Daten und Prozesse auf künstliche Intelligenz vorbereiten
ERP-Arbeitsplatz für die KI einrichten
Prozessautomatisierung, Anomalieerkennung, Lageroptimierung – im ERP-Kontext gibt es viele Einsatzmöglichkeiten für KI. Mit den neuen Fähigkeiten der Large Language Models wie GPT könnten sich bald sogar ganze Prozessketten durch künstliche Intelligenz unterstützen lassen. Doch dafür müssen Unternehmen ihre Daten vorbereiten und ihre Prozesse klar definiert im ERP-System verankern.
Es sind zweifellos goldene Zeiten für die KI-Forschung: Nicht zuletzt durch die jüngsten Entwicklungen im Bereich der generativen KI ist der Zukunftstechnologie ein Hechtsprung gelungen. Denn auf der Grundlage der Large Language Models (LLM) kann künstliche Intelligenz zum ersten Mal auch außerhalb eines eng umrissenen, klar definierten Aufgabenbereiches agieren. Vielmehr kann sie nun verschiedene Fähigkeiten miteinander kombinieren: von der Generierung geschliffener Texte über die Erkennung natürlicher Sprache bis hin zur Interpretation und Erzeugung von Bildern oder gar Softwarekomponenten. Für den Einsatz von KI in der Geschäftswelt – konkreter in der ERP-Welt – ergeben sich daraus im Arbeitsalltag völlig neue Möglichkeiten. So sind jetzt auch aufgabenübergreifende Prozessabläufe in den Bereich des Realisierbaren gerückt, etwa die Koordinierung mehrerer Aufgaben oder die Unterstützung menschlicher Mitarbeiter auf verschiedenen Stufen einer mehrteiligen Prozesskette.
Status quo fokussiert auf Trainingsdaten
Auch die Vorbereitung von KI-Szenarien verändert sich gerade. Bislang stehen hierfür vor allem die Trainingsdaten im Fokus. Diese gilt es, sorgfältig zu erfassen und zu selektieren, um für einen Datenfundus zu sorgen, mit dem die KI das jeweilige Ziel erreichen kann. Damit ein neuronales Netz Erkenntnisse aus Testdaten ziehen kann, müssen beispielsweise die richtigen Kontextinformationen zuverlässig erfasst werden und es dürfen sich keine Verzerrungen oder Störeffekte aus den Daten ergeben. Dafür müssen Unternehmen bereits bei der Erfassung der Trainingsdaten darauf achten, dass neben den eigentlichen Daten auch weitere Informationen einheitlich erfasst werden, die für das Training der KI von Bedeutung sein können. Besonders entscheidend sind hierbei die sogenannten Labels, die zu jedem Datensatz vorliegen müssen und quasi das Ergebnis vorgeben, auf das die KI nach Analyse des Datensatzes kommen sollte. Bei einer Anomalieerkennung in der Fertigung würde das Label zu einem Satz an Maschinendaten beispielsweise aufzeigen, ob zum Zeitpunkt der Erfassung dieser Maschinenwerte ein Fehler vorlag oder nicht. Ohne solche Labels kann die KI nicht automatisiert aus den Datensätzen lernen, welche Konstellationen an Maschinendaten typisch für Fehler sind und welche typisch für einen reibungslosen Ablauf. Um Verzerrungen oder Störfaktoren zu vermeiden, muss der Trainings-Datensatz ein repräsentatives Abbild der realen Bedingungen und aller relevanten Faktoren ausreichend abbilden. So lässt sich ein Overfitting vermeiden, bei dem sich die KI quasi zu gut an den Datensatz anpasst. Denn dann landen statistische Abweichungen und unerwünschte Ausreißer als Regeln im Modell.
Die KI-Zukunft: Prozessabläufe im Fokus
Wenn die Trainingsdatensätze gut funktionieren, könnten Firmen bald ganze Prozessabläufe in den Fokus rücken. Denn durch die technologischen Fortschritte im Kontext der LLMs wird in naher Zukunft eine neue Stufe der Interaktion zwischen Mensch und Maschine möglich werden, beispielsweise per Sprachsteuerung. So könnte ein Mitarbeiter im Auto mit dem ERP-System wie mit einem Kollegen interagieren und sich von diesem durch die Bearbeitung des passenden ERP-Prozesses führen lassen, um etwa Aufträge anzulegen, Material zu kommissionieren oder Serviceanfragen zu bearbeiten. Doch wie bei den Trainingsdatensätzen gilt es auch hier, ein Umfeld zu schaffen, mit dem künstliche Intelligenz sinnvoll interagieren kann. Dazu können ERP-Hersteller durch implementierte Funktionen beitragen, mit denen Anwender Prozessabläufe einfach und klar strukturiert in den Systemen definieren und hinterlegen können. Dies ist vor allem deshalb erforderlich, da ERP-Systeme meist datenzentriert funktionieren: Um Abläufe umzusetzen, stehen Anwendern in der Regel viele Datenfelder und Bedien-Schaltflächen zur Verfügung. Die Prozessschritte können in beliebiger Reihenfolge durchgeführt werden – die Arbeitsweise eines Menschen, nicht unbedingt jedoch einer KI. Eine künstliche Intelligenz benötigt für die Prozessbearbeitung klarere Vorgaben und definierte Pfade, denen sie zur Bewältigung einer Aufgabe folgen kann. Eine Prozesssicht definiert die dahinterstehende Logik, die das LLM nutzen kann, um den Anwender korrekt durch den Prozess zu führen. Vor der Implementierung einer solchen KI müssen sich Unternehmen also einen Überblick über die erforderlichen Einzelschritte ihrer zentralen Prozesse verschaffen und diese klar definiert im ERP-System verankern. Mit dieser Prozesssicht sollte eine KI in der Praxis arbeiten können.
Ein geeignetes Arbeitsumfeld schaffen
Der Zeitaufwand für all diese Vorarbeiten ist nicht zu unterschätzen. Ebenso wie die Erfassung eines soliden und gut nutzbaren Datensatzes erfordert auch die Analyse und Definition zentraler Prozessabläufe ihre Zeit, die gerade im Tagesgeschäft fehlen könnte. Doch analog zur Geschwindigkeit bei der KI-Entwicklung dürften sehr bald auch Möglichkeiten zur Integration von LLMs und weiteren KI-Neuerungen in die ERP-Welt zur Verfügung stehen. Wer dann bereits das Arbeitsumfeld geschaffen hat, wird die aktuellen Innovationen schneller für sich nutzen können.
