fehlt im Alltag oft schlicht die Zeit für ausgiebige Preisverhandlungen. In der Folge rutschen Preiserhöhungen bei vermeintlichen Kleinbeträgen unangefochten durch.

Dabei entsteht ein Missverhältnis zwischen dem manuellen Aufwand für eine Nachverhandlung und dem kommerziellen Ertrag. In der Summe des sogenannten "Long Tail" geht so jedoch wertvolles Einsparpotenzial verloren. 

Der Einzelhandelsriese stand vor der massiven Herausforderung, Verträge mit über 100.000 Lieferanten zu verwalten. Dies führte dazu, dass über 20 % der Lieferanten lediglich generische, nicht verhandelbare Verträge unterzeichneten. In einem Pilotprojekt fokussierte sich Walmart auf Güter des internen Bedarfs (wie Flottenservice oder Geschäftsausstattung). Das Ergebnis übertraf die Erwartungen deutlich: Statt der anvisierten 20 % wurde eine Interaktionsrate von 64 % mit den Lieferanten erreicht. Finanziell führte dies zu durchschnittlichen Einsparungen von 1,5 % auf verhandelte Verträge sowie einer Verlängerung der Zahlungsziele um etwa 35 Tage. Zudem gaben 83 % der Lieferanten an, dass das KI-System einfach zu bedienen sei, da sie ohne Zeitdruck eigene Gegenangebote machen konnten.

Das Logistikunternehmen nutzte die Technologie für einen völlig anderen, hochdynamischen Bereich: die Verhandlung von kurzfristigen Frachtraten (Spot-Rates) für Transport-Dienstleistungen. Diese mussten zuvor unter oft hohem Zeitdruck und mit vielen Variablen (wie Gewicht oder Gefahrgut) ausgehandelt werden. Durch den Einsatz von KI konnte Maersk von reaktiven Entscheidungen zu datengetriebenen Strategien wechseln. Zudem wurde der Prozess genutzt, um ohne zeitlichen Mehraufwand ESG-Kriterien (Environmental, Social, Governance) der Lieferanten direkt in die automatisierten Verhandlungen einfließen zu lassen. Langfristig exploriert das Unternehmen sogar Bot-to-Bot-Verhandlungen, bei denen KI-Systeme auf Käufer- und Verkäuferseite autonom und in Sekundenschnelle miteinander interagieren.

Auch das E-Commerce-Unternehmen OTTO hat den Wandel von manuellen Telefonaten hin zu KI-gestützten Verhandlungen vollzogen. Initiiert durch die hauseigene Venture Client Unit, begann OTTO zunächst bei kleinen Lieferanten, für die sich manueller Verhandlungsaufwand zuvor nicht rechnete. Innerhalb eines Jahres wurde das System auf rund 208 Geschäftspartner skaliert, worunter nun auch größere Lieferanten fallen. Das System wurde dabei hochgradig an OTTOs spezifische Zahlungsziele (wie z. B. Zahlung zum Monatsende plus fünf Tage) angepasst. Der Fokus lag hierbei klar auf der Prämisse: Wir digitalisieren nicht, wir automatisieren.

Ein Verhandlungsbot sagt nicht einfach nur "Nein" zu höheren Preisen. Er nutzt die faktische Datenlage und greift konsequent auf aktuelle Marktargumente wie Rohstoff- oder Energiepreise zurück. Lehnt der Bot beispielsweise eine Preiserhöhung ab, kann er dies fundiert begründen, etwa durch den Hinweis, dass der Marktindex für Stahl, Kupfer oder Strom im selben Zeitraum gesunken ist.

In der ersten Runde lehnt der Bot Preiserhöhungen pauschal ab und fordert Preisstabilität. Erst in der zweiten Runde greift ein definierter Toleranzkorridor (z. B. Akzeptanz bei Erhöhungen unter 1 % und max. Betrag x).

Stößt der Bot an Systemgrenzen (z. B. Preissprünge über 50 %), eskaliert er nicht einfach blind. Er erfragt vorab automatisiert beim Lieferanten den konkreten Grund für den extremen Sprung, um Einkäufer:innen die Argumentation perfekt vorzubereiten.

Der gesamte Austausch läuft über ein zentrales Sammelpostfach. Der Bot kommuniziert formell in der Muttersprache des Lieferanten und weist im Footer transparent darauf hin, dass er eine KI ist. Um menschlich zu wirken, antwortet er mit Verzögerung und strikt nur zu Geschäftszeiten. Eingehende PDFs oder Scans liest er per OCR aus und erkennt sogar versteckte Zusatzkosten wie Rüstkosten. Meldet ein Lieferant Urlaub an, erkennt der Bot die Abwesenheitsnotiz und pausiert oder wendet sich an die Vertretung.

Ein durchdachter Ansatz auf Basis von IBM watsonx Orchestrate macht operative und finanzielle Mehrwerte direkt sichtbar: KPIs wie der Automatisierungsgrad und deutlich reduzierte Bearbeitungszeiten zeigen, wie stark der operative Einkauf entlastet wird. Gleichzeitig machen Kennzahlen wie laufende Einsparungen (YTD) und die Erfolgsquote (Success Rate) den kaufmännischen Effekt transparent.

Auf Ebene einzelner Vorgänge kann der Einkauf dadurch jederzeit den aktuellen Status laufender Verhandlungen mit verschiedenen Lieferanten überblicken.

Doch wie sieht das konkret in der Praxis aus?

Die Detailansicht eines spezifischen Verhandlungsfalls zeigt die wahre Stärke der KI im operativen Einsatz:

• Transparente Argumentationskette (Reasoning): Das System zeigt Einkäufer:innen exakt, warum es wie verhandelt. Im abgebildeten Fall kontert die KI einen geforderten Logistikaufschlag des Lieferanten völlig logisch mit einer gestiegenen Bestellmenge (Fixkostendegression) und verweist gleichzeitig auf den aktuell gesunkenen LME-Stahlindex. Das ist datenbasierte Verhandlungsführung in Echtzeit.
• Historischer Kontext: Die KI zieht sich die Bestellhistorie aus dem ERP-System und stellt dem aktuellen Angebot vergangene Preise (PO-Historie) gegenüber.

Der architektonische Vorteil liegt in IBM watsonx Orchestrate als zentraler Intelligenz. Die Plattform fungiert dirigierend: Je nach Eingangskanal und Anwendungsfall entscheidet Orchestrate dynamisch, welcher spezifische Agent ausgeführt werden muss.

Das bringt entscheidende Vorteile in der Systemintegration und Prozesssteuerung:

Über definierte APIs kommuniziert die Lösung direkt mit dem ERP-System. Zwar ist in der Praxis häufig SAP (z. B. S/4HANA) mit automatisierten Updates von Infosätzen und Materialstamm-Daten im Einsatz, die Architektur ist jedoch universell: Jedes ERP-System, das eine technische Schnittstelle bereitstellt, lässt sich problemlos anbinden.

Fehlen moderne API-Schnittstellen (beispielsweise zu älteren Ticketsystemen), können diese Legacy-Systeme nahtlos über RPA-Agenten (Robotic Process Automation) als Fallback angebunden werden, um die Daten für den Bot zuverlässig abzugreifen.

Die KI entscheidet nicht pauschal völlig autark über das Firmenbudget. Es lässt sich präzise einstellen, in welchen Situationen der Bot automatisch entscheidet und agiert, und ab wann zwingend eine Freigabe durch eine:n Einkäufer:in (Human-in-the-Loop) erforderlich ist. Dies können beispielsweise vordefinierte Grenzen wie eine spezifische Gesamtsumme oder prozentuale Abweichungen sein. Ist eine menschliche Freigabe nötig, erhält ein:e Einkäufer:in im Dashboard alle Angebote normiert aufbereitet – inklusive historischer Vergleiche und Index-Entwicklungen – und kann den finalen Zuschlag mit nur einem Klick erteilen.

Die Automatisierung von Verhandlungsprozessen ist längst kein reines Zukunftsszenario mehr. Wie die Praxisbeispiele zeigen, bietet Agentic AI eine echte Lösung für den jahrelangen "ROI-Konflikt" im Einkauf. Durch die Automatisierung des Long-Tail-Bereichs werden nicht nur erhebliche kaufmännische Potenziale gehoben, sondern auch wertvolle Ressourcen geschont.

Der Einsatz von KI-Verhandlungsbots bedeutet dabei nicht das Ende menschlicher Einkäufer:innen. Im Gegenteil: Die Rolle wandelt sich grundlegend. Der Einkauf wird von zeitraubendem E-Mail-Ping-Pong bei Kleinbeträgen befreit und kann sich auf das konzentrieren, was wirklich zählt: die Pflege strategisch wichtiger Lieferantenbeziehungen, die Erschließung neuer Märkte und die finale, datenbasierte Steuerung der KI-Agenten.

Sie möchten tiefer in das Thema einsteigen oder prüfen, wie sich solche Lösungen für Agentic AI strategisch in Ihrem Unternehmen umsetzen lassen? Hier finden Sie weitere Infos rund um unsere Agentic-AI-Beratung: