Enterprise Resource Planning gilt schon immer als Synonym für die Digitalisierung von Geschäftsprozessen, die dadurch effizienter und transparenter werden. Das integrierte und durchgängige Datenkonzept liefert einen besseren Überblick über alle relevanten Geschäftskennzahlen und bietet die Grundlage für fundierte, strategische Entscheidungen. Moderne Systeme wie ams.erp haben dabei ihre anfangs tendenziell monolithischen Strukturen längst abgelegt und entwickelten sich dank ihrer Integrationsfähigkeit immer mehr zu zentralen digitalen Drehscheiben, die verschiedenste Drittsysteme, Maschinen und Endgeräte anbinden und miteinander vernetzen. Dadurch werden sie automatisch „intelligenter“. Was läge also näher, als diese Künstliche Intelligenz (KI) zu nutzen, um auf Basis vorhandener Muster automatisch exaktere Prognosen zu erstellen oder konkrete Handlungsempfehlungen zu unterbreiten?
Ein Bereich, in dem dieser Ansatz bereits erfolgreich umgesetzt wurde, umfasst die vorausschauende Wartung (Predictive Maintenance). Sensorisch erfasste Maschinendaten werden über eine API an ams.erp übergeben und dort verarbeitet. Die stetige Analyse dieser Massendaten versetzt Unternehmen in die Lage, im Bedarfsfall automatisiert und in Echtzeit vordefinierte Prozesse und Workflows auszulösen – beispielsweise Instandhaltungsmitteilungen und -maßnahmen.
Vorhandene Muster zu erkennen, wird einfacher, je umfangreicher die Datenbasis ist. Maschinendaten bieten einen extrem reichen Fundus. Und auch in der Serienfertigung bietet die Masse der digital verfügbaren Informationen eine deutlich breitere Grundlage als in der Einzelfertigung. Während sich beispielsweise im Konsumgütersegment das saisonale Kaufverhalten auf Basis der ERP-Vergangenheitsdaten ziemlich exakt vorhersagen lässt, ist dies im Sondermaschinenbau ein wenig anders gelagert – jedoch nicht unmöglich.
Aus diesem Grund befasst sich ams.Solution auch außerhalb von Predictive Maintenance ausgiebig mit KI. Schließlich beinhaltet ams.erp in seiner Funktion als zentrales Steuerungs-Cockpit den eingangs beschriebenen reichen Datenschatz. Dabei läuft die Entwicklungsarbeit von ams in zwei Richtungen: Zum einen geht es um die Verbesserung der User Experience, etwa mithilfe der automatisierten Erstellung intelligenter Arbeitsbereiche oder über das automatische Einblenden notwendiger Eingabefelder auf Basis des bisherigen Nutzungsverhaltens. Zum anderen geht es im vertrieblich-kaufmännischen Umfeld u.a. um das Erkennen von Auftragswahrscheinlichkeiten fußend auf dem bisherigen Anfrage- und Kaufverhalten eines bestimmten Kunden oder Interessenten. Es geht zudem um die mögliche Vorhersage von kunden- oder länderspezifischen Kalkulationszuschlägen oder um Beschaffungsvorschläge unter Berücksichtigung wachsender Stücklisten.
Die Beispiele zeigen, dass Künstliche Intelligenz auch im Umfeld der Losgröße 1+ auf verschiedenen Ebenen das Potential für Prozessoptimierungen besitzt. ams.Solution befasst sich weiterhin intensiv mit diesem Zukunftsthema und forciert entsprechende Forschungs- und Entwicklungsarbeit – immer mit Blick auf den tatsächlichen Bedarf der Kunden und Anwender, mit denen ein ständiger Austausch stattfindet.
Jede ERP-Implementierung bietet die Chance, eingefahrene Geschäftsprozesse und -strukturen auf den Prüfstand zu stellen und aufzubrechen. Somit führt ein Großprojekt wie die unternehmensweite Software-Einführung meist zwangsläufig zu einschneidenden Veränderungen in der Ablauforganisation. Darauf müssen sich die Anwenderunternehmen einstellen …
