Künstliche Intelligenz in ERP-Systemen - Chancen, Trends und Risiken
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Künstliche Intelligenz
in ERP-Systemen
Chancen, Trends und Risiken
In Kooperation mit Powered by Gefördert durch
Künstliche Intelligenz in ERP-Systemen
Chancen, Trends und Risiken
Über Einsatz und Perspektiven intelligenter Funktionen
in ERP-Systemen
Autorinnen und Autoren
Dr. Kilian Nickel | Fraunhofer IAIS
Dr. Felix Hasenbeck | Fraunhofer IAIS
Ulrike Daniels | KI.NRW
Dr. Michael Andrä | Fraunhofer IAIS
Dr. Barbara Gold | Fraunhofer IAIS
Hanna Kolkmann | Fraunhofer IAIS
Powered by Gefördert durch
Inhalt 1 Executive Summary..................................................................................................................7 2 Einleitung................................................................................................................................8 2.1 Bedeutung von ERP-Systemen..........................................................................................8 2.2 Künstliche Intelligenz im ERP-Kontext...............................................................................8 2.3 Motivation der Studie und Leitfragen...............................................................................9 3 Aufbau und Vorgehensweise der Studie.................................................................................10 4 KI in ERP-Systemen: Analyse..................................................................................................10 4.1 Aktuelle Use Cases.........................................................................................................10 4.2 Verbreitung von KI in ERP-Systemen...............................................................................13 4.3 Grenzen von KI in ERP-Systemen....................................................................................14 4.3.1 Voraussetzungen für den KI-Einsatz in ERP-Systemen...........................................14 4.3.2 Hindernisse für den KI-Einsatz in ERP-Systemen....................................................15 4.3.3 Gegenmaßnahmen..............................................................................................15 4.4 Chancen, Trends und Risiken..........................................................................................16 5 Erhebung...............................................................................................................................18 5.1 Durchführung der Befragung.........................................................................................18 5.2 Rücklaufquote...............................................................................................................18 5.3 Profil der Stichprobe......................................................................................................18 5.4 Auswertung...................................................................................................................19 5.4.1 Genutzte ERP-Systeme.........................................................................................19 5.4.2 Einsatz von intelligenten Funktionen....................................................................20 5.4.3 Chancen und Risiken...........................................................................................20 5.4.4 Unternehmenswünsche für KI in ERP-Systemen....................................................22 6 Diskussion.............................................................................................................................24 7 Fazit und Handlungsempfehlung...........................................................................................26 8 Literatur.................................................................................................................................28
1 Executive Summary
Künstliche Intelligenz (KI) bezeichnet intelligente desto eher kann eine passende KI vom Hersteller
Algorithmen, die menschliche Denkmuster nach- vortrainiert und mit dem ERP-System ausgeliefert
empfinden und lernfähig sind. Sie werden in zu- werden. Je spezieller der Use Case, desto mehr Auf-
nehmendem Maße von ERP-Anbietern in die wand fällt für Training und Datenaufbereitung im
Funktionen ihrer Systeme integriert bzw. als Unternehmen an, wozu technische Expertise be-
kompatible Module bereitgestellt. Diese Studie nötigt wird. Ein wichtiger Faktor ist die Verfügbarkeit,
untersucht, in welcher Weise Unternehmen von Qualität und Quantität der benötigten Daten – eine
Künstlicher Intelligenz innerhalb von ERP-Systemen KI arbeitet nur so gut, wie die Daten, mit denen sie
profitieren können. trainiert worden ist.
KI kann die Arbeit mit ERP-Systemen auf ver- Diese Studie beinhaltet eine Erhebung über
schiedene Weise unterstützen, z. B. durch kontext- 74 Unternehmen, die zum Großteil der Industrie
abhängige Visualisierung von Daten und Kennzahlen, und dem Handel angehören – Branchen, die auch in
Sprachsteuerung, Chatbots, Prognosen und pro- der Wirtschaft Nordrhein-Westfalens stark vertreten
aktive Optimierungsvorschläge für Unternehmens- sind. Die Erhebung ergibt, dass die Automatisierung
prozesse (Lagerbewegungen, Produktionsplanung, von Routineabläufen und die damit einhergehende
Marketingkampagnen, Kundenansprachen etc.). Arbeitsentlastung als größte Chance von KI-
Durch ihre Lernfähigkeit verbessern sich die Funktionen in ERP-Systemen gesehen wird. Weitere
Algorithmen kontinuierlich selbst. Studien sehen im Chancen bestehen in der verbesserten Datenquali-
KI-Einsatz in Unternehmen ein großes wirtschaft- tät und der Vermeidung von Fehlern sowie der
liches Potenzial und teilweise sogar einen wett- Effizienz- und Performance-Steigerung. Als größte
bewerbsentscheidenden Vorteil. In der Politik ist Risiken werden falsches Vertrauen in die Technik
die KI-Förderung in den letzten Jahren Bestandteil und Kontrollverlust genannt. Bezüglich der An-
nationaler und länderspezifischer Digitalstrategien forderungen, die Unternehmen an ihre ERP-Systeme
geworden. Das Land Nordrhein-Westfalen, welches stellen, steht an oberster Stelle die Sprachsteuerung,
bundesweit die höchste Anzahl an Unternehmen gefolgt von voraussagenden Analysefunktionen,
beheimatet, will seine Spitzenposition als eine der u. a. zur Vermeidung von Maschinenwartungen.
stärksten KI-Regionen Europas unterstreichen.1 Letztlich bestimmt das Zusammenspiel zwischen
Mensch und Technik den Erfolg einer KI-Nutzung.
Obwohl das Angebot an KI-Funktionen durch die In dieser Hinsicht ist eine frühzeitige Einbindung
ERP-Anbieter zunimmt, ist deren Verbreitung in der Anwender*innen sowie ausreichende Zeit für
deutschen Unternehmen eher gering, denn nur etwa Schulungen und Einarbeitung entscheidend.
die Hälfte setzt sie ein. Für einen erfolgreichen und
rentablen KI-Einsatz müssen die richtigen Voraus- Diese Studie soll Anlass dazu geben, den Austausch
setzungen gegeben sein. An erster Stelle steht ein zwischen Beratungseinrichtungen und Unternehmen
konkreter Use Case, der durch geschäftliche Bedarfe zu vertiefen, um die individuellen Potenziale von KI in
motiviert ist. Je eher der Use Case eine allgemeine ERP-Systemen zu identifizieren und umzusetzen.
Funktion mit überschaubarem Kontext betrifft,
1 Landesportal NRW, 2019, Pressemitteilung.
Künstliche Intelligenz in ERP-Systemen 72 Einleitung
2.1 Bedeutung von ERP-Systemen Allgemein werden die Begriffe starke und schwache
KI unterschieden. Schwache KI wird für begrenzte
Problemstellungen entwickelt. Sie optimiert sich
Enterprise-Resource-Planning- (ERP-) Systeme selbst im Rahmen der Methoden, die ihr mitgegeben
unterstützen unternehmensweite Geschäfts- wurden. Der konkrete Lösungsweg muss dabei
prozesse und die Planung der zugrundeliegenden nicht vorgegeben werden. Alle heute existierenden
Ressourcen (Personal, Zeit, Maschinen, Lager etc.). Systeme fallen unter diese Kategorie.
Sie erfassen und verknüpfen unternehmensweite
Daten und e rlauben eine gezielte Auswertung und Typische Anwendungsfelder schwacher KI sind
Steuerung. ERP-Systeme sind damit zu Recht die Mustererkennung (in Bildern, Texten, Z eitreihen,
Herzstücke einer modernen Unternehmens-IT. Sensordaten etc.), der Umgang mit natürlicher
Sprache (z. B. Sprachsteuerung, Übersetzungen,
Da ERP-Systeme grundsätzlich die Automatisierung Assistenten) und das Erstellen von Prognosen (z. B.
von Geschäftsprozessen vorantreiben, enthalten Preisbewegungen, Produktionszeiten, Maschinen
sie seit jeher intelligente Funktionen, z. B. zur ausfälle). In den letzten Jahren bekam die
Optimierung des Ressourceneinsatzes. Ab wann KI-Forschung enormen Antrieb durch den Einsatz von
kann man also von »Künstlicher Intelligenz« (KI) in Schlüsseltechnologien im Bereich des maschinellen
ERP-Systemen sprechen? Lernens, insbesondere des Deep Learning2 und der
stetig steigenden Rechenkapazität.
2.2 Künstliche Intelligenz im In dieser Studie geht es speziell um KI-Funktionen,
ERP-Kontext die integrierter Bestandteil eines ERP-Systems sind
oder an bestehende Systeme kompatibel angedockt
werden können.
Allgemein versteht man unter KI ein Teilgebiet der
Informatik, das darauf abzielt, bestimmte intelli Der dadurch erzielte Effekt ist einerseits, dass
gente Entscheidungsmuster des Menschen durch Aufgaben in einem Unternehmen, die mittels
Algorithmen zu imitieren. ERP-System erledigt werden, genauer, schneller,
günstiger, effektiver oder mit weniger manueller
Wir sprechen von KI, wenn zwei Kriterien er- Tätigkeit erledigt werden können. Die Veränder
füllt sind: (1) Die KI ist in der Lage, Aussagen ungen gehen aber tiefer:3 Laut IDC werden neue
zu bisher unbekannten Datensätzen zu treffen, Generationen von ERP-Systemen (»i-ERP«) zu
daraus zu lernen und sich selbst zu verbessern; proaktiven Assistenten, mit denen zunehmend in
(2) die KI besitzt die Fähigkeit mit probabilistischen natürlicher Sprache bzw. dialogorientiert gearbeitet
Informationen umzugehen und daraus resultierende wird. Sie bieten neben einer Breite an Automati
Ergebnisse nach dem Grad ihrer Gewissheit zu sierung auch die Möglichkeit, Prozesse selber neu zu
beurteilen. definieren. Außerdem eröffnen sie individualisierte
und kontextabhängige Einblicke in ihre Daten.
2 Fraunhofer-Gesellschaft, Maschinelles Lernen, 2018.
3 IDC, 2016, Whitepaper i-ERP.
8 Künstliche Intelligenz in ERP-SystemenJe intelligenter und umfassender eine KI agiert, KI-Investitionen im internationalen Vergleich den
desto näher kommt sie der Vorstellung einer starken Anschluss verlieren.9
KI: diese wäre in der Lage, neue logische Zusammen-
hänge zu erkennen und ihren Methodensatz aus Derartige Schätzungen stehen den weltweiten
eigenem Antrieb zu erweitern. Eine solche Super- rezessiven Auswirkungen der COVID-19-Pandemie
intelligenz würde rasch die intellektuellen Fähig- gegenüber.10 Allerdings schmälern diese nicht die
keiten jedes Menschen übertreffen.4 Die Forschung Bedeutung von KI – tatsächlich wirkt die Pandemie
ist mehrheitlich der Ansicht, dass die E ntwicklung flächendeckend eher als Beschleuniger der
einer starken KI möglich ist. Digitalisierung.11
Auch bei schwacher KI mit begrenztem Anwen Angesichts ihres Potenzials schreitet die KI-Durch-
dungsfeld sind die Aspekte der Kontrolle, Ver- setzung im ERP-Kontext allerdings nur langsam
antwortung, Nachvollziehbarkeit, Risiko und Ethik voran.12 Die Prognose ist jedoch eindeutig: Künstliche
von hoher Relevanz. Werden z. B. Entscheidungen Intelligenz wird zukünftig stark in unternehmerischen
auf Grundlage von Prognosen oder Optimierungs- Kernprozessen verankert sein und die ERP-Landschaft
vorschlägen einer KI getroffen, sind die möglichen deutlich verändern.12 In einigen Jahren könnten auto-
Nebeneffekte (z. B. finanzielle, unternehmerische, nome ERP-Systeme, die komplexe Unternehmens-
personelle etc.) zu berücksichtigen, für welche die prozesse managen, bereits Standard sein.
schwache KI nicht ausgelegt ist.
Diese Studie ist dadurch motiviert, zu beleuchten,
wie Unternehmen besser von KI in ERP-Systemen
2.3 Motivation der Studie und profitieren können. Dazu werden folgende Leit-
Leitfragen fragen untersucht:
• Wie wird Künstliche Intelligenz aktuell in ERP-
Die Bedeutung von KI ist durch ihr großes wirt Systemen genutzt? Welche Entwicklungen sind
schaftliches Potenzial gekennzeichnet. So schätzt zukünftig zu erwarten?
die Bundesregierung auf Grundlage unabhängiger
Studien,5,6 dass durch den Einsatz von KI eine zu • Welche Faktoren verhindern den Einsatz von KI in
sätzliche Bruttowertschöpfung im produzierenden ERP-Systemen? Wie können bestehende Hinder-
Gewerbe in Deutschland in Höhe von 31,8 Mrd. € nisse überwunden werden?
innerhalb des Zeitraums von 2019 bis 2023 e rzielt
wird. Dies entspricht etwa einem Drittel des gesamten • Welche Chancen, Risiken und Wünsche
prognostizierten Wachstums.7 Unter der Annahme verbinden Unternehmen mit dem Einsatz
eines flächendeckenden KI-Einsatzes wird für die von KI in ERP-Systemen?
gesamte deutsche Wirtschaft eine Steigerung des
Bruttoinlandsproduktes um 480 Mrd. € von 2019 Es wird zudem untersucht, inwieweit die Ergebnisse
bis 2025 geschätzt.8 Gleichzeitig wird das Risiko ge- der Studie auf die in Nordrhein-Westfalen stark ver-
äußert, Deutschland könne aufgrund niedriger tretenden Branchen übertragbar sind.
4 Bostrom, N., 2014.
5 Chen, N. et al., 2016. 9 Bitkom, 2020, Digitalstrategie 2025.
6 Purdy, M. et al., 2017. 10 OECD, 2020.
7 Seifert, I. et al., 2018. 11 Tagesspiegel Online, 2020.
8 Arthur D. Little, eco e. V., 2019. 12 Bitkom, 2019, Positionspapier KI und ERP.
Künstliche Intelligenz in ERP-Systemen 93 Aufbau und Vorgehensweise der Studie
Die Studie analysiert auf Grundlage einer Literatur- Die Studie umfasst außerdem eine ergänzende
recherche die Ist-Situation hinsichtlich des Einsatzes empirische Datenerhebung mittels einer Umfrage,
von KI in ERP-Systemen (Kap. 4). Dabei werden an der sich 74 deutsche Unternehmen beteiligten
aktuell verfügbare Use Cases vorgestellt (Kap. 4.1) (Kap. 5). Die erhobenen Informationen werden mit
und die Verbreitung von KI-Funktionen untersucht den Erkenntnissen der Literaturrecherche verglichen
(Kap. 4.2). Es werden die Voraussetzungen und und diskutiert (Kap. 6). Davon ausgehend werden
Hindernisse für KI-Nutzung aufgezeigt (Kap. 4.3) Handlungsempfehlungen für Unternehmen und
und entsprechende Gegenmaßnahmen diskutiert. Beratungsinstanzen formuliert (Kap. 7).
Schließlich werden Chancen, Trends und Risiken
erörtert (Kap. 4.4).
4 KI in ERP-Systemen: Analyse
4.1 Aktuelle Use Cases
Allgemein lässt sich eine KI-Anwendung in die sehr unterschiedlich ausgeprägt sein kann, ergibt sich
Komponenten Wahrnehmen, Verstehen, Handeln ein breites Spektrum möglicher Use Cases. Das macht
und Lernen unterteilen (Abb. 1). Da jede Komponente KI zum Allzweckwerkzeug.
1. Wahrnehmen 2. Verstehen 3. Handeln
ERP-Datenbanken Deep Learning Anwendung steuern
Audio (Sprache) Machine learning Prozesse auslösen
Video (Foto, Film) Statistik/Analyse Information darstellen
Log-Dateien Regelsätze Sprache wiedergeben
Sensordaten Entscheidungsbäume Grafiken zeichnen
... ... ...
4. Lernen/Trainieren
Nutzerfeedback
Überwachtes Lernen
...
Abb. 1: Komponenten einer KI (modifizierte Version nach Bitkom, 2017, Positionspapier KI, S. 32).
10 Künstliche Intelligenz in ERP-SystemenWas eine KI alles tun kann, lässt sich anhand unstrukturiert
sprunghaft Augmentation
eines vierteiligen Schemas13 einordnen: Auf der viele Daten
einen Achse steht die Arbeitskomplexität der zu
Effektivität Innovation
erledigenden Aufgaben, auf der anderen Achse
die Komplexität der Datengrundlage (Abb. 2).
Danach können vier Aufgabenfelder unter-
schieden werden:
Effizienz: Routineaufgaben, die zuverlässig auf Effizienz Expertise
einer überschaubaren Datengrundlage ausgeführt strukturiert
werden und sich für die Automatisierung eignen. stabil Automatisierung
wenige Daten
Effektivität: Routineaufgaben, die durch um-
vorhersehbar unvorhersehbar
fangreiche Informationen, Abhängigkeiten oder regelbasiert urteilsbasiert
Routine ad hoc
Koordination erschwert und durch KI besser
bewältigt werden können. Abb. 2: Komplexitätsschema nach Bataller, Harris, 2016.
Expertise: Aufgaben, die in der Regel menschliches
Urteilsvermögen, Erfahrung und Expertise benötigen Je weiter ein Use Case in der oberen rechten Ecke
und durch KI-Informationen unterstützt werden. von Abb. 2 angesiedelt ist, desto eher kann er als
Augmentation, d. h. Unterstützung oder Erweiterung
Innovation: Aufgaben im Bereich des kreativen der menschlichen Fähigkeiten angesehen werden.
Schaffens bzw. der Ideenbildung, die durch KI-
generierte Optimierungen oder Alternativen unter-
stützt werden.
13 Bataller, Harris, 2016.
Künstliche Intelligenz in ERP-Systemen 11Use Case Use Case
Digitaler Assistent Kunden-Self-Service
Funktion: Analog zu Siri, Alexa etc. er- Funktion: Self-Service in Form von Chat-
laubt der SAP CoPilot die Anwendungs oder Voicebots zur Problemlösung bzw. Be-
steuerung in natürlicher Sprache und arbeitung von Kundenanfragen unter Be-
liefert kontextsensitive Informationen und rücksichtigung von ERP-Daten. Enthält
Aktionsvorschläge. Emotions- und Absichtserkennung.
Anbieter: Anbieter:
SAP (SAP S/4HANA Cloud) Empolis Information Management GmbH
(Empolis Service Express)
Kategorie: Effektivität
Kategorie: Effektivität
Use Case Use Case
Sofort-Übersetzung Predictive Satisfaction
Funktion: Die Anwendungsoberfläche von Funktion: Ein Projektleiter wird vor mög-
FOSS ERP und angezeigte Textelemente lichen Problemen gewarnt, bevor sich der
werden automatisch übersetzt. Kunde selbst meldet. Datengrundlage sind
u. a. Projektstatusberichte, Arbeitsstunden,
Anbieter:
Beschwerdeanzahl, Zahlungsverhalten von
Ordat GmbH
Kunden.
Kategorie: Effizienz
Anbieter:
GUS Deutschland GmbH (GUS OS)
Kategorie: Expertise
Use Case Use Case
Predictive Maintenance Produktionsplanung
Funktion: Vorzeitige Ermittlung von Funktion: Situationsabhängige Anpassung
Wartungsterminen auf Grundlage von von Artikeldurchlaufzeiten, die der Real-
Maschinen- und Qualitätsdaten. situation entspricht und zukünftiges System-
verhalten berücksichtigt.
Anbieter:
PSI FLS Fuzzy Logik & Neuro Systeme GmbH Anbieter:
Trovarit AG
Kategorie: Effizienz
Kategorie: Effizienz
Abb. 3: Exemplarische Use Cases.14,15
14 Bitkom, 2019, Positionspapier KI und ERP.
15 SAP, 2019.
12 Künstliche Intelligenz in ERP-Systemen4.2 Verbreitung von KI in ist deren Einsatz die zentrale Herausforderung der
ERP-Systemen nächsten drei Jahre.
Zum speziellen Thema Verbreitung von KI als Bestand-
In einer 2019 veröffentlichten PwC-Studie gaben
16
teil von ERP-Systemen gibt es wenige Aussagen in der
von über 500 Entscheidern in deutschen Unter- Literatur. Gängige ERP-Marktstudien stellen KI häufig
nehmen lediglich vier Prozent an, bereits Künstliche als Trend fest, gehen jedoch nicht ins Detail.19,20,21
Intelligenz in ihren Unternehmen einzusetzen. Zwei
Prozent waren aktuell dabei, entsprechende Techno- Das Angebot auf Seiten der ERP-Anbieter wird
logien zu implementieren. In naher Zukunft geplant derzeit als überschaubar und die Zahl der An-
hatten dies immerhin 17 %. Ganze 48 % hielten das wendungsfälle auf Kundenseite als klein ein-
Thema KI für nicht relevant. gestuft.22 Ein Blick auf die Onlinepräsenzen der
ERP-Anbieter zeigt, dass diese zunehmend auf
Im produzierenden Gewerbe geben 25 % der Groß- intelligente (KI-) Anwendungen setzen, die aus der
unternehmen an, KI-Technologien einzusetzen.17 Bei Cloud bezogen werden können. Große Anbieter
kleinen und mittleren Unternehmen (KMU) sind es (»Tier I provider«, SAP, Oracle, Microsoft)21 haben
lediglich 15 %. hier einen Vorteil.
Vor allem für die Datenanalyse innerhalb von Ent SAP bietet mit Leonardo23 eine Art App Store für
scheidungsprozessen können sich 70 % der Be- KI-Anwendungen, die bis dato 57 verfügbare An-
fragten den Einsatz von automatisierten intelligenten wendungen listet. In den nächsten Jahren sollen
Funktionen vorstellen. Für die Prozessautomatisie weitere Funktionen folgen, die zu einer Auto-
rung bestehender Geschäftsprozesse sehen 63 % matisierung von 50 % aller manuellen Aufgaben
der Befragten Potenzial. Dabei geht es Unternehmen im ERP-System bis 2022 führen soll.24 Ein konkretes
vor allem darum, Mitarbeitende zu unterstützen und Ziel dabei ist die Sprachsteuerung des kompletten
zu entlasten (71 %).16 Systems über einen digitalen Assistenten.
Adesso kommt im KI-Report 201918 zu dem Schluss, Kleinere Anbieter gehen z. B. strategische
dass fast allen befragten Entscheidern das Potenzial Kooperationen mit KI-Unternehmen ein (abas mit
von KI-Anwendungen bewusst ist. Für jeden zweiten AI4BD, proAlpha mit Empolis Service Express).
19 Trovarit, 2018
16 PwC, 2019. 20 SoftSelect, 2019
17 Seifert, I. et al., 2018. 21 Panorama Consulting, 2020.
18 Adesso, 2019. 22 Bitkom, 2019, Positionspapier KI und ERP.
19 Trovarit, 2018. 23 https://innovation-guide.sap.com/.
20 SoftSelect, 2019. 24 SAP, 2019.
18 Adesso, 2019
Künstliche Intelligenz in ERP-Systemen 1353%
44%
33% 32%
15%
10% 9%
4%
Das aktuelle ERP ist Das aktuelle ERP ist Das ERP wird aktiv Intelligente Technik
unflexibel und soll unflexibel und soll durch durch intelligente ist Kernbestandteil
beibehalten werden intelligente Technik Technik erweitert des aktuellen ERP
erweitert werden
2019 2020
Abb. 4: Aussagen zur Intelligenz des eigenen ERP-Systems (Accenture 2019, 2020).
Neben den einschlägigen Veröffentlichungen des 4.3.1 Voraussetzungen für den
Branchenverbandes Bitkom nähern sich vor allem KI-Einsatz in ERP-Systemen
die ERP-Trendstudien von Accenture25,26 dem Thema,
welche die Sichtweisen von CIOs im Vereinigten Eine KI arbeitet nur so gut, wie die Daten, mit denen
Königreich auf das eigene ERP-System hinsichtlich sie trainiert worden ist. Dies kann der ERP-An-
KI analysieren (Abb. 4). Zuletzt bezeichneten 59 % bieter nur im begrenzten Umfang leisten.27 Handelt
der Befragten ihr System als unflexibel. Ein geringer es sich z. B. um Sprach- bzw. Texterkennung oder
Anteil bezeichnet das eigene System als »im Kern automatische Übersetzungen, so kann die KI zwar
intelligent«; hier ist eine Steigerung im Vergleich direkt verwendet werden, aber nicht direkt mit dem
zum Vorjahr zu beobachten. speziellen Vokabular der Domäne umgehen und
Kontexte korrekt erschließen. Dazu muss sie weiter-
hin angelernt werden. Je nach Einsatzgebiet muss
4.3 Grenzen von KI in ein Mensch das nötige Feedback an die KI geben
ERP-Systemen (Reinforcement Learning).28 Auch eignen sich nicht
sämtliche vorhandene Daten als Trainingsdaten für
die KI. Sie müssen aufbereitet und als Trainingsdaten
Angesichts der hohen Bedeutung von KI als Wett- qualifiziert werden. Dies benötigt ebenfalls fach-
bewerbsfaktor stellt sich die Frage, warum KI kundige Mitarbeitende im Unternehmen.
nicht flächendeckend in ERP-Systemen eingesetzt
und beworben wird. Es soll im Folgenden unter- Entscheidend sind neben der Qualität der Daten
sucht werden, welche Faktoren den KI-Einsatz be- auch deren Quantität. Im ERP-Kontext sind dies
schleunigen und welche ihn behindern. z. B. die Anzahl der Unternehmensprozesse, Auf-
träge, Transaktionen etc. Ist die Datenmenge
zu klein für das KI-Training, spricht man von der
Small-Data-Problematik.
25 Accenture, 2019. 27 Bitkom, 2019, Positionspapier KI und ERP.
26 Accenture, 2020. 28 Tröger, K., 2020.
14 Künstliche Intelligenz in ERP-SystemenSchlussendlich muss eine KI-Anwendung auch über- • Fehlende Wirtschaftlichkeit: Der Aufwand für die
haupt technisch kompatibel mit dem ERP-System Einführung und den Betrieb ist zu groß im Ver-
und dessen Datenstrukturen sein. In dem Fall, gleich zum betriebswirtschaftlichen Nutzen. Dies
dass die KI bereits als Bestandteil eines ERP-Pakets kann auch damit zusammenhängen, dass die
ausgeliefert wird, ist das Kompatibilitätsproblem betrachteten Use Cases nicht die richtigen sind.
durch den Hersteller (zumindest für die ERP-internen
Daten) bereits gelöst. Besitzt ein Unternehmen he Hinzu kommen ethische und juristische Aspekte:
terogene Datenlandschaften oder ein älteres, eher
unflexibles ERP-System (z. B. als Zweitsystem), so ist • Vertrauen in die Technik:30 Schlussfolgerungen
der Einsatz von KI eingeschränkt oder mit hohem einer KI sind in der Regel nicht nachvollziehbar.
Aufwand verbunden. Eine Studie des Think Tanks Ohne Vertrauen in die Aussagen einer KI könnten
2bAHEAD spitzt die Aussage zu: »Legacy-Systeme menschliche Entscheider diese ablehnen.
sind mit Abstand die größte Herausforderung für
Unternehmen bis 2030.«29 • Datenschutz: Die Umsetzung datenschutzrecht-
licher Anforderungen (z. B. Recht auf Löschung)
Sind die genannten Voraussetzungen gegeben, an die KI ist abhängig vom Anwendungsfall und
kann KI »out-of-the-box« zumindest für Standard- stellt Design-Herausforderungen an die Anbieter.31
aufgaben (z. B. Texterkennung, Sprachsteuerung) Neben der technischen Umsetzung bedarf es auch
eingesetzt werden. Abseits des Standards ist häufig einer organisatorischen Umsetzung im Unter-
eine gezielte Anpassung und ein Training der nehmen (z. B. zur Auskunftspflicht).
Modelle erforderlich.27
• Haftungsfragen: Der rechtliche Haftungsrahmen
4.3.2 Hindernisse für den KI-Einsatz für wirtschaftliche Schäden durch Fehlent-
in ERP-Systemen scheidung der KI ist bislang nicht geklärt.
Es fehlt an belastbaren Präzedenzfällen.
Aus den genannten Voraussetzungen lassen sich
folgende Hindernisse für den KI-Einsatz ableiten: 4.3.3 Gegenmaßnahmen
• Small-Data-Problematik: Die Datenmengen sind Was kann getan werden, um diese Hindernisse ab-
zu gering für das Training von KI. zuschwächen oder zu überwinden?
• Fachkräftemangel: Experten mit spezifischem Die Small-Data-Problematik wird durch neue Erkennt-
Domänen- und Branchenwissen bei gleichzeitiger nisse der KI-Forschung angegangen.32 Andererseits
informationstechnischer Expertise fehlen. kann ein Mangel an Daten auch durch das künstliche
Erzeugen von Trainingsdaten behoben werden.33
• Technische Hindernisse: Inkompatible Daten-
strukturen, fehlende Schnittstellen oder Fehlende Fachkräfte, die sowohl IT- als auch
ungeeignete ERP-Systeme erhöhen den Branchenexpertise besitzen, können Unternehmen
Aufwand für den KI-Einsatz. Für den Fall, dass aus dem eigenen Personal entwickeln. Hierzu
der KI-Einsatz nur durch einen ERP-Wechsel können spezialisierte Workshops oder Fortbildungen
zu bewerkstelligen ist, werden die damit zu- nützlich sein.34,35
sammenhängenden Hindernisse geerbt.
30 PwC, 2019.
31 Schürmann Rosenthal Dreyer, Datenschutzkonforme KI.
32 Maheswari, J. P., 2018.
33 Dashwood, J., Intel-Web-Artikel.
34 z. B. Data Natives (https://dataconomy.com/
events-overview/).
29 2bAHEAD, 2020. 35 Fraunhofer-Gesellschaft, Maschinelles Lernen, 2018.
Künstliche Intelligenz in ERP-Systemen 15Vertrauen in KI ist für Unternehmen entscheidend.30 Qualitätssicherung durch menschliche Prüfer und
Es wird u. a. gestärkt durch Verständnis der An- Entscheider geboten.41
wendung, Nachvollziehbarkeit der Ergebnisse und
Kontrolle durch menschliche Entscheider.
4.4 Chancen, Trends und Risiken
Die Untersuchung, wie vertrauenswürdige KI gezielt
entwickelt werden kann, führte zur Aufstellung des
Bonner Katalogs.36 Die dort genannten Handlungs- Welche Chancen werden in der KI in ERP-Systemen
felder stellen den Menschen in den Mittelpunkt und gesehen und welche Trends zeichnen sich ab?
befürworten, Anwender*innen von Anfang an in die
KI-Einführung einzubeziehen. Die folgenden KI-Anwendungsfälle innerhalb von
ERP-Systemen wurden als die wahrscheinlichsten
Das Thema Vertrauen und KI ist auch in der Politik ermittelt:42
angekommen. Die Europäische Kommission ver-
abschiedete im Juni 2019 die (unverbindlichen) • Datenanalyse für Entscheidungsprozesse (70 %)
Ethik-Richtlinien für den Umgang mit KI.37 Es muss • Automatisierung bestehender
geprüft und kommuniziert werden, ob KI-Anbieter Geschäftsprozesse (63 %)
diese auch befolgen, z. B. durch Zertifikate.38 An • Chatbots (47 %)
dieser Stelle könnte gerade der Europäische Daten- • Sprachverarbeitung (42 %)
schutz dem Vertrauen und der Akzeptanz von
KI-Lösungen Vorschub leisten. Prognosen gehen davon aus, dass KI-Funktionen
in ERP-Systemen zwar langsamer als gedacht
Auf Unternehmensseite sollte eine geeignete kommen, jedoch als Schlüsseltechnologie in den
KI-Compliance und KI-Governance eingeführt Unternehmen wettbewerbsentscheidend wirken
werden,39 um Fragen von KI-Management, Daten- werden.39 Dabei gilt: Je größer das Unternehmen,
schutz und Haftung zu begegnen. Während das desto komplexer die Prozesse und höher die Daten-
deutsche Haftungsrechtssystem theoretisch lücken- menge – und damit desto aussichtsreicher der ver-
los ist,40 so erscheint es in der Praxis doch lückenhaft stärkte Einsatz von KI in ERP-Systemen.
und bedarf weiterer Klärung. Es ist zu erwarten, dass
mit zunehmenden Präzedenzfällen sich auch hier Diese Entwicklung hat Auswirkungen auf die An-
Wege und Rechtsrahmen etablieren werden, z. B. forderungen, die an ein ERP-System gestellt werden.
über spezielle Versicherungen für Hersteller und Be- Klassische ERP-Systeme sind monolithisch und gelten
treiber von KI. als schwerfällig, d. h. sie sind wenig offen für externe
Erweiterungen und abhängig vom gewählten Ent-
Wie hoch das Risiko von Fehlentscheidungen ist, wicklungspfad des Herstellers.43 Moderne ERP-
hängt wiederum stark vom betrachteten KI-An- Systeme werden als dezentrale, cloudbasierte Platt-
wendungsfall ab. Je näher die KI im Bereich Ent- form-Systeme konzipiert.
scheidungsunterstützung agiert, desto eher ist
36 Fraunhofer IAIS, 2019, Whitepaper KI-Zertifizierung.
37 Europäische Kommission, HEG-KI, 2019.
38 Fraunhofer IAIS, MWIDE, 2019. 41 Bitkom, 2017, Entscheidungsunterstützung mit KI.
39 Bitkom, 2019, Positionspapier KI und ERP. 42 PwC, 2019.
40 Schürmann Rosenthal Dreyer, KI-Haftung, 2019. 43 Bitkom, 2019, Digitale Plattformen und ERP.
16 Künstliche Intelligenz in ERP-SystemenDas Online-Magazin Scope nennt u. a. folgende • Bei Partnerschaften auf innovative Cloud-Experten
Erwartungen an ERP-Systeme und bezieht sich dabei setzen anstatt auf klassische Dienstleister
auf die Projektpraxis mit Epicor-Systemen:44
• Nahtlose User Experience bzw. Customer
• ERP-Plattform-Konzepte für mehr Ent- Experience und Personalisierung über alle
wicklungsoptionen: Cloudbasierte Plattformen Kanäle hinweg
erlauben es Anwender*innen, unterschiedliche
Funktionsbausteine miteinander zu kombinieren – • Daten als Asset: ERP-Daten zugänglich machen
ähnlich wie in App-Stores für Smartphones. und zusammenführen
• Flexible, schrittweise Einführung von KI- Der letzte Punkt ist konkret durch flexible Schnitt-
Funktionen: Intelligentes ERP beruht auf der stellen der einzelnen Datenmodule zu realisieren,
Fähigkeit des Systems, auf eine Vielzahl neuer die von anderen (KI-)Anwendungen abgefragt
Funktionen zugreifen zu können. Eine schrittweise werden können. Die Anschlussstudie von 202046
Einführung und Erweiterung der Funktions- stellt eine Verstärkung bzw. Fortschreitung dieser
palette sichert Wirtschaftlichkeit und vereinfacht Trends fest.
Akzeptanz. Dies ist durch skalierbare Webservices
zu erreichen. Dem Thema User Experience bzw. Usability kommt
eine hohe Bedeutung zu, da dieses gleichzeitig ein
• Domain-Expertise für schnelleren Einsatz entscheidendes Kriterium bei der Auswahl eines
intelligenter Systeme: KI-Anwendungen müssen ERP-Systems aus Sicht der Anwender*innen ist.47
individuell für den Kunden erweitert werden, ins- Hier besteht eine Chance für ERP-Anbieter, durch
besondere müssen diese die Semantik der ERP- Fokussierung auf KI zur Steigerung der Usability ihr
Daten beigebracht bekommen. Dies e rfordert System gleich doppelt attraktiver zu machen.
Domain-Expertise des ERP-Anbieters für bestimmte
Branchenanforderungen oder Funktionsbereiche. Neben den Vorzügen und Chancen von KI sind
auch die möglichen Risiken zu betrachten. KI in
• Schnellere Systemimplementierung: ERP-Systemen hat organisatorische Auswirkungen,
ERP-Systeme müssen innerhalb weniger Monate was sich in neu zu etablierenden Prozessen und
einsatzbereit sein und zugleich alle Möglichkeiten Aufgabenfeldern auswirkt.48
in Richtung KI offenhalten. Auch in dieser Hinsicht
bietet der Bezug aus der Cloud Vorteile. Studien belegen zudem,48 dass erste KI-Projekte in
Unternehmen zu groß und zu komplex ausgerichtet
Accenture formulierte 2019 fünf Trends wurden. Dies führe zu einer Unterschätzung
für intelligente ERP-Systeme basierend auf des Aufwands, der sich häufig in der Datenauf-
Umfrageergebnissen:45 bereitung niederschlug. Eine gründliche Planung
ist dabei genauso nötig wie geeignetes Change
• Cloud ist als Schlüssel zur Modernisierung zu Management und der Aufbau von Expertise im
betrachten eigenen Team.49
• Der ERP-Kern soll intelligent und erweiterbar sein;
KI ist nicht als reines Add-On zu betrachten
46 Accenture, 2020.
47 Trovarit, 2018.
44 Löhmann, D., Scope Online, 2020. 48 Bitkom, 2019, Positionspapier KI und ERP.
45 Accenture, 2019. 49 Ross, J., 2018.
Künstliche Intelligenz in ERP-Systemen 175 Erhebung
Im Rahmen dieser Studie wurde eine Datenerhebung 5.2 Rücklaufquote
mittels Umfrage durchgeführt, die die Unternehmens-
sicht auf das Thema KI in ERP-Systemen beleuchtet.
Insgesamt nutzten 64 Teilnehmer das Online-Formular,
weitere 10 füllten den Fragebogen von Hand aus. Die
5.1 Durchführung der Befragung Umfrage lieferte damit 74 Datenpunkte. Dies ent-
spricht einer Rücklaufquote von max. 1,9 %.
Die Aufforderung zur Teilnahme an der Umfrage
wurde zusammen mit einem Fragebogen postalisch 5.3 Profil der Stichprobe
an 3875 Unternehmen verschickt, wobei leitende
IT-Positionen bzw. CIOs adressiert wurden. Die Um-
frage wurde auch als Web-Formular über ver- Die teilnehmenden Unternehmen vertreten zum
schiedene Kanäle verbreitet. Die Auswertung der Großteil die Branchen Maschinenbau und Auto-
Umfrage erfolgte anonym und wurde ebenfalls zur mobilindustrie (22 %) und den Handel (18 %).
Erstellung einer Schwesterstudie mit dem Schwer- Rund 29 % sind weiteren Industriezweigen (Metall-,
punkt »ERP-Einführung« verwendet.50 Elektro-, Lebensmittel-, Chemische Industrie) zuzu-
ordnen (Abb. 5).51
Maschinenbau, Automobilindustrie 22%
Handel 18%
Metall und Elektroindustrie 8%
Lebensmittelindustrie 8%
Sonstiges verarb. Gewerbe (Industrie) 8%
Energie-/ Wasserversorgung, Entsorgung 7%
Chemische Industrie 5%
Gesundheits- und Sozialwesen 5%
Baugewerbe 5%
Sonstige Dienstleistungen 4%
Finanzen und Versicherungen 3%
Land- und Forstwirtschaft, Fischerei 3%
Verkehr, Lagerei, Kfz-Instandhaltung 3%
Information und Kommunikation 1%
Abb. 5: Branchenverteilung der teilnehmenden Unternehmen. Die Summe der Anteile kann aufgrund von Rundungen von 100 %
abweichen.
51 Branchenbezeichnung angelehnt an statistische EG-
50 Fraunhofer IAIS, 2020. Systematik (NACE Rev. 2, 2006).
18 Künstliche Intelligenz in ERP-SystemenJahresumsatz in Mio. 5.4 Auswertung
Anzahl
Beschäftigte 10 - 100 100 - 750 > 750
50 - 100 - 2 - 5.4.1 Genutzte ERP-Systeme
100 - 500 9 9 2 Insgesamt wurden 43 eingesetzte ERP-Systeme
genannt, die sich 29 verschiedenen Herstellern
> 500 2 35 15 zuordnen lassen (Abb. 7). Den größten Anteil dabei
hat SAP (49 %), gefolgt von Microsoft (10 %).
Die Gruppe der Sonstigen (22 %) summiert jene
Abb. 6: Anzahl der Unternehmen je nach Beschäftigtenzahl und Hersteller, die nur einmal genannt wurden.
Jahresumsatz
Von den SAP-Kunden nutzen mindestens 10 %
Die Größe der Unternehmen, gemessen an Be- S/4HANA, 18 % ECC 6.0/5.0, 12 % R/3 und 6 %
schäftigtenzahl und Jahresumsatz, ist in Abb. 6 Business One (53 % machten keine Angabe). Von
dargestellt. Die Stichprobe enthält zum Groß- den Microsoft-Kunden nutzen 80 % Dynamics NAV
teil Unternehmen mit über 500 Beschäftigten und 20 % Dynamics AX. 72 % der Unternehmen
und Umsätzen zwischen 100 und 750 Mio. € pro haben ein ERP-System im Einsatz, 18 % haben zwei.
Jahr (47 %), weitere 20 % mit Umsätzen über In Einzelfällen wurde sogar eine deutlich höhere An-
750 Mio. €. Weit mehr als ein Drittel (43 %) der zahl von betriebenen ERP-Systemen genannt. Die
Unternehmen sind international aufgestellt. Da- Altersverteilung der ERP-Systeme zeigt Abbildung 8.
gegen besitzen 17 % nur einen Standort. 46 % der
teilnehmenden Unternehmen besitzen einen oder Von den genannten Systemen sind 47 % vor
mehrere Standorte in NRW. 16 Jahren oder früher eingeführt worden. Vereinzelt
sind Legacy-Systeme oder Eigenentwicklungen
vorzufinden.
2% 2%
2%
Eigenentwicklungen
4%
4%
ABAS
22%
ASC
6% 26%
Oracle
21%
10% proAlpha 17% 18%
14%
Anteil
Infor
Microsoft
SAP 3%
49%
Sonstige
0-5 6-10 11-15 16-20 21-25 26-30
Alter des ERP-Systems in Jahren
Abb. 7: Anteile der ERP-Anbieter innerhalb der Stichprobe. Abb. 8: Altersverteilung von ERP-Systemen (in Jahren nach ihrer
Einführung).
Künstliche Intelligenz in ERP-Systemen 195.4.2 Einsatz von intelligenten 44 % (bei 21 Jahren aufwärts beträgt er 52 %). Es
Funktionen kann keine signifikante Korrelation zwischen dem
Betriebsalter der Systeme und dem Einsatzgrad von
Auf die Frage, ob das eigene ERP-System intelligente KI festgestellt werden.
Funktionen anbietet, antworteten 31% mit
»Ja« und 19 % mit »teilweise«, wobei folgende 5.4.3 Chancen und Risiken
Anwendungsfälle genannt wurden:
Zur Frage nach den größten Chancen von intel
• Automatisches Ausfüllen von Masken (z. B. über ligenten Funktionen im ERP äußerten sich 65 von
Scan-Texterkennung) 74 Teilnehmern. Die Angaben sind in konsolidierter
• Nachbestellung von Material (Vorschläge) Form in Abb. 9 dargestellt. An oberster Stelle steht
• Advanced Planning and Scheduling in die Automatisierung von Routineaufgaben und
der Fertigung die damit einhergehende Arbeitsentlastung, ge-
• Automatische Rechnungsverarbeitung folgt von v erbesserter Datenqualität (sowohl bei
• Automatische Auftrags- und Versandanlage der Erfassung als auch in der Aufbereitung) und
• Tourenplanung mit Kartensystemen Fehlervermeidung. Kosteneinsparung wird eher als
• intelligente Datenvisualisierung sekundäre Chance wahrgenommen.
• Adressprüfungen
• Optimierte Vorhersagen Die am häufigsten genannten Risiken (Abb. 10)
• Optimierte Materialflüsse sind ein falsches Vertrauen in die Technik und
• Optimierte Auftragsabwicklung ein Kontrollverlust, einhergehend mit den un-
• Automatische Betriebskostenabrechnung bekannten Datenflüssen innerhalb der Black Box
KI. Auch die gesteigerte Komplexität und der Ver-
45 % gaben an, dass keinerlei intelligente lust von Know-How bei den Mitarbeitenden wird
Funktionen im ERP-System genutzt werden; als Risiko wahrgenommen. Fachkräftemangel und
5 % machten keine Angabe. Kosten spielen dagegen eher eine untergeordnete
Rolle. Die Themen Datenschutz und Haftung werden
Betrachtet man nur jene Unternehmen, deren nicht als Risiko genannt. Dies deutet darauf hin, dass
Systeme eine Betriebsdauer von 16 Jahren aufwärts zumindest in Führungspositionen wenige Bedenken
vorweisen, so sinkt der Anteil der KI-Nutzung auf diesbezüglich vorliegen.
20 Künstliche Intelligenz in ERP-SystemenRepetitive Aufgaben automatisieren / Arbeitsentlastung 30%
Verbesserte Datenqualität / Fehlervermeidung 23%
Performancesteigerung 12%
Effizienzsteigerung 9%
Verbesserung Forecasting / Produktionsplanung 4%
Gesteigerte Kunden- / Mitarbeitendenzufriedenheit 4%
Gesteigerte Transparenz 4%
Visualisierung von Kennzahlen / Trendentwicklungen 4%
Kosteneinsparung 3%
Vereinfachung komplexer Prozesse 3%
Einhaltung von Prozessabläufen 3%
Prozessstabilität 2%
Datensicherheit 1%
Abb. 9: Chancen von KI in ERP-Systemen
Falsches Vertrauen in die Technik 23%
Kontrollverlust / unbekannte Datenflüsse 16%
Gesteigerte Komplexität 15%
Verlust von Know-How 13%
Abhängigkeit vom System 6%
Überforderung der Mitarbeitenden 5%
Mehrarbeit durch fehlerhafte Daten 5%
Fehlendes Monitoring 3%
Fehlende Userakzeptanz 3%
Verlust der Übersicht 3%
Fehlende Fachkräfte 2%
Überschätzung der KI-Möglichkeiten 2%
Kosten 2%
Unzureichende Risikoanalyse 1%
Abb. 10: Risiken von KI in ERP-Systemen.
Künstliche Intelligenz in ERP-Systemen 215.4.4 Unternehmenswünsche für KI in Wunsch (Abb. 11). Weitere Wünsche sind Predictive-
ERP-Systemen Analytics-Funktionen sowie die Anomalieerkennung
zur Reduzierung von Wartungen (Predictive
Auf die Frage, welche intelligenten Funktionen aus Maintenance). Die erhöhte Mobilität per App-
dem beruflichen oder privaten Umfeld auch für das Anbindung an das ERP-System wird ebenfalls
ERP-System wünschenswert sind, ist die Eingabe häufig genannt, steht aber nicht direkt mit KI in
per Spracherkennung der mit Abstand häufigste Zusammenhang.
Spracheingabe 21%
Predictive Analytics 10%
Erhöhte Mobilität mittels App-Anbindung 8%
Anomalieerkennung zur Reduktion notwendiger Wartungen 8%
Automatisierte Übersetzung 6%
Einfache Visualisierung von Kennzahlen / Prozessen / Geodaten 6%
Chatbots 6%
Autom. Dokumentenverarbeitung / Optische Texterkennung 6%
Assistenzfunktion 5%
Übergreifende Suchfunktion, kontextabhängig 5%
Manuelle, papiergestützte Prozesse ablösen 3%
Bilderkennung / Gesichtserkennung 3%
Robotic Process Automation 3%
Zuordnung Werkstück zu Maschinen 2%
Abschalten nicht genutzter Funktion zur Kostenersparnis 2%
Vereinfachtes Zahlungssystem 2%
Plausibilitätsprüfung 2%
Intuitive Bedienung 2%
Verkehrsvorhersage für Tourenplanung 2%
Abb. 11: Gewünschte intelligente Funktionen für ERP-Systeme.
22 Künstliche Intelligenz in ERP-SystemenKünstliche Intelligenz in ERP-Systemen 23
6 Diskussion
Durch die Erhebung konnte das Meinungsbild Es ist hilfreich, das breite Einsatzspektrum von KI zu
deutscher Unternehmen als Stichprobe zur Er- untergliedern, um Orientierung zu schaffen, z. B.
gänzung der Literaturrecherche eingeholt werden. durch das in Kap. 4.1 dargestellte Schema. Ebenso
Große Unternehmen bestimmter Branchen sind sollten dabei konkrete Use Cases benannt werden
dabei überproportional vertreten. Diese Branchen bzw. diese zu Gruppen zugeordnet werden, z. B.
sind der Handel und das verarbeitende und Usability, Assistenzsysteme, Predictive Analytics, Pre
produzierende Gewerbe und dabei insbesondere der dictive Maintenance, Dokumentenverarbeitung etc.
Maschinenbau und die Automobilindustrie.
Die in der Erhebung am häufigsten genannte
Die Wirtschaft Nordrhein-Westfalens ist eben- Chance von intelligenten Funktionen ist die Auto-
falls stark industriell geprägt: 26,1 % aller Unter- matisierung von Routineaufgaben und die damit
nehmen mit über 50 Beschäftigten sind Industrie- einhergehende Arbeitsentlastung. Dies entspricht
betriebe, insbesondere im Bereich Maschinenbau auch dem Versprechen der RPA (Robotic Process
und Herstellung von Metallerzeugnissen.52 Weitere Automation), welche als Vorstufe zum KI-Ein-
15,5 % sind im Handel tätig. Insofern sind die satz in Unternehmen betrachtet wird.54 Weitere
Aussagen der Erhebung für die Branchenland- Chancen sind verbesserte Datenqualität, Fehlerver-
schaft Nordrhein-Westfalens relevant. meidung, Performance- und Effizienzsteigerung.
Diese Auswahl ist wenig überraschend. Das Thema
Bei Betrachtung der ERP-Systeme innerhalb der gesteigerter Zufriedenheit der Mitarbeitenden
Erhebung spiegelt sich einerseits die Marktführer- steht eher im Hintergrund, wobei gerade hier viel
schaft von SAP wieder, andererseits auch eine Diver Potenzial durch integrierte Sprachsteuerung, digitale
sität an Herstellern und Systemen. Auffällig ist, dass Assistenten oder dynamische Interfaces steckt.
ein großer Teil der genannten Systeme (48 %) seit
16 Jahren oder länger in Betrieb ist. Angesichts der Als Risiken von KI werden insbesondere ein falsches
genannten Herausforderung durch Legacy-Systeme53 Vertrauen in die Technik genannt sowie ein mög-
stellt sich die Frage, welche Systeme durch Updates licher Kontrollverlust durch unbekannte Daten-
weiterhin zukunftsfähig gehalten werden können. flüsse. Hier wird davon ausgegangen, dass die Aus-
sagen einer KI nicht hinterfragt werden, obwohl
Hinsichtlich der Verbreitung von KI in Unternehmen diese möglicherweise auf inkorrekten Daten beruhen
lautet eine der Aussagen in Kap. 4.2, dass etwa die oder Nebeneffekte nicht berücksichtigen. Es zeigt
Hälfte (48 %) der Befragten gar keine KI einsetzen die Wichtigkeit von Transparenz und Nachvollzieh-
oder dies planen. barkeit innerhalb der KI an, sowie die Notwendig-
keit von Einbeziehung und Schulungen auf An-
In der Erhebung, die sich auf KI-Funktionen im wenderseite. Anstelle des falschen Vertrauens sollte
ERP-Kontext beschränkt, findet sich eine ähnliche ein angemessenes Vertrauen rücken, bei dem die
Teilung: mindestens 45 % nutzen keinerlei intel Grenzen der Software bewusst sind – ähnlich wie
ligente Funktionen in ihrem ERP-System. Dies legt auch Autofahrer einschätzen können, in welchen
nahe, dass hier Handlungsbedarf besteht. (seltenen) Fällen ein Navigationssystem inkorrekte
Ansagen macht. Wird eine neue KI-Funktion ein-
geführt, kann diese zu Beginn einem höheren Grad
an Kontrolle bzw. Hinterfragung ausgesetzt werden,
52 Landesdatenbank NRW, 2018.
53 2bAHEAD, 2020. 54 Bitkom, 2020, ERP und Robotic Process Automation.
24 Künstliche Intelligenz in ERP-Systemender anschließend reduziert wird. Auch Hersteller Bei den Wünschen von Unternehmen bezüglich
sollten Antworten darauf haben, mit welchen Kenn- KI-Funktionen im ERP-System steht Spracheingabe
zahlen Kontrolle und Monitoring der KI durch- an oberster Stelle, gefolgt von Predictive Analytics,
geführt werden kann. Predictive Maintenance, automatisierten Über-
setzungen, Datenvisualisierung, Chatbots und
Eine gesteigerte Komplexität wird ebenfalls als Texterkennung. Viele dieser Funktionen können
relevantes Risiko wahrgenommen. In der Regel von modernen ERP-Systemen erfüllt bzw. mit diesen
sollen KI-Funktionen die Arbeit einfacher oder kompatibel betrieben werden. Dies deutet darauf hin,
hochwertiger machen, nicht komplizierter. Das dass entsprechende Angebote entweder nicht wahr-
Ziel der Komplexitätsreduktion sollte grundsätzlich genommen werden können oder nicht geeignet sind.
bei der KI-Einführung verfolgt und den Beteiligten
kommuniziert werden.
Künstliche Intelligenz in ERP-Systemen 257 Fazit und Handlungsempfehlung
Der Einsatz von KI in Unternehmen bietet große Automatisierung und Augmentation an. Es sollte
Optimierungschancen und wird weitgehend auch danach unterschieden werden, welche Use
als wettbewerbsentscheidend angesehen. ERP- Cases eher allgemein sind, bzw. Standardfunktionen
Anbieter setzen zunehmend auf integrierte entsprechen, und welche eher unternehmensspezi-
KI-Funktionen in ihren Produkten. Dies geht ein- fisch sind. Handelt es sich um sehr spezielle An-
her mit dem Trend zu modularisierten, plattform- wendungen, ist die Lösung eher bei Experten-
basierten Cloud-Systemen. Angesichts dieser Ent- systemen von Drittanbietern zu finden. ERP-Anbieter
wicklungen ist der Zugang zu KI für Unternehmen bieten möglicherweise integrierte Standard-
heutzutage einfacher als je zuvor. funktionen an, die mit vergleichsweise geringem
Aufwand eingeführt werden können und bereits von
Trotzdem scheint die Verbreitung von KI in ERP- mehreren Referenzkunden getestet wurden, z. B. im
Systemen in Deutschland vergleichsweise lang- Bereich Usability.
sam voranzuschreiten. Das Angebot der ERP-An-
bieter wird als überschaubar bezeichnet, die Anzahl Eigenen Standpunkt prüfen: Je nach Unter-
der Use Cases auf Kundenseite als klein. Als größtes nehmen kann es verschiedene Gründe geben,
Risiko von KI-Funktionen wird falsches Vertrauen in warum KI wenig oder gar nicht eingesetzt wird. Dies
die Technik und Kontrollverlust genannt. können die genannten Punkte in Kap. 4.3 sein, aber
auch andere Gründe, wie z. B. das Fehlen geeigneter
Fragt man Unternehmen nach den Chancen von Use Cases oder eine Priorisierung anderer Themen.
KI, so wird insbesondere die Automatisierung von Angesichts des Potenzials von KI im ERP-Kontext
Routinetätigkeiten und die Arbeitsentlastung ge- sollte der eigene Standpunkt in der Digitalisierungs-
sehen. Beispiele hierfür können die automatische strategie dargestellt werden.
Rechnungserkennung und –zuordnung, E-Kanban
in der Logistik oder optimierte Produktionsplanung Intelligentes ERP bei Neuauswahl: Falls bereits
sein. Selbst wenn diese Funktionen noch nicht in ein Auswahlprozess für ein neues ERP-System be-
ERP-Systemen integriert sind, so können sie bereits schlossen wurde, so kann die Gelegenheit genutzt
von Expertensystemen bereitgestellt werden. werden, um die Intelligenz des ERP-Systems als Be-
wertungskriterium zu berücksichtigen. Merkmale
Um die Lücke zwischen Bedenken und Chancen dafür sind u. a. eine stark individualisierbare Ober-
zu schließen, können folgende Handlungs- fläche, Interaktion mittels natürlicher Sprache, Echt-
empfehlungen für die KI- und ERP-Planung von zeit-Zugriff auf umfangreiche Daten sowie das Vor-
Unternehmen abgeleitet werden: handensein von Schnittstellen zu externen Diensten,
z. B. Machine-Learning-Plattformen von Microsoft,
Es sollte über konkrete Use Cases für den KI-Ein- Amazon, Google. In erster Linie sollten allerdings
satz gesprochen werden, die durch die Bedarfe des die vom Unternehmen priorisierten Use Cases
Unternehmens motiviert sind. Die technische Um- stehen und wie das potenzielle neue System diese
setzung sollte sich danach ausrichten. Angesichts adressieren kann. Je mehr diese in der Praxis be-
der sehr diversen Bedarfe und der Vielzahl mög- trachtet werden können, z. B. bei Referenzkunden,
licher Use Cases bietet sich zur Orientierung eine die über Effizienz und Stabilität berichten können,
Einordnung innerhalb des Spektrums zwischen desto gezielter kann die Wahl getroffen werden.
26 Künstliche Intelligenz in ERP-SystemenDas Zusammenspiel von Mensch und KI ist ein betrachteten Systeme als Bewertungskriterium auf-
entscheidender Faktor. Einerseits muss der KI ver- nehmen und messbar machen.
traut werden, damit sie den gewünschten Effekt
erzielen kann, andererseits ist falsches Vertrauen Es werden Konzepte zur Bewältigung der
riskant. Gezielte Einbindung der Anwender*innen organisatorischen Veränderungen benötigt, die
und Schulungen sollten nicht zu kurz kommen, mit dem Einsatz von KI in Unternehmen ein-
ebenso die Zeit für die Einarbeitung. Letzteres kann her gehen. Dazu gehören neue Rollen, Aufgaben,
mit verstärkter Kontrolle und Monitoring der KI Prozesse und Personalkompetenzen mit dazu-
einhergehen. Hierbei sollten Kennzahlen definiert gehörigen Fortbildungsmöglichkeiten. Beispielsweise
werden, die zum einen die Rentabilität messbar müssen Trainingsdaten qualifiziert werden und KI-
machen und zum anderen die Performance und das Compliance-Anforderungen umgesetzt werden.
Fehlerverhalten (z. B. Fehlerquote) aufzeigen. Diese
können den Nutzern zur besseren Einschätzung KI-Funktionen werden in bestimmten Bereichen der
verhelfen und mehr Akzeptanz erzeugen. ERP-Nutzung immer mehr zum Standard gehören.
In unternehmensspezifischeren Use Cases werden
Es lassen sich auch Handlungsempfehlungen für be- sie dagegen mit höherem Aufwand verbunden sein.
ratende Instanzen ableiten: Sie bieten jedoch die Chance, die Alleinstellungs-
merkmale eines Unternehmens gezielt zu stärken
Es muss Aufklärungsarbeit darüber geleistet und weiterzuentwickeln. Diese Studie soll Anlass
werden, wie KI die Arbeit mit einem ERP-System ver- dazu geben, den Austausch zwischen Beratungs
ändert, welchen Nutzen Unternehmen daraus ziehen einrichtungen und Unternehmen zu vertiefen, um
können und welche Angebote es gibt. Anbieter die individuellen Potenziale von KI in ERP-Systemen
von ERP-Marktstudien sollten die KI-Fähigkeiten der zu identifizieren und umzusetzen.
Künstliche Intelligenz in ERP-Systemen 278 Literatur
Landesportal NRW (2019): Pressemitteilung Arthur D. Little; eco - Verband der Internetwirt-
26. August 2019. https://www.land.nrw/de/pressemit- schaft e. V. (2019): Künstliche Intelligenz. Potential
teilung/nordrhein-westfalen-will-zwei-jahren-zu-den- und nachhaltige Veränderung der Wirtschaft in
top-ten-europas-bei-kuenstlicher letzter Zugriff am Deutschland. https://www.eco.de/kuenstliche-
07.07.2020 intelligenz-potenzial-und-nachhaltige-veraenderung-
der-wirtschaft-in-deutschland/#download letzter Zu-
Fraunhofer-Gesellschaft (2018): Maschinelles Lernen. griff am 08.07.2020.
Eine Analyse zu Kompetenzen, Forschung und An-
wendung. https://www.bigdata.fraunhofer.de/content/ Bitkom (2020): Last Call: Germany! Die Bitkom-
dam/bigdata/de/documents/Publikationen/Fraunhofer_ Digitalstrategie 2025. https://www.bitkom.org/sites/
Studie_ML_201809.pdf letzter Zugriff am 08.07.2020. default/files/2020-01/200113_bitkom_digitalstrategie.
pdf letzter Zugriff am 08.07.2020.
IDC (2016): i-ERP (Intelligent ERP): The New
Backbone for Digital Transformation. https://www. OECD (2020): OECD Economic Outlook, Volume
sapvirtualagency.com/FileExplorer/Partners/S4%20 2020 Issue 1. Preliminary version, OECD Publishing,
HANA/S4HANA%20New/IDC%20intelligent%20 Paris. S. 75. https://doi.org/10.1787/0d1d1e2e-en
ERP%20whitepaper.pdf letzter Zugriff am letzter Zugriff am 08.07.2020.
08.07.2020.
Tagesspiegel Online (2020): Artikel: Corona-
Bostrom, N. (2016): Superintelligenz. Szenarien einer Pandemie beschleunigt Digitalisierung. https://
kommenden Revolution. Suhrkamp, 2016, S. 42. www.tagesspiegel.de/wirtschaft/immobilien/online-
besichtigungen-corona-pandemie-beschleunigt-
Chen, N.; Christensen, L.; Gallagher, K.; Mate, digitalisierung/25748340.html letzter Zugriff am
R.; Rafert, G.B. (2016): Global Economic Impacts 08.07.2020.
Associated with Artificial Intelligence. Boston: Ana-
lysis Group Study https://pdfs.semanticscholar.org/eb Bitkom (2019): Positionspapier Künstliche
c7/3c75f7aba486751a20257a3134c777afd255.pdf Intelligenz und ERP. https://www.bitkom.org/Bitkom/
letzter Zugriff am 08.07.2020. Publikationen/Kuenstliche-Intelligenz-und-ERP letzter
Zugriff am 08.07.2020.
Purdy, M.; Daugherty, P. (2017): How AI
Boosts Industry Profits and Innovation. Accenture Bataller, C., Harris, H. (2016): Turning Artificial
publication. https://www.accenture.com/fr-fr/_acnme Intelligence into Business Value. Today. Accenture.
dia/36dc7f76eab444cab6a7f44017cc3997.pdf letzter http://webs.comm.virginia.edu/Grazioli/Docs/
Zugriff am 08.07.2020. Accenture-Turning-Artificial-Intelligence-into-Business-
Value.pdf letzter Zugriff am 08.07.2020.
Seifert, I. et al. (2018): Potenziale der Künst-
lichen Intelligenz im produzierenden Gewerbe in SAP (2019): Pressemitteilung. https://news.sap.com/
Deutschland. https://www.bmwi.de/Redaktion/ germany/2019/05/s4hana-fuehrungsposition-ki-erp
DE/Publikationen/Studien/potenziale-kuenstlichen- letzter Zugriff am 08.07.2020.
intelligenz-im-produzierenden-gewerbe-in-deutsch-
land.pdf letzter Zugriff am 14.05.2020.
28 Künstliche Intelligenz in ERP-SystemenSie können auch lesen
