Thought Leadership
Die Effizienz eines Unternehmens ist zum entscheidenden Erfolgsfaktor der heutigen Zeit geworden. Ein zentrales Optimierungspotenzial besteht dabei nicht selten in den eigenen Prozessen.
Kombiniert mit den Daten aus dem ERP-System bietet Künstliche Intelligenz (KI) die Möglichkeit, Prozessineffizienzen und Flaschenhälse effektiv zu identifizieren – und entsprechende Abläufe praxisorientiert zu automatisieren. Den Schlüssel dazu liefert jedoch nicht ein KI-Ansatz allein, sondern der richtige Mix aus verschiedenen Disziplinen.
Die derzeitige rasante Weiterentwicklung der KI-Technologie eröffnet Unternehmen völlig neue Möglichkeiten, die Effizienz ihrer täglichen Abläufe zu optimieren – eine Anforderung, die in Zeiten von Inflation, steigendem Wettbewerbsdruck und steigenden Kosten geradezu unerlässlich geworden ist. Es gilt, mit derselben Anzahl an Mitarbeitern ein immer höheres Arbeitsvolumen zu bewältigen. Möglich wird dies oft nur durch Optimierung der eigenen Unternehmensprozesse, um unnötige Flaschenhälse zu identifizieren und Automatisierungspotenziale zu heben.
KI stellt hierzu eine Schlüsseltechnologie dar, erhöht jedoch aufgrund ihres hohen Potenzials auch den Druck auf Unternehmen, entsprechende Projekte zu starten.
Denn auch Wettbewerbern steht die intelligente Technologie offen, um ihre Effizienz zu erhöhen sowie produktiver und wirtschaftlicher zu werden. Entscheidend ist daher einerseits, möglichst frühzeitig selbst mit Initiativen zu beginnen. Gleichzeitig müssen KI-gestützte Prozessoptimierungen auf die richtige Weise geplant und umgesetzt werden, um tatsächlichen Nutzen in der Praxis mit sich zu bringen.
Kreislaufoptimierung
Eine sinnvolle Prozessoptimierung sollte dabei stets als Kreislauf gestaltet sein, um nachhaltige Ergebnisse zu erzielen. Zu Beginn steht hierbei zunächst eine fundierte Analyse. Die Beobachtung der tatsächlichen Prozessabläufe in der täglichen Praxis legt die Basis, Problemstellen zu identifizieren und zu erkennen, wo Optimierungspotenziale bestehen. Auf dieser Basis lassen sich dann in einem zweiten Schritt Automatisierungsmöglichkeiten ausloten und umsetzen. Im dritten Schritt erfolgt die weitere Optimierung der implementierten Automatisierungen sowie der generellen Arbeitsweise. Um den Erfolg der Maßnahmen zu prüfen, beginnt der Zyklus schließlich mit einer weiteren Analyse von neuem.
Aufgrund der Komplexität eines solchen Kreislaufs lässt sich eine sinnvolle Prozessoptimierung in aller Regel nicht mit nur einer KI-Technologie realisieren. Vielmehr gilt es, auf den einzelnen Stufen jeweils auf diejenige KI-Disziplin zu setzen, die für das Ziel am besten geeignet ist.
Analyse: Process Mining
Die Analyse der Ausgangslage kann mithilfe von KI-gestütztem Process Mining erfolgen. Auf Basis der im ERP-System vorhandenen Informationen wie Zeitstempel erlangt die Analyse-KI Wissen darüber, wie Abläufe im Tagesgeschäft tatsächlich vonstattengehen. Dabei ist nicht die Ebene der einzelnen Nutzer von Interesse, sondern vielmehr die Perspektive konkreter End-to-End-Prozesse, etwa eines Order-to-Cash-Prozesses. In einem Prozessablaufdiagramm wird dann ersichtlich, in welcher Variante der Ablauf am häufigsten im Tagesgeschäft auftritt. Auf dieser Basis legt die KI Zykluszeiten zwischen den einzelnen Schritten offen, durch die sich Flaschenhälse oder Engpässe – und damit Optimierungspotenziale – effektiv identifizieren lassen.
Automatisieren: Agentic AI und Machine Learning
Zur Standardisierung und Automatisierung können verschiedenste KI-Technologien miteinander kombiniert werden. Im Kontext einer Eingangsrechnungsverarbeitung ermöglicht etwa Intelligent Document Processing (IDP) das kontinuierliche Monitoring eines Postfachs. Gehen Rechnungen ein, liest die KI die enthaltenen PDFs aus, analysiert diese, prüft sie und verbucht sie automatisch im ERP-System, sodass dieser Prozess nicht länger manuell erfolgen muss. Neben Agentic-AI- und LLM-Technologie können auch Machine-Learning-Algorithmen bei der Automatisierung unterstützen: Sie eignen sich besonders für Szenarien wie etwa eine automatische Prüfung der Stammdaten von Artikeln oder Lieferanten, um Dubletten zu identifizieren und so für einen einheitlichen, sauberen Datenbestand zu sorgen.
Damit KI aussagekräftige Ergebnisse erzielen kann, benötigt sie eine saubere, geeignete Datenbasis.
Georg Schmidhammer, BE-terna
Optimieren: Generative KI
Um Abläufe anschließend noch weiter zu optimieren, stellt generative KI für End-User ein hilfreiches Werkzeug dar, um verschiedenste Aufgaben im Tagesgeschäft schneller zu erledigen. In das ERP-System integrierte KI-Agenten etwa ermöglichen es Anwendern, in natürlicher Sprache Fragen zu Daten und Aufträgen zu stellen oder kleinere Automatisierungen vorzunehmen. Ein auf Kundenaufträge spezialisierter Chatbot kann so etwa Auskunft geben, ob aktuell Lieferungen in Verzug sind und wenn ja, welche. Ohne KI-Unterstützung unterbrechen Recherchearbeiten wie diese häufig den Arbeitsfluss und kosten unnötig Zeit. In ähnlicher Weise lässt sich etwa ein E-Mail-Postfach auf Kundenfragen hin monitoren, um auf Basis der Informationen im ERP-System unmittelbare Antwortvorschläge für die Kunden zu generieren.
Drei Tipps für den KI-Erfolg
Die Kombination verschiedener KI-Ansätze zur Prozessoptimierung erlaubt es Unternehmen, die Stärken verschiedenster KI-Ansätze auf den einzelnen Optimierungsstufen bestmöglich auszuspielen. Allen Ansätzen gemein ist jedoch, dass die Aussagekraft ihrer Ergebnisse und damit ihr Nutzwert von den richtigen Voraussetzungen abhängt. Bereits vor Projektbeginn sollten Unternehmen daher für eine solide technische und organisatorische Basis sorgen:
Damit KI aussagekräftige Ergebnisse erzielen kann, benötigt sie eine saubere, geeignete Datenbasis. Für ein Process Mining etwa sollten Unternehmen Aktionen und Zeitstempel im ERP-System zuvor bereits über einen längeren Zeitraum getrackt haben. Bei kurzen Sales-Zyklen, etwa im B2C-Bereich, genügen dazu unter Umständen bereits wenige Monate. In komplexeren Szenarien, etwa im Projektgeschäft, bewegen sich die Richtwerte bei einem halben Jahr und mehr.
Als technologisches Fundament für den Einsatz von KI und die Kombination verschiedener Ansätze empfiehlt sich in der Praxis ein Cloud-basierter ERP-Ansatz. Die meisten KI-Systeme benötigen auf die ein oder andere Weise Cloud-Komponenten. Die Erfahrung zeigt, dass das Hosting auf eigener Infrastruktur meist aus Kosten- und Ressourcengründen wenig sinnvoll ist. Der Cloud-Ansatz hingegen hilft, potenzielle Hürden von Anfang an möglichst klein zu halten.
Schließlich sollte eine KI-gestützte Prozessoptimierung nie als reines IT-Projekt begriffen, sondern stets in enger Zusammenarbeit mit den Fachabteilungen geplant und umgesetzt werden. Für ein Process Mining liefert die IT zwar die technische Basis; die Interpretation und korrekte Deutung der Ergebnisse verlangen jedoch das Fachwissen der Experten aus den Abteilungen. Ebenso ist entscheidend, die von Änderungen betroffenen Mitarbeiter möglichst früh in das Projekt miteinzubeziehen und auf den einzelnen Stufen der Optimierungsreise mitzunehmen. Bei Bedarf kann hier auch ein externer Beratungspartner unterstützen.
