Mit AI verändert sich, was ERP-Modernisierung leisten muss
Wo Prozesse automatisiert und Entscheidungen zunehmend durch AI unterstützt werden, reicht es nicht, das ERP technologisch zu modernisieren. Unternehmen müssen gleichzeitig das Wissen, die Datenlogik und die Verantwortung neu ordnen, die bislang im ERP und in den Köpfen einzelner Menschen verborgen waren. Data Governance wird damit zum integralen Bestandteil der ERP-Transformation.
Im ERP steckt mehr als Technologie
ERP-Systeme bilden über Jahre und Jahrzehnte nicht nur Geschäftsprozesse ab. Mit jedem Customizing, jeder Erweiterung und jeder Ausnahme entsteht eine unternehmensspezifische Logik. Ein Teil davon ist sauber dokumentiert. Vieles ist es nicht. Warum ein Feld anders verwendet wird als ursprünglich vorgesehen, weshalb ein Prozess an einer bestimmten Stelle vom Standard abweicht oder welche Daten tatsächlich für eine Entscheidung relevant sind, wissen häufig einzelne erfahrene Mitarbeitende.
Solange diese Menschen Teil des Prozesses sind, kann eine Organisation solche Wissenslücken kompensieren. Mit zunehmender Automatisierung und damit zusammenhängendem Einsatz von AI funktioniert dieses Prinzip aber immer schlechter.
AI macht implizites Wissen zum strukturellen Problem
AI wird im Rahmen von ERP-Transformationen zum Brennglas für ein Problem, das häufig schon lange zuvor existierte. Denn AI kann nur mit dem arbeiten, was für sie zugänglich und interpretierbar ist. Fachliche Bedeutung, Ausnahmen oder historisch entstandene Zusammenhänge erschließen sich nicht automatisch aus einem Datenfeld. Damit verändert AI die Anforderungen an Datenmanagement und Prozesse grundlegend. Was bislang durch Erfahrung, Rückfragen und persönliche Kenntnis ausgeglichen wurde, muss zunehmend explizit werden: Welche Bedeutung haben Daten? Wer verantwortet sie? Welche Qualitätsanforderungen gelten? Welche Regeln und Abhängigkeiten müssen bei ihrer Nutzung berücksichtigt werden?
Waren Kopfmonopole schon im klassischen Prozess ein Risiko, so werden sie für AI-automatisierte Prozesse zur absoluten strukturellen Grenze oder gar zum Dead End.
Steffen Vierkorn
Geschäftsführer
QUNIS
Ein neues ERP allein löst das strukturelle Problem nicht
Wird eine ERP-Modernisierung vor allem als technologische Transformation verstanden, greift sie zu kurz. Neue Plattformen, modularere Architekturen und standardisierte Prozesse schaffen zwar wichtige Voraussetzungen, sie beantworten aber nicht automatisch die Frage, wie Daten künftig im Unternehmen verstanden, verantwortet und genutzt werden. Wer historische Strukturen lediglich auf eine modernere technologische Basis überträgt, kann deshalb am Ende einen moderneren Stack besitzen und trotzdem dieselben Abhängigkeiten behalten. AI eröffnet hier ganz neue Möglichkeiten, die es zu nutzen gilt. Geschäftsprozesse können mit ihrer Hilfe nicht nur effizienter abgebildet, sondern grundlegend neu gestaltet werden. Um dieses Potenzial zu nutzen, müssen Daten, Prozesslogiken und Verantwortlichkeiten Teil dieser Neugestaltung sein.
Datenprodukte machen Daten unabhängig vom Ursprungssystem nutzbar
Datenprodukte sind ein wichtiger Baustein, um Daten aus ERP-Systemen für weitere Geschäftsprozesse, Analytics und AI belastbar nutzbar zu machen. Ein Datenprodukt hat einen definierten Geschäftszweck, bekannte Nutzer, nachvollziehbare Qualitätsanforderungen und eine klare Verantwortung. Damit wird aus „den Daten aus dem ERP“ eine fachlich beschriebene und verantwortete Einheit, die unabhängig vom Wissen über ihr Ursprungssystem verstanden und kontrolliert genutzt werden kann.
Gerade für AI sind klar definierte Datenprodukte entscheidend. Je stärker Prozesse automatisiert werden, desto weniger darf die Bedeutung eines Datums davon abhängen, dass einzelne Personen seine Entstehungsgeschichte, Sonderfälle oder fachlichen Zusammenhänge kennen.
Data Governance muss Teil des ERP-Projektes sein
ERP-Transformationen zwingen Unternehmen per se dazu, Prozesse, Verantwortlichkeiten, Datenstrukturen und Systemgrenzen zu hinterfragen. Deshalb ist die ERP-Transformation der richtige Moment für Data Governance. Nicht als paralleles Großprojekt, und auch nicht mit dem Anspruch, vor Projektbeginn ein perfektes Governance-Framework für das gesamte Unternehmen zu bauen. Sondern pragmatisch entlang der tatsächlichen Transformation. Folgende Aspekte gilt es zu beachten:
Business Process- und Data-Ownership klären
Nicht nur formale Zuständigkeiten betrachten, sondern klären, wer Geschäftsprozesse tatsächlich fachlich verantwortet und wer Verantwortung für die dabei entstehenden und genutzten Daten trägt.
Governance passend zur Organisation aufsetzen
So viel Struktur wie notwendig, aber kein Framework um des Frameworks willen. Rollen, Verantwortlichkeiten und Prozesse müssen zur Organisation passen und im operativen Alltag funktionieren.
Nicht auf später verschieben
Verantwortlichkeiten und Datenlogiken lassen sich besser gestalten, während Prozesse und Architektur ohnehin neu gedacht werden, als nachdem die neue Systemlandschaft bereits steht.
ERP-Moderniesierung ganzheitlich denken
ERP-Modernisierung bietet Unternehmen eine Gelegenheit, die weit über den Austausch technologischer Komponenten hinausgeht. Sie ermöglicht, gewachsene Prozesslogiken sichtbar zu machen, implizites Wissen zu sichern, Verantwortung neu zu ordnen und Daten so zu organisieren, dass sie unabhängig von einzelnen Systemen und Personen belastbar genutzt werden können.
Genau diese Grundlagen werden wichtiger, wenn AI künftig tiefer in operative Prozesse eingreift. Wer sie erst nach Abschluss der ERP-Transformation schaffen möchte, beginnt deshalb zu spät. Denn dann sind zentrale Architektur-, Prozess- und Organisationsentscheidungen längst getroffen.
Die Datenbasis für AI-gestützte Prozesse von morgen entsteht mit den Architektur- und Organisationsentscheidungen von heute. Data Governance und Datenprodukte müssen deshalb von Anfang an Teil der ERP-Transformation sein.
Steffen Vierkorn
Geschäftsführer
QUNIS
QUNIS Checkliste
Häufige Fragen
Bei einer ERP-Modernisierung werden nicht nur Systeme und Architekturen verändert. Auch Prozesse, Datenstrukturen und Verantwortlichkeiten werden neu geordnet. Data Governance schafft dafür verbindliche Regeln: Wer verantwortet welche Daten? Was bedeuten sie fachlich? Welche Qualitätsanforderungen gelten? Und wie dürfen sie genutzt werden? Werden diese Fragen direkt in der ERP-Transformation geklärt, entsteht eine belastbare Grundlage für die spätere Nutzung der Daten in Analytics, Automatisierung und AI.
AI soll zunehmend nicht nur Informationen auswerten, sondern Geschäftsprozesse unterstützen, automatisieren und teilweise eigenständig Aktionen auslösen. Dafür müssen Daten, ihre fachliche Bedeutung und relevante Prozessregeln eindeutig nachvollziehbar sein. Wissen, das bislang nur in den Köpfen einzelner Mitarbeitender vorhanden ist, steht AI nicht automatisch zur Verfügung. Eine ERP-Transformation muss deshalb neben Technologie und Prozessen auch berücksichtigen, wie Wissen, Datenlogik und Verantwortung künftig organisiert werden.
ERP-Daten müssen für AI nicht nur technisch verfügbar sein. Ihre fachliche Bedeutung, Herkunft und Qualität müssen nachvollziehbar sein. Ebenso braucht es klare Verantwortlichkeiten und Regeln für ihre Nutzung. Besonders bei der Automatisierung von Geschäftsprozessen muss relevantes Wissen, das bislang nur bei einzelnen Mitarbeitenden liegt, dokumentiert und mit Daten und Prozessen verknüpft werden. Data Governance schafft den organisatorischen Rahmen dafür.
Data Governance sollte von Anfang an Teil einer ERP-Transformation sein und nicht erst beginnen, wenn die neue Systemlandschaft bereits aufgebaut ist. Während der Transformation werden Prozesse, Datenstrukturen, Systemgrenzen und Verantwortlichkeiten ohnehin überprüft und neu geordnet. Genau dann lassen sich Governance-Anforderungen unmittelbar in das zukünftige Setup integrieren.
Zu Beginn sollten Unternehmen vor allem die fachliche Verantwortung für zentrale Geschäftsprozesse und Daten klären. Dazu gehören Business Process Ownership und Data Ownership, gemeinsame Definitionen für geschäftskritische Daten, Anforderungen an Datenqualität sowie Regeln für deren Nutzung. Welche weiteren Governance-Strukturen erforderlich sind, hängt von Organisation, Datenlandschaft und den geplanten Anwendungsfällen ab. Entscheidend ist, mit den für die Transformation relevanten Daten und Prozessen zu beginnen, statt zunächst ein umfassendes Governance-Framework für das gesamte Unternehmen aufzubauen.
Nein. Unternehmen benötigen vor Beginn einer ERP-Transformation kein vollständig ausgebautes Governance-Framework. Entscheidend ist ein zur Organisation und zur Transformation passendes Vorgehen. Rollen, Verantwortlichkeiten, Qualitätsanforderungen und Regeln können entlang konkreter Prozesse und Daten schrittweise etabliert werden. So entsteht eine pragmatische Data Governance, ohne unnötiges Overengineering.
Datenprodukte behandeln Daten nicht nur als Nebenprodukt eines ERP-Systems, sondern als eigenständig nutzbare und verantwortete Ressource mit einem definierten Geschäftszweck. Dazu gehören eine eindeutige fachliche Bedeutung, Qualitätsanforderungen und klare Verantwortlichkeiten. So können ERP-Daten auch außerhalb ihres Ursprungssystems konsistent für Analytics, AI und weitere Geschäftsprozesse genutzt werden.
Business Process Ownership definiert, wer einen Geschäftsprozess fachlich verantwortet. Data Governance ergänzt diese Perspektive um klare Verantwortung für die dabei entstehenden und genutzten Daten. Beide müssen zusammenspielen: Nur wenn Prozesslogik, Datenbedeutung und Verantwortlichkeiten zusammen gedacht werden, können Daten dauerhaft nachvollziehbar und belastbar genutzt werden. Entscheidend ist dabei nicht nur die formale Zuordnung im Organigramm, sondern die tatsächlich gelebte Verantwortung.
Kopfmonopole entstehen, wenn wichtiges Wissen über Prozesse, Daten, Regeln oder Sonderfälle nur bei einzelnen Personen vorhanden ist. In manuell geprägten Abläufen können Mitarbeitende solche Wissenslücken durch Erfahrung und Rückfragen ausgleichen. AI kann auf dieses implizite Wissen jedoch nicht ohne Weiteres zugreifen. Sollen Geschäftsprozesse stärker automatisiert werden, muss relevantes Wissen deshalb explizit dokumentiert, zugänglich und mit den jeweiligen Daten und Prozessen verknüpft sein.
QUNIS unterstützt Unternehmen dabei, die Daten- und Governance-Grundlagen einer ERP-Transformation zu gestalten. Dazu gehören unter anderem die Entwicklung einer passenden Datenarchitektur, die Klärung von Rollen und Verantwortlichkeiten, der Aufbau einer pragmatischen Data Governance sowie die Konzeption und Umsetzung von Datenprodukten. Ziel ist, Daten aus ERP- und weiteren Quellsystemen konsistent, nachvollziehbar und belastbar für Analytics, AI und weitere Geschäftsprozesse nutzbar zu machen.
