Was mittelständische Unternehmen jetzt wissen müssen
Wie verändert Künstliche Intelligenz den Einkauf mittelständischer Unternehmen? Diese Frage stand im Zentrum eines Vortrags von Dr. Horst Tisson auf dem BME-Kongress 2025. Der Fokus: keine abstrakten Visionen, sondern konkret umsetzbare Ansätze – mit besonderem Blick auf die Anforderungen und Rahmenbedingungen des Mittelstands, insbesondere im Lebensmitteleinzelhandel.
Die folgenden Kernthemen zeigen, wo und wie KI heute im Einkauf sinnvoll eingesetzt werden kann – und was es dafür braucht.
Von klassischer Logik zur generativen KI
Während klassische Systeme im Einkauf vor allem regelbasiert funktionieren, arbeitet KI zunehmend datengetrieben: Sie erkennt Muster, priorisiert Optionen und kann sogar in unscharfen Entscheidungssituationen Vorschläge generieren. Besonders relevant ist die Entwicklung hin zu generativer KI, die nicht nur analysiert, sondern eigenständig Inhalte erstellt – etwa beim Zusammenfassen von Verträgen, dem Generieren von Lieferantenprofilen oder beim Simulieren von Verhandlungsszenarien.
KI im Einkauf: Typische Anwendungsfelder – konkret gedacht
- Bedarfsprognosen und Bestandsmanagement: Mithilfe von Machine Learning lassen sich Verkaufs- und Bedarfsmuster präzise vorhersagen – auch unter Berücksichtigung externer Einflussfaktoren wie Wetter oder Feiertage. So wird aus Erfahrungswerten eine belastbare Datenbasis, die Bestellprozesse optimiert und Fehlmengen ebenso reduziert wie Überbestände.
- Lieferantenauswahl und -bewertung: Durch die Kombination von Preisdaten, Qualitätskennzahlen und Compliance-Informationen entsteht ein vielschichtiges Bild möglicher Lieferanten. KI-Modelle helfen dabei, objektive Bewertungen zu erstellen – dynamisch aktualisiert, nachvollziehbar dokumentiert.
- Vertragsanalyse und Rechnungsverarbeitung: Generative KI kann Inhalte juristischer Dokumente erfassen, Klauseln erkennen und mit Unternehmensrichtlinien abgleichen. Bei der Rechnungsprüfung übernehmen KI-Modelle Abgleich, Validierung und Eskalation – automatisiert, skalierbar und regelkonform.
- ESG- und Nachhaltigkeitsmanagement: Um ESG-Anforderungen zu erfüllen, müssen Lieferketten transparent und Daten verfügbar sein. KI-Systeme können Informationen aus Zertifikaten, Audits und externen Datenquellen integrieren und zur Bewertung von Risiken oder zur Berichterstellung aufbereiten.
- Risiko- und Marktanalysen: Ob Währungsrisiken, geopolitische Spannungen oder Wetterextreme: Durch semantische Analyse von Nachrichtenquellen und Frühwarnsysteme lassen sich externe Risiken proaktiv identifizieren – eine Grundlage für resiliente Einkaufsentscheidungen.
Technische Anforderungen und strategische Orientierung
Ob Künstliche Intelligenz im Einkauf oder im Marketing: Erfolgreiche KI-Projekte benötigen klare Ziele, qualitativ hochwertige Daten – und eine Infrastruktur, die Datenschutz, Governance und Flexibilität gleichermaßen berücksichtigt. Mit dem OSKIS Framework setzen wir dabei auf Open Source, Datenhoheit und vollständige Auditierbarkeit – also auf Lösungen, die den Anforderungen des EU AI Acts ebenso genügen wie den realen Bedingungen im Mittelstand.
„Der Mittelstand steht dabei vor einer Chance – und vor einer Gestaltungsaufgabe“, betont Dr. Horst Tisson. Denn, so führt er aus, KI im Einkauf ist kein Zukunftsthema mehr – sondern eine real verfügbare, wirtschaftlich einsetzbare Technologie. Entscheidend ist nicht, ob ein Unternehmen KI nutzt, sondern wie es dies tut: strukturiert, datengestützt und angepasst an die eigenen Prozesse.