KI im Einkauf: Angebotsvergleich und Lieferantenmanagement mit Gemini

Im Einkauf eines mittelständischen Betriebs landet jeden Tag Papier in allen Formen: Angebote als PDF, Preislisten als Excel, Auftragsbestätigungen per Mail, Lieferantenauskünfte, Zertifikate, Datenblätter. Wer drei Angebote für dasselbe Teil vergleichen will, tippt Preise, Lieferzeiten und Zahlungsbedingungen oft noch von Hand in eine Tabelle. Und ob die Auftragsbestätigung wirklich zur Bestellung passt, merkt man manchmal erst, wenn die Rechnung kommt.

Genau hier kann KI im Einkauf viel Routinearbeit abnehmen, ohne dass sie Entscheidungen trifft. Dieser Beitrag zeigt, wo Gemini im Einkauf und im Lieferantenmanagement konkret hilft, welche Technik dahintersteckt und welche Regeln Du von Anfang an festlegen solltest.

Was KI im Einkauf leisten kann (und was nicht)

Die Stärke aktueller Sprachmodelle liegt im Lesen und Ordnen unstrukturierter Dokumente. Laut der Gemini-API-Dokumentation zur Dokumentverarbeitung erfasst Gemini PDFs nicht nur als Text, sondern mit Bildern, Diagrammen und Tabellen, kann Inhalte zusammenfassen, Fragen dazu beantworten und Informationen in strukturierte Formate überführen. Das passt gut zu Angeboten, die jeder Lieferant anders aufbaut.

Was KI nicht leisten soll: Lieferanten auswählen, Preise verhandeln oder Bestellungen freigeben. Diese Entscheidungen bleiben beim Menschen. KI liefert eine vorbereitete, nachvollziehbare Grundlage, damit Dein Einkauf schneller und mit weniger Tippfehlern entscheidet.

Fünf Einsatzfelder, die sich oft zuerst lohnen

1. Angebotsvergleich

Gemini liest mehrere Angebote und überträgt die wichtigsten Felder in eine einheitliche Tabelle: Artikel, Menge, Einzelpreis, Staffelpreise, Lieferzeit, Zahlungsbedingungen, Gültigkeit, Versandkosten. Abweichungen wie fehlende Positionen oder abweichende Mengen werden markiert. Die Einkäuferin prüft die Tabelle, statt sie zu erstellen.

2. Abgleich von Bestellung und Auftragsbestätigung

Stimmen Preis, Menge, Liefertermin und Artikelnummer der Auftragsbestätigung mit Deiner Bestellung überein? Diesen Abgleich kann ein Workflow automatisch vorbereiten und nur die Abweichungen zur Prüfung vorlegen. Das ist einer der Anwendungsfälle, in denen sich strukturierte Ausgaben besonders lohnen, mehr dazu in unserem Beitrag Strukturierte Ausgaben mit JSON Schema und Gemini.

3. Lieferantenunterlagen im Blick behalten

Zertifikate, Selbstauskünfte und Rahmenverträge haben Gültigkeitsdaten. KI kann aus eingehenden Dokumenten Ablaufdaten und Aussteller auslesen und in eine Lieferantenübersicht in Google Sheets schreiben. Eine einfache Automatisierung erinnert dann rechtzeitig, bevor etwas ausläuft.

4. Anfragen und Rückfragen formulieren

Mit Gemini in Gmail lassen sich Preisanfragen, Rückfragen zu unklaren Positionen oder Mahnungen zu Lieferterminen schnell entwerfen, auch in anderen Sprachen. Der Entwurf bleibt ein Entwurf, bis jemand ihn prüft und abschickt.

5. Wissen aus dem Einkauf auffindbar machen

Wer hat das Teil zuletzt geliefert? Welche Konditionen galten im Rahmenvertrag? Wenn Verträge und Korrespondenz sauber in Google Drive liegen, kann Gemini Fragen dazu beantworten, und zwar nur mit den Dokumenten, auf die die fragende Person Zugriff hat. Wie das bei Berechtigungen funktioniert, erklären wir im Beitrag RAG mit Google Drive und Berechtigungen.

Welche Technik passt: Gemini direkt oder Document AI?

Für Dokumente im Einkauf gibt es bei Google zwei Wege, die sich ergänzen:

• Gemini über die API oder Vertex AI: flexibel, versteht unterschiedlich aufgebaute Dokumente gut und liefert mit einem festen Schema strukturierte Daten zurück. Gut geeignet für Angebote, Auftragsbestätigungen und freie Lieferantenkorrespondenz. Die Dokumentation zu strukturierten Ausgaben beschreibt, wie Du das Antwortformat festlegst.
• Document AI in Google Cloud: eine Plattform, die laut Google-Cloud-Dokumentation Dokumente per OCR digitalisiert, Schlüssel-Wert-Paare und Tabellen erkennt, Dokumenttypen klassifiziert und gemischte PDFs in einzelne Dokumente aufteilt. Sinnvoll bei großen Mengen gleichartiger Dokumente und wenn Du einen eigenen, trainierbaren Extraktor möchtest.

Für die meisten Betriebe im Mittelstand ist der Einstieg mit Gemini und einem klaren Schema der schnellere Weg. Document AI wird interessant, wenn das Volumen steigt oder sehr gleichförmige Formulare verarbeitet werden. Die Anbindung an Postfach, Drive und Sheets übernimmt in beiden Fällen ein Workflow-Werkzeug wie n8n oder Make, siehe unsere Seite zur Prozessautomatisierung.

Ein Ablauf, wie er in der Praxis aussehen kann

1. Ein Angebot kommt per Mail in das Einkaufspostfach.
2. Der Workflow legt den Anhang in einem festen Drive-Ordner ab und schickt ihn mit einem Schema an Gemini.
3. Gemini liefert die Felder als JSON zurück, der Workflow prüft Pflichtfelder, Zahlenformate und Plausibilität.
4. Die Daten landen als neue Zeile in der Vergleichstabelle, unsichere Felder sind farbig markiert.
5. Die Einkäuferin prüft, ergänzt und entscheidet. Erst dann geht es weiter in Bestellung oder Warenwirtschaft.

Ein wichtiger Punkt bei eingehenden Dokumenten: Nicht jeder Anhang ist das Dokument, das Du erwartest. Ein vorgeschalteter Klassifizierungsschritt erspart viel Ärger. Was wir dabei gelernt haben, steht im Beitrag Belegverarbeitung automatisieren mit n8n.

Regeln, die Du vor dem Start festlegen solltest

• Mensch entscheidet: Freigaben, Lieferantenwahl und Bestellungen laufen nie automatisch. KI bereitet vor, ein Mensch zeichnet ab.
• Datenschutz und Vertraulichkeit: Angebote enthalten Konditionen, die Lieferanten vertraulich behandelt wissen wollen. Nutze nur Dienste mit geschäftlichen Datenschutzzusagen, für Gemini in Workspace beschreibt Google diese im Privacy Hub. Private Chatbot-Konten sind tabu.
• Eingaben sind nicht vertrauenswürdig: Ein Dokument von außen kann versteckte Anweisungen enthalten. Der Workflow darf deshalb nur lesen und Felder liefern, keine Mails verschicken oder Daten ändern. Mehr dazu in Guardrails gegen Prompt Injection.
• Nachvollziehbarkeit: Speichere zu jedem Datensatz das Originaldokument. So kann jede Zahl in der Tabelle zur Quelle zurückverfolgt werden.
• Klein anfangen: Ein Dokumenttyp, ein Postfach, eine Tabelle. Erst wenn das stabil läuft, kommt der nächste Schritt.

So startest Du

Sammle zehn bis zwanzig echte Angebote oder Auftragsbestätigungen aus den letzten Monaten, mit Einverständnis der Fachabteilung. Lege fest, welche Felder Ihr wirklich braucht, und teste damit ein Schema. Vergleiche die Ergebnisse mit dem, was Ihr bisher von Hand erfasst habt. So siehst Du schnell, wo die KI zuverlässig ist und wo Ihr nachsteuern müsst.

Wenn Ihr mit Lieferanten im Ausland arbeitet, lohnt sich auch ein Blick auf die neue Sprachübersetzung in Google Meet für Abstimmungen per Video.

Fazit

KI im Einkauf ist kein Großprojekt, sondern eine Reihe kleiner, gut prüfbarer Schritte: Angebote vergleichbar machen, Auftragsbestätigungen abgleichen, Lieferantenunterlagen im Blick behalten. Die Entscheidung bleibt beim Menschen, die Tipparbeit übernimmt der Workflow.

Wie gut ist Dein Betrieb für solche Anwendungen aufgestellt? Starte mit unserem AI-Readiness-Check oder lies das AI-Readiness-Whitepaper. Für einen konkreten Einkaufs-Workflow sprich uns an: Kostenloses Erstgespräch vereinbaren.