Illustration Absmeier foto ki designer

Agentische KI wird im Mittelstand nicht zuerst an der großen Vision gemessen, sondern an belastbaren Prozessen. Der Einkauf bietet dafür ideale Bedingungen: wiederkehrende Vorgänge, klare Regeln, spürbaren Effizienzdruck und eine Datenbasis, die im ERP-System bereits vorhanden ist. Wer hier sauber startet, schafft die Grundlage für autonome Prozessketten in Produktion, Vertrieb und Supply Chain.

Management Summary

Agentische KI wird operativ greifbar: Der Einkauf ist im produzierenden Mittelstand der naheliegende Einstieg, weil Routinevorgänge, Entscheidungsregeln und messbarer Druck dort zusammenfallen.
ERP-Daten entscheiden über den Nutzen: Bestände, Lieferzeiten, Rahmenverträge, Freigaben und Stammdaten liefern den Kontext, den generische Sprachmodelle allein nicht kennen.
Autonomie braucht Stufen: Norm- und C-Teile können früh automatisiert werden, während kritische A-Teile, Lieferantenwechsel und Ausnahmen weiterhin menschliche Freigabe benötigen.
Verantwortung bleibt im Unternehmen: Rechtlich bindende Bestellungen erfordern klare Rollen, Wertgrenzen, Protokollierung und menschliche Aufsicht – besonders mit Blick auf den EU AI Act.
Der Einkauf ist die Blaupause: Wer Beschaffungsprozesse sauber automatisiert, legt das Fundament für vernetzte Agenten über Vertrieb, Planung, Produktion und Supply Chain hinweg.

Warum Agenten dort zuerst produktiv werden

Aufgabenspezifische KI-Agenten verlassen das Experimentierfeld und gehören in vielen Unternehmen bereits zum Alltag. So erwartet Gartner, dass bis Ende des Jahres 2026 rund 40 Prozent aller Unternehmensanwendungen solche Agenten enthalten, gegenüber weniger als fünf Prozent im Jahr 2025 [1]. In der Praxis stellt sich damit eine nüchterne Frage. In welchem Prozess ist diese Autonomie zuerst tragfähig? Die Antwort führt – insbesondere bei mittelständischen Fertigungsunternehmen – in die Beschaffungsabteilung.

Warum die Beschaffung den Anfang macht

In vielen Fertigungsunternehmen bindet die Beschaffung erhebliche Kapazitäten durch Vorgänge, die kaum Wertschöpfung schaffen – etwa das Anlegen von Bestellungen aus Bedarfslisten, der Abgleich von Auftragsbestätigungen, das Nachhalten von Lieferterminen und die Klärung von Abweichungen. Gleichzeitig steht der Einkauf unter Druck, weil Lieferzeiten schwanken, Preise sich kurzfristig ändern und offene Stellen schwer zu besetzen sind. Wer in dieser Lage über KI nachdenkt, sucht gezielt nach Möglichkeiten zur Entlastung.

Genau dort setzen agentische KI-Systeme an. Ein Agent prüft Bedarfe fortlaufend statt im Wochenrhythmus, erkennt eine überschrittene Wiederbeschaffungszeit noch am selben Tag, schlägt einen alternativen Lieferanten vor oder löst die Bestellung innerhalb der hinterlegten Grenzen selbst aus. Engpässe fallen früher auf, Eilbestellungen und Sonderfahrten werden seltener, und Einkäufer arbeiten an Rahmenverträgen, Lieferantenentwicklung und Verhandlungen statt an Belegen.

Dass ausgerechnet die Beschaffung vorangeht, hat zudem technische Gründe. Ein großer Teil der Vorgänge wiederholt sich, die Entscheidungslogik ist über Rahmenverträge, Lieferantenbewertungen und Freigabegrenzen dokumentiert, und die Folgen eines Fehlers bleiben korrigierbar, solange sich die Automatisierung auf unkritische Positionen beschränkt.

Ohne Kontext bleibt eine Bestellung eine Zahl

Im Einkauf verändern sich damit die Aufgaben. Statt einfach nur eine bestimmte Bestellung anzulegen, lautet die Vorgabe an den Agenten, die Versorgung einer Materialgruppe innerhalb definierter Kosten- und Terminziele sicherzustellen. Dafür braucht er den nötigen Kontext aus dem ERP-System – etwa zu Beständen, Lieferzeiten, Preisen, Lieferanten und Freigabegrenzen. Wie gut ein Agent arbeiten kann, hängt deshalb entscheidend von der Qualität dieser Daten und Regeln ab.

Trifft ein Agent auf ein Datenfeld, erschließt sich ihm ohne Einordnung allein daraus weder die Bedeutung, noch in welchem prozessualen Kontext es steht und wer darauf zugreifen darf. Eine Bestellung auslösen kann jeder generische Agent. Ein branchenspezifisch trainierter Agent berücksichtigt hingegen zusätzlich Mindestabnahmemengen beim Werkstoff, Wiederbeschaffungszeiten der Lieferanten, geltende Rahmenverträge und den Lagerbestand. ERP-Anbieter wie Proalpha entwickeln vor diesem Hintergrund genau derart branchenspezifische Agenten für die diskrete Fertigung.

Diese Informationen entstehen über Jahre im operativen Betrieb und sind im ERP-System hinterlegt. Stammdaten, Stücklisten, Dispositionsparameter, Lieferantenhistorien und Freigaben bilden den unternehmensspezifischen Kontext, den ein Sprachmodell von sich aus nicht kennt. Sie schaffen den Rahmen, in dem ein Agent sinnvoll entscheiden kann.

Abgestufte Autonomie und klare Verantwortung

In der Praxis bewährt sich zudem ein abgestuftes Modell. Routinebestellungen mit geringer Kritikalität, etwa Norm- und C-Teile mit stabilem Verbrauch, lassen sich früh vollständig an Agenten übergeben und laufen dann rund um die Uhr. Bei A-Teilen mit Terminrisiko, Einzelbeschaffungen oder Lieferantenwechseln bleibt der Mensch die letzte Instanz. Dieses Stufenmodell ist die Bedingung dafür, dass der Autonomiegrad schrittweise wachsen kann, ohne die Kontrolle über die Ergebnisse zu verlieren.

Mit zunehmendem Autonomiegrad verschiebt sich zugleich die Verantwortung. Sie liegt bei dem Unternehmen, das den Agenten einsetzt, und nicht beim Anbieter, der ihn bereitstellt. Ein Agent, der eigenständig bestellt, erzeugt rechtlich bindende Vorgänge. Rollen, Freigaben, Wertgrenzen und Protokollierung müssen deshalb im System verankert sein. Sprachmodelle liefern wahrscheinlichkeitsbasierte Antworten, verbindlich wird ein Vorgang erst durch die Regeln, die das ERP-System durchsetzt und dokumentiert.

Hinzu kommt der regulatorische Rahmen. Der EU AI Act verlangt Risikoklassifizierung, technische Dokumentation und die Möglichkeit menschlicher Aufsicht. Unternehmen, die Modelle mit eigenen Daten tiefgreifend nachtrainieren, können rechtlich vom Anwender zum Inverkehrbringer werden und haften dann voll für Fehlentscheidungen des Systems [2].

Vom einzelnen Agenten zum Prozessverbund

Der eigentliche Hebel aber liegt jenseits singulärer Bestellvorgänge. Perspektivisch arbeiten spezialisierte Agenten zusammen, wenn ein Agent im Vertrieb einen Nachfrageanstieg an die Produktionsplanung meldet und von dort die Prüfung der Materialverfügbarkeit im Einkauf anstößt. Mit jedem weiteren Agenten wächst die Anforderung an die Instanz, die festlegt, wer was sehen, entscheiden und ausführen darf. Diese Rolle übernimmt das ERP-System, das auch den Zugriff externer Agenten regelt. Parallel verschiebt sich die Bedienung hin zu Sprachsteuerung und Copilot-Oberflächen [3], das Fundament darunter bleibt jedoch unverändert. Wer den Einkauf sauber aufsetzt, schafft damit die Grundlage für alles, was danach an Prozessen dazukommt.

Fazit: Die Agentenfrage entscheidet sich an den Stammdaten

Der Einkauf eignet sich insbesondere für den industriellen Mittelstand als Einstieg in agentische KI, weil dort spürbarer Druck, wiederkehrende Vorgänge und dokumentierte Regeln zusammenkommen und die Wirkung schnell sichtbar wird. Belastbar wird die Automatisierung allerdings erst, wenn Stammdaten gepflegt, Zuständigkeiten geklärt und Wertgrenzen sauber hinterlegt sind. Die strategische Frage lautet deshalb nicht, ob ein Unternehmen Einkaufsagenten einsetzt, sondern ob die Datenbasis den Grad an Autonomie trägt, den Unternehmen ihren Einkaufsagenten zugestehen wollen.

FAQ

Warum eignet sich ausgerechnet der Einkauf als Startpunkt für agentische KI?
Weil dort viele wiederkehrende, regelbasierte und datengetriebene Vorgänge zusammenlaufen. Bedarfsermittlung, Bestellanlage, Terminüberwachung und Abweichungsklärung lassen sich vergleichsweise gut eingrenzen und schrittweise automatisieren.

Welche Rolle spielt das ERP-System dabei?
Das ERP-System liefert den operativen Kontext: Stammdaten, Stücklisten, Bestände, Lieferantenhistorien, Preise, Rahmenverträge und Freigabegrenzen. Ohne diesen Kontext bleibt ein KI-Agent auf allgemeine Wahrscheinlichkeiten angewiesen.

Welche Einkaufsprozesse lassen sich zuerst automatisieren?
Geeignet sind vor allem unkritische Routinebestellungen, Normteile, C-Teile und Vorgänge mit stabilen Verbrauchsmustern. Kritische Materialien, Lieferantenwechsel oder hohe Bestellwerte sollten zunächst weiterhin manuell freigegeben werden.

Wer trägt die Verantwortung, wenn ein Agent eigenständig bestellt?
Die Verantwortung liegt beim einsetzenden Unternehmen. Deshalb müssen Rollen, Freigaben, Wertgrenzen, Protokollierung und menschliche Aufsicht verbindlich im System hinterlegt sein.

Was ist der strategische Nutzen über den Einkauf hinaus?
Der Einkauf kann als belastbare Blaupause dienen. Funktionieren dort Datenqualität, Governance und abgestufte Autonomie, lassen sich Agenten später leichter mit Produktionsplanung, Vertrieb und Supply-Chain-Prozessen verknüpfen.

Quellen

[1] Gartner (2026): Innovation Insight: AI Is on the Cusp of Reshaping ERP. www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025

[2] Beyond Buzzwords (Juli 2026): Welches ERP-System hat die beste KI im Jahr 2026? beyondbuzzwords.de/blog/welches-erp-system-hat-die-beste-ki-im-jahr-2026-der-große-vergleich-von-sap-microsoft-dynamics-proalpha-und-oracle-netsuite

[3] Roland Berger (April 2026): AI and ERP – Rivals or best friends? A roadmap to harness AI’s capabilities and turbocharge your ERP. www.rolandberger.com/en/Insights/Publications/AI-and-ERP-A-roadmap-to-harness-AI-s-capabilities-and-turbocharge-your-ERP.html

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

516 Artikel zu „Einkauf Beschaffung“

News | Business | Business Process Management | Favoriten der Redaktion | Geschäftsprozesse | New Work | Services | Strategien | Tipps

Prozesslogik: Warum Einkaufsregeln in der digitalen Beschaffung maschinenlesbar werden müssen

21. Juli 2026

Regeln müssen maschinenlesbar werden: Einkaufsrichtlinien entfalten ihre Wirkung erst, wenn sie nicht nur dokumentiert, sondern als Entscheidungslogik im Prozess hinterlegt sind. Automatisierte Prüfungen ersetzen manuelle Kontrollen und schaffen konsistente Compliance im Moment der Bedarfserfassung. Automatisierung beginnt im Backend – nicht beim Nutzer: Wertgrenzen, Rollen, Pflichtattribute, Routing‑Regeln und Ausnahmepfade müssen systemisch modelliert sein. Erst dann…