Webinare

Webinaraufnahme: Die KI-Entscheidung im Einkauf - Eigenes Entwicklungsprojekt oder einsatzbereite KI-Agenten?

Neue KI-Modelle erscheinen fast im Wochentakt, und die Hürde, eine erste eigene Lösung zu bauen, ist so niedrig wie nie. In der Softwareentwicklung entstehen laut GitHub Octoverse 2026 inzwischen 40 Prozent aller Änderungen mit einem KI-Agenten, im März 2026 waren es noch 17 Prozent. Für Einkaufsabteilungen stellt sich damit eine neue Frage: Lohnt es sich, KI-Anwendungen selbst zu entwickeln, oder liefern einsatzbereite KI-Agenten schneller verlässliche Ergebnisse?

Matthias Schlotter (Vice President of Global Supply Chain bei SW) und Marcel Weller (Customer Value Lead bei Tacto) zeigen im Webinar, wo Eigenbau im Einkauf funktioniert, wo er an Grenzen stößt und wie vernetzte KI-Agenten einen Beschaffungsprozess von der Konstruktion bis zur Vergabe begleiten.

KI im Einkauf: Breite Nutzung, wenig Stabilität im Tagesgeschäft

‍

Die Umfrage unter den Teilnehmenden zeigt, wie verbreitet KI im Einkauf bereits ist: 55 Prozent nutzen im Alltag vor allem Microsoft Copilot, rund 21 Prozent ChatGPT, Claude oder ähnliche Chat-Tools und 11 Prozent selbst gebaute Lösungen oder eigene Agenten. Stabil im Tagesgeschäft laufen die Anwendungen allerdings nur bei rund einem Viertel. Bei mehr als 75 Prozent müssen Ergebnisse oft nachgeprüft werden oder es bleibt bei einzelnen Versuchen. Als größte Hürden nannten die Teilnehmenden Freigaben durch IT, Datenschutz und Betriebsrat, verstreute Daten sowie fehlende Kapazität im Team.

Studien bestätigen das Bild: Nur eines von drei intern gebauten KI-Tools schafft es in den Echtbetrieb, bei zugekauften Lösungen sind es zwei von drei (MIT NANDA 2025). 45 Prozent des KI-generierten Codes enthalten Sicherheitslücken (Veracode 2025), und 60 Prozent der Softwarekosten entstehen nach dem Start, für Betrieb und Wartung (IEEE). Wer vom ersten Prototyp zu einer Lösung für das ganze Team kommen will, muss deshalb klären, wie sie auf weitere Lieferanten skaliert, wie konstante Qualität gesichert wird, woher externe Markt- und Indexdaten kommen und wer die Lösung dauerhaft pflegt und weiterentwickelt.

‍

Wann sich Eigenentwicklungen lohnen

‍

Aus dem Beispiel leiten Marcel Weller und Matthias Schlotter Kriterien für einen Eigenbau ab: Die Aufgabe ist wiederkehrend und folgt klaren Regeln, das Ergebnis lässt sich auf einen Blick prüfen, Fehler sind nachträglich korrigierbar und lösen keinen Geldabfluss aus. Dazu kommen ein überschaubarer Nutzerkreis, Daten an einem Ort und ein geringer Wartungsaufwand.

Bei komplexen Anwendungsfällen sieht es anders aus. Am fiktiven Beispiel eines Cost Breakdowns für eine Sechskantschraube zeigt Marcel Weller, dass ein allgemeines Sprachmodell die Kostenanteile zwar plausibel schätzt, sich dabei aber nur auf Allgemeinwissen und öffentliche Indizes stützt. Für eine Verhandlung mit dem Lieferanten reicht diese Genauigkeit nicht. Belastbare Werte erfordern Toleranzen, Fertigungsverfahren, Revisionen, länderspezifische Lohnkosten und Indizes für die genaue Legierung. Tacto setzt dafür spezialisierte Agenten je Kostenposition ein, die auf Marktindizes, Benchmarks und Maschinenstundensätze zugreifen, unterstützt von einem Team aus Cost Engineers.

‍

Vernetzte Einkaufsintelligenz: Vom Teil zum Perfect Buy

‍

Die Grundlage für vernetzte Agenten bildet bei Tacto das Procurement Brain. Es verbindet interne Daten wie Transaktions- und Stammdaten aus dem ERP, Verträge, Zeichnungen und E-Mails mit externen Marktdaten, Lieferanteninformationen und Risikodaten, ergänzt um Benchmarks aus über 400 Einkaufsorganisationen und mehr als 20.000 Marktindizes. Alle Agenten teilen diesen Kontext: In einer Verhandlung kennen sie neben Bestellhistorie und Preisen auch Qualität, Liefertermintreue und Warengruppenstrategie eines Lieferanten.

In der Demo zeigt Marcel Weller, wie das im Prozess aussieht. Bereits in der Konstruktion berechnet Tacto für ein Zeichnungsteil einen Zielpreis nach Losgröße, Fertigungsland oder Eigenfertigung und zeigt ähnliche Artikel mit ihren historischen Preisen. Im Modul Sourcing Intelligence übernimmt anschließend ein Agent die Anfrage für ein neues Flanschgehäuse: Er liest Bohrungen, Toleranzen und Werkstoff aus, schlägt passende Lieferanten aus dem eigenen Pool und per Websuche auch neue vor, versendet die Anfragen, übernimmt die Angebotsdaten aus PDF-Dateien, führt automatisierte Preisrunden und bereitet die Vergabe per Nutzwertanalyse aus Preis, Termin und Qualität vor. Wie autonom der Agent arbeitet, legt der Einkauf über Eingriffsgrenzen und Freigaben selbst fest.

‍

Fazit

‍

Das Praxisbeispiel von SW verdeutlicht, dass Eigenentwicklungen im Einkauf dort gut funktionieren, wo Aufgaben wiederkehrend, klar geregelt und leicht zu prüfen sind. Neben der Warengruppenzuordnung nutzt SW Copilot auch, um verschiedene Datenquellen auszuwerten und Lieferanten bessere Forecasts zu geben. Sobald mehrere Abteilungen und Systeme wie ERP und PLM zusammenkommen, stößt der Eigenbau ohne eigene Spezialisten an Grenzen. Es kommt darauf an, einfache Anwendungsfälle selbst zu testen und komplexe Prozesse mit spezialisierten Agenten anzugehen, damit Einkäufer Routineaufgaben abgeben und mehr Zeit für strategische Arbeit und den Kontakt mit Lieferanten gewinnen.

Matthias Schlotter (Vice President of Global Supply Chain bei SW) und Marcel Weller (Customer Value Lead bei Tacto) zeigen, wie SW neue Teile mit Copilot in Excel zu rund 80 Prozent korrekt Warengruppen zuordnet, an welchen Kriterien sich ein Eigenbau lohnt und wo er an Grenzen stößt. In der Demo wird sichtbar, wie vernetzte KI-Agenten einen Beschaffungsprozess von der Zielpreisberechnung in der Konstruktion bis zur Vergabe begleiten.

Ressource herunterladen

Jetzt Webinar anschauen!