Das Wichtigste in Kürze
- KI benötigt eindeutig definierte und ausreichend vollständige Ausgangsdaten.
- Beginne mit einem konkreten Anwendungsfall und bekannten Prüfergebnissen.
- Lesende Analyse und schreibende Automatisierung brauchen unterschiedliche Freigaben.
Ein KI-Projekt im ERP beginnt mit einer klaren Frage an die Daten. Fehlende Artikelzuordnungen, uneinheitliche Status oder unklare Kennzahlen werden nicht dadurch zuverlässig, dass ein Modell sie verarbeitet. Die folgende Vorgehensweise ist eine redaktionelle Planungsempfehlung für einen kontrollierten Einstieg.
Eine konkrete Aufgabe auswählen
Beschreibe, was die KI unterstützen soll: beispielsweise eine Berichtsanfrage formulieren, Datensätze zur Prüfung markieren oder einen Entwurf für eine Bearbeitungsentscheidung liefern. Lege fest, welches Ergebnis ein Mensch beurteilen kann und welche Aktion danach erfolgen darf.
Beginne mit einer Aufgabe, deren Qualität nachvollziehbar geprüft werden kann. Ein Versprechen wie „die KI optimiert unser ganzes ERP“ liefert weder eine klare Datenanforderung noch eine brauchbare Abnahme. Ein eng beschriebener Anwendungsfall macht Fehler und Nutzen sichtbar.
Ein konkreter Anwendungsfall ist der Xentral Copilot für Berichte. Damit Ergebnisse fachlich prüfbar werden, lege zuvor ein Reporting-Konzept mit klaren Kennzahlen fest.
Begriffe und Datenhoheit festlegen
Definiere wichtige Begriffe vor der technischen Anbindung. Was bedeutet Umsatz in diesem Zusammenhang? Welche Aufträge gelten als offen? Welches System liefert die gültige Artikelkennung? Halte Zeitbezug, Einheit und relevante Status fest.
Bestimme für jedes wichtige Feld eine führende Quelle. Wenn Shop, ERP und eine Tabelle denselben Wert unterschiedlich pflegen, muss die Konfliktregel geklärt werden. Ein Modell sollte diese fachliche Entscheidung nicht stillschweigend anhand zufälliger Inhalte treffen.
Repräsentative Daten prüfen
Untersuche eine Auswahl normaler und besonderer Vorgänge. Prüfe fehlende Werte, doppelte Kennungen, ungültige Zuordnungen und abweichende Einheiten. Ergänze Fälle, die selten vorkommen, aber große Auswirkungen haben können.
- Artikel und Varianten eindeutig zuordnen.
- Beleg- und Statusbeziehungen nachvollziehen.
- Datumsfelder und Zeitzonen für den Zweck festlegen.
- Einheiten und Währungen unterscheiden.
- Unbekannte Werte ausdrücklich als unbekannt behandeln.
Ein fehlendes Feld sollte nicht automatisch als null interpretiert werden. Das wäre eine fachliche Annahme, die je nach Aufgabe das Ergebnis verfälschen kann. Dokumentiere, welche Lücken vor dem Start geschlossen werden müssen.
Zugriffe und Aktionen begrenzen
Für individuelle Integrationen beschreibt Xentral Personal Access Tokens mit getrennten Zugriffsbereichen und Aktionsrechten. Nutze nur die für den Anwendungsfall benötigten Rechte. Ein lesender Analyseprozess braucht nicht automatisch die Möglichkeit, Aufträge zu ändern oder Daten zu löschen.
Prüfe bei externen Werkzeugen außerdem, welche Informationen tatsächlich übertragen werden und ob dieser Einsatz intern freigegeben ist. Zugangsdaten gehören in eine sichere Ablage. Inhalte aus importierten Dokumenten sollten als Daten behandelt werden und nicht eigenständig Berechtigungen oder Prozessregeln verändern können.
Bekannte Ergebnisse als Maßstab verwenden
Stelle ein kleines Set fachlich geprüfter Fälle zusammen. Vergleiche die KI-Ausgabe damit und dokumentiere Fehlerarten. Bei Berichten sind Summen und Einzelfälle zu prüfen; bei Klassifikationen sollten auch falsch positive und übersehene Fälle betrachtet werden.
Die Xentral-Dokumentation zum Reporting-Copilot fordert ausdrücklich eine manuelle Prüfung der Ergebnisse. Übertrage dieses Prinzip auf den eigenen Pilot: Erst nach einer nachvollziehbaren Bewertung sollte der Umfang erweitert werden. Schreibende Aktionen benötigen zusätzlich klare Freigaben, Protokolle und einen kontrollierten Fehlerweg.
Für eine gemeinsame Planung helfen eure konkrete Aufgabe, Beispieldaten und die gewünschte Entscheidungsverantwortung. Der API-Leitfaden erläutert die technische Anbindung, der Automatisierungsartikel die Einordnung in bestehende Prozesse.
Ein Datenblatt für den ersten KI-Anwendungsfall
Unser Vorschlag ist ein einseitiges Datenblatt, bevor ihr eine neue KI-Anbindung freigebt. Darin beschreibst du eine Aufgabe so genau, dass ein fachkundiger Mitarbeiter das erwartete Ergebnis auch ohne Modell prüfen könnte. Wähle beispielsweise die Priorisierung offener Klärfälle statt eines pauschalen Ziels wie „intelligente Operations“.
- Entscheidung: Welche Person soll anschließend was entscheiden?
- Eingabe: Welche Felder sind erforderlich, aus welchem System stammen sie und wie aktuell müssen sie sein?
- Ausgabe: Wird eine Liste, eine begründete Empfehlung oder ein Textentwurf erwartet?
- Beleg: Wie gelangt der Prüfer vom Vorschlag zum zugrunde liegenden ERP-Vorgang?
- Grenze: Welche Fälle darf die Anwendung nicht eigenständig entscheiden?
- Ungewissheit: Was soll passieren, wenn Angaben fehlen oder sich widersprechen?
Dieses Datenblatt ist eine Projektvorlage, keine dokumentierte Xentral-Funktion. Für den eingebauten Reporting-Copilot beschreibt die Herstellerhilfe einen engeren Anwendungsbereich: Berichte und Fragen zum Berichtswesen. Leite daraus keine Berechtigung eines externen KI-Werkzeugs ab, beliebige ERP-Daten zu lesen oder zu verändern.
Musterfall: „Überfälliger Auftrag“ braucht eine Definition
Angenommen, ihr möchtet verspätete Aufträge erkennen. Ein Auftrag wurde vor fünf Tagen angelegt, hat aber einen vereinbarten Liefertermin in der nächsten Woche. Ein anderer Auftrag stammt von gestern und sollte bereits heute übergeben sein. Eine reine Sortierung nach Erstellungsdatum würde beide Fälle fachlich anders bewerten als ein Vergleich mit dem zugesagten Termin.
Lege deshalb fest, welches Datum zählt und welche Status die Bewertung ausschließen. Wenn der zugesagte Termin fehlt, sollte das System den Fall als unvollständig kennzeichnen, statt einen Termin zu erfinden. Ergänze die Datenherkunft: Stammt das Datum aus dem Shop, aus dem ERP oder aus einer manuellen Zusage? So entsteht eine nachvollziehbare Regel, die du anschließend mit und ohne KI vergleichen kannst.
Ein Prüfsatz mit absichtlich schwierigen Fällen
Wähle nicht nur saubere Standardvorgänge. Ergänze einen Datensatz mit fehlendem Pflichtwert, widersprüchlichen Angaben, mehrfacher Kennung und einem fachlich wichtigen Sonderfall. Halte zu jedem Fall vorab fest, welches Ergebnis richtig ist und wann die Anwendung eine Prüfung durch einen Menschen verlangen soll.
Ein gutes Testergebnis besteht nicht darin, dass das Modell überall eine Antwort liefert. Bei fehlender Grundlage kann die richtige Antwort „nicht entscheidbar“ sein. Zähle neben richtigen Treffern auch fälschlich markierte und übersehene Fälle. Bewerte ihre Folgen getrennt: Eine unnötige manuelle Prüfung ist etwas anderes als eine unbemerkte falsche Versandfreigabe. Die zulässige Schwelle legt ihr für euren Anwendungsfall fest, nicht anhand einer allgemeinen KI-Quote.
Datenfehler an der Quelle beheben
Wenn ein Artikel mehrfach unterschiedlich zugeordnet ist, dokumentiere die Korrektur im führenden System und prüfe betroffene Schnittstellen. Eine Sonderregel nur im Prompt kann das Symptom verdecken und lässt den Fehler für andere Prozesse bestehen. Für Artikelidentitäten hilft der Leitfaden zum Artikelstamm in Xentral; für Kennzahlen die fachliche Reporting-Definition.
Führe eine Liste mit Fehlerart, betroffenen Feldern, Verantwortlichem und Entscheidung. Unbekannte Werte bleiben ausdrücklich unbekannt, bis sie geklärt sind. Ein Feld mit dem Zahlenwert null darf nicht automatisch dieselbe Bedeutung erhalten wie ein leeres Feld.
Vom Pilot zur laufenden Anwendung
Starte mit einem begrenzten, überprüfbaren Umfang. Dokumentiere Datenstand, Regeln und Modellkonfiguration so weit, dass Änderungen nachvollziehbar bleiben. Wiederhole den Prüfsatz nach wesentlichen Änderungen an Daten, Anweisungen oder Verarbeitung. Ein zunächst lesender Pilot kann Vorschläge liefern, die ein Mensch bestätigt; eine spätere schreibende Integration benötigt eine eigene Abnahme ihrer Aktionen.
Für individuelle Xentral-Anbindungen unterstützt die PAT-Dokumentation die gezielte Rechteplanung. Der Zugang sollte nur die für die freigegebene Aufgabe benötigten Aktionen erlauben. Überwachung, Rückfragen und ein klarer Abschaltweg gehören zum Betrieb ebenso wie die Qualität der ersten Antwort.
Quellen und fachlicher Stand
Herstellerdokumentation geprüft am 17. September 2026. Die Empfehlungen zur Projektorganisation sind redaktionelle Empfehlungen von CommerceOS.
Häufige Fragen
Brauchen wir für KI zuerst perfekte Daten?
Nicht überall, aber ausreichend verlässliche Daten für die konkrete Aufgabe. Kritische Lücken und ihre Behandlung müssen bekannt sein.
Kann KI fehlende ERP-Werte einfach ergänzen?
Eine Ergänzung kann eine Vermutung sein. Sie darf nicht ungeprüft als bestätigte Tatsache in den Prozess übernommen werden.
Welche Aufgabe eignet sich für einen ersten Pilot?
Eine klar begrenzte Aufgabe mit bekannten Vergleichsfällen und einem Ergebnis, das fachlich geprüft werden kann.
Soll eine KI-Integration volle API-Rechte erhalten?
Nur die tatsächlich benötigten Zugriffe vergeben. Lesende Analyse und schreibende Aktionen sollten bewusst getrennt werden.
Wann kann der Pilot erweitert werden?
Wenn Qualität und Fehlerfälle anhand repräsentativer Fälle bewertet sind und Zuständigkeiten sowie Freigaben für den größeren Umfang stehen.
Kostenloses ERP-Audit
60 Minuten, ehrliche Einschätzung zu deinen Prozessen und deinem Xentral-Setup – ohne Verpflichtung.
- Spezialisten für E-Commerce & Handel
- Alles aus einer Hand
- Implementierung, Support & Individualentwicklung
60 Minuten · kostenlos · unverbindlich
Unsere Kunden
