sdecoret - stock.adobe.com

KI-gestützte ERP-Systeme: Wenn auf Daten Taten folgen

Die Integration von KI in das ERP-System eröffnet eine Reihe neuer Möglichkeiten, Unternehmensentscheidungen datengetrieben zu treffen. Davon profitieren Unternehmen bereits heute.

In einer sich stetig wandelnden Geschäftswelt stehen insbesondere mittelständische Unternehmen vor der Herausforderung, Prozesse kontinuierlich zu optimieren und Ressourcen effektiv zu nutzen.

Um den damit verbundenen digitalen Transformationsprozess so effizient, schnell und unkompliziert wie möglich zu realisieren, ist eine intelligente und leistungsstarke Software essenziell. ERP-Systeme (Enterprise Resource Planning) sind hierbei von entscheidender Bedeutung, denn sie sind das digitale Rückgrat eines Unternehmens.

Ergänzt durch KI-Funktionalität ist eine integrierte und transparentere Sicht auf alle Geschäftsprozesse sowie eine produktivere Zusammenarbeit verschiedener Abteilungen möglich, wobei hier die Grenzen zu Big Data und Business Intelligence (BI) fließend sind. Während Letztere eher in Richtung vergangenheitsbezogene Analyse gehen (beispielsweise zur Erstellung einer soliden Datenbasis, von Dashboards oder retrospektiven Auswertungen) können über KI-Technologie in die Zukunft gerichtete Prognosen inklusive konkreter Handlungsempfehlungen bereitgestellt werden. Folglich hievt bereits heute das Potential von KI die datengetriebene Unternehmenssteuerung auf ein neues Niveau. Der digitale Unternehmensberater und Wissensmanager steht auf Abruf bereit.

Wissensmanagement und -transfer als Innovationstreiber

Generative KI verleiht dem Management und Transfer von Wissen im eigenen Unternehmen einen enormen Schub. Der Grund ist denkbar einfach: Große Sprachmodelle (Large Language Models, LLM) wie ChatGPT können natürliche Sprache verstehen, verarbeiten und generieren. Wird die KI mit – zum Teil riesigen – Textmengen und Dokumenten gefüttert und trainiert, entsteht eine bisher ungekannte Ressource für Wissen.

Durch die Vernetzung der Technologie- und Wissenslandschaft von Unternehmen wird Mitarbeitenden ein schneller Zugriff auf Informationen und Expertise ermöglicht – über alle Standorte, Geschäftsbereiche, Abteilungen oder Ländergrenzen hinweg. Die neu erlangte Intelligenz im Wissensmanagement vereinfacht nicht nur den technologischen Zugang. Die integrierte KI kann auch verschiedene Vokabulare, Nomenklaturen und Kontexte erkennen – und damit jeden Nutzer in seiner spezifischen (Fach-)Sprache bedienen und/oder im Kontext der Abfrage mit einem passenden Experten im Unternehmen zu einem bestimmten Thema verbinden.

Der Kundenservice ist hierfür ein perfektes Einsatzszenario: Kundenanfragen können schneller, professioneller und individualisierter beantwortet werden. Die Wissensdatenbank ist schnell erstellt, relevante Informationen können einfach digitalisiert und Kunden-Feedback leichter automatisiert werden. Zudem lernt die Plattform ständig dazu. Aber auch der Kriseneinsatz (zum Beispiel für Behörden im Katastrophenschutz) oder die technische Redaktion (Texte, in denen die Bedienung, Funktionsweise, Wartung eines – meist neuen – Produktes erklärt wird) sind gute Anwendungsszenarien für KI-gestütztes Wissensmanagement.

Verbesserte Prognosegenauigkeit und Handlungsempfehlungen

Neben sprachbasierten Modellen bildet insbesondere der Datenbestand aus dem ERP-System eine unerschöpfliche Quelle für eine datengetriebene Unternehmenssteuerung. Und auch hier hebt KI die Möglichkeiten der Beschreibung, Diagnose und Prognose auf ein bisher unbekanntes Level – inklusive konkreter Handlungsempfehlungen, die im Endausbau, wo immer möglich, auch automatisch umgesetzt werden können. Tools zur Visualisierung und Analyse erleichtern zudem das Verständnis komplexer Daten und fördern eine datengesteuerte Entscheidungsfindung.

So können KI-gestützt nicht nur Prozesse über Dashboards beschrieben, Fehler über Analysen identifiziert oder konkrete Potenziale beispielsweise zur Liquiditätssteigerung vorhergesagt werden, sondern zum Beispiel auch monetär bewertete Handlungsempfehlungen in Unternehmensprozessen durch Analyse des Cash Conversion Cycle (Geldumschlagsdauer) von der KI ausgesprochen werden.

In der Fertigung kann das etwa dabei unterstützen, die Nachfrage nach bestimmten Produkten oder Rohstoffen einfach und schnell zu prognostizieren, die Produktion entsprechend anzupassen und damit die Planungssicherheit zu erhöhen. Dies steigert die Effizienz, da Engpässe vermieden, die Liefertreue verbessert und die Produktion gemäß den tatsächlichen Bedürfnissen des Marktes optimiert werden können.

Automatisierung und Optimierung von Prozessen

Wiederkehrende und zeitaufwendige Aufgaben können mit KI-basierten ERP-Systemen automatisiert werden. Dies beinhaltet beispielsweise die Erfassung und Verarbeitung von Daten, die Planung und Überwachung der Produktion sowie die Bestandsverwaltung.

Durch den Einsatz KI in ERP-Lösungen sind Unternehmen überdies in der Lage, Produktionsprozesse mit intelligenten Analysen zu optimieren, die eigene Produktivität durch die Beschleunigung von Prozessen zu steigern und damit die Anforderungen eines dynamischen Marktes optimal zu erfüllen. So können Anomalien und Unregelmäßigkeiten – etwa bei den Liegezeiten – identifiziert, Ineffizienzen in den Fertigungsabläufen aufgedeckt und geeignete Maßnahmen ergriffen werden, um die Produktionsleistung zu steigern.

Auch Entscheidungsprozesse können automatisiert werden, da solche Systeme mit Machine-Learning-Algorithmen in der Lage sind, aus älteren Daten zu lernen, daraus Schlüsse zu ziehen und so zukünftige Entscheidungen automatisch zu treffen. Das spart Zeit und verbessert die Entscheidungsqualität – insbesondere in Fällen, die eine schnelle Reaktion auf unvorhergesehene Ereignisse erfordern, um Stillstände in der Produktion zu vermeiden.

Effizienzsteigerung durch Visualisierung und Verschlankung

Auf Basis moderner Process-Mining-Methoden können KI-gestützte ERP-Systeme – durch die Zusammenführung von Daten aus sämtlichen Abteilungen und Prozessen – die realen Abläufe innerhalb eines Unternehmens transparent abbilden, interdisziplinäre Zusammenhänge erkennen und eine ganzheitliche Optimierung ermöglichen. Sie durchleuchten Geschäftsprozesse und identifizieren Unregelmäßigkeiten und Risikofaktoren wie Lieferverzögerungen oder Qualitätsabweichungen.

Durch die Implementierung von Funktionen zur Echtzeitüberwachung und -analyse werden potenzielle Geschäftsprozessrisiken frühzeitig erkannt, visualisiert und proaktive Maßnahmen zu deren Eliminierung ergriffen. Auch Durchlaufzeiten – etwa Lieferzeiten, Produktionsdurchlaufzeiten oder andere Prozesszeiten – können durch die Analyse mittels entsprechender Technologien effizienter gestaltet werden, so dass Unternehmen Engpässe reduzieren, Kosten senken und schneller auf Kundenbedürfnisse reagieren können.

Dispositionsparameter in Materialbedarfsplanung und Bestandssteuerung

Für Unternehmen sind die optimale Steuerung ihrer Dispoparameter, die Bestimmung der optimalen Bestellmengen, die Festlegung des idealen Bestellzeitpunkts oder die Optimierung des Sicherheitsbestands erfolgsentscheidende Faktoren. Mit einer KI-gestützten ERP-Lösung können all diese Prozesse gestärkt, Betriebsabläufe kosteneffizienter gestaltet, die Lieferperformance verbessert und die Kundenzufriedenheit erhöht werden.

Michael Finkler proALPHA Gruppe

„Darüber hinaus ermöglicht KI strategische Planungssicherheit durch eine Erstellung exakter Verbrauchsprognosen für Produkte und Teile und damit die Ermittlung des optimalen zukünftigen Bestandes.“

Michael Finkler proALPHA Gruppe

Bei der Bestandsoptimierung etwa unterstützen KI-Technologien, wie beispielsweise NEMO, die Optimierung gleich in mehrfacher Hinsicht. Zum einen können optimale Bestellmengen und Sicherheitsbestände ermittelt und dadurch unnötige Lagerkosten sowie eine Kapitalbindung innerhalb der Lagerhaltung vermieden werden.

Darüber hinaus ermöglicht KI strategische Planungssicherheit durch eine Erstellung exakter Verbrauchsprognosen für Produkte und Teile und damit die Ermittlung des optimalen zukünftigen Bestandes. Und nicht zuletzt können damit optimale Wiederbeschaffungszeiten und Dispoparameter vorhergesagt werden, was die rechtzeitige Verfügbarkeit von Produkten sicherstellt und Verzögerungen bei der Warenbereitstellung vermeidet.

Durch die Analyse von Wiederbeschaffungszeiten vergangener Bestellungen oder Lieferungen – unter Berücksichtigung von Prognosen, Unsicherheiten und weiteren relevanten Faktoren – wird der beste Zeitpunkt für eine Nachbestellung ermittelt. Auch Sicherheitsbestände werden, basierend auf der Nachfragevarianz, Lieferzeit und anderen Faktoren, optimiert. Dies führt zur Verbesserung der Liefersicherheit und Kundenzufriedenheit bei gleichzeitiger Minimierung unnötiger Lagerkosten.

Clean Data und Stammdatenoptimierung

Die Nutzung sauberer, optimierter Stammdaten kann für Unternehmen ein entscheidender Wettbewerbsvorteil sein. KI-gestützte ERP-Systeme sind in der Lage, automatisiert Muster, Anomalien und Auffälligkeiten in Datenbeständen zu erkennen und aus Millionen von Datenpunkten wichtige Erkenntnisse über den Status Quo eines Unternehmens abzuleiten und eine präzise und umfassende Sicht über den betrieblichen Datenbestand zu erlangen, darin enthaltene Informationen richtig zu lesen, zu interpretieren und zu analysieren.

Die automatische Erkennung doppelter Datensätze trägt zusätzlich zur Verbesserung der Datenkonsistenz bei. Durch die zusätzliche Nutzung von Deficiency-Mining-Technologie sind Unternehmen außerdem in Lage, die Datenqualität ihres Betriebs kontinuierlich zu überwachen und Prozessabweichungen zu identifizieren.

Über den Autor:
Michael Finkler ist Geschäftsführer Business Development bei der proALPHA Gruppe.

 

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.

Erfahren Sie mehr über Enterprise Resource Planning (ERP)

ComputerWeekly.de
Close