Kann KI ein Lieferanten-Risikoregister erstellen?
Ja, aber die Ergebnisse brauchen eine feldgenaue Prüfung. Im PAIR-20-Lauf vom Juli 2026 (T04) haben die meisten Plattformen versteckte Risiken beim Bezugsstatus erkannt — Copilot dagegen hat Weiss entweder vergraben oder ein fiktives Dravec-Ablaufdatum erfunden.
Ja, KI kann einen Entwurf für ein Lieferanten-Risikoregister erstellen. Im PAIR-20-Lauf vom Juli 2026 (Aufgabe T04) sollten die Plattformen ein solches Register aus einem synthetischen ERP-Auszug und einer Lieferanten-Stammdatei aufbauen: neun Lieferanten, Gesamtausgaben je Warengruppe, Bezugsstatus, Audit-Aktualität, Vertragslaufzeiten und Kontext zur Backup-Qualifizierung.
Das ist ein sinnvoller KI-Anwendungsfall. Die Zielstruktur ist klar: Lieferant, Warengruppe, Ausgaben, verifizierter Bezugsstatus, Risikoscores, Rang und empfohlene Maßnahme. Ein strukturiertes Briefing (Structured Brief) macht das Register außerdem leichter prüfbar, weil es das Modell zwingt, die verwendeten Dimensionen offenzulegen.
Der Juli-Lauf zeigt trotzdem, warum der Entwurf nicht als fertig gelten darf. ChatGPT, Claude und Gemini gingen über eine reine Ausgabenbetrachtung hinaus und deckten versteckte Schwachstellen auf. Claude wies ausdrücklich auf den erloschenen Backup-Status von Weiss Logistics hin. Copilot scheiterte hingegen auf zwei Arten: Bei der generischen Eingabe stufte es Weiss niedrig ein und übersah das Bezugsquellen-Problem; beim strukturierten Briefing erfand es ein abgelaufenes Backup-Problem bei Dravec, das die Datei gar nicht hergab.
Ein Register ist nur so gut wie das verifizierte Feld. Ausgabenkonzentration ist sichtbar und verlockend. Der Bezugsstatus ist das Feld, auf das es ankommt. Wenn die ERP-Datei einen Backup-Lieferanten ausweist, die Stammdaten aber zeigen, dass dessen Zulassung erloschen ist, muss der verifizierte Status das Label überschreiben.
Die Zusammenfassung kann den Fehler konservieren. Im PAIR-20-Lauf überlebte das erfundene Dravec-Problem bis in die VP-fähige Zusammenfassung. Das ist relevant, weil Entscheider die Quelldateien in der Regel nicht erneut öffnen — sie handeln auf Basis der komprimierten Version.
Nutzen Sie KI für die Struktur — und prüfen Sie dann die risikotragenden Felder. Der praktische Workflow: Lassen Sie die KI das erste Register erstellen und verifizieren Sie anschließend manuell Bezugsstatus, Backup-Ablauf, Vertragsnähe, Audit-Aktualität und jedes Feld, das den Rang verändert. Prüfen Sie nicht nur die Kopfzeile. In T04 war der entscheidende Lieferant leicht zu übersehen, wenn das Modell Ausgaben höher gewichtete als den Bezugsstatus.
Where this comes from
- PAIR-20 July 2026 run of record, task T04 — single dated runs, screenshots on file
- Procurement AI Reality Check, July 2026
Last checked 2026-07-12. Evidence comes from dated, single-run platform sessions with screenshots on file — read each finding as “this happened,” not “this always happens.”
Work this yourself — from the course
Related questions
See what the platforms caught — and missed
Twenty procurement tasks, four AI platforms, real dated runs. Lesson 2 is free to read, no account needed.