ERP-Systeme
Stell dir vor, jede Abteilung eines Unternehmens arbeitet mit denselben Daten in einem einzigen System. Wenn der Vertrieb einen Auftrag erfasst, sieht das Lager sofort den Bedarf, die Buchhaltung erhält die Rechnungsdaten und die Produktion plant die Fertigung ein. Dieses Prinzip heißt Enterprise Resource Planning (ERP).
Ein ERP-System ist eine zentrale Unternehmenssoftware, die Geschäftsprozesse über Abteilungsgrenzen hinweg in einer gemeinsamen Datenbasis zusammenführt. Finanzbuchhaltung, Materialwirtschaft, Personalwesen, Vertrieb und Produktion greifen auf dieselben Stamm- und Bewegungsdaten zu. Dadurch entfallen manuelle Übergaben zwischen Systemen, doppelte Dateneingaben und die typischen Informationslücken, die bei getrennten Insellösungen entstehen.
Die Idee geht auf die 1960er-Jahre zurück. Damals entstanden erste computergestützte Systeme zur Materialbedarfsplanung (MRP). In den 1980er-Jahren erweiterten Hersteller diese Systeme um Produktionsplanung (MRP II). Der Begriff ERP prägte sich in den 1990er-Jahren, als Anbieter wie SAP, Oracle und Baan die Software auf alle betriebswirtschaftlichen Kernprozesse ausdehnten.
Die Module eines ERP-Systems
Ein ERP-System besteht typischerweise aus Modulen, die jeweils einen betriebswirtschaftlichen Funktionsbereich abdecken. Jedes Modul greift auf die gemeinsame Datenbasis zu und tauscht Informationen mit den anderen Modulen aus.
Beispiel: Ein Fertigungsunternehmen aktiviert die Module Materialwirtschaft, Produktionsplanung und Finanzbuchhaltung. Wenn die Produktion Rohmaterial verbraucht, reduziert das Materialwirtschafts-Modul den Lagerbestand, das Produktionsmodul aktualisiert den Fertigungsfortschritt und das Finanzmodul bucht den Materialverbrauch als Aufwand.
Die wichtigsten Module im Überblick:
- Finanzbuchhaltung (FI): Hauptbuch, Debitoren, Kreditoren, Anlagenbuchhaltung, Konsolidierung
- Controlling (CO): Kostenstellenrechnung, Profit-Center-Rechnung, Produktkalkulation
- Materialwirtschaft (MM): Einkauf, Bestandsführung, Rechnungsprüfung, Lagerverwaltung
- Vertrieb (SD): Auftragserfassung, Versand, Fakturierung, Preisfindung
- Produktionsplanung (PP): Stücklisten, Arbeitspläne, Kapazitätsplanung, Fertigungsaufträge
- Personalwirtschaft (HR): Personalstammdaten, Gehaltsabrechnung, Zeitwirtschaft
Beispiel: Ein Handelsunternehmen ohne Fertigung nutzt nur die Module FI, CO, MM und SD. Die Produktionsplanung bleibt deaktiviert. Diese Modularität ermöglicht es, das System exakt auf den Bedarf zuzuschneiden, ohne unnötige Komplexität einzuführen.
Gemeinsame Datenbasis als Fundament
Der entscheidende Unterschied zwischen einem ERP-System und einer Sammlung von Einzellösungen liegt in der gemeinsamen Datenbasis. Alle Module lesen und schreiben in dieselbe Datenbank. Ein Kundenstammsatz existiert genau einmal. Eine Materialnummer ist systemweit eindeutig. Ein Buchungssatz entsteht automatisch, wenn eine geschäftsrelevante Transaktion stattfindet.
Beispiel: Ein Sachbearbeiter ändert die Adresse eines Kunden im Vertriebsmodul. Ab diesem Moment verwenden Rechnungen, Lieferscheine, Mahnungen und Korrespondenz die neue Adresse, weil alle Module auf denselben Stammsatz zugreifen. In einer Landschaft aus Einzellösungen müsste die Adresse in jedem System einzeln geändert werden.
Dieses Datenmodell folgt dem Prinzip der Stamm- und Bewegungsdaten. Stammdaten (Kunden, Lieferanten, Materialien, Mitarbeiter) ändern sich selten und bilden das Grundgerüst. Bewegungsdaten (Aufträge, Buchungen, Warenbewegungen) entstehen im laufenden Betrieb und referenzieren die Stammdaten.
Beispiel: Der Materialstammsatz eines Bauteils enthält Abmessungen, Gewicht, Lieferant und Mindestbestand. Jede Warenbewegung (Zugang, Abgang, Umlagerung) erzeugt einen Bewegungsdatensatz, der auf diesen Stammsatz verweist. So lässt sich jederzeit nachvollziehen, wie viel Material wann wohin bewegt wurde.
Fachliche Einordnung: Die zentrale Datenhaltung in ERP-Systemen entspricht dem Prinzip der Single Source of Truth (SSOT). In der Praxis existiert allerdings selten eine vollständige SSOT, weil Unternehmen neben dem ERP-System weitere Spezialsysteme betreiben (CRM, PLM, MES). Die Integration dieser Systeme mit dem ERP bleibt eine der aufwendigsten Aufgaben der Unternehmens-IT.
Geschäftsprozesse im ERP-System
ERP-Systeme bilden betriebswirtschaftliche Prozesse als Abfolge von Transaktionen ab. Jede Transaktion verändert den Systemzustand und löst Folgeprozesse aus. Dieser Automatismus ist der eigentliche Nutzen: Nicht die einzelne Buchung, sondern die durchgängige Prozesskette.
Beispiel: Ein Kunde bestellt 500 Stück eines Produkts. Das Vertriebsmodul legt den Auftrag an. Das System prüft den Lagerbestand: 300 Stück sind verfügbar, 200 müssen gefertigt werden. Automatisch entsteht ein Fertigungsauftrag für 200 Stück und ein Kommissionierauftrag für 300 Stück. Nach Fertigstellung und Versand erzeugt das System die Rechnung und bucht den Umsatz.
Dieser Ablauf zeigt ein zentrales Merkmal: Das ERP-System trifft auf Basis seiner Daten Entscheidungen (Lager reicht nicht, also Fertigung auslösen) und koordiniert Module übergreifend. Ohne ERP müsste ein Sachbearbeiter den Lagerbestand manuell prüfen, den Fertigungsauftrag per E-Mail anstoßen und die Rechnung händisch erstellen.
Beispiel: Ein ETL-Prozess extrahiert täglich Auftragsdaten aus dem ERP-System und lädt sie in ein Data Warehouse. Dort lassen sich übergreifende Analysen fahren, die im ERP-System selbst nicht möglich wären, etwa die Korrelation von Lieferzeiten mit Kundenzufriedenheit.
Technische Architektur
Moderne ERP-Systeme folgen einer Drei-Schichten-Architektur: Präsentationsschicht (Benutzeroberfläche), Applikationsschicht (Geschäftslogik) und Datenbankschicht (Datenhaltung). Diese Trennung ermöglicht es, einzelne Schichten unabhängig voneinander zu skalieren und zu aktualisieren.
Beispiel: SAP S/4HANA nutzt eine In-Memory-Datenbank (HANA) als Datenbankschicht. Die Applikationsschicht läuft auf ABAP-Applikationsservern. Die Präsentationsschicht bietet sowohl einen Desktop-Client (SAP GUI) als auch eine webbasierte Oberfläche (Fiori). Ein Unternehmen kann die Zahl der Applikationsserver erhöhen, wenn die Last steigt, ohne die Datenbank oder die Oberfläche zu verändern.
Bei der Bereitstellung gibt es drei Modelle:
- On-Premise: Das Unternehmen betreibt die gesamte Infrastruktur selbst. Volle Kontrolle, aber hoher Aufwand für Hardware, Updates und Sicherheit.
- Cloud (SaaS): Der Anbieter betreibt das System. Das Unternehmen nutzt es über den Browser. Geringerer Betriebsaufwand, aber eingeschränkte Anpassungsmöglichkeiten.
- Hybrid: Kernsystem On-Premise, Erweiterungen in der Cloud. Häufig als Übergangslösung bei laufender Migration.
Beispiel: Ein mittelständisches Unternehmen betreibt sein SAP-System On-Premise, nutzt aber Salesforce als Cloud-CRM. Eine Middleware synchronisiert Kundenstammdaten zwischen beiden Systemen. Diese hybride Konstellation erzeugt zusätzliche Komplexität bei der Datenkonsistenz.
Einführung und Anpassung
Die Einführung eines ERP-Systems gehört zu den aufwendigsten IT-Projekten in Unternehmen. Typische Projektlaufzeiten liegen zwischen 6 Monaten (kleine Unternehmen, Standardsoftware) und mehreren Jahren (Konzerne, hochgradig individualisierte Systeme).
Der Implementierungsprozess umfasst mehrere Phasen: Anforderungsanalyse, Systemdesign, Konfiguration (Customizing), Datenmigration, Test, Schulung und Go-Live. Die Konfigurationsphase ist besonders kritisch: Hier werden die generischen Funktionen des ERP-Systems auf die spezifischen Geschäftsprozesse des Unternehmens abgestimmt.
Beispiel: Ein Lebensmittelhersteller konfiguriert sein ERP-System so, dass bei der Warenausgabe automatisch die Charge mit dem frühesten Mindesthaltbarkeitsdatum vorgeschlagen wird (FEFO-Prinzip: First Expired, First Out). Diese Regel wird im Customizing hinterlegt und gilt dann für alle Lagerbewegungen, ohne dass Lagermitarbeiter sie manuell beachten müssen.
Eine zentrale Entscheidung bei der Einführung ist der Grad der Individualisierung. Standardprozesse sind günstiger zu implementieren und einfacher zu aktualisieren. Individuelle Anpassungen (Eigenentwicklungen) erhöhen die Passgenauigkeit, verursachen aber Kosten bei jedem System-Update, weil sie erneut getestet und angepasst werden müssen.
Beispiel: Ein Unternehmen entwickelt eine individuelle Preisfindungslogik im ERP-System. Bei jedem Release-Wechsel muss geprüft werden, ob die Eigenentwicklung noch mit den neuen Standardfunktionen kompatibel ist. Diesen Aufwand nennt man Regressionstestaufwand. Er wächst mit jeder Eigenentwicklung.
ERP-Systeme als Datenquelle für KI
ERP-Systeme sind für Machine Learning besonders interessant, weil sie strukturierte Geschäftsdaten in großem Umfang enthalten. Auftragsdaten, Lagerbestandsverläufe, Buchungssätze und Produktionsprotokolle bilden die Grundlage für Vorhersagemodelle.
Beispiel: Ein Machine-Learning-Modell analysiert zwei Jahre Auftragsdaten aus dem ERP-System. Es erkennt saisonale Muster: Produkt A wird im März verstärkt bestellt, Produkt B im November. Die Materialwirtschaft kann auf dieser Basis früher disponieren und Lieferengpässe vermeiden.
Die Verbindung von ERP und KI funktioniert auf mehreren Ebenen:
- Predictive Analytics: Vorhersage von Absatzmengen, Zahlungsausfällen oder Maschinenausfällen auf Basis historischer ERP-Daten
- Prozessautomatisierung: KI-gestützte Klassifikation von Eingangsrechnungen, automatische Kontierung, Dublettenprüfung bei Stammdaten
- Anomalieerkennung: Identifikation ungewöhnlicher Buchungsmuster, die auf Fehler oder Betrug hindeuten
- Sprachbasierte Abfragen: NLP-Systeme, die natürlichsprachliche Fragen in ERP-Abfragen übersetzen
Beispiel: Ein Chatbot im Vertrieb ist an das ERP-System angebunden. Ein Vertriebsmitarbeiter fragt: "Wie hoch war der Umsatz von Kunde X im letzten Quartal?" Das NLP-System übersetzt die Frage in eine strukturierte ERP-Abfrage und liefert die Antwort in Sekunden. Ohne diese Anbindung müsste der Mitarbeiter einen Report im ERP-System manuell erstellen.
Die Datenqualität im ERP-System bestimmt die Qualität der KI-Ergebnisse. Fehlende Felder, inkonsistente Schlüssel und historische Altlasten (etwa durch Systemmigration) verringern die Aussagekraft von Modellen erheblich. Data Cleansing vor dem Modelltraining ist daher ein fester Bestandteil jedes KI-Projekts mit ERP-Daten.
Schnittstellen und Integration
Kein ERP-System deckt alle Anforderungen eines Unternehmens ab. Deshalb existieren Schnittstellen zu Umsystemen: CRM für die Kundenbetreuung, PLM für die Produktentwicklung, MES für die Fertigungssteuerung, WMS für die Lagerverwaltung. Die Integration dieser Systeme ist technisch und organisatorisch anspruchsvoll.
Beispiel: Ein Automobilzulieferer verbindet sein ERP-System über eine Middleware mit dem Bestellsystem des OEM. Bestellungen fließen automatisch als Aufträge ins ERP. Lieferavise gehen automatisch zurück. Diese EDI-Anbindung (Electronic Data Interchange) reduziert die Durchlaufzeit von Tagen auf Minuten.
Moderne ERP-Systeme bieten REST-APIs für die Integration. Ältere Systeme verwenden häufig proprietäre Schnittstellen (etwa SAP RFC/BAPI oder IDocs). Die Wahl des Integrationsmusters (synchron vs. asynchron, Point-to-Point vs. Integrationsplattform) hat erheblichen Einfluss auf die Zuverlässigkeit und Wartbarkeit.
Beispiel: Ein Unternehmen mit 15 integrierten Systemen nutzt zunächst Point-to-Point-Verbindungen. Bei 15 Systemen ergeben sich bis zu 105 mögliche Verbindungen. Durch den Einsatz einer zentralen Integrationsplattform (Enterprise Service Bus oder iPaaS) reduziert sich die Zahl der Verbindungen auf 15, weil jedes System nur noch mit der Plattform kommuniziert.
Fachliche Einordnung: Die Integrationsproblematik von ERP-Systemen spiegelt ein grundlegendes Problem der Unternehmens-IT wider. Das Versprechen der zentralen Datenhaltung wird durch die Realität spezialisierter Umsysteme relativiert. In der Praxis entsteht fast immer eine hybride Landschaft, in der das ERP-System den Kern bildet, aber nicht alle Daten enthält. Diese Erkenntnis ist wichtig für KI-Projekte: Die relevanten Daten liegen selten vollständig in einem einzigen System.
Grenzen und typische Probleme
ERP-Systeme sind mächtige Werkzeuge, aber sie haben klare Grenzen. Die wichtigsten Einschränkungen betreffen Komplexität, Kosten, Flexibilität und Datenqualität.
Beispiel: Ein Unternehmen migriert von SAP ECC auf S/4HANA. Das Projekt dauert 18 Monate und kostet einen siebenstelligen Betrag. Während der Migration müssen beide Systeme parallel betrieben werden. Geschäftsprozesse werden während des Umstiegs teilweise eingeschränkt. Dieses Szenario ist typisch, nicht die Ausnahme.
Weitere häufige Probleme:
- Datenaltlasten: Nach Fusionen oder Systemmigrationen existieren doppelte Kundenstammsätze, verwaiste Materialstammsätze und inkonsistente Kontenpläne. Die Bereinigung ist aufwändig und fehleranfällig.
- Anpassungstiefe: Stark individualisierte ERP-Systeme sind schwer zu aktualisieren. Jedes Update erfordert umfangreiche Regressionstests. Manche Unternehmen verschieben Updates um Jahre.
- Benutzerkomplexität: ERP-Systeme haben eine steile Lernkurve. Fehlbedienung führt zu Fehlbuchungen, die sich durch das gesamte System ziehen.
- Vendor Lock-in: Der Wechsel des ERP-Anbieters ist extrem aufwändig. Unternehmen sind an ihren Anbieter oft über Jahrzehnte gebunden.
Beispiel: Ein Sachbearbeiter bucht versehentlich eine Warenlieferung auf das falsche Lager. Im ERP-System hat das Folgekontierung: Der Bestand im falschen Lager steigt, der Bestand im richtigen Lager stimmt nicht, die nächste Inventur zeigt Differenzen, der Einkauf disponiert auf falscher Basis. Eine einzelne Fehlbuchung zieht eine Kette von Folgeproblemen nach sich.
Für KI-Anwendungen ergibt sich daraus ein zentrales Problem: Die Datenqualität in ERP-Systemen ist oft schlechter als angenommen. Modelle, die auf verrauschten ERP-Daten trainieren, können Fehlmuster lernen und verstärken. Eine gründliche Datenanalyse vor dem Modelltraining ist daher unverzichtbar.