ERP im Kontext der Künstlichen Intelligenz

Neuste technologische Entwicklungen machen auch vor klassischen betriebswirtschaftlichen Anwendungen wie ERP nicht halt. Dabei ist durch die bisherigen Artikel klar geworden, dass Digitalisierung nicht nur die Welt rund um das ERP-System sondern auch das ERP-System selbst verändert. Aktuelle Diskussionen drehen sich sehr stark um die Schlagwörter Data Analytics, Künstliche Intelligenz (KI) und Blockchain, wobei das Potenzial und die Relevanz insbesondere von Analytics und KI als besonders hoch für ERP eingeschätzt werden. Doch was wird genau damit gemeint?

Data Analytics lässt sich in vier Bereiche bzw. Stufen untergliedern, die entlang der Dimensionen „Fähigkeiten“ und „Wertschöpfung“ angeordnet sind. Mit jeder weiteren Stufe steigen sowohl die Fähigkeiten, die zum Einsatz der Technologien notwendig sind, als auch die Wertschöpfung, die durch Einsatz der Technologie erreicht werden kann.

Stufe 1 stellt „Descriptive Analytics“ dar und geht der Frage nach „What happened?“. Auf Basis vorhandener Daten kann nachvollzogen werden, was in der Vergangenheit überhaupt passiert ist. Stufe 2, bezeichnet als „Diagnostic Analytics“ beleuchtet die Frage „Why did it happen?“ und versucht Zusammenhänge zwischen Daten herzustellen. Diese beiden Stufen werden als „Reaction Mode“ dem traditionellen, klassischen Business Intelligence zugerechnet. Diese Möglichkeiten der datengetriebenen Rückschau existieren schon vergleichsweise lang und die Existenz von Fachdisziplinen, Begrifflichkeiten oder auch Studiengängen zeugt davon, dass sich Descriptive und Diagnostic Analytics bereits lange etabliert haben. Letztlich sind im Bereich ERP typische Auswertungsmöglichkeiten, Dashboards und Berichte integriert und können nahezu beliebig angepasst und verfeinert werden. Neue Entwicklungen, und hier kommt dann auch z.T. KI ins Spiel, sind auf den Stufen 3 und 4 zu finden.

Stufe 3, oder auch „Predictice Analytics“ versucht Aussagen zur Frage „What will happen?“ zu machen. Es geht also darum zu prognostizieren, was unter Angabe bestimmter Wahrscheinlichkeiten in einem gewissen Zeitraum passieren wird. Hierzu sind die vorliegenden Vergangenheitsdaten notwendiger Ausgangspunkt, um darin Muster, Korrelationen und Abhängigkeiten zu erkennen, die dann durch Prognosemodelle in die Zukunft fortgeschrieben werden. Stufe 4, als „Prescriptive Analytics“ bezeichnet, sucht Antworten auf die Frage „How can we make it happen?“ und geht damit in den Bereich der Optimierung über. Wenn das Wissen aus den ersten drei Stufen vorhanden ist, dann können Modelle erstellt werden, die in gewissem Umfang Aussagen über die Zukunft zulassen und Möglichkeiten anbieten, gewünscht Zustände in der Zukunft herbei zu führen. Insbesondere Im Kontext des Internet of Things kommen die Stufen 3 und 4 zur Anwendung. Dort liegt besonders großes Potenzial, wenn es gelingt, Ausfallzeiten und Stillstände von Gesamtsystemen zu reduzieren oder gar vollständig zu vermeiden.

Eine konkrete Form der Künstlichen Intelligenz ermöglicht überhaupt erst Predictive und Prescriptive Analytics: Machine Learning. Maschinelles Lernen bezieht sich auf eine Form der KI, die es einem Computer ermöglicht, automatisch zu lernen, indem Algorithmen verwendet werden, die Daten „verstehen“ können, und die zu automatisierten erweiterten Analysen, Vorhersagen und Empfehlungen führen. Methodisch gesehen passiert hierbei nichts anderes als eine Kombination aus Induktion, also dem Auffinden von generellen Gesetzmäßigkeiten durch die Betrachtung einer großen Menge an Einzelfällen, und Deduktion, das heißt der Anwendung der Gesetzmäßigkeiten auf neue Einzelfälle. Durch die Rückkopplung an das System, ob die neuen Fälle richtig klassifiziert und eingeschätzt wurden, können die Modelle des Maschinellen Lernens ständig verbessert werden und zu besseren Ergebnissen führen.

Was bedeutet das nun für das ERP? Generell bietet das ERP-System beste Voraussetzungen, um mit Machine Learning zu arbeiten, da eine Vielzahl von relevanten Daten dort vorliegt, auf denen Data Analytics betrieben werden kann. Die Herausforderung liegt in der Bereitstellung qualitativ hochwertiger Daten und der Integration entsprechender Algorithmen.

Und es ergeben sich eine Reihe weiterer hochspannender Fragen:

  • Welche Integrationsszenarien von KI und Blockchain in ERP-Prozesse sind denkbar?
  • Welche Rolle spielen Plattformen und generell die Plattformökonomie bei der Anwendung von KI und Blockchain im ERP-Umfeld?
  • Sind Technologien wie KI und Blockchain nur noch mit Cloud-ERP umsetzbar? Welche Umsetzungsszenarien sind denkbar? Wo liegen Vor- und Nachteile?
  • In welchen Bereichen des ERP, bspw. Abrechnung, Kalkulation, Logistik, Supply Chain, Fertigung, Beschaffung, Disposition, versprechen KI und Blockchain ein besonders hohes Einsatzpotenzial?
  • Welche Voraussetzungen muss ein ERP-System generell aber auch konkret erfüllen, um die Nutzung von Blockchain und KI überhaupt zu ermöglichen?
  • Welche Auswirkungen haben neue technologische Entwicklungen wie Blockchain und KI auf die ERP-Strategie? Wie müssen sich Anwender und Anbieter aufstellen?

Fragen, bei deren Beantwortung wir gern weiterhin als Diskussionspartner dabei sind.

Dieser Eintrag wurde veröffentlicht in ERP Spezial, Zukunft von ERP und verschlagwortet mit , , , , von Dr. Frank Termer. Permanenter Link zum Eintrag.
Dr. Frank Termer

Über Dr. Frank Termer

Frank Termer ist Bereichsleiter Software beim Bitkom (Bundesverband Informationstechnik, Telekomunikation und neue Medien e.V.). Nach seinem Studium der Wirtschaftsinformatik an der Otto-von-Guericke Universität Magdeburg war er ab 2006 als IT-Consultant tätig und führte Projekte im Geschäftsprozess- und IT-Servicemanagement durch. Hierbei betreute er vor allem Unternehmen aus den Bereichen Energiewirtschaft, Finanzdienstleistungen und aus der öffentlichen Verwaltung. Ab 2010 arbeitete er als wissenschaftlicher Mitarbeiter an der Technischen Universität Ilmenau im Fachgebiet Wirtschaftsinformatik für Dienstleistungen. Dort legte er seinen Forschungsschwerpunkt auf Fragen des strategischen IT-Managements. Während dieser Tätigkeit entstanden zahlreiche Publikationen zu den Themen IT-Agilität, Enterprise Architecture Management, Geschäftsprozessmanagement und Business-IT-Alignment. Seit 2015 betreut er im Bitkom die Gremien des Kompetenzbereichs Software. Er konzipiert, organisiert und moderiert Gremienveranstaltungen und ist verantwortlich für die thematische Weiterentwicklung dieser Gremien sowie deren inhaltliche Positionierung innerhalb des Bitkom.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.