Blick in die Zukunft: Einsatzmöglichkeiten von KI in der ERP-Entwicklung (mit Low-Code)

12.04.2024
Roboter schreibt auf Tastatur Roboter schreibt auf Tastatur

Kein anderes Thema wird derzeit mehr gehypt als Künstliche Intelligenz (KI). Auch wir finden das Thema extrem spannend und sind bereits dabei, KI in unsere Low-Code-Plattform für die ERP-Entwicklung zu integrieren. Es ist noch etwas hin, bis wir die ersten Ergebnisse präsentieren und einsetzen können, aber ein Blick in die Zukunft ist sicher sinnvoll.

Derzeit sehen wir zwei Anwendungsbereiche für die KI in der ERP-Welt.

  1. KI-Unterstützung zur Automatisierung und Optimierung von Geschäftsprozessen für Kunden.
  2. KI-Unterstützung bei der Erstellungen von Prognosen und Vorhersagen
  3. KI-Unterstützung im Aufbau von Applikationen und Prozessen

Nachfolgend zeigen wir einige Bereiche und Beispiele, wie KI unsere Arbeit, unsere Lösungen und unsere Kunden unterstützen wird.

KI-Unterstützung bei der Automatisierung und Optimierung von Geschäftsprozessen

Einer der größten Effizienzhebel für Unternehmen ist die Automatisierung von Prozessen. Wir sind zwar auch ohne KI in der Lage, viele Prozesse in einem Unternehmen, die bislang manuell erledigt wurden, zu automatisieren. Mit Hilfe von KI (hier LLMs Large Language Models) können der Grad der Automatisierung und die Qualität der Prozesse jedoch noch einmal deutlich erhöht werden. Zum Teil können neue Prozesse, die es bisher gar nicht gab, mit KI umgesetzt werden.  

Hierzu haben wir bereits einige Praxis-Beispiele umgesetzt:

Beispiel 1: Automatisierte Rechnungserfassung von unstrukturierten Dokumenten

Die automatische Erfassung und Erkennung von Dokumenten ist im Grunde ein alter Hut. Hier wird seit vielen Jahren die OCR-Technologie (Optical Character Recognition) eingesetzt. Bei hochstandardisierten, sogenannten strukturierten Dokumenten wie Eingangsrechnungen, Abrechnungsbelegen etc., ist diese Technologie auch bereits ziemlich perfektioniert.

Dennoch muss die OCR-Software immer zu Beginn des Prozesses angelernt werden. Wo steht die Rechnungsnummer? Wo befindet sich das Adressfeld? Wo befindet sich der Rechnungsbetrag?

Dies wird umso komplizierter, je individueller die Belege werden.

An dieser Stelle kann KI unterstützen. Sie ist in der Lage, Inhalte eines Dokuments zu interpretieren und dann automatisch die notwendigen Daten zu extrahieren. Das mühevolle Anlernen auf neue Dokumente fällt weg. Außerdem kann die KI Rechnungen mit Bestellungen und Lieferungen abgleichen, um sicherzustellen, dass die abgerechneten Beträge korrekt sind.

Beispiel 2: Erstellen von personalisierten Anschreiben in Geschäftsprozessen

Im Geschäftsumfeld müssen tagtäglich personalisierte Anschreiben erstellt werden. Werden diese Textdokumente mit Informationen aus anderen Dokumenten bestückt, kann KI diese Arbeit unterstützen. Zum Beispiel haben wir für einen Personalvermittler einen Prozess erstellt, der aus den Lebensläufen der Bewerber und der Stellenausschreibung mit Hilfe eines LLMs ein individuelles Anschreiben für den Auftraggeber erstellt, in dem alle notwendigen Informationen zur Stelle und zum Bewerber automatisch eingefügt werden.

Beispiel 3: Automatische Verarbeitung von Sprachnachrichten, individuellen Bestellungen oder Supportnachrichten

Ein großes Potenzial für mehr Prozesseffizienz ist die Verarbeitung von individuellen Nachrichten wie Kundenanfragen, Bestellungen oder Supportanfragen mit Hilfe von KI.

Vermutlich in jedem Unternehmen gehen Kundenanfragen via E-Mail oder Telefon-Sprachnachricht ein. Auch der Kundendienst oder Support erhält Anfragen über Kanäle wie E-Mail, Chat, Telefon oder Social Media. Es gibt immer noch Onlinehändler, bei denen Bestellungen aus dem Shop per E-Mail eingehen. Für alle diese Fälle gilt: Sie Anfragen, Aufgaben, Bestellungen müssen in eine Software rein, was durch manuelles Abtippen geschieht.

Hier spielt KI ihre Stärken aus.

  • KI kann heute schon die Informationen aus komplett unstrukturierten Dokumenten extrahieren und in Textform, Tabellen oder einem Format ausgeben, dass automatisch ins ERP-System eingelesen werden kann.
  • KI Kann heute schon gesprochene Inhalte aus Sprach- oder Videobotschaften mühelos transkribieren.

Hierzu zwei realistische Alltagsszenarien:

Ein Kunde hat von seinem Lieferanten ein Angebot mit Preisliste per E-Mail erhalten. Er druckt alles aus, umkreist die Artikel, die er bestellen möchte, notiert am Rand die Anzahl, legt alles auf den Scanner und sendet das Dokument per E-Mail zurück. Bei Lieferanten muss ein Mitarbeiter nun das Dokument sichten und die zugegeben sehr individuelle Bestellung interpretieren und ins Bestellsystem eintippen. KI macht das automatisch, weil die LLMs die Markierungen und Notizen erkennen, verstehen und interpretieren kann. Ggf. wird im zweiten Schritt eine weitere KI hinzugezogen, um die Interpretation auf Plausibilität zu überprüfen. In Zweifelsfällen kann ein Mensch die finale Entscheidung treffen.

Ein anderer Kunden spricht seine Bestellung auf die Sprachbox des Lieferanten. Die Aufzeichnung des Anrufbeantworters wird als E-Mail zugestellt. Hier werden ebenfalls mehrere KI-Modell hintereinander gefügt. Zunächst wird die Sprachnachricht transkribiert. Dabei werden Kunde, Artikel und Mengenangaben extrahiert. Eine zweite KI prüft diese Informationen auf Plausibilität, indem die Bestellungen mit früheren Bestellungen des Kunden abgeglichen wird. Im dritten Schritt erfolgt hier obligatorisch eine menschliche Kontrolle. Nicht erkannte Informationen werden von Hand ergänzt. Am Ende wird die Bestellung dem ERP-System übergeben.

Wir arbeiten derzeit daran, diese und viele weitere solcher Sonderprozesse mit Hilfe einer KI automatisiert zu verarbeiten.

KI-Unterstützung bei der Erstellungen von Prognosen und Vorhersagen

Ein zweiter großer Anwendungsbereich für KI ist der Bereich Vorhersagen (Prognosen) und Datenanalyse. Die Fähigkeit, Daten zu analysieren und zukünftige Trends vorherzusagen, ist für jedes Unternehmen von unschätzbarem Wert:

So wird unsere KI in Zukunft beispielsweise selbstständig Vorhersagen über Lagerbestände, Nachfrage oder Umsatzentwicklungen auf Basis von Mustern in großen Datenmengen treffen können. Dies ermöglicht unseren Kunden eine proaktive Geschäftsplanung. Wenn der Kunde es möchte, kann die KI automatisch Nachbestellungen bei Lieferanten veranlassen, um Überbestände und Engpässe zu vermeiden.

Solche Anwendungen sind allerdings eher ein Fall für Machine Learning (ML), ein zweiter Teilbereich der KI neben den LLMs. Beim Machine Learning werden Algorithmen darauf trainiert, Muster und Korrelationen in großen Datensätzen zu finden und auf Basis dieser Analyse die besten Entscheidungen und Vorhersagen zu treffen. Anwendungen für maschinelles Lernen verbessern sich mit ihrer Nutzung und werden umso genauer, je mehr Daten sie zur Verfügung haben.

KI-Unterstützung in der Entwicklung

Der dritte Anwendungsfall für KI steckt zwar noch klar in den Kinderschuhen, ist es aber wert, erwähnt zu werden. Demnächst wird uns KI bei unserer eigenen Arbeit im System-Backend unserer Low-Code-Plattform aktiv unterstützen und begleiten. Wir wagen einen Blick in die Glaskugel:

Szenario 1: Unterstützung bei der Prozesskonfiguration

Ein Ansatz ist, mit Hilfe von KI eine Art von Bot oder virtuellem Berater zu entwickeln, der unsere ERP-Berater bei der Prozess-Konfiguration unterstützt. Microsoft ist mit dem Copilot hier führend unterwegs. Die KI ist (gegen Gebühr) in allen Office-Anwendungen integriert und unterstützt bei der Arbeit mit Excel, Word oder PowerPoint, in dem man ihm sagt, was man möchte und der Copilot dies dann umsetzt.

Ein solcher „Copilot“ könnte auch bei uns zum Einsatz kommen. Einen Schritt weiter schlägt er dann sogar "Next Best Actions“ vor. Der Bot untersucht, welche Elemente bereits in die Logik einbezogen wurden, und ermittelt, welche nächsten Schritte sinnvoll wären. Basierend darauf gibt er entsprechende Vorschläge.

Später könnte die KI innerhalb der Low-Code-Plattform sogar eigenständig SQL-Statements generieren, um Funktionen und Erweiterungen in bestehende Apps einbauen zu lassen, oder dann auch Teil-Prozesse und Workflows konfigurieren. Dies wird die Entwicklungszeit verkürzen.

Wir müssten dafür auf eine selbstgehostete KI wie z.B. Llama von Meta zurückgreifen, die mit unserer Low-Code-Struktur trainiert würde. Danach kennt die KI dann die Funktionsweise unserer Plattform und wir könnten sie zur Unterstützung bei dem Bau und Anpassung von Apps einsetzen.

Szenario 2: Fehlererkennung und Qualitätssicherung

In diesem Bereich wird die KI bald Anomalien und Fehler in Daten oder Prozessen erkennen und Korrekturmaßnahmen vorschlagen. Außerdem wird uns die KI helfen, Fehler im Code zu identifizieren und zu korrigieren, was die Qualität der Software erhöht. Durch Machine Learning bzw. Deep Learning, was faktisch dasselbe ist, können Qualitätssicherungsprozesse weiter optimiert und kontinuierlich verbessert werden.

Szenario 3: Unterstützung bei der Datenmigration

Datenmigration aus ERP-Bestandssystemen ist immer so eine Sache. Eigentlich funktioniert die Übernahme vorhandener Daten nie komplett reibungslos. Durch die guten Analysefähigkeiten von KI-Systemen können die Altdaten bereits vor der Migration geprüft und die sinnvollen Daten ins unser ERP-System übernommen werden. Die KI zeigt dabei auch die Problemstellen auf. Die empfohlene Bereinigung von Altdaten ist damit auch erledigt.   

Fazit

KI durchzieht jetzt schon alle Bereiche unseres Alltags. Die Integration von KI in unsere Low-Code-Plattform eröffnet zahlreiche neue Möglichkeiten in der ERP-Entwicklung - von der Automatisierung und Optimierung von Geschäftsprozessen über die Qualitätssicherung bis zu Verbesserung der Benutzererfahrung.

KI bietet uns die Werkzeuge, um die ERP-Systeme für unsere Kunden effizienter, flexibler und benutzerfreundlicher zu gestalten.