Zum Hauptinhalt springen
Novartum Logo
Zurück zur Übersicht
Procurement & KI• 8 Min. Lesezeit

KI-fähiger Einkauf: Vom Datenchaos zur Steuerung in Echtzeit

Dr. Matthias Schuchardt

Managing Director | Founder

27. Januar 2026
KI-fähiger Einkauf: Vom Datenchaos zur Steuerung in Echtzeit
Das Wichtigste in Kürze

"KI im Einkauf funktioniert nur mit sauberen Daten. Die drei Bausteine Golden Supplier, KI-gestützte Klassifikation und Kategorien-Scorecard bilden das Fundament für datengetriebene Entscheidungen mit Einsparpotenzialen im hohen einstelligen bis niedrigen zweistelligen Prozentbereich."

Künstliche Intelligenz ist im Einkauf kein Zukunftsthema mehr. Führende Procurement-Organisationen nutzen GenAI, Analytics und Process Intelligence, um Kosten zu senken, Risiken zu steuern und strategische Entscheidungen zu verbessern. Gleichzeitig zeigt die Praxis: Ohne saubere Daten, klare Governance und ein realistisches Zielbild bleiben KI-Initiativen im Pilotstatus stecken.

KI im Einkauf: Innovation trifft Regulierung

Technologieanbieter erweitern ihre Lösungen kontinuierlich um KI-Funktionen. Moderne RFx-Tools erstellen Textentwürfe, konsolidieren Antworten und zeigen Abweichungen in Angeboten auf. RAG-Systeme (Retrieval Augmented Generation) nutzen interne Vertrags- und Richtliniendaten, um kontextbezogene Antworten zu liefern.

Parallel steigen die regulatorischen Anforderungen. Der EU AI Act, der Data Act sowie DSGVO und CSRD verlangen Transparenz, Nachweisbarkeit und hohe Datenqualität. Der Einkauf wird damit sowohl zum Innovationstreiber als auch zum Compliance-relevanten Bereich.

Die Kernfrage lautet: Wie verankern Unternehmen KI so, dass sie messbaren Nutzen stiftet und keine zusätzliche Komplexität erzeugt?

Spend Analytics und Klassifikation: Der größte Hebel bleibt oft ungenutzt

Die größten Optimierungspotenziale liegen häufig in den Grundlagen. Typische Herausforderungen, die wir bei unseren Kunden sehen:

  • Mehrere ERP-Systeme ohne einheitliche Datenbasis
  • Maverick Buying und lokale Bestellungen außerhalb der Systeme
  • Historisch gewachsene Lieferantenbasis mit Dubletten und inkonsistenten Stammdaten
  • Geringer Bündelungsgrad und hoher Maverick-Spend

Ohne einheitliche Spend-Transparenz bleibt der Einkauf nur eingeschränkt steuerbar. Standards wie UNSPSC oder eCl@ss schaffen eine gemeinsame Sprache und ermöglichen vergleichbare Kennzahlen, Benchmarks und konsolidiertes Reporting.

Drei Bausteine für einen KI-fähigen Einkauf

1. Golden Supplier – Die Lieferantenbasis konsolidieren

Lieferanten aus ERP, CRM und Finanzsystemen werden zusammengeführt, Dubletten bereinigt und mit eindeutigen IDs versehen. Das Ergebnis ist eine konsistente Basis für Verhandlungen, Reporting und Compliance.

2. KI-gestützte Klassifikation

Historische Bestell- und Rechnungsdaten werden mithilfe von Text-Mining und Machine Learning auf UNSPSC abgebildet. Human-in-the-Loop-Prozesse stellen Qualität und Akzeptanz sicher. Neue Daten lassen sich nahezu in Echtzeit zuordnen.

3. Kategorien-Scorecard

Kennzahlen pro Warengruppe schaffen Transparenz: Spend-Volumen, Lieferantenanzahl, Vertrags- und Katalogquote sowie Zahlungsbedingungen. Auf dieser Basis lassen sich Bündelungspotenziale, Nachverhandlungen und Preferred-Supplier-Strategien fundiert priorisieren.

Vorgehen: Vom Scoping zum Rollout

Erfolgreiche Unternehmen starten mit einem klar umrissenen Pilotprojekt:

  1. Scoping und Datenprüfung: Zielbild, KPIs und Business Case werden definiert. Datenquellen werden identifiziert und auf Qualität geprüft.
  2. Pilotphase: Aufbau des Golden Supplier, Klassifikationspipeline und erste Scorecards. Typische Dauer: 8-12 Wochen.
  3. Skalierung: Schrittweiser Rollout, Integration in Prozesse und Systeme, Ergänzung von Governance und Schulung.

Ergebnis: Je nach Ausgangslage sind Einspar- und Steuerungseffekte im hohen einstelligen bis niedrigen zweistelligen Prozentbereich möglich.

Erfolgsfaktoren für KI im Einkauf

  • Klare Governance: Verantwortlichkeiten für Datenqualität und Klassifikation definieren
  • Definierte Taxonomie: Standards wie UNSPSC konsequent nutzen und versionieren
  • Skalierbare Datenpipelines: Automatisierte Prozesse für kontinuierliche Datenqualität
  • Human-in-the-Loop: Gezielte manuelle Prüfung für kritische Klassifikationen
  • Frühe Einbindung der Fachbereiche: Akzeptanz durch Transparenz und KPI-Reporting

Fazit: Daten vor Algorithmen

KI entfaltet ihr Potenzial erst dann, wenn Daten, Prozesse und Governance aufeinander abgestimmt sind. Eine robuste Stammdatenbasis, eine konsistente Klassifikation und eine aussagekräftige Scorecard bilden das Fundament für datengetriebene Entscheidungen im Einkauf.

Nächster Schritt: Strukturierte Spend-Analyse

Unternehmen, die ihren Reifegrad bestimmen und konkrete Hebel identifizieren möchten, profitieren von einer strukturierten Spend-Analyse. Novartum entwickelt gemeinsam mit Einkauf und IT eine realistische Roadmap für Spend Analytics, Klassifikation und KI-Einsatz – mit klarem Business Case und umsetzbaren Maßnahmen.

FAQ

Fragen zum Thema

Antworten auf die wichtigsten Fragen rund um Lizenzmanagement, Audits und Compliance. Optimiert für schnelle Informationsfindung.

Noch Fragen offen?

Unsere Experten beraten Sie gerne unverbindlich.

Ein KI-fähiger Einkauf verfügt über saubere, strukturierte Daten, klare Governance-Prozesse und eine einheitliche Klassifikation. Erst diese Grundlagen ermöglichen den effektiven Einsatz von Machine Learning, GenAI und Process Intelligence für Kostenoptimierung und Risikosteuerung.
Je nach Ausgangslage und Reifegrad sind Einspar- und Steuerungseffekte im hohen einstelligen bis niedrigen zweistelligen Prozentbereich möglich. Die größten Hebel liegen in der Bündelung von Spend, der Konsolidierung der Lieferantenbasis und der Optimierung von Zahlungsbedingungen.
Der Golden Supplier ist eine konsolidierte, bereinigte Lieferantenstammdatenbasis. Lieferanten aus ERP, CRM und Finanzsystemen werden zusammengeführt, Dubletten bereinigt und mit eindeutigen IDs versehen. Das Ergebnis ist eine konsistente Basis für Verhandlungen, Reporting und Compliance.
Historische Bestell- und Rechnungsdaten werden mithilfe von Text-Mining und Machine Learning auf Standards wie UNSPSC oder eCl@ss abgebildet. Human-in-the-Loop-Prozesse stellen Qualität sicher. Neue Daten lassen sich nahezu in Echtzeit zuordnen.
UNSPSC (United Nations Standard Products and Services Code) ist ein internationaler Klassifikationsstandard für Waren und Dienstleistungen. Er schafft eine gemeinsame Sprache im Einkauf und ermöglicht vergleichbare Kennzahlen, Benchmarks und konsolidiertes Reporting über verschiedene ERP-Systeme hinweg.
Der EU AI Act, der Data Act sowie DSGVO und CSRD verlangen Transparenz, Nachweisbarkeit und hohe Datenqualität. Der Einkauf wird damit sowohl zum Innovationstreiber als auch zum Compliance-relevanten Bereich. Unternehmen müssen dokumentieren, wie KI-Systeme Entscheidungen treffen.
Ein typisches Projekt gliedert sich in drei Phasen: Scoping und Datenprüfung (4-6 Wochen), Pilotphase mit Golden Supplier und ersten Scorecards (8-12 Wochen), sowie Skalierung und Integration (laufend). Erste Quick Wins sind oft bereits nach 3 Monaten sichtbar.
Eine Kategorien-Scorecard zeigt KPIs wie Spend pro Warengruppe, Lieferantenanzahl, Vertrags- und Katalogquote sowie Zahlungsbedingungen. Auf dieser Basis lassen sich Bündelungspotenziale, Nachverhandlungen und Preferred-Supplier-Strategien fundiert priorisieren.
Die häufigsten Blocker sind: mehrere ERP-Systeme ohne einheitliche Datenbasis, Maverick Buying und lokale Bestellungen außerhalb der Systeme, historisch gewachsene Lieferantenbasis mit Dubletten, sowie fehlende Governance und Taxonomie-Standards.
Novartum entwickelt gemeinsam mit Einkauf und IT eine realistische Roadmap für Spend Analytics, Klassifikation und KI-Einsatz. Wir starten mit einer strukturierten Spend-Analyse, identifizieren konkrete Hebel und liefern einen klaren Business Case mit umsetzbaren Maßnahmen.
KI Einkauf Procurement Spend Analytics UNSPSC Machine Learning EU AI Act Data Governance