Der Lieferant kündigt eine Preiserhöhung an und verweist auf gestiegene Rohstoffkosten. Der Verhandlungstermin ist in drei Tagen. Was folgt, kennen viele Einkäufer:

ERP-Auszüge ziehen, Excel-Listen zusammenführen, Indizes recherchieren, Preisverläufe vergleichen.

Am Ende stehen Tage an Vorbereitung und oft trotzdem nur ein Teil der Fakten auf dem Tisch.

Künstliche Intelligenz kann diesen Ablauf grundlegend verändern. Liegen die Einkaufsdaten strukturiert vor, lässt sich eine belastbare Markteinschätzung in Sekunden statt in Tagen erstellen. Was das konkret bedeutet, wo die Grenzen liegen und warum die Datenbasis entscheidend ist, beleuchtet dieser Beitrag. Es ist auch das Thema, mit dem wir uns auf dem 61. BME Symposium in Berlin beschäftigen.

Warum Verhandlungsvorbereitung heute so lange dauert

Wer gut verhandeln will, braucht Antworten auf wenige, aber harte Fragen:

  • Wie haben sich unsere Einkaufspreise für dieses Material oder diese Warengruppe entwickelt?
  • Wie hat sich der Markt im gleichen Zeitraum entwickelt? Ist die Forderung des Lieferanten überhaupt gerechtfertigt?
  • Wo sind Rohstoffpreise gesunken, ohne dass unsere Einkaufspreise nachgezogen haben?
  • Wie stark ist unser Volumen beim Lieferanten gestiegen, und haben wir dafür eine Gegenleistung erhalten?

Die Daten dafür existieren in fast jedem Unternehmen. Sie liegen aber verteilt in ERP-System, Excel-Dateien und externen Quellen. Das Zusammenführen kostet Zeit und deshalb wird gründliche Vorbereitung oft nur für die wichtigsten A-Lieferanten geleistet. Bei allen anderen bleibt Einsparpotenzial liegen.

Dazu kommt ein Ungleichgewicht: Der Lieferant kennt seine Kostenstruktur genau. Der Einkauf argumentiert dagegen häufig mit Bauchgefühl statt mit belastbaren Zahlen.

Was KI in der Verhandlungsvorbereitung leisten kann

Generative KI hilft beim Formulieren und Recherchieren. In der Verhandlung zählen aber Zahlen: Preisentwicklungen, Mengen, Marktindizes. Hier kommen mathematisch-statistische KI-Modelle ins Spiel, die Muster in großen Datenmengen erkennen. Vier Anwendungen zeigen, wie das in der Praxis aussieht.

Eigene Preise mit dem Markt vergleichen:
Öffentliche Preisindizes, etwa von Eurostat oder dem Statistischen Bundesamt, bilden die Marktentwicklung ab. Die Schwierigkeit liegt in der Zuordnung: Welcher Index passt zu welcher Warengruppe? KI kann diese Zuordnung vorschlagen. So lassen sich alle Warengruppen gleichzeitig mit dem Markt vergleichen, statt nur Einzelfälle zu prüfen.

Rohstoffanteile nachvollziehen:
Ist der Rohstoffanteil eines Zukaufteils bekannt, etwa über eine Schattenkalkulation, lässt sich die Preisentwicklung des Teils mit der seiner Rohstoffe vergleichen. Sinken die Rohstoffpreise, während der Einkaufspreis gleich bleibt, ist das ein klarer Anlass für ein Gespräch.

Volumen bewerten:
Steigende Abnahmemengen führen in der Praxis oft nicht zu sinkenden Preisen. Eine Auswertung über alle Lieferanten zeigt, wo Mengenzuwächse bisher ohne Gegenleistung geblieben sind, ein Ansatzpunkt für Bonusvereinbarungen.

Staffelpreise prüfen:
Nicht jede Preisstaffel folgt einer nachvollziehbaren Logik aus Fix- und variablen Kosten. KI-Modelle können unplausible Staffeln aufdecken und Alternativen aufzeigen. Unter Berücksichtigung von Lagerkosten und Kapitalbindung sind dabei Einsparungen von 5 bis 10 Prozent realistisch.

Entscheidend ist weniger das KI-Modell als die Datengrundlage. Nur wenn Bestellungen, Rechnungen, Stammdaten und Kontrakte strukturiert und auf Belegebene vorliegen, sind die Ergebnisse nachvollziehbar und belastbar. Genau an dieser Verbindung von ERP-Daten und externen Marktinformationen setzen wir mit WebCIS AI an.

Was sich für den Einkauf und das Einkaufscontrolling ändert

Wenn die Datensammlung nicht mehr Tage dauert, lässt sich eine fundierte Vorbereitung nicht nur für A-Lieferanten leisten, sondern für einen deutlich größeren Teil des Portfolios. Damit verkleinert sich auch das Informationsgefälle am Verhandlungstisch: Lieferanten kennen ihre Kostenstruktur genau, doch mit Marktindizes und der eigenen Preishistorie kann der Einkauf Preisforderungen nun sachlich einordnen. Umgekehrt erkennt er auch, wann Preissenkungen angebracht wären.

Für das Einkaufscontrolling kommt ein weiterer Punkt hinzu. Hier zählt am Ende, ob verhandelte Einsparungen tatsächlich in der GuV ankommen. Eine durchgängige Datenbasis macht diese Nachverfolgung möglich und den Beitrag des Einkaufs gegenüber der Geschäftsleitung belegbar.

KI bereitet vor, der Mensch verhandelt

KI-Ergebnisse sind nicht fehlerfrei. Eine unpassende Indexzuordnung oder unsauber gepflegte Warengruppen führen schnell zu falschen Schlüssen. Plausibilitätsprüfung und Fachwissen bleiben deshalb fester Teil des Prozesses.

Auch am Verhandlungstisch bleibt die Arbeit menschlich: Lieferantenbeziehungen, Gesprächsführung und das Gespür für den richtigen Moment lassen sich nicht automatisieren. Der Gewinn liegt woanders: KI liefert in kurzer Zeit eine Faktenbasis, die bisher nur mit großem Aufwand zu haben war. Was man daraus macht, entscheidet weiterhin der Einkauf.

WebCIS AI auf dem 61. BME Symposium in Berlin

Vom 18. bis 19. November 2026 treffen sich Einkaufs- und Logistikverantwortliche in der STATION Berlin zum 61. BME Symposium. Wir sind vor Ort und freuen uns auf den Austausch darüber, wie KI die Verhandlungsvorbereitung im Einkauf verändert.

Besuchen Sie uns an unserem Stand B7 und bringen Sie Ihre Fragen mit. Gemeinsam schauen wir, wie eine datenbasierte Markteinschätzung dazu aussehen kann.

Sie möchten vorab einen festen Termin vereinbaren? Jetzt Gesprächstermin anfragen oder prüfen Sie schon heute mit unserem kostenlosen Reifegrad-Check, wo Ihr Einkaufscontrolling steht.

Wir freuen uns auf Sie in Berlin!