Beim Workshop waren Anlagenbauer für verschiedene Branchen vertreten, wie für die Lebensmittelindustrie, Gießereien oder Industrietechnik. Der Ansatz des Tages-Workshops: Die unterschiedlichen Erwartungen und Wunsch-Szenarien sollten abgeglichen werden mit dem Forschungswissen dazu, was KI leisten kann, was sie benötigt und wie aufwändig die Umsetzung ist. Es ging also um konkrete Anwendungsfälle mit überschaubarem Aufwand und klar erkennbarem Nutzen. Die drei am häufigsten genannten Anwendungsfälle stellen wir vor.
Anwendungsfall 1 – ERP-Abfragen per Chatbot
Der Wunsch: Mitarbeitende können Informationen aus dem ERP-System abrufen, ohne sich durch Menüs oder Filter zu klicken. Stattdessen formulieren sie ihr Anliegen in natürlicher Sprache per Copilot, wie z.B. nach Artikelbeständen, Projektständen oder offenen Angeboten.
Die Umsetzung: In ERP-Systemen wie Microsoft Dynamics 365 Business Central sind KI-gestützte Chatfunktionen bereits integriert. In Business Central kann der integrierte Copilot Fragen beantworten wie ‚Welche sind unsere Top-3-Kunden nach Umsatz in diesem Jahr?‘. Die User können über Links in die entsprechenden Datensätze wechseln und sich auch komplexe Analysen erstellen lassen.
Zu beachten: Die Qualität der Antworten hängt von der Struktur und Qualität der vorhandenen Daten ab. Zugriffsrechte und Datenschutzanforderungen müssen gewährleistet sein. Technisch gehört dieser Anwendungsfall heute zu den am einfachsten umsetzbaren KI-Szenarien.
Anwendungsfall 2 – KI-gestützte Stammdatenpflege
Der Wunsch: Artikelstammdaten sollen vollständig, aktuell und konsistent sein – ohne Doppelanlagen, unterschiedliche Benennungen und fehlende Informationen. Dieser Wunsch war ein Top-Thema bei den Workshop-Teilnehmenden. Das altbekannte Thema der Stammdatenbereinigung kann durch KI neu angegangen werden.
Die Umsetzung: In Microsoft Dynamics 365 Business Central gibt es hierfür noch keinen vordefinierten Agenten, man kann diesen aber selbst erstellen. Dies ist ebenfalls durch natürliche Sprache möglich: Über ein gutes Prompting lässt sich z.B. ein Agent anweisen, für alle Artikel einer bestimmten Kategorie zu prüfen, welche davon ähnliche Bezeichnungen haben. Bei ähnlicher Bezeichnung soll zusätzlich geprüft werden, ob weitere Attribute des Artikels gleich oder ähnlich sind. Ergebnisse kann der Agent als ‚potenzielle Dublette‘ markieren und einem Menschen zur Prüfung geben. Ein weiterer Agent führt diese Dubletten anschließend zusammen. Dabei kann der Agent auch auf externe Datenquellen zugreifen und den Artikelstamm mit solchen Daten anreichern, falls nötig. Der Nutzen der KI-Optimierung der Stammdaten kann sehr hoch sein. Zu nennen sind hier besonders effizientere Prozesse und eine verlässliche Steuerung der Datenqualität.
Zu beachten: Die KI kann die Datenqualität verbessern, sie muss hierfür aber auf definierte fachliche Standards zurückgreifen, also Vorgaben für Stammdatenstrukturen und Verantwortlichkeiten. Die Agenten müssen selbst entwickelt und optimiert werden, bis sie den vollen Wirkungsgrad entfalten. Nutzen, aber auch die Komplexität der Optimierungsagenten können sehr hoch sein.
Anwendungsfall 3 – Service Agent im After-Sales
Der Wunsch: Im After Sales wurde besonders das Ersatzteilgeschäft mit seinen wiederkehrenden Vorgängen als Optimierungswunsch genannt. Die aufwendige Angebotserstellung lässt sich gut mit KI automatisieren und so Personal entlasten.
