Der Kern dieser Arbeit ist Abwägen: Preis, Qualität und Liefertreue müssen gleichzeitig stimmen. Dafür beobachten Einkäufer Märkte, vergleichen Angebote und verhandeln – oft für viele Produkte gleichzeitig. Wie diese Abwägung heute getroffen wird, ist gerade im Umbruch.
Einkäufer sorgen dafür, dass ihr Betrieb bekommt, was er braucht – zu einem Preis und in einer Qualität, die passt.
Einkäufer kaufen im Auftrag von Industrie-, Handels-, Regierungs- oder anderen Betrieben und Organisationen Waren und Dienstleistungen für den eigenen Gebrauch oder den Weiterverkauf. Zu den Aufgaben gehören - (a) Festlegen oder Aushandeln von Vertragsbedingungen, Vergabe von Lieferantenverträgen oder Empfehlung der Vergabe von Verträgen für den Einkauf von Ausrüstung, Rohstoffen, Produkten, Dienstleistungen und Waren für den Weiterverkauf; (b) Einholen von Informationen über Anforderungen und Bestände sowie Erarbeitung von Spezifikationen für Menge und Qualität der zu beschaffenden Waren, Kosten, Liefertermine und andere Vertragsbedingungen; (c) Einkauf allgemeiner und spezialisierter Ausrüstung, Materialien oder Geschäftsdienstleistungen für den Gebrauch oder die Weiterverarbeitung im eigenen Betrieb; (d) Einholen von Angeboten, Beratung mit Lieferanten und Prüfung von Kostenvoranschlägen; (e) Einkauf von Waren für den Weiterverkauf durch Einzelhandels- oder Großhandelsbetriebe; (f) Studium von Marktberichten, Fachzeitschriften und Verkaufsförderungsmaterial sowie Besuch von Fachmessen, Ausstellungsräumen, Fabriken und Produktdesign-Veranstaltungen; (g) Auswahl der Waren oder Produkte, die den Anforderungen des Betriebs am besten entsprechen; (h) Befragung von Lieferanten und Verhandlung von Preisen, Rabatten, Kreditbedingungen und Transportvereinbarungen; (i) Überwachung der Verteilung von Waren an Verkaufsstellen und Aufrechterhaltung angemessener Lagerbestände; (j) Festlegung von Lieferplänen, Überwachung des Fortschritts und Kontaktaufnahme mit Kunden und Lieferanten zur Lösung von Problemen. Beispiele für die hier eingeordneten Berufe: - Einkäufer - Beschaffungsreferent - Einkaufsagent - Einkaufs-Merchandiser - Versorgungsreferent Einige verwandte, anderswo eingeordnete Berufe: - Warenhändler (Commodities Broker) - 3324
Beschaffungsfachkauffrau · Beschaffungsfachkaufmann · Bühnenbild-Assistent · Bühnenbild-Assistentin · Bühnenbildassistent · Bühnenbildassistent/Bühnenbildassistentin · Bühnenbildassistentin · Einkäufer in der Holzindustrie · Einkäufer/Einkäuferin · Einkäuferin · Einkäuferin in der Holzindustrie · Einkaufsfachkauffrau · +58 weitere
Quelle: ESCO (European Skills, Competences, Qualifications and Occupations) — untergeordnete Occupations der ISCO-08-Gruppe 3323.
Die Analyse- und Planungsseite des Einkaufs schichtet sich um, während das Organisieren von Bestand und Verkaufsfläche unverändert bleibt — wie stark, dazu sind die Studien uneins.
Einkäufer liegt im mittleren Bereich — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberes Mittelfeld von 411 Berufen | nur am Rand von generativer KI berührt | Von 24 verglichenen Berufen sind 4 weniger betroffen als dieser. Gruppe: Kaufmännische Fachkräfte |
Ähnlich eingeordnet: Arbeits- und Personalvermittler · Fotografen · Nicht akademische Rechtsfachkräfte
Gerade der Kern dieser Rolle — das Verhandeln mit Lieferanten und die Pflege der Geschäftsbeziehungen — ist bislang von keiner Untersuchung genauer betrachtet worden. Damit ist weder belegt, dass KI hier viel verändert, noch dass sie es nicht tut. Nach heutigem Stand bleibt dieser zentrale Bereich schlicht eine offene Frage.
Eigene Auswertung (SapientShift-Tätigkeitsanalyse) auf Basis der ILO-Einstufung · Quelle der Einstufung: ILO, Generative AI and Jobs (Working Paper 140), 2025 · Stand 2026-07-19 · Methodik
Bei Einkäufern widersprechen sich die Messungen deutlich: Eine große Untersuchung sieht die Betroffenheit gleichmässig niedrig, zwei andere zählen den Einkauf dagegen zu den am stärksten von KI berührten Berufen überhaupt — diese Spanne bleibt offen. Wo die Belege konkret werden, geht es um Umschichtung statt Wegfall: Betroffen sind vor allem die Markt- und Materialanalyse sowie die Bedarfs- und Bestandsprognose, wo die Maschine Muster und Ursachen findet, ohne dass jemand von Hand danach suchen muss — im Gegenzug wird das Auswerten und Einordnen wichtiger, die Arbeit verlagert sich innerhalb des Berufs zu den weniger berührten Aufgaben. Für das Organisieren von Warenbestand und Verkaufsfläche zeigt sich dagegen keine Verschiebung; diese ausführende Arbeit übernimmt ein Sprachmodell nicht. Das heißt allerdings nur, dass die Sprach-KI sie nicht antastet — ob Lager- und Regalrobotik sie verschiebt, hat keine der Untersuchungen gemessen.
Das maschinelle Auswerten von Daten übernimmt zunehmend die KI, das Deuten der Ergebnisse wird wichtiger.
Das Analysieren und Deuten von Daten verändert sich spürbar: Das Aufspüren von Trends und Zusammenhängen ist die verbreitetste KI-Anwendung überhaupt und trifft genau die Berufe, die diese Aufgabe ausführen — Werkzeuge durchsuchen Kennzahlen und Datenbanken und fassen Auffälligkeiten in verständlicher Sprache zusammen. Die eigentliche Interpretationskompetenz wird dadurch aber nicht ersetzt, sondern gerade wichtiger; Fachleute berichten, dass Datenauswertung und -deutung an Bedeutung gewinnen. Wie stark sich die Aufgabe verschiebt, hängt davon ab, wie breit sie im jeweiligen Beruf ausgefüllt wird — mal verlagert sie sich nur, mal fällt sie stärker weg.
Die planende und preisoptimierende Seite der Beschaffung gerät durch KI in Bewegung, das Aushandeln und Pflegen von Lieferantenbeziehungen bleibt menschliche Arbeit.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Beim Optimieren von Preisen, Mengen und Lieferketten zählt der Einkauf zu den am stärksten von KI berührten Bereichen: Wo Aufgaben besonders KI-fähig sind, sinkt anschliessend die Nachfrage nach den zugehörigen Fähigkeiten, und die Arbeit verlagert sich innerhalb des Berufs zu weniger berührten Teilaufgaben. Zugleich stuft eine andere Untersuchung genau die Kern-Einkaufsberufe als kaum berührt ein, sodass das Bild uneinheitlich bleibt. Absehbar ist vor allem eine Verschiebung: Die datengetriebene Analyse übernimmt zunehmend KI, das Aushandeln und Pflegen der Lieferantenbeziehungen bleibt eine menschliche Aufgabe.
Das Organisieren von Warenbestand und Verkaufsfläche bleibt vom Anfassen geprägt und weitgehend unberührt.
Das Einräumen, Ordnen und Bereitstellen von Waren zählt zu den am wenigsten betroffenen Tätigkeiten: Die praktische Arbeit an Regal und Fläche lässt sich schwer automatisieren, und Fachleute haben die Automatisierungswerte für solche manuellen Aufgaben ausdrücklich nach unten korrigiert. Einzelne angrenzende Teilaufgaben, etwa im direkten Verkauf, sind stärker berührt, und anordnende oder planende Rollen liegen dabei höher als die ausführenden.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Einkäufer (ISCO 3323) · 3323
Gradient 4 2413 Financial Analysts 0.62 0.06 […] Gradient 3 3314 Statistical, Mathematical and Related Associate Professionals 0.57 0.1 […] Gradient 3 2120 Mathematicians, Actuaries and Statisticians 0.56 0.09 […] Gradient 3 2631 Economists 0.55 0.08 / Above-moderate occupational exposure: even though some tasks remain less exposed, the overall potential of automation of the current tasks with GenAI is growing in these occupations.
SMEs indicate that GenAI has made data analysis and interpretation skills more important, along with other skills (OECD, 2025 [11]). / growing use of algorithmic management tools in the workplace is increasing the need for certain skills, such as those related to general management and analysis (e.g. ability to use or interpret data) (Milanez, Lemmens and Ruggiu, 2025 [34])
The most common cluster across nearly all sectors is 'Business Intelligence Insights,' reflecting the broad applicability of predictive analytics. / Applications in the Business Intelligence Insights category affect a wide range of workers, especially those in Management, Business and Financial, and Computer and Math occupations. / Business-intelligence tools here scan dashboards and databases to find trends and root causes without manual digging. They alert users when a key metric shifts and explain the main drivers by region, channel, or customer type. Natural-language summaries make insights readable for non-analysts.
Management Analysts and Financial Risk Specialists show similar mean exposure to 'Business Intelligence Insights' applications, but exposure is more concentrated for Management Analysts, making them less likely to be displaced according to our model. / 'Operational Data Analytics' affects tasks more narrowly than 'Customer Experience Automation' despite similar mean exposure, leading to very different implications for labor demand.
Technology-related roles are the fastest-growing jobs in percentage terms, including Big Data Specialists, Fintech Engineers, AI and Machine Learning Specialists and Software and Application Developers.
In pricing and supply chain optimization, Purchasing Managers and Wholesale and Retail Buyers emerge as the most exposed, while in process automation and operational efficiency the most exposed tasks are linked to Sales Engineers and Other Engineering Technologists.
Across all specifications, coefficients on task-level AI exposure are negative and of similar magnitude: greater exposure reduces the intensity with which firms demand skills linked to those tasks. […] a one–standard deviation increase in task-level AI exposure lowers demand for the associated skills by about 2 percent over five years. Because the dependent variable is a share, this implies reallocation of labor effort away from exposed tasks and toward less-exposed tasks within the same occupation.
Purchasing Agents (13-1023) 1.51 / High-skill, high-wage occupations are the most exposed to artificial intelligence. […] These are occupations that require cognitive skills that cannot be automated with a discrete set of instructions, but for which artificial intelligence excels
One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data. […] Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed. / This trend is particularly pronounced in service operations, supply chain/inventory management, marketing and sales, and software engineering, where the expected decrease in employees for the next year significantly exceeds the actual decrease reported over the past year.
Minimal Exposure 3323 Buyers 0.39 0.08 / Minimal Exposure 1324 Supply, Distribution and Related Managers 0.38 0.05 / Minimal Exposure (Low exposure, moderate task variability) μ < 0.5 and μ + σ > 0.4 — Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited. / a more granular distinction of Minimal Exposure, where some interaction with GenAI may occur, but without significantly altering the nature of these roles / Moderate occupational AI exposure, with high task-level variability. These occupations include a mix of some tasks that are exposed to GenAI and others not at risk, making the impact uneven.
Not Exposed 9334 Shelf Fillers 0.2 0.1 / Occupations where most tasks remain relatively unaffected by GenAI, with low task variability and a stable low mean exposure score.
Minimal Exposure 4321 Stock Clerks 0.37 0.06 / Occupations with low GenAI exposure, where some tasks show moderate automation potential, but overall occupational exposure remains limited.
Gradient 1 5223 Shop Sales Assistants 0.38 0.16 / Low overall GenAI exposure at the occupational level, but high variability across tasks. Some tasks within these occupations have an elevated automation potential, even if the occupation as a whole remains strongly reliant on tasks that have a low potential of automation.
Gradient 2 5221 Shopkeepers 0.43 0.1 / Gradient 2 1420 Retail and Wholesale Trade Managers 0.44 0.15
In occupations dominated by manual and physical tasks, such as Craft and Related Trades Workers, Plant and Machine Operators, and Farmers, Gardeners, Foresters, and Fishers, experts consistently assigned lower scores compared to the survey respondents, reflecting the practical limitations of automating tasks that require physical manipulation or manual dexterity.
Die Analyse- und Dispositionsanteile des Einkaufs schichten sich um, während das Organisieren von Warenbestand und Verkaufsfläche unverändert gemessen ist — und die Quellen über die Höhe der Betroffenheit offen uneins sind.
Die Messungen widersprechen einander: Die ILO führt 3323 Buyers mit μ 0,39 bei SD 0,08 unter „Minimal Exposure", also gleichmäßig niedrig und ohne eine einzelne herausragend exponierte Teilaufgabe, während die OECD nach dem Felten-Maß „Purchasing Agents" mit 1,51 unter den fünf am stärksten KI-exponierten Berufen überhaupt listet und Hampole et al. Purchasing Managers und Buyers als die am stärksten exponierten Berufe in firmeninternen Anwendungen zur Preis- und Lieferkettenoptimierung benennen — eine Divergenz, die der Korpus nicht auflöst. Wo die Belege konkret werden, geht es um Umschichtung statt Wegfall: Hampole et al. messen, dass eine Standardabweichung mehr aufgabenbezogene KI-Exposition die Nachfrage nach den zugehörigen Fertigkeiten über fünf Jahre um rund 2 % senkt, was sie als „reallocation of labor effort away from exposed tasks and toward less-exposed tasks within the same occupation" lesen, und die betroffenen Aufgaben sind namentlich Markt- und Materialverfügbarkeitsanalyse sowie Bedarfs- und Bestandsprognose — passend dazu beschreibt dieselbe Quelle Business-Intelligence-Systeme, die „find trends and root causes without manual digging", während die OECD zugleich berichtet, GenAI habe Analyse- und Interpretationsfähigkeiten wichtiger gemacht. Für das Organisieren von Warenbestand und Verkaufsfläche findet sich dagegen keine Verschiebung: Die ausführenden Berufe liegen in den beiden untersten Kategorien (9334 Shelf Fillers bei 0,20; 4321 Stock Clerks bei 0,37 mit SD 0,06, also nicht einmal in Teilaufgaben exponiert) — was allerdings nur bedeutet, dass ein Sprachmodell diese Arbeit nicht übernimmt, nicht dass Lager- und Regalrobotik sie nicht verschiebt, denn die misst keine der zehn Quellen.
Lieferantenverhandlung und Lieferantenbeziehungspflege — der Kern der Rollenbezeichnung — sind von keiner Korpusquelle auf Tätigkeitsebene gemessen; weder Betroffenheit noch Unbetroffenheit ist hier belegt.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Einkäufer allgemein — mit Tätigkeiten wie „Daten, Trends und Ergebnisse analysieren und interpretieren“ oder „Einkauf, Beschaffung und Lieferantenbeziehungen managen“.
Für diesen Beruf liegt die gemessene Betroffenheit im Mittelfeld.
Ihre Rolle ist bereits übernommen. Für eine Einschätzung, die zu Ihrer Lage passt, fragen wir noch nach Branche und Berufserfahrung — dieselbe Rolle bedeutet in unterschiedlichen Branchen Unterschiedliches.
SapientShift (2026): Einkäufer — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/einkaeufer
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0