ERP-Daten mit KI auswerten: 5 Wege, Ihr ERP in Alltagssprache zu befragen

„Welche Kunden haben in diesem Quartal deutlich weniger bestellt als im Vorjahr?“ Die Antwort steckt in Ihrem ERP. Um sie zu bekommen, braucht es heute meist einen Export, eine Pivot-Tabelle und eine Stunde Zeit, oder eine Anfrage an die eine Person im Haus, die weiß, wo die Daten liegen.

Künstliche Intelligenz verspricht, dass Sie solche Fragen einfach stellen können, in ganzen Sätzen, und in Sekunden eine Antwort bekommen. Das Interesse ist groß: Laut der Studie „ERP in der Praxis 2026/2027“ von Trovarit halten inzwischen 57 % der ERP-Anwender KI im ERP für hoch relevant, 2022 waren es noch 16 %. Breit im Einsatz ist sie aber erst bei 1,8 %.

Der Grund für diese Lücke: Es gibt nicht die eine Lösung, sondern fünf grundverschiedene Wege, die sich in Aufwand, Kosten, Zuverlässigkeit und Datenschutz stark unterscheiden. Dieser Leitfaden vergleicht alle fünf, zeigt, was Ihr ERP-System heute schon kann, und erklärt, wie Sie verhindern, dass die KI Ihnen falsche Zahlen liefert.

Warum ERP-Daten auswerten so mühsam ist

Ein ERP-System ist hervorragend darin, Geschäftsvorfälle zu erfassen: Aufträge, Rechnungen, Lagerbewegungen. Für spontane Fragen ist es dagegen kaum gebaut. Wer etwas wissen will, das nicht in einem Standardbericht steht, landet fast immer in Excel.

Drei Zahlen zeigen das Ausmaß:

• Nur 11 % der kleinen Unternehmen in der EU nutzen überhaupt ein BI-Werkzeug für Auswertungen, bei großen Unternehmen sind es 69 % (Eurostat, 2025). Im Mittelstand ist der Export nach Excel deshalb der Normalfall.
• 52 % der ERP-Anwender nennen schnellen, einfachen Informationszugriff als wichtigsten Nutzen von KI im ERP (Trovarit 2026/2027).
• 25 % der Unternehmen, die KI nutzen, setzen sie im Controlling und Rechnungswesen ein, nach 17 % im Vorjahr (Bitkom, September 2026). Gleichzeitig nennen 26 % schlechte Ergebnisqualität und 25 % mangelnde Nachvollziehbarkeit als Hürde.

Der letzte Punkt ist entscheidend. Eine KI, die schnell antwortet, ist wertlos, wenn niemand sicher sein kann, dass die Zahl stimmt. Deshalb vergleichen wir die fünf Wege nicht nur nach Bequemlichkeit, sondern vor allem nach Zuverlässigkeit.

Die 5 Wege im Überblick

Nicht sicher, welcher Weg zu Ihnen passt? Die Auswahlhilfe gibt Ihnen in zwei Minuten eine begründete Empfehlung.

Weg 1: Die eingebaute KI Ihres ERP

Fast alle großen ERP-Hersteller haben 2025 und 2026 KI-Assistenten eingeführt. Der Vorteil liegt auf der Hand: keine zusätzliche Plattform, keine Schnittstelle, und die KI sieht nur, was der jeweilige Benutzer auch ohne KI sehen darf.

Was Sie wissen sollten:

• Die Funktionen sind oft noch in der Vorschau. Bei Microsoft Dynamics 365 Business Central etwa sind sowohl der Chat als auch der Analyse-Assistent als „produktionsreife Vorschau“ gekennzeichnet.
• Der Funktionsumfang ist begrenzt. Der Analyse-Assistent in Business Central wandelt Fragen wie „Zeige Lieferanten nach Ort, sortiert nach Anzahl der Einkäufe“ in eine Auswertung der aktuellen Liste um. Laut Microsoft kann er aber keine Daten aus mehreren Tabellen verknüpfen und liefert ausdrücklich keine eigenen Schlussfolgerungen.
• Oft nur in der Cloud-Version. Die KI-Funktionen von Business Central gibt es nur online, Joule ist für die Cloud-Editionen von SAP S/4HANA gedacht. Wer sein ERP im eigenen Rechenzentrum betreibt, bleibt häufig außen vor. Wie Sie KI trotzdem nachrüsten, zeigt unser Leitfaden KI im ERP nachrüsten mit n8n.

Für viele Unternehmen ist die eingebaute KI trotzdem der richtige erste Schritt: Sie kostet oft wenig oder nichts zusätzlich und gewöhnt Mitarbeitende daran, Fragen an Daten zu stellen.

Weg 2: BI-Werkzeug mit KI

BI-Werkzeuge wie Power BI, Qlik oder Tableau haben KI-Assistenten bekommen, die Fragen in Alltagssprache beantworten und Diagramme erstellen. Der entscheidende Unterschied zu Weg 1: Die KI arbeitet nicht direkt auf den ERP-Tabellen, sondern auf einem semantischen Modell. Darin ist festgelegt, was „Umsatz“, „Deckungsbeitrag“ oder „offene Posten“ in Ihrem Unternehmen genau bedeuten.

Power BI Copilot ist für Microsoft-Umgebungen die naheliegende Wahl. Die Voraussetzungen werden oft unterschätzt:

• Copilot braucht eine bezahlte Fabric-Kapazität ab F2 oder Power BI Premium. Eine Pro-Lizenz allein reicht laut Microsoft nicht aus. Die kleinste Fabric-Kapazität kostet laut Microsoft-Listenpreis rund 260 US-Dollar im Monat, je nach Region und Abrechnungsmodell mehr oder weniger.
• Microsoft betont selbst: Ohne vorbereitete Daten kann Copilot die Daten falsch interpretieren und allgemeine oder ungenaue Ergebnisse liefern.

Alternativen: Qlik Answers kombiniert Auswertungen aus Qlik-Apps mit Dokumenten. Tableau Next mit dem Agenten „Concierge“ beginnt laut Preisseite bei 40 US-Dollar pro Nutzer und Monat.

Fazit zu Weg 2: Der zuverlässigste Weg für wiederkehrende Kennzahlen und Management-Berichte. Er setzt aber voraus, dass jemand das Datenmodell aufbaut und pflegt. Wer noch kein BI-Werkzeug nutzt, startet hier mit einem Projekt, nicht mit einem Schalter.

Weg 3: KI-Abfragen auf freigegebene Datenansichten

Bei diesem Weg übersetzt ein Sprachmodell Ihre Frage in eine Datenbankabfrage (SQL), führt sie aus und formuliert das Ergebnis als Antwort. Fachleute sprechen von Text-to-SQL. Der Weg funktioniert mit praktisch jedem ERP, auch mit älteren Versionen im eigenen Rechenzentrum, weil er nur Lesezugriff auf die Datenbank braucht.

Wie gut ist das heute? Auf dem wichtigsten Vergleichstest, dem BIRD-Benchmark mit über 12.000 Fragen zu 95 Datenbanken, beantworten die besten Systeme im Oktober 2026 83,4 % der Fragen richtig. Menschliche Fachleute schaffen 93 %. Bei realistischeren, mehrstufigen Aufgaben liegen selbst Spitzenmodelle deutlich niedriger: In der interaktiven Variante des Tests löst GPT-5 nur 8,7 bis 17 % der Aufgaben.

Für ein ERP mit Hunderten Tabellen und kryptischen Feldnamen heißt das: Text-to-SQL ohne Vorbereitung ist riskant. Mit Vorbereitung ist es einer der leistungsfähigsten Wege. Die drei wichtigsten Bausteine:

1. Freigegebene, nur lesbare Ansichten statt Rohtabellen. Legen Sie für jeden Bereich, etwa Verkauf, Einkauf und Lager, eine Datenbankansicht an, die nur die nötigen Felder mit verständlichen Namen enthält. Personaldaten bleiben draußen.
2. Ein eigener Datenbankbenutzer nur mit Leserechten auf diese Ansichten. Damit kann die KI technisch nichts verändern.
3. Ein Kennzahlen-Glossar, das die KI bei jeder Frage mitbekommt. Dazu gleich mehr.

Dieser Weg eignet sich für Unternehmen mit eigener IT oder einem Dienstleister und für hohe Anforderungen an Datenschutz: Das Sprachmodell kann bei Bedarf auch im eigenen Rechenzentrum laufen, wie wir in unserem Vergleich lokale KI vs. Cloud-KI zeigen.

Weg 4: KI-Assistent per Schnittstelle (MCP)

Das Model Context Protocol (MCP) hat sich 2025 und 2026 zum Standard entwickelt, mit dem KI-Assistenten auf Unternehmenssysteme zugreifen. Anthropic, OpenAI und Block haben es im Dezember 2025 an die Linux Foundation übergeben. Ein MCP-Server stellt die Funktionen eines Systems so bereit, dass ein Assistent wie Claude, ChatGPT oder Microsoft Copilot sie nutzen kann.

Für ERP-Daten ist das besonders interessant, weil einige Hersteller inzwischen offizielle MCP-Server anbieten:

• Microsoft Dynamics 365 Business Central: Der offizielle MCP-Server erlaubt in der Standardeinstellung nur lesenden Zugriff und arbeitet mit der Identität und den Rechten des angemeldeten Benutzers. Alle Zugriffe sind damit nachvollziehbar. Administratoren können zusätzlich schreibende Funktionen und Datenbankabfragen freischalten.
• Xentral: offizieller MCP-Server in der offenen Beta, während der Beta kostenlos. Lesezugriff unter anderem auf Kunden, Artikel, Aufträge, Bestände, Kennzahlen und offene Posten. Rechte werden je Funktion freigegeben.
• Odoo 20: Laut den Release Notes vom September 2026 lässt sich die Datenbank per MCP anbinden.

Für SAP gibt es ein MCP-Gateway in der SAP Integration Suite. Für SAP Business One existiert laut Partnerinformationen bisher nur ein Beispiel-Server. Für DATEV, abas, weclapp und proALPHA haben wir keinen offiziellen MCP-Server gefunden. Hier sind Eigenentwicklungen oder Lösungen von Partnern nötig.

Verwenden Sie für diesen Weg einen KI-Assistenten mit Business-Tarif, Auftragsverarbeitungsvertrag und ohne Training auf Ihren Daten. Welche Anbieter dafür infrage kommen, vergleichen wir in unserem Artikel ChatGPT-Alternative für Unternehmen.

Weg 5: Export und KI-Auswertung

Der einfachste Weg: Sie exportieren eine Liste aus dem ERP als Excel- oder CSV-Datei und laden sie in einen KI-Assistenten. Für einzelne Analysen funktioniert das erstaunlich gut, wenn Sie drei Regeln beachten:

1. Nur mit Business-Tarif. Private Konten von ChatGPT oder Claude haben keinen Auftragsverarbeitungsvertrag. Kunden- oder Personaldaten gehören dort nicht hinein.
2. Personenbezogene Daten vorher entfernen. Ersetzen Sie Kundennamen durch Kundennummern, entfernen Sie Ansprechpartner und Mitarbeitende.
3. Rechnen lassen, nicht schätzen. Achten Sie darauf, dass der Assistent die Daten mit seiner Analysefunktion per Code auswertet, statt Zahlen aus dem Text abzulesen. Gleichen Sie Summen stichprobenartig mit dem ERP ab.

Die Grenzen: Die Daten sind veraltet, sobald der Export fertig ist, und jede neue Frage erfordert einen neuen Export. Wie sich wiederkehrende Excel-Auswertungen automatisieren lassen, zeigt unser Leitfaden Excel automatisch berechnen.

Welches ERP kann was? Die Übersicht

Das Ergebnis passt zu einer Zahl aus dem DSAG-Investitionsreport 2026: Bei den produktiv eingesetzten KI-Anwendungen von SAP-Kunden kommen 77 % nicht von SAP. Viele Unternehmen warten nicht auf die Funktionen ihres ERP-Herstellers, sondern kombinieren das ERP mit herstellerunabhängigen Lösungen.

Warum Dokumenten-KI bei ERP-Zahlen versagt

Viele Unternehmen haben bereits eine KI, die Fragen zu internen Dokumenten beantwortet. Naheliegend ist der Gedanke, ERP-Exporte einfach dort mit hochzuladen. Das funktioniert bei Zahlen nicht, und der Grund ist technisch.

Dokumenten-KI arbeitet mit Retrieval Augmented Generation (RAG): Sie sucht die Textstellen heraus, die einer Frage am ähnlichsten sind, und gibt sie dem Sprachmodell zum Formulieren der Antwort. Wie das im Detail funktioniert, erklären wir in unserem Leitfaden zu Agentic RAG.

Für die Frage „Wie hoch war der Umsatz mit Kunden aus Bayern im dritten Quartal?“ bräuchte es aber keine ähnlichen Textstellen, sondern eine vollständige Rechnung über alle passenden Datensätze. Die Suche liefert nur einige Treffer, das Sprachmodell „summiert“ dann, was es im Text sieht. Das Ergebnis klingt plausibel und ist trotzdem falsch. Eine Studie vom November 2025 zu sogenannten aggregierenden Fragen kommt genau zu diesem Schluss: Herkömmliche RAG-Verfahren scheitern daran, während Ansätze, die Fragen in formale Abfragen übersetzen, deutlich besser abschneiden.

Die Faustregel:

So verhindern Sie falsche Zahlen

Das größte Risiko bei KI-Auswertungen ist nicht, dass die KI gar nicht antwortet, sondern dass sie überzeugend falsch antwortet. Eine fehlerhafte Datenbankabfrage meldet keinen Fehler, sie liefert einfach eine andere Zahl. Fünf Maßnahmen machen den Unterschied.

1. Ein Kennzahlen-Glossar für Ihre KI

Was ist „Umsatz“? Mit oder ohne Gutschriften? Nach Rechnungsdatum oder Lieferdatum? Netto oder brutto? Was für Ihr Controlling selbstverständlich ist, weiß die KI nicht.

Eine Studie vom April 2026 hat untersucht, wie viel ein kurzes Dokument mit solchen Definitionen bringt: Ein rund 4 KB großes Glossar mit Kennzahl-Definitionen und Begriffsregeln steigerte die Genauigkeit bei drei führenden Sprachmodellen um 17 bis 23 Prozentpunkte. Die Wahl des Modells machte dagegen kaum einen Unterschied.

Das ist die wichtigste Erkenntnis dieses Artikels: Ein gutes Glossar bringt mehr als ein besseres Modell. Halten Sie für jede wichtige Kennzahl fest:

• Name und Synonyme (etwa „Umsatz“, „Erlös“, „Verkaufsvolumen“)
• genaue Berechnung mit Tabellen und Feldern
• was ausgeschlossen ist (etwa Gutschriften, interne Verrechnungen, stornierte Belege)
• welches Datum zählt
• ein Beispiel mit korrektem Ergebnis

2. Ein semantisches Modell statt Rohtabellen

Ein semantisches Modell legt Kennzahlen zentral fest, sodass jede Auswertung dieselbe Definition verwendet. Das ist das Prinzip hinter Weg 2. Der Anbieter dbt hat in einem eigenen Test gemessen, dass Abfragen über ein solches Modell 98 bis 100 % der Testfragen richtig beantworteten, direkte Datenbankabfragen 84 bis 90 %. Der Test umfasste nur 11 Fragen und stammt vom Hersteller selbst, die Richtung deckt sich aber mit der Studie zum Glossar.

3. Die KI zeigt, wie sie gerechnet hat

Lassen Sie sich bei jeder Antwort die zugrunde liegende Abfrage oder die verwendeten Filter anzeigen. Fachleute erkennen auf einen Blick, ob „Umsatz 2026“ wirklich das Geschäftsjahr meint oder versehentlich das Kalenderjahr.

4. Plausibilität prüfen

Gleichen Sie in der Einführungsphase jede Antwort mit einer bekannten Zahl ab, etwa mit der Summe aus dem Monatsbericht. Legen Sie eine Liste mit 20 Testfragen und richtigen Antworten an und wiederholen Sie den Test nach jedem Update.

5. Datenqualität ernst nehmen

Laut dem BARC Data, BI and Analytics Trend Monitor 2026 ist Datenqualitätsmanagement das wichtigste Thema für Datenverantwortliche, noch vor KI. Doppelte Kundenstammsätze, uneinheitliche Artikelgruppen oder fehlende Zuordnungen führen auch mit der besten KI zu falschen Ergebnissen.

Sicherheit, Datenschutz und Betriebsrat

Nur lesender Zugriff: Für Auswertungen braucht keine KI Schreibrechte. Ob eingebaute Funktion, MCP-Server oder Datenbankansicht: Starten Sie immer mit reinem Lesezugriff.

Berechtigungen übernehmen: Die KI darf nicht mehr sehen als der Mensch, der fragt. Bei der eingebauten KI und beim offiziellen MCP-Server von Business Central ist das gewährleistet, weil sie mit den Rechten des angemeldeten Benutzers arbeiten. Bei Power BI regeln Sie das über zeilenbasierte Berechtigungen im Datenmodell, bei eigenen Datenbankansichten über separate Ansichten je Rolle.

Personaldaten ausklammern: Gehälter, Krankheitstage und Leistungsdaten gehören nicht in eine allgemein zugängliche KI-Auswertung. Trennen Sie diese Bereiche konsequent.

Datenschutz: Für jeden externen KI-Dienst brauchen Sie einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Prüfen Sie, in welcher Region die Daten verarbeitet werden. Die Orientierungshilfe „Künstliche Intelligenz und Datenschutz“ der Datenschutzkonferenz vom Mai 2024 bietet eine gute Checkliste.

Betriebsrat: Lässt sich mit der KI-Auswertung auch Verhalten oder Leistung von Mitarbeitenden auswerten, etwa Umsatz pro Außendienstmitarbeiter, greift das Mitbestimmungsrecht nach § 87 Abs. 1 Nr. 6 BetrVG. Es genügt, dass das System dazu objektiv geeignet ist.

30 Beispielfragen an Ihr ERP

Diese Fragen zeigen, was mit KI-Auswertungen möglich ist. Nutzen Sie sie für den Test eines Anbieters oder als Startpunkt für Ihr Kennzahlen-Glossar.

Geschäftsführung

1. Wie hat sich der Umsatz in diesem Quartal im Vergleich zum Vorjahresquartal entwickelt, aufgeteilt nach Produktgruppe?
2. Welche zehn Kunden haben den größten Anteil am Umsatz, und wie hat sich ihr Anteil verändert?
3. Wie hoch ist der Auftragsbestand für die nächsten drei Monate?
4. Welche Produktgruppen haben den niedrigsten Deckungsbeitrag?
5. Wie viele Neukunden haben wir in diesem Jahr gewonnen, und wie viel Umsatz bringen sie?

Controlling und Finanzen

6. Welche offenen Posten sind älter als 60 Tage, sortiert nach Betrag?
7. Wie hoch ist die durchschnittliche Zahlungsdauer je Kundengruppe?
8. Welche Kostenstellen überschreiten ihr Budget in diesem Monat?
9. Wie haben sich die Materialkosten je Produktgruppe in den letzten zwölf Monaten entwickelt?
10. Welche Gutschriften wurden in diesem Quartal erstellt, und aus welchen Gründen?
11. Wie hoch ist der Anteil der Skontozahlungen an allen Zahlungseingängen?

Vertrieb

12. Welche Kunden haben in diesem Quartal mehr als 30 % weniger bestellt als im Vorjahresquartal?
13. Welche Angebote der letzten 60 Tage wurden noch nicht beantwortet?
14. Welche Artikel werden häufig zusammen bestellt?
15. Wie hoch ist die Angebotsquote je Vertriebsgebiet?
16. Welche Kunden haben seit mehr als sechs Monaten nichts bestellt?
17. Wie verteilt sich der Umsatz auf Neu- und Bestandskunden?

Einkauf

18. Welche Lieferanten haben in diesem Jahr am häufigsten zu spät geliefert?
19. Wie haben sich die Einkaufspreise unserer 20 wichtigsten Artikel entwickelt?
20. Bei welchen Artikeln haben wir nur einen Lieferanten?
21. Welche offenen Bestellungen sind überfällig?
22. Wie hoch ist das Einkaufsvolumen je Lieferant im Vergleich zum Vorjahr?

Lager und Logistik

23. Welche Artikel liegen unter ihrem Meldebestand?
24. Welche Artikel hatten in den letzten zwölf Monaten keine Bewegung?
25. Wie hoch ist die Lagerreichweite der 50 umsatzstärksten Artikel?
26. Welche Aufträge konnten wegen fehlender Ware nicht vollständig geliefert werden?
27. Wie hat sich der Lagerwert je Lagerort entwickelt?

Produktion und Service

28. Welche Fertigungsaufträge sind im Verzug, und warum?
29. Bei welchen Produkten gab es die meisten Reklamationen?
30. Wie hoch ist die Liefertreue je Produktgruppe in diesem Quartal?

In vier Schritten zur ersten KI-Auswertung

1. Fragen sammeln: Lassen Sie Geschäftsführung, Controlling, Vertrieb und Einkauf jeweils fünf Fragen aufschreiben, die sie regelmäßig beschäftigen. Das zeigt, welche Daten wirklich gebraucht werden.
2. Kennzahlen-Glossar anlegen: Definieren Sie die zehn wichtigsten Begriffe aus diesen Fragen eindeutig, mit Berechnung, Ausnahmen und einem Beispielergebnis.
3. Weg wählen und Pilot starten: Nutzen Sie die Auswahlhilfe oben, starten Sie mit einer kleinen Gruppe und einem Bereich, etwa Vertrieb, und testen Sie mit den gesammelten Fragen.
4. Prüfen, dann ausweiten: Vergleichen Sie die Antworten mit bekannten Zahlen. Erst wenn die Testfragen zuverlässig richtig beantwortet werden, geben Sie weitere Bereiche und Nutzer frei.

Checkliste: Ist Ihr ERP bereit für KI-Auswertungen?

Häufig gestellte Fragen

Fazit: Erst die Begriffe, dann die KI

ERP-Daten in Alltagssprache befragen ist 2026 keine Zukunftsmusik mehr. Fast jeder ERP-Hersteller bietet erste KI-Funktionen, offizielle Schnittstellen für KI-Assistenten werden zum Standard, und selbst ein einfacher Export lässt sich in Minuten auswerten.

Der Engpass ist nicht die Technik, sondern die Eindeutigkeit. Eine KI kann nur so verlässlich antworten, wie Ihre Begriffe definiert sind. Wer zuerst ein Kennzahlen-Glossar anlegt, mit Lesezugriff startet und jede Antwort in der Einführung prüft, bekommt ein Werkzeug, dem Geschäftsführung und Controlling vertrauen. Wer direkt mit der KI beginnt, bekommt schnelle Antworten, aber keine verlässlichen.