KI im Einkauf und Beschaffung für den Mittelstand: Automatisierung ohne SAP-Zwang

Der Einkauf ist im Mittelstand oft der am meisten unterbesetzte Bereich. Ein Einkäufer verwaltet hunderte Lieferanten, tausende Artikel und unzählige Anfragen. KI entlastet ihn von repetitiven Aufgaben und gibt ihm Zeit für strategische Verhandlungen. Dieser Artikel zeigt vier konkrete Einsatzgebiete, die bereits nach wenigen Wochen messbare Ergebnisse liefern.

Die These: Einkauf ist der unterschätzte Hebel für KI

Im Mittelstand denken Geschäftsführer bei KI zuerst an Vertrieb oder Produktion. Der Einkauf bleibt außen vor. Das ist ein Fehler. Der Einkauf hat drei Eigenschaften, die ihn ideal für KI machen: hohe Datenmenge, repetitive Prozesse und messbares Ergebnis. Jeder gesparte Prozentpunkt beim Einkaufspreis geht direkt in die Marge.

Die Zahlen bestätigen das Potenzial. Laut einer Studie von MyBusinessFuture halten 78 Prozent der Einkaufsentscheider KI für unverzichtbar. Gleichzeitig nutzen nur 25 Prozent digitale Plattformen für den Einkauf. Das heißt: Die Mehrheit sieht das Potenzial, aber die Umsetzung fehlt. Der Grund ist oft die Annahme, dass KI im Einkauf nur mit SAP oder ähnlichen Großsystemen funktioniert. Diese Annahme ist falsch.

Der Beleg: Was ineffizienter Einkauf kostet

Markt und Mittelstand berichtet, dass 95 Prozent der Einkäufer unter Kostendruck stehen. Gleichzeitig verbringen sie 60 bis 70 Prozent ihrer Arbeitszeit mit administrativen Tätigkeiten: Angebotsvergleiche, Bestellanforderungen, Lieferantenanfragen, Mahnwesen. Die strategischen Tätigkeiten - Verhandlungen, Lieferantenentwicklung, Marktbeobachtung - kommen zu kurz.

Die Folge sind messbare Kosten. Erfahrungswerte zeigen, dass durch manuelle Prozesse im Einkauf Fehler entstehen, die 2 bis 5 Prozent des Einkaufsvolumens kosten: Doppelbestellungen, verpasste Frühbucherrabatte, zu hohe Sicherheitsbestände, verpasste Alternative Lieferanten. Bei einem Einkaufsvolumen von fünf Millionen Euro pro Jahr sind das 100.000 bis 250.000 Euro, die durch bessere Prozesse einfach zu realisieren wären.

Anwendung 1: Automatisierte Angebotsvergleiche

Der klassische Angebotsvergleich ist zeitaufwendig. Der Einkäufer erhält Angebote per E-Mail, PDF oder Webportal. Er extrahiert manuell Preis, Menge, Lieferzeit, Zahlungsbedingungen und Qualitätskriterien. Er vergleicht in Excel oder im ERP. Der Prozess dauert pro Anfrage 30 Minuten bis zwei Stunden.

KI kann diesen Prozess automatisieren. Die OCR-gestützte Analyse liest Angebots-PDFs und E-Mails automatisch aus. Die Muster-Erkennung klassifiziert die extrahierten Daten: Preis, Menge, Lieferzeit, Incoterms, Zahlungsbedingungen. Die Rules Engine vergleicht die Angebote nach vordefinierten Kriterien und erstellt eine Rangfolge.

Das Ergebnis: Der Einkäufer erhält einen strukturierten Vergleich innerhalb von Minuten statt Stunden. Er kann sich auf die Bewertung konzentrieren, statt auf das Abtippen. Die Einsparung beträgt 80 bis 90 Prozent der Zeit pro Anfrage. Bei zwanzig Anfragen pro Woche sind das 15 bis 20 Stunden, die für strategische Aufgaben frei werden.

Anwendung 2: Intelligente Bestandsoptimierung

Der Mittelstand kämpft mit einem klassischen Dilemma: Zu hohe Lagerbestände binden Kapital. Zu niedrige Bestände führen zu Lieferengpässen und Produktionsstillstand. Die optimale Bestellmenge und der optimale Bestellzeitpunkt zu berechnen, ist komplex. Manuell wird das oft mit Faustregeln gelöst, die suboptimal sind.

KI-gestützte Bestandsoptimierung analysiert historische Verbrauchsdaten, Saisonalität, Lieferzeiten und Unsicherheiten. Sie berechnet für jeden Artikel die optimale Bestellmenge, den Sicherheitsbestand und den Bestellzeitpunkt. Die Berechnung berücksichtigt dabei Kosten für Lagerung, Bestellung und Fehlmenge.

Das Ergebnis ist messbar. Typische Verbesserungen: Lagerbestände sinken um 15 bis 30 Prozent. Fehlmengen reduzieren sich um 40 bis 60 Prozent. Das freigesetzte Kapital kann für Investitionen oder Kassenreserven genutzt werden. Die Middleware von NaveSight verbindet die KI-Berechnung direkt mit dem ERP-System, sodass Bestellvorschläge automatisch erstellt werden.

Anwendung 3: Lieferantenbewertung und Risikomanagement

Die Bewertung von Lieferanten ist im Mittelstand oft subjektiv. "Der liefert immer pünktlich", "Der ist teuer, aber zuverlässig". Diese Einschätzungen basieren auf Bauchgefühl, nicht auf Daten. KI kann hier Objektivität schaffen.

Das System analysiert historische Lieferdaten: Pünktlichkeit, Qualität, Preisentwicklung, Kommunikation. Es berechnet für jeden Lieferanten ein Risikoprofil und eine Leistungsbewertung. Abweichungen von der Norm werden markiert. Wenn ein bisher zuverlässiger Lieferant plötzlich Verspätungen häuft, erkennt die KI das Muster früher als der menschliche Einkäufer.

Dieser Ansatz ist besonders wertvoll in volatilen Märkten. Die COVID-Pandemie und die Lieferkettenkrise haben gezeigt, wie schnell scheinbar stabile Lieferanten ausfallen können. KI-gestützte Frühwarnsysteme erkennen Anzeichen von Lieferantenproblemen Wochen vor dem Ausfall. Das gibt dem Einkäufer Zeit, Alternativen zu identifizieren und zu qualifizieren.

Anwendung 4: Vertragsmanagement und Compliance

Der Mittelstand verwaltet oft hunderte Lieferverträge. Mindestabnahmemengen, Preisstaffeln, Kündigungsfristen, Haftungsklauseln. Diese Informationen sind in PDFs oder Papierform gespeichert, nicht strukturiert abrufbar. Der Einkäufer verpasst Preisstaffeln, überschreitet Mindestabnahmen nicht oder kündigt Verträge zu spät.

KI-gestütztes Vertragsmanagement extrahiert relevante Klauseln aus Vertrags-PDFs und speichert sie in einer strukturierten Wissensbasis. Die Rules Engine überwacht kritische Daten: Preisstaffel-Fälligkeiten, Kündigungsfristen, automatische Verlängerungen. Sie warnt den Einkäufer, bevor eine Frist abläuft oder eine Staffel verpasst wird.

Das ist keine Theorie. Ein Maschinenbauer mit 120 Lieferverträgen hat durch KI-gestütztes Vertragsmanagement fünf automatische Vertragsverlängerungen verhindert und drei Preisstaffeln rechtzeitig beansprucht. Der finanzielle Effekt lag bei 45.000 Euro im ersten Jahr.

Der pragmatische Einstieg: 30 Tage zum ersten Ergebnis

Der Einstieg in KI im Einkauf muss nicht komplex sein. Unser Ansatz bei NaveSight ist in vier Wochen strukturiert. Woche eins: Systemanalyse. Wir verstehen, welche Systeme Sie nutzen, wie der Einkaufsprozess abläuft und wo die größten Reibungsverluste liegen. Woche zwei: Datenintegration. Die API-basierte Anbindung Ihrer Systeme an die Intelligenz-Schicht. Keine Migration, keine Unterbrechung. Woche drei: Modelltraining. Wir trainieren die ersten Modelle mit Ihren historischen Daten. Woche vier: Pilot. Der Einkäufer nutzt das erste Modell im Alltag, wir sammeln Feedback und optimieren.

Nach 30 Tagen haben Sie ein erstes Ergebnis. Nach drei Monaten sind alle vier Anwendungen aktiv. Nach sechs Monaten haben Sie eine vollständige KI-gestützte Einkaufsunterstützung, die den Einkäufer entlastet und die Geschäftsführung informiert.