Zurück zu den Einblicken
KI-Agenten im ERP: Von linearen Projekten zu einem lernenden System
Vom linearen Prozess zum lernenden System: Wie KI-Agenten das industrielle Projektgeschäft in einen Kreislauf verwandeln, der aus jedem Auftrag lernt.
Vom linearen Prozess zum lernenden System: Wie KI-Agenten das industrielle Projektgeschäft in einen Kreislauf verwandeln, der aus jedem Auftrag lernt.
KI × ERP-Serie · Teil 4
Teil 3 zeigte, wie Hersteller KI gemeinsam trainieren, ohne Rohdaten preiszugeben. Teil 4 wendet sich dem vierten Hebel zu – dem Prozess selbst: wie KI-Agenten und digitale Zwillinge die Einbahnstraße des Projektgeschäfts in einen Kreislauf verwandeln, sodass jedes abgeschlossene Projekt die nächste Kalkulation schärft.
Die Kernantwort in 60 Sekunden
Das Projektgeschäft denkt in geraden Linien – kalkulieren, liefern, abschließen, vergessen. KI denkt im Kreis. Der Gewinn ist kein schlaueres Werkzeug, sondern ein ERP, das jedes abgeschlossene Projekt in das nächste einfließen lässt.
Jedes Projekt erzeugt genau die Daten, die die nächste Kalkulation braucht – Ist-Stunden gegen Plan, die Ursachen der Nachträge, welcher Lieferant verspätet war, was bei der Inbetriebnahme schiefging. In einem linearen Prozess entstehen diese Daten einmal und verschwinden dann in einer abgeschlossenen Projektakte. Der Kalkulator im nächsten Angebot arbeitet aus dem Gedächtnis.
KI-Agenten, digitale Zwillinge und ein Rückkanal ins ERP schließen diesen Kreis: Erkenntnisse aus abgeschlossenen Aufträgen werden zu Eingaben für laufende – ohne dass jemand sie neu eintippt. Die Technik ist nicht das Schwierige – die Organisation und die Governance sind es. 33+ Jahre Beratungserfahrung, 500+ Projekte, 100 % herstellerunabhängig.
„Warum lernen wir bei jedem Projekt dieselben Lektionen neu?“
Eine Frage, die wir im Anlagenbau, Sondermaschinenbau und Industriebau immer wieder hören. Die Kalkulation, die zwölf Prozent über Plan lag, der Nachtrag, der sich auf eine unterspezifizierte Schnittstelle zurückführen ließ, der Inbetriebnahmefehler, der bei den letzten drei Aufträgen dieses Typs auftrat – jeder wurde einmal verstanden, von den Menschen in diesem Projekt. Dann wurde das Projekt abgeschlossen, das Team löste sich auf, und das Wissen ging mit ihm. Das nächste Angebot beginnt mit einem leeren Blatt und einem guten Gedächtnis.
Die Daten fehlten nie. Sie lagen die ganze Zeit im ERP, in den Projektakten und den Zeiterfassungen. Was fehlte, ist ein Weg, auf dem sie sich vorwärtsbewegen – von einem abgeschlossenen Projekt in das, das gerade kalkuliert wird.
Von linear zu zirkulär: der Wandel, dem sich das Projektgeschäft widersetzt hat
Das Projektgeschäft ist aus Gewohnheit linear: gewinnen, planen, ausführen, abrechnen, archivieren. Jede Phase übergibt an die nächste, und das Projekt endet – sauber, mit Absicht. Diese Disziplin ist eine Stärke in der Abwicklung und eine Schwäche im Lernen, denn die wertvollsten Daten entstehen am Ende – genau dann, wenn die Organisation aufhört, ihnen Aufmerksamkeit zu schenken.
Der Wandel, der nun einsetzt – dasselbe zirkuläre Denken, das Datenraum-Initiativen für die Industrie insgesamt beschreiben – behandelt Projektdaten anders: Sie werden erzeugt, strukturiert und wiederverwendet, statt erzeugt und abgelegt. Ein abgeschlossenes Projekt ist kein Endpunkt, sondern eine Datenquelle für jedes vergleichbare Projekt, das folgt. Das ist eine Änderung des Betriebsmodells, lange bevor es eine Frage der Software ist – und der Grund, warum ein größeres ERP allein nichts ändert: Ein digitalisierter linearer Prozess ist immer noch ein linearer Prozess.
Drei Bausteine eines lernenden Projektsystems
In der Praxis machen drei Komponenten aus einem Einbahnprozess einen Kreislauf. Gemeinsam sind sie am wertvollsten, doch jede liefert für sich.
Baustein 1
KI-Agenten, die Erkenntnisse weitertragen
Ein Agent liest abgeschlossene Projekte und zeigt einem laufenden das Muster – „diese Bauteilfamilie treibt die meisten Nachträge“, „die Inbetriebnahme dieses Anlagentyps hakt immer am selben Schritt“. Der Kalkulator erhält die Schlussfolgerung im Moment des Angebots, nicht Monate später im Review.
Baustein 2
Digitale Zwillinge von Projekten und Anlagen
Ein lebendes Modell der Anlage oder des Projekts, gespeist aus As-built- und Betriebsdaten, sodass der nächste vergleichbare Auftrag von der Realität ausgeht statt von einer leeren Vorlage. Im Zwilling werden Kalkulation, Ausführung und Feldverhalten abgeglichen – und die Lücke dazwischen sichtbar.
Baustein 3
Rückmeldung, die ins ERP zurückschreibt
Der Schritt, der den Kreis schließt: Ist-Daten nach Projektabschluss aktualisieren Kalkulationsvorlagen, Vorgabezeiten und Stücklisten im ERP selbst. Ohne ihn erzeugen die ersten beiden Bausteine Erkenntnisse, nach denen niemand handelt. Mit ihm wird das System mit jedem abgeschlossenen Auftrag messbar besser.
Nichts davon erfordert den Austausch von Rohdaten mit jemandem außerhalb des Unternehmens – der Kreislauf läuft zunächst auf Ihrer eigenen Projekthistorie. Wo unternehmensübergreifende Kooperation Mehrwert schafft, gelten die Souveränitätsregeln aus Teil 3 unverändert.
Die Chance ist real – die organisatorischen und rechtlichen Voraussetzungen ebenso
Ein lernendes Projektsystem ist keine Funktion, die man einschaltet. Es ruht auf drei Voraussetzungen, die organisatorisch und rechtlich sind, bevor sie technisch werden. Erstens muss der Kreislauf explizit gemacht werden: welche Daten beim Abschluss erfasst werden, wie sie strukturiert sind, wo sie wieder in den Prozess eintreten. Ihn zu modellieren – in BPMN oder einer vergleichbaren Notation – macht aus „wir sollten unsere Erfahrungen wiederverwenden“ einen Prozess, für den jemand verantwortlich ist. Zweitens die Veränderungsdimension: Kalkulatoren und Projektleiter vertrauen nur einem Rückmeldesignal, das sie verstehen – der Kreislauf muss transparent sein, keine Blackbox, die ihr Urteil still übergeht.
Drittens die Governance. Ein Agent, der ins ERP zurückschreibt, beeinflusst kaufmännische Entscheidungen und fällt damit in den Anwendungsbereich des EU AI Act. Der AI Act ist in Kraft; im Rahmen der Digital-Omnibus-Einigung von 2026 wurden die Pflichten für viele Hochrisiko-Anwendungen auf Dezember 2027 verschoben – Zeit zur Vorbereitung, kein Grund, sie zu ignorieren. Und weil Projektdaten zunehmend maschinen- und produktgenerierte Daten umfassen, prägt der EU Data Act (seit September 2025 anwendbar), wer was wiederverwenden darf. Die Faustregel: Entscheiden Sie bewusst, was ein Agent automatisch ändern darf und was er nur vorschlagen darf – und halten Sie diese Entscheidung schriftlich fest.
Aus unserer Projektarbeit
Das Problem ist selten die Kalkulation. Es ist, dass die Kalkulation nie erfährt, wie das Projekt tatsächlich lief.
Ein wiederkehrendes Muster im Anlagen- und Sondermaschinenbau: Jede neue Anlage wird fast von Grund auf kalkuliert, selbst wenn sie den letzten drei stark ähnelt. Die Ist-Daten existieren – Stunden, Abweichungen, Nachtragsursachen, Inbetriebnahmefehler –, doch sie liegen in abgeschlossenen Projektarchiven, nicht in der Kalkulationsvorlage. So werden dieselben optimistischen Annahmen erneut getroffen, und dieselben Überschreitungen folgen.
Der gangbare Weg ist kein größeres ERP und kein vollständiges Digital-Twin-Programm am ersten Tag. In unserer Beratungsarbeit ist die erste Aufgabe immer dieselbe: einen wiederkehrenden Projekttyp auswählen, festlegen, was beim Abschluss erfasst wird, die Lessons Learned zu Signalen strukturieren, die ein System lesen kann, und einen einzigen Kreis schließen – Ist-Daten, die in genau diese eine Kalkulationsvorlage zurückfließen – bevor etwas automatisiert wird.
Das Ergebnis dieser Vorarbeit ist kein klügerer Algorithmus. Es ist der Unterschied zwischen einer Organisation, die bei jedem Projekt dieselben Lektionen neu lernt, und einer, deren nächstes Angebot bereits weiß, was der letzte Auftrag gekostet hat.
Empfehlung: vier Schritte vom abgeschlossenen Projekt zum lernenden System
Sie bauen den Kreislauf nicht auf einmal. Vier Schritte, in dieser Reihenfolge, machen aus einem abgeschlossenen Projekt eine Eingabe für das nächste:
- Schritt 1 – den Abschluss instrumentieren. Erfassen Sie Ist-Werte gegen die Kalkulation strukturiert – Stunden, Kosten, Abweichungen, Ursachen –, nicht als PDF, das niemand wieder öffnet. Wird beim Projektabschluss nichts in brauchbarer Form erfasst, gibt es nichts weiterzugeben.
- Schritt 2 – die Erfahrungen strukturieren. Verwandeln Sie erzählte Lessons Learned in maschinenlesbare Signale: Ursachencodes, Abweichungskategorien, wiederkehrende Fehlerarten. Ein Absatz ist eine Geschichte; ein codierter Grund ist etwas, worauf ein Agent handeln kann.
- Schritt 3 – einen Kreis schließen. Wählen Sie einen einzigen wiederkehrenden Projekttyp und speisen Sie seine Ist-Daten in dessen Kalkulationsvorlage und Vorgabezeiten zurück. Ein funktionierender Kreis schlägt ein unternehmensweites Programm, das nie live geht.
- Schritt 4 – das Zurückschreiben regeln. Entscheiden Sie, was ein Agent automatisch ändern darf und was er nur vorschlagen darf. Verankern Sie das im Prozessmodell (BPMN) und, wo Maschinen- oder Produktdaten im Spiel sind, in Ihren Verträgen – was AI Act und Data Act verlangen, muss Ihre Governance operativ machen.
Unsere Einschätzung: Die Reihenfolge zählt mehr als die Raffinesse. Unternehmen, die zuerst instrumentieren und einen Kreis schließen, bauen ein System, das sich verstärkt; Unternehmen, die auf eine vollständige Digital-Twin-Plattform warten, lernen dieselben Lektionen weiter zum vollen Preis neu. Und all das steht auf den früheren Teilen dieser Serie: ohne ehrliche Daten (Teil 1), saubere Stammdaten (Teil 2) und klare Datensouveränität (Teil 3) gibt es kein verlässliches Signal zum Zurückspielen.
30 Minuten Klartext über Ihre Projektdaten – direkt mit Dr. Dreher
Welche Ihrer abgeschlossenen Projekte sollten das nächste Angebot schärfen – und was darf ein Agent eigenständig ändern? Kein Verkaufsgespräch, keine Junior-Berater.
Nächste Schritte
Wenn eine Digital-Twin-Initiative oder ein Vorschlag „KI fürs Projektmanagement“ auf Ihrem Tisch liegt, lohnt es sich, den Kreislauf zu modellieren und die Governance zu klären, bevor eine Werkzeugentscheidung fällt. Mehr zu unserem Ansatz für Digitalisierung, ERP und KI-Integration finden Sie in unserer Übersicht der Beratungsleistungen.
Die Serie bisher:
warum ERP-Daten allein keine KI tragen – Teil 1
warum kein Modell schlechte Stammdaten repariert – Teil 2
Daten teilen, ohne die Kontrolle zu verlieren – Teil 3
Vom ERP-Datensilo zur KI-Spitzenleistung in fünf Schritten - Teil 5
Das ist der Alltag im projektbasierten Anlagen- und Maschinenbau; den Kreislauf explizit zu machen, ist eine Frage des Prozessmanagements.
Für Fragen oder Anregungen nutzen Sie den Kontaktbutton und sprechen Sie direkt mit mir.
Ihre Rückmeldung würde mich freuen.
