Dein ERP-System ist das Rückgrat deines Unternehmens. Und gleichzeitig der Ort, an dem deine Mitarbeiter am meisten Zeit mit Routineaufgaben verlieren. Stammdaten pflegen, Bestellungen eintippen, Rechnungen abgleichen, Berichte zusammenklicken. Laut einer Studie von Deloitte (2024) verbringen Unternehmen bis zu 30 % ihrer ERP-Arbeitszeit mit Tätigkeiten, die sich vollständig oder teilweise automatisieren lassen.

KI verändert das. Nicht als Ersatz für dein ERP, sondern als intelligente Schicht darüber. SAP hat Joule, Microsoft Dynamics hat Copilot, und selbst Mittelstands-ERPs wie DATEV oder Sage integrieren schrittweise KI-Funktionen. Dazu kommen Middleware-Tools wie n8n oder Make, die auch ohne native KI-Features intelligente Automatisierung ermöglichen.

Dieser Artikel zeigt dir als IT-Leiter oder Geschäftsführer, wo KI im ERP-Umfeld heute konkret hilft, welche Systeme was können und wie du die Integration planst, ohne dein laufendes System zu gefährden.

Das Wichtigste in Kürze

Wo KI im ERP konkret hilft

ERP-Systeme sind Datengräber. Tausende Transaktionen pro Tag, Millionen Datensätze über Jahre. KI kann diese Daten nutzen, um drei Kernprobleme zu lösen, die in fast jedem Unternehmen existieren.

1. Stammdaten: Das ewige Problem

Jeder IT-Leiter kennt das: Lieferant "Müller GmbH" existiert dreimal im System. Einmal als "Mueller GmbH", einmal als "Müller GmbH & Co. KG", einmal als "Fa. Müller". Artikelstammdaten haben leere Felder, veraltete Preise, falsche Zuordnungen.

KI löst das Problem auf zwei Ebenen:

Ebene 1: Bereinigung. Ein KI-Modell erkennt semantische Duplikate (nicht nur identische Zeichenketten), schlägt Zusammenführungen vor und ergänzt fehlende Felder aus externen Quellen (Handelsregister, Unternehmensverzeichnisse). In SAP macht das der Modul SAP Master Data Governance mit KI-Unterstützung. In kleineren ERPs lässt sich das über Middleware realisieren.

Ebene 2: Prävention. Bei der Neuanlage prüft die KI in Echtzeit, ob ein ähnlicher Eintrag existiert, schlägt die korrekte Kategorisierung vor und validiert Pflichtfelder. Das verhindert, dass das Problem überhaupt wächst.

2. Prognosen: Besser planen als raten

Die klassische ERP-Bedarfsplanung arbeitet mit fixen Regeln: Durchschnittlicher Verbrauch der letzten 12 Monate, Sicherheitsbestand X Wochen, Bestellpunkt bei Y Stück. Das funktioniert, solange alles stabil bleibt. Aber Märkte, Lieferketten und Nachfrage sind nicht stabil.

KI-basierte Prognosen berücksichtigen hunderte Variablen gleichzeitig: Historische Bestelldaten, saisonale Muster, Wetterdaten, Feiertage, Rohstoffpreise, sogar Google-Trends-Daten als Frühindikator für Nachfrage. Die Ergebnisse sind konkret messbar.

| Prognosemethode | Typische Forecast-Genauigkeit | Reaktion auf Veränderungen | Setup-Aufwand | |----------------|-------------------------------|---------------------------|---------------| | **Regelbasiert (klassisch)** | 55 bis 65 % | Langsam (manuelle Anpassung) | Gering | | **Statistisch (Holt-Winters, ARIMA)** | 65 bis 75 % | Mittel (automatisch, aber träge) | Mittel | | **KI/ML (Gradient Boosting, Transformer)** | 75 bis 90 % | Schnell (lernt aus neuen Daten) | Hoch (initial) | | **Hybridmodell (Statistik + KI)** | 80 bis 90 % | Schnell + robust | Mittel bis hoch |

Praxisbeispiel: Ein mittelständischer Lebensmittelgroßhändler mit SAP Business One hat seine Bedarfsprognose von regelbasiert auf ein KI-Modell umgestellt. Ergebnis: Die Überbestellungen (und damit Abschreibungen auf verdorbene Ware) sanken um 28 %, gleichzeitig ging die Lieferfähigkeit von 91 % auf 97 % hoch. Der Zeitaufwand für die manuelle Disposition reduzierte sich um rund 10 Stunden pro Woche.

3. Anomalien: Fehler finden, bevor sie teuer werden

KI erkennt Muster in Transaktionsdaten, die kein Mensch bei tausenden Buchungen pro Tag sehen würde:

In SAP übernimmt das die Funktion SAP Business Integrity Screening. In Microsoft Dynamics erkennt Copilot Anomalien in Finanztransaktionen. Für kleinere Systeme lässt sich eine Anomalie-Erkennung mit einem KI-Modell über n8n oder Make anbauen, das täglich die Buchungsdaten prüft und bei Ausreißern per E-Mail oder Slack benachrichtigt.

SAP und KI: Joule als digitaler Assistent

SAP hat mit Joule einen KI-Assistenten vorgestellt, der quer über alle SAP-Module funktioniert. Joule ist keine eigene Anwendung, sondern eine KI-Schicht, die in S/4HANA, SuccessFactors, Ariba und andere SAP-Produkte eingebettet ist.

Was Joule heute kann:

Einschränkungen: Joule braucht S/4HANA Cloud. Für On-Premise-Installationen (die im Mittelstand noch weit verbreitet sind) ist die Verfügbarkeit begrenzt. Außerdem ist Joule nur so gut wie die Datenqualität im System. Ohne gepflegte Stammdaten liefert auch Joule keine brauchbaren Ergebnisse.

Microsoft Dynamics 365 und Copilot

Microsoft hat Copilot tief in Dynamics 365 integriert. Der Ansatz unterscheidet sich von SAP: Copilot nutzt das gesamte Microsoft-Ökosystem (Office 365, Teams, Outlook, Power Platform) als Datenquelle, nicht nur das ERP.

Copilot in Dynamics 365 Finance: - Automatische Kontovorschläge bei Buchungserfassungen - KI-gestützte Cashflow-Prognosen - Anomalie-Erkennung in Finanztransaktionen

Copilot in Dynamics 365 Supply Chain: - Bedarfsprognosen mit externen Signalen - Lieferrisiko-Bewertung auf Basis von Lieferantenhistorie und externen Nachrichten - Automatische Nachbestellungen bei prognostiziertem Engpass

Copilot in Dynamics 365 Sales: - Zusammenfassungen von E-Mail-Verläufen und Meeting-Notizen direkt im CRM - Empfehlungen für den nächsten Vertriebsschritt auf Basis der Pipeline-Daten

Vorteil gegenüber SAP: Die Integration mit Outlook, Teams und Excel ist nahtlos. Dein Vertriebler sieht die CRM-Daten direkt in Outlook, der Controller bekommt KI-Vorschläge in seiner Excel-Tabelle.

Nachteil: Die KI-Funktionen sind an Microsoft 365 Copilot-Lizenzen gebunden (30 USD pro User pro Monat, zusätzlich zu den Dynamics-Lizenzen). Bei 50 Usern sind das 18.000 USD pro Jahr nur für die KI-Schicht.

Mittelstands-ERPs: DATEV, Sage und Haufe

Nicht jedes Unternehmen braucht SAP oder Dynamics. Im deutschen Mittelstand dominieren andere Systeme, und auch die integrieren zunehmend KI.

| ERP-System | KI-Funktionen (Stand 2026) | Zielgruppe | KI-Reifegrad | |------------|---------------------------|------------|-------------| | **DATEV** | Automatische Belegverarbeitung, Kontierungsvorschlag, Anomalie-Erkennung in Buchführung | Steuerberater, KMU | Mittel (fokussiert auf Buchhaltung) | | **Sage** | KI-gestützte Cashflow-Prognose, automatische Rechnungserkennung, Berichts-Assistent | KMU 10 bis 250 MA | Mittel | | **Haufe X360** | KI-basierte Prozessvorschläge, intelligente Suche, automatische Kategorisierung | KMU, Dienstleister | Früh | | **Lexware** | Automatische Belegerkennung (OCR + KI), Kontierungsvorschlag | Selbständige, Kleinunternehmen | Basis | | **Weclapp** | KI-gestützte Bedarfsplanung, automatische Zuordnung eingehender Belege | KMU, E-Commerce | Früh bis mittel |

DATEV im Detail: DATEV hat in den letzten zwei Jahren stark in KI investiert. Die automatische Belegverarbeitung erkennt nicht nur den Betrag und das Datum, sondern schlägt auch das Buchungskonto vor. Die Trefferquote liegt laut DATEV bei über 85 % bei Standardbelegen. Für Steuerberatungskanzleien, die hunderte Mandanten betreuen, spart das erheblich Zeit. Die Anomalie-Erkennung markiert ungewöhnliche Buchungen (z. B. eine Privatentnahme, die deutlich über dem üblichen Niveau liegt) und weist den Sachbearbeiter darauf hin.

Sage im Detail: Sage 50 und Sage 100 bieten mittlerweile eine KI-basierte Cashflow-Prognose, die auf Basis der historischen Zahlungseingänge vorhersagt, wann welche Rechnung bezahlt wird. Das ist besonders für Handwerksbetriebe und Dienstleister relevant, bei denen die Zahlungsmoral der Kunden stark schwankt.

Middleware: n8n, Make und die KI-Brücke

Was tun, wenn dein ERP keine nativen KI-Funktionen hat? Oder wenn die vorhandenen Funktionen nicht reichen? Hier kommen Middleware-Tools ins Spiel.

n8n, Make und Zapier verbinden dein ERP-System über APIs mit KI-Modellen (Claude, GPT, Gemini) und anderen Systemen. Das Prinzip: Daten raus aus dem ERP, durch ein KI-Modell schicken, Ergebnis zurück ins ERP schreiben.

Beispiel-Workflow: Intelligente Auftragserfassung

Ein konkreter Workflow, der in der Praxis funktioniert:

  1. Eingang: Eine Bestellmail landet im Postfach (oder ein PDF wird in einen Ordner gelegt).
  2. Extraktion: n8n übergibt die Mail/das PDF an ein KI-Modell (Claude oder GPT). Das Modell extrahiert: Kundenname, Artikelbezeichnungen, Mengen, gewünschtes Lieferdatum, Sonderwünsche.
  3. Matching: Die extrahierten Artikelbezeichnungen werden gegen den Artikelstamm im ERP abgeglichen. Die KI erkennt auch unscharfe Übereinstimmungen ("Zylinderkopfschrauben M8x40 verzinkt" wird zu Artikel 4711 "ZKS M8x40 VZ" im System).
  4. Validierung: Das System prüft Lagerbestand, Kreditlimit des Kunden und aktuelle Lieferzeiten.
  5. Auftrag anlegen: Bei Standardaufträgen wird der Auftrag automatisch im ERP angelegt. Bei Sonderfällen (Kreditlimit überschritten, Artikel nicht verfügbar, unbekannter Kunde) wird ein Mitarbeiter benachrichtigt.
  6. Bestätigung: Der Kunde bekommt eine automatische Auftragsbestätigung per Mail.

Zeitersparnis: Ein Mitarbeiter braucht für die manuelle Erfassung einer Bestellung 5 bis 15 Minuten (Mail lesen, Kunde im System suchen, Artikel identifizieren, Bestellung anlegen, Bestätigung schreiben). Der automatisierte Workflow erledigt das in unter 30 Sekunden. Bei 50 Bestellungen pro Tag sind das 4 bis 12 Stunden Zeitersparnis.

Kosten: n8n ist Open Source (Self-Hosted kostenlos, Cloud ab 24 EUR/Monat). Die KI-Kosten (API-Calls an Claude oder GPT) liegen bei 0,01 bis 0,05 EUR pro Bestellung. Für 50 Bestellungen pro Tag sind das 15 bis 75 EUR pro Monat. Der ROI ist innerhalb von Tagen positiv.

Mehr dazu, wie du solche Workflows mit KI in der Buchhaltung und Rechnungsverarbeitung einsetzt, findest du im verlinkten Artikel.

Praxisbeispiel: Auftragserfassung bei einem Maschinenbauer

Die Firma Weber Antriebstechnik (fiktiv) in Nürnberg baut Getriebe und Antriebskomponenten. 85 Mitarbeiter, SAP Business One, 60 bis 80 Bestellungen pro Tag per E-Mail und PDF.

Vorher: Zwei Sachbearbeiter in der Auftragsannahme tippt Bestellungen manuell ins SAP ein. Durchschnittliche Bearbeitungszeit pro Auftrag: 8 Minuten. Fehlerquote (falscher Artikel, falsche Menge, falscher Preis): 3,5 %. Jeder Fehler kostet im Schnitt 120 EUR (Rückversand, Nachlieferung, Kundenservice). Bei 1.600 Aufträgen pro Monat: 56 Fehler, 6.720 EUR Fehlerkosten.

Nachher: n8n-Workflow mit Claude als Extraktionsmodell. Bestellmails werden automatisch verarbeitet, gegen den SAP-Artikelstamm gematcht und als Auftrag angelegt. Prüffälle (10 bis 15 % der Aufträge) gehen an einen Sachbearbeiter zur Freigabe.

Ergebnis nach 3 Monaten: - Bearbeitungszeit pro Auftrag: unter 1 Minute (automatisch) bzw. 3 Minuten (Prüffall) - Fehlerquote: 0,8 % (nur noch bei handschriftlichen Faxbestellungen und Sonderkonfigurationen) - Eingesparte Arbeitszeit: 35 Stunden pro Woche - Eingesparte Fehlerkosten: rund 5.000 EUR pro Monat - Investition: 40 Stunden Setup (externer Dienstleister) + 120 EUR/Monat laufende Kosten

Ein Sachbearbeiter wurde intern versetzt (Kundenberatung statt Dateneingabe). Der andere übernimmt die Prüffälle und hat zusätzlich Kapazität für die Bestandsoptimierung.

Change Management: Der unterschätzte Erfolgsfaktor

Die technische Integration von KI in ein ERP-System ist in den meisten Fällen in Wochen machbar. Die organisatorische Einführung dauert Monate. Und sie scheitert häufiger an Menschen als an Technik.

Die drei häufigsten Widerstände:

  1. "Die KI macht meinen Job überflüssig." Besonders bei Sachbearbeitern in der Buchhaltung, Auftragsannahme und Disposition. Die Realität: KI übernimmt Routineaufgaben, der Mensch kümmert sich um Ausnahmen, Kundenbeziehungen und Entscheidungen. Aber das musst du aktiv kommunizieren, nicht nur einmal, sondern regelmäßig.

  2. "Ich vertraue der KI nicht." Verständlich. Ein Buchhalter, der seit 20 Jahren Belege kontiert, vertraut seinem Urteil mehr als einem Algorithmus. Die Lösung: Starte im Vorschlagsmodus (KI schlägt vor, Mensch bestätigt). Erst nach 2 bis 3 Monaten, wenn die Trefferquote sichtbar hoch ist, schaltest du auf automatische Verarbeitung mit Ausnahmeprüfung um.

  3. "Noch ein System, das ich lernen muss." ERP-User haben oft schon drei Tools offen. Ein weiteres Dashboard oder eine weitere Oberfläche wird abgelehnt. Die beste KI-Integration ist unsichtbar: Sie arbeitet im Hintergrund und zeigt sich nur, wenn sie etwas Relevantes zu sagen hat (Vorschlag, Warnung, Anomalie).

Wer sich tiefer mit dem Thema befassen will, findet in unserem Artikel zur KI-Strategie für den Mittelstand einen konkreten 6-Schritte-Plan. Der Artikel über Mitarbeiterängste und Change Management geht auf die menschliche Seite ein.

Schritt-für-Schritt: KI-Integration in dein ERP planen

Schritt 1: Prozesse identifizieren. Liste alle Prozesse auf, die im ERP laufen. Bewerte sie nach: Häufigkeit (wie oft pro Tag/Woche), Zeitaufwand pro Vorgang, Fehlerquote und Automatisierungspotenzial. Die Kombination aus hoher Häufigkeit, hohem Zeitaufwand und hoher Fehlerquote markiert deinen Startpunkt.

Schritt 2: Datenqualität prüfen. KI braucht saubere Daten. Prüfe die Stammdaten (Duplikate, fehlende Felder, veraltete Einträge) und die Transaktionsdaten (Lücken, Inkonsistenzen). In vielen Fällen ist die Datenbereinigung der erste und wichtigste Schritt, noch vor jeder KI-Einführung.

Schritt 3: Tool-Entscheidung treffen. Hast du ein Enterprise-ERP mit nativen KI-Funktionen (SAP Joule, Dynamics Copilot)? Dann aktiviere zuerst die vorhandenen Features. Hast du ein Mittelstands-ERP ohne native KI? Dann prüfe Middleware-Optionen (n8n, Make) als Brücke zwischen ERP und KI-Modell.

Schritt 4: Pilotprojekt starten. Ein Prozess, ein Team, 4 Wochen. Messe vorher und nachher: Bearbeitungszeit, Fehlerquote, Mitarbeiterzufriedenheit. Dokumentiere die Ergebnisse.

Schritt 5: Skalieren oder anpassen. Wenn der Pilot funktioniert, rollst du auf weitere Prozesse aus. Wenn nicht, analysiere warum. Meistens liegt es an der Datenqualität, nicht an der KI.

FAQ

Muss ich mein ERP-System wechseln, um KI nutzen zu können? Nein. Middleware-Tools wie n8n oder Make verbinden praktisch jedes ERP mit KI-Modellen, solange eine API oder ein Datenbankzugriff existiert. Auch ältere Systeme lassen sich über Dateiexporte (CSV, XML) anbinden. Ein ERP-Wechsel allein wegen KI wäre in den meisten Fällen unverhältnismäßig.

Wie hoch sind die laufenden Kosten für KI im ERP? Die Spanne ist groß. Native KI-Funktionen (SAP Joule, Dynamics Copilot) kosten 20 bis 50 EUR pro User pro Monat zusätzlich zu den bestehenden Lizenzen. Middleware-Lösungen mit KI-API-Anbindung liegen bei 50 bis 300 EUR pro Monat für ein mittelständisches Unternehmen. Der ROI ist bei gut gewählten Use Cases innerhalb von 2 bis 4 Monaten positiv.

Ist KI im ERP DSGVO-konform? Das hängt davon ab, wo die Daten verarbeitet werden. Bei On-Premise-ERPs (SAP S/4HANA On-Prem, Sage lokal installiert) verlassen die Daten dein Netzwerk nicht. Bei Cloud-ERPs und KI-APIs musst du prüfen, ob die Verarbeitung in der EU stattfindet. SAP, Microsoft und DATEV bieten EU-Rechenzentren an. Bei externen KI-APIs (OpenAI, Anthropic) gibt es ebenfalls EU-Optionen, die du vertraglich absichern solltest.

Brauche ich interne KI-Expertise? Für die Einführung empfiehlt sich externer Support oder ein Mitarbeiter mit KI-Grundkenntnissen. Für den laufenden Betrieb reicht in der Regel ein technisch versierter Mitarbeiter, der die Workflows pflegt und bei Problemen eingreift. Eine fundierte Weiterbildung (z. B. zum Digitalisierungsmanager) reicht als Wissensbasis völlig aus.

Wie lange dauert die Einführung? Ein einzelner automatisierter Prozess (z. B. Auftragserfassung oder Belegverarbeitung) ist in 2 bis 6 Wochen produktiv. Eine unternehmensweite KI-Strategie mit mehreren Prozessen und Change Management dauert 6 bis 12 Monate. Starte immer mit dem kleinsten sinnvollen Piloten.

Fazit

KI im ERP ist kein Zukunftsthema mehr. SAP, Microsoft, DATEV und Sage liefern native Funktionen. Für alles, was die ERPs selbst noch nicht können, gibt es Middleware-Tools, die ERP und KI-Modelle verbinden. Die Technik ist da. Die Frage ist, ob du sie nutzt.

Der beste Einstieg ist ein konkreter Prozess mit messbarem Ergebnis. Auftragserfassung, Belegverarbeitung oder Bedarfsprognose. Nicht ein großes Transformationsprojekt, sondern ein Pilot, der in 4 Wochen Ergebnisse zeigt. Wenn die Sachbearbeiter sehen, dass die KI ihnen Arbeit abnimmt statt wegnimmt, wächst die Akzeptanz von allein.

Die DEKRA-zertifizierte Weiterbildung zum Digitalisierungsmanager für Prozessautomatisierung und KI bei SkillSprinters in Bayreuth vermittelt genau diese Fähigkeiten. ERP-Integration, Workflow-Automatisierung mit n8n, KI-Modelle in Geschäftsprozessen einbinden. 4 Monate, komplett online, mit Bildungsgutschein 100 % förderbar.

Du willst wissen, wo KI in deinem ERP den größten Hebel hat? Buch dir ein kostenloses Erstgespräch mit Dr. Jens Aichinger. 10 Minuten, kein Verkaufsgespräch, konkrete Einschätzung für deine Situation.

Bereit für deinen nächsten Karriereschritt?

Lass dich kostenlos beraten. Wir finden die passende Weiterbildung und Förderung für dich.

Weiterbildung ansehen WhatsApp