KI-gestützte Vorbereitung von Lieferantenverhandlungen

Das echte Ausmaß des Problems

Frag eine erfahrene Einkäuferin, wie lange sie für ein wichtiges Jahresgespräch braucht — und du wirst zwei Antworten bekommen: die ehrliche („vier bis acht Stunden, wenn ich Zeit hätte”) und die reale („zwei Stunden zwischen Tür und Angel”). Die Differenz ist kein Disziplinproblem. Sie ist strukturell.

Laut der BME-Studie „Einkaufscontrolling Deutschland 2025” geben rund die Hälfte der befragten Einkaufsleitungen an, dass sie mit dem aktuellen Stand ihres Beschaffungsmanagements kein wirksames Risikomanagement leisten können. Die BME-Logistikstudie 2024 zeigt: KI wird bislang nur in 23 Prozent der Einkaufsabteilungen im DACH-Raum eingesetzt — das Potenzial ist riesig, die Adoption schleppend. Der Hauptgrund: heterogene IT-Landschaften, fragmentierte Daten und schlechte Datenqualität. Genau das, was eine ordentliche Verhandlungsvorbereitung braucht, fehlt also strukturell.

Auf der anderen Seite zeigen McKinsey (2024) und das MIT Center for Transportation and Logistics: Unternehmen, die KI gezielt für Tail-Spend-Verhandlungen einsetzen, erzielen 10–15 Prozent Einsparungen bei bis zu 90 Prozent weniger Vorbereitungszeit. Die Walmart-Pactum-Studie (Bloomberg, April 2023) dokumentiert für 100 Pilot-Lieferanten: 1,5 Prozent Einsparung auf das verhandelte Volumen, 35 Tage längere Zahlungsziele, 64 Prozent Abschlussquote — alles erreicht in 11 Tagen pro Verhandlung statt sonst Monaten.

Besonders sichtbar wird das Problem bei:

• C-Lieferanten und Tail-Spend: Hier rentiert sich klassische Vorbereitung selten. Die Folge: Konditionen werden jahrelang nicht verhandelt, Skontofrist und Zahlungsziele driften
• Multi-Lieferanten-Vergleichen: Wer zehn Anbieter für dieselbe Warengruppe hat, schafft im Jahresprozess maximal drei strukturiert zu verhandeln — der Rest läuft auf Zuruf
• Notfallbeschaffung: Lieferengpass am Dienstag, neue Konditionen am Donnerstag — keine Zeit für Marktscreening, der erste Preis wird genommen
• Wechselnden Bezugspersonen: Wenn die zuständige Einkäuferin krank wird, kennt der Vertretungs-Einkäufer die Historie nicht — und der Lieferant nutzt das

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Praxisberichten und Beratungsprojekten; abhängig von Lieferantenkomplexität. ² Bei Einsatz autonomer Verhandlungs-Agenten wie Pactum AI — bei reinen Vorbereitungs-Workflows mit ChatGPT bleibt die menschliche Verhandlung der Engpass.

Die Walmart-Pactum-Zahlen — 1,5 % Einsparung im Pilot bei 64 % Abschlussquote — sind dabei kein Marketing-Wert. Sie stehen in einem peer-reviewed Thunderbird-Case-Studie-Paper und wurden von Bloomberg verifiziert. Was sie zeigen: Schon der niedrig angesetzte Effekt skaliert massiv, wenn man ihn auf hunderte Lieferanten anwendet.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Die direkte Wirkung liegt bei 3–6 Stunden eingesparter Vorbereitungszeit pro Verhandlung. Bei einer Einkäuferin mit 30 strukturierten Lieferantengesprächen im Jahr sind das 90–180 Stunden — mehr als ein voller Arbeitsmonat. Nicht maximal bewertet, weil die Verhandlung selbst weiterhin Zeit kostet — die KI verkürzt die Vorbereitung, ersetzt aber nicht das Gespräch. Stärker als die interne Wissensdatenbank, schwächer als automatisierte Berichterstellung, die einen ganzen Bericht erzeugt.

Kosteneinsparung — sehr hoch (5/5) Hier liegt der eigentliche Hebel: 1,5–7 Prozent Einsparung auf das verhandelte Volumen sind in mehreren Studien dokumentiert (Walmart 1,5 %, McKinsey 10–15 % für Tail-Spend, Pactum-Schnitt 3–5 %). Bei einem Beschaffungsvolumen von 10 Mio. Euro sind selbst 2 % Einsparung 200.000 Euro pro Jahr — direkt cash-wirksam, sofort sichtbar in der GuV. Damit reiht sich dieser Anwendungsfall neben Rechnungsverarbeitung und Qualitätssicherung als Kategorie mit direktem Cash-Impact ein.

Schnelle Umsetzung — mittel (3/5) Zwei Geschwindigkeiten existieren parallel. Light-Touch-Workflow mit ChatGPT oder Claude und manuell exportierten Daten: 4–6 Wochen bis zum Pilotbetrieb mit fünf Einkäuferinnen. Voll integrierte Lösung mit Pactum AI oder Tacto inklusive ERP-Anbindung: 3–6 Monate. Der Score 3 reflektiert den realistischen Mittelweg — schwieriger als Meeting-Protokolle (5/5, sofort einsatzbereit), aber deutlich schneller als Predictive Analytics (1/5, monatelange Datenaufbereitung).

ROI-Sicherheit — hoch (4/5) Anders als bei der Wissensdatenbank, wo der Nutzen indirekt über eingesparte Suchzeit entsteht, ist die Einsparung hier direkt messbar: Du verhandelst einen Preis, das Delta zum Vorjahr ist die Einsparung. Die Walmart-, Maersk- und Vodafone-Zahlen sind extern validiert. Nicht maximal bewertet, weil die Kausalität zwischen Tool und Einsparung in der Realität schwerer abzuziehen ist — gute Einkäufer hätten manche Effekte auch ohne KI erzielt. Das Vergleichsexperiment fehlt fast immer.

Skalierbarkeit — mittel (3/5) Bei autonomer Verhandlung (Pactum-Modell) skaliert das System hervorragend — eine KI, die parallel mit 500 Lieferanten verhandelt, hat keinen proportionalen Mehraufwand. Bei der Vorbereitungs-Variante gilt: jede Verhandlung braucht weiterhin einen Menschen, der das Gespräch führt. Die Vorbereitung skaliert, das Gespräch nicht. Daher mittlere Bewertung — nicht so gut wie Chatbot für die Website (5/5, völlig parallelisierbar), aber besser als reine Berichterstellung, wo jedes Format Pflege braucht.

Richtwerte — stark abhängig von Beschaffungsvolumen, Lieferantenstruktur und vorhandener IT-Landschaft.

Was eine KI-gestützte Verhandlungsvorbereitung konkret macht

Es gibt zwei klar unterscheidbare Ebenen — und sie zu verwechseln führt zu enttäuschten Erwartungen.

Ebene 1: Vorbereitungs-Assistenz (für 95 Prozent aller deutschen Unternehmen relevant)

Das System nimmt strukturierte Eingaben — Lieferantenname, Warengruppe, Volumen, letzte Konditionen, Vertragstexte, Reklamationshistorie — und produziert vor jeder Verhandlung einen Briefingbogen. Technisch ist das ein Retrieval-Augmented Generation (RAG)-Workflow auf einem LLM wie GPT-4, Claude oder Gemini, kombiniert mit einer Marktpreis-Recherche.

Konkret enthält der Briefingbogen typischerweise:

• Verhandlungspositionen mit Zielpreis und Limit — basierend auf Marktdaten, Vorjahreskonditionen und Inflationsindex
• BATNA (Best Alternative to Negotiated Agreement) — welche Alternativen hast du, wenn die Verhandlung scheitert?
• ZOPA (Zone of Possible Agreement) — wo überschneiden sich euer akzeptabler Bereich und der vermutete des Lieferanten?
• Konzessionsleiter — was gibst du in welcher Reihenfolge zurück, wenn der Lieferant Druck macht?
• Argumentliste mit Belegen — Reklamationsquote, Liefertreue, Volumenentwicklung, Abhängigkeitsgrad
• Antizipierte Gegenargumente — was wird der Lieferant einwenden, und wie reagierst du?

Die Marktpreis-Recherche ist dabei der schwierigste Teil. Für Standardmaterialien (Stahl, Kupfer, Wellpappe, Kunststoff-Granulate) liefern Indizes wie der EUWID-Preisindex, MEPS oder Plattformen wie Argus Media zuverlässige Daten. Für Nischenmaterialien wird die KI ehrlich zugeben müssen: „Hierzu habe ich keine belastbare öffentliche Preisinformation gefunden.”

Ebene 2: Autonome Verhandlung (für Konzerne mit hohem Tail-Spend)

Hier verhandelt die KI selbst — über einen Chat-Workflow, in dem der Lieferant einen Link bekommt und mit einem KI-Agenten interagiert. Walmart, Maersk und Vodafone setzen Pactum AI genau für diesen Zweck ein. Die KI bleibt in vom Einkauf vordefinierten Policy-Korridoren — sie kann nie schlechtere Konditionen abschließen als die Limits, die du gesetzt hast. Sie verhandelt parallel mit hunderten Lieferanten, dokumentiert jeden Schritt revisionssicher, und legt nur die Abschlüsse zur Freigabe vor.

Wichtig: Diese Ebene ist ausschließlich für Tail-Spend und repetitive Verhandlungen sinnvoll. Strategische Schlüssellieferanten — diejenigen, mit denen ihr gemeinsame Roadmaps habt, die Innovationen mitentwickeln, die ihr nicht ohne weiteres ersetzen könnt — gehören nicht in eine automatisierte Verhandlung. Die wissenschaftliche Studie „Brave new procurement deals” (Journal of Purchasing and Supply Management, IPSERA 2024) zeigt: Lieferanten vertrauen kollaborativ trainierten Chatbots mehr und wollen wieder mit ihnen verhandeln — kompetitiv trainierte Bots erzielen kurzfristig bessere Preise, beschädigen aber die langfristige Beziehung.

Was technisch im Hintergrund passiert

Bei der Vorbereitungs-Assistenz im Light-Touch-Setup mit ChatGPT:

1. Du exportierst aus deinem ERP (SAP, Microsoft Dynamics, proAlpha) die letzten 24 Monate Konditions- und Bestelldaten zum betreffenden Lieferanten — als CSV oder PDF.
2. Du legst diese Datei zusammen mit dem aktuellen Rahmenvertrag und Reklamationsnotizen in eine ChatGPT-Konversation oder ein NotebookLM-Notizbuch.
3. Du fragst nach: aktuellen Marktpreisen (idealerweise per Perplexity mit Quellenangaben), Verhandlungsstrategie, antizipierten Gegenargumenten.
4. Die KI generiert den Briefingbogen — du prüfst, korrigierst, ergänzt eigenes Tacit Knowledge.

Bei der voll integrierten Variante mit Tacto oder Sievo läuft der ERP-Export automatisiert, die Marktdatenbank ist vorintegriert, und der Briefingbogen wird direkt in der Procurement-Plattform erzeugt.

Konkrete Werkzeuge — was wann passt

ChatGPT Team oder Enterprise — Die niedrigschwellige Variante. Mit ChatGPT Team (25 Euro/Person/Monat) bekommst du ausgeschlossenes Trainingsverhalten und einen Workspace, in dem du Lieferantenakten als Custom GPT speichern kannst. Geeignet für Einkaufsteams von 1–20 Personen, die schnell starten wollen, ohne Procurement-Plattform zu wechseln.

Claude Team — Alternative zu ChatGPT, oft besser bei langen Vertragstexten und nuancierterer Argumentation. Kostet ca. 30 Euro/Person/Monat. Anthropic bietet einen AVV nach Art. 28 DSGVO. Stärke bei der Analyse: Claude ist bekannt dafür, Unsicherheiten ehrlicher zu kommunizieren als ChatGPT.

Perplexity Pro — Ergänzung für die Marktpreis-Recherche. 20 Euro/Person/Monat. Liefert Quellenangaben mit Links — wichtig, weil du im Verhandlungsgespräch belegen können musst, woher deine Marktpreis-Annahme stammt.

NotebookLM — Kostenlos. Geeignet als Vorbereitungs-Tool, weil du eine ganze Lieferantenakte (Vertrag, Bestellhistorie, Reklamationen) in ein Notizbuch laden und gezielt durchfragen kannst. Antworten kommen mit Verweis auf die Stelle im Quelldokument. Limitierung: Daten gehen an Google, nicht für sensible strategische Lieferantenakten geeignet.

Pactum AI — Die Pionier-Plattform für autonome Lieferantenverhandlungen. Eingesetzt von Walmart (seit 2021), Maersk (seit 2021), Vodafone und über 60 Fortune-2000-Unternehmen. SAP-Ariba-Integration vorhanden. Kein KMU-Werkzeug — Mindestabnahmen und Implementierungsaufwand zielen auf Konzerne mit Tail-Spend ab ca. 50 Mio. Euro.

Tacto — Münchner Anbieter, deutscher Support, EU-Datenhosting. Speziell für den deutschen Industriemittelstand entwickelt. Modular aufgebaut: Spend Intelligence, Sourcing Intelligence, Compliance Intelligence. Keine autonome Verhandlung, aber starke Vorbereitungs-Unterstützung mit ERP-Integration. Sinnvoll ab ca. 50 Mio. Euro Beschaffungsvolumen.

Sievo — Finnischer Spezialist für Procurement-Analytics. Eingesetzt von Mars, Levi’s und der Deutschen Telekom. EU-Datenhosting (Finnland), Marktführer in mehrsprachiger Spend-Klassifikation. Auf Konzerne ab 1 Mrd. Euro Umsatz ausgerichtet — für Mittelstand überdimensioniert.

Coupa — Vollständige Source-to-Pay-Plattform mit eingebautem KI-Agent (Coupa Navi). Wer ohnehin eine Procurement-Transformation plant, bekommt Verhandlungsvorbereitung als Modul mit. Sechsstellige Jahresbudgets, 6–12 Monate Implementierung.

Zusammenfassung: Wann welcher Ansatz

• Einkaufsteam unter 20 Personen, schneller Start, kein Procurement-System-Tausch geplant → ChatGPT Team + Perplexity Pro + Custom-GPT-Workflow
• Sensible Lieferantenakten, EU-Datenhosting Pflicht → Claude Team mit AVV oder selbst gehostete Lösung
• Industriemittelstand, deutscher Support, ERP-Integration gewünscht → Tacto
• Konzern mit hohem Tail-Spend, autonome Verhandlung gewünscht → Pactum AI
• Konzern mit Multi-ERP-Landschaft, hoher Analytics-Bedarf → Sievo für Spend-Analyse, ergänzt durch Pactum für autonome Verhandlung

Datenschutz und Datenhaltung

Lieferantenkonditionen sind wirtschaftlich sensible Daten — und Verhandlungsvorbereitung enthält oft personenbezogene Daten (Ansprechpartner, Verhandlungsführer, E-Mails). Sobald ein KI-System diese Daten verarbeitet, gilt die DSGVO. Drei Aspekte verdienen besondere Aufmerksamkeit:

Vertraulichkeit gegenüber dem KI-Anbieter. Bei ChatGPT im Free- oder Plus-Tarif können Eingaben zu Trainingszwecken verwendet werden — strikt zu vermeiden. ChatGPT Team und Enterprise schließen das vertraglich aus. Bei Claude Team und API-Zugang gilt das ebenso. Stelle vor dem ersten Test sicher, dass eure Lizenz das ausgeschlossene Training abdeckt — sonst könnten Konditionen mit eurem Hauptlieferanten in einem späteren Modell auftauchen.

Auftragsverarbeitungsvertrag (AVV). Art. 28 DSGVO verlangt einen AVV mit jedem Cloud-Anbieter, der personenbezogene Daten in deinem Auftrag verarbeitet. OpenAI, Anthropic und Google bieten AVV — du musst sie aktiv anfordern und unterzeichnen, sonst ist die Verarbeitung formal unzulässig. In der Praxis fordert die Geschäftsführung den AVV beim Anbieter an, der Datenschutzbeauftragte oder Anwalt prüft, dann wird unterzeichnet.

Datenresidenz. OpenAI verarbeitet Daten primär in den USA — ein „Data Processing Addendum” und Standardvertragsklauseln decken das ab, aber die physische Verarbeitung bleibt US-seitig. Anthropic bietet inzwischen EU-Optionen über AWS Frankfurt. Tacto und Sievo sind EU-gehostet (Tacto in Deutschland, Sievo in Finnland) — kein Schrems-II-Risiko. Pactum AI ist US-gehostet, was bei strategischen Lieferantenakten eine Datenschutz-Folgenabschätzung erforderlich macht.

Spezifischer Hinweis: Wenn dein Unternehmen Verteidigungsindustrie, Pharma in klinischer Phase oder kritische Infrastruktur nach NIS2 betrifft, sind US-gehostete Vorbereitungs-Tools für sensible Lieferantenakten praktisch ausgeschlossen. Hier kommen nur EU-gehostete Lösungen oder selbst gehostete Open-Source-Modelle in Frage.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten (Light-Touch mit ChatGPT / Claude)

• Custom-GPT für Verhandlungsvorbereitung konfigurieren: 1–2 Tage interner Aufwand
• Datenexport-Workflow aus ERP einrichten: 2–5 Tage IT-Aufwand
• Schulung des Einkaufsteams (Prompt-Grundlagen, sichere Datenhandhabung): 2 halbtägige Sessions
• Externer Beratungsaufwand falls gewünscht: 3.000–8.000 Euro für ein Pilotprojekt

Einmalige Einrichtungskosten (Vollintegration Tacto / Pactum AI)

• Lizenzverhandlung und Vertragsphase: 4–8 Wochen
• ERP-Integration: 6–12 Wochen
• Datenmapping und Spend-Klassifikation: 4–8 Wochen
• Externer Implementierungspartner: typisch 40.000–150.000 Euro im ersten Jahr

Laufende Kosten (monatlich)

• ChatGPT Team: 25 Euro/Person/Monat
• Claude Team: ca. 30 Euro/Person/Monat
• Perplexity Pro: 20 Euro/Person/Monat
• Tacto: auf Anfrage; typisch vier- bis fünfstellig pro Jahr je nach Modulen
• Sievo: fünf- bis sechsstellige Jahreslizenzen
• Pactum AI: kein öffentlicher Listenpreis, sechsstellige Jahresbudgets üblich

Wie du den Nutzen tatsächlich misst

Der Vorteil dieses Anwendungsfalls gegenüber Wissensdatenbanken oder Sentiment-Analyse: Der ROI ist direkt messbar. Drei Metriken funktionieren in der Praxis:

1. Preisdelta vorher/nachher — bei wiederkehrenden Standard-Materialien vergleichst du die verhandelten Preise des Pilot-Jahres mit dem Vorjahr (inflationsbereinigt). Hier siehst du den direkten Cash-Effekt.
2. Vorbereitungszeit pro Verhandlung — Stundenerfassung im Pilot-Team über 8 Wochen. Vorher/nachher-Vergleich.
3. Coverage-Rate — Anteil der Lieferanten, mit denen aktiv verhandelt wurde. Steigt typischerweise von 10–20 % auf 40–80 % bei reiner Vorbereitungs-Assistenz, bei autonomer Verhandlung Richtung 100 % des Tail-Spends.

Was du dagegenrechnen kannst

Ein Mittelständler mit 20 Mio. Euro Beschaffungsvolumen und einem dreiköpfigen strategischen Einkauf:

• Light-Touch-Setup (3 × ChatGPT Team + 3 × Perplexity Pro): ca. 135 Euro/Monat = 1.620 Euro/Jahr
• Pilotprojekt extern: einmalig 5.000 Euro
• Erwarteter Effekt im Pilotjahr: 2 % Einsparung auf 5 Mio. Euro pilotiertes Volumen = 100.000 Euro

Das Verhältnis ist klar — selbst im konservativsten Szenario (1 % statt 2 %, halber Pilotumfang) bleibt eine Größenordnung von Faktor 10–30 zwischen Investition und Einsparung. (Erfahrungswert aus Beratungsprojekten — die tatsächliche Quote hängt stark davon ab, wie professionell der Einkauf bereits vorher gearbeitet hat. Wer schon strukturiert verhandelt, hat geringeren Effekt; wer aus Zeitmangel nur überflog, hat höheren.)

Vier typische Einstiegsfehler

1. Mit dem Hauptlieferanten starten. Der Reflex: „Bei dem haben wir das größte Volumen, da lohnt sich der Aufwand am meisten.” In der Praxis ist das die schlechteste Wahl für den Pilot. Hauptlieferanten haben oft komplexe, mehrjährige Rahmenverträge, gewachsene Beziehungen, gemeinsame Innovationsthemen — genau die Faktoren, die KI nicht abbilden kann. Wenn die KI im ersten Versuch eine offensichtlich naive Empfehlung gibt, verliert das Werkzeug jede Glaubwürdigkeit. Lösung: Mit C-Lieferanten oder Tail-Spend starten. Standardmaterialien, transparente Marktpreise, geringes Risiko — hier kann die KI ihre Stärken zeigen, und Fehler kosten nichts.

2. Marktpreise als Wahrheit nehmen, ohne zu prüfen. LLMs halluzinieren — auch bei Preisangaben. Wenn ChatGPT sagt „Wellpappe-Preise liegen aktuell bei 480 Euro pro Tonne”, kann das stimmen, kann aber auch ein veralteter oder erfundener Wert sein. Lösung: Marktpreis-Recherche immer mit Perplexity oder einem Tool durchführen, das Quellenangaben liefert — und im Zweifel den EUWID-Preisindex oder Verbandsangaben gegenchecken. Eine Verhandlung mit einer falschen Marktpreis-Annahme zerstört das Vertrauen des Lieferanten in deine Sachkenntnis sofort und nachhaltig.

3. Das Tool wird genutzt, aber die Datenbasis veraltet. Das ist der Verhandlungs-Pendant zum Verfallsdatumproblem in Wissensdatenbanken. Wenn die KI-Vorbereitung auf einem ERP-Export von vor zwei Jahren basiert, sind die Empfehlungen brauchbar — aber nicht gut. In der Praxis ist das die häufigste Verfallsstufe nach erfolgreichem Pilot: Das Tool wird eingeführt, der Datenexport-Workflow läuft die ersten drei Monate, dann reißt er ab, weil niemand offiziell zuständig ist. Lösung: Vor dem Rollout eine Person mit konkreter Stellenbeschreibung benennen — meist die Einkaufscontrolling- oder Procurement-Excellence-Rolle. Diese Person verantwortet, dass Spend-Daten quartalsweise frisch im System landen.

4. Den Lieferanten überraschen, statt einzubinden. Bei autonomen Verhandlungen wie über Pactum AI ein häufiger Anfängerfehler: Der Lieferant bekommt einen Link, klickt drauf, landet in einem Chat mit „Hi, ich bin ein KI-Agent und werde mit dir die Konditionen für 2026 verhandeln.” Reaktion: Misstrauen, Eskalation an den Vertrieb. Lösung: Die Studie „Brave new procurement deals” (IPSERA 2024) zeigt, dass kollaborativ formulierte Eröffnungen — „Wir testen einen neuen Workflow, um auch unsere weniger volumenstarken Partner strukturiert zu verhandeln” — die Akzeptanz und Vertrauen massiv erhöhen. Vor jedem Pilot der Lieferanten informieren, am besten persönlich.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist nicht das Schwierige. Das Schwierige sind drei Personengruppen, die in fast jeder Implementierung auftauchen:

Der erfahrene Einkäufer mit 25 Jahren Beziehungspflege. Er hat in seiner Karriere Hunderte von Verhandlungen geführt und Konditionen erzielt, die kein KI-Modell besser hinbekommen hätte. Er empfindet KI-Briefingbögen als implizite Kritik an seiner bisherigen Arbeit. Was funktioniert: Ihn nicht in den Pilot zwingen. Stattdessen seine Verhandlungsführung als Goldstandard nehmen — die KI darf seinen Stil lernen, nicht ihn ersetzen. Sobald er sieht, dass der Briefingbogen ihm Vorbereitungszeit spart und seine Verhandlungslinie unterstützt, wird er zum stärksten Befürworter.

Die Junior-Einkäuferin mit 18 Monaten Berufserfahrung. Sie ist die größte Gewinnerin — der Briefingbogen gleicht ihren Erfahrungs-Nachteil teilweise aus. Achtung: Dieselbe Junior-Person tendiert dazu, dem Output zu sehr zu vertrauen. Was funktioniert: Bei jeder Verhandlung explizit fragen lassen „Was hat die KI nicht berücksichtigt, was du aus eigener Erfahrung weißt?” Das macht aus einem Tool-Nutzer eine kritische Anwenderin.

Die Geschäftsführung mit unrealistischen Erwartungen. „Wenn KI 10 Prozent Einsparung bringt, dann erwarten wir die nächstes Quartal.” Was funktioniert: Vor dem Pilot eine klare Definition des Erfolges fixieren. „Im Pilot mit 30 Lieferanten erwarten wir 1,5–3 Prozent Einsparung auf das verhandelte Volumen — vergleichbar mit dem Walmart-Pactum-Pilot, der 1,5 Prozent erreichte.” Wer 10 Prozent verspricht, untergräbt sich selbst.

Was konkret hilft:

• Einen 90-Tage-Pilot mit klar definiertem Lieferantenpool (idealerweise 20–40 C-Lieferanten) festlegen
• Vor dem Pilot eine Baseline messen: Wie viele Stunden Vorbereitung pro Verhandlung, welche Einsparungen im Vorjahr?
• Einen wöchentlichen 30-Minuten-Termin für das Pilot-Team einrichten — gemeinsam Briefingbögen reviewen, Fehler diskutieren, Prompts verbessern
• Nach 90 Tagen ehrlich auswerten: Ist der Effekt da? Wenn nicht, was fehlt? Wenn ja, wie skalieren?

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Diese Timeline gilt für die Light-Touch-Variante mit ChatGPT/Claude und manuellen Datenexporten. Wer eine voll integrierte Lösung mit Tacto oder Pactum AI anstrebt, plant zusätzlich 3–6 Monate für Vertragsverhandlung, ERP-Integration und Datenmapping ein.

Häufige Einwände — und was dahintersteckt

„Unsere Lieferanten merken doch sofort, dass das KI war.” Bei der Vorbereitungs-Variante merken sie es nicht — du gehst mit besseren Argumenten ins Gespräch, das Gespräch selbst ist menschlich. Bei der autonomen Variante (Pactum-Modell) merken sie es selbstverständlich — und genau hier ist Transparenz wichtig. Die IPSERA-Studie 2024 zeigt: Lieferanten, die offen informiert werden, akzeptieren KI-Verhandlungen — verdeckter Einsatz zerstört Vertrauen massiv.

„Wir haben für so etwas kein Budget.” Stimmt für Pactum AI, Sievo oder Coupa. Stimmt nicht für die Light-Touch-Variante: Drei ChatGPT Team-Lizenzen kosten 75 Euro/Monat. Wenn dein strategischer Einkauf in einem Quartal eine Verhandlung um 10.000 Euro besser abschließt, sind die Tool-Kosten für drei Jahre bereits eingespielt. Die ehrliche Frage ist nicht „Können wir uns das leisten?”, sondern „Können wir uns leisten, weiterhin unstrukturiert zu verhandeln?”

„Unsere Konditionen sind doch jetzt schon gut.” Mag sein — bei den 20 Prozent strategischen Lieferanten, denen ihr Aufmerksamkeit schenkt. Bei den 80 Prozent C-Lieferanten ist die Wahrscheinlichkeit hoch, dass Konditionen seit Jahren nicht systematisch verhandelt wurden. Genau das ist der Hebel: Nicht die A-Lieferanten besser machen — die B- und C-Lieferanten überhaupt erst aktiv bearbeiten. Der Walmart-Pactum-Pilot zeigte das exemplarisch: 100 Lieferanten, die vorher gar nicht aktiv verhandelt wurden, erzielten 1,5 % Einsparung — bei 64 % Abschlussquote.

„Was, wenn der Lieferant die KI durchschaut und uns falsch informiert?” Berechtigte Sorge — und Grund, warum die KI in der Vorbereitungs-Variante nie als alleinige Quelle dienen darf. Markdaten gehören gegengeprüft (EUWID, Verbandspreise, zwei alternative Angebote). Die KI ist deine Vorbereitung, nicht deine Wahrheit. In der autonomen Variante schützt der Policy-Korridor: Die KI kann nie schlechter abschließen als das, was du als Limit gesetzt hast — Lieferanten-Manipulation kann den Korridor nicht durchbrechen.

Woran du merkst, dass das zu dir passt

• Du hast mindestens drei strategische Einkäufer, die regelmäßig Lieferantenverhandlungen führen — und alle berichten, dass sie zu wenig Zeit für die Vorbereitung haben
• Dein Beschaffungsvolumen liegt über 5 Mio. Euro im Jahr — darunter rechnet sich auch die Light-Touch-Variante kaum, weil die Einsparungen die Aufmerksamkeit der Geschäftsführung nicht wert sind
• Du hast einen klar identifizierbaren Tail-Spend — Lieferanten unter 100.000 Euro Jahresvolumen, die ihr mangels Zeit nicht systematisch verhandelt
• Eure Daten sind exportierbar — ERP, das Konditionsdaten als CSV oder PDF rauslässt, Vertragsmanagement-System mit durchsuchbaren Verträgen
• Du kannst eine namentliche Person mit Verantwortung für die Wissensbasis benennen — die Datenexports laufen, Prompts pflegt und Outputs reviewt

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Beschaffungsvolumen unter 2 Mio. Euro im Jahr oder weniger als 30 aktiv verhandelte Lieferanten. Die absolute Einsparung ist zu klein gegenüber dem Setup-Aufwand. Investiere die Zeit lieber in eine bessere Excel-Vorbereitungstabelle und einen klaren Verhandlungsleitfaden für die wichtigsten zehn Lieferanten.

2. Eure Vertrags- und Konditionsdaten liegen ausschließlich auf Papier oder in nicht durchsuchbaren PDFs. Dann ist der erste Schritt nicht KI, sondern Digitalisierung. Ein RAG-System, das auf einer schlechten Datenbasis arbeitet, gibt schlechte Empfehlungen — und zerstört die Akzeptanz vor dem ersten echten Effekt. Plane 2–3 Monate Datenstrukturierung vorher ein.

3. Niemand im Einkauf hat Zeit oder Mandat, sich aktiv um die KI-Workflows zu kümmern. Der Anwendungsfall wirkt bestechend einfach — „der Senior-Einkäufer macht das nebenbei”. In der Praxis veralten Prompts, Marktdaten driften, ERP-Exports brechen ab. Ohne benannte Person mit konkreter Stundenzuteilung (mindestens 2 Stunden/Woche dauerhaft) ist das Ergebnis nach 12 Monaten ein totes System mit verlorener Glaubwürdigkeit.

Strategische Lieferanten: Wo die KI nicht hingehört

Dieser Abschnitt verdient eigene Aufmerksamkeit — er ist der häufigste Strategiefehler. Nicht jede Verhandlung ist gleich.

Tail-Spend und C-Lieferanten — typisch 40–60 % der Lieferanten, aber nur 5–15 % des Volumens. Wiederholbare Verhandlungen, transparente Marktpreise, austauschbare Anbieter. Hier glänzt KI. Sowohl Vorbereitung (ChatGPT-Workflow) als auch autonome Verhandlung (Pactum AI) sind sinnvoll. Risiko: minimal. Skalierungseffekt: maximal.

B-Lieferanten — typisch 30–40 % der Lieferanten, 30–40 % des Volumens. Mittlere Komplexität, teilweise austauschbar, transparente bis halbtransparente Marktpreise. KI als Vorbereitungswerkzeug ja — autonome Verhandlung nein. Der Mensch führt das Gespräch, weil Beziehungspflege wichtig ist.

A-Lieferanten und strategische Partner — typisch 5–15 % der Lieferanten, aber 40–60 % des Volumens. Mehrjährige Rahmenverträge, gemeinsame Roadmaps, Innovationskooperationen, hohe Wechselkosten. KI ausschließlich für Datenaufbereitung und Vergleichsanalyse. Niemals für Strategieformulierung oder gar autonome Verhandlung. Die Beziehung zum Geschäftsführer des A-Lieferanten ist kein Optimierungsproblem.

Konkret: Der MIT-Studie „How AI Is Reshaping Supplier Negotiations” (CTL, 2024) und der ScienceDirect-Studie „Brave new procurement deals” zufolge ist die Trennung dieser Tiers der entscheidende Erfolgsfaktor. Unternehmen, die KI-Verhandlungen versehentlich auf strategische Lieferanten ausweiten, riskieren langfristige Beziehungsschäden, die kurzfristige Einsparungen mehrfach übersteigen.

Das kannst du heute noch tun

Bevor du irgendein Werkzeug kaufst, mach den Test mit einem realen Verhandlungsfall — kostenlos, in 30 Minuten.

Wähle einen anstehenden C-Lieferanten — kleines Volumen, geringes Risiko. Sammle drei Dokumente: den letzten Rahmenvertrag, die Bestellhistorie der letzten 12 Monate, eine kurze Notiz zur Reklamationsquote. Lade alles in NotebookLM — kostenlos, Google-Konto reicht — und stelle die Frage: „Was sind meine drei stärksten Argumente für eine Preisverhandlung mit diesem Lieferanten?”

Ergänze mit Perplexity eine kurze Marktpreis-Recherche zur Hauptwarengruppe. Dauert weitere 10 Minuten.

Was du danach weißt: ob ein KI-gestützter Briefingbogen für deinen Kontext spürbar besser ist als deine bisherige Vorbereitung. Bevor du einen Cent ausgibst.

Für die strukturierte Anwendung im Team brauchst du einen wiederverwendbaren Prompt. Hier ist einer, den du direkt verwenden kannst:

Quellen & Methodik

• Walmart-Pactum-Pilot, 1,5 % Einsparung, 64 % Abschlussquote, 35 Tage Zahlungsziel-Verlängerung: Bloomberg, 26. April 2023; ergänzt durch Thunderbird Case Study „Pactum’s AI in Contract Negotiations: Walmart and Maersk”.
• „Brave new procurement deals: An experimental study of how generative artificial intelligence reshapes buyer–supplier negotiations”: Journal of Purchasing and Supply Management, IPSERA Special Issue 2024 (ScienceDirect). Kernerkenntnis: kollaborativ trainierte Chatbots erzielen höhere Lieferantenakzeptanz als kompetitiv trainierte.
• McKinsey „AI Agents in Procurement”, 2024: 10–15 % Einsparung bei Tail-Spend-Verhandlungen, bis zu 90 % weniger Vorbereitungszeit.
• MIT Center for Transportation and Logistics, „How AI Is Reshaping Supplier Negotiations” (2024): Strategische vs. taktische Lieferantenverhandlungen — Empfehlungslogik.
• BME-Studien: „Einkaufscontrolling Deutschland 2025” (BME & entero); BME-Logistikstudie 2024 (DACH-Region) — KI-Adoption im deutschen Einkauf bei 23 %.
• Einkaufsbarometer Mittelstand 2025 (Onventis, BME, ESB Business School): 63 % der mittelständischen Einkaufsleitungen sehen KI als Mittel zur Verbesserung der Lieferantenbeziehung.
• Pactum-Kundenseite: pactum.com/clients — Walmart, Maersk, Vodafone, Honeywell, Bristol Myers Squibb, Suez.
• Pactum SAP-Ariba-Integration, August 2023: PR Newswire.
• Art. 28 DSGVO (AVV): Datenschutz-Grundverordnung in der aktuell gültigen Fassung. Schrems-II-Urteil (EuGH C-311/18) für die Bewertung von US-Datenresidenz.

Du willst wissen, mit welchen 30 deiner Lieferanten du mit einem Light-Touch-KI-Pilot in 90 Tagen messbar bessere Konditionen erzielen würdest? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.