Produktivität versus EBIT: KI braucht im Einkauf kontrollierte Autonomie

Der Einsatz von KI steigert die persönliche Effizienz, schlägt sich aber selten im EBIT nieder. BeNeering zeigt, warum echtes Prozess-Redesign im Einkauf den Unterschied macht.

Die Produktivitätsfalle: Zwischen individuellem Nutzen und EBIT

Künstliche Intelligenz verspricht im Einkauf eine spürbare Entlastung von administrativen Aufwänden, manueller Datenpflege und langwierigen Abstimmungszirkeln. Doch die reine Bereitstellung von KI-Tools führt selten zu messbarem betriebswirtschaftlichem Mehrwert. Der aktuelle Report „State of AI 2026“ von McKinsey verdeutlicht diese Diskrepanz: Während 80 Prozent der Befragten durch KI eine höhere persönliche Produktivität verzeichnen, führen bisher nur 37 Prozent einen positiven Beitrag zum operativen Ergebnis (EBIT) auf die Technologie zurück.

Prozess-Redesign unterscheidet High Performer von der Masse

Der Schlüssel für echten Geschäftsnutzen liegt nicht im punktuellen Einsatz, sondern in der fundamentalen Umgestaltung der Arbeitsabläufe. Laut McKinsey gestalten knapp drei Viertel der besonders erfolgreichen Unternehmen ihre Arbeitsprozesse durch KI grundlegend neu – bei den übrigen Betrieben tut dies nur ein Viertel.

Für den Beschaffungsbereich bedeutet das:

• Ende der isolierten Einzellösungen: Die schnelle Beantwortung einer Richtlinienfrage oder das automatisierte Auslesen eines Lieferantenangebots schaffen noch keinen Mehrwert, wenn das Ergebnis anschließend manuell geprüft und in Folgesysteme übertragen werden muss.
• Prozessintegrierte Bedarfserfassung: KI entfaltet ihre Wirkung, wenn sie direkt am Anfang der Kette ansetzt. Bei unvollständigen Anforderungseingaben erkennt die KI fehlende Spezifikationen (z. B. Budget, Termine oder Dienstleister-Vorgaben) und leitet den Bedarf automatisiert in den richtigen Beschaffungskanal.
• Agenten-Orchestrierung: Moderne Architekturen setzen auf eine zentrale KI-Engine. Im Hintergrund koordiniert eine Orchestrierungsschicht spezialisierte Agenten und Datenquellen, um aufeinanderfolgende Schritte eines Beschaffungsvorgangs koordiniert auszuführen.

Das richtige Maß an KI-Autonomie im Einkauf

Nicht jede Aufgabe erfordert denselben Grad an Eigenständigkeit. Entscheidend ist eine gestaffelte, kontrollierte Autonomie, die sich am Risikoprofil orientiert:

• Niedrige Autonomie (Analyse & Vorschlag): KI strukturiert Dokumente, klassifiziert Bedarfe oder schlägt geeignete Warengruppen und Verträge vor. Die Entscheidung verbleibt komplett beim Menschen.
• Hohe Autonomie (Standardprozesse): Wiederkehrende, risikoarme Routinevorgänge mit klar definierten Beschaffungswegen lassen sich von KI-Agenten weitgehend selbstständig abwickeln.
• Menschliche Letztentscheidung (Komplexe Abwägungen): Bei strategischen Entscheidungen mit Zielkonflikten – etwa zwischen Preis, Qualitätsrisiko, Lieferfähigkeit und Nachhaltigkeit – liefert die KI Entscheidungsgrundlagen. Die Abwägung und Verantwortung verbleiben beim Einkäufer.

Prozess- und Datenreife als zwingendes Fundament

Wie weit Unternehmen KI-Agenten im Einkauf agieren lassen können, hängt maßgeblich von der digitalen Basis ab. Fehlen aktuelle Daten in Echtzeit oder sind Workflows nicht durchgängig miteinander vernetzt, steigt das Risiko fehlerhafter KI-Entscheidungen drastisch. Ein hoher Autonomiegrad setzt daher eine entsprechend hohe Prozess- und Systemreife voraus.

Wenn KI-Agenten Routineabklärungen und die operative Datenaufbereitung verlässlich übernehmen, sinkt die administrative Last für Fachbereiche und Einkauf spürbar. Den Beschaffungsteams eröffnet sich dadurch der nötige Freiraum für strategische Verhandlungen, Risikomanagement und Lieferantensteuerung – der entscheidende Schritt, um aus isolierten Produktivitätsgewinnen einen messbaren Beitrag zum Unternehmensergebnis zu machen.

(red/BeNeering)