Alle Artikel
Analysen 21. September 2026 · 10 Min. Lesezeit

Daten korrigieren. Und dann? Von ERP-Datensätzen zu einem intelligenten System

// AUF DIESER SEITE 11
  1. 01 Warum die „Behebung der Datenfehler“ allein selten Investitionen anzieht
  2. 02 Je länger ein Unternehmen besteht, desto mehr Kontext sammelt es an.
  3. 03 Die Zentralisierung von Datensätzen ist nicht dasselbe wie die Schaffung von Erkenntnissen
  4. 04 Was ein intelligentes System tatsächlich leistet
  5. 05 Sekunden statt Tage, aber nur bei einer klar definierten Entscheidung.
  6. 06 Warten Sie nicht auf perfekte Daten.
  7. 07 Eine praktische Abfolge für Führungskräfte
  8. 08 Ihr ERP sollte das führende System für die Transaktionsdaten bleiben. Es sollte nicht die Grenze Ihrer Möglichkeiten sein.
  9. 09 Häufig gestellte Fragen
  10. 10 Entwickeln Sie die Ebene, die Datensätze in Entscheidungen umwandelt.
  11. 11 Quellen

Die Behebung der Datenprobleme ist nicht das Ziel.

Das ist der Punkt, an dem die eigentliche Arbeit endlich beginnen kann.

In der ersten Folge von „Ihr ERP-System reicht nicht aus“ argumentierten wir, dass ein ERP-System eher ein Aktenschrank als ein unternehmerisches Gehirn ist. Es erfasst zwar Transaktionen, liefert aber selten den nötigen Kontext, um die nächsten Schritte des Unternehmens zu entscheiden.

Das führt zu der naheliegenden Frage:

„Okay. Wir haben die Daten korrigiert. Was machen wir jetzt damit?“

Die Antwort ist ein intelligentes System: eine vernetzte Ebene, die den Unternehmenskontext versteht, jahrelanges operatives Wissen abrufen, Prognosen über zukünftige Entwicklungen erstellen und den Menschen helfen kann, zu handeln, bevor ein Problem teuer wird.

Daten korrigieren. Und dann? Von ERP-Datensätzen zu einem intelligenten System
// EMBIGGEN X Daten korrigieren. Und dann? Von ERP-Datensätzen zu einem intelligenten System

Warum die „Behebung der Datenfehler“ allein selten Investitionen anzieht

Die meisten Führungsteams sind sich einig, dass fragmentierte Daten ein Problem darstellen. Ihr ERP-System kommuniziert nicht reibungslos mit allen operativen Systemen. Planungslogiken befinden sich in Tabellenkalkulationen. Wichtige Dokumente liegen auf Netzlaufwerken, in Aktenschränken, Postfächern oder lokalen Ordnern. Erfahrene Mitarbeiter haben jahrelang gesammelte Ausnahmen und Workarounds im Kopf.

Wenn jemand vorschlägt, dieses Fundament zu reparieren, ist die Reaktion in der Regel positiv: „Ja, das müssen wir tun.“

Dann beginnt die Investorendiskussion, und die Dynamik verfliegt.

Der Grund ist einfach. „Bessere Daten“ klingt nach Wartung. Es klingt noch nicht nach einem Geschäftsergebnis.

Führungskräfte investieren nicht, weil eine Datenbank übersichtlicher ist. Sie investieren, wenn die Grundlage etwas Wertvolles ermöglicht: eine präzisere Bedarfsprognose, eine schnellere Reaktion auf Lieferverzögerungen, weniger Produktionsausfallzeiten, weniger Zeitaufwand für die Suche nach historischen Daten oder eine Entscheidung, die nicht mehr davon abhängt, die eine Person zu finden, die sich an Ereignisse vor zehn Jahren erinnert.

Die Investition in die Datengrundlage und ihr geschäftlicher Nutzen müssen gemeinsam begründet werden.

Je länger ein Unternehmen besteht, desto mehr Kontext sammelt es an.

Ein etabliertes Unternehmen hat keine makellose Geschichte. Es ist vielschichtig.

Möglicherweise existieren noch Architekturzeichnungen eines früheren Anlagenlayouts. Gedruckte Tabellenkalkulationen mit Unterschriften der Geschäftsleitung. Lieferantenfreigaben, die als gescannte PDFs gespeichert sind. Projektfreigaben per E-Mail. Produktionsregeln, die in die Arbeitsmappe eines Planers eingebettet sind. Qualitätsabweichungen, an die sich ein Mitarbeiter kurz vor dem Ruhestand erinnert.

Jede einzelne Ebene war zum Zeitpunkt ihrer Erstellung sinnvoll. Im Laufe der Jahrzehnte entwickeln sich diese Ebenen jedoch zu einem operativen Archiv, das niemand mehr als einheitliches System durchsuchen kann.

Deshalb ist Datenfragmentierung nicht nur eine Unannehmlichkeit für die IT-Abteilung, sondern auch ein Risiko für die Geschäftskontinuität.

Wenn ein leitender Angestellter kündigt oder in den Ruhestand geht, was geschieht mit den Begründungen für frühere Entscheidungen? Wie lange dauert die Beschaffung von Beweismaterial aus einem fünf Jahre alten Projekt, wenn ein Streitfall diese Dokumente erfordert? Wenn eine neue Führungskraft verstehen möchte, warum ein Prozess so funktioniert, wie er funktioniert, kann das Unternehmen die Frage mit Fakten beantworten oder nur mit Anekdoten?

Das institutionelle Gedächtnis ist vorhanden. Das Problem besteht darin, dass das Unternehmen nicht zuverlässig darauf zugreifen kann.

Die Zentralisierung von Datensätzen ist nicht dasselbe wie die Schaffung von Erkenntnissen

Eine Möglichkeit besteht darin, alle Daten in einem Data Lake, Data Warehouse, Dokumentenrepository oder einer aktualisierten ERP-Umgebung zu sammeln. Das ist zwar hilfreich, aber nicht ausreichend.

Ein System kann jede Datei speichern und trotzdem eine geschäftliche Frage nicht beantworten.

Daten werden dann wertvoll, wenn die Organisation Folgendes nachweisen kann:

  • was jeder Eintrag bedeutet;
  • woher es kam;
  • ob es aktuell und vertrauenswürdig ist;
  • wie es sich auf Kunden, Lieferanten, Vermögenswerte, Projekte und Prozesse auswirkt;
  • welche Geschäftsregeln gelten; und
  • Wer darf es für welche Entscheidung verwenden?

Die NIST-Forschung zu Fertigungsdaten verdeutlicht diese Unterscheidung. Fertigungssysteme generieren umfangreiche Produkt- und Prozessdaten, doch fehlt es Unternehmen häufig an der standardisierten Infrastruktur, die erforderlich ist, um diese Daten in den Kontext zu setzen und in nutzbares Wissen umzuwandeln. Die Referenzimplementierung des NIST führte Konstruktions-, Planungs-, Fertigungs- und Prüfdaten gezielt zusammen, um Entscheidungen über den gesamten Produktlebenszyklus hinweg zu unterstützen ( NIST, 2018 ).

Vernetzung bewegt Informationen. Kontext macht diese Informationen nutzbar.

// SCHEMA Datensätze steigen zu einer Schicht auf, die abruft, prognostiziert und handelt.

Was ein intelligentes System tatsächlich leistet

Ein intelligentes System integriert sich in die bereits im Unternehmen eingesetzten Tools. Es muss weder ERP-, MES-, CRM-, Dokumenten- noch Planungssysteme ersetzen. Es verbindet diese, erhält ihre Funktionen und schafft einen gemeinsamen operativen Kontext.

Diese Schicht kann vier wichtige Aufgaben erfüllen.

1. Das Firmengedächtnis abrufen

Anstatt die Mitarbeiter aufzufordern, Ordner, Systeme und Papierakten zu durchsuchen, kann die Intelligenzschicht relevante Informationen aus strukturierten und unstrukturierten Quellen abrufen.

Ein Projektmanager könnte fragen: „Was hat die letzten drei Verzögerungen bei Projekten mit diesem Anbieter verursacht?“

Die Antwort könnte Bestellungen aus dem ERP-System, Projektnotizen aus einem Netzlaufwerk, E-Mail-Genehmigungen, Qualitätsaufzeichnungen und die historische Tabelle eines Planers erfordern. Der Wert liegt nicht nur im Auffinden von Dokumenten, sondern in deren Verknüpfung mit der Fragestellung.

2. Den aktuellen Betriebskontext verstehen

Auf derselben Ebene können Live- und historische Signale kombiniert werden: Lagerbestände, Bestellungen, Maschinenstatus, Personalbestand, Lieferantenleistung, Qualitätsereignisse und finanzielle Beschränkungen.

IBM beschreibt Unternehmens-KI als abhängig von der Datenerfassung und -integration über ERP-Plattformen, operative Datenbanken und andere Quellen hinweg. In ihren Leitlinien betont IBM außerdem, dass Unternehmens-KI Technologie, Prozesse, Mitarbeiter, Governance und Geschäftsziele kombinieren muss und nicht lediglich ein Modell implementieren darf ( IBM, „Was ist Unternehmens-KI?“ ).

Wenn der Unternehmenskontext vernetzt ist, muss eine Führungskraft nicht mehr vor jeder Entscheidung das Lagebild manuell zusammenstellen.

3. Prognoseergebnisse und Testszenarien

Sobald vertrauenswürdige Daten in einen Kontext gesetzt werden, wird die Prognose zu mehr als nur der Extrapolation der Tabellenkalkulation des Vormonats.

Modelle können den Bedarf schätzen, Lieferrisiken identifizieren, Wartungsbedarfe antizipieren oder die Auswirkungen einer neuen Produktionssequenz simulieren. Führungskräfte können Szenarien vergleichen, bevor sie Ressourcen einsetzen.

Hier zeigt sich der Nutzen der Dateninvestition. Saubere Datensätze sind nicht das Ergebnis, sondern bessere Entscheidungen.

4. KI-Agenten unter klarer Governance unterstützen

Agentische Systeme können Informationen abrufen, anhand definierter Regeln schlussfolgern, Empfehlungen vorbereiten und genehmigte Schritte in verschiedenen Geschäftsanwendungen ausführen.

Ein Agent ist jedoch nur so zuverlässig wie der Kontext, den er empfängt. Die Anbindung an weitere Datenspeicher gibt ihm nicht automatisch Auskunft darüber, welche Nummer maßgebend ist, welche Definition zutrifft oder ob ein Datensatz aktuell ist.

Deshalb gehören Governance, Datenherkunft, Zuständigkeiten und fachliche Bedeutung von Anfang an in die Architektur. KI kann Entscheidungszeiten verkürzen, aber auch die Probleme fragmentierter Prozesse verstärken.

Sekunden statt Tage, aber nur bei einer klar definierten Entscheidung.

Das Versprechen eines intelligenten Systems besteht nicht darin, dass „die KI das gesamte Unternehmen kennt“. Diese Behauptung ist zu allgemein, um nützlich zu sein.

Das praktische Versprechen ist konkreter und aussagekräftiger: Für eine festgelegte Entscheidung kann das System die relevanten Beweise zusammentragen, den richtigen Kontext anwenden und innerhalb von Sekunden oder Minuten eine fundierte Antwort liefern, anstatt die Menschen tagelang mit Suchen und Abwägen zu beschäftigen.

Nehmen wir beispielsweise eine Lieferantenzahlung, für die bisher eine ausgedruckte Tabelle und die Unterschrift des Geschäftsführers erforderlich waren. Eine intelligente Lösung würde die Dokumente nicht einfach digitalisieren. Sie würde die Genehmigungsregeln verstehen, die Bestellung und den Wareneingang prüfen, Ausnahmen aufdecken, den Prüfpfad sichern und die Entscheidung an die zuständige Person weiterleiten.

Oder nehmen wir ein zehn Jahre altes Projekt, dessen ursprünglicher Projektleiter in den Ruhestand getreten ist. Das System könnte die Zeichnungen, Lieferantenunterlagen, Änderungen, Qualitätsereignisse und Freigaben dieses Projekts abrufen und die Historie zusammenfassen, inklusive Verlinkungen zu den Originaldokumenten.

Ziel ist nicht Geschwindigkeit um jeden Preis. Es geht um einen schnelleren Zugriff auf verlässliche Informationen.

Warten Sie nicht auf perfekte Daten.

„Erst die Daten korrigieren“ kann zu einer weiteren Ausrede für Verzögerungen werden, wenn dies bedeutet, jeden Datensatz im Unternehmen zu bereinigen, bevor man etwas Nützliches aufbauen kann.

Beginnen Sie mit einer wichtigen Entscheidung.

Erstellen Sie eine Übersicht der Systeme, Dateien, Dokumente und Personen, die dazu beitragen. Ermitteln Sie, welche Quellen maßgeblich sind, wo Definitionen widersprüchlich sind, welche Schritte auf implizitem Wissen beruhen und welchen Grad an Genauigkeit oder menschlicher Zustimmung die Entscheidung erfordert.

Schließen Sie dann nur das an, was für diesen Anwendungsfall erforderlich ist.

Dadurch wird ein Wertnachweis erbracht, anstatt ein endloses Datenprogramm zu erstellen. Das Unternehmen verbessert eine konkrete Entscheidung, weist den Nutzen nach und erweitert die Intelligenzebene schrittweise.

Eine praktische Abfolge für Führungskräfte

Der Weg von ERP-Datensätzen zu operativer Intelligenz lässt sich in fünf Schritten unterteilen:

  • Treffen Sie eine Entscheidung. Beginnen Sie mit einer wiederkehrenden Entscheidung, die mit Umsatz, Marge, Risiko, Kapazität oder Kundenservice zusammenhängt.
  • Verfolgen Sie den tatsächlichen Informationsfluss. Berücksichtigen Sie dabei die tatsächlich genutzten ERP-Systeme, operativen Systeme, Tabellenkalkulationen, Dokumente und das menschliche Wissen.
  • Schaffen Sie ein vertrauenswürdiges Umfeld. Definieren Sie Eigentumsverhältnisse, Bedeutung, Aktualität, Beziehungen, Berechtigungen und Quellenautorität.
  • Entwickeln Sie den Anwendungsfall für die künstliche Intelligenz. Wenden Sie Abruf, Prognose, Optimierung oder einen Agenten erst dann an, wenn der Kontext nutzbar ist.
  • Schließen Sie den Kreislauf. Messen Sie das Ergebnis und schreiben Sie die genehmigten Maßnahmen zurück in die Systeme, in denen die Arbeit stattfindet.

Dies ist der Übergang von einem Datenbereinigungsprojekt zu einer operativen Fähigkeit.

Ihr ERP sollte das führende System für die Transaktionsdaten bleiben. Es sollte nicht die Grenze Ihrer Möglichkeiten sein.

Die Botschaft aus Folge 1 bleibt bestehen: Ihr ERP ist unerlässlich, aber nicht ausreichend.

In Folge 2 wird der nächste Schritt vorgestellt. Die Bereinigung fragmentierter Daten ist wichtig, da sie die Grundlage für ein System schafft, das das Unternehmen im Kontext versteht. Dieses System kann institutionelles Wissen wiederherstellen, operative Echtzeitsignale verknüpfen, wahrscheinliche Ergebnisse prognostizieren und gesteuertes Handeln unterstützen.

Der Wettbewerbsvorteil besteht nicht darin, mehr Daten zu besitzen.

Dadurch wird die Kluft zwischen dem, was das Unternehmen weiß, und dem, was das Unternehmen tun kann, verringert.

Häufig gestellte Fragen

Was ist ein System der Intelligenz?

Ein intelligentes System ist eine vernetzte Ebene, die Daten aus bestehenden Systemen mit operativem Kontext, Geschäftsregeln und Analyse- oder KI-Funktionen kombiniert. Es hilft Menschen, Situationen zu verstehen, mögliche Ergebnisse zu bewerten und über das weitere Vorgehen zu entscheiden.

Ersetzt ein System künstlicher Intelligenz das ERP-System?

Nein. Das ERP-System bleibt die verlässliche Quelle für zentrale Transaktionen. Die Intelligenzschicht verbindet es mit anderen Systemen, Dokumenten, Echtzeitsignalen und menschlichem Wissen, sodass Entscheidungen nicht allein durch das Datenmodell des ERP-Systems eingeschränkt werden.

Müssen wir alle Unternehmensdaten bereinigen, bevor wir KI einsetzen?

Nein. Beginnen Sie mit einer sinnvollen Entscheidung und verbessern Sie die spezifischen Quellen und den Kontext, die für diesen Anwendungsfall erforderlich sind. Der Versuch, jeden Datensatz zu perfektionieren, bevor man einen Nutzen liefert, führt oft dazu, dass die Datenbereitstellung zu einem langwierigen, unfinanzierten Programm wird.

Was geschieht mit historischen Dokumenten und unstrukturierten Daten?

Sie können indexiert, klassifiziert, mit Unternehmen verknüpft und mit entsprechenden Berechtigungen abrufbar gemacht werden. Der entscheidende Schritt ist das Hinzufügen von Kontext und Nachvollziehbarkeit, damit ein KI-System die richtige Quelle zitieren und verwenden kann, anstatt jedes Dokument als gleich maßgeblich zu behandeln.

Wo sollte ein Unternehmen anfangen?

Wählen Sie eine wiederkehrende operative Entscheidung, die derzeit manuelle Recherche, Abstimmung oder die Unterstützung eines Schlüsselmitarbeiters erfordert. Stellen Sie dar, wie diese Entscheidung tatsächlich getroffen wird, und entwickeln Sie anschließend einen Mehrwert durch die Reduzierung von Zeitaufwand, Kosten oder Risiko.

Entwickeln Sie die Ebene, die Datensätze in Entscheidungen umwandelt.

Bei Embiggen X beginnen wir mit dem Prozess, nicht mit dem Modell. Wir identifizieren die entscheidende Entscheidung, verknüpfen die Systeme und das Wissen, auf denen sie basiert, und entwickeln die Intelligenzschicht um Ihren bestehenden Betrieb herum.

Vereinbaren Sie eine kostenlose KI-Analyse und erfahren Sie, was Ihr Unternehmen erreichen könnte, sobald seine Daten endlich zusammenarbeiten.

Quellen

  • Bernstein, WZ, Hedberg, TD, Helu, MM und Feeney, AB: „Contextualizing Manufacturing Data for Lifecycle Decision Making.“ International Journal of Product Lifecycle Management (2018). NIST-Publikation
  • Helu, M., Morris, K., Jung, K., Lyons, K. und Leong, S. Aktueller Stand und zukünftige Roadmap verteilter Fertigungssysteme . National Institute of Standards and Technology (2020). NIST-Publikation (PDF)
  • IBM. „Was ist Datenintelligenz?“ ibm.com/think/topics/data-intelligence
  • IBM. „Was ist KI für Unternehmen?“ Aktualisiert am 5. Juni 2026. ibm.com/think/topics/enterprise-ai

// TEILEN

// NÄCHSTER SCHRITT

Finden Sie heraus, wo sich KI in Ihrem Betrieb auszahlt.

Ein einwöchiges Diagnose-Audit. Darüber hinaus keine Verpflichtung.

Kostenloses KI-Assessment buchen