Kostenlose Masterclass | Der 10x Buyer: Wie Ihr Einkaufsteam mit 55 KI-Agenten 10x produktiver wird
Anmelden- Für Lieferanten
- Login
2026 ist das Jahr von Agentic Procurement. Was vor einem Jahr in Analyst-Reports und Podiumsdiskussionen noch als Zukunftsszenario galt, ist im Einkaufsalltag angekommen. Autonome KI-Agenten führen operative Prozessschritte eigenständig aus: Bedarfserfassung, Lieferantenqualifikation, Angebotsauswertung, Vertragsüberwachung. Der Einkäufer setzt die Leitplanken und trifft die Entscheidungen, die Urteilskraft erfordern. Agentic Procurement beschreibt diesen Einsatz autonomer KI-Agenten im operativen Einkauf.
Einkauf wird seit rund zwanzig Jahren mit Software unterstützt. Was sich in dieser Zeit immer wieder verändert hat: wie viel von der Arbeit die Technologie tatsächlich übernimmt. Lange blieb sie ein Hilfsmittel, das einzelne Aufgaben schneller machte, aber den Einkäufer an jedem Punkt im Prozess brauchte. Mit agentischer KI verschiebt sich diese Grenze. Zum ersten Mal führt Software ganze Prozessabschnitte eigenständig aus und trifft Zwischenentscheidungen, die bisher in jeder Iteration beim Einkäufer lagen. Der Einstieg in Agentic Procurement beginnt deshalb beim Blick zurück: wo heutige Automatisierung an ihre Grenzen stößt, und wo Agenten strukturell anders arbeiten.
Robotic Process Automation (RPA) entstand Anfang der 2000er Jahre: Software, die regelbasierte Aufgaben automatisiert, indem sie digitale Oberflächen selbstständig bedient. Blue Prism gilt als Pionier der Kategorie und brachte 2003 mit „Automate" die erste kommerzielle RPA-Software auf den Markt. Ein typischer Einsatzbereich im Einkauf war der Datentransfer zwischen Systemen ohne native Schnittstelle, etwa das Übertragen von Lieferantenstammdaten aus Onboarding-Formularen ins ERP oder das automatische Anlegen wiederkehrender Bestellungen. Sobald eine Ausnahme auftrat oder ein Format sich änderte, stieß sie an ihre Grenzen. Entscheidungen treffen konnte RPA nicht, nur Regeln befolgen.
Mitte der 2010er Jahre kamen erste Procurement-Tools mit Machine-Learning-Funktionen auf den Markt. Diese erkannten Muster in Ausgabendaten, prognostizierten Risiken und kündigten Probleme frühzeitig an. Entscheidung und Ausführung lagen weiterhin vollständig beim Menschen.
Mit ChatGPT ab November 2022 verschob sich die Grenze erneut. Large Language Models (LLMs) machten es möglich, dass Software natürliche Sprache versteht und produziert, sodass sie Teile der Ausführung übernehmen konnte: Ausschreibungsentwürfe, Vertragszusammenfassungen, Lieferantenkommunikation entstanden in Minuten statt Stunden. Erste große Procurement-Plattformen integrierten 2023 entsprechende Funktionen. Generative KI blieb dabei reaktiv und führte nur aus, was der Einkäufer ihr vorgab.
Ab 2024 veränderte die agentische KI diese Grundlogik. Gartner kürte sie im Oktober 2024 zum wichtigsten strategischen Technologietrend für 2025. Agentische KI wartet nicht auf eine Eingabe. Sie handelt eigenständig, innerhalb eines Rahmens, den Menschen zuvor definiert haben. Entscheidungen mit strategischer Tragweite bleiben beim Einkäufer.
Jede der vier Technologien hat einen klaren Stärkebereich. Agentic Procurement verbindet sie in einer gemeinsamen Steuerungsebene und übernimmt zusätzlich Aufgaben, die keine der anderen leisten kann:
Die entscheidende Verschiebung besteht darin, dass der Mensch nicht mehr jeden einzelnen Schritt auslösen muss und dass mehrere spezialisierte Agenten koordiniert zusammenarbeiten. Diese Multi-Agenten-Orchestrierung ist die eigentliche Neuerung: ein Zusammenspiel spezialisierter Agenten, die sich Aufgaben übergeben, Zwischenergebnisse abstimmen und bei definierten Schwellen auf den Menschen zurückgreifen.
Am deutlichsten wird Agentic Procurement dort, wo Agenten einen Einkaufsprozess tatsächlich steuern. Die folgenden Abschnitte zeigen das entlang der Kernphasen eines Source-to-Contract-Zyklus (S2C), von der Bedarfserfassung bis zum aktiven Vertrag, und darüber hinaus.
Jeder Einkaufsprozess beginnt mit einer Anfrage: jemand im Unternehmen braucht etwas. Bisher bedeutete das: E-Mails, Tabellen und ein Einkäufer, der jede Anfrage manuell kategorisiert, prüft und weiterleitet. Ein Intake Agent führt stattdessen Einkäufer und Anfragesteller strukturiert durch den Beschaffungsprozess. Er stellt automatisch die richtigen Fragen, wendet Freigabelogiken und Sourcing-Regeln an und leitet vollständig strukturierte Anfragen direkt in den passenden Workflow für Sourcing, Lieferantenmanagement oder Procure-to-Pay (P2P).
Die Suche nach neuen Lieferanten war bislang mit manuellen Datenbankrecherchen und persönlichen Netzwerken verbunden. Beide Wege skalieren schlecht. KI-Agenten bei der Lieferantenrecherche schließen diese Lücke.
Discovery Agents durchsuchen kontinuierlich Datenbanken, Handelsregister und Zertifizierungsstellen und führen strukturierte Qualifikationsprüfungen zu Bonität, Compliance und ESG-Anforderungen durch. Am Ende steht eine dokumentierte Bewertung.
Ausschreibungen waren traditionell mit mehrtägiger Vorbereitung verbunden: Spezifikationen abstimmen, Lieferanten auswählen, RFQs (RFQ = Request for Quotation) versenden, Rückläufe konsolidieren. Autonomes Sourcing verlagert diese Arbeit auf KI-Agenten. Das ist eines der deutlichsten Beispiele dafür, wie KI Sourcing-Events verändert. Ein Quick RFQ Agent übernimmt den kompletten Zyklus für Anfragen an bereits qualifizierte Lieferanten, vom Briefing und Versand bis zur Konsolidierung der Rückläufe. Innerhalb dieses Zyklus führt ein Negotiation Agent Nachverhandlungen per E-Mail, assistierend oder autonom, mit Strategie und Zielpreis vom Einkäufer vorgegeben. Bei strategischen Vergaben mit neuen Lieferanten bereiten Sourcing-Agenten die Ausschreibung vor, während der Einkäufer die finale Entscheidung zu Lieferantenauswahl und Vergabekriterien behält.
Die Auswertung konkurrierender Angebote ist unter Zeitdruck besonders fehleranfällig. Bewertungs-Agenten normalisieren Angebote nach Preis, Lieferbedingungen, Qualität und Compliance und erstellen einen bewerteten Vergleich auf Basis der Gesamtkosten, was die Lieferantenauswahl mit agentischer KI konsistenter macht als manuelle Bewertung. Die finale Vergabeentscheidung bleibt beim Einkäufer, der an jedem Schritt eingreifen kann (Human-in-the-Loop).
Spezialisierte Vertrags-Agenten (zum Beispiel Contract Extraction, Contract Review oder Contract Risk Agents) lesen, vergleichen und bewerten Vertragsklauseln in Sekunden: Sie extrahieren Vertragsdaten automatisch und analysieren auf kritische Klauseln und formale Risiken.
Über den S2C-Zyklus hinaus übernehmen Agenten auch Aufgaben, die kontinuierlich laufen: Spend Analytics und Supplier Risk Management. Market Intel Agents klassifizieren Ausgaben fortlaufend, erfassen Tail Spend, der außerhalb definierter Kategorien liegt, identifizieren Einsparpotenziale und liefern so häufig den Auslöser für neue Sourcing-Events. Parallel dazu werten Monitoring-Routinen Risikosignale aus externen Quellen wie Finanzberichten, Nachrichtenfeeds und regulatorischen Datenbanken aus und begleiten Lieferantenbeziehungen über den gesamten Lebenszyklus. Damit wird Risikomanagement proaktiv: Das Problem wird erkannt, bevor die Unterbrechung eintritt.
Der Source-to-Contract-Zyklus auf einen Blick. Source-to-Contract (S2C) bezeichnet das Rahmenwerk für strategischen Einkauf, von der Bedarfserfassung über Lieferantenauswahl und Vergabe bis zum aktiven Vertrag, abgegrenzt von Procure-to-Pay (P2P), das die operative Abwicklung von Bestellung bis Bezahlung umfasst. Zusammengefasst durchläuft ein vollständiger autonomer S2C-Zyklus fünf Stufen, die heute von KI-Agenten eigenständig gesteuert werden können:
Der Leistungsunterschied zwischen Einkaufsorganisationen, die agentische KI einsetzen, und solchen, die es nicht tun, ist heute messbar. Die Belege kommen aus unabhängiger Forschung, nicht aus Anbieter-Fallstudien.
McKinseys Analyse vom Februar 2026 zu Einkaufsfunktionen mit agentischer KI dokumentiert konkrete Fallbeispiele. In einem Chemieunternehmen, das Agenten in der Verbrauchsmaterialien-Kategorie einsetzte, erreichte das Einkaufsteam eine Effizienzsteigerung von 20 bis 30 Prozent, verbunden mit einer Steigerung der Wertschöpfung um 1 bis 3 Prozent. In einem Telekommunikationsunternehmen reduzierte KI-gestützte Verhandlungsunterstützung den Zeitaufwand für Vorab-Analysen und Lieferanten-E-Mails um bis zu 90 Prozent und erzielte gleichzeitig Einsparungen von 10 bis 15 Prozent über alle Lieferanten. Im Pharmabereich reduzierte automatisiertes Rechnungs-zu-Vertrag-Compliance-Tracking den Wertverlust um vier Prozent. Übergreifend schätzt McKinsey, dass Einkaufsfunktionen durch agentische KI 25 bis 40 Prozent effizienter werden können.
Die ROI-Daten aus Deloittes Global CPO Survey 2025 zeigen dasselbe Bild. Unter den Organisationen, die Deloitte als Digital Masters einordnet (das oberste Viertel nach Technologieinvestitionen und -kompetenz), lag der durchschnittliche Return on Investment für generative und agentische KI bei 3,2-fach, verglichen mit etwa 1,5-fach bei Organisationen in früheren Adoptionsphasen. Digital Masters erzielen mehr als den doppelten Return auf dieselbe KI-Investition, womit der Abstand zwischen Vorreitern und Nachzüglern weiter wächst.
Hinter diesen Zahlen steht eine strukturelle Neuverteilung von Kapazität. Wenn Agenten Bedarfserfassung, Ausschreibungsvorbereitung, Angebotsauswertung und Compliance-Monitoring übernehmen, gewinnen Einkäufer Zeit zurück, die heute in administrative Aufgaben fließt. Diese Zeit steht dann für Lieferantenentwicklung, Kategoriestrategie und strategisches Risikomanagement zur Verfügung.
Organisationen, die mit Agentic Procurement gute Ergebnisse erzielen, teilen bestimmte Voraussetzungen, die den Einsatz erst ermöglichen. Diese Voraussetzungen verdienen ebenfalls Aufmerksamkeit, neben der Technologie-Einführung selbst.
Agentische KI ist nur so zuverlässig wie die Daten, auf denen sie operiert. Ein Discovery Agent, der mit unvollständigen Lieferantendaten arbeitet, erstellt unvollständige Shortlists. Ein Market Intel Agent, der fehlklassifizierte Ausgabendaten verarbeitet, liefert irreführende Erkenntnisse. Gartners Leadership Vision for CPOs 2025 zeigt, dass 74 Prozent der Einkaufsleiter ihre Daten noch nicht als bereit für den KI-Einsatz im größeren Maßstab einschätzen. Der richtige Umgang damit ist, zuerst in die Datenfundamente zu investieren und die Agenten-Einführung parallel darauf aufzubauen.
Agentische Systeme handeln. Das bedeutet: Im Vorfeld müssen klare Entscheidungen getroffen werden, was sie eigenständig tun dürfen, was menschliche Freigabe erfordert und was grundsätzlich beim Menschen bleiben muss:
Organisationen, die diese Grenzen vor dem Einsatz definieren, bauen Vertrauen in ihre Systeme schrittweise auf.
Gartner prognostizierte im Juni 2025, dass mehr als 40 Prozent aller Projekte mit agentischer KI bis Ende 2027 abgebrochen werden. Als Hauptgründe nannte Gartner steigende Kosten, unklaren Mehrwert und unzureichende Risikokontrollen. Bemerkenswert daran: Alle drei Gründe gehen auf Entscheidungen zurück, die Organisationen vor dem Start treffen, nicht auf Grenzen der Technologie. Wer Klarheit über Nutzen und Kosten, frühe Einbindung der Fachbereiche und gezielten Kompetenzaufbau von Anfang an gleichwertig zur Technologie priorisiert, vermeidet genau die Fehler, die Gartner als Hauptursachen benennt, und gehört zu den Organisationen, die den vollen Leistungssprung aus agentischer KI realisieren.
Agentic Procurement steht jeder Einkaufsorganisation offen, die bereit ist, drei Voraussetzungen gleichwertig zur Technologie-Einführung anzugehen: Datenqualität, Governance und Change Management. Diese Hebel liegen in der Hand der Einkaufsleitung. Wer sie früh priorisiert, realisiert den Leistungssprung, den agentische KI verspricht, und baut einen Vorsprung auf, der sich nicht schnell wieder einholen lässt.
.avif)
Generative KI erstellt Inhalte auf Basis einer Eingabe: sie formuliert eine Ausschreibung, fasst einen Vertrag zusammen oder erstellt einen Ausgabenbericht, wenn sie dazu aufgefordert wird. Sie ist reaktiv und liefert Ergebnisse, die ein Mensch weiterverarbeitet. Agentische KI geht weiter: Sie nimmt ihre Umgebung wahr, verfolgt ein Ziel und führt mehrstufige Aufgaben aus, ohne bei jedem Schritt auf eine Eingabe zu warten. Im Einkauf formuliert Generative KI eine Ausschreibung schneller; agentische KI steuert den gesamten Sourcing-Prozess.
In produktiven Einsätzen übernehmen Agenten zuverlässig: Bedarfserfassung und Weiterleitung von Anfragen, Vorbereitung und Versand von Ausschreibungen, Normalisierung und Bewertung von Angeboten, Qualifikationsprüfungen von Lieferanten nach definierten Kriterien, Extraktion wesentlicher Vertragsklauseln sowie Ausgabenklassifizierung. Aufgaben, die komplexe Verhandlungsentscheidungen, neuartige Lieferantenbeziehungen oder strategisch weitreichende Entscheidungen erfordern, bleiben weiterhin beim Menschen.
Nein. Die Belege zeigen das Gegenteil. Organisationen, die agentische KI einsetzen, reduzieren keine Einkaufsstellen; sie verlagern die Arbeit. Wenn Agenten die transaktionale Schicht übernehmen, rücken Einkäufer in Bereiche vor, die menschliches Urteilsvermögen erfordern: Lieferantenbeziehungen, Kategoriestrategie, Risikobewertung und interne Stakeholder-Kommunikation. McKinsey beschreibt diesen Wandel als Shift von Ausführung zu Orchestrierung.
Drei Dinge sind entscheidend. Erstens eine solide Datenbasis: strukturierte Ausgabendaten, vollständige Lieferantenstammdaten, zugängliche Vertragsrepositories. Zweitens definierte Governance: dokumentierte Entscheidungen darüber, was Agenten autonom tun dürfen, was menschliche Freigabe erfordert und wie Ausnahmen behandelt werden. Drittens organisatorische Bereitschaft für eine veränderte Arbeitsweise, inklusive Schulung, klarer Kommunikation und einem schrittweisen Einführungsansatz, der Vertrauen aufbaut bevor der Scope erweitert wird.
Die Antwort hängt weniger von der Technologie ab als vom Reifegrad der Organisation. Einzelne Agenten, etwa ein Intake Agent oder ein Quick RFQ Agent für bereits qualifizierte Lieferanten, lassen sich typischerweise innerhalb weniger Wochen produktiv einsetzen.
Fabian Heinrich ist CEO und Co-Founder von Mercanis. Zuvor war er Mitgründer des Procurement-Unternehmens Scoutbee und machte es zu einem der weltweit führendenAnbieter im Scouting-Bereich mit Niederlassungen in Europa und den USA und mit Kunden wie Siemens, Audi und Unilever. Nach einem Bachelorabschluss sowie einem Master in Accounting and Finance von der Universität St. Gallen durchlief er außerdemStationen bei Deloitte und Rocket Internet SE.
