KI im ERP: Betriebskosten, ROI und Datenhoheit

Künstliche Intelligenz in ERP-Systemen ist in aller Munde. Doch hinter dem Versprechen intelligenter Automatisierung verbergen sich häufig Architekturentscheidungen und versteckte Betriebskosten, auf die in Onboarding-Gesprächen selten der Fokus gelegt wird. Wir werfen einen nüchternen Blick auf Potenziale, Grenzen und die Frage, wann KI im ERP tatsächlich Sinn ergibt.

Es gibt kaum einen ERP-Anbieter, der derzeit ohne KI-Versprechen auskommt. Predictive Analytics, intelligente Belegverarbeitung, automatisiertes Mapping, autonome Vorschläge für die Beschaffung – die Featurelisten wachsen, die Demos beeindrucken, und das Thema dominiert seit Monaten die Fachdiskussion. Die Nachfrage ist real: Mittelständische Unternehmen stehen unter Druck, aufwändige Prozesse zu verschlanken, Fachkräftemangel zu kompensieren und die Entscheidungsgeschwindigkeit zu erhöhen. KI klingt nach der perfekten Antwort auf alles.

Doch wer genauer hinsieht, stellt schnell fest: Viele der als KI vermarkteten Funktionen sind keine KI im technischen Sinne. Ein Feature, das automatisch eine Nachbestellung auslöst, sobald der Bestand unter 5 Stück fällt, ist keine KI, sondern reine Logik. Ein Chatbot, der nur auf fest hinterlegte Fragen antwortet und dabei nicht lernt, ist keine echte KI, sondern ein Skript. Beides sind bewährte Mechanismen – aber keine Large Language Models, keine generative KI und auch keine neuronalen Netze. Die begriffliche Unschärfe im Markt ist kein Zufall: Sie verkauft sich gut.

Das ist jedoch kein Argument gegen KI im ERP – im Gegenteil. Es ist ein Argument dafür, ihren Einsatz präziser zu definieren, als es der aktuelle Diskurs tut.

Sinnvolle Einsatzfelder entstehen dort, wo repetitive, fehleranfällige Aufgaben auf unstrukturierten oder variablen Eingaben basieren. Ein typisches Beispiel aus der Praxis: Eingehende Belege – Bestellungen, Lieferscheine, Rechnungen – kommen in unterschiedlichsten Formaten an. Eine gut trainierte KI kann helfen, relevante Datenfelder zu erkennen, zuzuordnen und in das ERP zu überführen, ohne dass jedes Lieferantenformat manuell hinterlegt werden muss. Was die KI hier leistet, ist klar begrenzt und messbar: Sie beschleunigt eine repetitive Aufgabe. Der Mensch bleibt jedoch in der Entscheidungslogik und hilft der KI, zukünftig noch besser zu werden – Er prüft, gibt frei und korrigiert. 

Weniger sinnvoll ist KI dort, wo ein sauberer Prozess das eigentliche Problem bereits lösen würde.

Hier beginnt die eigentliche Diskussion, die im Markt zu selten geführt wird.

Die meisten KI-Funktionen, die heute in ERP-Systeme integriert werden oder über Schnittstellen angebunden sind, laufen über externe Modell-APIs. Das bedeutet: Jede einzelne Anfrage – jede Suche, jedes Mapping, jede Analyse – verursacht Kosten. Diese werden in Token gemessen und nach Verbrauch abgerechnet.

Ein konkretes Rechenbeispiel aus der Praxis macht das greifbar: 300 Anwender, 50 KI-Anfragen pro Tag, ein Cent pro Token – das ergibt schnell einen fünfstelligen Betrag pro Jahr. Nicht einmalig. Jedes Jahr. Was im Verkaufsgespräch als Feature präsentiert wird, ist in der Betriebsrealität ein variables Abo, dessen Kosten schwer planbar sind und dessen Abhängigkeit von externen Anbietern strukturell unterschätzt wird.

Diese Logik verändert die betriebswirtschaftliche Bewertung grundlegend. Ein klassisches ERP-Modul hat Lizenzkosten und Implementierungsaufwand – aber es läuft danach. KI-Features haben laufende Betriebskosten, die vom Nutzungsverhalten abhängig sind. Das ist jedoch kein Argument gegen KI. Es ist ein Argument für Transparenz.

Neben den Kosten ist die Datenhaltung das zweite Thema, das in der Kaufentscheidung häufig zu wenig Gewicht bekommt.

Externe KI-Modelle verarbeiten die Daten, die ihnen übergeben werden. Bei öffentlich verfügbaren Informationen ist das unkritisch. Hier überwiegt der Mehrwert das Risiko deutlich.

Anders verhält es sich bei sensiblen Unternehmensdaten: Kalkulationen, Lagerbestände, Kunden- und Lieferantenbeziehungen, Einkaufskonditionen. Diese Daten haben an einem externen Endpoint eigentlich nichts verloren – rechtlich, wettbewerblich und im Sinne unternehmerischer Sorgfalt. Wer KI auf diesen Datenkategorien betreiben will, muss entweder auf Inhouse-Modelle setzen oder sehr genau prüfen, welche Daten und unter welchen vertraglichen Bedingungen tatsächlich übertragen werden.

Das ist kein theoretisches Datenschutzproblem. Es ist eine strategische Architekturentscheidung, die vor der Einführung von KI getroffen werden. Beispiele aus der Praxis, wo die KI auf sensiblen Daten trainiert wurde, finden sich bereits in einigen Pressemitteilungen.

Aus der Praxis lassen sich drei Leitfragen ableiten, die Unternehmen vor der Einführung von KI-Funktionen in ihr ERP stellen sollten:

1. Was kostet es uns – nicht einmalig, sondern auf Dauer? Wer die Betriebskosten nicht kennt, kann die Wirtschaftlichkeit nicht beurteilen. Token-Kosten, API-Gebühren und die Kostenentwicklung bei steigender Nutzung müssen Teil der Planung sein.
   
2. Ist der Mehrwert diese Kosten wert – und ist er messbar? KI sollte dort eingesetzt werden, wo sie einen klar definierbaren Effizienzgewinn bringt, der sich messen lässt.
   
3. Wohin gehen die Daten – und ist das akzeptabel? Die Antwort muss differenziert sein. Für interne Geschäftsdaten braucht es eine klare Antwort auf die Frage der Datenhoheit.

KI im ERP ist keine Frage des Ob, sondern des Wie, Wo und zu welchem Preis. Die Technologie bietet reale Potenziale, die gerade im produzierenden Mittelstand mit seinen komplexen Stücklisten, engen Margen und begrenzten Personalressourcen erheblich sein können.

Aber KI ist kein Feature. Sie ist Betriebskosten, Architekturentscheidung und Datenstrategie in einem. Unternehmen, die das verstehen und ihre KI-Einführung entsprechend strukturiert angehen, werden von der Technologie profitieren. Unternehmen, die auf den Hype reagieren und KI ohne klares Kostenmodell und die Antwort auf die Datenfrage einführen, werden feststellen, dass das intelligenteste Feature am Ende das teuerste war.

Die wichtigste Frage ist nicht: Kann die KI das? Die wichtigsten Fragen sind: Was kostet die KI in fünf Jahren – und wem gehören dann meine Daten?

Mehr erfahren über

---

Das könnte Sie auch interessieren