Ausgangspunkt dieser Podcast-Folge ist eine Hörerfrage, die sich aktuell viele stellen: Wenn KI zunehmend Software „frisst“, was bedeutet das für große ERP-Systeme? Werden Unternehmen ihre Systeme irgendwann selbst bauen, mit KI, einer Datenbank im Hintergrund und ein paar Schnittstellen drumherum?
Meine kurze Antwort darauf: Ich halte das für sehr unwahrscheinlich.
Nicht, weil KI nicht leistungsfähig wäre, sondern weil ERP-Systeme mehr sind als reine Software. Sie bündeln jahrzehntelanges Prozesswissen, regulatorische Anforderungen, Buchhaltung, Planung, Warenwirtschaft und vieles mehr. Unternehmen kaufen mit einem ERP-System nicht nur Code, sondern auch Erfahrung und den Zugang zu einem breiten Ökosystem aus Beratern, Standards und Weiterentwicklungen.
Der Eigenbau solcher Systeme ist kein neues Phänomen. Den gab es schon vor KI. Und fast immer endete er früher oder später in einem Migrationsprojekt zurück zu einer Standardsoftware. Nicht aus Bequemlichkeit, sondern aus ökonomischer und organisatorischer Vernunft.
Spannend wird es aus meiner Sicht an einer anderen Stelle: beim Thema Plattformen und Erweiterbarkeit. Gerade im Microsoft-Ökosystem (aber nicht nur dort) sieht man seit Jahren eine klare Bewegung weg von tiefen Code-Anpassungen hin zu modularen Erweiterungen. Statt das Kernsystem zu verbiegen, werden Add-ins, Apps und Workflows aufgebaut, die auf bestehenden Datenstrukturen aufsetzen. KI kann diesen Prozess beschleunigen, aber sie ersetzt nicht die grundlegende Architekturidee.
Und damit kommen wir zur eigentlichen BI-Frage dieser Folge.
Denn unabhängig davon, ob Daten in einem ERP, einem CRM oder einer selbstgebauten Applikation entstehen, bleibt ein zentrales Problem bestehen: Transaktionale Daten sind nicht automatisch Analyse-Daten. Die Strukturen, die für operative Prozesse optimiert sind, passen selten zu dem, was wir für Auswertungen, Steuerung oder KI benötigen.
Deshalb war es historisch fast immer notwendig, eine zusätzliche Schicht einzuziehen, ein Data Warehouse, eine zentrale Datenplattform, eine analytische Modellierung. Auch Konzepte wie Near-Real-Time oder DirectQuery ändern daran wenig. Sie verschieben Latenzen, aber nicht die grundsätzliche Modellfrage.
Ich glaube deshalb, dass die entscheidende Entwicklung nicht darin liegt, ERP-Systeme durch KI zu ersetzen, sondern Daten systemunabhängig bereitzustellen. In standardisierten, gut lesbaren Formaten. Idealerweise so, dass sie auf einer zentralen Plattform weiterverarbeitet werden können, unabhängig davon, ob diese in Azure, AWS oder einer anderen Cloud liegt.
Die Frage lautet also nicht mehr: Welches System nutzen wir?
Sondern: Wie kommen unsere Daten aus den Systemen heraus? strukturiert, verständlich und analysierbar?
🎧 Die komplette Folge findest du im thinkBI Podcast.
Wenn du andere Gedanken hast, widersprichst oder einen eigenen Impuls setzen möchtest: Melde dich gern. Dieser Podcast lebt nicht von Antworten, sondern von besseren Fragen.
