Die Methodologie

Die sieben Ebenen des AI Procurement Operating Model.

Jede Ebene beantwortet eine konkrete operative Frage dazu, wie KI in die Einkaufsarbeit eingebettet wird. Zusammen bilden sie ein System — keine Folienpräsentation, kein Ordner voller Prompts. PAIR Assessment ist immer der Einstiegspunkt; der Rest wird auf Basis dessen umgesetzt, was die Diagnose aufdeckt.

2

Einkaufs-Workflows

Wiederholbare KI-gestützte Abläufe für echte Einkaufsarbeit. Keine Einzel-Prompts — Workflows mit definierten Inputs, Verarbeitungsschritten, Qualitätsprüfungen, menschlichen Freigaben und nachvollziehbaren Audit-Trails. Jeder Workflow zielt auf einen konkreten Zeitpunkt im Einkaufszyklus ab.

Häufige erste Workflows: RFQ-Vergleich und Shortlisting · Lieferantenbewertung und QBR-Vorbereitung · Erst-Prüfung von Verträgen · Preiserhöhungs-Argumentation mit Marktdaten · Spend- und Preisabweichungs-Analyse · Priorisierung offener PO-Positionen.
3

Prompt- & Agent-Pack

Getestete Prompts, leichtgewichtige Agenten und Anweisungen, verpackt für die wiederholte Nutzung im Team. Jeder hat klare Inputs, erwartete Outputs, QA-Checks und Rollenvarianten. Einmal gebaut, vom ganzen Team verwendet — Einkäufer hören auf, denselben Prompt immer wieder neu zu erfinden.

Pack-Struktur: Prompt-Bibliothek nach Workflow · Custom GPT oder Claude Project pro wiederholbare Aufgabe · Agent-Flows für mehrstufige Prozesse · Trennung zwischen Sandbox und Produktion.
4

Datenreife

Was KI tatsächlich sehen kann. Die meisten KI-Einkaufs-Experimente scheitern nicht am Modell, sondern an den Daten: inkonsistente Lieferantennamen, ERP-Exporte mit versteckten Tabs und Geisterzeilen, sensible Vertragsdaten, die den Tenant nicht verlassen dürfen. Wir definieren die Datenschicht, bevor Workflows starten.

Umfasst: ERP-Export-Hygiene · Normalisierung von Lieferanten- und Material-Stammdaten · Anonymisierungs- und Klassifizierungsregeln · Welche Daten in welche KI-Ebene (öffentlich, Team, Enterprise, On-Prem) gehören.
5

Governance

Was KI allein entscheiden darf, was Menschen freigeben müssen, was nicht automatisierbar ist. Wie Entscheidungen so dokumentiert werden, dass sie sechs Monate später noch nachvollziehbar sind. Für europäische Teams gilt: DSGVO zuerst, AI Act dann — ohne Governance wird das Betriebsmodell zum Compliance-Risiko statt zum Wettbewerbsvorteil.

Definiert: Entscheidungsbefugnis-Matrix · Freigabe-Schwellen · Dokumentationsstandards · DSGVO-Grenzen · Audit-Trail-Format · Incident Response bei KI-gestützten Fehlern.
6

Team-Enablement

Ein dediziertes Schulungsprogramm, gebaut um Ihr Team, Ihre Prozesse und Ihre gewählten Tools — kein generischer KI-Kurs. Ohne diese Schicht überlebt kein Operating Model die dritte Woche. Wir liefern strukturiertes Training plus Champions im Team, wöchentliche Sprechstunden, Adoption-Metriken und einen Follow-up-Rhythmus, der KI tatsächlich im Einsatz hält.

Beinhaltet: Maßgeschneidertes Curriculum auf Basis Ihrer Workflows · Champion-Netzwerk · Wöchentliche Sprechstunden für Live-Fragen · Adoption-Metriken Dashboard · 30-90-Tage-Follow-up.
7

Tool-Implementierung

Vendor-unabhängige Auswahl und Integration. Wir haben keine Partnerschaftsverträge oder Vermittlungsprovisionen — die Tool-Entscheidung folgt den Workflow- und Datenanforderungen, nicht umgekehrt. Am häufigsten: Microsoft 365 Stack, Google Workspace, OpenAI oder Anthropic mit n8n-Orchestrierung, oder ein Hybrid aus dem, was Sie bereits operativ haben.

Typische Stacks: Microsoft 365 + Copilot Studio + Power Automate · Google Workspace + Gemini + AppSheet · OpenAI/Anthropic API + n8n + Notion · Hybride Konfigurationen, angepasst an bestehende Infrastruktur.
Klare Grenzen

Was es ist und was es nicht ist

Was das AI Procurement Operating Model ist

  • Eine Methodologie speziell für europäische Einkaufsteams
  • Ein Betriebssystem im betriebswirtschaftlichen Sinn — Prozess, Governance, Menschen, Tools
  • Pragmatisch bei Kosten
  • Vendorunabhängig — wir wählen Tools nach Ihrem reellen Wert
  • Gebaut um Adoption, nicht um Demos
  • Dokumentiert und übergeben — Ihr Team besitzt das Modell nach dem Engagement

Was es nicht ist

  • Ein Software-Produkt oder eine deploybare SaaS-Plattform
  • Ein generisches „KI-Transformations"-Deck ohne Einkaufs-Spezifik
  • Ein 12–18 Monate, 500.000 EUR+ Enterprise-Consulting-Engagement
  • Custom-LLM-Fine-Tuning (selten ROI im typischen Einkauf)
  • Ein Vendor-Lock-in in ein einzelnes KI-Ökosystem
  • Folien ohne funktionierende Workflows auf Ihren echten Daten
Wie es in der Praxis aussieht

Ein typisches erstes Engagement

Mittelständischer europäischer Hersteller. Einkaufsorganisation mit 50 Personen an drei Standorten. Adressierbarer Jahres-Spend rund 350 Millionen EUR. Bestehende ERP-Exporte statt API-Zugriff. ChatGPT-Team-Lizenz von vielleicht einem Viertel des Teams genutzt — jeder auf eine andere Art.

Diagnose
2-3 Wochen
Erste Workflows live
12 Wochen
Workflows gestartet
3 von 12 bewertet
Team geschult
50 / 50

PAIR Assessment deckt zwölf bewertbare Use Cases auf. Drei davon wählen wir für den ersten Sprint — Angebotsvergleich für indirekte Kategorien, Lieferantenbewertung für die Top-20 strategischen Lieferanten und Erst-Prüfung von Verträgen für neue NDA-/MSA-Arbeit. Jeder Workflow wird spezifiziert, gebaut, Governance-geprüft und mit dediziertem Team-Training ausgerollt. Adoption wöchentlich nachverfolgt.

Nach neunzig Tagen besitzt das Team drei wiederholbare Workflows, die auf echten Daten laufen, eine dokumentierte Governance-Basis, ein intern gepflegtes Prompt- und Agent-Pack sowie eine Warteschlange von neun weiteren Use Cases bereit für den nächsten Sprint — ohne dass für jeden Schritt ein Berater gebraucht wird.

Illustrative Zusammenstellung auf Basis der Engagement-Struktur. Konkrete Kundendetails sind anonymisiert.

Zwei PAIR Assessment Pilot-Plätze offen für Q2-Q3 2026

Für Einkaufsleiter, die bereit sind, vom KI-Experiment zu einem funktionierenden Betriebsmodell zu gehen.

Mehr über PAIR Assessment →