Datenbasis für bessere Konditionsverhandlungen — Schritt für Schritt

Kernaussage: Eine saubere, strukturierte Vertrags- und Konditionsdatenbasis ist die Voraussetzung, damit KI-gestützte Vertragsprüfung verlässliche Kennzahlen liefert und Verhandlungspositionen von KMU signifikant stärkt.

Warum die Datenbasis entscheidend ist

Viele KMU erwarten von KI-Projekten schnelle Einsparungen. Ohne konsistente Daten bleibt das Ergebnis unbrauchbar. Vertragsprüfung automatisiert extrahiert Preise, Rabatte, Laufzeiten und Kündigungsfristen. Nur wenn diese Entitäten vollständig und einheitlich abgelegt sind, lassen sich Muster erkennen: durchschnittliche Einkaufspreise, Ausnahmen zu Standardkonditionen, Häufigkeit von Verlängerungsklauseln. Eine klare Datenbasis erhöht die Trefferquote der KI-Modelle und liefert belastbare Benchmarks für Konditionsverhandlungen.

Welche Daten Sie brauchen

Erfassen Sie Vertragsmetadaten (Partner, Vertragsart, Beginn/Ende), wirtschaftliche Konditionen (Listenpreis, Rabattstaffeln, Staffelbedingungen, Boni), Leistungskennzahlen (Mengen, Lieferintervalle, SLA) und historisierte Änderungen (Nachträge, Preisanpassungen). Digitalisieren Sie Papierverträge vollständig als Text, nicht nur als Bild. Strukturieren Sie Daten in einem standardisierten Format, etwa Tabellen mit klaren Spalten: Vertrags-ID, Partner-ID, Artikelgruppe, Einheitspreis, Rabatt in %, Gültigkeitszeitraum, Quelle (Angebot, Vertrag, Rechnung).

Praxisbeispiele aus dem KMU-Alltag

Ein Maschinenbauer entdeckt via automatisierter Vertragsprüfung, dass zwei Lieferanten für dasselbe Teil bis zu 12% unterschiedliche Rabatte gewähren. Durch Vergleich über Produktgruppe und Jahresmenge verhandelt er bessere Konditionen beim schlechteren Anbieter.

Ein ICT-Dienstleister extrahiert Kündigungsfristen aus bestehenden Rahmenverträgen und erkennt, welche Kunden kurzfristig wechseln könnten. Er nutzt dieses Wissen, um bei Verlängerungen Konditionsverbesserungen zu fordern.

Ein Produzent stellt fest, dass Nachträge systematisch Preiserhöhungen ohne formale Begründung enthalten. Mit der bereinigten Datenbasis kann er Forderungen für Preisanpassungsverfahren durchsetzen.

Typische Fehler und Korrekturen

Fehler: Unstrukturierte Speicherung von Vertragsinhalten in unterschiedlichen Ordnern ohne einheitliche Felder.

Korrektur: Einführung eines zentralen Vertragsregisters mit verpflichtenden Pflichtfeldern (z. B. Kondition, Laufzeit, Ansprechpartner). Digitale Extraktion unterstützt, aber die Struktur muss verbindlich sein.

Fehler: Fehlende Historie von Konditionsänderungen; nur aktueller Vertragstext vorhanden.

Korrektur: Versionierung aller Dokumente und Protokollierung von Nachträgen. Historische Daten ermöglichen Trendanalysen und Preisbenchmarking.

Fehler: Verträge werden nur als PDF-Bilder archiviert, ohne durchsuchbaren Text.

Korrektur: OCR mit manueller Qualitätskontrolle und anschliessender Validierung kritischer Felder (Preis, Rabatt, Fristen).

So stellen Sie Qualität und Governance sicher

Definieren Sie Verantwortlichkeiten: wer lädt Verträge hoch, wer prüft Extraktionsfehler, wer pflegt Partnerstammdaten. Legen Sie Standardprozesse für Nachträge und Genehmigungen fest. Messen Sie Datenqualität anhand klarer Metriken: Vollständigkeit der Pflichtfelder (>95%), Extraktionsfehlerquote (<5%), Aktualität (Vertragsregister innerhalb 7 Tagen nach Unterzeichnung aktualisiert). Schaffen Sie ein Minimalmodell für KI: eine stabile, geprüfte Tabelle mit den wichtigsten Konditionsfeldern, bevor weitere Automatisierung folgt.

Erwartbare Resultate und Grenzen

Mit einer sauberen Datenbasis generieren KI-gestützte Vertragsprüfungen Benchmarks, zeigen Ausreisser und unterstützen Priorisierung von Verhandlungen. Rechnen Sie in einem ersten Schritt mit Erkenntnissen, nicht sofort mit Kostenreduzierungen. Menschliche Validierung bleibt nötig, insbesondere bei komplexen Preisstrukturen oder individuellen Ausnahmen. Langfristig verbessern kontinuierliche Datenpflege und Feedbackschleifen die Modellqualität und den Verhandlungsnutzen.

Handlungsanleitung 14–30 Tage (konkret)

Tag 1–3: Bestandsaufnahme — Erfassen Sie, wo Verträge liegen, wer die Ansprechpartner sind, und wählen Sie 2–3 wichtigste Vertragstypen (z. B. Lieferanten, Rahmenverträge, Dienstleister).

Tag 4–7: Minimalstruktur definieren — Legen Sie Pflichtfelder fest: Vertrags-ID, Partner-ID, Artikelgruppe, Einheitspreis, Rabatt, Gültigkeitszeitraum, Nachträge. Erstellen Sie ein zentrales Vertragsregister (Excel oder einfaches Vertragsmanagementsystem).

Tag 8–12: Digitalisieren und extrahieren — Scannen Sie fehlende Papiere mit OCR. Führen Sie eine erste automatisierte Extraktion durch und markieren Sie kritische Felder zur manuellen Nachprüfung.

Tag 13–17: Qualitätssicherung — Prüfen Sie 50 repräsentative Verträge stichprobenartig; korrigieren Sie Extraktionsfehler und passen Sie die Validierungsregeln an.

Tag 18–21: Historisierung einführen — Erfassen Sie Nachträge und frühere Versionen der geprüften Verträge. Versionieren Sie Dokumente in Ihrem Register.

Tag 22–25: Analyse und Priorisierung — Erstellen Sie erste Auswertungen: durchschnittliche Rabatte pro Lieferant, häufige Ausnahmeklauseln, Top-10 Einsparpotenziale.

Tag 26–30: Handlung ableiten und Prozess verankern — Starten Sie 1–2 gezielte Verhandlungen basierend auf den Erkenntnissen. Definieren Sie Verantwortlichkeiten für langfristige Pflege und planen Sie eine monatliche Auswertung.

Wenn Sie diese Schritte konsequent umsetzen, liefert die automatisierte Vertragsprüfung innerhalb eines Monats belastbare Daten für gezielte Konditionsverhandlungen.