KI im Einkauf: Vom Rahmenvertrag-Analyzer zum autonomen Lieferanten-Scoring

Der Einkauf im deutschen Mittelstand ist in den letzten fuenf Jahren von einer operativen Beschaffungsfunktion zu einem strategischen Hebel fuer Marge, Lieferfaehigkeit und regulatorische Compliance geworden. Laut Onventis-Einkaufsbarometer sehen 78,2 Prozent der Mittelstaendler KI und Automatisierung als praegend fuer die Zukunft der Beschaffung, und 80,6 Prozent nennen Lieferantenmanagement als den Bereich mit dem groessten Digitalisierungsbedarf⁴.

Gleichzeitig wird der Druck operativ groesser. Das Lieferkettensorgfaltspflichtengesetz gilt seit 2024 fuer Unternehmen ab 1.000 Mitarbeitenden, die EU-CSDDD erweitert den Geltungsbereich ab 2027⁹. Lieferketten-Stoerungen, Rohstoff-Volatilitaet und Energiekosten zwingen zu engerem Monitoring. Und wie im Vertrieb gilt: die Zahl qualifizierter Einkaeufer stagniert, das Arbeitsvolumen steigt¹¹.

Dieser Leitfaden zeigt dem deutschen Mittelstand pragmatisch: welche KI-Use-Cases im Einkauf heute funktionieren, welche Tools sich rechnen, was LkSG, CSDDD und DSGVO konkret bedeuten, und wie ein 90-Tage-Einfuehrungsplan aussieht, der nicht wie die Haelfte aller KI-Projekte in der Pilot-Hoelle endet².

Der Einkaufs-Druck im Mittelstand

Mittelstaendler kaufen im Schnitt 50 bis 70 Prozent ihrer Wertschoepfung ein. Das heisst: jeder Prozentpunkt Einsparung im Einkauf wirkt direkt auf die Marge. Gleichzeitig haben sich die Rahmenbedingungen massiv veraendert.

• Lieferketten-Volatilitaet - Corona, Ukraine-Krieg, Rotes-Meer-Krise, Halbleiter-Knappheit. Planbarkeit ist nicht mehr selbstverstaendlich. Multi-Sourcing und Risiko-Monitoring werden zur Pflichtaufgabe.
• LkSG-Pflicht - Unternehmen ueber 1.000 Mitarbeitende muessen ihre direkten Lieferanten risikobasiert ueberwachen. Mittelstaendler mit grossen Kunden werden indirekt verpflichtet⁹. Manuelle Pruefung ist bei 500+ Lieferanten nicht skalierbar.
• Stammdatenchaos - Bis zu 40 Prozent der Material- und Lieferantenstammdaten im Mittelstand sind doppelt, unvollstaendig oder veraltet. Jede KI, die auf diesen Daten aufsetzt, produziert Fehler.
• Maverick Spend - Bestellungen ausserhalb der Rahmenvertraege machen typisch 15 bis 30 Prozent des Einkaufsvolumens im Mittelstand aus. Das ist verlorener Einsparungseffekt.
• Verhandlungs-Asymmetrie - Grosse Lieferanten haben Datenanalysen, die der Mittelstaendler nicht hat. Preisdurchsetzung faellt schwer, wenn man nicht weiss, welche Konditionen andere Abnehmer bekommen.
• Fachkraeftemangel - Die DIHK meldet weiter steigenden Mangel an qualifizierten Einkaeufern¹¹. Mehr Personal ist nicht verfuegbar, mehr Produktivitaet pro Person wird zur einzigen Option.

Die Paradoxie: Der Einkauf ist einer der datengetriebensten Bereiche im Unternehmen - Preisvergleiche, Historien, Liefertreue-Statistiken, Vertragsdaten - und gleichzeitig einer der am wenigsten digitalisierten. Die Luecke zwischen vorhandenen Daten und nutzbaren Erkenntnissen ist die groesste KI-Chance im Unternehmen.

Was KI im Einkauf heute wirklich liefert

Wie im Vertrieb gilt: der Begriff KI wird unscharf verwendet. Was heute produktionsreif ist, was experimentell bleibt, und was reine Marketing-Verpackung ist, trennt sich nach der Art des zugrundeliegenden Modells.

Drei KI-Ebenen im Einkauf

1. Predictive KI - Klassische ML-Modelle fuer Nachfrage-Prognose, Preis-Prognose, Lieferanten-Risikobewertung, Klassifikation von Bestellanforderungen. Seit 10+ Jahren reif, heute Standard in allen grossen Einkaufsplattformen.
2. Generative KI - Large Language Models fuer Vertragsextraktion, Zusammenfassungen, Verhandlungs-Briefings, Lieferanten-Anfragen und automatische Klauselvorschlaege. Seit 2023 Durchbruch, heute produktiv verfuegbar in Coupa, SAP Ariba, JAGGAER und als Standalone-Tool.
3. Agentische KI - Autonome Systeme, die ganze Bestellvorgaenge durchziehen: Bedarfsidentifikation, Lieferantenvergleich, Rahmenvertragspruefung, Bestellanlage, Statusverfolgung, Rechnungsabgleich. 2025 erste produktive Einsaetze, bis 2027 wahrscheinlich weit verbreitet.

Wo die Grenzen liegen

• Halluzinationen bei Vertraegen - Generative Modelle erfinden Klauseln, wenn sie den Original-Text falsch interpretieren. Bei Rahmenvertraegen mit Haftungsfolgen untragbar. Loesung: strikte Extraktion aus Quelltext, keine freie Generierung.
• Schlechte Stammdaten - KI kann nur aus dem lernen, was strukturiert verfuegbar ist. Bei Stammdaten-Chaos lernt sie das Chaos, nicht die Realitaet.
• Seltene Ereignisse - Lieferanten-Insolvenzen, Naturkatastrophen, geopolitische Bruchlinien haben wenig Trainingsdaten. Modelle unterschaetzen diese Risiken strukturell.
• Verhandlungs-Psychologie - KI versteht Druck, Machtasymmetrie und Vertrauen nur ueberaschend oberflaechlich. Echte Verhandlungen bleiben Handwerk.
• Erklaerbarkeit - Warum hat die KI Lieferant A gegenueber B bevorzugt? Bei regulierten Einkaufsentscheidungen (Defense, Pharma, Public) Pflichtthema.

6 Use Cases im Einkauf mit belastbarem ROI

Diese sechs Faelle rechnen sich im Mittelstand konsistent. Sie lassen sich einzeln einfuehren und bauen aufeinander auf.

1. Rahmenvertrags-Analyse und Klausel-Extraktion

Der typische Mittelstaendler hat 50 bis 500 aktive Rahmenvertraege. Viele mit unterschiedlichen Preisgleitklauseln, Kuendigungsfristen, Haftungsgrenzen, LkSG-Zusaetzen. Ohne KI kennt niemand alle Details. Mit KI ist der Bestand in Stunden analysierbar.

• Zeitgewinn - Analyse eines 40-seitigen Rahmenvertrags: manuell 2-4 Stunden, mit KI 5-15 Minuten Review einer strukturierten Zusammenfassung.
• Risiken sichtbar - Automatische Markierung kritischer Abweichungen vom Standard-Template, einseitiger Preisgleitungen, fehlender LkSG-Klauseln, ungewoehnlicher Haftungsausschluesse.
• Fristenmanagement - Alle Kuendigungsfristen, Preisanpassungstermine und Nachverhandlungsfenster werden automatisch in einen Kalender uebernommen. Keine vergessenen Nachverhandlungen mehr.
• ROI-Timeline - Nach Sirion-Daten sehen Fortune-500-Unternehmen ROI bei Contract Risk Detection innerhalb von 12-18 Monaten durch reduzierte Rechtsabteilungs-Kosten und vermiedene Compliance-Strafen⁶.
• Tools - DocuSign CLM, Sirion, Icertis, Contractbook, SAP Ariba Contracts mit Joule.

2. Lieferanten-Scoring und Risiko-Monitoring

Das ist der Kern-Use-Case fuer LkSG-Compliance und strategische Beschaffung. Statt manueller jaehrlicher Lieferanten-Bewertung laeuft KI kontinuierlich im Hintergrund.

• Multi-Kriterien-Scoring - Preis, Liefertreue, Qualitaet, Zahlungsmoral, ESG/Compliance, strategische Abhaengigkeit. Gewichte vom Einkaufsleiter festgelegt, Score automatisch berechnet und laufend aktualisiert.
• News- und Sanktionslisten-Screening - KI scannt taeglich hunderte Nachrichtenquellen und Sanktionslisten (OFAC, EU, BAFA) auf Auffaelligkeiten bei Ihren Lieferanten. Eskaliert automatisch bei Auffaelligkeiten.
• LkSG-Ready - Dokumentierter risikobasierter Ansatz, automatische Audit-Trails, Eskalationsketten bei Schwellenwertueberschreitung. Erfuellt die Sorgfaltspflicht ohne manuellen Aufwand.
• Beispiel - Ein Compliance-Agent prueft jedes eingehende Angebot gegen LkSG-Anforderungen und blockiert Optionen, wenn der Risiko-Score einen Schwellenwert ueberschreitet⁴.
• Voraussetzung - Saubere Lieferantenstammdaten und mindestens 12 Monate Transaktions- und Liefertreue-Historie.

3. Spend Analytics und Category Intelligence

Wo fliesst das Geld hin? Welche Warengruppen sind unter- oder ueberversorgt? Wo gibt es Einsparungspotenzial durch Bundling oder Lieferanten-Konsolidierung? Manuelle Spend-Analyse dauert Wochen, KI liefert es in Tagen.

• Automatische Klassifikation - Jede Bestellung wird automatisch der richtigen Warengruppe zugeordnet, auch bei uneindeutigen Textbeschreibungen. Keine manuelle Klassifizierung mehr.
• Einsparungspotenzial - Identifikation von Tail Spend (viele kleine Bestellungen bei vielen Lieferanten einer Warengruppe) mit Bundling-Potenzial. Typisch 5-15 Prozent Einsparungen hier.
• Preisbenchmarks - KI vergleicht Ihre Preise mit externen Marktdaten (wo verfuegbar) und internen Referenzprojekten. Makro-Sicht auf Preisdurchsetzung pro Warengruppe.
• Drilldown-Geschwindigkeit - Fragen wie "Wo geben wir unser IT-Budget aus?" oder "Was kostet uns dieser Lieferant wirklich ueber alle Warengruppen?" in Sekunden statt Tagen.
• Tools - Sievo, SpendHQ, Coupa Spend Guard, SAP Ariba Spend Analysis, Precoro.

4. Bestellanforderungen und Purchase-to-Pay

Taegliche Routine-Bestellungen binden Einkaufskapazitaet fuer strategische Aufgaben. Ein KI-gestuetzter P2P-Prozess leitet Standard-Bestellungen durch, ohne dass ein Einkaeufer jede beruehren muss.

• Guided Buying - Endnutzer werden zum richtigen Katalog-Artikel, Rahmenvertrag oder Lieferanten gefuehrt. Keine Freischuss-Bestellungen mehr.
• Automatische Genehmigungen - Standard-Bestellungen unter Schwellenwert, innerhalb Rahmenvertrag, mit validiertem Lieferanten laufen ohne manuelle Freigabe durch.
• Ausreisser-Erkennung - KI markiert ungewoehnliche Bestellungen (untypische Menge, neuer Lieferant, Preisabweichung) fuer menschliche Pruefung.
• Compliance - Automatische Pruefung gegen Budget, Rahmenvertrag und Zahlungsbedingungen. Kein Maverick Spend mehr unbemerkt.
• ROI - 60-80 Prozent der Bestellanforderungen laufen nach KI-Implementierung ohne manuelle Einkaeufer-Beruehrung durch. Zeitersparnis direkt in strategische Aufgaben umlenken.

5. Rechnungsabgleich (3-Way-Match)

Der klassische Routinejob der Kreditorenbuchhaltung und des operativen Einkaufs: Rechnung gegen Bestellung gegen Wareneingang pruefen. Bei 10.000 Rechnungen pro Jahr summiert sich das auf mehrere Vollzeitstellen.

• Auto-Match-Quote - Von typisch 40-60 Prozent (ohne KI) auf 85-95 Prozent (mit KI). Nur echte Abweichungen landen auf dem Tisch des Einkaeufers.
• OCR plus KI - Rechnungserkennung aus PDF, Foto, XML oder E-Rechnung. Automatische Zuordnung zur Bestellung ueber Rechnungsnummer, Lieferantennummer, Referenzen.
• Abweichungs-Behandlung - Kleine Abweichungen unter Toleranz (typisch 2-5 Prozent) automatisch freigegeben. Groessere Abweichungen an den richtigen Einkaeufer eskaliert.
• Skontonutzung - Durch schnelleres Matching werden Skontofristen haeufiger eingehalten. Typische Einsparung: 0,5-1 Prozent des Einkaufsvolumens.
• Quickest Win - Typisch der Use Case mit schnellstem ROI - meist positiv innerhalb von 3 Monaten.

6. Verhandlungsvorbereitung

Verhandlungen sind der hochwertigste Moment im Einkauf. Gute Vorbereitung entscheidet meist ueber das Ergebnis. KI liefert in Minuten Briefings, fuer die ein Einkaeufer manuell Stunden braucht.

• Historische Preise - Alle bisherigen Preise mit diesem Lieferanten fuer aehnliche Artikel, Trends, Volumenrabatte, Ausnahmen.
• Marktvergleich - Soweit extern verfuegbar: Marktpreise, Rohstoff-Indizes (Kupfer, Stahl, Energie), Preisentwicklung vergleichbarer Artikel.
• Lieferanten-Profil - Wirtschaftliche Situation des Lieferanten (Abhaengigkeiten, Auftragsbuch, Kapazitaet), strategische Situation (Wettbewerber, Kundenstruktur), BATNA aus Ihrer Sicht.
• Zielkorridor - Begruendeter Vorschlag fuer Einstiegs-, Ziel- und Walk-away-Preis. Mit Argumenten, nicht nur Zahlen.
• Limitation - Die Verhandlung selbst bleibt Mensch-Sache. KI als Caddy, nicht als Spieler.

Die Tool-Landschaft: Native, Spezialisiert, Custom

Der Einkaufs-Software-Markt ist konsolidierter als der Vertriebs-Markt, aber dafuer komplexer in der Lizenzstruktur. Drei Kategorien, die meisten Mittelstaendler kombinieren sie.

Native E-Procurement-Plattformen

Die grossen Einkaufs-Suiten haben ihre KI-Funktionen 2024/2025 stark ausgebaut. Wer bereits eine dieser Plattformen nutzt, sollte zuerst deren native KI-Features bewerten.

• SAP Ariba mit Joule - KI-Assistenz ueber das gesamte P2P-Spektrum, Integration mit S/4HANA-Daten. Besonders stark fuer SAP-lastige Mittelstaendler. Preisgestaltung individuell, typisch fuenf- bis sechsstellig jaehrlich.
• Coupa AI - Spend Guard fuer Ausreisser-Erkennung, Contract Intelligence, Community Intelligence (anonymisierte Benchmark-Daten ueber alle Kunden). Guter Einstieg fuer Cloud-faehige Mittelstaendler ab etwa 50 Mio Euro Volumen.
• JAGGAER - Source-to-Pay-Plattform mit starkem Fokus auf Direktmaterial und produzierendes Gewerbe. Gut geeignet fuer deutsche Fertigungsunternehmen.
• Ivalua - Modulare Suite mit starker Vertragsverwaltung und Lieferanten-Risk-Management. Beliebt im Industriegut-Bereich.
• Onventis - Deutscher Anbieter, speziell auf Mittelstand ausgerichtet. Gute DSGVO- und LkSG-Funktionen, in die meisten DACH-ERP vorintegriert.
• GEP SMART - All-in-one-Suite mit AI-first-Ansatz, staerker in den USA, aber wachsend in der DACH-Region.

Spezialisierte Point-Tools

Fuer einzelne Use Cases gibt es Best-of-Breed-Tools, die deutlich besser sind als die Einkaufs-Suite-Module. Sie werden per API angebunden.

• Contract Intelligence - Sirion, Icertis, Agiloft, DocuSign CLM, Contractbook. Sirion ist Marktfuehrer fuer AI-gestuetzte Vertragsanalyse.
• Supplier Risk - EcoVadis, riskmethods (jetzt Sphera), Integrity Next, Prewave, everstream analytics. Integrity Next und Prewave sind europaeisch und DSGVO-stark.
• Spend Analytics - Sievo, SpendHQ, Precoro, Rosslyn AI. Sievo hat die beste AI/ML-Klassifikation.
• Negotiation AI - Pactum AI (vollautonome Verhandlungen fuer kleine Tail-Spend-Artikel), Keelvar (Sourcing-Optimierung).
• Rechnungsverarbeitung - Yooz, Basware, Stampli, Tipalti, Xelix. In Deutschland oft an DATEV angebunden.
• ESG/LkSG-Screening - IntegrityNext, Prewave, Assent, EcoVadis. Pflichtthema fuer Unternehmen ueber 1.000 Mitarbeitende.

Custom-Loesungen

Fuer Prozesse, die Wettbewerbsvorteil schaffen oder keiner Standardloesung folgen, lohnt sich ein gebauter KI-Workflow. Typisch: branchenspezifische Spezifikations-Matching (z.B. Stahl-Haendler mit komplexen Legierungen), LkSG-Prozess fuer seltene Warengruppen, Integration mit Legacy-ERPs ohne Standard-Connector.

• Wann bauen - Wenn Ihre Einkaufsprozesse branchentypisch anders sind als Standard-B2B. Maschinenbau mit komplexen Stuecklisten, Lebensmittel mit Chargennachverfolgung, Pharma mit GxP-Anforderungen.
• Typische Kosten - 40.000 bis 120.000 Euro fuer den ersten Use Case, danach sinkende Grenzkosten fuer weitere Use Cases auf derselben Basis.
• Zeithorizont - 8-16 Wochen bis produktiv je nach Komplexitaet der Integration.
• Architektur - LLM (OpenAI, Anthropic, oder lokal), Retrieval aus strukturierten Quellen (ERP, CRM, Materialstamm), Output in bestehende Systeme (Bestellvorschlag, Vertragsentwurf, Risiko-Alert).
• Entscheidungsfrage - Wird dieser Prozess in Ihrer Branche Standard, oder ist er spezifisch fuer Ihr Unternehmen? Bei Standard kaufen. Bei spezifisch bauen.

LkSG, CSDDD, DSGVO und EU-KI-Verordnung

Der Einkauf ist einer der am staerksten regulierten Unternehmensbereiche. Beim Einsatz von KI greifen vier Regelwerke gleichzeitig.

Lieferkettensorgfaltspflichtengesetz (LkSG)

• Geltungsbereich - Seit 1. Januar 2024 alle Unternehmen in Deutschland mit mindestens 1.000 Mitarbeitenden⁹. Mittelbare Wirkung auf kleinere Zulieferer, die an grosse Kunden liefern.
• Pflichten - Risikoanalyse, Praeventionsmassnahmen, Beschwerdeverfahren, Berichterstattung. Dokumentationspflicht fuer alle Schritte.
• KI-Einsatzfeld - Echtzeit-Risikomonitoring, automatisches News-Screening, Lieferanten-Scoring mit Menschenrechts- und Umwelt-Kriterien, automatische Berichterstellung fuer das BAFA.
• Strafen - Bis zu 8 Millionen Euro oder 2 Prozent des weltweiten Umsatzes bei schweren Verstoessen, plus Ausschluss von oeffentlichen Auftraegen¹⁶.
• Wichtig - KI liefert Risiko-Input, die endgueltige Bewertung und die abgeleitete Massnahme trifft ein Mensch und dokumentiert sie nachvollziehbar.

CSDDD (EU Corporate Sustainability Due Diligence Directive)

• Was kommt - Die CSDDD loest das LkSG ab 2027 stufenweise ab und weitet den Geltungsbereich erheblich aus¹⁰.
• Erweiterter Scope - Tier-2- und Tier-3-Lieferanten kommen ins Bild, nicht nur direkte Zulieferer. Manuell nicht mehr leistbar, KI wird zur De-facto-Pflicht.
• Klima-Element - Zusaetzlich zu Menschenrechten wird die Klima-Transitionsstrategie pruefpflichtig. Scope-3-Emissionen muessen entlang der Lieferkette erhoben werden.
• Umsetzung - Wer heute LkSG sauber mit KI abbildet, hat die Infrastruktur fuer CSDDD bereits weitgehend.

DSGVO im Einkauf

• Lieferanten-Kontaktdaten - Meist berechtigtes Interesse (Artikel 6 Absatz 1 lit. f), aber AV-Vertraege mit KI-Anbietern sind Pflicht.
• Mitarbeiter-Daten - Wenn KI-Tools Bestellverhalten pro Einkaeufer auswerten, greift Datenschutz und Betriebsrats-Mitbestimmung.
• Datenexport - Viele SaaS-Einkaufs-Tools verarbeiten in den USA. EU-Datenresidenz pruefen, Transfers auf Data Privacy Framework stuetzen.
• Profiling - Lieferanten-Scoring ist Profiling. Datenschutzfolgenabschaetzung nach Artikel 35 DSGVO einplanen.

EU-KI-Verordnung im Einkauf

Die meisten Einkaufs-KI-Anwendungen sind "minimales Risiko". Aber Achtung bei Scoring-Systemen mit Kreditfolgen.

• Artikel 4 KI-Kompetenz - Ab August 2026: Einkaeufer, die KI beruflich einsetzen, brauchen grundlegende Schulung¹⁸. Planen Sie 2-4 Stunden Erstschulung zu Prompting, Datenschutz und Output-Pruefung.
• Dokumentation - Welche KI wird wo eingesetzt, mit welcher Datengrundlage, welchem Zweck, welcher Aufsicht? Audit-Trails pro kritischer Entscheidung.

Der 90-Tage-Einfuehrungsplan

Laut Studien erreichen nur 4 Prozent der KI-Einkaufs-Pilotprojekte eine bedeutungsvolle Produktivumsetzung⁷. Die anderen 96 Prozent scheitern am gleichen Muster: zu breit, zu viele Stakeholder, zu wenig Datenvorbereitung.

Phase 1: Vorbereitung (Wochen 1-3)

1. Woche 1: Use Case waehlen - Einen, nicht sechs. Kriterien: hohes Volumen (taeglich wiederkehrend), klarer KPI (Zeit, Einsparung, Compliance-Rate), Daten verfuegbar. Top-Kandidat fuer die meisten Mittelstaendler: Rechnungsabgleich oder Rahmenvertrags-Analyse.
2. Woche 2: Stammdaten-Check - Materialstamm, Lieferantenstamm, Rahmenvertragsdatenbank durchforsten. Duplikate entfernen, Pflichtfelder definieren. Wenn Datenqualitaet unter 70 Prozent, erst bereinigen, dann KI.
3. Woche 3: Compliance und Betriebsrat - AVV pruefen, Datenschutzfolgenabschaetzung bei Profiling. Informelles Gespraech mit Betriebsrat, wenn Mitarbeiter-Daten im Spiel sind. Baseline-KPI-Messung starten.

Phase 2: Einfuehrung (Wochen 4-8)

4. Wochen 4-5: Tool einrichten - Bei nativer Einkaufs-Plattform: KI-Modul aktivieren und konfigurieren. Bei Point-Tool: API-Integration zur Einkaufs-Plattform oder ERP. Bei Custom: MVP fuer einen Teil-Use-Case.
5. Wochen 6-7: Pilot mit Champions - 3-5 erfahrene Einkaeufer nutzen das Tool taeglich, geben woechentliches Feedback. Prompt-Templates, Schwellenwerte, Eskalationslogik iterieren.
6. Woche 8: Feintuning und Schulungsdesign - Lessons Learned in Prozess einarbeiten, Rollout-Schulung fuer das gesamte Team entwickeln.

Phase 3: Rollout und Messung (Wochen 9-12)

7. Woche 9: Team-Rollout - Gesamter Einkauf geschult, Tool aktiv, Champions unterstuetzen Neulinge. Woechentliche Office Hours.
8. Wochen 10-11: Stabilisieren - Nutzungsraten ueberwachen, blockierende Faktoren beseitigen. Zielmarke: >80 Prozent aktive Nutzung.
9. Woche 12: Ehrlich messen - KPI gegen Baseline. Wenn Ziel getroffen: naechsten Use Case priorisieren. Wenn nicht: Ursachen analysieren, nachsteuern oder abbrechen. Schoenfaerberei hilft niemandem.

KPIs und typische Fallen

Ohne saubere Messung ist es unmoeglich zu sagen, ob KI im Einkauf wirklich liefert. Hier sind die KPIs, die zaehlen, und die Fallen, die man umgehen sollte.

Vier KPI-Ebenen

• Aktivitaets-KPIs - Durchlaufzeit pro Bestellanforderung, Zeit pro Vertragsreview, Minuten pro Rechnungsabgleich, Lieferanten-Reviews pro Monat.
• Qualitaets-KPIs - Stammdatenvollstaendigkeit, Auto-Match-Quote, Maverick-Spend-Quote, Compliance-Scoring-Vollstaendigkeit.
• Output-KPIs - Einsparungsquote, Liefertreue, Anzahl identifizierter Risiken, Anzahl vermiedener Compliance-Vorfaelle.
• Wirtschafts-KPIs - Einsparung in EUR, ROI der Tools, Personalkapazitaet umgeschichtet in strategische Aufgaben.

Sieben typische Fallen

1. Baseline vergessen - Ohne Vorher-Messung kein ehrlicher Vorher-Nachher-Vergleich. 4 Wochen vor Tool-Einfuehrung dokumentieren.
2. Stammdaten ignoriert - Die haeufigste Fehlerquelle. Schmutzige Daten produzieren schnellere Fehler, keine besseren Ergebnisse.
3. Zu breit starten - Alle sechs Use Cases gleichzeitig scheitern alle. Einer erfolgreich, dann erweitern.
4. Champions uebersprungen - Top-down-Rollout ohne interne Fuersprecher scheitert. 3-5 Champions zuerst.
5. KI ersetzt Prozess - Wer KI auf kaputte Prozesse legt, bekommt schnelleren Chaos. Prozess zuerst aufraeumen.
6. Zu wenig Change Management - Tool einfuehren reicht nicht. Schulung, Rituale, KPIs muessen das Tool verstaerken.
7. Keine klare Erfolgsgrenze - Vor Start definieren, woran Erfolg oder Abbruch sichtbar wird. Pilotprojekte ohne Exit-Kriterium laufen endlos weiter.

Wie Superkind passt

Superkind baut individuelle KI-Loesungen fuer KMU und mittelstaendische Unternehmen. Im Einkaufs-Kontext heisst das: wir entscheiden mit Ihnen, wo native Einkaufs-Plattformen und Point-Tools ausreichen, und wo eine eigene Loesung Wettbewerbsvorteil schafft. Prozess zuerst, Technologie danach.

• Prozess-Discovery zuerst - Wir gehen in Ihren Einkauf, sprechen mit den Einkaeufern, die den Job jeden Tag machen, und mappen den echten Prozess. Dann entscheiden wir gemeinsam, was gekauft und was gebaut wird.
• Sitzt auf Ihrem Stack - Wir integrieren mit Ihrem ERP (SAP, Dynamics, Oracle, Infor, Sage), Ihrer Einkaufs-Plattform und Ihren Datenquellen. Keine neue Plattform.
• Live in Wochen - Erste Use Cases in 8-12 Wochen produktiv. Ihr Einkaufsteam arbeitet vom ersten Tag an mit, gibt Feedback, und die Loesung wird scharf.
• Outcome-Pricing - Keine grossen Lizenz-Vorauszahlungen. Preise pro Use Case mit klaren KPIs, die vor dem Bau festgelegt werden.
• LkSG-ready - Automatische Audit-Trails, dokumentierter risikobasierter Ansatz, Eskalationsketten. Erfuellt die Dokumentationspflicht ohne manuellen Zusatzaufwand.
• Ihr Team in Kontrolle - Menschliche Freigaben an den richtigen Stellen, Audit-Trails fuer kritische Entscheidungen, keine Blackbox.
• Kontinuierliche Verbesserung - Wir liefern nicht ab und verschwinden. Use Case fuer Use Case, bis der Einkauf auf Autopilot laeuft.
• Ueber den Einkauf hinaus - Dieselbe Integrationsebene skaliert auf Finance, Operations, Vertrieb. Die Investition zahlt sich mehrfach aus.

Haeufig gestellte Fragen

Henri Jung

Co-Founder von Superkind. Henri hilft KMU und mittelstaendischen Unternehmen, KI-Loesungen einzufuehren, die zu ihrem Einkauf, ihrem Vertrieb und ihrer Produktion passen. Vor Superkind hat er jahrelang mit Mittelstaendlern an Digitalisierungs-Projekten gearbeitet und aus erster Hand gesehen, warum so viele KI-Initiativen scheitern - sie starten bei der Technologie statt beim Prozess. Er ist ueberzeugt: Der Mittelstand hat alles, was er braucht, um bei KI vorn zu stehen. Was fehlt, ist der richtige Ansatz.