Moderne ERP-Systeme sind modular aufgebaut, um neue Entwicklungen wie die Artificial Intelligente schnell und einfach inkorporieren zu können. Module für Fachabteilungen sorgen für saubere Daten und Effizienzsteigerungen, wie am Beispiel der Proalpha-Anwendung Nemo zu sehen ist.
Veraltete Legacy-Systemen und -Anwendungen hindern Unternehmen an der Einführung neuer Technologien und Verfahren. Moderne ERP-Systeme sind daher modular aufgebaut, um neue Entwicklungen schnell und einfach inkorporieren zu können – neue Entwicklungen wie die die künstliche Intelligenz (Artificial Intelligence / AI). Diese treibt uns nun bereits seit Jahren um – weswegen die meisten Top-ERP-Systeme mittlerweile über entsprechende Erweiterungen verfügen.
Diese sind in der Regel auf Fachabteilungen zugeschnitten, weil diese die Kernprozesse und die für den Einsatz von AI nötigen Daten besser kennen als jeder andere im Unternehmen. Sie wissen, wo AI konkret Mehrwert schafft, und an welchen Stellschrauben gedreht werden muss. So sind AI-Apps entstanden, mit denen Lagerbestände durch bessere Verbrauchsprognosen, Dispositionsparameter und Wiederbeschaffungszeiten sowie ihre Produktion durch verkürzte Durchlauf- und Liegezeiten optimiert werden können.
„Wenn die deutsche Wirtschaft nicht vom Innovationstreiber zum Getriebenen werden will, muss AI dorthin, wo sie wirklich einen Unterschied machen kann – rein in die Fachabteilungen, raus aus den derzeitigen Diskussionsrunden“, so Christoph Kull, President Business Applications bei Proalpha. „Der Grund: Fachabteilungen kennen die Kernprozesse und die für den Einsatz von AI nötigen Daten besser als jeder andere im Unternehmen. Sie wissen, wo AI konkret Mehrwert schafft und an welchen Stellschrauben gedreht werden muss, um echte Produktivitätsgewinne zu erzielen.“
Die Datenqualität ist Voraussetzung
Basis für alle Vorteile ist die AI-gesteuerte Stammdatenoptimierung durch Muster- und Fehlersuche, aber auch durchgängiges Datenqualitätsmanagement und Datenmigrationen nach Plan. Dabei wird über die Grenzen des ERP hinausgegangen – wichtige Informationen beispielsweise für oft komplexe Support-Anfragen liegen meist außerhalb des Systems, z.B. in Handbüchern, Dokumentationen, E-Mail-Verteilern oder Teams-Gruppen.
Ein Tool wie Nemo Clean Data von Proalpha etwa sorgt für sauber aufbereitete Stammdaten, indem es automatisch Muster, Anomalien und Auffälligkeiten in Datensätzen erkennt. So findet es Muster oder Trends, die auf potenzielle Fehler hinweisen können. Die automatische Erkennung doppelter Datensätze trägt zudem zur Verbesserung der Datenkonsistenz bei. Mit dem Nemo Deficiency Mining wird kontinuierlich die Datenqualität sowie Prozessabweichungen überwacht. Ein übergreifender Data Quality Index (DQI) gibt Aufschluss über den Grad der Einhaltung oder Verletzung definierter Regeln.
Hier ein Beispiel aus der Praxis: Nemo identifiziert Anomalien und Unregelmäßigkeiten wie etwa überlange Liegezeiten in den Produktionsprozessen und deckt so Ineffizienzen auf. Die Embedded AI berechnet die optimalen Produktionsmengen und -zeiten basierend auf Verkaufsprognosen und dem Kundenbedarf. Nemo deckt anschließend Zusammenhängen im Beschaffungsprozessen auf, indem sämtliche Einflussfaktoren wie Einkaufsdaten, Lieferantenleistungsdaten, Lagerbestände und Lieferzeiten in die Analyse einfließen.
Die AI-Apps auf der Nemo-Plattform helfen darüber hinaus zeitaufwändige Aufgaben im Einkauf zu automatisieren, wie zum Beispiel das Abgleichen von Preisen, die Verwaltung von Bestellvorgängen oder die Überwachung von Lagerbeständen. Durch die Verarbeitung großer Datenmengen kann es dazu beitragen, Verbräuche besser vorherzusagen und so die Disposition passgenauer zu steuern. Nemo bietet dafür eine 360-Grad-Analyse der Beschaffungsprozesse.
„Entscheidend ist, dass Unternehmen beim Einsatz von AI von der vorherrschenden Gießkannenmentalität wegkommen und endlich durch den zielgerichteten Einsatz schnelle und spürbare Mehrwerte in der Praxis erzielen“, erläutert Kull. „Das gelingt, wenn AI schrittweise mit sofort einsetzbaren Anwendungen, den AI-Apps, implementiert wird – Prozess für Prozess und Geschäftsbereich für Geschäftsbereich.“
Weitere Artikel zum Schwerpunkt „Embedded AI“