Bestellungen automatisieren: Was sich mit Agentic AI ändert

Solange die Volumina gering sind, kommen viele Unternehmen bei Bestellungen mit einer Kombination aus ERP, E-Mails, Excel-Anhängen und Freigabe-Workflows gut zurecht. Das Problem zeigt sich, wenn Bestellungen über verschiedene Kanäle eingehen, Dokumente uneinheitlich sind, Daten nicht auf Anhieb zusammenpassen und Ausnahmen zur Regel werden. Spätestens dann ist es kein reines Effizienzprojekt mehr, Bestellungen zu automatisieren, sondern eine Frage der operativen Stabilität.

Jahrelang basierte die Automatisierung von Bestellungen auf Regeln, Freigabeschwellen und vordefinierten Schritten. Dieser Ansatz ist nach wie vor nützlich, stößt heute aber an eine klare Grenze: Er funktioniert gut, wenn der Prozess sauber, stabil und vorhersehbar ist, deutlich schlechter jedoch, wenn variable Dokumente gelesen, Zusammenhänge interpretiert oder Sonderfälle richtig weitergeleitet werden müssen. Agentic AI erweitert den Wirkungsbereich der Automatisierung genau an dieser Stelle: Der Workflow bleibt bestehen, gewinnt aber deutlich mehr Fähigkeit zur Interpretation und Entscheidung.

Bestellungen automatisieren: Was das heute bedeutet

Wer heute Bestellungen automatisieren will, meint damit die automatisierte Erstellung, Prüfung, Freigabe, Übermittlung und Überwachung von Bestellungen entlang des gesamten Procure-to-Pay-Prozesses. Konkret heißt das, Bedarfsanforderungen, Lieferantenstammdaten, Budgets, Einkaufsrichtlinien, Bestellungen und Buchhaltungssysteme in einem geordneten und nachvollziehbaren Ablauf zu verbinden.

Die technologische Basis besteht weiterhin aus drei Elementen: Freigabe-Workflows, Integration mit den Kernsystemen – allen voran dem ERP – und Datenqualität. Artikel, Lieferantennummern, Kostenstellen, Konditionen und Vertragsreferenzen müssen konsistent sein, sonst beschleunigt die Automatisierung auch die Fehler.

Historisch hat sich ein Großteil der Einkaufstechnologie, wie auch McKinsey feststellt, auf die transaktionale Automatisierung von Bestellungen, Rechnungen und Katalogen konzentriert und den entscheidungs- und interpretationsintensiven Teil des Prozesses weitgehend manuell gelassen (McKinsey, 5. Februar 2026). Diese Unterscheidung ist wichtig: Viele Unternehmen haben bereits Teile des Ablaufs automatisiert, doch das bedeutet noch lange nicht, dass ihr Bestellmanagement wirklich intelligent ist.

Die Grenzen der klassischen Bestellautomatisierung

Die klassische Automatisierung von Bestellungen folgt einer einfachen Logik: Sind die Felder korrekt ausgefüllt, ist der Lieferant angelegt, liegt der Betrag innerhalb der Schwelle und ist der Freigabeweg definiert, läuft der Prozess weiter. Fehlt eine dieser Bedingungen, stoppt der Ablauf oder wird an einen menschlichen Eingriff weitergeleitet.

Dieses Modell hat konkrete Ergebnisse gebracht, vor allem bei Standardisierung und Nachvollziehbarkeit. In vier wiederkehrenden Situationen lässt seine Wirksamkeit jedoch nach:

• Unstrukturierte oder teilstrukturierte Dokumente: Anfragen, Anhänge, Auftragsbestätigungen oder Lieferantenunterlagen können in unterschiedlichen Formaten eintreffen, mit unvollständigen Feldern, uneinheitlichen Bezeichnungen oder Informationen, die über mehrere Stellen verteilt sind. Eine regelbasierte Engine kann sie nur verarbeiten, wenn sie vorab starr konfiguriert wurde.
• Ausnahmen, die Kontext erfordern: Eine Abweichung bei Menge, Mengeneinheit, Preis, Liefertermin oder Vertragsreferenz ist nicht immer ein Fehler, der blockiert werden muss. Oft gilt es, die Situation zu interpretieren und zwischen einer echten Anomalie, einer akzeptablen Toleranz und einer bereits begründeten Abweichung zu unterscheiden.
• Über verschiedene Systeme verteilte Daten: ERP, Lieferantenportale, Altsysteme, Dokumentenablagen und E-Mail-basierte Kommunikation enthalten oft unterschiedliche Teile derselben Information. Der Prozess mag formal automatisiert sein, bleibt operativ aber fragmentiert. McKinsey weist darauf hin, dass viele Einkaufsorganisationen weniger als 20 % der verfügbaren Daten für ihre Entscheidungen nutzen – gerade wegen Einschränkungen bei Zugriff, Qualität und Verknüpfung der Quellen.
• Skalierbarkeit und Pflege der Regeln: Mit wachsender Zahl an Lieferanten, Ländern, Geschäftsbereichen, lokalen Richtlinien und Dokumentenvolumina erfordert jeder neue Fall neue Regeln, Prüfungen oder Konfigurationen. Das System wird aufwendiger in der Pflege und weniger flexibel im Umgang mit unvorhergesehenen Abweichungen.

Was Agentic AI hinzufügt, wenn Sie Bestellungen automatisieren

Agentic AI ist als Weiterentwicklung des Betriebsmodells zu verstehen. Sie bringt Fähigkeiten in den Prozess, die frühere Modelle nicht hatten: beobachten, was im Ablauf geschieht, den Kontext rekonstruieren, innerhalb festgelegter Grenzen operative Entscheidungen treffen, Aktionen in verschiedenen Systemen auslösen und aus bereits bearbeiteten Fällen lernen.

Im Einkauf bedeutet das den Schritt von einer Automatisierung, die Anweisungen ausführt, zu einer Automatisierung, die auch mit Variabilität umgehen kann. Deloitte beschreibt den Procurement Agent als ein System, das Procure-to-Pay-Aktivitäten durchgängig ausführen, Bestellungen überwachen und die häufigsten Ausnahmen lösen kann – und so Abstimmungsaufwand und Durchlaufzeiten verringert (Deloitte Insights, April 2026).

Der eigentliche Sprung besteht darin, dass der Prozess auch dann weiterläuft, wenn Daten nicht perfekt ankommen, Dokumente heterogen sind, Informationen aus mehreren Systemen zusammengeführt werden müssen oder eine Anomalie erst eingeordnet werden muss, bevor entschieden wird, ob sie freigegeben, korrigiert oder eskaliert wird.

Dokumente auslesen, Prüfungen und Ausnahmemanagement

In diesem Teil des Ablaufs zeigt Agentic AI die konkreteste Veränderung.

Das Auslesen von Dokumenten geht über die reine OCR-Feldextraktion hinaus. Ein agentisches System kann den Inhalt einer Anfrage mit früheren Bestellungen, Lieferantendaten, internen Katalogen, Vertragsbedingungen und der Historie von Ausnahmen abgleichen, nach Übereinstimmungen oder relevanten Abweichungen suchen und die Verlässlichkeit der Daten im jeweiligen Kontext bewerten.

Dasselbe gilt für Prüfungen. Im klassischen Modell ist die Kontrolle binär: konform oder nicht konform. Im agentischen Modell kann die Prüfung abgestuft erfolgen. So lässt sich etwa zwischen einer tolerierbaren Abweichung und einer, die ein Eingreifen erfordert, unterscheiden; das System kann die wahrscheinlichste Korrektur vorschlagen, die Meldung begründen und den Fall an die richtige Rolle weiterleiten, ohne eine pauschale Blockade auszulösen.

Das Ausnahmemanagement wird zu einem festen Bestandteil des Prozesses. Verwendet ein Lieferant eine andere Bezeichnung als im System hinterlegt, fehlt eine Bestellreferenz oder passt der Preis zwar zum Vertrag, aber nicht zum aktualisierten Katalog, kann der Agent den Fall rekonstruieren, Belege sammeln und einen Handlungsvorschlag vorbereiten. Die finale Freigabe bleibt beim Sachbearbeiter, aber nur dort, wo sie wirklich nötig ist.

Diese Entwicklung wirkt sich auch direkt auf die Integration aus. Eine Bestellung durchläuft nicht nur eine einzige Anwendung: Sie berührt ERP, Dokumentensysteme, Workflows, Lieferantenportale, Monitoring-Tools und oft auch Altsysteme. Agentic AI entfaltet ihren Wert dann, wenn sie diese Quellen in einer operativen Ebene orchestriert, die mit den bestehenden Systemen zusammenarbeitet.

Bestellungen automatisieren: Vorteile für Zeit, Genauigkeit und Skalierbarkeit

Der unmittelbarste Vorteil zeigt sich bei den Durchlaufzeiten des Prozesses. Werden Ausnahmen besser eingeordnet, Dokumente präziser ausgelesen und relevante Informationen ohne ständige Eskalationen beschafft, sinken Wartezeiten, Rückfragen und manuelle Prüfungen bei wiederkehrenden Fällen. Es geht dabei nicht nur um Geschwindigkeit: Der Ablauf wird weniger stockend.

Der zweite wichtige Effekt betrifft die operative Datenqualität. Wenn das System mehrere Quellen abgleicht, Unstimmigkeiten meldet, bevor die Bestellung weiterläuft, und aus korrigierten Fehlern lernt, sinkt das Risiko fehlerhafter Bestellungen, nachgelagerter Nacharbeit, Dokumentenabweichungen und Streitigkeiten mit Lieferanten. Der Vorteil ist nicht abstrakt: Er entlastet diejenigen, die freigeben, diejenigen, die buchen, und diejenigen, die im Nachhinein rekonstruieren müssen, was passiert ist.

Hinzu kommt die Skalierbarkeit. McKinsey berichtet von Fällen, in denen der Einsatz von KI-Agenten im Einkauf die Effizienz der Mitarbeitenden bei bestimmten Tätigkeiten um 20 bis 30 % gesteigert und den Zeitaufwand für Analysen, E-Mails und operative Abstimmung deutlich reduziert hat (McKinsey, 5. Februar 2026). Die Zahl ist mit Vorsicht zu lesen, doch die Richtung ist klar: Wer Bestellungen automatisieren will, schafft dann den größten Mehrwert, wenn das System Komplexität aufnimmt, ohne die menschliche Arbeit jedes Mal zu vervielfachen, sobald sich Lieferanten, Volumina oder Regeln ändern.

Im europäischen Kontext berührt dieser Schritt auch die Governance. Der Einsatz von KI-Modellen in Geschäftsprozessen erfordert Nachvollziehbarkeit, Kontrolle und Transparenz, nicht zuletzt mit Blick auf den europäischen Rechtsrahmen. Die offizielle Zusammenfassung des AI Act weist darauf hin, dass die Verordnung ab August 2026 allgemein gilt und Transparenz- und Risikomanagementpflichten für KI-Modelle mit allgemeinem Verwendungszweck sowie eine eigene Governance-Struktur auf EU-Ebene einführt. Wer operative Entscheidungen automatisiert, muss daher von Anfang an Rollen, Aufsicht und Audit Trail mitdenken.

Wann Sie starten sollten und mit welchen Abläufen

Der sinnvollste Ausgangspunkt ist der Ablauf, in dem Ausnahmen Durchlaufzeiten und operative Kosten am stärksten belasten.

Für viele Unternehmen ist ein eng abgegrenzter, aber reibungsintensiver Bereich die beste Wahl: Bestellungen von Lieferanten mit wechselnden Vorlagen, wiederkehrende Bedarfsanforderungen mit hohem Volumen, Vorabprüfungen bei sensiblen Kategorien, Konsistenzprüfungen zwischen Bestellung, Vertrag und Stammdaten oder die Bearbeitung von Fällen, die heute in gemeinsamen Postfächern oder manuellen Warteschlangen landen.

Priorität hat die Stelle, an der der Workflow am häufigsten ins Stocken gerät. Liegt der Engpass beim Auslesen von Dokumenten, beginnt man dort. Liegt er bei der Einordnung von Anomalien, baut man einen Anwendungsfall rund um das Exception Handling auf. Liegt er bei der Integration der Quellen, braucht es zuerst eine Ebene, die Daten zusammenführt und normalisiert.

Wer Bestellungen automatisieren will, kommt dann wirklich weiter, wenn Ausführung, Kontext und Entscheidung im selben operativen Ablauf zusammenfinden. Genau hier wird Agentic AI relevant: Sie macht den Einkauf an der Stelle weniger anfällig, an der die klassische Automatisierung immer ständige Eingriffe, manuelle Korrekturen und nachgelagerte Prüfungen erfordert hat.