BMW will Künstliche Intelligenz nicht länger nur als Assistenzsoftware einsetzen, sondern schrittweise ganze Arbeitsabläufe durch miteinander kooperierende Agenten steuern lassen. Als erstes großes Testfeld dient der Einkauf. Das ist wirtschaftlich relevant: Dort entscheidet der Konzern über einen erheblichen Teil seiner Kosten, seiner Lieferfähigkeit und damit auch seiner Marge. Gelingt der Umbau, könnte BMW schneller auf Engpässe und Preisschwankungen reagieren. Misslingt er, drohen kostspielige Fehlentscheidungen in einem besonders sensiblen Teil der Wertschöpfung.

Der größte Hebel liegt nicht bei den Personalkosten

BMW beziffert sein jährliches Einkaufsvolumen in Unterlagen zum Kapitalmarkttag 2026 auf rund 80 Milliarden Euro. Etwa 70 Prozent der Wertschöpfung werden demnach über das Einkaufs- und Lieferantennetzwerk gesteuert, das rund 2.600 Zulieferer umfasst. Schon kleine prozentuale Verbesserungen bei Materialpreisen, Kapazitätsplanung oder Ausschreibungen können deshalb finanziell stärker wirken als der Abbau administrativer Stellen.

Nach einem Handelsblatt-Bericht verfolgt BMW ein dreistufiges Modell: Auf einzelne KI-Assistenten sollen Agenten folgen, die komplette Prozessschritte bearbeiten. In einer späteren Stufe sollen mehrere Systeme Informationen aus Einkauf, Produktion und Lieferkette zusammenführen. Das Zielbild für 2028 bezeichnet das Unternehmen laut dem Bericht als KI-orchestrierte Organisation. Konkrete, testierte Einsparungen aus diesem Programm liegen bislang nicht vor.

Dass der Ansatz über eine Präsentation hinausgeht, zeigt ein bereits öffentlich beschriebener Anwendungsfall. BMW nutzt im Einkauf das Multi-Agenten-System AIconic, um die Inventur von rund 250.000 Spezialwerkzeugen zu unterstützen. Das System erstellt Aufträge, versendet sie an Lieferanten, prüft Rückmeldungen und gibt unproblematische Fälle frei. Fachleute greifen dort ein, wo Bewertung und Erfahrung erforderlich sind.

Aus Daten sollen belastbare Entscheidungen werden

Der strategische Schritt besteht nicht darin, einen Chatbot über bestehende Abläufe zu legen. BMW muss Daten aus Bestellungen, Kapazitätsplänen, Qualitätsprüfungen und geopolitischen Risikomodellen in einer verlässlichen Architektur verbinden. Laut Handelsblatt-Bericht hat der Konzern dafür eine gemeinsame Datenbasis aufgebaut. Spezialisierte Agenten sollen unter anderem Materialkosten, Lieferkettenrisiken, Produktqualität und verfügbare Kapazitäten analysieren.

Ein vom Handelsblatt geschildertes Beispiel betrifft die Frage, ob zusätzliche Fahrzeuge produziert werden können. Ein Agent führt dafür Daten aus mehreren Ressorts zusammen, zeigt mögliche Engpässe und berechnet Handlungsoptionen. Der wirtschaftliche Nutzen entsteht vor allem durch Geschwindigkeit: Eine Absatzchance ist nur dann wertvoll, wenn zusätzliche Komponenten rechtzeitig verfügbar sind und die Grenzkosten die Marge nicht aufzehren.

Der Einkauf wird damit von einer transaktionsorientierten Funktion zu einem laufenden Steuerungssystem. Für BMW könnte das die Reaktionszeit bei Zöllen, Rohstoffschocks oder Ausfällen einzelner Lieferanten verkürzen. Zugleich verbessert eine einheitliche Datenbasis die Vergleichbarkeit von Angeboten. Diese Vorteile sind jedoch erst dann kapitalmarktrelevant, wenn sie sich in Materialkosten, Vorräten, Produktionsunterbrechungen und freiem Cashflow ablesen lassen.

Automatisierung schafft neue Kontrollrisiken

Agentische Systeme können Fehler nicht nur produzieren, sondern auch automatisiert weiterreichen. Falsche Stammdaten, veraltete Kapazitätsmeldungen oder unklare Berechtigungen können dadurch größere Folgen haben als bei einer isolierten Analyse. Besonders kritisch wäre eine direkte Übergabe von Entscheidungen an Produktions- oder Bestellsysteme. Deshalb braucht BMW klar definierte Freigabegrenzen, dokumentierte Entscheidungswege und jederzeitige menschliche Eingriffsmöglichkeiten.

Hinzu kommen Cyberrisiken und Interessenkonflikte. Lieferantendaten, Preisstrukturen und technische Spezifikationen gehören zu den sensibelsten Informationen eines Autoherstellers. Auch die Frage, nach welchen Kriterien ein Agent Angebote gewichtet, ist wesentlich: Eine kurzfristig günstigere Beschaffung kann Qualitäts-, Nachhaltigkeits- oder Konzentrationsrisiken erhöhen. Effizienz darf daher nicht mit einer rein automatischen Auswahl des niedrigsten Preises verwechselt werden.

Die angekündigten Milliardenpotenziale sind zudem keine Prognose. BMW selbst beschreibt KI am Kapitalmarkttag als wichtigen Effizienzhebel, veröffentlicht aber keine separat überprüfbare Ergebnisrechnung für einzelne Agenten. Investoren sollten zwischen theoretischem Potenzial, intern identifizierten Maßnahmen und tatsächlich realisierten Einsparungen unterscheiden.

Worauf Investoren achten sollten

• Messbare Effekte: Entscheidend sind nachweisbare Materialkostensenkungen, weniger Sonderfrachten und geringere Bestände, nicht die Zahl eingeführter Agenten.
• Skalierung: AIconic muss über einzelne Pilotprozesse hinaus in Regionen, Marken und Baureihen funktionieren.
• Kontrollsystem: Freigaberegeln, Datenqualität und Cyberabwehr bestimmen, ob Automatisierung das operative Risiko senkt oder erhöht.
• Margenpfad: BMW strebt langfristig wieder eine EBIT-Marge von acht bis zehn Prozent im Automobilsegment an. KI ist dafür ein Baustein, ersetzt aber keine wettbewerbsfähige Modellpalette und stabile Nachfrage.

Der Einkauf ist damit ein plausibler Ausgangspunkt für BMWs KI-Umbau. Der Kapitalmarkt sollte den Erfolg allerdings an Cashflow und Ergebnisqualität messen. Erst wenn die Systeme bessere Entscheidungen reproduzierbar in finanzielle Resultate übersetzen, wird aus einem Technologieprojekt ein belastbarer Wettbewerbsvorteil.