KI trifft ERP: Die GUS Group erforscht Anwendungsfälle in der Prozessindustrie
In der Prozessindustrie steht das Thema künstliche Intelligenz (KI) ganz am Anfang. Es fehlen spezifische Anwendungsfälle und Rechtssicherheit. Deshalb sprechen wir mit Professor Dr. Peter Fettke, Universität des Saarlandes und Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI). Wir vereinen die KI-Expertise der Institute mit unserem Fachwissen im Bereich ERP für die Prozessindustrie, weil KI-Projekte mit der Gießkanne keinen Mehrwert bringen.
ERP-Systeme sind eine zentrale Datenquelle für die Geschäftsprozesse – und bilden eine ideale Grundlage für KI-Anwendungen.
Heute automatisieren und steuern fast alle Unternehmen ihre betriebswirtschaftlichen Prozesse in einem ERP-System. Dadurch ist das ERP eine zentrale Datenquelle für die Geschäftsprozesse – und bildet eine ideale Grundlage für KI-Anwendungen. Und umgekehrt: Damit KI mit den ERP-Daten arbeiten kann, müssen Unternehmen die Daten für die künstliche Intelligenz lesbar bereitstellen.
Die GUS Group fördert das Verständnis für Anwendungsfälle von KI in der Prozessindustrie. Denn nur wenn Unternehmen gezielt vorgehen, profitieren sie von der Technologie.
Im zweiten Teil (in Kürze auf dieser Website) unserer Beitragsreihe zum Thema KI stellen wir Ihnen vier Arten intelligenter Systeme vor und zeigen, wo die jeweiligen Stärken liegen.
Chatbots wie ChatGPT, Claude und Llama kratzen an der Oberfläche der KI-Technologien. Wichtige KI-Technologien im Jahr 2025 umfassen:
- Generative KI (Generative AI, GenAI)
- Kausale KI (Causal AI)
- Prädiktive KI (Predictive AI)
- Agentische KI, auch KI-Agenten (Agentic AI)
Jede dieser vier Arten von KI verfügt über eigene Fähigkeiten und KI-Modelle einer Art zeigen jeweils eigene Stärken auf. In ihrem Grundprinzip ähneln sie sich jedoch: Anhand von Trainingsdaten erlernen die Systeme, Muster zu erkennen und diese zu reproduzieren.
Die Erklärungen und Ideen der vier Arten von KI zeigen, was sie ausmacht – und es herrscht kein Mangel an Ideen. Jeder Idee nachzulaufen, entspricht jedoch dem Gießkannen-Prinzip, das viele Ressourcen bindet. Für einen Anwendungsfall muss sich die Umsetzung wirtschaftlich auszahlen.
KI-Systeme stehen nicht für sich. Technische und menschliche Aspekte spielen ebenfalls eine entscheidende Rolle.
KI stellt eigene Anforderungen an Ihre Dateninfrastruktur und -qualität. Zudem müssen Ihre Mitarbeiter KI akzeptieren, einsetzen und ihr vertrauen. Das erfordert Schulungen sowie eine Change-Kommunikation und verursacht zusätzliche Kosten.
KI-Projekte scheitern, wenn sie Arbeitsabläufe verändern, ohne ein bestehendes Problem zu lösen.
Generative KI: Auf einen Chat mit dem ERP
ChatGPT ist das bekannteste Beispiel für eine generative KI oder Generative AI (GenAI), die Texte generiert. GenAI schließt aber auch Bots ein, die Bilder, Ton oder Filme erstellen können.
Mit einem KI-Chatbot können die Nutzer in natürlicher Sprache interagieren. Dazu formulieren sie Fragen oder Bildbeschreibungen im Chat, auf die das System mit einer Antwort oder einem neuen Bild reagiert.
Die Fähigkeiten des Bots hängen von den Trainingsdaten und der hinterlegten Wissensdatenbank ab. Wissensdatenbanken können Handbücher, Anleitungen oder FAQs zu Ihrer Produktionsanlage sein. So reicht eine Frage eines Mitarbeiters an den Chatbot, um Details zu einer Maschine zu erfahren.
Eine betriebswirtschaftliche Wissensquelle für KI ist das ERP-System, in dem generative KI eine Benutzeroberfläche darstellen kann. Der Chatbot bereitet etwa Ihre ERP-Daten übersichtlich auf oder Fragen können Sie formulieren, als würden Sie mit Ihrem ERP chatten.
Chatbots können Fehler machen, weil sie Muster reproduzieren, ohne den Inhalt des Chats wirklich zu verstehen. Daher eignet sich GenAI für Routinetexte und als Unterstützung des menschlichen Teams, das die Korrektheit der Ergebnisse sicherstellen muss
Prädiktive KI: Trends aus dem ERP-System auslese
Die prädiktive KI, auf Englisch predictive AI, hilft Unternehmen, aus aktuellen Daten eine Entwicklung vorherzusagen. Die Trainingsdaten dieser KI-Systeme bestehen aus historischen Daten zu einem Zeitpunkt und der Entwicklung, die darauf folgte. In der Produktion erstellt die KI anschließend Prognosen, die Ihnen helfen, Ihre Produktion zu planen.
Dazu kombiniert die KI die Produktionsdaten aus Ihrem ERP mit Marktdaten, die den Absatz beeinflussen. Eine prädiktive KI könnte etwa externe Wettermodelle berücksichtigen, um den Absatz im Saisongeschäft vorherzusagen. Wird ein heißer Sommer den Bedarf an Erfrischungsgetränken erhöhen? Oder begünstigt das Wetter im Winter eine Grippewelle und damit den Bedarf an Medikamenten?
Prädiktive KI wirkt im Hintergrund. Im Gegensatz zur generativen KI interagieren Sie weniger direkt. Stattdessen erscheinen Prognosen eher als Diagramm oder in Form von Kennzahlen in einem Dashboard.
Der Vorteil einer KI ist ihre Fähigkeit, große Datensätze mit vielen Variablen nahezu in Echtzeit zu verarbeiten. Auch hier gilt die Kontrollpflicht. Wenn die KI viele Variablen analysiert, unterscheidet sie nicht zwischen Korrelationen und Ursachen, wodurch Fehlprognosen entstehen können. Diese Schwäche adressiert kausale KI.
Kausale KI: Entwicklungen im ERP verstehen
Causal AI, auf Deutsch kausale KI, nutzt ihre Mustererkennung, um Ursache-Wirkungs-Beziehungen zu identifizieren. Die Fähigkeit, große Datenmengen schnell bis in Echtzeit zu verarbeiten, hilft, Probleme früh zu beheben.
Je mehr Variablen zusammenwirken und je größer der Einfluss kleiner Abweichungen ist, umso mehr Potenzial steckt in der Technologie. Der Grund: Beide Faktoren erhöhen die Komplexität und damit den Aufwand für Menschen. Bei der Erforschung von Wirkstoffen und Medikamenten könnte die künstliche Intelligenz so helfen, Rezepturen zu optimieren.
Wenn Sie verschiedene Datenquellen wie Ihr Qualitätsmanagement- und Ihr ERP-System einbinden, kann die KI helfen, Informationssilos aufzulösen. Eine kausale KI könnte Hinweise liefern, wie Sie Ihre Prozesse optimieren können. Gibt es einen Zusammenhang zwischen Ihren Absatzzahlen und der Performance in einer unerwarteten Abteilung?
KI-Agenten: Produktionsanlagen automatisieren
Die Analysten von Gartner zählen Agentic AI beziehungsweise KI-Agenten zu den wichtigsten Technologietrends für das Jahr 2025. Ihr Potenzial ist groß, weil sie autonom und zielorientiert arbeiten.
Im Unterschied zu den anderen KI-Arten, die reaktiv handeln, agieren KI-Agenten proaktiv, um ein vorgegebenes Ziel zu erreichen. Die KI entwickelt dafür eine eigene
Strategie, entscheidet über Maßnahmen und interagiert mit anderen Systemen, um diese Maßnahmen umzusetzen.
Ein Ziel kann sein, die Produktionsbedingungen optimal zu halten. Der KI-Agent entscheidet dann, wie er das Ziel verfolgt. Wenn eine konstante Temperatur wichtig ist, kann er die Temperatur von den Sensoren abfragen und die Steuerung übernehmen.
Fehlende Regulierungen schränken die Prozessindustrie bei der Nutzung Künstlicher Intelligenz ein. Mehr über den Balanceakt zwischen Innovation und Compliance erfahren Sie in Teil 3 unserer Beitragsreihe zum Thema KI in Kürze auf dieser Website
Wie fehlende Regulierungen die Prozessindustrie einschränken
Während wirtschaftliche Erwägungen naheliegende Grenzen für KI-Projekte setzen, schränkt der unklare Rechtsrahmen KI in der Prozessindustrie am meisten ein. Der Grund? Mit KI gehen neue Rechtsfragen einher, die erst die zukünftige Rechtsprechung und Gesetzgebung beantworten werden.
Die Europäische Union legt mit dem AI Act das bislang umfangreichste Regelwerk für KI-Systeme vor – ein erster Schritt. Weitere Regulierungen werden und müssen folgen, um einen sicheren Rahmen für künstliche Intelligenz in der Prozessindustrie zu setzen. Ein Prozess mit zwei Seiten. Gesetze sollen Klarheit schaffen, bergen jedoch gleichzeitig die Gefahr einer Überregulierung innovativer Anwendungen.
KI-Investitionen benötigen Rechtssicherheit
Bereits heute befinden sich Unternehmen der Prozessindustrie in einer Zwickmühle: Investieren sie zu früh in umfassende KI-Implementierungen, riskieren sie kostspielige Anpassungen oder Stilllegungen. Warten sie zu lange, verlieren sie wertvolle Wettbewerbsvorteile.
Der EU AI Act verdeutlicht das Dilemma zwischen Sicherheit und Innovation. Das Regelwerk bestimmt basierend auf dem Risikopotenzial von Systemen und Branchen, welche KI ein Unternehmen wie einsetzen darf. Gerade KI-Systeme in der Chemie-, Lebensmittel- und Pharmaindustrie können in die Kategorie der High-Risk-Anwendungen fallen und strengen Regeln unterliegen.
In der Pharma- und Lebensmittelbranche betrifft das etwa KI-Systeme, die Chargen freigeben oder Rezepturen vorschlagen können. Um Gefahren für die Gesundheit und Menschen zu verhindern, unterliegen die Systeme der Aufsichtspflicht durch Menschen. Unternehmen müssen frühe KI-Entscheidungen deshalb neu bewerten:
- Erfüllt die Implementierung die neuen Regeln?
- Sind alle Prozesse gesetzeskonform?
- Rechnet sich die Investition nach Anpassungen weiterhin?
Unter Umständen benötigen die Unternehmen in Zukunft Zertifizierungen für ihre Systeme oder müssen diese abschalten.
Unsicherheit bei KI-Investitionen in der Prozessindustrie
Durch fehlende Gesetze besteht die Gefahr einer Unterregulierung dort, wo spezifische Branchenstandards notwendig sind. Der EU AI Act regelt die KI-Systeme allgemein. Aber was gilt etwa für KI-gestützte Qualitätskontrollen in spezifischen Branchen?
- Welche Daten dürfen Sie für welchen Zweck mit einer KI verarbeiten?
- Wie stellen Sie ein KI-System für Ihren Anwendungsfall rechtssicher bereit?
- Hält das Rechenzentrum, in dem eine KI Ihre Daten verarbeitet, Branchenregeln ein?
Wenn Sie Daten aus dem ERP, Personal- und Wissensmanagement, der Qualitätskontrolle oder Produktion nicht rechtssicher per KI kombinieren und verarbeiten können, grenzt das die Anwendungsfälle ein.
Der Balanceakt zwischen Innovation und Compliance wird die Prozessindustrie in den nächsten Jahren beschäftigen. Ebenso wie in Zukunft eine Überregulierung Innovationen ausbremsen kann, bremst heute die Unterregulierung Unternehmen aus. Sicher ist aktuell nur, dass KI-Implementierungen mit der Gießkanne heute noch ein hohes Investitionsrisiko bedeuten. Es ergibt Sinn, gezielt Anwendungsfälle zu erforschen und diese schrittweise zu implementieren, sobald der Rahmen steht.
Webinar: ERP im regulierten Umfeld
Überzeugen Sie sich in unserem kostenfreien Webinar, wie wir Unternehmen in der hochregulierten Pharmabranche helfen, die Good Manufacturing Practice einzuhalten.
Die GUS Group arbeitet an Anwendungsfällen
Die GUS Group spricht deshalb mit renommierten Forschungsinstitutionen, die über jahrzehntelange Erfahrung verfügen und unsere Branchenerfahrung ergänzen. Unsere Strategie beruht darauf, individuelle ERP-Lösungen und Schnittstellen zu Systemen von Drittanbietern zu schaffen, besonders beim Einsatz von KI.
Durch den Austausch stellen wir sicher, dass wir unsere Kunden bestmöglich beraten können, wo KI einen Mehrwert bringt. Unsere Referenz? Unsere Erfahrung.
Überzeugen Sie sich zum Beispiel in unserem Webinar, wie wir Unternehmen in der hochregulierten Pharmabranche helfen, die Good Manufacturing Practice einzuhalten. Oder schreiben Sie uns an ki@gus-erp.com, um sich mit uns über einen möglichen KI-Einsatz auszutauschen.