KI und ERP: Wie du SAP, DATEV und Co. intelligent automatisierst

Transparenzhinweis: Dieser Artikel ist auf der Website von SkillSprinters veröffentlicht. SkillSprinters ist Anbieter einer KI-Weiterbildung und steht damit in einem Wettbewerbsverhaeltnis zu einigen der hier genannten Anbieter bzw. deren Geschäftsfeldern. Wir bemuehen uns um eine faire Darstellung anhand öffentlich zugaenglicher Informationen, sind aber nicht neutral. Alle Angaben zu Preisen und Funktionen beruhen auf öffentlich zugaenglichen Herstellerangaben. Stand der Recherche: April 2026, Angaben ohne Gewaehr. Verbindlich sind ausschließlich die Angaben der jeweiligen Anbieter.

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 Deloitte-Studie 2024 verbringen Unternehmen bis zu 30 Prozent ihrer ERP-Arbeitszeit mit Tätigkeiten, die sich vollständig oder teilweise automatisieren lassen.

KI ersetzt dein ERP nicht. Sie liegt wie eine 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. Der Artikel zeigt als IT-Leiter oder Geschäftsführer, wo KI im ERP-Umfeld heute konkret hilft, welche Systeme was können und wie du die Integration planst, ohne das laufende System zu gefährden.

Wo KI im ERP konkret hilft

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

Stammdaten

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

KI löst das auf zwei Ebenen. Erstens die Bereinigung. Ein KI-Modell erkennt semantische Duplikate, nicht nur identische Zeichenketten. Es schlägt Zusammenführungen vor und ergänzt fehlende Felder aus externen Quellen wie Handelsregister oder Unternehmensverzeichnissen. In SAP übernimmt das SAP Master Data Governance mit KI-Unterstützung. In kleineren ERPs lässt sich das über Middleware realisieren. Zweitens die 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.

Prognosen

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.

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

Anomalien

KI erkennt Muster in Transaktionsdaten, die kein Mensch bei tausenden Buchungen pro Tag sehen würde. Eine Bestellung über 50.000 Euro bei einem Lieferanten, der normalerweise unter 5.000 Euro liegt. Doppelte Rechnungen mit minimal abweichenden Beträgen, etwa 4.998 Euro und 4.999 Euro. Ungewöhnliche Zahlungsrhythmen bei einem Kunden, die auf Liquiditätsprobleme hindeuten. Buchungen auf Konten, die seit Monaten inaktiv waren.

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 nachrüsten, das täglich die Buchungsdaten prüft und bei Ausreißern per E-Mail oder Slack benachrichtigt.

SAP und Joule

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: natürlichsprachliche Abfragen statt Report-Konfiguration. Du fragst Joule, zeig mir die 10 Kunden mit dem höchsten Umsatzrückgang im letzten Quartal. Joule generiert die Abfrage, führt sie aus und zeigt das Ergebnis. Prozessautomatisierung: Erstelle eine Bestellung für 500 Stück Artikel X beim günstigsten Lieferanten. Joule identifiziert den Lieferanten, füllt das Bestellformular aus und legt es zur Freigabe vor. Bei der Rechnungsfreigabe zeigt Joule kontextbezogene Empfehlungen an, etwa ob ähnliche Rechnungen in der Vergangenheit Probleme verursacht haben.

Einschränkungen gibt es trotzdem. Joule braucht S/4HANA Cloud. Für On-Premise-Installationen, die im Mittelstand noch weit verbreitet sind, ist die Verfügbarkeit begrenzt. Joule ist außerdem 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 mit Office 365, Teams, Outlook und Power Platform als Datenquelle, nicht nur das ERP.

In Dynamics 365 Finance liefert Copilot automatische Kontovorschläge bei Buchungen, KI-gestützte Cashflow-Prognosen und Anomalie-Erkennung in Finanztransaktionen. In Supply Chain sind es Bedarfsprognosen mit externen Signalen, Lieferrisiko-Bewertung auf Basis von Lieferantenhistorie und Nachrichten sowie automatische Nachbestellungen bei prognostiziertem Engpass. In Sales schreibt Copilot Zusammenfassungen von E-Mail-Verläufen und Meeting-Notizen direkt im CRM und empfiehlt den nächsten Vertriebsschritt auf Basis der Pipeline-Daten.

Der Vorteil gegenüber SAP ist die nahtlose Office-Integration. Dein Vertriebler sieht die CRM-Daten direkt in Outlook, der Controller bekommt KI-Vorschläge in seiner Excel-Tabelle. Im Gegenzug sind die KI-Funktionen 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

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

DATEV hat in den letzten zwei Jahren stark in KI investiert. Die automatische Belegverarbeitung erkennt nicht nur Betrag und Datum, sondern schlägt auch das Buchungskonto vor. Die Trefferquote liegt laut DATEV bei über 85 Prozent bei Standardbelegen. Für Steuerberatungskanzleien, die hunderte Mandanten betreuen, spart das erheblich Zeit. Die Anomalie-Erkennung markiert ungewöhnliche Buchungen wie eine Privatentnahme, die deutlich über dem üblichen Niveau liegt.

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

Was tun, wenn dein ERP keine nativen KI-Funktionen hat oder die vorhandenen nicht reichen? An dem Punkt kommen Middleware-Tools ins Spiel.

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

Ein konkreter Workflow aus der Praxis: intelligente Auftragserfassung. Eine Bestellmail landet im Postfach oder ein PDF wird in einen Ordner gelegt. n8n übergibt die Mail oder das PDF an ein KI-Modell wie Claude oder GPT. Das Modell extrahiert Kundenname, Artikelbezeichnungen, Mengen, gewünschtes Lieferdatum und Sonderwünsche. 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. Das System prüft Lagerbestand, Kreditlimit und aktuelle Lieferzeiten. Bei Standardaufträgen wird der Auftrag automatisch im ERP angelegt. Bei Sonderfällen wie überschrittenem Kreditlimit, nicht verfügbarem Artikel oder unbekanntem Kunden bekommt ein Mitarbeiter eine Benachrichtigung. Der Kunde bekommt eine automatische Auftragsbestätigung.

Ein Mitarbeiter braucht für die manuelle Erfassung einer Bestellung 5 bis 15 Minuten. Der automatisierte Workflow erledigt das in unter 30 Sekunden. Bei 50 Bestellungen pro Tag sind das 4 bis 12 Stunden Zeitersparnis. Die Kosten sind übersichtlich. n8n ist Open Source mit Self-Hosted kostenlos oder Cloud ab 24 Euro pro Monat. Die KI-API-Kosten liegen bei 0,01 bis 0,05 Euro pro Bestellung, für 50 Bestellungen pro Tag sind das 15 bis 75 Euro 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 Maschinenbau

Die fiktive Weber Antriebstechnik 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 tippen Bestellungen manuell ins SAP ein. Durchschnittliche Bearbeitungszeit pro Auftrag 8 Minuten. Fehlerquote 3,5 Prozent. Jeder Fehler kostet im Schnitt 120 Euro für Rückversand, Nachlieferung und Kundenservice. Bei 1.600 Aufträgen pro Monat macht das 56 Fehler und 6.720 Euro 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 Prozent der Aufträge) gehen an einen Sachbearbeiter zur Freigabe.

Ergebnis nach drei Monaten: Bearbeitungszeit unter 1 Minute automatisch bzw. 3 Minuten im Prüffall. Fehlerquote 0,8 Prozent, praktisch nur noch bei handschriftlichen Faxbestellungen und Sonderkonfigurationen. Eingesparte Arbeitszeit 35 Stunden pro Woche. Eingesparte Fehlerkosten rund 5.000 Euro pro Monat. Investition 40 Stunden Setup durch einen externen Dienstleister plus 120 Euro pro Monat laufende Kosten. Ein Sachbearbeiter wurde intern versetzt in die Kundenberatung. Der andere übernimmt die Prüffälle und hat zusätzlich Kapazität für die Bestandsoptimierung.

Change Management

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

Drei Widerstände sind die häufigsten.

"Die KI macht meinen Job überflüssig." Besonders bei Sachbearbeitern in Buchhaltung, Auftragsannahme und Disposition. Tatsächlich übernimmt KI Routineaufgaben, der Mensch kümmert sich um Ausnahmen, Kundenbeziehungen und Entscheidungen. Das musst du aktiv kommunizieren, regelmäßig, nicht nur einmal im Kickoff-Meeting. Wir sehen bei Projekten in der Praxis: Wer diese Kommunikation unterschätzt, bekommt nach 3 Monaten einen Boykott-ähnlichen Zustand, bei dem Mitarbeiter die KI-Vorschläge systematisch ablehnen.

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

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

Integration planen

Schritt 1: Prozesse identifizieren. Liste alle Prozesse auf, die im ERP laufen. Bewerte sie nach Häufigkeit, 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 Stammdaten auf Duplikate, fehlende Felder und veraltete Einträge. Prüfe Transaktionsdaten auf Lücken und Inkonsistenzen. In vielen Fällen ist die Datenbereinigung der wichtigste Schritt, noch vor jeder KI-Einführung.

Schritt 3: Tool-Entscheidung treffen. Hast du ein Enterprise-ERP mit nativen KI-Funktionen wie SAP Joule oder Dynamics Copilot? Dann aktiviere zuerst die vorhandenen Features. Hast du ein Mittelstands-ERP ohne native KI? Dann prüfe Middleware-Optionen wie n8n oder 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. Wer diese Analyse und Umsetzung strukturiert lernen will, findet in der Weiterbildung zum Digitalisierungsmanager bei SkillSprinters in Bayreuth die nötige Kompetenz in 4 Monaten, komplett online, DEKRA-zertifiziert und mit Bildungsgutschein 100 Prozent förderbar.

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 als CSV oder 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 wie SAP Joule oder Dynamics Copilot kosten 20 bis 50 Euro pro User pro Monat zusätzlich zu den bestehenden Lizenzen. Middleware-Lösungen mit KI-API-Anbindung liegen bei 50 bis 300 Euro 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 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 wie OpenAI oder 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 etwa zum Digitalisierungsmanager reicht als Wissensbasis völlig aus.

Wie lange dauert die Einführung? Ein einzelner automatisierter Prozess wie 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.