Was hat KI im ERP verbilligt — und was aufgewertet?

Behauptungen wie "KI senkt die ERP-Kosten um X Prozent" sagen für sich genommen wenig; die Prozentwerte variieren von Firma zu Firma und Projekt zu Projekt. Entscheidend ist nicht der Prozentsatz, sondern der Mechanismus: Welche Arbeiten macht KI in einem ERP-Projekt billiger — und welche macht sie wertvoller? Dieser Beitrag geht dieser Frage Phase für Phase nach.

Die verborgene Aufwandskarte des klassischen ERP-Projekts

Im traditionellen ERP-Projekt sind die großen Aufwandsposten bekannt: Tests, Datenmigration und -mapping, Dokumentation, Schulung, Anpassungscode. Ihr gemeinsamer Nenner: Es ist mechanische Arbeit, die nach den Entscheidungen anfällt. Discovery und Analyse bekommen ein kleines Stück — und diese Kleinheit ist eine ökonomische, keine technische Entscheidung: Im Manntage-Modell ist die Discovery die am schwersten abrechenbare Phase. Der Kunde denkt "es wurde ja noch nichts gebaut"; der Anbieter will zur abrechenbaren Umsetzung übergehen.

Das Ergebnis ist das bekannte Bild: Die kritischsten Entscheidungen — Scope, Prozessdesign, Grenze der Anpassungen — fallen in den Wochen, in denen am wenigsten bekannt ist. Die Wertkurve folgt: Während der langen Bauphase liegt der erzeugte Wert nahe null, alles ballt sich im steilen Anstieg beim Go-live. Der Branchenname dieser Kurve: "Hockeyschläger".

Was KI wirklich tut: Sie zeichnet die Aufwandskarte neu

Laut BCGs Analyse zu generativer KI in ERP-Transformationen ballen sich die größten Einsparschätzungen in derselben Region: Tests (geschätzte Zeitersparnis 60–70 %), Schulungs- und Dokumentationserstellung, Datenbereinigung und -mapping sowie Standardkonfiguration. McKinseys ERP-Forschung wagt eine noch kühnere Prognose: KI-Agenten könnten den ERP-Implementierungsaufwand mindestens halbieren. Beide Zahlen sind Prognosen, keine gemessenen Branchendurchschnitte — doch der Mechanismus dahinter ist solide: Wiederholbare, regelbasierte Massenarbeit ist die automatisierungsfreundlichste Arbeit; und die späten Phasen eines ERP-Projekts bestehen großteils genau daraus.

Phase für Phase sieht das Bild so aus:

Im Röntgenbild gesprochen: Das Gerät wurde billig — die Aufnahme ist schnell und günstig. Aber sobald jeder Aufnahmen machen kann, wird das richtige Lesen des Bildes zur eigentlichen Unterscheidungskompetenz.

Der "Hockeyschläger" wird flacher: Resource Shifting

BCGs Name für diese Dynamik fasst den Mechanismus zusammen: Resource Shifting (Ressourcenverlagerung). In den späten Phasen gesparter Aufwand verschwindet nicht; er wandert in die frühen. Die Discovery hört auf, die "schwer abrechenbare Formalität" zu sein, und kann als renditestärkste Investition des Projekts neu bepreist werden — denn jede in die Discovery investierte Stunde bestimmt jetzt die Qualität aller verbilligten mechanischen Phasen. Und der Wert explodiert nicht mehr beim Go-live; er akkumuliert ab den ersten Wochen. Der Hockeyschläger wird flacher.

Es gibt auch ein gemessenes Beispiel: In der SAP-S/4HANA-Migration von Deloitte und UiPath gingen über 200 Automatisierungen in Kernprozessen live, mehr als die Hälfte der Testfälle lief automatisch, und ein "Clean Core" von 93 % wurde erreicht. Ein Einzelfall, herstellerseitig — zu wenig für eine Verallgemeinerung; aber ein Zeichen der Richtung.

Die Betriebsbedingung des Mechanismus: erst messen, dann automatisieren

Der Mechanismus hat eine versteckte Vorbedingung: Automatisierung erbt die Qualität des Bodens, auf dem sie steht. Die drei Grundursachen aus dem zweiten Beitrag dieser Serie kehren genau hier zurück: Testautomatisierung auf schmutzigen Daten testet das Falsche schneller; Standardkonfiguration auf ungemessenen Prozessen baut das Chaos schneller auf; unkontrollierte Automatisierung skaliert den Fehler. Die Ersparnis der verbilligten Phasen realisiert sich nur, wenn Discovery und Diagnose richtig gemacht wurden. Im neuen Modell fließt das Geld in die Phase, die früher als "gratis" galt — die Diagnose.

Die 5 Regeln der neuen Ökonomie

1. Mechanische Arbeit wird billiger: Tests, Dokumentation, Schulungsinhalte, Datenmapping — zahlen Sie für diese Posten keine vollen Manntage-Sätze mehr.
2. Diagnose gewinnt an Wert: Discovery ist keine Formalität mehr, sondern die renditestärkste Investition des Projekts.
3. Reihenfolge ist alles: erst messen, dann automatisieren; umgekehrt beschleunigt man das Chaos.
4. Frühe Entscheidung = günstige Entscheidung: Scope- und Designentscheidungen gehören in den Moment des größten Wissens.
5. Menschliche Freigabe ist nicht verhandelbar: schnellere Analyse entscheidet nicht; der Arzt, der das Bild liest, muss im Modell bleiben.

Fazit: Die richtige Frage hat sich geändert

Die Frage aus dem ersten Beitrag dieser Serie — "verkauft Ihr Berater Stunden oder Ergebnisse?" — ist mit diesem Mechanismus konkret geworden. Die neue Frage am Angebotstisch lautet: "Wie viel meines Geldes fließt in mechanische Arbeit, wie viel in Diagnose?" Wenn der Satz für mechanische Arbeit fällt, während der Wert der Diagnose steigt, sollte sich das Gewicht des Budgets in dieselbe Richtung verschieben. Der letzte Beitrag der Serie zeigt, wie dieser Ansatz in der Praxis aussieht: wie eine Diagnose-zuerst-ERP-Reise Schritt für Schritt verläuft.

Dies ist der dritte Beitrag einer 4-teiligen Serie.
1. Geht die Ära der Manntage-Beratung zu Ende?
2. KI-Versprechen im Röntgenblick
3. Was KI im ERP verbilligt hat — und was aufgewertet (dieser Beitrag)
4. Diagnose-erstes ERP: Wie sieht der neue Weg in der Praxis aus?

Im letzten Beitrag der Serie wurde ein kostenloses Werkzeug geteilt, mit dem Sie Ihr eigenes ERP-Risiko in 10 Fragen sehen können: Diagnose-erstes ERP: Wie sieht der neue Weg in der Praxis aus? Um neue Analysen nicht zu verpassen, abonnieren Sie den MindDX-Digital-Excellence-Newsletter.