Im Forschungsprojekt „Nachrüstbare KI-Plattform zur Minimierung von Pseudoausschuss“ (KIMIPA) entwickeln deshalb das Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS, die SDC Control GmbH und die Scemtec Hard- und Software für Mess- und Steuerungstechnik GmbH eine nachrüstbare Plattform, die mit Künstlicher Intelligenz (KI) arbeitet. Das System soll Pseudoausschuss erkennen, die Ursachen analysieren und direkt an der Anlage lernen, ohne Produktionsdaten in eine Cloud zu übertragen. Das Ziel ist eine Produktivitätssteigerung von bis zu 25 Prozent.

Schmutz und Lichtwechsel verfälschen Bilder

Heutige kamerabasierte Prüf- und Sortieranlagen arbeiten überwiegend mit festen Regeln und Schwellenwerten. Verschmutzungen, wechselnde Lichtverhältnisse oder Fokusabweichungen führen daher regelmäßig dazu, dass die Anlagen einwandfreie Bauteile als Ausschuss deklarieren. Starre Schwellenwerte können solche Veränderungen nicht ausgleichen, weil sie den Zustand der Anlage nicht kennen.

„Pseudoausschuss heißt, dass wir dieselben Teile mehrfach prüfen und sortieren, und zwischendurch von Hand nachkalibrieren“, berichtet Dennis Freudenreich, Geschäftsführer der SDC Control. „Das mindert die Effizienz der ganzen Linie. Besonders deutlich zeigt sich das in der Lohnsortierung: Wer Bauteile im Kundenauftrag prüft und sortiert, rechnet pro Teil ab, jeder Fehlausschuss kostet unmittelbar Geld.“

Algorithmen lernen direkt an der Anlage

Im Zentrum des Forschungsprojekts steht eine universell nachrüstbare Hardwareplattform, auf der sich Modelle für Künstliche Intelligenz nicht nur ausführen, sondern direkt vor Ort nachtrainieren lassen. Das System ordnet geprüfte Bauteile den Klassen „in Ordnung“, „nicht in Ordnung“ und „Pseudoausschuss“ zu und erkennt parallel die Ursache einer Fehlbewertung, zum Beispiel Verschmutzungen, ungünstige Beleuchtung oder eine Prozessabweichung. Die Entwickler streben eine Klassifikationsgenauigkeit von mindestens 90 Prozent an.

Die technische Grundlage dafür liefert das Fraunhofer IMS: Mit dem am Institut entwickelten Open-Source-Framework AIfES (Artificial Intelligence for Embedded Systems) lassen sich neuronale Netze ausführen, direkt auf Mikrocontrollern trainieren und anpassen. Damit gehört das Fraunhofer IMS zu den wenigen Einrichtungen, die selbstadaptives Lernen auf ressourcenbeschränkter Hardware beherrschen. Dies ist Voraussetzung dafür, dass die verbesserte Prüfung ohne Cloud auskommt.

Erfahrungswissen fließt in das Training ein

Über eine digitale Benutzeroberfläche kennzeichnen Anlagenmechaniker fehlerhaft aussortierte Teile und bringen so ihr Erfahrungswissen unmittelbar in das Training der Algorithmen ein. Gleichzeitig liefert das System konkrete Handlungsempfehlungen zur Nachsteuerung, etwa zur Beleuchtung, zur Zuführgeschwindigkeit oder zur Reinigung von Anlagenkomponenten. Perspektivisch soll die Plattform ausgewählte Prozessparameter selbst anpassen und auf Abweichungen in weniger als einer Sekunde reagieren.

Da vorhandene Anlagen weiter genutzt werden sollen, setzt das Konsortium auf offene Standards und gängige Industrieschnittstellen wie OPC UA (OPC Unified Architecture) und MQTT (Message Queuing Telemetry Transport). Die Lösung ist modular aufgebaut und soll sich herstellerunabhängig in vorhandene Produktions-, Prüf- und Sortierlinien integrieren lassen. Vergleichbare Systeme sind derzeit nach Aussage der Forscher nicht am Markt verfügbar. Bestehende Ansätze arbeiteten entweder regelbasiert, cloudgestützt oder branchenspezifisch geschlossen.

The post Fraunhofer entwickelt KI gegen Pseudoausschuss appeared first on IT-Matchmaker.news.

Würth Australia ist Teil der weltweit tätigen Würth-Gruppe, die mit mehr als 400 Gesellschaften zu den führenden Anbietern von Montage- und Befestigungsmaterial zählt. Auf dem australischen Markt vertreibt das Unternehmen unter anderem Befestigungstechnik, technische Chemie, persönliche Schutzausrüstung, Werkzeuge und Produkte für die Materialbearbeitung. Im Rahmen des Vendor Managed Inventory (lieferantengesteuertes Bestandsmanagement) unterstützt Würth Australia seine Kunden mit integrierten Online-Plattformen, EDI-Anbindungen (Electronic Data Interchange) und individuellen Lagersystemen.

Automatisierte Auftragsabwicklung für 22.000 Produkte

Die australische Landesgesellschaft der Würth-Gruppe vertreibt mehr als 22.000 Produkte an über 56.000 Kunden aus Branchen wie Automotive, Transport, Fertigung, Instandhaltung, Bauwesen und Bergbau. Um die Betriebsabläufe zu automatisieren, hat Dematic bei Würth Australia eine Lösung für die integrierte Auftragsabwicklung implementiert. Die Software kombiniert automatisierte und manuelle Prozessschritte. Das System steuert sowohl die Vorgänge in der Lagerung als auch das Kommissionieren von Einzelartikeln und von vollständigen Verpackungseinheiten.

Nach dem Durchlaufen der automatisierten Kommissionierbereiche transportiert Fördertechnik die Ware zu den nachfolgenden Prozessschritten. Für Produkte mit besonderen Anforderungen an Lagerung und Handhabung sind manuelle Schritte vorgesehen. Im weiteren Verlauf werden die erforderlichen Dokumente eingelegt, die Kartons für den Versand optimiert und verschlossen, etikettiert und abschließend nach Versandzielen sortiert.

Automatik und manuelle Kommissionierung im Zusammenspiel

Das Warehouse Control System von Dematic ist eng in das Warehouse Management System von Würth integriert. Es steuert die Kommissionieraufgaben und koordiniert den Warenfluss innerhalb der automatisierten Bereiche. Der Clou der Auftragsabwicklung ist die Kombination aus automatisierten und manuellen Prozessen, wie Terry Jamieson, Business Development Manager bei Dematic, erläutert: „Das umfangreiche Produktsortiment von Würth erfordert unterschiedliche Prozesse bei der Auftragsabwicklung. Dank der Kombination unserer Lagerlösung AutoStore mit speziellen Kommissionierbereichen und einer nachgelagerten Automatisierung wickelt das Unternehmen die Aufträge jeweils über den dafür am besten geeigneten Prozess ab.“

The post Würth kombiniert Lagerautomatik und manuelle Kommissionierung appeared first on IT-Matchmaker.news.

Die technische Basis dafür liefert der Flow Mode von APplus, der nun an Bedeutung gewinnt. „Bislang wurde der Flow Mode vor allem als neue Benutzeroberfläche wahrgenommen“, berichtet Ralf Bachthaler, CSO von Asseco Solutions. „Statt dass Anwender durch teils komplexe Ansichten navigieren, führt das System sie durch die Prozesse. Das vereinfacht die tägliche Arbeit.“ Allein darauf will Asseco den Flow Mode nicht reduzieren. Das wahre Potenzial liege in der Digitalisierung der Prozesse nach dem BPMN-Standard (Business Process Model and Notation): „Diese Definition bietet nicht nur das Fundament für umfassende Automatisierungen, sondern macht auch Künstliche Intelligenz kontrolliert nutzbar.“

ERP wird zum Aktivsystem

Im weiterentwickelten Flow Mode von APplus 10 laufen einzelne Prozesse nicht isoliert, sondern sie lassen sich über Hierarchiestufen zu durchgängigen Abläufen verbinden. Ein per Flow abgebildeter Bestellprozess wird beispielsweise mit vorausgehenden und nachgelagerten Prozessstufen wie Bestellung, Wareneingang oder Verwaltung der Positionen gekoppelt. So entsteht eine Ende-zu-Ende-Abbildung ganzer Aufgabenbereiche. Kontext und Parameter werden über alle Stufen weitergegeben. Beim Wechsel in ein Sub-Board müssen die Mitarbeiter Informationen wie Standort, Lager oder Artikel nicht erneut eingeben.

Der Anwender behält stets den Überblick, an welcher Stelle des Gesamtprozesses er sich gerade befindet. Ist eine Aktion nötig – etwa eine Entscheidung, Prüfung oder Dateneingabe – weist ihn APplus 10 aktiv darauf hin. Ein dynamisches Formular zeigt dann genau die Informationen, die aktuell erforderlich sind. So wird das ERP-System laut Asseco zum aktiven Partner der Anwender.

Abläufe triggern Algorithmen

Künstliche Intelligenz lässt sich im Rahmen der Flow-Prozesse an jeder Stelle einbinden. Das Vehikel dafür sind AI Tasks, also konfigurierbare Bausteine für Verarbeitungsschritte. „Dank dieser nativen Integration müssen Anwender nicht länger ein separates KI-Tool bedienen und dessen Ergebnisse zurück in ihr ERP-System kopieren“, erläutert Bachthaler, „Die KI erledigt ihre Aufgabe unmittelbar im Flow-Prozess.“

AI Tasks unterstützen die Anwender bei klar definierten Aufgaben, von der Recherche von Informationen bis hin zum Ergänzen fehlender Daten. So lassen sich etwa beim Anlegen eines neuen Artikels automatisch Informationen wie Name, Gewicht, Maße oder Beschreibungen in einem Produktkatalog recherchieren und vorausfüllen.

Technisch gesehen wird die im AI Task formulierte Anfrage in Form eines Prompts an das verwendete KI-Modell gegeben. Standardmäßig kommen in APplus 10 Modelle von OpenAI zum Einsatz. Eine Enterprise-Vereinbarung zwischen Asseco und OpenAI sorgt dafür, dass keine Daten zu Trainingszwecken in das Modell zurückfließen. Darüber hinaus prüft Asseco die Möglichkeit, künftig weitere Modelle anzubinden.

The post Native KI automatisiert ERP-Prozesse appeared first on IT-Matchmaker.news.

Genau darin liegt die eigentliche Herausforderung. Während ein ERP-System über Jahrzehnte in Betrieb bleibt, wachsen Unternehmen, sie internationalisieren sich, sie verändern ihre Organisationsstrukturen und digitalisieren immer mehr Geschäftsprozesse. Neue Fachanwendungen kommen hinzu, bestehende Prozesse werden stärker End-to-End vernetzt und die Anforderungen an Daten, Integration und Governance steigen. Zukunftsfähigkeit bedeutet deshalb vor allem, diese Veränderungen dauerhaft mitvollziehen zu können.

Langlebigkeit ist kein Stillstand

Die Studie „ERP in der Praxis“ zeigt gleichzeitig, dass alte Installationen keineswegs automatisch auf alten Softwareständen arbeiten. Während das mittlere Installationsalter seit 2022 von 13,4 auf 16,7 Jahre gestiegen ist, liegt das durchschnittliche Releasealter 2026 bei nur rund 2,1 Jahren. Viele Unternehmen aktualisieren ihre bestehende Lösung also regelmäßig.

Das ist ein wichtiger Unterschied. Laufende Releases sorgen für funktionale Aktualität, regulatorische Anpassungen, Fehlerkorrekturen und kleinere technische Weiterentwicklungen. Ein junges Release ist jedoch noch kein Beleg für eine moderne Architektur. Eine Produktlinie kann regelmäßig aktualisiert werden und trotzdem auf technologischen Prinzipien beruhen, die grundlegende Neuerungen nur mit hohem Aufwand zulassen.

Aus dem ERP-System wird eine Softwarelandschaft

Parallel verändert sich das Einsatzumfeld. Mit wachsender Unternehmensgröße steigen typischerweise die Zahl der Standorte, die internationale Reichweite und die organisatorische Arbeitsteilung. Hinzu kommen CRM, MES, PLM, DMS, BI, SCM, E-Commerce, Datenplattformen und weitere spezialisierte Anwendungen. ERP bleibt dabei für viele Unternehmen der transaktionale und prozessuale Kern, muss aber immer stärker mit anderen Systemen zusammenspielen.

Damit verschiebt sich die Gestaltungsaufgabe. Es geht immer mehr um die Rollenverteilung innerhalb der gesamten Softwarelandschaft: Wo werden führende Daten gepflegt? Wo liegt die Geschäftslogik? Welche Anwendung darf welchen Prozessstatus verändern? Und wie funktionieren End-to-End-Prozesse über Systemgrenzen hinweg? Je arbeitsteiliger die Landschaft wird, desto wichtiger werden klare Systemrollen, belastbare Schnittstellen und eine konsistente fachliche Integration.

Die eigentliche Bewährungsprobe ist die ERP-Transformation

Die größere Herausforderung liegt jedoch dort, wo eine ERP-Landschaft nicht nur laufend aktualisiert, sondern grundlegend transformiert werden muss. Solche Schritte können eine neue Plattformgeneration, ein verändertes Erweiterungsmodell, eine Cloud-Transformation, eine neue Integrationsarchitektur oder neue technische Voraussetzungen für Automatisierung und KI umfassen.

Gerade bei einer grundlegenden ERP-Transformation werden technische Schulden sichtbar. Stark gekoppelte Individualentwicklungen, veraltete Schnittstellen oder schwer dokumentierte Erweiterungen können einen Technologiesprung erheblich verteuern und verzögern. Individualisierung ist dabei nicht grundsätzlich problematisch. Kritisch wird sie dann, wenn ihr heutiger fachlicher Nutzen geringer ist als die Barriere, die sie für künftige Veränderungen erzeugt. Transformationsfähigkeit heißt deshalb, die eigene Historie beherrschbar zu halten.

Grundlagen stehen auf der ERP-Agenda weiterhin ganz oben

Die aktuelle ERP-Agenda der Anwender bestätigt diese Sicht. Usability beziehungsweise Software-Ergonomie erreicht 2026 eine Relevanz von 93,2 Prozent, Daten- und Informationssicherheit 86,5 Prozent und Resilienz 76,5 Prozent. Enterprise Application Integration liegt bei 68,2 Prozent, Data Governance und Datenqualität bei 63,7 Prozent. Künstliche Intelligenz erreicht 57,0 Prozent und ist damit bereits ein sehr relevantes, aber nicht das allein dominierende Thema.

Gerade diese Rangfolge zeigt, wie eng Innovation mit den vermeintlich klassischen ERP-Themen verbunden ist. Für einen verlässlichen KI-Einsatz müssen Daten verfügbar und interpretierbar sein, Anwendungen integriert zusammenarbeiten und Fragen zu Sicherheit, Berechtigungen und Verantwortlichkeiten geklärt sein.

KI wird zum nächsten großen Transformationstreiber

Gleichzeitig entwickelt sich kaum ein anderes Thema mit vergleichbarer Dynamik. 2020 stuften 13,2 Prozent der Teilnehmer KI als relevantes Thema im ERP-Umfeld ein, 2022 waren es 15,5 Prozent, 2024 bereits 29,1 Prozent und 2026 schließlich 57,0 Prozent. Dabei werden die beiden höchsten Relevanzstufen zusammengefasst: sehr relevant beziehungsweise äußerst relevant.

Der produktive Einsatz hält mit dieser Entwicklung noch nicht Schritt. 40,5 Prozent befinden sich in der Orientierungsphase, 9,8 Prozent planen konkrete Vorhaben, 16,5 Prozent nutzen KI selektiv produktiv und lediglich 1,8 Prozent bereits breit produktiv. Die Technologie ist damit schneller verfügbar geworden als die organisatorische Umsetzung. KI wird damit zu einem zusätzlichen Treiber der ERP-Transformation. Die Herausforderung verlagert sich zunehmend von der Bewertung der Relevanz auf die dauerhafte Überführung konkreter Anwendungen in den Betrieb.

Von Assistenz zu Entscheidungen und Handlungen

Die derzeit wichtigsten KI-Anwendungsfälle zeigen einen pragmatischen Einstieg. Text- und Dokumentenerstellung sowie Suche und Wissensnutzung liegen mit 57,4 beziehungsweise 56,1 Prozent vorne. Dahinter folgen unter anderem Kundenstammdaten und Übersetzungen. Solche Anwendungen lassen sich vergleichsweise klar eingrenzen und unter menschlicher Kontrolle erproben.

Die Erwartungen reichen aber bereits weiter. 45,9 Prozent sehen Potenzial für teilautonome KI-Agenten, 43,3 Prozent für Anwendungen in der Disposition und 41,8 Prozent für Entscheidungsunterstützung. Damit wächst die operative Reichweite der KI. Mit dieser Reichweite verändern sich auch die Anforderungen. Assistenzfunktionen benötigen geregelten Zugriff auf Wissen, Dokumente und Geschäftskontext. Bei Bewertungen und Empfehlungen kommen Geschäftsregeln und semantische Zusammenhänge hinzu. Wenn KI selbst Prozessschritte ausführt, müssen zusätzlich Handlungsrechte, Kontrollen, Freigaben und Verantwortlichkeiten geregelt sein.

KI wird damit zur Architektur- und Governance-Frage

Für Unternehmen stellt sich deshalb zunehmend die Frage, wo Künstliche Intelligenz in der Softwarelandschaft verankert wird. Embedded AI innerhalb einer Fachanwendung kann sehr leistungsfähig und schnell nutzbar sein. Eine gemeinsame KI-Plattform gewinnt an Bedeutung, wenn mehrere Anwendungen, Datenquellen und Prozesse miteinander verbunden werden sollen. Langfristig sind darüber hinaus stärker KI-native Prozessarchitekturen denkbar, bei denen Ziele, Daten, Services und Agenten anwendungsübergreifend orchestriert werden.

In der Praxis dürften diese Ansätze nebeneinander bestehen und sich zu hybriden Landschaften verbinden. Für deren Beherrschbarkeit kommt es darauf an, Datenzugriffe, Identitäten, Schnittstellen, Geschäftsregeln und Governance über die unterschiedlichen Ebenen hinweg konsistent zu gestalten.

ERP-Transformation ist auch eine Organisationsaufgabe

Technische Anschlussfähigkeit allein reicht allerdings nicht. Denn die KI-Transformation verändert Aufgaben, Rollen und Entscheidungswege. Mitarbeiter müssen nachvollziehen können, wie die KI zu Ergebnissen kommt, wo ihre Grenzen liegen und an welchen Stellen weiterhin eine menschliche Entscheidung oder Freigabe erforderlich ist. Auch die Zusammenarbeit zwischen Fachbereichen, IT, Process Ownern und Management verändert sich und verlangt klar geregelte Verantwortlichkeiten.

Damit wird Change Management zu einem integralen Bestandteil der Umsetzung. Unternehmen müssen Kompetenzen aufbauen, Key-User und Anwender befähigen sowie Veränderungen transparent begleiten. Zu enge Restriktionen können die Nutzung bremsen. Fehlende Leitplanken fördern dagegen unkoordinierte Einzelinitiativen. Klare Regeln und die Bereitschaft, Arbeitsweisen weiterzuentwickeln, gehören deshalb zusammen.

Sieben Hausaufgaben für die kommenden Jahre

Aus den Studienbefunden und der Entwicklung der Softwarelandschaften ergibt sich eine konkrete Managementagenda. Dazu gehört zunächst, die Releasefähigkeit bestehender Systeme zu sichern und zugleich ihre Transformationsfähigkeit zu erhalten. Ebenso wichtig sind klar definierte Systemrollen mit einer belastbaren Integration sowie eine verlässliche Datenbasis, für die Datenqualität und Data Governance systematisch weiterentwickelt werden. End-to-End-Prozesse müssen über Anwendungsgrenzen hinweg beherrschbar bleiben. Hinzu kommen die Etablierung von Security und AI-Governance sowie die Aufgabe, Organisation, Kompetenzen und Change aktiv zu gestalten.

Diese Aufgaben sind eng miteinander verbunden. Eine veraltete Schnittstelle kann die technische Integration bremsen; unklare Datenverantwortung kann KI-Ergebnisse unzuverlässig machen; fehlendes Prozesswissen erschwert die Automatisierung; unklare Verantwortlichkeiten verhindern den Übergang von der Empfehlung zur Aktion. Zukunftsfähigkeit zeigt sich damit in der Fähigkeit, die gesamte Software- und Organisationslandschaft kontinuierlich weiterzuentwickeln und neue Technologien kontrolliert aufzunehmen.

ERP bleibt – aber die Anforderungen verändern sich

ERP-Systeme werden Unternehmen auch im KI-Zeitalter über lange Zeiträume begleiten. Ihr Wert resultiert aus der zuverlässigen Abwicklung von Transaktionen ebenso wie aus den über Jahre aufgebauten Daten, Geschäftsregeln und Prozesszusammenhängen. KI kann diesen Bestand wirtschaftlich wertvoller machen – vorausgesetzt, Informationen sind verständlich, verlässlich und kontrolliert nutzbar.

Für Unternehmen wird die ERP-Transformation damit zunehmend zu einer kontinuierlichen Aufgabe. So rückt für die kommenden Jahre damit vor allem die Veränderbarkeit der ERP-Landschaft in den Mittelpunkt: Bestehende Systeme müssen sich laufend weiterentwickeln lassen, grundlegende Transformationen ermöglichen und neue Technologien kontrolliert in Prozesse und Entscheidungen integrieren können. Dafür müssen technische und organisatorische Ebenen zusammenspielen – von Architektur und Daten über Prozesse und Governance bis zu Organisation und Menschen.

The post ERP im Wandel: Zukunftsfähig im KI-Zeitalter appeared first on IT-Matchmaker.news.

Vom Kostenfaktor zum Reputationsrisiko

Lange galt der Kundenservice vor allem als Kostenstelle, deren Kontaktvolumen möglichst niedrig gehalten werden sollte. Diese Sichtweise greift nach Fehlmanns Einschätzung nicht mehr. Unternehmen müssen heute mehr Anfragen bewältigen, obwohl viele einfache Vorgänge bereits in digitale Selbstbedienungsangebote verlagert wurden. Im persönlichen Kontakt verbleiben dadurch häufig gerade die komplexen, dringlichen oder emotional belasteten Fälle.

Zugleich wächst die öffentliche Wirkung jeder einzelnen Serviceerfahrung. „Bewertungen und Kommentare in digitalen Kanälen entstehen oft dann, wenn sich Kunden nicht ernst genommen, ungerecht behandelt oder allein gelassen fühlen.“, berichtet Fehlmann. „In einer digitalen Welt können sich Unternehmen nicht mehr allein über ihre Produkte differenzieren. Stattdessen wird herausragender Kundenservice zum entscheidenden Reputationsfaktor.“

Der Service gewinnt damit auch für die Unternehmenssteuerung an Bedeutung. Im Contact Center melden sich Kunden aus eigenem Antrieb und benennen unmittelbar, was sie erwarten, vermissen oder als problematisch empfinden. „Hier können Unternehmen ihre Kunden tatsächlich spüren“, erläutert Fehlmann. „Wer diese Informationen systematisch auswertet, kann Produktentwicklung, Prozesse und Marktauftritt näher an den tatsächlichen Bedürfnissen ausrichten.“

Komplexere Anliegen verändern die Arbeit im Contact Center

Mit der wachsenden Zahl digitaler Produkte und Selbstbedienungsangebote steigt auch die Komplexität der verbleibenden Anfragen. Beschäftigte im Kundenservice benötigen deshalb mehr als grundlegendes Produktwissen. Sie müssen bei technischen Problemen mit digitalen Angeboten helfen, emotionale Situationen auffangen und Produkte sowie Dienstleistungen genau kennen. Dazu gehört auch, Fragen zu beantworten, für die sich online keine einfache Lösung findet.

Für Unternehmen verschärft sich damit die Personalfrage. Gefragt ist eine seltene Kombination aus Fachwissen, IT-Verständnis, Problemlösungskompetenz und Empathie. Weiterbildung und Wissenszugang werden zu dauerhaften Aufgaben, nicht nur zu Bestandteilen der Einarbeitung. Zugleich müssen Arbeitsabläufe so gestaltet sein, dass Beschäftigte in komplexen Gesprächssituationen schnell auf verlässliche Informationen zugreifen können.

The post Kundenservice: KI allein reicht nicht aus appeared first on IT-Matchmaker.news.

Entscheidend ist für die Unternehmen dabei längst nicht mehr die Frage, ob sie KI einsetzen sollen, sondern an welcher Stelle sie im Tagesgeschäft einen konkreten Mehrwert schafft. Die relevanten Daten liegen in vielen Unternehmen bereits vor – die Herausforderung besteht darin, aus ihnen nutzbare Informationen und konkrete Unterstützung für die Mitarbeiter abzuleiten.

„Das Interesse ist riesig, das merken wir in fast jedem Gespräch aus dem Maschinen- und Anlagenbau oder der Medizintechnik“, bestätigt Arno Schlingermann, Senior Solutions Consultant Sales beim Standardsoftwerker Aptean Germany GmbH. „Unsere Kunden reden nicht mehr über KI als abstraktes Buzzword, sondern fragen sehr konkret, wo ihnen diese Technologie im Tagesgeschäft wirklich Arbeit abnimmt.“

Daten aus allen Modulen sind bislang kaum verknüpft

Viele dieser Unternehmen verfügen bereits über ein solides Fundament aus einem ERP-System und einer Fertigungssteuerung. Die relevanten Daten liegen in diesen Systemen also längst vor, sind allerdings oft nicht miteinander verknüpft: So lassen sich beispielsweise Qualitätsdaten aus dem MES nicht ohne Weiteres mit Bestelldaten aus dem ERP zusammenführen, ohne dass jemand manuell Berichte abgleicht.

Genau hier setzt die Plattform Aptean AppCentral an: Das System führt Anwendungen, Daten und Workflows aus ERP, MES, CAQ (Computer Aided Quality / Qualitätssicherung) und EAM (Enterprise Asset Management / Anlagenverwaltung) in einer cloudbasierten Umgebung zusammen. Herzstück ist Aptean Intelligence, eine KI-Ebene, die in Echtzeit auf strukturierte und unstrukturierte Informationen aus allen angebundenen Systemen zugreift – von Tabellenwerten im ERP bis zu Freitexten in Reklamationen – und diese im jeweiligen Kontext nutzbar macht. So lassen sich Fragen einfach in natürlicher Sprache stellen, rollenbasiert und bezogen auf den jeweiligen Aufgabenbereich. Gleichzeitig führen KI-Agenten Aufgaben tatsächlich aus, statt lediglich Reports zu erzeugen. Dadurch müssen Anwender Informationen nicht mehr aus verschiedenen Anwendungen zusammensuchen. Entscheidungen werden auf einer gemeinsamen Datengrundlage getroffen, unabhängig davon, ob die Informationen ursprünglich aus ERP, MES oder einem anderen angebundenen System stammen.

„Aktuell starten unsere Kunden nicht mit der kompletten Plattform, sondern mit einem klar abgegrenzten Pilotprojekt, etwa in der Qualitätssicherung, und prüfen dort zunächst, ob ihre Daten sauber genug sind, um verlässliche Ergebnisse zu liefern“, berichtet Schlingermann. „Erst wenn diese Basis steht, folgen weitere Bereiche.“

Algorithmen als Element der IT-Architektur

Während viele KI-Lösungen über zusätzliche Schnittstellen an bestehende Systeme angebunden werden, verfolgt AppCentral einen anderen Ansatz, wie Andreas Theel, Solutions Consultant bei Aptean, berichtet: „Die KI ist von Anfang an Teil der Architektur und wird nicht erst im Nachhinein ergänzt.“ Der Unterschied zu vielen Lösungen am Markt sei in der Praxis groß: Bei nachgerüsteter KI sieht ein Assistent immer nur den Ausschnitt, für den eine eigens dafür programmierte Schnittstelle, ein sogenannter Connector, den Zugriff freigibt. Der verfügbare Kontext bleibt begrenzt, die Antworten fallen entsprechend oberflächlich aus. Will der Mitarbeiter mehr wissen, muss er seinen Prozess verlassen, um in ein zusätzliches Tool zu wechseln.

Bei AppCentral hingegen laufen Anwendungen, Daten und Workflows aus ERP, MES, CAQ und EAM in einer durchgängigen Umgebung zusammen. So werden Datensilos bereits auf Architekturebene aufgelöst. Aptean Intelligence baut direkt auf dieser gemeinsamen Datenbasis auf, statt sich den Kontext erst zusammensuchen zu müssen. Hinzu kommen eingebettete KI-Agenten, die Aufgaben tatsächlich ausführen und Prozesse koordinieren – direkt dort, wo der Anwender ohnehin arbeitet.

„Nachgerüstete KI bleibt ein externes Zusatztool, das nur das sieht, was freigegeben wird“, bringt Theel den Unterschied auf den Punkt. „KI-nativ bedeutet dagegen, dass die Intelligenz von Beginn an im System verankert ist und aktiv mitläuft.“

The post KI-Agenten verbinden ERP und Fertigung appeared first on IT-Matchmaker.news.

Soennecken ist eine Handelskooperation für Produkte und Dienstleistungen rund ums Büro mit rund 460 Partnerbetrieben. Neben einem umfangreichen Produktsortiment bietet die Genossenschaft leistungsfähige Logistik- und Großhandelsservices an. Der Wechsel auf die cloudbasierte Disposition von REMIRA soll das Bestandsmanagement technologisch auf die nächste Stufe heben. Die Lösung kombiniert bewährte Funktionen für Disposition und Bestandsoptimierung mit Absatzprognosen auf Basis Künstlicher Intelligenz. Maschinelles Lernen liefert präzise und verlässliche Prognosen. Dadurch reduziert die Handelskooperation Sicherheitsbestände, bindet vergleichsweise wenig Kapital und gewährleistet dennoch eine hohe Warenverfügbarkeit.

Maschinelles Lernen verbessert Prognosen

Die Funktion AI-Forecasts, die Soennecken nutzt, ist Teil der Cloud-Version der REMIRA Dispo-Software. Die Lösung kombiniert Prognosemodelle mit Dispositionsprozessen und stimmt Bestände auf die erwartete Nachfrage ab. Gerade bei anspruchsvollen Artikeln wie Neueinführungen, Anlaufphasen sowie sporadischen oder stark schwankenden Absätzen zeigt sich der Vorteil deutlich. Hier verbessern sich die Prognosen im Vergleich zur Vorgängergeneration um bis zu 15 Prozent. Das wirkt sich direkt auf Bestände, Lieferfähigkeit und Umsatz aus, wie Björn Endres, Projektmanager Bestandsmanagement bei der Soennecken eG, erklärt: „Unser Ziel mit den KI-Prognosen war es nicht, sofort bessere Zahlen zu erreichen – sondern langfristig eine bessere Steuerbarkeit. Dazu gehört es, klassische Verfahren abzulösen und zudem auch die manuelle Parametrisierung zu reduzieren.”

Für den Erfolg des KI-Projekts ist die Schulung der Mitarbeiter wichtig. Soennecken hat dafür gemeinsam mit REMIRA eine Roadmap erarbeitet, die sich auf Vertrauen und eine hohe Transparenz stützt: „Wir lassen aktuell die klassischen Prognosen und die KI-Prognosen parallel laufen, damit alle Beteiligten ein Gefühl für diese Technologie entwickeln“, erklärt Endres. „Akzeptanz entsteht nicht durch Algorithmen – sondern durch Erfahrungswerte.“

Enorme Entlastung im Tagesgeschäft

Bei den Mitarbeitern setzt REMIRA-Software für Absatzprognose und Bestandsmanagement Kapazitäten frei– zum Beispiel für die Steuerung von Lieferfähigkeiten oder Bestandsausnahmen. Besonders deutlich zeigt sich dieser Mehrwert am Lagerstandort in Melsdorf, der vor einigen Jahren fast spiegelbildlich zum Logistikzentrum in Overath errichtet wurde. „Obwohl sich durch den zusätzlichen Lagerstandort die Arbeit faktisch verdoppelt hat, mussten wir in der Disposition nur einen zusätzlichen Mitarbeiter einstellen“, erklärt Björn Endres. „Der hohe Automatisierungsgrad hat eine deutliche Entlastung zur Folge.“

Ein weiteres Plus an Effizienz erreicht Soennecken durch die an die REMIRA-Software angeschlossenen AutoStore-Einheiten. Dieses automatische Lagersystem optimiert die vorhandene Lagerkapazität, ohne dass zusätzliche Flächen nötig sind. Im Betrieb werden Kunststoffbehälter auf einer Aluminiumkonstruktion gestapelt und von dort automatisch mit Robotern transportiert. Diese Behältereinheiten sind alle mit einer Dispositionslogik in die REMIRA-Lösung integriert. Die Software erhält stets die Information, wie viel jeweils in einen Viertel-, Halb- und Ganzbehälter von AutoStore passt. Das System verwendet dann die jeweils sinnvollste Einheit für das Berechnen der Bestellmenge.

The post Machine Learning verbessert die Disposition appeared first on IT-Matchmaker.news.

Nachweisbarer Nutzen statt blanker Vision

Umfangreiche regulatorische Anforderungen, disruptive Technologien und geopolitische Unsicherheiten setzen Unternehmen unter Druck. Gleichzeitig müssen sie die Migration in Richtung SAP S/4HANA, Cloud-Projekte vorantreiben, gewachsene Systemlandschaften modernisieren und sich den Nutzen Künstlicher Intelligenz erarbeiten. Der DSAG-Investitionsreport hat im Frühjahr bestätigt, dass Unternehmen Investitionen dabei kritischer prüfen und gezielter tätigen als bisher.

„Kaufentscheidungen orientieren sich nicht allein an Visionen und Zielbildern“, erläutert Hungershausen. „Wichtig sind Umsetzbarkeit, Wirtschaftlichkeit, Integrationsfähigkeit und ein nachweisbarer Nutzen für das jeweilige Geschäftsmodell.“ Unerlässlich seien zudem transparente Roadmaps, nachvollziehbare Meilensteine und verlässliche Planungssicherheit.

On-Premise- und Hybridsysteme bleiben Standard

Bei der Migration in Richtung SAP S/4HANA zeigt sich dies besonders deutlich. Nötig dafür sind erhebliche Investitionen. Das Ende der Standardwartung von SAP-ECC zum 31. Dezember 2027 erhöht den Druck. Wichtig ist aus Sicht der Anwendervertreter daher, dass dem Systemumbau ein klar nachvollziehbarer geschäftlicher Mehrwert gegenübersteht.

On-Premises-Systeme und hybride SAP-Landschaften spielen in Unternehmen weiterhin eine zentrale Rolle, wie der Investitionsreport zeigt: 56 Prozent der Befragten setzen SAP S/4HANA On-Premises ein, 42 Prozent planen für dieses Betriebsmodell hohe oder mittlere Investitionen. Die Präferenz der SAP in Richtung Public Cloud und Private Cloud unterscheidet sich stark von der Realität bei den Kunden. Welches Betriebsmodell für ein Unternehmen am besten passt, hängt laut Hungershausen von der jeweiligen Ausgangslage, der Komplexität der Systemlandschaft sowie den wirtschaftlichen und strategischen Anforderungen eines Unternehmens ab. „Cloud ist die Zukunft. Klar ist aber auch, dass jedes Unternehmen seinen Weg zu S/4HANA selbst bestimmen muss. SAP muss akzeptieren, dass On-Premises und hybride Architekturen aktuell Realität sind.“

Strategische Klarheit und verlässliche Roadmaps

Ein pauschales Vorgehen wird laut Hungershausen weder gewachsenen Systemlandschaften noch branchenspezifischen, regulatorischen und wirtschaftlichen Anforderungen gerecht: „Unternehmen müssen ihre Transformation in realistischen Etappen planen und passende Übergangsszenarien entwickeln. Dafür braucht es auf Kundenseite strategische Klarheit und auf Seiten der SAP verlässliche Roadmaps und flexible Angebote.“

Positiv bewertet die DSAG die Investitionen von SAP in die Assistenten für Migration und Modernisierung. Diese sollen den Wechsel von SAP ECC auf SAP S/4HANA sowie Versions-Upgrades innerhalb von SAP S/4HANA erleichtern und die Transformation kostengünstiger machen. Für eine belastbare Bewertung fehlen bislang allerdings Berichte von Kunden. Die DSAG erwartet, dass SAP die Assistenten möglichst kostengünstig und ohne zwingende Voraussetzungen wie etwa den Einsatz von Signavio oder Tricentis anbietet, sie zügig in die Projekte bringt und dass damit tatsächlich Einsparungen erreicht werden.

Technologie zwischen Goldrausch und Realität

Künstliche Intelligenz ist bei SAP als strategisches Thema gesetzt. Mit dem Zielbild Autonomous Enterprise haben die Walldorfer eine Vision vorgestellt, nach der Geschäftsprozesse über intelligente Agenten weitgehend selbstständig gesteuert werden sollen. Wie der Software-Hersteller diese Vision in die Realität umsetzen will, steht bislang offen. „Die Technologie ist vorhanden. Zwischen Vision, verfügbaren Lösungen und tatsächlichem Kundennutzen besteht jedoch noch eine Lücke“, erläutert Hungershausen. Für Anwender zähle nicht alleine das Innovationsversprechen, sondern die Frage, welche Lösungen sich produktiv, sicher und wirtschaftlich einsetzen lassen. „Lösungen rund um Künstliche Intelligenz und Automatisierung müssen sich daran messen lassen, welche Anwendungsfälle sie unterstützen, ob sie Geschäftsprozesse tatsächlich verbessern und sich ohne unverhältnismäßigen Aufwand in bestehende SAP- und Non-SAP-Landschaften integrieren lassen.“

Bislang kommt Künstliche Intelligenz in Unternehmen laut der Frühjahrsumfrage noch nicht flächendeckend zum Einsatz. Lediglich 43 Prozent der Befragten haben KI-Use-Cases umgesetzt. Der überwiegende Teil davon basiert auf Non-SAP-Lösungen. Für weitere Investitionsentscheidungen benötigen Unternehmen laut Hungershausen Klarheit darüber, welche SAP-Lösungen wann verfügbar sind, welchen Reifegrad sie erreicht haben und unter welchen Voraussetzungen sie sich produktiv einsetzen lassen.

Das gilt auch für die SAP-Lösungen Joule Work und Joule Work Desktop: „Die Ankündigungen dazu sind sehr interessant“, erläutert Hungershausen, „Belastbare Kundenerfahrungen dazu fehlen jedoch bislang.“ SAP sollte die Unterschiede zwischen den heutigen und den angekündigten Joule-Angeboten sowie deren Verfügbarkeit und Voraussetzungen für den Einsatz verständlich erklären – das könne die Akzeptanz bei den Anwenderunternehmen steigern.

KI braucht verlässliche Rahmenbedingungen

Künstliche Intelligenz ist aus Sicht der DSAG eine Zukunftstechnologie mit großem Potenzial für die gesamte Wertschöpfungskette. Um die Chancen ausschöpfen zu können, müsse allerdings die Nutzung von KI auch in bestehenden SAP-Landschaften einfacher werden. „Damit KI-Investitionen planbar und in bestehende Architekturen integrierbar sind, braucht es eine verlässliche Anbieterstrategie und klare vertragliche Regelungen“, fordert Hungershausen. Dies betreffe den Datenzugriff über Programmschnittstellen, Nutzungs- und Zugriffsrechte, Governance sowie die Kosten.

Mit den veröffentlichten Referenzarchitekturen für den KI-Zugriff habe SAP wichtige Grundlagen geschaffen. Sie könnten Unternehmen dabei unterstützen, Governance-Anforderungen zu berücksichtigen sowie Systemstabilität, Datensicherheit und Datenintegrität abzusichern. Die Anwendervertreter erwarten nun, dass SAP diese technische Orientierung durch transparente und verlässliche Regelungen zu Kosten, Nutzungsrechten und Verantwortlichkeiten ergänzt.

The post DSAG fordert von SAP Roadmaps statt Visionen appeared first on IT-Matchmaker.news.

Drei praxisnahe Einsatzszenarien

Für mittelständische Unternehmen sind vor allem solche Lösungen attraktiv, die sich rasch amortisieren und gleichzeitig die Verwaltung entlasten. Drei Anwendungsbereiche stechen dabei besonders hervor:

1. Eingangsrechnungsverarbeitung

Die Verarbeitung von Eingangsrechnungen ist einer der wirtschaftlich attraktivsten Einstiegspunkte in ein DMS. Die Applikation erfasst Rechnungen automatisch, leitet sie an die zuständigen Mitarbeiter weiter und startet anschließend definierte Freigabe-Workflows. Das Ergebnis ist eine vollständige Nachvollziehbarkeit aller Vorgänge: Jede beteiligte Person kann jederzeit den aktuellen Bearbeitungsstatus einer Rechnung einsehen.

Ein zusätzlicher wirtschaftlicher Vorteil entsteht durch die Wiedervorlagefunktion: DMS-Lösungen erinnern automatisch daran, Rechnungen fristgerecht zu bezahlen, und ermöglichen so das Ausnutzen von Skontooptionen. In der Praxis rechnet sich das Investment in eine DMS-Lösung oft allein durch realisierte Skonti innerhalb kurzer Zeit.

2. Vertragsmanagement

Verträge sind das rechtliche Fundament jedes Unternehmens und gleichzeitig eine häufige Quelle für Fehler, Versäumnisse und Haftungsrisiken. Ein DMS schafft hier Transparenz, Kontrolle und Effizienz auf mehreren Ebenen. Es überwacht automatisch Laufzeiten und Verlängerungsoptionen, sodass keine Fristen unbemerkt verstreichen. Änderungen an Vertragsdokumenten werden lückenlos versioniert und die jeweils gültige Fassung ist stets eindeutig identifizierbar.

Genehmigungs- und Prüfprozesse laufen strukturiert und nachvollziehbar ab, weil Verantwortlichkeiten klar definiert sind. Durch granulare Zugriffsrechte erhält jede Person exakt die für ihre Aufgaben benötigten Berechtigungen, während vertrauliche Informationen zuverlässig geschützt bleiben.

The post Dokumentenmanagement als Wettbewerbsfaktor appeared first on IT-Matchmaker.news.

Mit der neuen Schichtverwaltung von Dualis fließen diese Informationen unmittelbar in die Planung ein. Die Fertigung gibt dabei den Rahmen vor, innerhalb dessen Ganttplan automatisiert optimiert. „Entstanden ist die Schichtverwaltung aus einer konkreten Kundenanforderung“, berichtet Dr. Kirsten Hoffmann, Produktmanagerin bei Dualis. „Ursprünglich ging es darum, Schichten flexibel an die aktuelle Auslastung und den tatsächlichen Auftragsbestand anpassen zu können. Daraus haben wir eine umfassende Lösung entwickelt, mit der sich das Erfahrungswissen der Verantwortlichen in der Fertigung direkt in die Planung einbringen lässt.“

Personaleinsatz, Zusatzschichten und Ausfälle flexibel steuern

Die Schichtverwaltung zeigt in einer Zeitansicht Arbeitsplätze und das dafür qualifizierte Personal. Für einzelne Schichten können Verantwortliche festlegen, welche Mitarbeiter oder Personalpools an einem Arbeitsplatz eingeplant werden dürfen. Soll beispielsweise ein mehrfach qualifizierter Mitarbeiter in einer Schicht bewusst nicht an einer bestimmten Maschine eingesetzt werden, lässt sich diese Einsatzmöglichkeit ausschließen. Ganttplan berücksichtigt diese Vorgabe und optimiert den Personaleinsatz innerhalb der verbleibenden Möglichkeiten weiter. Für unterschiedliche Fertigungsbereiche wie Montage oder Dreherei lassen sich zudem eigene Ansichten mit den jeweils relevanten Arbeitsplätzen anlegen.

Auch zusätzliche Kapazitäten lassen sich kurzfristig in die Planung einbeziehen. Läuft eine Frühschicht regulär regulär von Montag bis Freitag, lässt sich bei hoher Auslastung auch eine Samstagsschicht aktivieren. Statt dafür zahlreiche Mitarbeiterkalender einzeln anzupassen, steht die zusätzliche Kapazität direkt für die Planung zur Verfügung.

Auch bei ungeplanten Personalausfällen können Verantwortliche unmittelbar reagieren. Meldet sich ein Mitarbeiter kurzfristig krank, kann Zeit vergehen, bis diese Information über HR- oder Zeiterfassungssysteme in der Planung ankommt. Über die Schichtverwaltung lassen sich seine Einsatzmöglichkeiten direkt deaktivieren. Ganttplan plant anschließend mit der tatsächlich verfügbaren Kapazität weiter.

Produktionsplanung und Fertigungsrealität enger verzahnen

Die Schichtverwaltung ergänzt die automatisierte Produktionsplanung um eine operative Steuerungsebene. Kurzfristige Entscheidungen aus der Fertigung müssen damit nicht dauerhaft in Stammdaten oder Schichtmodellen hinterlegt werden, um bei der Optimierung berücksichtigt zu werden.

The post Produktionsplanung nutzt das Erfahrungswissen vom Shopfloor appeared first on IT-Matchmaker.news.