Wenn KI im Einkauf ankommt, liegt der größte Widerstand nicht in der Software
Es gibt ein Muster, das sich in fast allen Organisationen wiederholt, die eine grundlegende technologische Transformation durchlaufen: Das Schwierigste war nicht die Auswahl der Plattform. Es war die Entdeckung, Wochen nach dem Launch, dass das eigentliche Problem gar kein technologisches war.
Im Fall der künstlichen Intelligenz, die in den Bereichen Einkauf und Beschaffung eingesetzt wird – was die Branche als Procurement bezeichnet – wird dieses Muster so häufig beobachtet, dass es bereits einen eigenen Namen trägt. McKinsey beschreibt es mit chirurgischer Präzision: Die Organisationen, denen es gelingt, KI im Procurement zu skalieren, sind nicht jene, die die beste Software gewählt haben, sondern jene, die ihre Arbeitsabläufe von Anfang bis Ende neu gestaltet haben, bevor sie ein Modell darum gebeten haben, diese zu automatisieren. Diejenigen, die das nicht getan haben, stellten fest, dass KI die operative Fragmentierung nicht behebt. Sie verstärkt sie.
Was in der Welt der Unternehmensbeschaffung gerade geschieht, ist keine Aktualisierung von Werkzeugen. Es ist eine Neuordnung dessen, wer Entscheidungen trifft, mit welchen Informationen, in welcher Geschwindigkeit und mit welchem Grad menschlicher Einbindung. Das löst man nicht durch den Kauf einer Lizenz. Das erfordert, dass die Organisation neu definiert, was sie unter Wert, Kontrolle und Rechenschaftspflicht versteht.
---
Die Illusion des erfolgreichen Piloten
Prajkta Waditwar, Senior Director of Technology Sourcing bei Box und Mitglied des Forbes Technology Council, beschrieb ein Szenario, das jeder Operations-Leiter erkennen wird: Eine globale Organisation implementierte KI, um die Lieferantenvisibilität zu verbessern und die Risikobewertung in verschiedenen Regionen zu automatisieren. Die Modelle funktionierten gut in der Testumgebung. Doch als es an der Zeit war zu skalieren, legte das System inkonsistente Lieferantendaten, fragmentierte Genehmigungsabläufe und voneinander getrennte Enterprise-Management-Systeme offen, die jahrelang dank der menschlichen Toleranz gegenüber Mehrdeutigkeit überlebt hatten.
Diese Art von Misserfolg nach dem Piloten hat eine innere Logik, die es wert ist, benannt zu werden: Piloten funktionieren, weil Variablen kontrolliert werden. Es wird eine geordnete Ausgabenkategorie ausgewählt, ein motiviertes Team, ein kooperativer Lieferant. Die KI glänzt. Die Investition wird validiert. Die Entscheidung zur Skalierung wird getroffen. Und dann trifft das System auf die vollständige operative Realität, mit der gesamten angesammelten Geschichte improviserter Prozesse, falsch etikettierter Daten und Entscheidungen, die telefonisch getroffen wurden.
Das Problem ist nicht, dass die Organisation etwas falsch gemacht hat. Das Problem ist, dass über Jahre hinweg die Effizienz durch das menschliche Urteilsvermögen von Personen aufrechterhalten wurde, die die Abkürzungen, die Ausnahmen und die schwer zu klassifizierenden Lieferanten kannten. Dieses implizite Wissen wurde nie dokumentiert, nie strukturiert, nie in Daten umgewandelt. KI kann nicht auf dem operieren, was nicht als Datum existiert.
Deloitte dokumentiert dies in seiner globalen Umfrage unter Chief Procurement Officers aus dem Jahr 2025: Organisationen mit höherer digitaler Reife erzielen deutlich höhere Renditen aus ihren Investitionen in generative künstliche Intelligenz. Die Lücke liegt nicht darin, wer Zugang zur Technologie hat. Sie liegt darin, wer das Fundament darunter aufgebaut hat.
---
Das strukturelle Problem, das noch niemand benennt
Es gibt etwas, das Organisationen dazu neigen zu unterschätzen, wenn sie sich auf diese Transformation einlassen, und das es wert ist, präzise benannt zu werden: Die operative Fragmentierung im Einkauf ist kein Zufall. Sie ist das Ergebnis jahrelanger rationaler Entscheidungen, die lokal getroffen wurden.
Jede Region, die ihre eigenen Verträge verhandelte, hatte Gründe dafür. Jede Geschäftseinheit, die ihren eigenen Genehmigungsprozess aufbaute, löste ein echtes Problem mit den ihr zur Verfügung stehenden Ressourcen. Jedes Team, das eine parallele Tabellenkalkulation neben dem Unternehmenssystem pflegte, tat dies, weil das Unternehmenssystem nicht mit der benötigten Geschwindigkeit reagierte. Die Fragmentierung ist in vielen Fällen der digitale Fußabdruck einer Organisation, die schneller gewachsen ist als ihre Governance-Kapazität.
Der Moment, in dem diese Organisation künstliche Intelligenz in ihre Einkaufsprozesse einführt, ist genau der Moment, in dem diese Geschichte ans Licht kommt. Und was ans Licht kommt, ist nicht nur technische Ineffizienz. Es wird ein Governance-Modell offengelegt, das davon abhängig war, dass das individuelle Urteilsvermögen bestimmter Personen es am Laufen hielt.
Dies knüpft an etwas an, das McKinsey bei der Beschreibung der Entwicklung hin zu dem anspricht, was sie „KI-Agenten" nennen: Systeme, die Kontext aufnehmen, komplexe Aufgaben planen und mit einem gewissen Grad an Autonomie über mehrere Systeme gleichzeitig handeln können. Wenn dieser Agent versucht, in einer Umgebung zu operieren, in der Lieferantendaten je nach abgefragtem System in drei verschiedenen Versionen vorliegen, in der die Genehmigungsrichtlinien regional variieren, ohne eine dokumentierte Logik, und in der der Rahmenvertrag auf einem lokalen Server liegt, den nur eine Person kannte, die das Unternehmen längst verlassen hat, dann scheitert der Agent nicht aufgrund technologischer Einschränkungen. Er scheitert, weil die Umgebung nicht die minimale Architektur besitzt, um automatisierte Entscheidungen zu tragen.
Die Frage, die sich das Top-Management stellen muss, ist nicht, ob KI im Einkauf implementiert werden soll. Sie lautet: Wie ehrlich sind sie bezüglich des tatsächlichen Zustands ihrer Daten- und Governance-Infrastruktur, bevor sie das System um Entscheidungen bitten.
---
Wenn die Einkaufsfunktion aufhört, operativ zu sein
Zycus beschreibt in seinem KI-Leitfaden für Procurement aus dem Jahr 2026 den Wandel in Begriffen, die zunächst nach Marketing klingen, die jedoch, aufmerksam gelesen, etwas Strukturelleres offenbaren: KI kommt nicht in den Einkauf, um das bereits Vorhandene effizienter zu gestalten. Sie kommt, um den Großteil der transaktionalen Arbeit zu absorbieren und menschliche Kapazitäten für etwas anderes freizusetzen.
Dieses „etwas anderes" beschreibt Waditwar aus ihrer direkten Erfahrung sehr klar: Einkaufsteams werden zunehmend früher in strategische Gespräche einbezogen – nicht um Preise zu verhandeln, sondern um die langfristigen operativen Implikationen einer Lieferantenentscheidung zu bewerten. Wie viel Abhängigkeit erzeugt eine tiefe Integration mit einem Softwareanbieter? Wie komplex wäre es, in drei Jahren aus diesem Vertrag auszusteigen? Ob die technologische Architektur, die gerade eingekauft wird, die zukünftige Flexibilität erhöht oder verringert.
Das sind keine Fragen, die historisch gesehen einer Einkaufsfunktion oblagen. Das sind Fragen des strategischen Risikomanagements. Und die Tatsache, dass sie nun Teil der Agenda des Bereichs sind, enthüllt etwas Wichtiges über das, was sich verändert: Die Automatisierung der Transaktionsarbeit setzt nicht nur Zeit frei, sie verteilt Autorität um.
HFS Research formuliert es direkter: KI-Plattformen ermöglichen es der Einkaufsführung, sich von der operativen Ausführung hin zur strategischen Befähigung zu bewegen. Das bedeutet, dass sich das Kompetenzprofil, das im Bereich benötigt wird, verändert, dass sich die Kennzahlen, an denen der Erfolg gemessen wird, verändern müssen, und dass die Beziehung zwischen Einkauf, Finanzen, Recht und Betrieb neu gestaltet werden muss, weil die Grenzen zwischen diesen Funktionen durchlässiger werden, wenn ein vernetztes Intelligenzsystem sie alle durchdringt.
McKinsey schätzt, dass eine Einkaufsfunktion, die diese Transformation abschließt, zwischen 25 % und 40 % effizienter sein kann als aktuelle Modelle. Aber diese Zahl sollte nicht als projizierte Stellenkürzung gelesen werden. Sie sollte als Umverteilung von Kapazitäten gelesen werden: weniger Menschen, die Transaktionen verarbeiten, mehr Menschen, die Entscheidungen treffen, die Systeme noch nicht alleine treffen können.
---
Die Führung, die dieser Wandel braucht – und die er vorfindet
Hier wird die Transformation aus einer organisatorischen Perspektive am interessantesten zu analysieren, denn das Führungsprofil, das historisch die Einkaufsfunktionen dominierte, wurde rund um sehr spezifische Kompetenzen aufgebaut: das harte Verhandeln, das tiefe Lieferantenwissen, die Fähigkeit, Verträge unter Druck zu bewegen, das institutionelle Gedächtnis darüber, welcher Lieferant vor zehn Jahren in welchem Kontext versagt hat.
Dieses Profil hat seinen Wert. Aber es ist nicht dasselbe Profil, das eine Einkaufsfunktion benötigt, deren größter Beitrag zum Unternehmen in der Qualität ihrer Risikoanalysen liegt, in der Geschwindigkeit, mit der sie Marktsignale in Beschaffungsentscheidungen integrieren kann, und in der Fähigkeit, mit Systemen zu arbeiten, die Empfehlungen generieren, die man zu hinterfragen wissen muss, wenn der Kontext es verlangt.
Der Übergang ist nicht bequem, und es wäre naiv, ihn so zu beschreiben, als wäre er für alle einfach eine Wachstumschance. Es gibt Menschen mit zwanzig Jahren Erfahrung im Procurement, deren zentraler Wert darin bestand, Dinge gut zu erledigen, die ein System nun schneller und konsistenter erledigen kann. Das erzeugt echten Widerstand, und dieser Widerstand ist nicht irrational. Es ist eine verständliche Reaktion von jemandem, der sieht, dass sich die Spielregeln geändert haben, ohne dass jemand ihn konsultiert hat.
Deloitte verweist auf etwas, das Beachtung verdient: Organisationen, die in die Vorbereitung ihrer Teams parallel zur technologischen Modernisierung investieren, übertreffen konsistent jene, die sich ausschließlich auf den Technologieeinsatz konzentrieren. Das ist kein überraschender Befund. Aber die Art und Weise, wie er sich in der organisatorischen Praxis niederschlägt, ist entscheidend. Es geht nicht darum, Teams KI-Kurse anzubieten, während diese gleichzeitig beobachten, wie ihre Hauptaufgaben automatisiert werden. Es geht darum, Rollen so neu zu gestalten, dass die Menschen verstehen, welche Art menschlichen Urteilsvermögens weiterhin unersetzbar ist und an welchem Punkt des Prozesses dieses Urteilsvermögen am wertvollsten ist.
Das Risiko, dem viele Organisationen gegenüberstehen, ist nicht, dass ihre Einkaufsteams die KI ablehnen. Es ist, dass sie diese oberflächlich adoptieren, dass sie sie nutzen, um das zu beschleunigen, was sie bereits taten, ohne die zugrunde liegende Logik zu ändern, und dass sie dabei die Gelegenheit verpassen, eine Funktion aufzubauen, die wirklich als eine Schicht strategischer Intelligenz innerhalb des Unternehmens operiert.
---
Strukturelle Reife lässt sich nach dem Deployment nicht improvisieren
Was im Procurement gerade geschieht, ist im Grunde eine sehr spezifische Version von etwas, mit dem Organisationen in fast all ihren grundlegenden technologischen Transformationen konfrontiert sind: die Lücke zwischen der Architektur, die sie haben, und der Architektur, die sie benötigen, um das zu tragen, was sie aufbauen wollen.
KI im Einkauf ist keine Ausnahme. Es ist der Anwendungsfall, bei dem diese Lücke am schnellsten sichtbar wird, weil die Konsequenzen einer schlecht automatisierten Beschaffungsentscheidung konkret und kostspielig sind. Ein Lieferant, der von einem Algorithmus ausgewählt wurde, der auf veralteten Daten operierte. Ein Vertrag, der automatisch verlängert wurde, weil das System keinen Zugriff auf das Risikosignal hatte, das bereits in einem anderen System vorhanden war. Eine Genehmigung, die allein verarbeitet wurde, weil niemand klar definiert hatte, welches Ausgabenniveau menschliche Aufsicht erfordert.
Das sind keine Fehler der KI. Es sind Fehler des organisatorischen Designs, die die KI mit perfekter Präzision ausführt.
Das Argument, das in dieser gesamten Debatte die meiste Aufmerksamkeit verdient, ist nicht, ob künstliche Intelligenz die Unternehmensbeschaffung transformieren wird. Dieses Ergebnis scheint durch die verfügbaren Belege ausreichend gestützt zu sein. Das Argument, das die meiste Aufmerksamkeit verdient, lautet: Wie viele Organisationen werden diese Transformation mit der Datenarchitektur, den Governance-Prozessen und dem Redesign der Rollen erreichen, die erforderlich sind, damit das System so funktioniert, wie es versprochen wurde – und wie viele werden feststellen, dass sie ausgefeilte Technologie auf einem Fundament installiert haben, das noch nicht bereit war, sie zu tragen.
Die Antwort darauf hängt nicht vom gewählten Softwareanbieter ab. Sie hängt davon ab, wie viel institutionelle Ehrlichkeit die Organisationen bereit sind anzuwenden – vor dem Deployment, nicht danach.
