KI-Agenten am Verhandlungstisch: warum sie (noch) verlieren

Die Vision klingt verlockend: Ein KI-Agent verhandelt selbstständig mit dem Lieferanten, rund um die Uhr, ohne Emotionen, ohne Ermüdung. Beratungshäuser und Softwareanbieter zeichnen dieses Bild derzeit in kräftigen Farben. Autonome Beschaffung, Agent verhandelt mit Agent, der Einkäufer schaut nur noch zu.

Microsoft Research hat diese Vision jetzt getestet. Das Ergebnis sollte jeder Einkaufsleiter kennen, bevor er die erste Verhandlung an eine Maschine delegiert.

Was Microsoft Research getestet hat

Der SocialReasoning-Bench (Microsoft Research, veröffentlicht am 11. Mai 2026) misst etwas, das bisherige KI-Tests ausblenden: nicht ob ein Agent seine Aufgabe abschließt, sondern ob er dabei das Beste für seinen Auftraggeber herausholt. Zwei Szenarien standen im Zentrum. Im ersten koordinierte ein Agent Termine gegen eine Gegenseite mit gegensätzlichen Interessen. Im zweiten verhandelte ein Käufer-Agent auf einem Marktplatz den Preis mit einem Verkäufer-Agenten.

Das Studiendesign trennt sauber zwischen zwei Fragen: Wurde die Aufgabe erledigt? Und wie viel des möglichen Verhandlungsergebnisses kam beim Auftraggeber an? Die zweite Größe nennen die Forscher Outcome Optimality.

Das Ergebnis: Abschluss ja, Ergebnis nein

Die Agenten schlossen ihre Aufgaben in den meisten Fällen ab. Die Ergebnisqualität aber fiel drastisch ab. In den Marktplatz-Verhandlungen lag die Outcome Optimality bei allen getesteten Modellen nahe null. Im Klartext: Die Agenten akzeptierten Deals, die praktisch den gesamten verfügbaren Spielraum der Gegenseite überließen, und unterschrieben an oder nahe der Schmerzgrenze ihres Auftraggebers.

GPT-4.1 arbeitete in 95 Prozent der Marktplatz-Aufgaben nachlässig: schwacher Verhandlungsprozess und schwaches Ergebnis zugleich. Die stärkeren Modelle machten es prozessual besser und landeten trotzdem bei rund 90 Prozent wirkungsloser Verhandlungen: sorgfältige Vorarbeit, schwaches Resultat. Auch defensive Anweisungen im Prompt (etwa: gib deine Schmerzgrenze nicht preis) verbesserten die Werte nur teilweise. Die Lücke blieb.

Ein Nebenbefund verdient Beachtung: Auf manipulative Anfragen der Gegenseite reagierten fast alle Modelle nachgiebig. Nur ein einziges Modell lehnte solche Anfragen in nennenswertem Umfang ab.

Warum verschenken KI-Agenten den Spielraum?

Die kurze Antwort: Sprachmodelle sind auf Kooperation und Abschluss trainiert, nicht auf das Aushalten von Spannung. Genau diese Fähigkeit entscheidet aber Verhandlungen. Wer die Stille nach einer Forderung nicht aushält, füllt sie mit Zugeständnissen. Wer Konflikt vermeiden will, nimmt das erste akzeptable Angebot. Das gilt für Menschen, und es gilt offenbar verschärft für Maschinen, die Zustimmung als Erfolgssignal gelernt haben.

Verhandeln ist kein Rechenproblem. Es ist ein psychologisches Spiel mit Erwartungen, Ankern, Zeitdruck und Beziehung. Eine schwache Position wird am Tisch stark, wenn jemand sie stark spielt. Ein KI-Agent, der bei der ersten Gegenwehr einlenkt, spielt jede Position schwach, auch eine gute.

Fairerweise: was die Studie nicht sagt

Die Studie hat Grenzen, und die gehören auf den Tisch. Getestet wurden Zwei-Parteien-Szenarien mit klar definierten Preisgrenzen, auf Englisch, ohne gewachsene Geschäftsbeziehung und ohne Machtgefälle, wie es reale Lieferantenbeziehungen prägt. Reale B2B-Verhandlungen sind komplexer, in beide Richtungen: Manche Fehler der Agenten würden stärker durchschlagen, andere vielleicht weniger. Und die Modelle werden besser werden. Wer daraus ableitet, KI habe im Einkauf nichts verloren, zieht die falsche Konsequenz.

Die richtige Arbeitsteilung: KI vor dem Tisch, Mensch am Tisch

Die produktive Lektion lautet: KI ist heute ein hervorragender Verhandlungsvorbereiter und ein schwacher Verhandlungsführer. In der Vorbereitung spielt sie ihre Stärken aus: Marktdaten strukturieren, Szenarien durchspielen, Argumentationslinien der Gegenseite antizipieren, als Sparringspartner Einwände simulieren. Wie das konkret aussieht, haben wir im Artikel über KI in der Verhandlungsvorbereitung beschrieben.

Am Tisch dagegen zählt, was Maschinen (noch) nicht können: Spannung aushalten, Stille nutzen, Signale lesen, im richtigen Moment Konsequenz zeigen. KI macht aus schwachen Verhandlern keine starken. Sie macht sichtbar, wer vorbereitet ist.

Wer beides verbindet, hat einen doppelten Vorsprung: bessere Vorbereitung als der Wettbewerb und ein Verhalten am Tisch, das unter Druck abrufbar bleibt. Genau diese Kombination trainieren wir im Programm KI in Verhandlungen.

Häufige Fragen

Können KI-Agenten heute eigenständig mit Lieferanten verhandeln?

Technisch ja, wirtschaftlich nicht sinnvoll. Der Microsoft-Benchmark SocialReasoning-Bench (Mai 2026) zeigt, dass aktuelle Modelle in Preisverhandlungen nahezu den gesamten Spielraum abgeben und Deals nahe der Schmerzgrenze ihres Auftraggebers akzeptieren.

Wofür sollte der Einkauf KI beim Verhandeln nutzen?

Für die Vorbereitung: Marktrecherche, Kostenanalysen, Szenarien, Einwandsimulation und Training. Dort liefert KI messbaren Mehrwert, ohne dass ein Algorithmus über Konditionen entscheidet.

Wird sich das ändern?

Wahrscheinlich. Die Modelle verbessern sich schnell, und der Benchmark liefert den Herstellern jetzt eine Zielgröße. Bis dahin gilt: Wer Verhandlungen delegiert, sollte wissen, dass der Agent zuverlässig abschließt, aber nicht zuverlässig gut abschließt.