Das Wichtigste vorab: In einer Umfrage von KLOEPFEL by EPSA unter 62 Einkaufsverantwortlichen (März/April 2026) nutzten drei von vier Befragten KI vor allem als Chatbot für einfache Aufgaben. Nur 2 % hatten eine klare KI-Strategie, und ebenfalls nur 2 % hatten KI tief in ERP- oder SRM-Systeme integriert. Der Einstieg gelingt, wenn Unternehmen zuerst Verantwortung, Regeln und Datenbasis klären und dann einen eng abgegrenzten Anwendungsfall mit messbarem Ziel umsetzen, statt viele Einzeltests parallel laufen zu lassen.
Wo steht der Einkauf beim Thema KI?
KI ist im Einkauf angekommen, aber nur an der Oberfläche. Drei von vier Befragten (76 %) nutzen sie als Chatbot für einfache Aufgaben wie Recherchen oder Texte. Für Auswertungen und Kalkulationen setzen sie nur 29 % ein, in Analyseprozessen wie dem Risikomanagement 21 %. Knapp ein Viertel (23 %) nutzt KI im Einkauf gar nicht.
Im Tagesgeschäft, also bei Bestellungen, Analysen oder im Lieferantenmanagement, spielt KI kaum eine Rolle: 77 % nutzen sie dort gar nicht oder nur in Test- und Pilotprojekten. Nur 3 % setzen KI in mehreren Einkaufsprozessen ein.
| Kennzahl aus der Umfrage von KLOEPFEL by EPSA (2026) | Anteil |
|---|---|
| Klare KI-Strategie mit Mandat im Einkauf | 2 % |
| KI tief in ERP-, SRM- oder BI-Systeme integriert | 2 % |
| KI nicht oder kaum in Einkaufssysteme integriert | 87 % |
| KI-Einsatz im Einkauf standardisiert (zentrale Assistenten, Prompts, Use Cases) | 5 % |
| Individuelle Ad-hoc-Nutzung ohne Standards | 56 % |
| Einkaufsdaten „sehr gut“ für KI geeignet | 8 % |
| Einkaufsdaten nur begrenzt oder schwach geeignet | 50 % |
| Unzufrieden mit dem KI-Einsatz | 39 % |
Basis: Online-Umfrage von KLOEPFEL by EPSA unter 62 Einkaufsverantwortlichen, März bis April 2026. 52 % der Teilnehmer kommen aus der Industrie, je 23 % aus Handel und Dienstleistungen; Schwerpunkt Mittelstand; 84 % arbeiten direkt im Einkauf. Zusammenfassung im Magazin: Umfrage: KI im Einkauf – Nur 2 Prozent haben eine klare Strategie. Die vollständige Studie „KI im Einkauf – Zwischen Anspruch und Realität“ steht auf der Seite KI im Einkauf von KLOEPFEL by EPSA zum Download bereit.
Die Zufriedenheit ist entsprechend verhalten: 13 % sind zufrieden, fast die Hälfte (48 %) bewertet den Einsatz neutral, und niemand ist sehr zufrieden.
Zur Einordnung: Die Umfrage ist eine Stichprobe und nicht repräsentativ. Die beiden 2-%-Werte entsprechen jeweils einem der 62 befragten Unternehmen. Die Richtung ist dennoch eindeutig: KI wird im Einkauf genutzt, aber kaum gesteuert und kaum in Prozesse überführt.
Warum kommen KI-Projekte im Einkauf nicht über die Testphase hinaus?
KI-Projekte im Einkauf scheitern selten an der Technik. Die Umfrage zeigt vier organisatorische Ursachen, die meist gemeinsam auftreten. Alexander Hornikel, Country Manager bei KLOEPFEL by EPSA, spricht deshalb von einem „KI-Pilotprojekt-Friedhof“: viele Einzelanwendungen und Tests, aber kaum Transformation.
Niemand hat das Mandat
In 52 % der Unternehmen ist der KI-Einsatz im Einkauf überhaupt nicht strategisch eingeordnet. Weitere 29 % unterstützen ihn, steuern ihn aber nicht, und 18 % sind Bottom-up-Initiativen einzelner Mitarbeitender. Ohne Verantwortlichen mit Ziel und Budget bleibt jeder Test ein Einzelfall.
„KI wird oft für einzelne Aufgaben genutzt, aber nicht in Prozesse und Systeme integriert. Ohne diese Integration entsteht kein ROI.“
Jeder nutzt KI anders
56 % der Befragten arbeiten mit individuellen Ad-hoc-Lösungen ohne Standards, weitere 26 % haben nur begrenzte Regeln. Wenn jeder Einkäufer eigene Tools und Prompts verwendet, lassen sich Ergebnisse weder vergleichen noch skalieren, und Vertraulichkeitsrisiken bleiben ungeklärt.
Die Daten tragen nicht
Nur 8 % halten ihre Einkaufsdaten für sehr gut geeignet. Die Hälfte bewertet die eigene Datenbasis als begrenzt oder schwach. Doppelte Lieferanten, uneinheitliche Artikelbezeichnungen und fehlende Warengruppen-Zuordnungen führen dazu, dass KI-Auswertungen falsche oder unvollständige Ergebnisse liefern.
KI läuft neben den Systemen statt in ihnen
87 % haben KI nicht oder kaum in ERP- und Einkaufssysteme eingebunden. Ein Chatbot, in den Daten per Copy-and-paste wandern, spart einzelnen Mitarbeitenden Zeit, verändert aber keinen Prozess.
„Statt echter Transformation dominiert ein Nebeneinander aus Einzelanwendungen, Tests und Insellösungen. Der eigentliche Hebel von KI – die Automatisierung zentraler Prozesse, die Verbesserung von Entscheidungen und die Erschließung neuer Wertschöpfung – bleibt weitgehend ungenutzt.“
Welcher Anwendungsfall eignet sich für den Einstieg?
Der erste KI-Anwendungsfall im Einkauf sollte klein, häufig und messbar sein. Gut geeignet sind Aufgaben mit hohem Volumen, klaren Regeln und einer Kennzahl, an der sich der Erfolg nach wenigen Wochen ablesen lässt. Strategische Entscheidungen wie die Lieferantenauswahl für Schlüsselwarengruppen gehören nicht an den Anfang.
| Anwendungsfall | Was KI übernimmt | Voraussetzung | Woran man den Erfolg misst |
|---|---|---|---|
| Lieferanten- und Materialstammdaten bereinigen | Dubletten und Schreibvarianten erkennen und zusammenführen | Zugriff auf Stammdaten-Export aus dem ERP | Anzahl bereinigter Dubletten, Fehlerquote in Auswertungen |
| Rechnungen, Bestellungen und Lieferscheine auslesen | Belege aus PDF, Bild oder Word in strukturierte Daten überführen | Einheitlicher Belegeingang, Zielformat definiert | Bearbeitungszeit pro Beleg, Anteil ohne manuelle Korrektur |
| Verträge auswerten | Laufzeiten, Kündigungsfristen, Preisklauseln und Haftung extrahieren | Verträge digital verfügbar | Anzahl ausgewerteter Verträge, gefundene Fristen und Risiken |
| Ausgaben klassifizieren (Spend-Analyse) | Buchungen automatisch Warengruppen zuordnen | Buchungsdaten mit Lieferant und Text | Anteil korrekt klassifizierter Ausgaben, Zeit bis zur Spend-Übersicht |
| Angebote vergleichen | Angebote strukturieren und nach festen Kriterien gegenüberstellen | Einheitliche Anfrageunterlagen | Zeit von Angebotseingang bis Vergabeentscheidung |
Welcher Fall der richtige ist, hängt davon ab, wo im eigenen Einkauf die meiste Zeit in wiederkehrende, fehleranfällige Arbeit fließt. Häufig ist die Stammdatenbereinigung der beste Start, weil sie zugleich die Grundlage für alle weiteren KI-Anwendungen schafft. Dabei arbeiten oft klassische Abgleichverfahren (Fuzzy Matching) und KI zusammen: Die Algorithmen finden ähnliche Einträge, Sprachmodelle helfen bei der Bewertung unklarer Fälle.
Wichtig bei allen Anwendungsfällen mit Sprachmodellen, etwa beim Auslesen von Belegen und Verträgen: Die Modelle machen Fehler und können Werte erfinden. Deshalb gehören zu jedem Pilot eine gemessene Trefferquote und eine menschliche Prüfung, zumindest für Fälle, die das System als unsicher markiert.
Wie führt man KI im Einkauf Schritt für Schritt ein?
Ein strukturierter Einstieg folgt fünf Schritten. Er setzt genau an den Hürden an, die die Umfrage zeigt: fehlendes Mandat, ungeklärte Daten, Einzellösungen ohne Systemanbindung.
- Verantwortung, Ziel und Regeln festlegen. Eine Person im Einkauf erhält das Mandat für KI, mit Rückendeckung der Geschäftsführung, einem Budget und einem messbaren Ziel, etwa „Bearbeitungszeit pro Rechnung halbieren“. Gleichzeitig wird geregelt, welche Tools mit welchen Daten genutzt werden dürfen. Der Betriebsrat sollte früh eingebunden werden: Können Tools Leistung oder Verhalten von Mitarbeitenden auswerten, hat er nach § 87 Abs. 1 Nr. 6 BetrVG ein Mitbestimmungsrecht. Wer ihn erst kurz vor dem Rollout informiert, verliert Monate.
- Prozesse aufnehmen und Anwendungsfälle bewerten. Gemeinsam mit dem Team werden zeitintensive, wiederkehrende und fehleranfällige Aufgaben gesammelt und nach Aufwand, Nutzen und Datenlage bewertet. Am Ende steht ein priorisierter Anwendungsfall.
- Datenbasis prüfen und bereinigen. Für den gewählten Fall wird geprüft, ob die nötigen Daten vollständig und einheitlich vorliegen. Dubletten und Lücken werden vor dem Pilot behoben, nicht danach.
- Pilot mit klarer Messgröße umsetzen. Ein Prototyp (MVP) wird mit echten Daten im Alltag getestet, idealerweise innerhalb weniger Wochen. Gemessen werden die vorher festgelegte Kennzahl und die Trefferquote. Stichproben werden manuell geprüft, bevor das System Ergebnisse ohne Kontrolle weitergibt.
- Standardisieren, schulen und integrieren. Erfolgreiche Piloten werden zum Standard: zentrale Assistenten, abgestimmte Prompts und schrittweise Anbindung an ERP oder Einkaufsplattform. Schulung ist dabei keine Kür: Seit Februar 2025 verlangt der EU AI Act (Art. 4), dass Unternehmen für ausreichende KI-Kompetenz der Mitarbeitenden sorgen, die mit KI-Systemen arbeiten. Erst danach folgt der nächste Anwendungsfall.
Diese Reihenfolge verhindert, dass KI im Einkauf auf Dauer als Sammlung unverbundener Tests endet. Wer Schritt 1 und 3 überspringt, landet mit hoher Wahrscheinlichkeit wieder im Pilotstadium.
Kaufen, selbst entwickeln oder die KI im ERP nutzen?
Für jeden Anwendungsfall stellt sich die Frage, woher die Lösung kommt. Es gibt drei Wege, die sich auch kombinieren lassen.
KI-Funktionen im bestehenden ERP oder auf der Einkaufsplattform nutzen
Passt, wenn der Anbieter den Anwendungsfall bereits abdeckt. Zu beachten: Oft fallen zusätzliche Lizenzkosten an, und der Funktionsumfang ist vom Anbieter vorgegeben.
Spezialisierte Software zukaufen
Passt, wenn ein Standardproblem vorliegt, etwa Spend-Analyse oder Vertragsmanagement. Zu beachten: Schnittstellen zum ERP, Datenhaltung beim Anbieter und die Abhängigkeit vom Anbieter.
Individuelle Lösung entwickeln (lassen)
Passt, wenn Prozesse oder Datenformate sehr spezifisch sind. Zu beachten: Pflege und Weiterentwicklung müssen dauerhaft geklärt sein.
Im Mittelstand ist es meist sinnvoll, zuerst zu prüfen, was vorhandene Systeme bereits können, bevor neue Tools eingeführt werden. Jede zusätzliche Insellösung verstärkt sonst den Wildwuchs, den die Umfrage beschreibt.
Wie sieht ein KI-Einstieg in der Praxis aus?
Wie ein Einstieg ablaufen kann, zeigt ein typisches Szenario aus dem Mittelstand mit dem Anwendungsfall Stammdatenbereinigung. Das Beispiel ist fiktiv und dient der Veranschaulichung; alle Zahlen sind Annahmen.
Ausgangslage
Ein Maschinenbauer mit rund 450 Mitarbeitenden und drei Standorten führt etwa 2.400 aktive Lieferanten im ERP. Über die Jahre wurden Lieferanten an jedem Standort separat angelegt, mit abweichenden Schreibweisen und Adressen. Auswertungen des Einkaufsvolumens je Lieferant sind deshalb unzuverlässig, Bündelungspotenziale bleiben unsichtbar.
Vorgehen
Der Einkaufsleiter übernimmt die Verantwortung, der Betriebsrat wird informiert; ausgewertet werden ausschließlich Lieferantendaten, keine Daten über Mitarbeitende. Die Stammdaten werden aus dem ERP exportiert, per Fuzzy Matching abgeglichen, unklare Fälle bewertet ein Sprachmodell. Zwei Einkäufer prüfen jeden Zusammenführungsvorschlag in einer Übersicht, bevor er übernommen wird. Der Pilot dauert vier Wochen.
Messgrößen
Anzahl erkannter Dubletten, Anteil der Vorschläge, die bei der Prüfung bestätigt werden, und Zeitaufwand im Vergleich zur bisherigen manuellen Pflege.
Mögliches Ergebnis
Werden zum Beispiel rund 10 % der Lieferantensätze als Dubletten erkannt, schrumpft die Lieferantenbasis um etwa 240 Einträge. Die bereinigte Spend-Auswertung zeigt erstmals, mit welchen Lieferanten tatsächlich das größte Volumen besteht, und liefert so die Grundlage für gebündelte Neuverhandlungen.
Nächster Schritt
Auf der bereinigten Datenbasis folgt der zweite Anwendungsfall, etwa die automatische Auslesung von Rechnungen.
In der KI-Potenzialanalyse von KLOEPFEL by EPSA werden Prozesse aufgenommen, Anwendungsfälle bewertet und mindestens ein individueller Prototyp entwickelt, den das Einkaufsteam selbst testet. Erste messbare Ergebnisse liegen nach vier Wochen vor.
Wann lohnt sich KI im Einkauf (noch) nicht?
KI ist nicht in jeder Ausgangslage der richtige nächste Schritt. Zurückhaltung ist sinnvoll, wenn:
- das Volumen zu klein ist: Bei wenigen Bestellungen, Rechnungen oder Verträgen pro Monat steht der Aufwand für Einrichtung und Pflege in keinem Verhältnis zum Nutzen.
- keine digitale Datenbasis existiert: Liegen Bestellungen und Verträge überwiegend auf Papier oder in verstreuten Dateien, ist die Digitalisierung der erste Schritt.
- niemand das Thema verantwortet: Ohne Mandat und Zeit im Team wird aus dem Pilot ein weiteres Einzelprojekt.
- das eigentliche Problem woanders liegt: Fehlende Lieferantenstrategie, unklare Prozesse oder Personalengpässe löst KI nicht. Sie macht gute Prozesse schneller, schlechte aber nicht besser.
FAQ: Häufige Fragen zur Einführung von KI im Einkauf
Wie lange dauert der Einstieg in KI im Einkauf?
Ein erster Pilot mit einem klar abgegrenzten Anwendungsfall lässt sich in wenigen Wochen umsetzen. Die Standardisierung und Anbindung an ERP- oder Einkaufssysteme dauert je nach Systemlandschaft mehrere Monate. Entscheidend ist, mit einem Fall zu beginnen und ihn abzuschließen, bevor der nächste startet.
Braucht man für KI im Einkauf eine eigene IT-Abteilung?
Für den Einstieg nicht. Viele Anwendungsfälle wie Belegauslesung oder Stammdatenbereinigung funktionieren zunächst über Excel-Import und -Export. Für die spätere Integration in ERP- oder SRM-Systeme ist die IT allerdings früh einzubinden.
Darf man ChatGPT und andere öffentliche KI-Tools mit Einkaufsdaten nutzen?
Vertrauliche Daten wie Preise, Konditionen oder Lieferantenverträge gehören nicht in frei zugängliche Verbraucherversionen. Für den Einsatz mit Unternehmensdaten braucht es Unternehmenslösungen mit Auftragsverarbeitungsvertrag, geklärtem Speicherort der Daten und der Zusage, dass Eingaben nicht zum Training der Modelle verwendet werden. Dazu kommt eine interne Regel, welche Daten in welche Tools dürfen. Verantwortlich bleibt das Unternehmen; der Datenschutzbeauftragte berät und prüft.
Woran misst man, ob sich ein KI-Projekt im Einkauf lohnt?
An Kennzahlen, die vor dem Pilot festgelegt werden: zum Beispiel Bearbeitungszeit pro Vorgang, Anteil automatisch verarbeiteter Belege, Trefferquote, Fehlerquote in Stammdaten oder Zeit vom Angebotseingang bis zur Vergabe. Die bloße Nutzungshäufigkeit eines Tools sagt wenig über den Nutzen aus.
Was kostet der Einstieg in KI im Einkauf?
Die Kosten hängen vor allem von vier Faktoren ab: dem Zustand der Daten, der Zahl der Anwendungsfälle, der Entscheidung zwischen zugekaufter und individuell entwickelter Lösung und dem Aufwand für die Anbindung an ERP oder Einkaufsplattform. Ein eng abgegrenzter Pilot ist deutlich günstiger als eine umfassende Einführung. Sinnvoll ist, vor der Entscheidung eine Potenzialanalyse durchzuführen, die Aufwand und Nutzen je Anwendungsfall beziffert.