# KI im Einkauf: Agenten für operativen und strategischen Einkauf

> KI-Agenten helfen im Einkauf zuerst dort, wo Dokumente gegen Daten geprüft werden: Angebote vergleichen, Auftragsbestätigungen abgleichen, Liefertermine nachhalten, Rechnungen zuordnen. Strategische Aufgaben wie Lieferantensuche oder Verhandlungsvorbereitung unterstützen sie, entscheiden aber nicht.

Kanonische URL: https://www.ruebstudio.de/de/wissen/ki-agenten-nach-fachbereich/ki-im-einkauf-agenten  
Autor: Dr.-Ing. Marcus Rüb, CEO  
Veröffentlicht: 2026-11-14

Im Einkauf eines Mittelständlers fließt ein großer Teil der Arbeitszeit in Dokumente: Anfragen, Angebote, Auftragsbestätigungen, Lieferavis, Rechnungen. Diese Dokumente müssen gelesen, mit der Bestellung im ERP verglichen und bei Abweichungen nachverfolgt werden. Genau dort setzen KI-Agenten an. Dieser Überblick ordnet die Einsatzfelder nach operativ und strategisch, zeigt Reifegrad und Datenbedarf je Use-Case und nennt die Grenzen.

## Was sind KI-Agenten im Einkauf und wofür werden sie eingesetzt?

Ein KI-Agent im Einkauf ist ein Programm, das ein Sprachmodell mit Werkzeugen verbindet: Es liest eingehende Dokumente, fragt Bestell- und Stammdaten im ERP ab, vergleicht beides nach festen Regeln und legt das Ergebnis dem Einkäufer vor. Eingesetzt wird er für wiederkehrende Prüf-, Such- und Nachfassaufgaben.

Wichtig ist die Unterscheidung, die Anthropic in seinem Leitfaden [Building effective agents](https://www.anthropic.com/engineering/building-effective-agents) trifft: Ein **Workflow** folgt vorgegebenen Codepfaden, ein **Agent** steuert seine Schritte und Werkzeugaufrufe selbst. Für den Einkauf heißt das: Die meisten operativen Aufgaben lassen sich als Workflow mit Sprachmodell bauen, etwa „Auftragsbestätigung lesen, Positionen extrahieren, mit Bestellung vergleichen, Abweichungen melden". Echte Agenten mit eigenem Lösungsweg lohnen sich erst dort, wo die Schritte nicht vorher feststehen, zum Beispiel bei der Recherche nach neuen Lieferanten. Anthropic empfiehlt ausdrücklich, mit der einfachsten Lösung zu beginnen und Komplexität nur bei Bedarf zu erhöhen.

Auch die großen Einkaufssysteme gehen in diese Richtung. SAP hat im Mai 2026 auf der Sapphire eine Reihe von Joule-Assistenten für Beschaffung vorgestellt, darunter Assistenten für Sourcing, Lieferantenmanagement, Verträge, Bedarfsanforderungen, Wareneingang und Rechnungen ([SAP News, 14.05.2026](https://news.sap.com/2026/05/enabling-autonomous-spend-management-ai-connected-processes/)). Wer SAP Ariba einsetzt, sollte diese Funktionen kennen. Viele Mittelständler arbeiten jedoch mit einem ERP ohne solche Bausteine, mit Excel-Listen und einem gemeinsamen Postfach. Für sie stellt sich die Frage, welche Aufgaben ein eigener Agent übernehmen kann.

## Wie funktioniert ein Einkaufs-Agent?

Ein Einkaufs-Agent besteht aus vier Bausteinen: einem Eingang (Postfach, EDI, Upload), einer Extraktion, die Dokumente in strukturierte Daten übersetzt, einem Abgleich gegen ERP-Daten nach festen Regeln und einer Ausgabe, die dem Einkäufer einen Vorschlag mit Begründung vorlegt. Das Sprachmodell steckt vor allem in Extraktion und Formulierung.

**Eingang.** Lieferanten schicken Dokumente auf sehr unterschiedlichen Wegen: als PDF per E-Mail, als Portal-Download, bei größeren Partnern per EDI. Für Auftragsbestätigungen gibt es mit der UN/EDIFACT-Nachricht ORDRSP einen Standard, den die Spezifikation als Nachricht des Verkäufers an den Käufer in Antwort auf eine Bestellung oder Bestelländerung beschreibt ([UN/EDIFACT D.98A, ORDRSP](https://www.stylusstudio.com/edifact/D98A/ORDRSP.htm)). Kommt die Bestätigung als strukturierte Nachricht, braucht es kein Sprachmodell zum Lesen. Das Sprachmodell wird dort wichtig, wo PDFs, Freitext-Mails und Scans ankommen; wie man solche Dokumente für Agenten erschließt, beschreibt der Leitfaden [Dokumente, PDFs und Scans für KI-Agenten](https://www.ruebstudio.de/de/wissen/ki-agenten-anbinden/dokumente-pdf-ocr-ki-agent).

**Extraktion.** Das Modell liest das Dokument und füllt ein festes Schema: Lieferant, Bestellnummer, Positionen mit Artikelnummer, Menge, Einzelpreis, Liefertermin, Zahlungs- und Lieferbedingungen. Das Schema ist der wichtigste Teil der Konstruktion. Je enger es ist, desto besser lässt sich prüfen, ob die Extraktion stimmt.

**Abgleich.** Der Vergleich mit der Bestellung sollte nicht das Sprachmodell erledigen, sondern normaler Code: Menge gleich, Preis innerhalb der Toleranz, Termin innerhalb des Fensters. So bleibt nachvollziehbar, warum eine Abweichung gemeldet wurde.

**Ausgabe.** Der Agent erzeugt keine Freigabe, sondern eine Vorlage: „Position 3: Preis 4 % über Bestellung, Termin eine Woche später. Vorschlag: Rückfrage an Lieferanten, Entwurf anbei." Der Einkäufer entscheidet und schickt ab. Wie solche Freigabestufen aufgebaut werden, erklärt der Artikel zu [Human-in-the-Loop bei KI-Agenten](https://www.ruebstudio.de/de/wissen/ki-agenten-architektur/human-in-the-loop-ki-agenten). Anthropic beschreibt genau diese Haltepunkte als Kernelement: Agenten pausieren an Checkpunkten für menschliches Feedback ([Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)).

## Welche Einsatzfelder gibt es im Einkauf?

Die Einsatzfelder lassen sich in zwei Gruppen teilen. Operative Use-Cases prüfen Dokumente gegen vorhandene Bestelldaten und sind heute gut umsetzbar. Strategische Use-Cases brauchen Marktdaten, Lieferantenhistorie und Urteilsvermögen; dort unterstützt ein Agent bei Recherche und Vorbereitung, die Entscheidung bleibt beim Menschen.

Die folgende Landkarte ordnet die typischen Aufgaben. „Reifegrad" beschreibt, wie gut sich der Use-Case nach unserer Einschätzung heute mit Sprachmodellen und klaren Regeln umsetzen lässt.

| Use-Case | Ebene | Reifegrad | Datenbedarf |
|---|---|---|---|
| Prüfung von Auftragsbestätigungen | operativ | hoch | Bestellungen, Toleranzregeln |
| Lieferterminverfolgung | operativ | hoch | offene Bestellungen, Lieferantenkontakte |
| Angebotsvergleich | operativ | mittel bis hoch | Anfrage, Angebote, Bewertungskriterien |
| Rechnungszuordnung | operativ | hoch | Bestellung, Wareneingang, Rechnung |
| Bedarfsanforderung aufnehmen | operativ | mittel | Artikelstamm, Rahmenverträge |
| Lieferantensuche | strategisch | mittel | Anforderungsprofil, Webrecherche |
| Ausgabenanalyse nach Warengruppe | strategisch | mittel | Bestellhistorie mit sauberer Klassifikation |
| Verhandlungsvorbereitung | strategisch | niedrig bis mittel | Preis- und Mengenhistorie, Vertragsdaten |
| Lieferantenrisiko beobachten | strategisch | mittel | Lieferantenliste, externe Nachrichtenquellen |

### Operativ: Auftragsbestätigungen prüfen

Die Auftragsbestätigung ist das Dokument, an dem sich die meisten stillen Abweichungen zeigen: geänderte Preise, Teilmengen, verschobene Termine, andere Lieferbedingungen. Ein Agent vergleicht jede Position mit der Bestellung und meldet nur die Abweichungen. Der Use-Case ist gut abgrenzbar und lässt sich an der Bestellung messen. Ein eigener Artikel zur automatischen AB-Prüfung bei Preis, Menge und Termin ist in Vorbereitung.

### Operativ: Liefertermine nachhalten

Offene Bestellungen ohne Bestätigung oder mit überschrittenem Termin werden in vielen Einkaufsabteilungen über Listen verfolgt. Ein Agent kann täglich die offenen Positionen aus dem ERP ziehen, fällige Nachfragen formulieren und Antworten der Lieferanten wieder der Bestellung zuordnen. Der Einkäufer sieht morgens eine Liste mit Entwürfen statt einer leeren Suche.

### Operativ: Angebote vergleichen

Bei Anfragen an mehrere Lieferanten kommen Angebote in unterschiedlichen Formaten, Einheiten und Konditionen zurück. Der Agent normalisiert sie in eine Vergleichstabelle: Preis je Einheit, Mindestmenge, Lieferzeit, Zahlungsziel, Fracht, Gültigkeit. Schwierig wird es bei Angeboten, die technisch von der Anfrage abweichen. Diese markiert der Agent, statt sie stillschweigend gleichzusetzen. Ein eigener Leitfaden zum Angebotsvergleich per KI folgt.

### Operativ: Rechnungen zuordnen

Seit dem 1. Januar 2025 müssen inländische Unternehmen E-Rechnungen von anderen inländischen Unternehmen empfangen können; eine per E-Mail verschickte PDF-Rechnung gilt nicht mehr als E-Rechnung ([IHK Köln](https://www.ihk.de/koeln/hauptnavigation/recht-steuern/recht/e-rechnungen-5943094)). Damit kommen mehr Rechnungen als strukturierte Daten an, was den Abgleich von Bestellung, Wareneingang und Rechnung erleichtert. Ein Sprachmodell bleibt für die Ausnahmen nützlich: Freitext-Positionen, Gutschriften, Rechnungen ohne Bestellbezug.

### Operativ: Bedarfsanforderungen aufnehmen

Interne Bedarfe kommen oft als Mail oder Zuruf: „Wir brauchen wieder die Dichtungen wie letztes Mal." Ein Agent kann solche Anfragen dem Artikelstamm zuordnen, auf bestehende Rahmenverträge hinweisen und eine vollständige Bestellanforderung vorbereiten. Der Reifegrad hängt stark von der Qualität des Artikelstamms ab.

### Strategisch: Lieferanten suchen

Für neue Teile oder Zweitquellen recherchiert ein Agent nach einem Anforderungsprofil: Fertigungsverfahren, Zertifizierungen, Region, Größe. Er liefert eine Vorauswahl mit Quellen, die der Einkauf prüft. Hier passt der echte Agentenansatz, weil die Suchschritte nicht vorher feststehen. Gleichzeitig ist die Fehlerquote höher: Webseiten sind veraltet, Zertifikate abgelaufen. Jede Aussage braucht deshalb einen Link, den ein Mensch nachprüft.

### Strategisch: Ausgaben analysieren und Verhandlungen vorbereiten

Für die Warengruppenstrategie braucht es eine saubere Ausgabenanalyse. Ein Sprachmodell kann unklassifizierte Bestellpositionen Warengruppen zuordnen und so die Datenbasis verbessern. Für Verhandlungen stellt ein Agent Preis- und Mengenhistorie, offene Reklamationen und Vertragslaufzeiten zusammen. Die Verhandlungsstrategie selbst entsteht im Gespräch, nicht im Modell.

### Strategisch: Lieferantenrisiken beobachten

Ein Agent kann eine Liste kritischer Lieferanten regelmäßig gegen Nachrichtenquellen und öffentliche Register prüfen und Auffälligkeiten melden. SAP beschreibt für seinen Supplier Management Assistant eine laufende, mehrdimensionale Risikoüberwachung ([SAP News](https://news.sap.com/2026/05/enabling-autonomous-spend-management-ai-connected-processes/)). Im Mittelstand reicht oft ein schlankerer Ansatz: wenige kritische Lieferanten, wenige Quellen, eine wöchentliche Zusammenfassung.

## Welche Voraussetzungen braucht ein Einkaufs-Agent?

Ein Einkaufs-Agent braucht drei Dinge: lesenden Zugriff auf Bestellungen, Artikel- und Lieferantenstamm im ERP, einen definierten Eingangskanal für Lieferantendokumente und schriftlich festgelegte Regeln, was als Abweichung gilt. Ohne diese Regeln kann der Agent nur raten, und das Ergebnis lässt sich nicht prüfen.

**Daten.** Die Bestellung ist der Maßstab für fast alle operativen Use-Cases. Fehlen Artikelnummern der Lieferanten im Stamm oder sind Einheiten uneinheitlich gepflegt, scheitert der Abgleich an der Zuordnung, nicht am Modell. Für strategische Use-Cases brauchen Sie eine Bestellhistorie über mehrere Jahre mit nachvollziehbarer Warengruppe.

**Systeme.** Ein Agent muss das ERP nicht verändern. Für den Einstieg genügt ein Lesezugriff, etwa über eine Datenbanksicht, eine Schnittstelle oder einen regelmäßigen Export. Postfach und Dokumentablage kommen dazu. Schreibrechte, etwa um einen bestätigten Termin direkt zu übernehmen, folgen erst, wenn die Prüfung über Wochen stabil läuft.

**Organisation.** Legen Sie fest, wer die Vorschläge des Agenten bearbeitet und in welcher Frist. Ein Agent, dessen Meldungen niemand liest, schafft nur eine zweite Liste. Klären Sie außerdem Toleranzen: Ab welcher Preisabweichung wird nachgefragt, ab welcher Terminverschiebung informiert die Disposition?

**Datenschutz und Vertraulichkeit.** Angebote und Konditionen sind Geschäftsgeheimnisse, oft mit Geheimhaltungsvereinbarungen. Prüfen Sie, ob ein Cloud-Modell zulässig ist oder ob ein Modell im eigenen Betrieb läuft. Hintergründe zu lokal betriebenen Modellen finden Sie unter [souveräner KI](https://www.ruebstudio.de/de/souveraene-ki). Die Bewertung ersetzt keine Rechtsberatung.

## Wie gehen Sie bei der Einführung vor?

Bewährt hat sich ein Vorgehen in fünf Schritten: einen operativen Use-Case wählen, die Prüfregeln aufschreiben, mit historischen Dokumenten testen, einige Wochen im Schattenbetrieb neben dem Einkäufer laufen lassen und erst dann die Vorschläge in den Alltag übernehmen. Strategische Use-Cases kommen danach.

1. **Use-Case wählen.** Nehmen Sie einen Ablauf mit vielen gleichartigen Dokumenten und klarer Prüfregel, typischerweise Auftragsbestätigungen oder Terminverfolgung. Methoden, um Use-Cases zu finden und zu bewerten, beschreibt der Überblick [KI-Use-Cases finden](https://www.ruebstudio.de/de/wissen/ki-use-cases-finden/ki-use-cases-finden).
2. **Regeln aufschreiben.** Halten Sie fest, was der Einkäufer heute prüft und ab wann er handelt. Diese Liste wird zur Spezifikation des Agenten.
3. **Mit Altdaten testen.** Sammeln Sie eine Stichprobe abgeschlossener Vorgänge mit bekannten Abweichungen. Der Agent muss diese Abweichungen finden und darf keine erfinden. Das Ergebnis zeigt, wo Extraktion oder Stammdaten nicht reichen.
4. **Schattenbetrieb.** Der Agent läuft parallel, der Einkäufer arbeitet wie bisher und vergleicht. Abweichungen zwischen Agent und Mensch sind die wertvollsten Testfälle.
5. **Übernahme mit Freigabe.** Der Agent erstellt Entwürfe, der Mensch gibt frei. Erst wenn die Freigaben über längere Zeit ohne Korrektur bleiben, lohnt sich die Frage nach mehr Automatisierung.

Was ein solcher Fachagent technisch umfasst und wie er in bestehende Systeme eingebunden wird, zeigt die Übersicht zu [KI-Agenten für Fachbereiche](https://www.ruebstudio.de/de/ki-agenten).

## Wo liegen Grenzen und Risiken?

Die größten Risiken sind falsch extrahierte Werte, die plausibel aussehen, schlechte Stammdaten, die jede Prüfung unterlaufen, und Agenten, die ohne Freigabe nach außen kommunizieren. Strategische Entscheidungen wie Lieferantenwahl oder Verhandlungsziele sollte kein Agent allein treffen.

- **Plausible Fehler.** Ein Sprachmodell liest eine 8 als 3 oder übernimmt einen Preis aus der falschen Zeile, und das Ergebnis sieht korrekt aus. Gegenmittel: Pflichtfelder, Plausibilitätsprüfungen im Code, Summenkontrollen und bei Unsicherheit die Markierung „bitte prüfen".
- **Stammdaten.** Fehlende Lieferanten-Artikelnummern, abweichende Einheiten (Stück, Karton, Meter) und veraltete Preise führen zu Fehlalarmen. Ein Agent zeigt diese Lücken sehr schnell; ihre Behebung ist eigene Arbeit.
- **Außenkommunikation.** Eine Nachfrage beim Lieferanten ist eine Erklärung des Unternehmens. Agenten sollten Entwürfe schreiben, nicht senden, bis die Qualität über längere Zeit belegt ist.
- **Strategische Fragen.** Ob ein Lieferant trotz höherem Preis bleibt, weil er in Engpässen geliefert hat, steht in keinem Datensatz. Hier bereitet ein Agent vor; das Urteil bleibt beim Einkauf.
- **Kosten und Komplexität.** Agentensysteme tauschen laut Anthropic oft Latenz und Kosten gegen bessere Ergebnisse ([Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)). Für einfache Abgleiche reicht ein Workflow mit einem einzigen Modellaufruf.
- **Wann es nicht passt.** Bei sehr wenigen Bestellungen, überwiegend Einzelanfertigungen mit stark technischer Abstimmung oder fast vollständig per EDI abgewickelten Vorgängen ist der Nutzen eines Sprachmodells gering. Dort helfen klassische Regeln im ERP oft mehr.

## Wie fangen Sie an?

Fangen Sie mit einer Bestandsaufnahme an: Welche Dokumente kommen pro Woche im Einkauf an, auf welchem Weg, und welche Prüfung kostet die meiste Zeit? Daraus ergibt sich fast immer ein operativer Use-Case, der sich in wenigen Wochen mit echten Daten testen lässt.

Eine einfache Vorbereitung für das erste Gespräch im Team:

- eine Liste der Dokumenttypen mit grober Menge pro Woche und Eingangskanal,
- zehn bis zwanzig Beispielvorgänge mit bekannten Abweichungen,
- die geltenden Toleranzen für Preis, Menge und Termin,
- die Frage, wer im Einkauf die Vorschläge des Agenten bearbeitet.

Wenn Sie zusätzlich verstehen wollen, wie sich ein Einkaufs-Agent von einem Agenten auf der Verkaufsseite unterscheidet: Der [Angebotsagent im Vertrieb](https://www.ruebstudio.de/de/ki-agenten/angebotserstellung) erstellt Angebote aus Kundenanfragen, während der Einkaufs-Agent Lieferantenangebote liest und vergleicht. Die Technik ist ähnlich, die Prüfregeln und Verantwortlichkeiten sind andere. Wer das Team zuerst mit dem Thema vertraut machen möchte, findet unter [Workshop](https://www.ruebstudio.de/de/workshop) ein Format für den Einstieg.

## Häufige Fragen

### Ersetzt ein KI-Agent den Einkäufer?

Nein. Der Agent übernimmt das Lesen, Abgleichen und Nachfassen, die Entscheidung über Lieferant, Preis und Freigabe bleibt beim Menschen. Sinnvoll ist eine klare Grenze, ab der der Agent nur noch vorschlägt.

### Brauche ich dafür ein neues ERP-System?

Nein. Ein Agent arbeitet mit dem vorhandenen ERP, dem Postfach und den Ablagen, solange er lesend auf Bestellungen, Artikelstamm und Lieferantendaten zugreifen kann. Schreibrechte im ERP sind für den Einstieg nicht nötig.

### Welcher Use-Case eignet sich für den Start?

Meist die Prüfung von Auftragsbestätigungen oder die Lieferterminverfolgung: Die Regeln sind klar, die Daten liegen im ERP, und Fehler lassen sich an der Bestellung messen. Strategische Use-Cases folgen besser, wenn die Datenbasis steht.

### Dürfen Lieferantendaten an ein Cloud-Sprachmodell gehen?

Das hängt von Verträgen, Geheimhaltungsvereinbarungen und Ihrer Datenschutzbewertung ab. Für sensible Konditionen kommt auch ein Modell in Frage, das im eigenen Rechenzentrum läuft; das ist eine Orientierung, keine Rechtsberatung.

## Quellen

- [SAP News: Enabling Autonomous Spend Management with AI-Connected Processes (14.05.2026)](https://news.sap.com/2026/05/enabling-autonomous-spend-management-ai-connected-processes/)
- [UN/EDIFACT D.98A: ORDRSP – Purchase order response message](https://www.stylusstudio.com/edifact/D98A/ORDRSP.htm)
- [Anthropic: Building effective agents (19.12.2024)](https://www.anthropic.com/engineering/building-effective-agents)
- [IHK Köln: E-Rechnungen](https://www.ihk.de/koeln/hauptnavigation/recht-steuern/recht/e-rechnungen-5943094)
