Kommentar von Jan van Hueth, Körber Mit GenAI-Chatbots durch den Regelungs-Dschungel im Einkauf

Ein Technologiekonzern plant die Einführung einer neuen KI-gestützten Software – ein Projekt mit hohem Innovationspotenzial. Doch statt schneller Umsetzung folgt eine langwierige Prüfung durch Einkauf, Legal, IT-Security und Nachhaltigkeitsmanagement. Der Grund: ein komplexes Geflecht aus internen Einkaufsrichtlinien, konzernweiten Governance-Vorgaben und externen Regularien wie dem AI Act oder ESG-Standards.

Im industriellen Einkauf zeigt sich das besonders deutlich: Die Vielzahl an Richtlinien, Prüfschritten und Dokumentationspflichten führt zu Verzögerungen, Unsicherheit und sinkender Effizienz. Mitarbeiterinnen und Mitarbeiter stehen vor der Herausforderung, relevante Vorgaben überhaupt zu finden, geschweige denn korrekt anzuwenden. Die Folge: Innovationsprojekte geraten ins Stocken, Compliance-Risiken steigen.

Hier setzen GenAI-Chatbots an. Sie können Richtlinien kontextbezogen interpretieren, fallbezogen beraten und so als intelligenter Kompass durch den Regelungs-Dschungel dienen. Ist Generative KI der Schlüssel, um Bürokratie zu entlasten und gleichzeitig die Compliance-Sicherheit zu erhöhen?

Governance im Einkauf: Komplexität und Dynamik

Der industrielle Einkauf ist längst mehr als Preisverhandlung und Lieferantenauswahl. Er ist ein hochregulierter Bereich, in dem interne Prozessvorgaben – etwa Einkaufsrichtlinien, Freigabeprozesse oder IT-Sicherheitsanforderungen – mit externen Regularien wie dem Lieferkettensorgfaltspflichtengesetz, ESG-Vorgaben oder dem EU AI Act interagieren and manchmal kollidieren. Diese Anforderungen entstehen über Jahre hinweg, oft durch unterschiedliche Stakeholder, und sind selten vollständig harmonisiert.

Besonders herausfordernd wird es, wenn verschiedene Geschäftsbereiche eigene Regelwerke pflegen oder globale Organisationseinheiten länderspezifische Vorgaben einbringen. Die Folge: Inkonsistenzen, Widersprüche und ein hoher Interpretationsaufwand. Mitarbeiter im Einkauf müssen nicht nur wissen, wo relevante Informationen liegen, sondern auch wie sie im konkreten Fall anzuwenden sind – eine Aufgabe, die mit wachsender Komplexität kaum noch manuell zu bewältigen ist.

Die Dynamik regulatorischer Entwicklungen verschärft die Lage zusätzlich. Neue Anforderungen entstehen schneller, als sie in bestehende Prozesse integriert werden können. Ohne digitale Unterstützung droht eine Überforderung der Organisation – mit Risiken für Effizienz, Compliance und Innovationsfähigkeit.

GenAI als Kompass

Um der zunehmenden Komplexität im Einkauf zu begegnen, hat der Technologiekonzern Körber einen Proof-of-Concept (PoC) für einen GenAI-gestützten Richtlinien-Chatbot entwickelt. Die Lösung kombiniert Ivalua IVA, die GenAI-Funktionalität der etablierten Einkaufsplattform, mit dem Ivalua-internen Dokumentenmanagementansatz: Interne Richtliniendokumente, regulatorische Vorgaben und Prozessbeschreibungen werden nach Präzedenz geordnet abgelegt und mittels Pre-Prompting in Kombination mit der konkreten Nutzerfrage für die KI zugänglich gemacht.

Im Gegensatz zu klassischen FAQ-Systemen bietet der Chatbot eine fallbasierte Beratung: Nutzer können konkrete Szenarien schildern – etwa die Auswahl eines KI-Dienstleisters oder die Bewertung eines Lieferanten im ESG-Kontext – und erhalten kontextbezogene Antworten, die relevante Richtlinien und regulatorische Anforderungen berücksichtigen. Besonders wirkungsvoll ist dabei die Einbettung der Nutzerfrage in einen zentral vorgegebenen System- und Rahmenprompt. Dieser definiert Antwortperspektive, Verhaltensleitplanken, Risikotoleranzen und Antwortformate – ein zentraler Hebel für konsistente und Compliance-konforme Ausgaben.

Technisch nutzt der PoC das leistungsfähige GPT-4o mini Large-Language-Model (LLM). Allerdings unterstützt die einbettende Ivalua-Technologie derzeit noch kein Retrieval-Augmented Generation (RAG) – ein Verfahren, bei dem externe Informationen aus Dokumenten dynamisch abgerufen und in die Antwortgenerierung eingebunden werden. Daher müssen die relevanten Dokumente als Teil des Pre-Prompts bei jeder Anfrage erneut an das LLM übermittelt werden. Das limitiert den sinnvoll übermittelbaren Umfang und führt zu längeren Antwortzeiten von rund 30 Sekunden. Verschiedene LLMs wurden getestet und subjektiv bewertet; GPT-4o mini lieferte dabei die besten Ergebnisse hinsichtlich Geschwindigkeit und Antwortqualität.

Zwar bietet Ivalua grundsätzlich die Möglichkeit, Dokumente mit der Organisationsstruktur zu verknüpfen – etwa nach Geschäftsbereich oder Standort –, doch wurde dies im PoC zur Komplexitätsreduktion nicht umgesetzt. Dadurch bleiben manche Antworten generisch oder der Chatbot weist auf potenzielle Konflikte zwischen Regelwerken hin.

Trotz dieser Einschränkungen zeigt der PoC: GenAI kann als intelligenter Kompass durch den Regelungs-Dschungel im Einkauf dienen – wenn Technologie, Datenstruktur und Governance sinnvoll zusammenspielen.

Vom PoC zu skalierbarer Lösung

Der erfolgreiche Proof-of-Concept hat gezeigt, dass GenAI-gestützte Chatbots im Einkauf echten Mehrwert bieten können – doch der Weg zur produktiven, skalierbaren Lösung ist anspruchsvoll. Im nächsten Schritt wird ein Pilotprojekt mit klarem Einkaufsfokus in enger Zusammenarbeit mit den Digital-Experten von Körber entwickelt. Ziel ist es, die Lösung funktional zu verbessern, Schwachstellen zu beheben und für den konzernweiten Einsatz skalierbar zu machen.

Körber verfügt bereits über umfangreiche Erfahrung mit GenAI im Einkauf: Mehr als zehn produktive Ivalua-IVA-Anwendungsfälle sind im operativen Betrieb etabliert und unterstützen Prozesse wie Lieferantenkommunikation, Dokumentenprüfung und Strategieerstellung. Der neue Richtlinienberater geht bewusst einen anderen Weg: Er ist nicht direkt mit dem Ivalua-System verbunden, sondern als eigenständiger, kontextsensitiver Assistent konzipiert. Das schafft technische Freiräume für neue Use Cases, die nicht unmittelbar an Geschäftsprozesse gekoppelt sind.

Ein besonderer Fokus liegt auf der Kontextualisierung von Richtliniendokumenten: Durch semantische Strukturierung, Hierarchisierung und die Abbildung von Präzedenzfällen entsteht eine Wissensbasis, die sich flexibel auf unterschiedliche Organisationseinheiten und Anwendungsszenarien übertragen lässt. So wird der Chatbot zum skalierbaren Werkzeug für regelkonforme Entscheidungsunterstützung im Einkauf.

Pre-Prompting als Schlüssel zur Compliance-Sicherheit

Pre-Prompting ist weit mehr als ein technisches Detail – es ist ein zentrales Steuerungsinstrument für die Qualität und Verlässlichkeit von GenAI-Antworten im Einkauf – gerade bei regulatorischen und Verhaltensfragestellungen. Durch gezielte systemseitige Vorgaben wird definiert, wie die KI Informationen interpretiert, priorisiert und kommuniziert. So lassen sich Risiken minimieren und die Einhaltung von Governance-Vorgaben sicherstellen.

Im Pilotprojekt wird Pre-Prompting genutzt, um die KI in einen regelkonformen Antwortmodus zu versetzen. Dabei kommen verschiedene Strategien zum Einsatz:

• Rollenspezifische Perspektive: „Antworte aus Sicht eines Compliance-Verantwortlichen.“

• Quellensteuerung: „Nutze ausschließlich geteilte, interne Richtlinien.“

• Konflikterkennung: „Kennzeichne Widersprüche zwischen verschiedenen Dokumenten oder Anforderungen.“

• Antwortformatierung: „Strukturiere die Antwort als Entscheidungsvorlage mit Risikoanalyse.“

• Eskalationslogik: „Verweise bei unklarer Datenlage auf zuständige Fachbereiche oder Vorgesetzte.“

Diese Vorstrukturierung ermöglicht nicht nur konsistente und nachvollziehbare Antworten, sondern auch eine gezielte Steuerung der KI entlang unternehmensspezifischer Maßgaben.

Besonders in dynamischen Regelungsumfeldern wird Pre-Prompting damit zum Schlüssel für vertrauenswürdige, ethisch fundierte und auditierbare KI-Nutzung im Einkauf.

Erfolgsfaktoren und Herausforderungen

Die Einführung eines GenAI-gestützten Richtlinienberaters im Einkauf ist kein reines Technologieprojekt – sie erfordert ein tiefes Verständnis für Daten, Prozesse und Organisation. Ein zentraler Erfolgsfaktor ist die strukturierte Datenanbindung: Dokumente müssen nicht nur technisch verfügbar, sondern auch semantisch erschlossen und kontextualisiert sein. Hier spielen Vektordatenbanken und RAG-Architekturen eine entscheidende Rolle.

Ebenso wichtig ist die Modellierung der Wissensbasis: Welche Dokumente gelten wo? Welche Präzedenz haben sie? Und wie lassen sich widersprüchliche Inhalte auflösen? Ohne klare Hierarchien und Metadaten droht die KI, unklare oder falsche Empfehlungen zu geben.

Auf organisatorischer Ebene sind Change Management und Akzeptanz entscheidend. Mitarbeiterinne und Mitarbeiter müssen verstehen, wie die KI arbeitet, wo ihre Grenzen liegen und wie sie sinnvoll eingesetzt wird. Schulungen, transparente Feedbackschleifen und ein klarer Eskalationsmechanismus sind essenziell, um Vertrauen aufzubauen und die Lösung nachhaltig zu verankern.

Die Herausforderung liegt also nicht nur in der Technologie – sondern in der intelligenten Verbindung von Daten, Prozessen und Menschen. Wer diese Herausforderungen frühzeitig adressiert, schafft die Grundlage für eine skalierbare, auditierbare und zukunftsfähige KI-Lösung im Einkauf.

(ID:50548159)