Autonomer Verhandlungsagent für Lieferanten (Tail-Spend-Verträge)

Große Einkaufsorganisationen haben Tausende kleiner Lieferanten, deren Verträge für die Zeit eines Category Managers zu wenig wert sind; Preise und Zahlungsbedingungen werden deshalb einfach fortgeschrieben. Ein Verhandlungsagent kontaktiert diese Lieferanten parallel, verhandelt innerhalb der vom Einkauf gesetzten Grenzen mehrere Punkte gleichzeitig (Preis, Zahlungsbedingungen, Boni, Lieferung, Laufzeit) und hält die vereinbarten Konditionen in ERP oder CLM fest. Dokumentierte Einsätze berichten von Einsparungen im niedrigen einstelligen Prozentbereich und längeren Zahlungszielen, ohne zusätzliches Einkaufspersonal.

Problem & Nutzen

• Heute: Der Tail Spend (typischerweise die lange Liste kleiner Lieferanten hinter einem Minderheitsanteil der Gesamtausgaben) wird durch automatische Verlängerung, Bedarfsdeckung außerhalb der Vorgaben (Maverick Buying) und gelegentliche Stichproben gesteuert. Category Manager konzentrieren sich auf strategische Lieferanten; Tail-Verträge verlängern sich automatisch zum Listenpreis oder mit dem Aufschlag, den der Lieferant vorschlägt.
• KI-Nutzen: Ein Agent kann Hunderte oder Tausende Verhandlungen gleichzeitig eröffnen, vergisst das Playbook nie, antwortet binnen Minuten und bewältigt Zielkonflikte zwischen mehreren Punkten (zum Beispiel einen etwas höheren Preis für 30 zusätzliche Zahlungstage zu akzeptieren, abhängig von den Kapitalkosten des Käufers).
• Berichtete Belege (von Anbietern/Käufern berichtet, nicht unabhängig geprüft): Im kanadischen Pilotprojekt von Walmart mit Pactum wurden folgende Ergebnisse berichtet: 64 % von 89 teilnehmenden Lieferanten erzielten eine Einigung, die Kosten sanken im Schnitt um rund 1,5 %, und die Zahlungsfrist wurde auf etwa 35 Tage verlängert; die meisten Lieferanten mit Abschluss standen dem Chatbot positiv gegenüber [1][2]. Pactums Mitteilung vom Januar 2023 zum ausgeweiteten Programm nennt eine Abschlussquote von 68 % und durchschnittlich rund 3 % Einsparung und besagt, das System könne etwa 2.000 Verhandlungen gleichzeitig führen [3]. Pactum nennt außerdem Maersk als Kunden [4]. Die Zahlen aus Pilot und Ausweitung sind unterschiedliche Kennzahlen und sollten nicht vermischt werden.
• Nicht geeignet: strategische, hochwertige oder Single-Source-Kategorien; diese brauchen menschliche Verhandler, KI dient dort allenfalls als Vorbereitungshilfe (siehe AGENT-005).

Varianten

• Kosten- und Konditionenkampagnen (Tail Spend): Preis-/Bonussenkungen über indirekte Kategorien hinweg (Verpackung, MRO, Dienstleistungen, Facility).
• Kampagnen zu Zahlungsbedingungen und Working Capital: Zahlungsziele verlängern oder Skonto für frühe Zahlung anbieten; Verbindung zu Lieferkettenfinanzierung und AGENT-023.
• Verlängerungsagent: wird durch Verlängerungstermine im CLM ausgelöst; schlägt eine Verlängerung mit einer Obergrenze für den Aufschlag und einem Zielkonflikt zwischen Laufzeit und Preis vor.
• Agent-zu-Agent-Verhandlung: Auch der Lieferant setzt einen Agenten ein; beide tauschen strukturierte Angebote aus (regelbasiertes Protokoll oder natürliche Sprache). Noch früh; Vereinbarungen erfordern Identitätsprüfungen und ein begrenztes Mandat auf beiden Seiten.
• Hybrider „Verhandlungs-Copilot“: Der Agent entwirft Angebote und Gegenangebote, ein menschlicher Einkäufer klickt auf „Senden“. Üblicher erster Schritt für KMU und dort, wo die Vertretungsbefugnis ein Thema ist.
• Öffentliche Auftraggeber: nur im Rahmen des Vergaberechts (bei vielen offenen Verfahren keine freie Verhandlung); überwiegend bei Beschaffungen unterhalb der Schwellenwerte und Abrufen aus Rahmenverträgen.

So funktioniert es

1. trigger (expiring contract / spend analysis / campaign)
2. supplier selection & segmentation (spend, criticality, alternatives, relationship risk)
3. buyer playbook: targets, reservation values, issue weights, concession schedule, forbidden topics
4. outreach (email/chat/portal link) with disclosure that an AI agent is negotiating
5. negotiation loop: parse supplier message
6. update state
7. utility model chooses next offer
8. LLM phrases it
9. guardrails: limits check, no commitments outside mandate, prompt-injection filter
10. agreement
11. human approval above threshold
12. e-signature / PO / amendment
13. write-back to ERP (price list, payment terms) and CLM; audit log; savings tracking
14. escalation to human buyer on any exception

• Trennung von Entscheidung und Sprache: Robuste Einsätze halten die Entscheidung (welches Angebot gemacht wird) in einer deterministischen oder Optimierungsschicht, die die Nutzenfunktion und die harten Grenzen des Käufers enthält, und nutzen das Sprachmodell (LLM) zum Verstehen der Lieferantentexte und zum Formulieren. Das verhindert, dass eine geschickte Nachricht den Agenten unter seine Ausstiegsgrenze redet.
• Verhandeln über mehrere Punkte: Der Agent bietet Pakete an (z. B. Preis X mit Zahlungsbedingung Y oder Preis X+1 % mit Zahlungsbedingung Y+30 Tage) und lernt die Präferenzen des Lieferanten daraus, welches Paket dieser annimmt.
• Mensch-in-der-Schleife (Human-in-the-Loop): Einkäufer legen das Playbook fest, geben Kampagnen frei, erhalten Eskalationen (Verärgerung, Rechtsfragen, ungewöhnliche Wünsche) und genehmigen Abschlüsse oberhalb eines Wertschwellenwerts. Die verbindliche Unterschrift bleibt bei einer bevollmächtigten Person oder einem vorab delegierten, gedeckelten Mandat.

Datenaufbereitung

Der Agent braucht die Lieferantenstammdaten und den Ausgabenwürfel (ERP- oder P2P-System), Verträge und Verlängerungstermine (CLM, im KMU oft ein Ordner mit PDFs und eine Excel-Liste), frühere Preise und Bestellhistorie sowie das Einkaufs-Playbook mit Zielen und Ausstiegsgrenzen. In vielen KMU existiert das Playbook nur in den Köpfen der Einkäufer, Verträge sind gescannte PDFs, und Lieferantennamen sind systemübergreifend doppelt vorhanden („Müller GmbH“ vs. „Mueller GmbH“).

Typische Aufbereitungsschritte: - Lieferantenstamm bereinigen (Dubletten entfernen, Kategorien zuordnen) und eine saubere Ausgabentabelle aufbauen, siehe PREP-005 und PREP-011. - Verträge digitalisieren und per OCR erfassen, Laufzeit-, Kündigungsfrist- und Preisklauseln extrahieren, siehe PREP-006 und DOC-009. - Playbooks verschriftlichen: Ziele, Grenzen, Gewichtung der Zielkonflikte je Kategorie, siehe PREP-016. - Festlegen, wer wozu Zusagen machen darf, und erfassen, welche E-Mail-Adressen für den Lieferantenkontakt verwendet werden dürfen. - Einen kleinen Testdatensatz früherer Verhandlungen zur Bewertung des Agenten aufbauen, siehe PREP-018.

Werkzeuge: ERP-Export oder -API, ein OCR-/Dokumenten-Parser, eine Tabellenkalkulation oder eine kleine Datenbank. Grober Aufwandsanteil: etwa 30-40 Prozent des Projekts, überwiegend Stammdatenbereinigung und Playbook-Erstellung. Nutzen Sie GUIDE-003 für einen schnellen Reifegradcheck.

Umsetzungswege

Welcher Weg für wen

• KMU (A): Es gibt spezialisierte Verhandlungsdienste, die pro Verhandlung oder als Anteil an den Einsparungen vergütet werden; einen eigenen Agenten zu bauen lohnt sich für eine Handvoll Einkäufer nicht.
• Großunternehmen (B): Playbooks, Grenzen und das Rückschreiben in ERP/CLM sind spezifisch für Ihre eigenen Prozesse und Ausgabendaten, daher passt ein orchestrierter Aufbau auf Cloud-KI-Diensten besser als ein fester Produktansatz.
• Entwickler (B): Cloud-KI-Dienste mit einem Agenten-Framework und einer Regel-Engine für Ausstiegsgrenzen sind der schnellste Weg zu einem kontrollierten Prototyp.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Spezialisierte autonome Verhandlung: Pactum (Verhandlungsagenten für Konditionen, Preis und Verlängerungen; Walmart und Maersk als Kunden genannt).
• Sourcing-Suiten mit KI-Verhandlung oder -Optimierung: Arkestro (prädiktive Beschaffung), Keelvar (irisch, EU; Sourcing-Optimierung und autonome Sourcing-Bots), Zycus, Fairmarkit (Tail-Spend-Sourcing), Globality, GEP, Coupa, SAP Ariba / SAP Business AI, Jaggaer, Ivalua (französisch, EU), Scoutbee (deutsch, EU; Lieferantensuche).
• Prüfen: Datenspeicherung in der EU, ausdrückliche Offenlegung des KI-Einsatzes gegenüber Lieferanten, ERP/CLM-Konnektoren (SAP, Oracle, Coupa, Ariba), konfigurierbare Mandatsgrenzen, vollständiger Export der Verhandlungsprotokolle, Wechsel des Lieferanten zu einem Menschen auf Wunsch.
• Wählen Sie A, wenn: mehr als einige Hundert Tail-Lieferanten vorhanden sind, die Ausgabendaten halbwegs sauber sind und ein Einkaufsteam Playbooks definieren kann.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Reasoning-LLM mit Tool-Aufrufen (Claude, GPT, Gemini oder EU-Anbieter wie Mistral) zum Verstehen von Nachrichten, zum Entwerfen und Zusammenfassen; EU-Regionen über Azure OpenAI, Vertex AI oder Bedrock.
• Entscheidungsschicht im Code: Nutzenfunktion, Zugeständniskurven (Boulware-/Conceder-Strategien aus der Literatur zur automatisierten Verhandlung) oder ein LP/MIP-Solver (OR-Tools) über gebündelte Angebote.
• Orchestrierung mit einem Agenten-Framework (LangGraph, Microsoft Agent Framework oder ähnlich) oder n8n; E-Mail über Microsoft Graph / Gmail API; ERP über SAP OData/BAPI, Dynamics oder Oracle REST; CLM über Anbieter-APIs; MCP-Server für den Werkzeugzugriff.
• Wählen Sie B, wenn: Sie eigene Entwicklung im Haus haben und einen spezifischen Prozess oder eine ERP-Landschaft, die kein Produkt abdeckt.

Weg C — Selbst betreiben (Open Source)

• Open-Weight-Reasoning-Modelle (Qwen3-Familie, Llama, Mistral, gpt-oss), betrieben mit vLLM auf HW3 (eine GPU mit 48-96 GB) für Modelle mit ~30-120 Mrd. Parametern; HW2 genügt für ein Modell mit 14-32 Mrd. im reinen Entwurfsmodus.
• Open-Source-Stack: LangGraph oder ähnlich, Temporal/Camunda für dauerhafte Workflows, OR-Tools für den Angebotsoptimierer, Presidio zur Maskierung personenbezogener Daten.
• Geeignet für souveränitätsorientierte oder regulierte Käufer; rechnen Sie mit mehr Entwicklungsaufwand, bis die Verhandlungsqualität verlässlich ist.

Weg D — Eigenes Training

Anfangs selten lohnend. Später möglich: ein kleines Modell mit eigenen anonymisierten Verhandlungsprotokollen für Tonalität und die Klassifikation der Lieferantenabsicht feintunen, oder einen Prädiktor für die Lieferantenzustimmung (tabellarisches ML) auf Basis früherer Kampagnenergebnisse trainieren, um Eröffnungsangebote festzulegen. Erfordert einige Hundert bis Tausende abgeschlossene Verhandlungen.

Stand der Technik (2026)

• Praxis im Produktivbetrieb: Autonome Verhandlung funktioniert am besten in engen, regelbegrenzten Szenarien mit vielen ähnlichen Gegenparteien (Tail Spend, Zahlungsbedingungen) – genau dort, wo menschliche Aufmerksamkeit knapp ist. Das Muster „Optimierungskern + LLM-Schnittstelle“ ist der praktische Standard.
• Reine LLM-Verhandler sind schwächer: Forschung zum Verhandeln mit LLMs zeigt Anfälligkeit für Ankereffekte, übermäßiges Nachgeben, sozialen Druck und uneinheitliche Einhaltung von Grenzen; Prompt-Injection durch die Gegenpartei ist eine dokumentierte Angriffsklasse auf Agenten, die nicht vertrauenswürdige Texte lesen.
• Agent-zu-Agent-Handel: Protokolle für Geschäfte zwischen Agenten (siehe AGENT-022) entstehen gerade; maschinenlesbare Angebote werden Agenten auf Lieferantenseite häufiger machen und den Bedarf an Authentifizierung und Mandatsprüfungen erhöhen.
• Grenzen und Fehlerbilder: halluzinierte Zusagen (Zustimmung zu Konditionen außerhalb des Mandats oder erfundene Vertragsklauseln), Beziehungsschäden bei Lieferanten, die Automatisierung ablehnen, Einsparungen, die einmalig statt nachhaltig sind, Preiserhöhungen des Lieferanten an anderer Stelle, sprachliche/kulturelle Nuancen und die fälschliche Anwendung einer Kampagne auf einen Lieferanten, der tatsächlich kritisch ist.

Gemeinsame Bausteine & Kombinationen

• AGENT-005 (Sourcing-/Angebotsvergleich) liefert diesem Agenten Alternativen (BATNA); DATA-015 (Ausgabenklassifikation) identifiziert Tail-Lieferanten; DOC-009/DOC-010 (Vertragsanalyse) liefert aktuelle Konditionen und entwirft Nachträge; AGENT-023 übernimmt die Liquiditätsseite, wenn sich Zahlungsbedingungen ändern; AGENT-025 steuert und überwacht den Agenten; AGENT-013 für Multi-Agenten-Orchestrierung; ANOM-009 prüft auf Lieferantenbetrug und Änderungen von Bankdaten.
• Gleicher Stack (llm-reasoning, agent-framework, workflow-automation, guardrails) wie andere Back-Office-Agenten; ein gemeinsamer HW3-Inferenzserver genügt.

Aufwand, Kosten & Kennzahlen

• Weg A: 2-4 Monate bis zur ersten produktiven Kampagne (Datenaufbereitung, Playbooks, Integration); Anbieter rechnen oft als Anteil an den Einsparungen oder pro Verhandlung ab – Vertragsbedingungen prüfen.
• Weg B: 4-9 Monate für ein produktionsreifes System inkl. Rückschreiben in ERP/CLM, Kontrollen und Evaluation.
• Weg C: ähnlich wie B, zuzüglich GPU-Server und Betriebsaufwand.
• Kennzahlen: Abschlussquote (% der Lieferanten mit Einigung), realisierte Einsparungen gegenüber der Basislinie (preisbereinigt, nicht nur gegenüber Liste), durchschnittliche Verlängerung der Zahlungsziele, freigesetzte Liquidität, Durchlaufzeit je Verhandlung, Eskalationsquote, Lieferantenzufriedenheit, Anteil der Abschlüsse mit Nacharbeit, Richtlinienverstöße (Ziel: null).

Menschen & Veränderung

Beziehen Sie von Beginn an die Geschäftsleitung (Budget, Verhandlungsgrenzen und was der Agent zusagen darf) und die Abteilungsleitung Einkauf ein, da die Einkäufer die Playbooks verantworten. IT und Datenverantwortliche stellen den Zugang zu ERP/CLM bereit; Recht und Compliance prüfen Vertretungsbefugnis, Unterschriftsregeln und die Art, wie Lieferanten darüber informiert werden, dass eine KI verhandelt (die Transparenzpflicht nach Art. 50 KI-Verordnung gilt seit dem 2. Aug. 2026). Lieferanten sollten vor der ersten Kampagne über den neuen Kanal informiert werden.

Betriebsrat: wird in der Regel nicht ausgelöst, weil der Agent Lieferanten überwacht, nicht Beschäftigte. Informieren Sie den Betriebsrat dennoch rechtzeitig nach §90 Abs. 1 Nr. 3 BetrVG, wenn sich Arbeitsabläufe der Einkäufer ändern, und prüfen Sie §87 Abs. 1 Nr. 6, wenn das Werkzeug die Tätigkeit der Einkäufer protokolliert. Ansprechpartner bei Lieferanten sind personenbezogene Daten; beziehen Sie daher die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ein und schließen Sie mit dem Anbieter einen AVV ab (GUIDE-005).

Maßnahmen zur KI-Kompetenz (Art. 4 KI-Verordnung): kurze Schulung für Einkäufer zur Funktionsweise des Agenten, zu seinen Grenzen und zur Eskalation (GUIDE-006). Starten Sie mit einer Pilotgruppe von zwei oder drei Einkäufern und einer risikoarmen Kategorie (GUIDE-009). Typische Sorge: „Der Agent ersetzt mich“ – stellen Sie ihn als Übernehmer des Long Tail dar, damit sich Einkäufer auf strategische Lieferanten konzentrieren können (GUIDE-008). Halten Sie die Kontrolle beim Menschen durch harte Grenzen, Freigabe oberhalb eines Schwellenwerts und einen vollständigen Prüfpfad.

Risiken, Regulierung & Compliance

• KI-Verordnung (EU AI Act): typischerweise minimales Risiko – B2B-Verhandlung ist kein Anwendungsfall nach Anhang III. Transparenz: Wo ein Agent mit natürlichen Personen interagiert (Einzelunternehmer, Mitarbeitende von Lieferanten), ist der Hinweis erforderlich, dass sie mit einer KI sprechen (Art. 50 Abs. 1), und überall gute Praxis. KI-Kompetenz gilt (Art. 4). Verbotene Praktiken (Art. 5), etwa manipulative Techniken, die das Verhalten wesentlich verzerren, oder das Ausnutzen von Schwächen, müssen aus den Taktiken des Agenten ausgeschlossen werden; lassen Sie den Agenten keinen täuschenden Druck ausüben. Würde der Agent für Personalführung oder Kreditentscheidungen eingesetzt, änderte sich die Einstufung.
• DSGVO: Namen, E-Mail-Adressen und Daten von Einzelunternehmern der Lieferantenkontakte sind personenbezogene Daten; erforderlich sind eine Rechtsgrundlage (Vertrag/berechtigtes Interesse), Auftragsverarbeitungsverträge, Hosting in der EU, Aufbewahrungsgrenzen für Protokolle und keine ausschließlich automatisierten Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung für Personen (Art. 22), wenn die Gegenpartei eine natürliche Person ist.
• Vertragsrecht und Vertretungsbefugnis: Legen Sie fest, wer das Unternehmen verpflichten darf; deckeln Sie das Mandat des Agenten nach Wert, Laufzeit und Verhandlungspunkt; verlangen Sie menschliche Freigabe oberhalb von Schwellenwerten; führen Sie eine unterzeichnete Delegationsrichtlinie. Prüfen Sie, ob angenommene Angebote Formerfordernisse erfüllen (Schriftform, E-Signatur nach eIDAS).
• Wettbewerbsrecht: Der Agent darf keine wettbewerbssensiblen Informationen austauschen oder kollusive Muster lernen; Preise eines Lieferanten dürfen einem anderen nicht offengelegt werden.
• Faires Verhalten im Geschäftsverkehr: EU-weite und nationale Regeln zum Zahlungsverzug (Richtlinie 2011/7/EU) und zu unlauteren Handelspraktiken (Richtlinie (EU) 2019/633 für Agrar- und Lebensmittel) begrenzen aggressive Verlängerungen der Zahlungsziele bei kleinen Lieferanten; Sorgfaltspflichten in der Lieferkette (z. B. deutsches LkSG, CSDDD) bedeuten, dass Preisdruck die Compliance nicht untergraben darf.
• Sicherheit: Prompt-Injection aus Lieferanten-E-Mails, Identitätsvortäuschung (ein falscher Lieferant verlangt geänderte Bankdaten); lassen Sie den Agenten Stammdaten niemals aus Freitext ändern.
• Gegenmaßnahmen: harte Grenzen außerhalb des LLM, Werkzeuge nur über Positivliste, Vier-Augen-Freigabe bei Bankdaten, Protokollierung der Verhandlungen, Red-Team-Tests, menschlicher Ausweg auf Wunsch.

Erste Schritte

1. Tail-Lieferanten aus den Ausgabendaten extrahieren (DATA-015); eine Kategorie mit 50-200 Lieferanten, auslaufenden Verträgen und geringem Beziehungsrisiko auswählen.
2. Einkäufer interviewen und das Playbook verfassen: Ziele, Ausstiegsgrenzen, Gewichtung der Verhandlungspunkte, Tonalität, ausgeschlossene Zugeständnisse, Eskalationsregeln.
3. Einen Pilotbetrieb mit menschlicher Prüfung (Copilot) durchführen; Abschlussquote und Einsparungen gegen eine Kontrollgruppe von Lieferanten messen, die wie bisher betreut werden.
4. Mandat und Freigabeschwellen mit Recht und Finanzen festlegen; KI-Hinweistext in die Ansprache und einen „Mit einem Menschen sprechen“-Weg per Klick ergänzen.
5. Rückschreiben in ERP/CLM mit Validierung anbinden, dann Kampagne für Kampagne mit wöchentlicher Kennzahlenprüfung ausweiten.

Quellen

1. Harvard Program on Negotiation - Chatbot Negotiations: What Can AI Do for You? - https://www.pon.harvard.edu/daily/negotiation-skills-daily/chatbot-negotiations-what-can-ai-do-for-you
2. Engadget - Walmart's suppliers would rather negotiate with AI than a human - https://www.engadget.com/walmarts-suppliers-would-rather-negotiate-with-ai-than-a-human-162131831.html
3. Business Wire - Pactum's Autonomous Negotiation Technology on Display at NRF 2023 - https://www.businesswire.com/news/home/20230111005148/en/Pactums-Autonomous-Negotiation-Technology-on-Display-at-the-National-Retail-Federations-2023-Retail-Big-Show
4. Pactum - Commercial term negotiations / campaign agents - https://pactum.com/commercial-terms/
5. Bloomberg - Walmart Is Using AI to Negotiate the Best Price With Some Vendors - https://brp-prod-bcc.bloomberg.com/news/articles/2023-04-26/walmart-uses-pactum-ai-tools-to-handle-vendor-negotiations
6. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. Regulation (EU) 2016/679 (GDPR) - https://eur-lex.europa.eu/eli/reg/2016/679/oj
8. Directive 2011/7/EU on combating late payment - https://eur-lex.europa.eu/eli/dir/2011/7/oj