Kaum ein Thema wird gerade so oft beschworen wie KI in Verhandlungen. Die Diskussion über KI in Verhandlungen dreht sich häufig um Modelle und Fähigkeiten. Dieser Artikel beleuchtet drei organisatorische Dimensionen autonomer Verhandlungen, die mindestens ebenso entscheidend sind: Governance (System), Design (Scope) und Organisation (Mensch). Sie tragen den organisatorischen Komplexitäten Rechnung und zeigen auf, unter welchen Voraussetzungen autonome Verhandlungen überhaupt sinnvoll funktionieren könnten.

Governance (System)

Schauen wir uns zuerst das Thema Datenschutz und Datenstruktur an. Angenommen, eine Verhandlung zwischen zwei Unternehmen läuft komplett «über AI», lautet die erste Frage: Auf welcher Infrastruktur findet die Verhandlung überhaupt statt? Zwei LLMs, die miteinander verhandeln? Oder ein Bot, der systemseitig an eine Unternehmung gebunden ist? Drittlösungen, wie Open Source oder Lösungen von Drittanbietern? In Fussballsprache würde man fragen: In welchem Stadion wird der Match ausgetragen? Wer besitzt es und wer bestimmt die Spielregeln? Die Systemfrage betrifft nicht nur den Datenschutz, sondern auch das Thema Governance, Haftung, Nachvollziehbarkeit oder Manipulationssicherheit.

Selbst wenn man Fragen rund um den EU AI Act, die DSGVO und weitere Datenschutzvorgaben ausklammert, bleibt eine zentrale Voraussetzung: Beide Parteien müssten der gewählten Infrastruktur genügend Vertrauen entgegenbringen, um dort sensible Unternehmensdaten für eine Verhandlung bereitzustellen.

Auch wenn es so ein System gäbe, wäre die nächste Frage: Welche Daten werden in welcher Qualität und nach welchen Standards eingebracht? Was passiert, wenn eine Partei dann doch nicht zufrieden ist? Das alleine könnte – ironischerweise – bereits eine signifikante Verhandlung sein. Die KI soll das Verhandeln abnehmen, aber ihr Einsatz setzt womöglich eine weitere Verhandlung voraus. Angesichts der Sensitivität der Daten schwebt auch das Risiko eines Leaks oder Datenunfalls über dem Verhandlungsprozess, bevor der Austausch überhaupt begonnen hat.

Ein Blick in die Praxis zeigt: Während über autonom verhandelnde Agenten diskutiert wird, fehlt noch in vielen Unternehmen eine KI-Policy. Bei denjenigen Firmen, die eine Policy haben, ist die Frage, wie belastbar diese effektiv ist. Während gewisse Unternehmen ausgewählte LLMs erlauben, setzen andere Firmen zum Beispiel auf stark eingeschränkte Eigenlösungen. Die Folge: Mitarbeitende weichen schlimmstenfalls auf Schatten-KI aus, weil leistungsfähigere Werkzeuge längst privat verfügbar sind. Von der Systemfrage in Verhandlungen ist man da noch weit entfernt.

Design (Scope)

Gehen wir einen Schritt weiter und nehmen an, die Systemfrage sei geklärt. Nächste Frage: Wie formulieren beide Parteien, was genau verhandelt wird und was nicht? Also, wie wird der eigentliche Scope bestimmt? Damit eine autonome Verhandlung funktioniert – auch eine scheinbar «einfache Preisverhandlung» – muss der Scope klar sein. Nun wissen erfahrene Verhandler/innen, dass die tragfähigen Ergebnisse oft dann entstehen, wenn im Verlauf des Prozesses etwas entsteht, was zuvor noch gar nicht existierte. Statt 5 % Preisnachlass entstehen dann plötzlich neue Optionen über Zahlungsziele, Liefermengen, Exklusivität, Service-Level oder gemeinsame Investitionen. Das wäre dann «creating value» in Reinform und setzt voraus, die eigentlichen Interessen und Motive hinter den artikulierten Positionen herauszufinden.

Nach Michael Wheeler lautet ein klassisches Dilemma in Verhandlungen: Wer nichts preisgibt, wird nicht ausgenutzt. Wer nichts preisgibt, macht aber auch keinen Deal. Gerade darin liegt das Paradox: Der Scope müsste für autonome Verhandlungen eindeutig definiert sein. In anspruchsvollen Verhandlungen besteht der entscheidende Fortschritt jedoch häufig darin, genau diesen Scope zu verändern, bzw. auf Basis dessen, etwas neues zu schaffen.

Aktuelle Forschung zu LLM-Verhandlungen deutet genau auf diese Herausforderungen hin: Modelle tun sich schwer damit, die Spannung zwischen Kooperation und Wettbewerb zu managen, also zwischen Wert schaffen und Wert verteilen. Inwiefern eine KI künftig mit diesem Dilemma umgeht, darf mit Spannung erwartet werden. Aktuell leistet sie sich noch zu viele Fehler und Inkonsistenzen. Aber: Die Schwächen der heutigen Modelle sind auch keine Argumente für den Menschen. Menschen zeigen viele dieser Schwächen ebenfalls.

Nichtsdestotrotz sind autonome Verhandlungen seit einigen Jahren auf dem Vormarsch und dürften weiter zunehmen. Kürzlich präsentierte AstraZeneca im Rahmen der Coupa Inspire 2026, der Konferenz des Software-Anbieters Coupa, wie Agentic AI innerhalb eines definierten Governance-Rahmens ohne konstante menschliche Überwachung funktioniert. Im Bereich Procurement, wo der Einsatz von Agentic AI derzeit besonders weit fortgeschritten zu sein scheint, laufen viele Verhandlungen im Long-Tail.

In diesem Kräfteverhältnis mag ein Tail-Lieferant die Spielregeln eines Grosskonzerns akzeptieren. Im Long-Tail kann Agentic AI nicht nur bestehende Verhandlungen ersetzen, sondern auch jene automatisieren, die bislang aus Effizienzgründen gar nicht geführt wurden. Es ist auch eine Frage von Transaktionsvolumen vs. Transaktionswert.

Organisation (Mensch)

Kommen wir zum dritten und letzten Aspekt. Der Mensch. Jede Technologie ist bekanntlich nur so gut, wie der Mensch, der sie nutzt. In diesem Sinne ist KI wie ein Verstärker. Wer seit Jahren ohne klaren Prozess verhandelt, verhandelt mit KI noch schneller ohne Prozess.

Selbst wenn System- und Scopefrage geklärt wären, bliebe eine entscheidende Frage: Welche Rolle übernimmt dann der Mensch? Seine Rolle würde sich vom Verhandeln zum Vorstrukturieren und Überwachen verschieben. Die KI führt aus, aber was überhaupt verhandelt wird, mit welchem Ziel und innerhalb welcher Grenzen, das dürfte auf absehbare Zeit menschliche Arbeit bleiben. Ein Prompt ist schnell zusammengesetzt. Das Verständnis eines Verhandlungsprozesses nicht.

Hinzu kommt ein weiterer Faktor, der in vielen KI-Diskussionen unterschätzt wird: Nicht jede Belegschaft trägt den Wandel mit. Widerstände gegen KI-Rollouts sind vielerorts Realität.

Selbst wenn all diese Hürden überwunden würden, bliebe eine offene, fast schon philosophische Frage: Ist ein erfolgreiches Verhandlungsergebnis nur ein Ergebnis – oder zugleich auch ein zutiefst menschlicher und sozialer Prozess, der durch Reibung, Annäherung und gegenseitigen Respekt geprägt ist?

Fazit

Die Diskussion über autonome Verhandlungen beginnt häufig bei den Modellen. In der Praxis entscheidet sie sich vielmehr in Governance, Design und Organisation.

Heutige Modelle können bereits grosse Mengen an Informationen verarbeiten und plausible Optionen generieren. Ihre Grenzen zeigen sich dort, wo Unsicherheit nicht nur aus Informationen entsteht, sondern aus sozialen und strategischen Faktoren: dort, wo Vertrauen, Organisationspolitik und unausgesprochene Interessen den Ausgang bestimmen. Genau dort entscheidet sich aber häufig der Ausgang komplexer Verhandlungen.

Gerade deshalb dürfte sich Agentic AI zunächst dort durchsetzen, wo Transaktionsvolumen hoch, der einzelne Transaktionswert jedoch vergleichsweise gering und der Verhandlungsspielraum klar definiert ist.