KI oder Automatisierung? Was hinter den meisten «KI-Lösungen» wirklich steckt

Künstliche Intelligenz ist aktuell in aller Munde und wird heute als Antwort auf nahezu jede Herausforderung gehandelt. Dabei lohnt es sich, genauer hinzuschauen, was sich hinter dem Begriff wirklich verbirgt. Viele Anforderungen lassen sich effizienter durch klassische Automatisierung lösen. Die sogenannten „Agenten“ spielen dabei eine wichtige Brücke zwischen beiden Welten.

KI oder Automatisierung? Was hinter den meisten «KI-Lösungen» wirklich steckt

In der Praxis zeigt sich ein klares Bild: schätzungsweise 80% der Lösungen, die als KI-Lösungen angepriesen werden, basieren im Kern auf klassischer Regelautomatisierung. Also auf vordefinierten, logischen Abläufen, die strukturierte Prozesse zuverlässig und schnell verarbeiten. Nur etwa 20 % der Anwendungen nutzen echtes KI-Wissen, das heisst Systeme, die auf Basis von Fakten und Mustern selbstständig Entscheidungen treffen können.

In Dynamics 365 SCM und Finance basieren viele Geschäftsprozesse auf klar definierten Regeln und strukturierten Daten. Genau hier entfaltet Automatisierung ihren grössten Nutzen und erzielt eine hohe Effektivität und Effizienz. Typische Anwendungsfelder sind die Verbuchung von Rechnungen, das Auslösen von Bestellungen, Reporting oder das Abgleichen von Stammdaten. Solche Abläufe lassen sich zuverlässig und kosteneffizient automatisieren, ohne dass komplexe KI-Modelle erforderlich sind. 

Wichtig: Automatisierung folgt klar definierten Regeln: Wenn Bedingung A erfüllt ist, wird Aktion B ausgeführt. Diese Prozesse zeichnen sich dadurch aus, dass sie deterministisch sind, dies bedeutet, dass das Ergebnis vorhersehbar und reproduzierbar ist. Voraussetzung ist jedoch, dass die zugrundeliegenden Regeln vollständig und korrekt definiert sind.

KI-Wissen wird hingegen dort relevant, wo Daten nicht eindeutig sind oder Entscheidungen auf Basis von Mustern und Wahrscheinlichkeiten getroffen werden müssen. In Dynamics 365 SCM betrifft das etwa Bedarfsprognosen (Demand Forecasts), klassische MRP-Verarbeitung, sowie bei der Erstellung von intelligenten Einkaufsvorschlägen bis hin zu Lieferkettenprognosen im Einkauf sowie dynamischer Preisgestaltung im Verkauf oder das Matching von Bestellungen oder das Ausführen von Lagerbewegungen. 

Koexistenz zwischen Automatisierung und KI-Wissen

In der Praxis schliessen sich Automatisierung und KI-Wissen nicht gegenseitig aus, sie ergänzen sich. Viele Geschäftsprozesse profitieren davon, beide Ansätze gezielt zu kombinieren: regelbasierte Abläufe werden automatisiert, während KI dort einspringt, wo Kontext, Mustererkennung oder Urteilsvermögen gefragt sind. Die folgenden Beispiele zeigen, wie dieses Zusammenspiel konkret aussieht.

Beispiel 1

MRP (Material Resource Planning)

Klassisches Beispiel, wo sich die Welten vermischen. 

Das ist klassische Regellogik: Bedarfsmengen × Stückliste × Vorlaufzeiten = Bestellvorschlag. 

Das ist deterministisch und eindeutig Automatisierung.

Was speist jedoch den Primärbedarf? 

  • Wenn der Primärbedarf aus einem fixierten Produktionsplan oder einem Kundenauftrag kommt → pure Automatisierung, MRP rechnet durch.
  • Wenn der Primärbedarf durch eine Nachfrageprognose ermittelt wird — also auf Basis historischer Verkaufsdaten, Saisonalität, externen Marktsignalen — dann ist das Demand Forecasting, und genau dort kommt KI-Wissen ins Spiel.

Beispiel 2

E-Mail-Verarbeitung

Prozess der E-Mail-Verarbeitung:

  • KI klassifiziert die eingehende E-Mail (Beschwerde? Anfrage? Lob?)
  • Automatisierung routet sie ans richtige Team
  • KI schlägt eine Antwort vor

Automatisierung sendet die freigegebene Antwort und archiviert den Fall.

In Dynamics 365 SCM ist das die Trennlinie zwischen Master Planning (regelbasiert, MRP-Logik) und Demand Forecasting (KI/ML-Modelle, die den Input für MRP liefern). Die zwei Welten arbeiten also sequenziell zusammen: KI-Wissen erzeugt den Forecast → Automatisierung verarbeitet ihn durch MRP.

 

In Dynamics 365 Finance etwa bei der automatischen Verbuchung von Kreditorenrechnungen, Cashflow-Prognosen oder Anomalieerkennung im Controlling oder in der Betrugserkennung.

Hier liefert KI einen echten Mehrwert, indem sie Zusammenhänge erkennt, die über feste Regeln hinausgehen.

Im Gegensatz zur Automatisierung befähigt KI-Wissen Systeme, aus Daten zu lernen, Unsicherheiten zu bewerten und auf Basis von Fakten eigenständige Entscheidungen zu treffen. Dies gilt auch dann, wenn die Situation nicht vollständig vorstrukturiert ist. 

Eine zunehmend wichtige Rolle spielen sogenannte Agenten: softwarebasierte Einheiten, die Aufgaben eigenständig ausführen, Entscheidungen vorbereiten und mit anderen Systemen interagieren. 

In ERP-Kontexten, wie Dynamics 365 können Agenten beispielsweise via den MCP-Server eingehende Anfragen analysieren, passende Prozesse anstossen und bei Unsicherheiten KI-Modelle zur Entscheidungsfindung hinzuziehen. Damit kombinieren sie Automatisierung (für strukturierte Abläufe) mit KI-Wissen (für komplexe Bewertungen). Der entscheidende Vorteil liegt in der Orchestrierung: Agenten steuern, wann ein Prozess regelbasiert, abgearbeitet wird und wann KI-Unterstützung notwendig ist. 

Unternehmen sollten daher nicht nur zwischen Automatisierung und KI-Wissen unterscheiden, sondern auch prüfen, wo Agenten als verbindende Schicht sinnvoll eingesetzt werden können.

Ein häufiger Fehler in der Praxis ist es, Automatisierungsprobleme mit teuren KI-Lösungen anzugehen – oder umgekehrt, komplexe Entscheidungsprozesse mit starren Regelwerken abbilden zu wollen. Beide Ansätze erfordern unterschiedliche Technologien, Kompetenzen und Investitionen. Die richtige Diagnose zu Beginn eines Projekts spart erhebliche Kosten und Aufwand.

Das Risiko der Halluzination

Ein Begriff, der im KI-Kontext zunehmend Aufmerksamkeit erhält, ist die sogenannte Halluzination: KI-Systeme, insbesondere generative Modelle wie Copilot in Dynamics 365, können Informationen erzeugen, die plausibel klingen, aber faktisch falsch sind. Das System «erfindet» Zusammenhänge, weil es Muster aus Trainingsdaten kombiniert, ohne den wahren Sachverhalt zu kennen.

Wichtig ist dabei die Unterscheidung: Bei reiner Automatisierung gibt es keine Halluzination. Das System rechnet deterministisch. Ein Fehler ist immer auf eine falsch definierte Regel zurückzuführen. Dies bedeutet, das System verhält sich exakt so, wie es programmiert wurde. Bei KI-Wissen hingegen ist das Risiko real, tritt aber je nach Anwendungstyp unterschiedlich auf. Prädiktive Modelle (z.B. Demand Forecasting) liefern bei schlechten Trainingsdaten fehlerhafte Prognosen – das ist ein Modellfehler, aber keine klassische Halluzination. Generative KI-Komponenten hingegen können tatsächlich faktenwidrige Aussagen erzeugen, wenn sie ausserhalb ihres validierten Wissensbereichs operieren.

Der wirksamste Schutz gegen Halluzination ist kein technisches Feature, sondern eine organisatorische Haltung: Menschliche Validierung bleibt unerlässlich. KI-Wissen liefert Empfehlungen und Prognosen – die Verantwortung für den finalen Entscheid liegt beim Menschen. Ergänzend dazu reduzieren eine hochwertige, repräsentative Datenbasis sowie klar definierte Systemgrenzen das Risiko erheblich.

Fazit

Effiziente ERP-Lösungen entstehen nicht durch den alleinigen Einsatz von KI-Wissen, sondern durch das Zusammenspiel von Automatisierung, gezieltem KI-Einsatz und intelligenten Agenten. Wer diese drei Bausteine strategisch kombiniert, schafft skalierbare, effiziente und zugleich adaptive Geschäftsprozesse.

Für Unternehmen empfiehlt es sich deshalb, bei jedem geplanten Vorhaben zunächst eine klare Frage zu stellen: Handelt es sich um einen logischen, regelbaren Prozess oder geht es darum, auf Basis von Fakten eine Entscheidung zu treffen, die nicht vollständig vorhersehbar ist? Diese Unterscheidung ist der entscheidende erste Schritt zu einer erfolgreichen und kosteneffizienten Umsetzung.

Haben Sie weitere Fragen? 
Buchen Sie einen kostenlosen Beratungstermin.

Vergleiche

Der Schlüssel liegt in der einfachen Frage: Gibt es eine eindeutige Regel, die immer gilt? Wenn ja, reicht Automatisierung. Wenn nicht, braucht man KI-Wissen.

Auf einen Blick

Automatisierung vs. KI-Wissen (inkl. Agenten-Perspektive)

Rechnungsverarbeitung

Kundenkommunikation

HR & Recruiting

Entscheidungshilfe für die Praxis: Vor jeder Lösung: diese Fragen stellen.

In der Praxis: oft eine Kombination