Kommentar von Sven Beck, BLP Digital Agentic AI schafft messbare Effekte bei Durchlaufzeiten, Fehlerquoten und Cashflow

Klassische ERP-Automatisierung stößt dort an Grenzen, wo Prozesse variabel, dokumentengetrieben und ausnahmebehaftet sind. Agentic AI verspricht hier einen Bruch: Statt starrer Skripte übernehmen spezialisierte Agenten ganze Prozessketten end-to-end – orchestriert durch einen digitalen Zwilling, der den ERP-Kontext kennt. Anhand aktueller Implementierungen in ERP-Landschaften wie SAP, proALPHA oder Abas zeigt sich, wie sich eine solche Architektur in bestehende Umgebungen einfügt, ohne das System of Record anzutasten.

ERP-Systeme bilden seit Jahrzehnten das Rückgrat operativer Prozesse – von der Finanzbuchhaltung über die Beschaffung bis zur Logistik. Der Anspruch, repetitive Arbeit darin zu automatisieren, ist keineswegs neu: OCR-Engines lesen Dokumente, RPA-Bots klicken durch Masken, Workflow-Engines steuern Freigaben, Skripte und Customizing fangen Sonderfälle ab.

Das Problem dieser gewachsenen Werkzeugkette ist nicht ihre Funktionalität, sondern ihre Sprödigkeit. Jede dieser Technologien arbeitet deterministisch und regelbasiert: Sie funktioniert zuverlässig, solange die Eingabe dem erwarteten Muster entspricht. Sobald eine Rechnung ein abweichendes Layout hat, eine Position fehlt oder eine Liefermenge nicht zur Bestellung passt, bricht die Kette – und ein Mensch muss eingreifen. In dokumentengetriebenen Kernprozessen mit hunderten Varianten und Ausnahmen entsteht so ein erheblicher manueller Restaufwand, der die eigentliche Automatisierungslogik konterkariert.

Kommentar von Christian Hörl, ScanProfi

Analoge Dokumente sind der blinde Fleck in den meisten Datenstrategien

Genau an dieser Stelle setzt Agentic AI an. Der entscheidende Unterschied liegt nicht in der Modellgröße, sondern in der Handlungsfähigkeit: Während generative KI auf Anfrage antwortet und RPA vordefinierte Sequenzen abarbeitet, verfolgt ein Agent ein Ziel, interpretiert Kontext, wählt Werkzeuge, führt Aktionen aus und bewertet das Ergebnis – innerhalb klar definierter Leitplanken. Agentic AI ersetzt damit nicht die Verantwortung, sondern die manuelle Einzelarbeit.

Warum Agentic AI über klassische IT-Automatisierung hinausgeht

Für IT-Entscheider ist die zentrale Frage nicht, ob Agenten beeindruckende Demos liefern, sondern worin der architektonische Mehrwert gegenüber bestehenden Ansätzen besteht. Drei Punkte sind entscheidend:

• 1. Kontextverständnis statt Mustererkennung: OCR extrahiert Zeichen, ein Agent versteht den fachlichen Kontext eines Dokumente. Er liest eine Lieferantenrechnung nicht nur aus, sondern gleicht sie gegen Bestellung, Wareneingang und Stammdaten ab, erkennt Toleranzabweichungen und entscheidet, ob gebucht oder eskaliert wird. Dieser Anspruch lässt sich als „deep ERP logic understanding, not just document OCR“ zusammenfassen.

• 2. Adaptivität statt Determinismus: Agentische Prozessautomatisierung kann nicht-deterministische, adaptive Prozesse abbilden, die auf wechselnde Bedingungen, unvollständige Daten und Unsicherheiten reagieren müssen. Während RPA bei unstrukturierten Eingaben an Grenzen stößt, verarbeiten Agenten auch unvollständige Inputs und triggern dennoch die korrekte Aktion.

• 3. End-to-End statt Teilprozess: Der größte Hebel entsteht, wenn ein Prozess nicht in isolierte Automatisierungsinseln zerfällt, die ständig übergeben werden müssen. Moderne Plattformen fassen den gesamten Ablauf – vom Dokumenteneingang über Extraktion, Verständnis, ERP-Validierung, Ausnahmebehandlung und Genehmigung bis zur Verbuchung – in einer Lösung zusammen. Weil die Agenten durchgängig arbeiten, statt an Schnittstellen abzubrechen, lassen sich deutlich höhere Automationsraten erzielen.

Wichtig ist die Einordnung: Agentic AI ersetzt klassische Automatisierung nicht vollständig, sondern ergänzt sie. Stabiler Massendurchsatz bleibt oft mit RPA effizient; variable, kontextabhängige und ausnahmebehaftete Prozesse profitieren von Agenten. Für ERP-Kernprozesse mit hoher Varianz verschiebt sich das Gleichgewicht jedoch klar Richtung agentischer Ausführung.

Die Architektur: Spezialisierte Agenten plus digitaler Zwilling

In der Praxis hat sich ein bewusst atomarer Ansatz etabliert, um komplexe Workflows beherrschbar zu machen. Ein Prozess wird end-to-end in einzelne, abgrenzbare Aufgaben zerlegt; jeder Aufgabe wird ein spezialisierter, vortrainierter Agent zugewiesen – ein Agent pro Task für kontrollierte, verlässliche Ausführung. Entsprechende Plattformen stellen dafür inzwischen hunderte vorgefertigte Agenten und zahlreiche Standard-ERP-Integrationen bereit. Dieser atomare Zuschnitt ist kein Detail, sondern der Schlüssel zur Auditierbarkeit: Jeder einzelne Schritt bleibt klar definiert, prüfbar und steuerbar – im Gegensatz zu schwer kontrollierbarer Black-Box-Automatisierung. Die Agenten nutzen dieselbe zugrunde liegende Modelllogik, ohne kundenspezifisch trainiert werden zu müssen.

Die orchestrierende Instanz ist der Digital Twin. Er ist mehr als eine Kopie der ERP-Daten: Er modelliert die Workflow-Logik, Zwischenschritte, Entscheidungen und Kontrollen, die bestimmen, wie Arbeit über Systeme und Teams hinweg tatsächlich abläuft. Der digitale Zwilling bündelt den relevanten Kontext aus ERP-, E-Mail- und Prozessdaten und steuert entlang des gesamten Workflows, wann ein Agent autonom handeln darf und wann ein Mensch eingebunden wird – und protokolliert versioniert, wie menschlicher Input zu Agenten-Kontext und Automation wird.

Damit ist die Mensch-Maschine-Grenze nicht ein nachträglicher Sicherheitsmechanismus, sondern Teil der Architektur. Der Mensch greift gezielt dort ein, wo fachliche Beurteilung, Risikoabwägung oder Freigabe erforderlich sind. Bei echten Sonderfällen erweitert ein Fachexperte den Kontext, auf dessen Grundlage der Agent künftig arbeitet soll, mit voller Transparenz und klaren Kontrollen.

Integration ohne Bruch: Datenkonsistenz und Prozesskontrolle

Für IT-Entscheider ist die kritische Frage, was eine solche Ausführungsschicht mit der bestehenden Systemlandschaft macht. Architektonisch entscheidend ist, dass das ERP System of Record bleibt. Deterministische Geschäftsregeln bleiben überall dort erhalten, wo regulatorische Anforderungen dies verlangen; Agenten agieren nur innerhalb klar definierter Handlungsspielräume und treffen dort probabilistische Entscheidungen. Agentic AI zieht eine Handlungsebene darüber ein, ersetzt die strukturierte, regulatorisch verlässliche Datenhaltung des ERP aber nicht. Technisch verbindet sich die Automatisierungsebene über Standardschnittstellen direkt mit dem ERP – etwa über standardisierte BAPIs, oData-Endpoints oder herstellerspezifische APIs. Über Standard-Integrationen in Systeme wie SAP, proALPHA oder Abas lässt sich eine Anbindung oft binnen Stunden realisieren. Intelligente Automatisierung ergänzt so die bestehende Umgebung, ohne Infrastruktur zu ersetzen.

Interview mit Björn Stauss, Board

Wie KI-Agenten das Controlling strategisch stärken

Strategisch zielt der Ansatz darauf, nicht als zusätzlicher KI-Baustein neben OCR, Workflow, Skripten und Customizing zu existieren, sondern diese gewachsene Landschaft durch eine einheitliche Ausführungsarchitektur zu konsolidieren. Das reduziert nicht nur Komplexität, sondern auch die Zahl der Bruchstellen, an denen Datenkonsistenz verloren geht. Datenkonsistenz und Prozesskontrolle entstehen dabei aus drei Mechanismen: dem zweigleisigen ERP-Abgleich über den Digital Twin. Jede extrahierte Information wird gegen Stammdaten gespiegelt, der atomaren Nachvollziehbarkeit jedes Einzelschritts und der versionierten Protokollierung von Mensch-zu-Agent-Übergaben. Damit adressiert die Architektur genau jene Hürden, die Studien als größte Blocker für Agentic AI identifizieren: mangelnde Datenqualität, fehlende Datenherkunft und unzureichende Governance.

Governance im Fachbereich statt im IT-Projekt

Ein zweiter, oft unterschätzter Punkt betrifft die Verankerung der Governance. Erfolgreiche Projekte verstehen ERP-Automatisierung ausdrücklich nicht als isoliertes IT-Projekt, sondern verankern die Steuerung der Agenten dort, wo das Prozesswissen sitzt: im Fachbereich. Inhaltliches Prozessverständnis wird so kontinuierlich in relevanten Kontext für die KI übersetzt – ein No-Code-Workflow ermöglicht es Fachanwendern, nötige Entscheidungen selbst zu treffen.

Das deckt sich mit der branchenweiten Erkenntnis, dass nicht das Tool über den Erfolg entscheidet, sondern Prozessdesign plus Governance. Auditierbarkeit ist dabei keine Kür, denn Autonomie ohne Auditierbarkeit ist für regulierte Geschäftsprozesse kaum praktikabel. Entsprechend wichtig ist ein „audit-ready by design“-Ansatz: Jede Aktion ist richtlinienkonform, transparent und revisionssicher.

Fazit: Eine Ausführungsschicht, kein Add-on

Agentic AI markiert für ERP-getriebene Operationen weniger eine Revolution als eine konsequente Evolution: Das ERP bleibt stabil im Kern, dynamisch werden die Ränder. Der Mehrwert gegenüber klassischer Automatisierung entsteht nicht durch ein größeres Modell, sondern durch die Kombination aus kontextverstehenden, spezialisierten Agenten, einem digitalen Zwilling als Orchestrierungs- und Kontrollinstanz und einer bruchfreien Integration in das bestehende System of Record. Die eigentliche Veränderung besteht nicht darin, dass KI einzelne Aufgaben schneller erledigt, sondern darin, dass Unternehmen erstmals komplette ERP-Prozesse als steuerbare, auditierbare und weitgehend autonome Ausführungsschicht organisieren können – ohne ihr ERP-System selbst zu verändern.

Für IT-Entscheider verschiebt sich damit die Leitfrage: weg von „Welches Tool automatisiert diesen Teilschritt?“ hin zu „Welche End-to-End-Prozesse mit hohem Volumen und klarem KPI-Hebel überführe ich in eine agentische Ausführungsschicht – und mit welchen Governance-Leitplanken?“. Wer in stabilen, standardisierten Kernprozessen wie Accounts Payable startet und die Mensch-Agent-Grenze sauber definiert, schafft die Basis, um Agentic AI kontrolliert und auditierbar zu skalieren.

Die eigentliche Veränderung besteht nicht darin, dass KI einzelne Aufgaben schneller erledigt. Sie besteht darin, dass Unternehmen erstmals komplette ERP-Prozesse als steuerbare, auditierbare und weitgehend autonome Ausführungsschicht organisieren können – ohne ihr ERP-System selbst zu verändern.

Salesforce Connectivity Benchmark Report 2026

Multiagentische KI ist Mainstream – und eine Herausforderung

(ID:50895770)