Agentic AI in der ERP-Landschaft

Künstliche Intelligenz verändert derzeit die Rolle klassischer ERP-Systeme. Während ERP-Lösungen weiterhin die operative Prozessabwicklung und Datenhaltung übernehmen, werden sie in vielen Unternehmen zunehmend durch spezialisierte KI-gestützte Forecasting-, Planungs- und Analyse-Systeme ergänzt. Dabei verbinden viele Unternehmen KI vor allem mit Automatisierung. Der größere Hebel liegt derzeit jedoch an anderer Stelle: in einer belastbaren Datenbasis. Datenqualität entwickelt sich damit zur Voraussetzung moderner Geschäftsprozesse – nicht nur in der Bedarfsplanung. Agentenbasierte KI-Ansätze können diese Datenqualität kontinuierlich sichern und tragen dazu bei, dass sich ERP-Systeme zunehmend zu einem Ökosystem spezialisierter Lösungen entwickeln.

ERP-Systeme im Wandel: Warum klassische Logiken nicht mehr ausreichen

Künstliche Intelligenz verändert die Rolle klassischer ERP-Systeme derzeit tiefgreifend. Während ERP-Anwendungen weiterhin das Rückgrat operativer Prozesse bilden, zeigt sich in vielen Unternehmen, dass sie bei dynamischen Prozessen wie der Bedarfsplanung an ihre Grenzen stoßen. ERP-Systeme sind historisch gewachsen und meist auf Stabilität statt Agilität ausgelegt. Sie bilden Prozesse zuverlässig ab, reagieren jedoch nur begrenzt auf kurzfristige Veränderungen. Besonders in der Supply Chain wird deutlich, dass volatile Märkte, schwankende Lieferzeiten und steigende Datenmengen eine Flexibilität erfordern, die klassische ERP-Logiken nicht leisten können. ERP-Systeme registrieren Daten, doch sie planen nicht dynamisch. Vor diesem Hintergrund verändert sich die Architektur vieler Unternehmensanwendungen. An die Stelle des monolithischen ERP-Ansatzes tritt zunehmend ein Ökosystem spezialisierter Lösungen. Forecasting-Systeme, Planungsplattformen und KI-Anwendungen übernehmen Aufgaben, die deutlich mehr Dynamik erfordern, während das ERP-System seine Rolle als zentrale Prozess- und Datenbasis behält.

Dieser Best-of-Breed-Ansatz setzt sich nicht durch, weil ERP-Systeme ihre Aufgabe nicht erfüllen. Vielmehr folgt er der Erkenntnis, dass verschiedene Anforderungen unterschiedliche Werkzeuge erfordern. Das ERP sorgt für Stabilität und Konsistenz, spezialisierte Anwendungen ergänzen diese Basis um intelligente Analysen, Prognosen und kontinuierliche Optimierung. 

Wie groß die Lücke zwischen den Möglichkeiten moderner ERP-Systeme und der betrieblichen Realität vieler Unternehmen noch immer ist, zeigt sich insbesondere in den Planungsprozessen. Trotz moderner ERP-Generationen dominieren in vielen Unternehmen weiterhin Excel-basierte Planungsprozesse mit Tabellenkalkulationen. Häufig kommt Excel in Unternehmen als „flexible Ergänzung“ zum Einsatz, doch in Wahrheit handelt es sich um ein Symptom struktureller Defizite. Sobald Daten exportiert, verändert oder manuell korrigiert werden, entsteht ein Schattenprozess, der durch seine Intransparenz weder kontrollierbar noch skalierbar ist. Besonders kritisch wird es, wenn mehrere Abteilungen parallel mit unterschiedlichen Versionen arbeiten. Es entstehen Gefahren für die gesamte Planungsqualität, wie widersprüchliche Bedarfszahlen, abweichende Bestellmengen und unklare Verantwortlichkeiten. 

Unternehmen investieren zwar in KI-gestützte Planungstools, kämpfen jedoch gleichzeitig mit fragmentierten Datenstrukturen und inkonsistenten Stammdaten. Die Folge: Selbst die beste KI kann nur so gründlich arbeiten wie die Daten, auf denen sie basiert.

Falsche Daten sind gefährlicher als fehlende

Besonders kritisch ist die Datenqualität. Viele Unternehmen gehen davon aus, dass ihre Stammdaten verlässlich sind – bis das Gegenteil klar wird. Wir alle wissen, was widersprüchliche Stammdaten anrichten können: Ein Blick in verschiedene Online-Shops reicht, um zu sehen dass selbst grundlegende Produktinformationen wie Gewicht oder Maße desselben Artikels je nach Händler voneinander abweichen können. Während minimale Gewichtsabweichungen in den Daten für die Unternehmen keine schwerwiegenden Folgen haben, sieht das bei falschen Daten zu Lieferzeiten ganz anders aus. Ist ein Artikel im ERP etwa mit sechs Tagen Wiederbeschaffungszeit hinterlegt, während die tatsächlichen Werte zwischen zehn und zwanzig Tagen schwanken, führt das zu falschen Dispositionsparametern, überhöhten Sicherheitsbeständen oder Out-of-Stock-Situationen. Ähnlich problematisch sind Mindestbestellmengen, die fehlerhaft gepflegt sind. 

Im Ergebnis zeigt sich, dass falsche Daten „gefährlicher“ sind als fehlende. Wenn ein Wert nicht gepflegt ist, plant ein System konservativ. Wenn jedoch ein falscher Wert hinterlegt ist – etwa eine Mindestbestellmenge von einer Million statt einer halben Million –, führt dies zu massiven Überbeständen, unnötiger Kapitalbindung und hohen Lagerkosten. Hinzu kommt, dass falsche Daten häufig unentdeckt bleiben, weil sie nachvollziehbar wirken. Eine Lieferzeit von zehn statt sechs Tagen oder eine falsche Mindestbestellmenge fallen meist erst dann auf, wenn Bestände steigen oder Fehlbestände auftreten. Fehlende Daten hingegen sind sichtbar und können gezielt ergänzt werden. Falsche Daten erzeugen falsche Entscheidungen und diese wirken sich unmittelbar auf Servicelevel, Bestände und Umsatz aus. Besonders im E-Commerce kann dies zu Kundenverlusten führen, wenn Produkte nicht verfügbar sind oder falsche Produktinformationen kommuniziert werden. Unternehmen, die ihre Datenqualität aktiv managen, haben deswegen einen maßgeblichen Wettbewerbsvorteil: Sie reduzieren die Risiken für diese Probleme, noch bevor sie entstehen. 

Agentic AI: Der neue Baustein moderner ERP-Architekturen

Vor diesem Hintergrund gewinnen agentenbasierte KI-Ansätze an Bedeutung. Anders als generative KI wirkt Agentic AI im Datenmanagement wie eine permanente Qualitätssicherungsschicht über der gesamten ERP-Landschaft, indem sie sich auf die kontinuierliche Verbesserung der Datenqualität konzentriert. Fortschrittliche ERP-Add-ons erkennen fehlerhafte oder veraltete Stammdaten, identifizieren Datenlücken, synchronisieren Informationen systemübergreifend und erkennen Anomalien bei Lieferzeiten, dem Verbrauch oder Bestellmustern. Spezielle Agentic Data Management Tools gehen noch weiter und automatisieren diese Tätigkeiten innerhalb definierter Regeln, indem Auffälligkeiten nicht nur erkennen, sondern unmittelbar korrigieren und sogar zur Klärung aktiviert werden, etwa durch eine direkte Kommunikation des Agenten per E-Mail mit Stakeholdern.

So wird Datenqualität kontinuierlich statt punktuell sichergestellt. Besonders wertvoll ist dies in heterogenen Systemlandschaften, in denen ERP, Planungstools, E-Commerce-Systeme und Lieferantenportale parallel existieren. Während die KI allerdings vor allem Routineaufgaben übernimmt, bleibt der Mensch für Kontextwissen und finale Entscheidungen verantwortlich. 

Mehrwert von KI: verlässliche Entscheidungsgrundlagen

Der größte Mehrwert von KI-gestützten Systemen innerhalb der ERP-Architektur liegt heute weniger in der autonomen Steuerung von Prozessen als in der Schaffung verlässlicher Entscheidungsgrundlagen. Unternehmen mit konsistenten, gepflegten Stammdaten treffen schneller bessere Entscheidungen, denn sie erkennen Engpässe früher, steuern Bestände präziser und reagieren schneller auf Veränderungen. In volatilen Märkten mit kurzen Produktlebenszyklen und steigenden Kundenerwartungen entscheidet die Qualität der Daten darüber, wie effizient Forecasting-Modelle, KI-Anwendungen und automatisierte Prozesse arbeiten. Schlechte Datenqualität führt dagegen zu Fehlentscheidungen, höheren Kosten und einem reaktiven statt proaktiven Handeln. 

KI wird damit nicht zum Ersatz des Menschen, sondern zum Verstärker seiner Entscheidungen. Denn sie eröffnet einen weiteren, oft unterschätzten Nutzen: Sie entlastet Disponenten und operative Teams spürbar. In vielen Unternehmen existieren ganze Abteilungen, die sich ausschließlich mit der Prüfung und Bereinigung von Daten beschäftigen. Mit Agentic AI im Datenmanagement können diese Tätigkeiten automatisiert werden, indem die KI Daten kontinuierlich überwacht, Unstimmigkeiten erkennt, Anomalien meldet und Vorschläge zur Korrektur macht. Der manuelle Prüfaufwand sinkt dadurch erheblich und die Mitarbeitenden gewinnen Zeit für Aufgaben, die echte fachliche Expertise erfordern: die Bewertung komplexer Ausnahmesituationen, die Abstimmung mit Lieferanten, die strategische Weiterentwicklung von Prozessen oder die Priorisierung kritischer Kundenaufträge.

Diese Verlagerung von Routineaufgaben hin zu wertschöpfenden Tätigkeiten steigert Effizienz und Ergebnisqualität. Wenn Disponenten sich im Arbeitsalltag auf die wichtigen Fälle konzentrieren können, steigt die Präzision ihrer Entscheidungen. KI schafft damit sowohl bessere Daten und Prognosen als auch bessere Rahmenbedingungen für die Menschen. 

Zusammenfassend wird deutlich: ERP-Systeme bleiben auch künftig das Fundament betrieblicher Prozesse, werden jedoch zunehmend durch spezialisierte KI- und Planungslösungen ergänzt. Der entscheidende Wettbewerbsfaktor liegt dabei nicht allein in leistungsfähigeren Algorithmen, sondern in einer dauerhaft hohen Datenqualität, die verlässliche Entscheidungen und resilientere Geschäftsprozesse überhaupt erst ermöglicht.

Das könnte Sie auch interessieren

Agentic AI : Unterstützung statt Dashboard-Dschungel Wie aktive Agenten den Betriebs Workflow neu definieren

IT-Betriebsteams verwalten heute vielschichtige Ökosysteme mit immer mehr Tools für Monitoring, Observability, ITSM, CMDB, Automatisierung, Security und Asset-Management. Diese liefern aber selten ein einheitliches Lagebild. Koordinierte KI-Agenten, die Datenquellen zusammenführen, Ursachenhypothesen bilden, Maßnahmen vorschlagen und (im klar abgegrenzten Rahmen) Teile der Ausführung übernehmen, werden Teams zukünftig aktiver unterstützen.

Wissen im richtigen Moment verfügbar RAG als Brücke zwischen Dokumenten, Systemen und Nutzerfragen

Wie wird Wissen in ERP- und MES-Umgebungen genau dann verfügbar, wenn es gebraucht wird? Der Beitrag zeigt, wie integrierte Retrieval-Augmented Generation natürliche Fragen versteht, quellenbasierte Antworten liefert und Prozesse direkt im laufenden Betrieb unterstützt. Warum dabei Integration, Nachvollziehbarkeit und Datensouveränität entscheidend sind – und weshalb RAG im industriellen Umfeld weit mehr ist als nur ein KI-Trend.

Wie stabil ist meine Lieferkette? Über Datenbasis zur Strategie; strukturierte Resilienzbewertung ist heute nötiger denn je

Aktuelle Krisen und geopolitische Unsicherheiten setzen globale Lieferketten zunehmend unter Druck. Für Unternehmen wird es immer wichtiger, die Risiken ihrer Lieferkette zu erfassen und die Resilienz gezielt zu stärken. Nur so werden Störungen frühzeitig erkannt und kann flexibel darauf reagiert werden. Hierfür müssen die Risiken, denen die Lieferketten ausgesetzt sind, strukturiert aufbereitet werden. Die Resilienz der Lieferkette wird so zu einem strategischen Erfolgsfaktor.

Mit neuen KI-Modellen immer wissen, was fehlt Innovative Prognosemodelle in SAP IBP für eine erfolgreiche Supply-Chain-Planung

Die Zukunft der Bedarfsplanung liegt im KI-gestütztem Forecasting - und mit der Integration in der SAP-Lösung „Integrated Business Planning – IBP“ wird sie zum „Game Changer“. Durch die Kombination modernster Algorithmen mit der End-to-End-Integration in SAP IBP werden nicht nur interne und externe Datenquellen intelligent genutzt, sondern auch Schwankungen auf den Märkten, Kundenverhalten und externe Treiber in Echtzeit berücksichtigt.

BIM trifft ERP: Mit AAS zum digitalen Zwilling Planung und Betrieb rücken im digitalen Bauwesen zusammen

Die Digitalisierung des Bauwesens schreitet voran, doch zwischen Planung und Betrieb besteht weiterhin eine Lücke im Informationsfluss. Während BIM die Grundlage für die digitale Modellierung von Bauwerken liefert und ERP-Systeme betriebswirtschaftliche Prozesse steuern, sorgt die Asset Administration Shell (AAS) für die Verbindung beider Welten. Sie macht Daten aus Planung und Betrieb nutzbar und ebnet den Weg zum digitalen Zwilling.