Der Einkauf ist in vielen Mittelstandsunternehmen das letzte große Effizienz-Reservoir. Während Vertrieb, Marketing und HR längst mit KI experimentieren, läuft die Beschaffung noch per E-Mail und Excel. Das kostet bares Geld, und das lässt sich messen.
Digitale Beschaffungstools verändern, wie Einkaufsverantwortliche im Mittelstand arbeiten. Foto: Tiger Lily auf Pexels
Warum gerade der Einkauf so viel Potenzial hat
Zehn Prozent Einsparung im Einkauf entsprechen fünf Prozent mehr Ergebnis. Das ist keine Faustregel aus dem Lehrbuch, sondern Praxis. Bei einem Mittelstandsunternehmen mit 20 Millionen Euro Einkaufsvolumen bedeuten zehn Prozent weniger Ausgaben zwei Millionen mehr Spielraum, ohne einen einzigen Euro mehr Umsatz machen zu müssen.
Das Problem: Traditioneller Einkauf lebt von manuellem Preisvergleich, langwierigen Angebotsrunden und verpassten Skaleneffekten, die im Datensilo verschwinden. Gleichzeitig haben mehr als 75 Prozent der Mittelständler in den letzten Jahren erhebliche Mehrkosten durch Lieferkettenstörungen erlitten. Die Drucksituation ist da. Die Werkzeuge auch. Aber nur rund 25 Prozent nutzen überhaupt digitale Plattformen für die Lieferantenzusammenarbeit, zeigt das Einkaufsbarometer Mittelstand 2025 der Onventis GmbH gemeinsam mit dem Bundesverband Materialwirtschaft, Einkauf und Logistik (BME) unter mehr als 350 europäischen Unternehmen.
Das ist die Lücke, in die KI jetzt hineinstößt.
Was KI im Einkauf konkret leistet
Bevor es um Tools und Implementierung geht: drei Use Cases, die in deutschen Mittelstandsunternehmen bereits funktionieren und messbare Ergebnisse liefern.
Automatische Rechnungsverarbeitung
Der klassische Einstieg. KI liest Eingangsrechnungen, gleicht sie mit Bestellungen und Lieferscheinen ab, erkennt Abweichungen und leitet nur Ausnahmen an den Menschen weiter. Was früher einen Sachbearbeiter einen halben Tag kostete, läuft nun automatisch durch. Rechnungsverarbeitung gilt in der Praxis als das typische “Low Hanging Fruit” im Einkauf: hohes Volumen, geringe strategische Komplexität, klarer Nutzen.
KI-gestützte Lieferantenbewertung
DMG Mori, Maschinenbaukonzern aus Bielefeld, demonstrierte auf dem BME-Kongress 2025, was passiert, wenn KI interne Leistungsdaten mit externen Marktdaten kombiniert. Das Ergebnis: Das System konnte plötzlich mehr als hundertmal so viele Lieferanten gleichzeitig vergleichen wie ein Einkäufer manuell. Die Zeitersparnis in der Beschaffung betrug 85 Prozent. Keine Schätzung, sondern dokumentiertes Ergebnis eines Pilotprojekts.
Für den Mittelstand bedeutet das: Wer heute fünf Lieferanten manuell bewertet, könnte mit demselben Aufwand 500 screenen. Preis, Liefertreue, Qualitätsdaten, Insolvenzrisiko, alles auf einem Dashboard.
Spend Analytics
Wohin fließt eigentlich das Geld? In vielen Unternehmen ist diese Frage kaum zu beantworten, weil Ausgabendaten über ERP, Kreditkartenabrechnungen und Freihandbestellungen verteilt sind. KI-gestützte Spend Analytics konsolidieren diese Daten, kategorisieren automatisch nach Warengruppen und zeigen, wo Lieferanten konsolidiert werden könnten.
Praxiserfahrungen aus dem DACH-Raum zeigen Einsparpotenziale von 8 bis 15 Prozent durch Lieferantenkonsolidierung allein, sobald die Daten sauber aufbereitet sind. Und das ohne neue Vertragsverhandlungen zu führen: oft reicht es, Maverick Buying zu stoppen und bestehende Rahmenverträge konsequenter zu nutzen.
”KI leitet eine neue Ära in Einkauf und Beschaffung ein. Unternehmen, die frühzeitig investieren, verschaffen sich einen dauerhaften Wettbewerbsvorteil.”
— BME Bundesverband Materialwirtschaft, Einkauf und Logistik, 2025
Welche Zahlen wirklich stimmen
Kosteneinsparungen von 18 bis 35 Prozent kursieren in manchen Anbieterbroschüren. Das ist Marketing. Realistisch und mehrfach belegt sind folgende Bandbreiten:
- 5 bis 15 Prozent Kostensenkung bei direktem und indirektem Einkauf durch KI-gestützte Prozesse (Synprocure, Pexon Consulting, DACH-Praxisdaten)
- 15 bis 30 Prozent Effizienzgewinn im gesamten Procurement durch autonome KI-Agenten (McKinsey, 2024)
- 85 Prozent Zeitersparnis in der operativen Beschaffung, dokumentiert im DMG-Mori-Pilotprojekt
Was diese Zahlen verbindet: Sie entstehen nicht durch einen Knopfdruck, sondern über 12 bis 24 Monate konsequenter Implementierung. Nur 6 Prozent der Unternehmen sehen Return on Investment in unter einem Jahr, zeigt die Deloitte KI-Studie Deutschland 2025. Die große Mehrheit braucht zwei bis vier Jahre. Das ist kein Argument gegen den Einstieg, sondern ein Argument dafür, jetzt anzufangen.
Tools, die für den Mittelstand funktionieren
Die Unternehmensgrößen zwischen 50 und 500 Mitarbeitern brauchen andere Lösungen als Konzerne. SAP Ariba dominiert den Markt, ist aber in der Implementierung für viele Mittelständler zu komplex und zu teuer. Relevanter sind:
Onventis ist explizit auf den europäischen Mittelstand ausgelegt und bietet einen direkten Draht zum BME-Netzwerk. Gut geeignet für Unternehmen, die ihre Lieferantenkommunikation und Angebotsvergleiche digitalisieren wollen, ohne ein SAP-Projekt aufzumachen.
tacto.ai kommt aus dem DACH-Raum und ist speziell auf Spend Analytics für kleine und mittlere Unternehmen spezialisiert. Die Einstiegshürde ist niedrig, die Ergebnisse schnell sichtbar. Für Unternehmen, die erst mal verstehen wollen, wohin das Geld fließt, ist das oft der richtige erste Schritt.
Coupa liegt zwischen Mittelstand und Konzern und bietet eine breitere Suite. Implementierung dauert sechs bis zwölf Monate, ist dafür aber deutlich intuitiver als Ariba.
Jaggaer ist besonders stark in der Fertigungsindustrie und im öffentlichen Sektor. Wer komplexe Ausschreibungen managen muss, findet hier spezifische Funktionalität.
Ein Hinweis, der in Gesprächen mit Mittelständlern immer wieder auftaucht: KI-Einkaufssoftware ist dann am wirkungsvollsten, wenn sie mit bestehenden ERP-Systemen spricht. Die Integration ist oft die eigentliche Hürde, nicht die Software selbst. Das sollte von Anfang an eingeplant werden.
Die drei Fehler, die Implementierungen scheitern lassen
Rund 60 Prozent der Unternehmen nennen fehlende Zeit und personelle Ressourcen als größte Hürde beim Einkauf-Digitalisierungsprojekt. Das ist verständlich, aber oft auch ein Symptom der falschen Herangehensweise. Drei Muster, die immer wieder auftauchen:
Schlechte Stammdaten als Ausgangsbasis. KI ist nur so gut wie die Daten, die sie bekommt. Wer mit unvollständigen Lieferantenstammdaten oder chaotischer Materialnummer-Vergabe startet, bekommt unbrauchbare Analysen. Die Datenpflege vor dem Projektstart ist keine Vorbereitungsarbeit, sondern Teil des Projekts.
Weniger als 20 Prozent der verfügbaren Daten werden in typischen Einkaufsfunktionen überhaupt genutzt. Das ist laut McKinsey kein technologisches Problem, sondern ein organisatorisches.
Fehlende Eigentümerschaft im Management. KI-Einkaufsprojekte, die als IT-Projekt gestartet werden, scheitern häufiger als solche, bei denen der Einkaufsleiter oder die Geschäftsführung direkte Verantwortung trägt. Ohne Top-down-Mandat gibt es keinen Zugriff auf die richtigen Daten und keine Durchsetzungskraft bei Abteilungsgrenzen.
Zu großes Scope von Anfang an. Wer im ersten Schritt alle Einkaufsprozesse gleichzeitig transformieren will, landet in einem Projekt, das 18 Monate dauert, bis die ersten Ergebnisse sichtbar sind. Besser: einen Bereich mit hohem Volumen und klarer Datenlage auswählen, dort starten, Erfolg dokumentieren, dann ausweiten. Rechnungsverarbeitung oder Spend Analytics sind klassische Einstiegspunkte.
Wer einen strukturierten Weg von der Idee zum laufenden KI-Projekt sucht, findet in unserem Artikel zu KI-Pilotprojekten im Mittelstand eine praxisnahe Roadmap. Und wer die laufenden Kosten von KI-Systemen im Blick behalten will, sollte den Artikel zu KI-Token-Kosten und Kostenfallen lesen, bevor er ein Angebot unterschreibt.
Datenschutz und Compliance nicht vergessen
KI-Einkaufstools verarbeiten sensible Geschäftsdaten: Lieferantenkonditionen, Preise, Vertragsdetails. Was unter DSGVO erlaubt ist und was nicht, hängt stark davon ab, ob Daten auf eigenen Servern bleiben oder in Cloud-Infrastrukturen der Anbieter wandern.
Für Mittelständler, die hier noch Orientierung suchen, empfehlen wir unseren Leitfaden zu DSGVO-konformen KI-Tools für KMU. Die wichtigste Faustregel: Vertragsklauseln zum Datenverarbeitungsort und zur Datenweitergabe an Dritte müssen vor der Einführung stehen, nicht danach.
Realistische Erwartung: Was in 12 Monaten möglich ist
78 Prozent der Einkaufsverantwortlichen sehen KI als unverzichtbar für die Zukunft ihrer Funktion. Aber Zukunft und Jetzt liegen auseinander. Was in zwölf Monaten realistisch erreichbar ist:
- Vollständige Transparenz über alle Einkaufsausgaben durch Spend Analytics
- Automatisierte Rechnungsverarbeitung für mindestens 60 bis 70 Prozent aller Eingangsrechnungen
- Systematische Lieferantenbewertung auf Basis strukturierter Daten statt Bauchgefühl
- Erste identifizierte Einsparpotenziale durch Lieferantenkonsolidierung
Was in 24 bis 36 Monaten folgen kann: vorausschauendes Risikomanagement in der Lieferkette, KI-gestützte Ausschreibungsprozesse, Integration mit No-Code-Automatisierungen wie Make oder Zapier für die Nachgelagerten Prozesse. Dazu haben wir bereits geschrieben, wie No-Code-KI-Automatisierung im Mittelstand den Übergang von einzelnen Tools zu vernetzten Workflows erleichtert.
Häufige Fragen
Wie viel spart KI im Einkauf realistisch?
Mehrfach belegte Praxiswerte liegen bei 5 bis 15 Prozent der Beschaffungskosten. Im direkten Einkauf (Rohstoffe, Komponenten) eher 5 Prozent, im indirekten Einkauf (Dienstleistungen, MRO) bis zu 15 Prozent. Zahlen über 20 Prozent in Anbieterbroschüren sind meist auf spezifische Einzelfälle oder die Kombination mehrerer Maßnahmen zurückzuführen.
Welches KI-Tool eignet sich als Einstieg für den Mittelstand?
Für den unkomplizierten Start empfiehlt sich ein spezialisiertes Tool statt einer kompletten Suite. tacto.ai oder Onventis sind auf den DACH-Mittelstand ausgerichtet und bieten niedrigere Einstiegshürden als SAP Ariba oder Coupa. Wichtig: Das Tool sollte sich an das bestehende ERP-System anbinden lassen, sonst bleibt der Nutzen begrenzt.
Wie lange dauert es, bis KI im Einkauf ROI liefert?
Laut Deloitte KI-Studie Deutschland 2025 sehen nur 6 Prozent der Unternehmen ROI in unter einem Jahr. Die Mehrheit braucht 18 bis 36 Monate. Wer mit einem klar abgegrenzten Pilotbereich startet (z. B. Rechnungsverarbeitung oder Spend Analytics), kann erste messbare Ergebnisse schon nach sechs bis neun Monaten sehen und die Investition intern besser rechtfertigen.
Quellen & Referenzen
- Onventis GmbH / BME / ESB Business School: Einkaufsbarometer Mittelstand 2025, n=350+ europäische Unternehmen, veröffentlicht Juni 2025. logistik-heute.de
- BME Bundesverband Materialwirtschaft, Einkauf und Logistik: KI leitet neue Ära in Einkauf und Beschaffung ein (DMG Mori Fallbeispiel, BME-Kongress 2025). bme.de
- Deloitte: KI-Studie Deutschland 2025, ROI-Timeline und Investitionsverhalten. deloitte.com/de
- McKinsey (zitiert via paperclipped.de): KI-Agenten im Procurement, 15-30 % Effizienzgewinn, Datennutzung unter 20 %. paperclipped.de
- Pexon Consulting: Spend Analytics DACH, Einsparpotenzial 8-15 % durch Lieferantenkonsolidierung. pexon.de
