Ein Leitfaden für die Skalierung im Mittelstand
Die Unternehmen, die den größten Nutzen aus KI ziehen, gestalten ihre Arbeitsabläufe grundlegend neu, anstatt lediglich neue Tools in bestehende Prozesse zu integrieren.
Für mittelständische Unternehmen ist künstliche Intelligenz längst nicht mehr auf vielversprechende Pilotprojekte und interessante Experimente beschränkt. Heute ist KI zunehmend in zentrale Arbeitsabläufe, Systeme und Unternehmensfunktionen integriert und sorgt für messbare Verbesserungen bei Produktivität und Entscheidungsfindung. Doch beim Übergang vom Pilotprojekt zum produktiven Einsatz stehen Unternehmen häufig vor einer schwierigen Frage: Verfügen sie tatsächlich über das richtige Betriebsmodell, um das Potenzial von KI voll auszuschöpfen?
Die Antwort auf diese Frage entscheidet häufig darüber, ob es gelingen kann, die Technologie erfolgreich im gesamten Unternehmen zu skalieren. Die eigentliche Trennlinie verläuft heute nicht mehr zwischen Unternehmen, die mit KI experimentieren, und denen, die dies nicht tun. Vielmehr unterscheidet sie Unternehmen, die bereit sind, ihr Geschäftsmodell grundlegend auf KI auszurichten, von jenen, die KI lediglich in bestehende Prozesse einbauen.
Chris Howarth, CEO von Avanade, unterstützt Großunternehmen und mittelständische Organisationen – insbesondere solche mit einem Jahresumsatz zwischen 300 Millionen und 5 Milliarden US-Dollar – dabei, mithilfe praxisorientierter KI, Cloud-Technologien und intelligenter Betriebsprozesse zu wachsen.
„Es gibt inzwischen Unternehmen, die vollständig verstanden haben, dass es bei dieser Technologie nicht einfach darum geht, etwas zu kaufen und im Unternehmen einzuführen. Vielmehr geht es darum, das Unternehmen von Grund auf mit Blick auf KI zu gestalten und anschließend individuelle Anwendungsfälle zu erarbeiten. Unternehmen, die diesen Ansatz verfolgen, werden bei der Skalierung von KI ein ganz anderes Niveau erreichen.“
Die meisten Unternehmen haben die Pilotphase inzwischen hinter sich gelassen, argumentiert Howarth. „Sie verstehen, was funktioniert und was nicht und welche Konsequenzen sich daraus ergeben“, erklärt er. „Aber die Entscheidung, das gesamte Unternehmen auf KI auszurichten, ist eine weitreichende, die Fokussierung benötigt und die gemeinsam getroffen werden muss.“
Die Grundlagen schaffen
Unabhängig von den jeweiligen Ambitionen hängt eine erfolgreiche KI-Einführung entscheidend von einer soliden Dateninfrastruktur ab. Schlechte Datenqualität, isolierte Systeme und uneinheitliche Zugriffsmöglichkeiten können das Vertrauen in KI-Ergebnisse erheblich beeinträchtigen und die Akzeptanz unter den Mitarbeitenden beeinträchtigen.
Allerdings müssen Unternehmen nicht sämtliche Datenprobleme gleichzeitig lösen, betont Howarth. „Wenn man KI ernsthaft in einem bestimmten Unternehmensbereich einsetzen möchte, muss man wirklich in die Qualität der Daten investieren. Nur so schafft man eine sehr, sehr solide Grundlage für Entscheidungen.“
Die cloudbasierte Intelligent Data Platform von Microsoft kann Unternehmen dabei unterstützen, fragmentierte Datenlandschaften zusammenzuführen. Sie integriert Datenbanken, Analysen und Governance in einem einheitlichen Cloud-Ökosystem und schafft damit die Grundlage für eine unternehmensweite Skalierung von KI.
Jedoch stellen ältere ERP- und CRM-Systeme eine weitere Herausforderung dar. Vereinfacht gesagt wurden diese Systeme ursprünglich als statische Datenspeicher entwickelt. Daher haben sie häufig Schwierigkeiten, den Echtzeitanforderungen von KI gerecht zu werden. Dennoch teilt Howarth nicht uneingeschränkt die Auffassung, dass diese Systeme plötzlich überflüssig sind. Allerdings verändert sich ihre Rolle.
„Einige frühere Entscheidungen im Zusammenhang mit zentralen Altsystemen, insbesondere CRM und ERP, können den Nutzen begrenzen, den Unternehmen erzielen, wenn sie diese Systeme um KI-Agenten ergänzen“, erklärt er. Cloudnative Lösungen hingegen seien „sehr gut auf die heutigen Anforderungen vorbereitet“.
Bei der Modernisierung ihrer ERP- und CRM-Systeme sollten Unternehmen auch berücksichtigen, inwieweit diese zukünftige KI-Entwicklungen unterstützen können.
Howarth erklärt: „Sie müssen darüber nachdenken, wie diese Systeme mit der Welt autonomer KI-Agenten interagieren werden – sowohl mit dem, was wir heute bereits verstehen, als auch mit dem, was wir noch nicht absehen können. Zukunftssichere Entscheidungen sind daher entscheidend.“
Er weist darauf hin, dass viele Unternehmen bereits jahrelang daran gearbeitet haben, ihre technischen Altlasten abzubauen. „Sie möchten nicht in fünf Jahren erneut vor der Frage stehen: Wie werde ich all diese technischen Altlasten wieder los? Sie wollen es von Anfang an richtig machen.“
Viele Unternehmen müssen außerdem ihre Sicherheits- und Governance-Prozesse grundlegend überarbeiten, um KI erfolgreich skalieren zu können.
Tatsächlich gehören Sicherheits- und Governance-Bedenken heute häufig zu den größten Hindernissen bei der Skalierung.
„Diese Sorgen sind durchaus berechtigt, denn Unternehmen sind zu Recht vorsichtig, wenn es darum geht, wie ihre Daten offengelegt werden und welche Sicherheitslücken sie möglicherweise ins Unternehmen bringen. Hinzu kommen immer neue Formen potenzieller Schatten-IT“, sagt Howarth.
„Wenn Unternehmen diese Tools aktivieren und plötzlich feststellen, dass sie Tausende von KI-Agenten im Einsatz haben, kann sehr schnell große Nervosität entstehen.“
Deshalb gilt: „Der wichtigste gemeinsame Erfolgsfaktor bei Unternehmen, die KI skalieren und ihre Geschäftsprozesse grundlegend neu gestalten, ist, dass sie zumindest über eine solide Basis für Sicherheit, Datenschutz und Kontrolle verfügen. Daten sind von enormer Bedeutung. Um sie zu schützen, müssen Unternehmen darauf vertrauen können, dass ihre Vorgehensweise sicher ist.“
Die Schritte zum Erfolg
Solide Sicherheits- und Governance-Strukturen können mittelständischen Unternehmen auch das Vertrauen geben, ihre KI-Strategie ambitionierter auszurichten. „Wenn man KI lediglich auf bestehende Arbeitsabläufe aufsetzt, bleibt der Nutzen begrenzt“, erklärt Howarth.
„Auf individueller Ebene können die Vorteile enorm sein und auch dazu beitragen, Prozesse schnell zu verbessern. Wenn KI jedoch lediglich die bestehenden Mitarbeitenden und Prozesse unterstützt, kommt man nur bis zu einem bestimmten Punkt.“
Die größere Chance liegt in der tatsächlichen Neugestaltung von Prozessen. „Wir sind fest davon überzeugt, dass diese Technologie die Möglichkeit bietet, sämtliche Geschäftsprozesse vollständig neu zu gestalten und zu überdenken“, sagt Howarth. „Erst dann werden wirklich tiefgreifende Veränderungen sichtbar.“
Avanade identifiziert auf dem Weg zur KI-Transformation drei wesentliche Entwicklungsschritte: von Produktivitätssteigerungen einzelner Mitarbeitender über KI-Agenten mit menschlicher Kontrolle bis hin zur vollständig autonomen Ausführung von Aufgaben.
Diese letzte Phase erfordert die größten Veränderungen an bestehenden Prozessen.
„Man muss nicht nur den Prozess, den man automatisieren möchte, vollständig neu denken, sondern auch sämtliche damit zusammenhängenden Prozesse“, erklärt Howarth.
Auch wenn dies anspruchsvoll ist, liegt genau darin der Schlüssel dafür, den größtmöglichen Nutzen aus KI zu ziehen.
Mittelständische Unternehmen, die diesen Automatisierungsgrad erreichen, können ihre Reichweite und Leistungsfähigkeit so erweitern, dass sie im Markt deutlich über ihre eigentliche Unternehmensgröße hinaus Wirkung erzielen.
Ein Beispiel ist der Vertrieb: Hier kann KI dazu beitragen, Kunden gezielter die Angebote und Informationen bereitzustellen, die sie benötigen, ohne dafür zusätzliches Personal einstellen zu müssen.
Damit geht es bei der Technologie nicht nur um interne Effizienzsteigerungen. „Es geht darum, wie man den Markt umfassender bedienen kann“, betont Howarth. „Deshalb ist KI nicht nur ein Effizienz-, sondern auch ein Wachstumsthema.“
Er ergänzt, dass Avanade mit Unternehmen inzwischen nicht mehr nur an autonomen Vertriebsprozessen, sondern auch an autonomen Einkaufsprozessen arbeitet. „Wenn man über diese Interaktionen zwischen Maschinen nachdenkt, ist das schon ziemlich beeindruckend.“
All dies ist jedoch nur möglich, wenn die Unternehmensführung die KI-orientierte Neugestaltung tatsächlich unterstützt. „Unser wichtigster Erfolgsindikator ist, dass diese Veränderungen von der Geschäftsführung vorangetrieben werden“, sagt Howarth. „Wenn das Thema nicht auf der Agenda des CEO steht, glauben wir nicht wirklich daran, dass die Transformation erfolgreich sein wird.“
Der Avanade-Ansatz
Avanade unterstützt mittelständische Unternehmen über den gesamten Lebenszyklus der KI-Einführung hinweg – von der Bewertung ihrer KI-Bereitschaft bis zur Entwicklung von KI-Agenten.
Darüber hinaus bietet das Unternehmen standardisierte, modular aufgebaute Lösungen, die eine schnellere Umsetzung, besser vorhersehbare Ergebnisse und höhere Kosteneffizienz ermöglichen. Dies ist besonders wichtig für Unternehmen, die mit begrenzten IT-Budgets arbeiten.
Anstelle klassischer Implementierungsprogramme konzentriert sich Avanade auf Umsetzungsmodelle, die besser auf die Besonderheiten einer KI-Transformation zugeschnitten sind.
„Manche Unternehmen sagen vielleicht: Wir wissen noch nicht genau, was wir für diesen Prozess benötigen, aber wir wissen, welches Ergebnis wir erreichen möchten“, erklärt Howarth.
Das AI Transformation Studio von Avanade ermöglicht es, gemeinsam mit diesen Unternehmen einen kreativen Entwicklungsprozess zu gestalten. Dabei werden die erforderlichen Kompetenzen, Ressourcen und bewährten Lösungen so kombiniert, dass das gewünschte Ergebnis erreicht werden kann.
„Das ist nicht wie bei einer klassischen ERP- oder CRM-Implementierung, bei der man vom ersten bis zum letzten Tag alles durchplanen kann“, sagt Howarth. „Der Weg zum Ziel ist wesentlich flexibler.“
Auch die enge Zusammenarbeit von Avanade mit Microsoft und das umfassende Wissen über dessen Technologie-Ökosystem können die KI-Ambitionen eines Unternehmens beschleunigen.
„Alle sind mit Teams vertraut. Alle können problemlos eine Eingabe in Copilot formulieren – die Bedienung ist so intuitiv. Wenn man über diese Benutzeroberfläche dann auch Aufgaben erledigen kann, die ganz spezifisch für das eigene Unternehmen sind, ist das deutlich einfacher, als sich in einer völlig anderen Umgebung zurechtfinden zu müssen.“
Avanade beschränkt sich nicht darauf, Microsoft-Produkte zu implementieren. Das Unternehmen arbeitet bereits während der Entwicklungsphase eng mit Microsoft zusammen, sodass neue KI-Tools nach ihrer Veröffentlichung „schnell skaliert werden können“.
Während Microsoft sich naturgemäß darauf konzentriert, breite, funktionsübergreifende KI-Fähigkeiten zu entwickeln, liegt der Schwerpunkt von Avanade vor allem darauf, wie neue Lösungen konkrete Anforderungen in Unternehmensbereichen wie Finanzen und Beschaffung erfüllen können. So entsteht für die Kunden ein umfassendes Gesamtangebot.
Auf die Frage nach einem abschließenden Rat für Führungskräfte antwortet Howarth:
„Seien Sie mutig. Überlegen Sie, in welchem Bereich Ihres Unternehmens Sie den größten Nutzen erzielen können, und konzentrieren Sie sich auf diesen. Sobald Sie diese Entscheidung getroffen haben, müssen Sie jedoch akzeptieren, dass Sie diesen Bereich grundlegend transformieren und neu gestalten müssen.“
Wie intelligente Governance die KI-Einführung beschleunigt
Governance ist kein Hindernis für die Skalierung, sondern der Schlüssel, um KI-Projekte schneller in den produktiven Einsatz zu bringen.
Dabei liegt die Diskrepanz zwischen den Zielen, die mittelständische Unternehmen mit KI verfolgen, und den tatsächlich erzielten Ergebnissen selten daran, dass sie nicht über das richtige KI-Modell verfügen. Auch überzogene Werbeversprechen sind nicht das Problem: Es steht außer Frage, dass KI Geschäftsprozesse auf vielfältige Weise verbessern und die Produktivität sowie die Entscheidungsfindung in Unternehmen steigern kann. Doch wenn es darum geht, die Technologie zu skalieren, bringen Schwächen in der Governance vielversprechende Projekte häufig zum Stillstand.
Heute sind Daten oft über verschiedene Abteilungen verteilt, uneinheitlich definiert und unterliegen nur informellen Governance-Regeln. Zugriffsberechtigungen werden einmal festgelegt und danach nur selten überprüft. Auch die Herkunft und Verarbeitung von Daten sind häufig nur schwer nachvollziehbar. Das untergräbt das Vertrauen in KI-Ergebnisse und kann Unternehmen erhöhten regulatorischen Risiken und Reputationsschäden aussetzen.
Wenn die Daten, mit denen KI-Modelle gespeist werden, weder korrekt noch nachvollziehbar sind und nicht durch wirksame Zugriffskontrollen geschützt werden, erscheint die Skalierung schnell eher als Risiko denn als Chance. Dies führt unweigerlich dazu, dass vielversprechende Pilotprojekte auf Eis gelegt werden, sobald Governance-Bedenken in den Vordergrund rücken, anstatt in den produktiven Einsatz überzugehen.
„Die Ambitionen mittelständischer Unternehmen können schnell an chaotischen Unternehmensdaten und einer fehlenden, robusten und ausgereiften KI-Sicherheitsstrategie scheitern“, erklärt Scott McKinnon, Field Chief Security Officer für Großbritannien und Irland bei Palo Alto Networks. „Da Sicherheitsmaßnahmen in mittelständischen Unternehmen häufig unkoordiniert und isoliert umgesetzt werden, laufen KI-Pilotprojekte oft weitgehend unkontrolliert und mit wenigen oder gar keinen Sicherheitsleitplanken. Dieser Mangel an Kontrolle bremst den Fortschritt, weil er eine übermäßig konservative Haltung fördert, bei der die Sicherheitsabteilung vor allem als ‚Abteilung des Neins‘ wahrgenommen wird.“
Daten des Stanford Institute for Human-Centered AI zeigen, dass 74 % der Unternehmen Ungenauigkeit als ihr größtes KI-Risiko betrachten. Dies deutet darauf hin, dass Probleme mit Datenqualität und Governance in zahlreichen Unternehmen weit verbreitet sind. Einige Unternehmen versuchen möglicherweise, traditionelle Ansätze der Data Governance auf KI zu übertragen. Doch selbst über etablierte Verfahren ist dies für die neuen Anforderungen häufig nicht ohne Weiteres möglich.
Eine solide Governance aufbauen
Angesichts der zahlreichen Herausforderungen, die es zu bewältigen gilt, ist es verständlich, dass Unternehmen dazu neigen, KI-Governance als eigenständige Struktur zu betrachten, die unabhängig von bestehenden Rahmenwerken funktioniert.
George Tziahanas, AGC und VP of Compliance bei Archive360, hält diesen Ansatz jedoch für falsch. „Wenn ein Unternehmen ausschließlich für KI eine parallele Struktur aufbaut, riskiert es, seine betrieblichen Abläufe zu fragmentieren“, erklärt er. „Der intelligentere Weg besteht darin, die bereits vorhandenen Governance-Rahmenwerke zu erweitern.“
Darauf aufbauend können Unternehmen zusätzliche Funktionen integrieren, die speziell auf den Einsatz von KI innerhalb ihrer Organisation zugeschnitten sind. Im Mittelpunkt sollten dabei „die Überwachung, die Beobachtbarkeit und ein klares Verständnis davon stehen, was jedes KI-System tatsächlich tut und ob dies mit seiner vorgesehenen Aufgabe übereinstimmt“, so Tziahanas.
Dieser Ansatz wird durch den Bericht State of Data Integrity and AI Readiness 2026 der Drexel University und von Precisely gestützt. Die Untersuchung ergab, dass Unternehmen, die ihre bestehende Data Governance um KI-Governance erweiterten, bessere Ergebnisse erzielten als Unternehmen, die separate KI-Governance-Programme einführten oder ihre bisherigen Data-Governance-Maßnahmen zugunsten einer stärkeren Konzentration auf KI reduzierten. Darüber hinaus berichteten 71% der Unternehmen mit etablierten Governance-Programmen von einem hohen Vertrauen in ihre Daten, verglichen mit lediglich 50% der Unternehmen ohne entsprechende Programme.
Hurst betont außerdem, dass mittelständische Unternehmen Compliance-Anforderungen bereits lange vor der Einführung von KI berücksichtigen müssen. „Zu viele Unternehmen betrachten die Einführung von KI als reines Technologieprojekt und beziehen ihre Compliance-Abteilung erst in einer späteren Phase ein“, erklärt er. „In einem regulierten Unternehmen ist das die falsche Reihenfolge. Die Compliance-Abteilung sollte den Governance-Rahmen mitgestalten, bevor die Tools eingeführt werden, anstatt ihn erst im Nachhinein zu überprüfen.“
Auch jeder einzelne KI-Anwendungsfall sollte sorgfältig bewertet werden, bevor mit der Entwicklung begonnen wird. „Ist der Einsatz aus rechtlicher Sicht sinnvoll? Dürfen wir das überhaupt umsetzen? Und ist er anschließend auch wirtschaftlich sinnvoll, mit einer klaren Kapitalrendite?“, fragt Manta. „Nicht jede KI-Idee ist eine gute Idee, und manche werden bereits diese ersten Prüfungen nicht bestehen.“
Verantwortung und Anpassungsfähigkeit
Eine klare Verantwortlichkeit für KI-Governance auf Vorstandsebene sowie ein fundiertes KI-Verständnis in der Unternehmensführung sind ebenfalls unerlässlich. Führungskräfte müssen erkennen, dass Governance keine einmalige Aufgabe ist. Vielmehr muss sie kontinuierlich und automatisiert erfolgen, um mit Veränderungen im Verhalten von KI-Modellen und neuen Anwendungsfällen Schritt halten zu können.
„Führungskräfte müssen akzeptieren, dass Governance-Rahmenwerke heute wesentlich dynamischer sein müssen, als wir es bislang gewohnt waren“, erklärt Tziahanas. „Die Geschwindigkeit und das Ausmaß der KI-Entwicklung sowie ihre Auswirkungen erfordern ein erhebliches Maß an Automatisierung, allein um mit dem Tempo des Wandels Schritt halten zu können.“
Bei Governance geht es jedoch nicht darum, sämtliche Risiken auszuschließen. Vielmehr sollen diese auf vernünftige und angemessene Weise gesteuert werden.
„Eine der praktischen Möglichkeiten, mit denen Unternehmen dies umsetzen, besteht darin, eine Art Grenze zwischen Mensch und Maschine zu definieren“, erklärt Manta. „Beispielsweise könnte KI eingesetzt werden, um Dokumente zu analysieren und Risiken zu identifizieren, während die endgültige Entscheidung weiterhin bei einem Menschen liegt. Wo diese Grenze gezogen wird, hängt vom Risikoprofil des jeweiligen Prozesses, seiner Komplexität und den möglichen Auswirkungen ab, falls etwas schiefgeht.“
Für mittelständische Unternehmen, die bislang gezögert haben, ihren KI-Einsatz auszuweiten, weil die regulatorischen Rahmenbedingungen unklar erscheinen, ist eine stärkere und intelligentere Governance letztlich der Schlüssel, um viele der Unsicherheiten zu beseitigen, die Projekte daran hindern, den produktiven Einsatz zu erreichen.
„Wenn klar ist, welche Tools zugelassen sind, wie sie überwacht werden und wo die Grenzen liegen, kann die Unternehmensführung grünes Licht geben, anstatt grundsätzlich Nein zu sagen“, fasst Hurst zusammen. „Das ist nicht nur ein Vorteil im Hinblick auf Compliance, sondern auch ein Wettbewerbsvorteil.“
Letztlich werden Unternehmen, die Governance als Wegbereiter statt als Hindernis betrachten, besser in der Lage sein, ihre KI-Ambitionen in die Realität umzusetzen. Durch die Stärkung ihrer Datengrundlagen, die Verankerung klarer Verantwortlichkeiten und die kontinuierliche Anpassung ihrer Kontrollmechanismen können mittelständische Unternehmen über vorsichtige Experimente hinausgehen und KI mit Zuversicht skalieren.
Damit wird Governance nicht zur Bremse für Innovationen, sondern zu dem Mechanismus, der es ermöglicht, Innovationen sicher und nachhaltig zu beschleunigen.
Warum die Modernisierung von ERP-Systemen der wahre Prüfstein für die KI-Bereitschaft ist
Mittelständische Unternehmen, die in KI-Tools investieren, während sie die Systeme, auf denen ihre zentralen Geschäftsprozesse basieren, weitgehend unverändert lassen, schaffen damit selbst ein Hindernis für die Wertschöpfung.
Herkömmliche ERP-Systeme wurden entwickelt, um Kontrolle, Einheitlichkeit und Struktur in zentrale Geschäftsprozesse zu bringen. KI stellt jedoch ganz andere Anforderungen an diese Systeme: Sie benötigt Echtzeitzugriff auf hochwertige Daten. Obwohl diese Systeme im Laufe der Zeit einen erheblichen Mehrwert geschaffen haben, wurden viele von ihnen nicht für die Geschwindigkeit und Flexibilität konzipiert, die KI heute erfordert.
Jim Herbert, CEO von Patchworks, erklärt, dass ältere ERP-Systeme in der Regel unflexibel sind, auf Stapelverarbeitung basieren und sich nur schwer mit modernen Tools integrieren lassen. Dadurch wird es schwierig, KI-Modelle mit den Daten zu versorgen, die sie für einen effektiven Einsatz benötigen.
„Für mittelständische Unternehmen entsteht dadurch eine Lücke zwischen Anspruch und Umsetzung“, erklärt er. „Man kann in KI-Tools investieren, aber wenn das ERP-System keine präzisen Bestands-, Auftrags- oder Kundendaten in Echtzeit bereitstellen kann, arbeiten diese Tools mit unvollständigen oder veralteten Informationen. Die Folge sind begrenzte Erkenntnisse, unzureichende Automatisierung und mangelndes Vertrauen in die Ergebnisse der KI.“
Im Laufe der Zeit haben sich in älteren Systemen möglicherweise zahlreiche individuelle Anpassungen, kleinere Änderungen und Behelfslösungen angesammelt, die sich unbemerkt zu festen Bestandteilen der Betriebsabläufe mittelständischer Unternehmen entwickelt haben. Dies führt häufig zu Schwierigkeiten beim Einsatz von KI-Agenten.
„KI ist auf Konsistenz angewiesen, doch manuelle Prozesse und voneinander getrennte Systeme führen zu Abweichungen, Doppelarbeit und Fehlern“, erklärt Herbert. „Im Finanzwesen kann das beispielsweise bedeuten, dass Zahlen zwischen verschiedenen Systemen nicht übereinstimmen oder Abstimmungsprozesse verzögert werden. In der Lieferkette kann es zu einer ungenauen Übersicht über Lagerbestände oder verspäteten Nachfragesignalen kommen.“
Mit anderen Worten: Wenn Teams auf Tabellenkalkulationen, Datenexporte und manuelle Korrekturen angewiesen sind, um Lücken zwischen Systemen zu überbrücken, verlieren Unternehmen häufig ihre zentrale, verlässliche Datenquelle (Single Source of Truth), auf die KI angewiesen ist.
Das bedeutet, dass „KI nicht etwa die Automatisierung ermöglicht, sondern stattdessen Unstimmigkeiten aufdeckt oder sogar verstärkt“, so Herbert.
Der Weg zur Modernisierung
Es überrascht nicht, dass immer mehr mittelständische Unternehmen erkennen, dass sie ihre ERP-Systeme in die Cloud verlagern und verstärkt auf standardmäßig verfügbare Funktionen setzen müssen, um das Potenzial von KI voll auszuschöpfen.
„Dies stellt eine Abkehr von stark angepassten On-Premises-Systemen dar, da die Finanzabteilungen ihre Geschäftsprozesse entsprechend anpassen müssen“, erklärt Michael Lengenfelder, Global Solutions Architect FP&A bei Unit4. „Allerdings erkennen sie schnell den Mehrwert eines ERP-Systems, das auf einem klar geregelten Datenmodell basiert. Denn dadurch erhalten sie mehr Möglichkeiten, eine semantische Ebene hinzuzufügen, die den Weg für flexiblere, KI-gestützte Funktionen ebnet.“
Dennoch kann die Migration in die Cloud allein nicht sämtliche Herausforderungen lösen, die einer erfolgreichen Skalierung von KI im Wege stehen.
„Unternehmen gehen häufig davon aus, dass ein System-Upgrade alle Probleme lösen wird. Wenn jedoch dieselben fragmentierten Prozesse und mangelhaften Datenpraktiken übernommen werden, entstehen letztlich dieselben Einschränkungen erneut – nur eben in einer neuen, glänzenden Benutzeroberfläche“, erklärt Bobby Brown, CEO und Gründer des Beratungsunternehmens Nucleo.
„Die Chance besteht darin, die Kontrollfunktionen des ERP-Systems durch die intelligenten Fähigkeiten der KI zu ergänzen“, fährt er fort. „Das bedeutet, den Datenfluss zu verbessern, die Governance zu stärken und sicherzustellen, dass die erforderlichen Kontextinformationen rund um das Kernsystem verfügbar sind. Richtig umgesetzt, bildet das ERP-System die Grundlage für die sichere und effektive Skalierung von KI.“
Eine praktische Möglichkeit, Schwachstellen in bestehenden Prozessen und Arbeitsabläufen zu identifizieren, besteht darin, genau zu untersuchen, wo weiterhin manuelle Eingriffe erforderlich sind. Bereiche, in denen Teams Daten abgleichen, Informationen erneut eingeben, Tabellen überprüfen oder Sonderfälle per E-Mail eskalieren müssen, weisen häufig sowohl auf operative Schwachstellen als auch auf besonders große Potenziale für KI-gestützte Verbesserungen hin.
Letztlich stehen für mittelständische Unternehmen konkrete Ergebnisse und messbare Erfolge im Mittelpunkt. Selbst wenn Unternehmen ihre bestehenden ERP-Kernsysteme beibehalten müssen, können sie Fortschritte erzielen, indem sie Arbeitsabläufe vereinfachen, die Datenkonsistenz verbessern und KI schrittweise und kontrolliert einführen. Bei kritischen Entscheidungen bleibt dabei häufig weiterhin der Mensch eingebunden.
Die mittelständischen Unternehmen, denen es am schnellsten gelingt, die Lücke zwischen ihren bestehenden Systemen und ihren KI-Ambitionen zu schließen, könnten diejenigen sein, die die ERP-Modernisierung nicht länger als umfassendes Austauschprojekt betrachten, sondern als gezielten Aufbau neuer Fähigkeiten. Anstatt bei der Plattform anzusetzen, rücken die wichtigsten Arbeitsabläufe, Entscheidungen und Übergabeprozesse in den Mittelpunkt. Davon ausgehend wird dann ermittelt, welche Systeme, Daten und Betriebsmodelle erforderlich sind, um diese optimal zu unterstützen.
Unabhängig davon, welchen Modernisierungsansatz mittelständische Unternehmen wählen, sollte das Ziel darin bestehen, das ERP-System von seiner bisherigen Rolle als zentrale Schaltstelle sämtlicher Prozesse zu lösen und zu einem stärker vernetzten Modell überzugehen.
„Das bedeutet, ERP-Systeme über eine flexible Integrationsschicht mit E-Commerce-Plattformen, Lagerverwaltungssystemen (WMS), Kassensystemen (POS) und anderen Anwendungen zu verbinden, um einen Echtzeit-Datenfluss und die Interoperabilität zwischen den Systemen zu ermöglichen“, erklärt Herbert.
Diese einheitliche Datenumgebung kann anschließend großen KI-Modellen zur Verfügung gestellt werden. So wird sichergestellt, dass KI-Tools in den Bereichen Finanzen und Lieferkette auf konsistente, aktuelle Informationen zugreifen können. Gleichzeitig lassen sich neue KI-Funktionen einfacher integrieren.
„Das letztendliche Ziel ist nicht einfach ein neueres ERP-System, sondern ein Betriebsmodell, in dem Daten zugänglich, zuverlässig und für die Automatisierung nutzbar sind“, erklärt Herbert. „Erst dadurch kann sich KI von isolierten Anwendungsfällen zu einer Technologie entwickeln, die fest in den gesamten Geschäftsbetrieb integriert ist.“
Bei der KI-Bereitschaft geht es weniger um die Einführung neuer Tools als vielmehr darum, sicherzustellen, dass die zugrunde liegenden Systeme die erforderliche Geschwindigkeit, Genauigkeit und Skalierbarkeit unterstützen können.
Indem mittelständische Unternehmen den Fokus auf Datenqualität, die Gestaltung von Arbeitsabläufen und die Vernetzung ihrer Systeme legen, können sie ihre ERP-Systeme von einem begrenzenden Faktor zu einem Innovationstreiber entwickeln. Unternehmen, denen dieses Gleichgewicht gelingt, werden nicht nur einen größeren Mehrwert aus KI schöpfen, sondern auch eine anpassungsfähigere und widerstandsfähigere digitale Grundlage für die Zukunft schaffen.
Wie mittelständische Unternehmen über KI-Pilotprojekte hinauskommen
Angesichts der zunehmenden Verbreitung von KI müssen Unternehmen die Mitarbeitenden stärker einbinden und sich auf besonders wertschöpfende Anwendungsfälle konzentrieren, um messbare Erträge zu erzielen.