Lieferantenkorrespondenz und Bestellprozesse mit KI

Das echte Ausmaß des Problems

Im deutschen Baubetrieb läuft Einkaufskommunikation größtenteils noch so wie vor zwanzig Jahren: handgetippte E-Mails, Angebote als PDF-Anhang, Nachfassaktionen per Telefon, Preisvergleiche in Excel-Tabellen, die niemand außer dem Einkäufer selbst versteht.

Das ist kein Versehen. Bauprojekte sind individuell, jedes LV ist anders, jeder Lieferant hat seine eigenen Formulare. Eine echte Standardisierung scheitert daran, dass keine zwei Anfragen identisch sind, das ist der Branchencharakter. Aber der schiere Formulierungsaufwand ist trotzdem verschwendete Zeit.

Laut dem Einkaufsbarometer Mittelstand 2024 von Onventis und BME, einer Studie unter 350+ Einkaufsverantwortlichen aus dem DACH-Raum, sehen 80 Prozent der befragten mittelständischen Unternehmen ihren größten Digitalisierungsbedarf im Lieferantenmanagement. Gleichzeitig werden KI-Lösungen hier nur zögerlich eingesetzt, die Lücke zwischen erkanntem Bedarf und tatsächlicher Nutzung ist in keinem anderen Funktionsbereich größer.

Was das für einen Baubetrieb konkret bedeutet:

• Preisanfragen: Für jede Anfrage an 3–5 Lieferanten entsteht dieselbe Grundstruktur, Projekt, Position laut LV, Menge, Lieferdatum, Angebotsdeadline. Das ist nie identisch, aber immer ähnlich genug, um 70–80 Prozent des Textes maschinell zu erzeugen.
• Nachfassaktionen: Offene Angebote werden häufig gar nicht oder zu spät nachgefasst. Der Einkäufer verliert den Überblick, wenn gleichzeitig fünf Projekte laufen und 30 Anfragen offen sind.
• Angebotsvergleiche: Drei Angebote für denselben Posten liegen als PDFs vor, sie heißen unterschiedlich, haben unterschiedliche Positionen, und der Vergleich passiert im Kopf oder in einer Excel-Tabelle, die niemand standardisiert hat.

Ein Einkäufer oder Polier, der täglich 2 Stunden mit Lieferantenkorrespondenz verbringt, verliert damit pro Jahr rund 500 Arbeitsstunden, das sind rund 12 vollständige Arbeitswochen, nur für E-Mails, von denen 70 Prozent strukturell gleich aufgebaut sind.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitwerte basieren auf Erfahrungswerten aus Baubetrieben mit 15–80 Mitarbeitenden, keine kontrollierte Studie, aber konsistente Beobachtungen über mehrere Implementierungen. Der Onboarding-Effekt ist oft der am stärksten unterschätzte Vorteil: Wenn ein erfahrener Einkäufer den Betrieb verlässt, gehen seine Formulierungsgewohnheiten, seine Lieferantenbeziehungspflege und sein Wissen über spezifische LV-Positionen mit ihm mit. Ein KI-Assistent mit dokumentierten Vorlagen und Lieferantenprofilen federt diesen Wissensabgang ab.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5)
Die tägliche Entlastung im Einkauf ist real und gut messbar: Wer täglich zwei Stunden mit Lieferantenkorrespondenz verbringt, spart realistisch 60–90 Minuten davon. Das ist ein klarer Hebel. Nicht ganz auf dem Niveau von KI-gestützter Bauplanerkennung und Massenermittlung, die komplexere Ablaufschritte eliminiert, aber deutlich mehr als bei Anwendungen mit nur indirektem Zeiteffekt.

Kosteneinsparung, gering (2/5)
Die Einsparung entsteht indirekt über eingesparte Arbeitszeit, nicht durch günstigere Einkaufspreise. Ein KI-Assistent macht deine E-Mails schneller, aber er verhandelt nicht mit Lieferanten und analysiert keine Preistrends. Die tatsächliche Kosteneinsparung aus schnellerem Nachfassen (weniger vergessene Skonto-Fristen, schnellere Auftragsvergabe) ist schwer zu isolieren und stark von Projektgröße und Einkaufsvolumen abhängig.

Schnelle Umsetzung, sehr hoch (5/5)
Das ist der stärkste Aspekt: Ein funktionierender erster Prompt ist in 2–4 Stunden einsatzbereit. Keine ERP-Integration erforderlich, kein Systemwechsel, kein Onboarding mit dem IT-Dienstleister. Du öffnest ChatGPT oder Claude, lädst einen LV-Auszug hoch und gibst dem Assistenten eine klare Aufgabe. Das ist der niedrigste Einstieg im Vergleich aller Bauwesen-Anwendungsfälle, nur das Bautagebuch aus Sprachmemos kommt ähnlich nah dran.

ROI-Sicherheit, mittel (3/5)
Zeitersparnis ist direkt messbar, einfach zählen, wie viele Anfragen wie lange dauern, und dann zwei Wochen lang tracken. Aber der eigentliche Nutzen (weniger vergessene Nachfassaktionen, strukturiertere Anfragen, schnellere Angebotseingänge) ist schwerer kausal zuzuordnen. Wenn der Polier morgen sagt, “die Lieferanten antworten jetzt schneller”, ist das vielleicht weil die Anfragen besser formuliert sind, oder weil die Baubranche gerade freie Kapazitäten hat.

Skalierbarkeit, mittel (3/5)
Mit wachsendem Einkaufsvolumen und mehr Projekten gleichzeitig wächst der Nutzen linear. Es gibt keine Netzwerkeffekte wie bei einer Baukostenprognose, die mit mehr historischen Daten klüger wird. Und die Pflege der Lieferantenprofile und LV-Vorlagen erfordert dauerhaften Aufwand, wächst das Unternehmen stark, muss auch das Vorlagensystem wachsen.

Richtwerte, stark abhängig von Projektvolumen, Anzahl der gleichzeitig laufenden Ausschreibungen und vorhandener LV-Qualität.

Was der KI-Assistent konkret macht

Das Grundprinzip ist einfach: Du gibst dem Assistenten deinen LV-Auszug für einen Auftrag, einen kurzen Kontext zum Projekt und eine Anweisung, und er formuliert eine vollständige, professionelle Preisanfrage. Kein Zaubertrick, aber ein echter Zeitgewinn.

Drei konkrete Aufgaben, die ein KI-Assistent im Bau-Einkauf heute schon übernehmen kann:

1. Preisanfragen aus LV-Auszügen erzeugen
Du gibst die relevanten LV-Positionen rein (Position, Menge, Einheit, kurze Beschreibung), nennst das Lieferdatum und den Empfänger, der Assistent formuliert eine vollständige Anfrage mit allen nötigen Angaben, korrekt auf den jeweiligen Lieferanten zugeschnitten. Mehrere Lieferanten? Wenige Klicks pro Variante.

2. Nachfass-E-Mails für offene Angebote
Du listest auf, welche Angebote überfällig sind, der Assistent schreibt tonalitätsbewusste Erinnerungen, die freundlich aber verbindlich um ein Update bitten, ohne den Lieferanten zu brüskieren. Das ist nicht trivial: Zu harsch und du schadest der Beziehung, zu weich und es passiert nichts.

3. Strukturierter Angebotsvergleich
Du gibst zwei oder drei eingegangene Angebote rein (als Text oder aus PDFs kopiert), der Assistent zieht eine tabellarische Gegenüberstellung nach Positionen, identifiziert fehlende Positionen und markiert Unklarheiten in der Formulierung. Das ist kein Urteil, aber eine Strukturhilfe.

Was der Assistent nicht macht, und was du unbedingt wissen musst: Er hat keine Verbindung zu deinen tatsächlichen Einkaufspreisen, Rahmenverträgen oder Bestandslieferanten. Er “weiß” nur, was du ihm sagst. Wenn du ihm keinen Kontext gibst, erfindet er keine Preise, er schreibt eine generische Anfrage. Das ist der Unterschied zwischen einem nützlichen Werkzeug und einer Fehlerquelle: Der Assistent ist nur so gut wie der Kontext, den du ihm gibst.

Konkrete Werkzeuge, was wann passt

ChatGPT, Die unkomplizierteste Einstiegslösung. Du öffnest einen Chat, lädst eine LV-Datei als PDF oder kopierst die relevanten Positionen rein, und formulierst deinen Auftrag. Der Nachteil: Jeder Chat beginnt bei null, du musst deinen Kontext (Firmenprofil, Lieferantenliste, Standardformulierungen) entweder immer wieder einfügen oder als “Custom GPT” hinterlegen. ChatGPT Plus (ca. 22 USD/Monat) lohnt sich für regelmäßige Nutzung; die Free-Variante ist für gelegentliche Tests ausreichend.

Claude, Besonders stark bei längeren Dokumenten. Wenn ein komplettes LV mit 40 Positionen analysiert oder ein umfangreiches Angebot strukturiert werden soll, verarbeitet Claude auch lange Texte ohne Qualitätsverlust. Besonders nützlich für Angebotsvergleiche, bei denen mehrere PDFs gleichzeitig eingefügt werden. Claude Pro kostet ca. 20 USD/Monat.

Microsoft 365 Copilot, Für Betriebe, die bereits Outlook und Teams intensiv nutzen: Copilot schreibt Entwürfe direkt im Outlook-Postfach, kann aus früheren E-Mail-Threads Kontext ableiten und in Word-Dokumenten Vorlagen befüllen. Das ist der komfortabelste Ansatz, du wechselst das Werkzeug nicht, sondern bekommst KI direkt im gewohnten Workflow. Preis: ca. 28,10 €/Nutzer/Monat als Add-on zur bestehenden M365-Lizenz. Sinnvoll ab ca. 5 Nutzern, die täglich mit E-Mails arbeiten.

Make.com (fortgeschritten), Für Betriebe, die aus einem Tabellenblatt mit offenen Anfragen automatisch Nachfass-E-Mails versenden lassen wollen: Make.com kann einen Workflow bauen, der täglich prüft, welche Angebote seit X Tagen offen sind, und automatisch eine Erinnerungs-E-Mail generiert und verschickt. Das setzt Basic-Kenntnisse in Workflow-Automatisierung voraus, ist aber ohne Programmieraufwand einrichtbar. Kostenlos bis 1.000 Operationen/Monat, ab 9 USD/Monat für professionelle Nutzung.

Zusammenfassung: Wann welches Tool

• Gelegentliche Anfragen, kein Budget → ChatGPT Free (mit Einschränkungen)
• Tägliche Nutzung, viele Dokumente → Claude Pro oder ChatGPT Plus
• Outlook/Teams als Herzstück → Microsoft 365 Copilot
• Automatisches Nachfassen ohne manuelle Trigger → Make.com als Workflow-Layer über ChatGPT/Claude

Integration mit bestehender Bausoftware

Das ist der Punkt, an dem viele Betriebe stolpern, weil sie erwarten, dass der KI-Assistent “einfach” mit der bestehenden Software kommuniziert.

Die ehrliche Antwort: In den meisten Fällen tut er das nicht, zumindest nicht ohne Aufwand.

Wie es in der Praxis läuft:
Der Einkäufer kopiert die relevanten LV-Positionen aus ABK, BECHTLE, ORCA oder einer anderen Bausoftware in das Chat-Fenster des Assistenten. Das dauert 2–3 Minuten. Dann gibt er die Projektdaten dazu, und der Assistent formuliert die Anfrage. Der Rückweg ist ähnlich: Der fertige Text wird aus dem Chat-Fenster in Outlook kopiert und von dort versendet.

Das ist kein schicker Workflow, aber er funktioniert, und er erfordert keine IT-Integration, kein API-Setup, keinen Dienstleister. Für die meisten Baubetriebe mit 10–80 Mitarbeitenden ist das der realistisch gangbare Einstieg.

Wann eine echte Integration sinnvoll ist:
Wenn ihr mehr als 50 Preisanfragen pro Monat ausschickt und das Kopieren zum neuen Zeitfresser wird, ist eine Schnittstelle zwischen der Bausoftware und dem KI-Tool über Make.com oder n8n prüfenswert. Das erfordert technische Einrichtung (2–5 Tage Aufwand), spart danach aber weitere Zeit. Voraussetzung: Die Bausoftware muss Daten exportieren können, als CSV, Excel oder über eine API.

Was nicht funktioniert:
Ein KI-Assistent, der “weiß”, was euer ERP-System gerade an Lagerbeständen oder Lieferantenkonditionen enthält, ist ohne direkte Schnittstelle schlicht nicht möglich. Der Assistent arbeitet mit dem, was du ihm gibst, mehr nicht. Das klingt banal, aber es ist der häufigste Missverständnispunkt beim Einstieg.

Datenschutz und Datenhaltung

Lieferantenkorrespondenz ist auf den ersten Blick kein hochsensibles Thema, du schreibst einem Baustoffhändler wegen Bewehrungsstahl. Trotzdem solltest du zwei Punkte im Blick behalten.

Personenbezogene Daten in Anfragen:
Sobald du in einer Preisanfrage konkrete Projektadressen, Namen von Ansprechpartnern oder Konditionen aus bestehenden Verträgen nennst, befindest du dich im DSGVO-Bereich. Für KI-Dienste wie ChatGPT oder Claude, die Daten auf US-Servern verarbeiten, gilt: Schließe einen Auftragsverarbeitungsvertrag (AVV) ab, alle großen Anbieter stellen ihn bereit. Für ChatGPT findest du ihn im Enterprise- oder Business-Plan, für Claude über die API oder Bedrock.

Sensible Konditionen:
Wenn ihr Rahmenverträge mit Lieferanten habt, die vertrauliche Preisvereinbarungen enthalten, schicke diese nie unverändert in ein LLM-Chat-Fenster, ohne den Anbieter-AVV geprüft zu haben. Besser: Verwende nur die öffentlich relevanten Projektdaten (Menge, Ausführungszeitraum, Lieferort) und formuliere den Preis erst nach dem KI-Entwurf.

Empfehlung für die Praxis:

• Microsoft 365 Copilot mit EU-Datenboundary-Konfiguration ist die DSGVO-komfortabelste Option für Outlook-Nutzer
• ChatGPT Team-Plan (ab ca. 25 USD/Nutzer/Monat) enthält AVV und kein Training auf euren Daten
• Claude über AWS Bedrock (Frankfurt) für maximale Datensouveränität, erfordert Cloud-Kenntnisse

Was es kostet, realistisch gerechnet

Softwarekosten (monatlich)

• ChatGPT Plus: ca. 22 USD/Monat, gut für 1–2 Einkäufer
• Claude Pro: ca. 20 USD/Monat
• Microsoft 365 Copilot: ca. 28,10 €/Nutzer/Monat (Add-on zu bestehender M365-Lizenz)
• Make.com für Automatisierung: 0–16 USD/Monat je nach Volumen

Einmalige Einrichtungskosten
Ohne Integration in Bausoftware: 4–8 Stunden eigener Aufwand, Prompts entwickeln, LV-Vorlagen erstellen, erste Anfragen testen und Feedback einarbeiten. Das ist kein Projekt, das externe Hilfe erfordert. Wer es strukturiert angeht, hat in zwei Wochen ein System, das gut funktioniert.

Mit Make.com-Integration: 1–3 Tage Einrichtungsaufwand (intern oder mit kurzfristiger Unterstützung eines Make.com-Spezialisten, ca. 800–2.500 Euro einmalig).

Was du dagegenrechnen kannst
Ein Einkäufer/Polier mit 45.000–55.000 Euro Jahresbrutto kostet das Unternehmen inklusive Nebenkosten ca. 28–35 Euro pro Stunde. Wenn er täglich 90 Minuten mit Korrespondenz verbringt und davon 60 Minuten eingespart werden: Das sind täglich ca. 28–35 Euro, oder ca. 600–700 Euro pro Monat (bei 20 Arbeitstagen). Im konservativen Szenario (50 % der theoretischen Einsparung tatsächlich realisiert) sind das noch ca. 300–350 Euro monatlich, das deckt die Softwarekosten mehrfach. (Orientierungswert; stark abhängig von Projektvolumen und Aufgabenverteilung im Betrieb.)

Ehrliche Einschränkung:
Diese Rechnung funktioniert nur, wenn die eingesparte Zeit tatsächlich für produktivere Aufgaben genutzt wird, nicht wenn sie in informellen Pausen verschwindet. Das klingt trivial, ist aber in der Einführungsphase oft das eigentliche Change-Management-Thema.

Vier typische Einstiegsfehler

1. Den Assistenten ohne Kontext loslegen lassen.
Wer ChatGPT einfach fragt “Schreib eine Preisanfrage für Bewehrungsstahl”, bekommt eine generische Anfrage ohne Projektbezug, ohne die korrekten LV-Positionen, ohne den passenden Ton für den jeweiligen Lieferanten. Der Assistent ist so gut wie die Informationen, die du ihm gibst. Lösung: Erstelle eine Kontext-Vorlage, Firmenprofil, Standardformulierungen, wichtige Projektdaten, und lade sie bei jedem Start mit hoch. Das dauert beim Einrichten ein bis zwei Stunden, spart danach jedes Mal 10 Minuten.

2. KI-generierten E-Mails ungeprüft versenden.
Das ist der gefährlichste Fehler, und er kann Lieferantenbeziehungen beschädigen. Der Assistent kann auf Basis falscher oder fehlender Angaben eine Anfrage formulieren, die LV-Positionen falsch zuordnet, veraltete Preise referenziert oder in der Menge schlicht falsch liegt. Das passiert nicht weil der Assistent “lügt”, sondern weil er aus dem verfügbaren Kontext das Bestmögliche rekonstruiert, auch wenn der Kontext lückenhaft ist. Jede E-Mail muss vor dem Versand gelesen und fachlich geprüft werden. Das dauert 1–2 Minuten, kein Weg daran vorbei.

3. Dasselbe Tool für alles verwenden wollen.
Ein KI-Assistent im Postfach ist gut für das Formulieren. Er ist kein Angebotsmanagementsystem, kein ERP, keine Lieferantendatenbank. Wenn ihr ihn auch für Preisvergleiche, Lieferantenbewertungen und Rahmenvertragsanalysen nutzen wollt, ohne die Daten sauber einzupflegen, verliert das System schnell die Übersicht. Lösung: Klare Aufgabentrennung, KI für Formulierung, bestehende Werkzeuge für Datenhaltung.

4. Das System bleibt ungewartet.
Das ist der stille Killer dieser Anwendung. Lieferantenlisten veralten, LV-Vorlagen sind nach einer Projektphase nicht mehr aktuell, Kontaktpersonen beim Lieferanten wechseln. Wer nach drei Monaten nichts aktualisiert, schickt Preisanfragen, die auf falschen Positionen basieren oder an veraltete E-Mail-Adressen gehen. Lösung: Alle drei Monate eine Stunde einplanen, um Vorlagen und Lieferantenprofile zu prüfen und zu aktualisieren.

Was mit der Einführung wirklich passiert, und was nicht

Erfahrungsgemäß gibt es in Baubetrieben zwei Reaktionsmuster, wenn ein KI-Assistent für die Korrespondenz eingeführt wird:

Die Skepsis der Erfahrenen. Ein Polier oder Bauleiter, der seit 20 Jahren Anfragen formuliert, hat seine eigene Art zu schreiben, und zwar aus einem guten Grund. Lieferantenbeziehungen sind in der Baubranche persönlich und langfristig. “Der Wolfgang von Schmidt Baustoffe weiß, wie ich schreibe” ist keine Ausrede, sondern eine reale Dimension von Einkaufskultur. Hier hilft es nicht, den Assistenten als “Effizienzlösung” zu verkaufen, sondern als Zeitentlaster für Routinearbeit, damit mehr Zeit für die echten Gespräche bleibt. Der Polier, der den Assistenten selbst ausprobiert und feststellt, dass er eine Anfrage in 8 statt 40 Minuten fertig hat, entscheidet selbst, was er mit der Zeit anfängt.

Die Übernahme durch Neue. Einkäufer oder Verwaltungspersonal, das neu im Betrieb ist, nimmt das Werkzeug oft schneller an, weil es den mühsamen Aufbau von eigenen Formulierungsroutinen ersetzt. Das ist gut. Aber es entsteht das Risiko, dass die KI-generierten Anfragen klingeln wie kein Mensch im Betrieb je schreiben würde, zu formal, zu generisch, ohne den betriebsspezifischen Ton. Lösung: Investiere zwei Stunden in gute Tonalitätsbeispiele aus echten alten E-Mails, die bilden die Vorlage, nach der der Assistent kalibriert wird.

Was konkret hilft:

• In der ersten Woche: drei echte Preisanfragen mit dem Assistenten erstellen, mit alten Anfragen vergleichen, Unterschiede notieren und den Prompt anpassen
• Nach zwei Wochen: Nachfass-E-Mails einführen, das ist die Aufgabe, bei der der Nutzen am schnellsten sichtbar wird
• Nach vier Wochen: eine Retrospektive, wie viele Anfragen liefen durch den Assistenten, wie viele wurden von Hand überarbeitet, wo war die Qualität ungenügend?

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Die Lieferanten merken, dass das eine KI geschrieben hat.”
Vielleicht, aber das ist in den meisten Fällen irrelevant. Entscheidend ist, ob die Anfrage vollständig, korrekt und terminlich klar ist. Lieferanten freuen sich über strukturierte Anfragen, die alle nötigen Informationen enthalten, ohne dreimal nachfragen zu müssen. Wenn du dich dabei ertappst, deine Anfragen aus Prinzip schlechter zu machen, damit sie “menschlicher” klingen, läuft etwas falsch.

„Unser Einkauf läuft gut, wir brauchen das nicht.”
Das ist die ehrlichste Version des Einwands, und oft stimmt sie. Wenn ein Betrieb 3–5 Anfragen pro Woche schreibt und der Einkauf gut eingespielt ist, ist der ROI tatsächlich gering. Die Frage ist nicht, ob der aktuelle Prozess “gut genug” ist, sondern ob die Zeit, die in Routinekorrespondenz fließt, besser eingesetzt werden könnte. In einem Betrieb mit 5 Anfragen pro Woche wahrscheinlich nicht. In einem mit 30: sehr wahrscheinlich schon.

„Was, wenn die KI falsche Mengen oder Positionen schreibt?”
Das passiert, wenn du falsche oder unvollständige Informationen eingibst. Ein KI-Assistent ist kein ERP-System mit Datenbankanbindung. Er schreibt auf Basis dessen, was du ihm gibst. Wenn du ihm die richtige LV-Position mit korrekter Menge nennst, schreibt er sie korrekt ab. Wenn du ihm eine fehlerhafte Kopie eines LV-Auszugs gibst, schreibt er die Fehler ebenfalls ab. Die Qualitätssicherung liegt beim Absender, das ist kein neues Risiko, das die KI einführt.

Woran du merkst, dass das zu dir passt

• Du oder dein Team verschickt mehr als 15 Preisanfragen pro Monat, das ist die Mindestmenge, ab der der Einrichtungsaufwand lohnt
• Ihr arbeitet mit strukturierten Leistungsverzeichnissen, ohne LV ist der Kontext für den Assistenten schwach, und die Anfragen werden generisch
• Ihr habt einen festen Stamm von 5–20 Lieferanten, mit denen ihr regelmäßig kommuniziert, die lassen sich als Kontextprofile hinterlegen
• Nachfassaktionen werden bei euch vergessen, das ist der häufigste Schmerz in diesem Bereich, und er lässt sich direkt und schnell lösen
• Eine Person ist hauptverantwortlich für den Einkauf, je klarer die Zuständigkeit, desto konsequenter die Nutzung

Wann es sich nicht lohnt, drei harte Ausschlusskriterien:

1. Unter 8–10 aktive Lieferantenbeziehungen und weniger als 10–15 Anfragen pro Monat. Dann sind Textvorlagen in Word oder Outlook vollständig ausreichend. Der Einrichtungsaufwand für einen KI-Assistenten übersteigt den Nutzen deutlich. Investiere die Zeit lieber in eine saubere Vorlagenstruktur mit bewährten Formulierungen.

2. Keine strukturierten LV-Vorlagen oder standardisierten Projektformate. Wer seinen Einkauf komplett ad hoc ohne LV-Basis betreibt, kann dem Assistenten keinen nützlichen Kontext geben. Das Ergebnis sind generische Anfragen, die mehr Nacharbeit als die ursprüngliche Formulierung brauchen. Erst Prozessstruktur aufbauen, dann automatisieren.

3. Kein Qualitätssicherungsschritt vor dem Versand. Wenn E-Mails direkt ohne Prüfung aus dem Assistenten raus sollen, ist das Risiko von Falschinformationen oder Tonalitätsfehlern zu hoch, besonders in der Lieferantenbeziehung, die langfristig und persönlich ist. Ein Assistent, der ungeprüft kommuniziert, kann eine Beziehung beschädigen, die seit Jahren gut funktioniert. Ohne Bereitschaft zur menschlichen Prüfung: nicht einführen.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude und schreibe den folgenden Auftrag rein, ohne Setup, ohne Account-Upgrade (Free-Version reicht für den Test):

Kopiere drei LV-Positionen aus deinem aktuellen Projekt, füge Projektort, Ausführungszeitraum und gewünschtes Lieferdatum hinzu, und gib dem Assistenten den Auftrag, eine Preisanfrage an einen konkreten Lieferanten zu formulieren. Lies das Ergebnis durch. Ändere, was nicht stimmt. Miss, wie lange das insgesamt dauerte, und vergleiche mit der letzten E-Mail, die du von Hand geschrieben hast.

Das dauert 20 Minuten. Was du danach weißt: ob dieser Ansatz für euren Einkauf realistisch funktioniert.

Für den regelmäßigen Einsatz hier ein System-Prompt, den du einmal einrichten und dann als Ausgangspunkt verwenden kannst:

Quellen & Methodik

• Einkaufsbarometer Mittelstand 2024: Onventis GmbH und Bundesverband Materialwirtschaft, Einkauf und Logistik (BME), gemeinsam mit ESB Business School, 350+ Einkaufsverantwortliche aus dem DACH-Raum. Digitalisierungsbedarf im Lieferantenmanagement: 80 % der Befragten. www.onventis.com/resources/procurement-barometer-2024

• Fallbeispiel Vemag GmbH, Verden: Maschinenbauunternehmen (ca. 950 Mitarbeitende), KI-Procurement-Projekt gestartet 2023 mit Ziel Konsolidierung von Lieferanten- und Preisdaten aus isolierten Systemen. Handelsblatt, “Wie Mittelständler mit KI ihre Einkaufskosten deutlich senken” (2024). handelsblatt.com

• Phantom-Agreements-Risiko: Construction Dive, “When AI chatbots hallucinate, infrastructure pays” (2024). Beschreibt das Risiko, dass autonome Procurement-Bots Bestellbestätigungen mit fabrizierten Zahlungskonditionen erzeugen, die der Lieferant nie akzeptiert hat. constructiondive.com

• Microsoft 365 Copilot Business-Preis: Microsoft.com, offizielle Preisseite (Stand Mai 2026). Ca. 28,10 €/Nutzer/Monat als Add-on zur M365-Basislizenz. microsoft.com/de-de/microsoft-365-copilot/pricing

• Implementierungszeiten und Zeitersparnis: Eigene Erfahrungswerte aus Baubetrieben mit 15–80 Mitarbeitenden (Stand April 2026). Keine repräsentative Studie, aber konsistente Beobachtungen über mehrere Einführungen.

Du willst wissen, ob der Ansatz für euren Betrieb realistisch ist, oder wie ihr einen guten System-Prompt für euren spezifischen Einkaufsprozess aufbaut? Meld dich, das klären wir gemeinsam in einem kurzen Gespräch.