Vergessen Sie die Feinabstimmung: Orchestrieren Sie Ihre ERP-KI

Spricht man mit Führungskräften aus der Fertigungsindustrie über KI, hört man immer wieder dasselbe Ziel: „Wir müssen ein maßgeschneidertes Modell mit all unseren historischen ERP-Daten trainieren, damit es unser einzigartiges Geschäft lernt.“

Ob Sie es glauben oder nicht, ich höre das heutzutage häufiger als je zuvor. Führungskräfte glauben, dass die KI ihre bewährten Methoden, die sie seit zwanzig Jahren in Form von individuell angepassten Tabellen, veraltetem Code und einzigartigen Arbeitsabläufen entwickeln, auf magische Weise in ein großes Sprachmodell integrieren wird – ganz egal, was passiert.

Um es ganz klar zu sagen: Das zeigt, wie mangelhaft das tatsächliche Wissen über die Funktionsweise moderner künstlicher Intelligenz ist. Noch wichtiger ist, dass es der schnellste Weg ist, Unmengen an Geld für ein ins Stocken geratenes IT-Projekt zu verpulvern.

Hören Sie auf, GenAI mit Ihren alten ERP-Daten trainieren zu wollen. Es funktioniert nicht, und ehrlich gesagt ist es auch nicht nötig.

Ich möchte Ihnen genau erklären, warum die Falle der Feinabstimmung KI-Initiativen in Unternehmen zum Scheitern bringen wird und wie ich jedem rate, autonome Agenten dazu zu bringen, hochgradig individualisierte Geschäftslogik auszuführen, ohne dabei das Budget zu sprengen.

Die Feinabstimmungsfalle

Wenn IT-Verantwortliche davon sprechen, einer KI ihre spezifischen Geschäftsregeln beizubringen, greifen sie üblicherweise auf ein Verfahren namens Feinabstimmung. Dabei wird ein vortrainiertes Modell verwendet und dessen interne Gewichtungen (die mathematischen Zusammenhänge, die bestimmen, wie die KI denkt und Informationen bewertet) durch die Eingabe der hochgradig individualisierten historischen Daten des Unternehmens intensiv angepasst.

Aus architektonischer Sicht gibt es drei kritische Punkte bei der Feinabstimmung einer KI auf einem bestehenden ERP-System:

1. Semantische Lücke

KI-Modelle sind darauf trainiert, globale, standardisierte Geschäftssemantik zu verstehen. Sie kennen den branchenüblichen Standard- Auftrags-zu-Zahlungs -Prozess. Wenn Ihr Wettbewerbsvorteil jedoch in einer benutzerdefinierten Datenbanktabelle namens „t_z_special_discount_v3“ verborgen ist, kann die KI zwar den Text lesen, ihr fehlt aber das Kontextverständnis für die tatsächliche Funktion dieser Tabelle. Im Grunde verlangen Sie von einem brillanten, aber generalisierten Gehirn, eine Sprache zu lesen, die nur ein einziger pensionierter Entwickler in Ihrem Unternehmen beherrscht.

2. Extreme Steifigkeit

Feinabstimmung bedeutet im Wesentlichen, die KI dazu zu zwingen, starre Muster zu verinnerlichen. Ändert sich Ihre Preislogik im nächsten Monat aufgrund einer neuen Marktentwicklung, ist Ihr feinabgestimmtes Modell sofort veraltet. Sie sind gezwungen, den teuren und zeitaufwändigen Trainingszyklus von Neuem zu beginnen.

3. Das Halluzinationsrisiko

LLM-Absolventen sind sprachlich hervorragend, aber in starrer Mathematik und komplexen Ablaufdiagrammen haben sie große Schwierigkeiten. Versucht man, einem probabilistischen Modell eine 50-stufige, firmeneigene Lieferkettenlogik einzutrichtern, wird es garantiert irgendwann irren und in Lichtgeschwindigkeit den falschen Prozess ausführen.

Wenn wir die KI nicht feinabstimmen, wie sollen wir sie dann dazu bringen, unseren einzigartigen Wettbewerbsvorteil zu verstehen und umzusetzen?

In einer modernen Unternehmensarchitektur trainieren die KI nicht mit unseren Geschäftsregeln. Wir kontextualisieren sie und statten sie mit Werkzeugen. Dies erreichen wir durch zwei Paradigmen: RAG und Funktionsaufrufe.

RAG (Retrieval-Augmented Generation)

Anstatt die KI zu zwingen, Ihre komplexen Unternehmensrichtlinien, Lieferantenvereinbarungen oder einzigartigen Lagerregeln auswendig zu lernen, verwenden Sie RAG.

Man kann sich RAG so vorstellen, als würde man der KI eine Prüfung mit offenen Büchern geben.

Anstatt das interne Gehirn der KI zu verändern, nehmen Sie die gesamte Dokumentation Ihrer geheimen Rezeptur (Ihre Standardarbeitsanweisungen, Ihre Richtlinienhandbücher usw.) und indizieren sie in einer sicheren Vektordatenbank.

Wenn ein Planer die KI fragt: „Wie gehen wir mit einer verspäteten Lieferung von Lieferant X für diese Produktlinie um?“, rät die KI nicht aufgrund ihres vorab trainierten Verhaltens. Zuerst durchsucht sie Ihre Vektordatenbank. Sie ruft Ihre exakte, proprietäre Regel für dieses spezifische Szenario ab, liest sie und formuliert eine Antwort, indem sie ihre flexible Intelligenz mit Ihren starren, faktischen Regeln kombiniert.

Sie haben die KI nie trainiert. Sie haben ihr einfach genau das benötigte Dokument zum richtigen Zeitpunkt zur Verfügung gestellt. Sollte sich Ihre Richtlinie morgen ändern, aktualisieren Sie einfach das Dokument in der Datenbank. Kein erneutes Training erforderlich.

Funktionsaufruf: Der Agent als Orchestrator

Während RAG hervorragend für Texte und Unternehmensrichtlinien geeignet ist, wie sieht es mit transaktionaler Geschäftslogik aus? Was, wenn Ihr Erfolgsrezept ein hochkomplexer Algorithmus ist, der maßgeschneiderte Frachtkosten auf Basis von Echtzeit- und multivariablen Einschränkungen berechnet?

Sie sollten auf keinen Fall einen LLM mit diesen Berechnungen beauftragen. Stattdessen verwenden Sie Funktionsaufrufe (Agenten-APIs). Genau hier spielt das Konzept der Cloud-ERP-Erweiterbarkeit seine Stärken voll aus.

In einer modernen Cloud-ERP-Umgebung wie Infor LN ist Ihre individuelle Geschäftslogik nicht mehr im Kern der Datenbank verborgen, sondern wird als Erweiterung am Rand des Systems aufgebaut und ist über sichere APIs zugänglich.

Mit Funktionsaufrufenmachen Sie die Existenz und den Zweck Ihres Frachtalgorithmus direkt der KI bekannt.

Sie stellen der KI einen digitalen Werkzeugkasten zur Verfügung. Sie sagen ihr: „Wenn ein Benutzer die individuellen Frachtkosten berechnen möchte, versuchen Sie nicht, die Berechnung selbst durchzuführen. Rufen Sie diese spezielle API auf, geben Sie ihr das Ziel und das Gewicht ein und geben Sie dem Benutzer den exakten Betrag zurück, den sie zurückgibt.“

Die KI wandelt sich in einen Orchestrator. Sie fungiert als intelligente Brücke zwischen dem menschlichen Nutzer und Ihrer fest programmierten, geheimen Lösung. Die KI verarbeitet die natürliche Sprachintention, aber Ihre fehlerfreie, maßgeschneiderte API-Erweiterung übernimmt die eigentliche Rechenleistung.

Abwägungen

Um ehrlich zu sein, müssen wir anerkennen, dass der Verzicht auf Feinabstimmung und die ausschließliche Nutzung von RAG und Funktionsaufrufen kein Allheilmittel ist und wir uns früher oder später mit den Problemen auseinandersetzen müssen. Diese Architektur bringt ihre eigenen Kompromisse mit sich:

• Latenz und Tokenkosten: Da RAG von der KI verlangt, Ihre Dokumente bei jeder Anfrage abzurufen und zu lesen, verlängert sich die Antwortzeit um Millisekunden (oder Sekunden). Darüber hinaus verbraucht das wiederholte Senden großer Datenmengen an eine LLM-API mehr Token, was Ihre laufenden Betriebskosten im Laufe der Zeit erhöht.
• Abrufabhängigkeit: Ein Ampelsystem ist nur so intelligent wie seine Suchmaschine. Wenn Ihre Vektordatenbank die falsche Unternehmensrichtlinie abruft, wird die KI dem Benutzer aufgrund dieses fehlerhaften Kontextes mit Sicherheit die falsche Antwort geben.
• Voraussetzung für die Modernisierung: Funktionsaufrufe setzen voraus, dass Ihre ERP-Architektur modern genug ist, um Ihre bestehenden Anpassungen als saubere, nutzbare APIs bereitzustellen. Wenn Ihre Kernfunktionen in monolithischem Legacy-Code verstrickt sind, müssen Sie erheblich in die Entkopplung und Modernisierung dieser Logik investieren, bevor ein KI-System sie orchestrieren kann.

Mein abschließendes Fazit

Die Krise, vor der Anwender etablierter ERP-Systeme im kommenden Jahrzehnt stehen, besteht nicht darin, dass Cloud-Systeme ihr geistiges Eigentum zerstören werden. Die bittere Realität ist vielmehr, dass ihr geistiges Eigentum derzeit in einem Format gefangen ist, das Künstliche Intelligenz nicht nutzen kann.

Wenn Sie mit KI im Unternehmen einen massiven ROI erzielen wollen, ist die architektonische Vorgehensweise klar:

1. Stellen Sie die Anpassung des ERP-Kerns ein. Das bedeutet nicht, dass Sie das System nicht mehr an Ihre Geschäftsanforderungen anpassen sollen. Es bedeutet, dass Sie den grundlegenden Quellcode strikt standardisieren, damit die KI ihn nativ lesen kann.
2. Hört auf, KI-Modelle mit veralteten, fehlerhaften Daten feinabzustimmen
3. Überdenken Sie Ihren benutzerdefinierten Code und erstellen Sie ihn mithilfe moderner Techniken als externe APIs neu.
4. Gewähren Sie Ihren KI-Agenten über Funktionsaufrufe und verankern Sie ihr Wissen mithilfe von RAG.

Ihre firmeneigene Logik ist das wertvollste Gut Ihres Unternehmens. Versuchen Sie nicht länger, sie einem probabilistischen Algorithmus beizubringen. Machen Sie sie zu einem Werkzeug, übergeben Sie sie dem autonomen Agenten und lassen Sie die Intelligenz ihre Stärke ausspielen: die Orchestrierung.

Verfasst von Andrea Guaccio 

14. April 2026