Behebt ein besserer Prompt die KI-Fehler im Einkauf?

Ein besserer Prompt hilft, doch der PAIR-20-Lauf vom Juli 2026 stützt nicht die Annahme, dass er als Lösung taugt. Der Structured Brief (strukturierte Aufgabenbeschreibung) machte die Antwort in der Regel leichter prüfbar: Er verlangte normalisierte Felder, sichtbare Annahmen und eine Entscheidungstabelle. Das ist sinnvolles Einkaufsverhalten.

Die Ausgaben wurden dadurch nicht korrekt.

In T01 wies der Brief das Modell ausdrücklich darauf hin, einen Preis pro 100 Lizenzen pro Jahr zu normalisieren. ChatGPT korrigierte den Mengeneinheitenfehler auf Basis dieses Briefs. Claude übernahm trotzdem den unbereinigten Betrag in das Ranking. In T03 bauten alle vier Plattformen den Landed-Cost-Stapel (Einstandskosten-Aufschlüsselung) anhand des Briefs auf, doch keine erreichte die Referenzwerte des Testfalls. In T05 berechnete ChatGPT die Gesamtkosten des Consulting-Angebots korrekt, reihte dann aber das teuerste Angebot an erster Stelle ein. Gemini zeigte die korrekte Gesamtkostenzahl im Fließtext und rechnete die versteckten Kosten anschließend aus der effektiven Blended Rate (dem Mischsatz) heraus.

Dieses Muster ist der entscheidende Punkt. Der Brief brachte Struktur, nicht Korrektheit.

Nutzen Sie den Brief, um die Arbeit prüfbar zu machen. Fordern Sie Einheiten, ausgeschlossene Dokumente, verpflichtende Gebühren, Scope-Annahmen, Kostenaufschlüsselung und das finale Ranking an. Ein unspezifischer Prompt kann trotzdem einen brauchbaren Erstentwurf liefern, lässt aber mehr Arbeit unsichtbar.

Überspringen Sie nicht den Prüfschritt. Die Fehler im Juli-Lauf waren nicht immer offensichtlich. Sie traten auf bei Mengenumrechnung, Kostenebenen, Klausel-Wechselwirkungen, Tabellenranking und beim Übergang von der Analyse zur Zusammenfassung. Genau das sind die Stellen, an denen Einkäufer versucht sind zu vertrauen, weil die Ausgabe ordentlich aussieht.

Behandeln Sie Prompt-Qualität als eine Kontrollmaßnahme. Ein Einkaufsteam sollte bessere Briefs schreiben, weil sie eine bessere Prüfspur hinterlassen. Das Team sollte nicht erwarten, dass der Brief die menschliche Kontrolle überflüssig macht. In diesem Lauf war die sicherere Gewohnheit, die Endtabelle des Modells gegen seine eigene Herleitung zu lesen und die wenigen Eingangswerte zu verifizieren, die eine Empfehlung kippen können.