KI-ERP ist nicht gleich KI-ERP: Wie Sie in der Entscheidungsphase eine tragfähige Wahl treffen
Eine praxisnahe Einordnung für CFOs und Finanzverantwortliche, die KI-native Finance-Tools und KI-gestützte Cloud-ERP-Plattformen bewerten.
Das Gespräch, das wir immer wieder führen
Es ist ein vertrauter Moment im Erstgespräch. Der CFO eines schnell wachsenden Unternehmens hat seine Hausaufgaben bereits gemacht. Er hat ein Tool in die engere Wahl genommen, das von Anfang an als KI-nativ gebaut wurde, und kommt mit einer festen Annahme ins Gespräch: Das ist die moderne Wahl, und alles, was vor der KI-Welle entstanden ist, hinkt per Definition hinterher.
Vor einem Jahr war diese Annahme noch nachvollziehbar. Heute ist sie es nicht mehr. In den letzten Monaten hat praktisch jede etablierte ERP-Plattform echte KI-Funktionen ergänzt – manche substanziell, manche eher oberflächlich. Die Frage „Hat dieses System KI?“ trennt heute nichts mehr. Fast jeder Anbieter im Raum kann sie mit Ja beantworten.
Inhalt
„Die Debatte ist von der Frage ,KI oder nicht‘ zur Frage ,Was steckt unter der KI‘ gewandert – und genau da gewinnen wir.“
Parth Virkud, Managing Director, Alta Via Consulting
Das ist das Gespräch, das wir mit CFOs heute von der ersten Minute an führen. KI schafft keine guten Finanzdaten, keine solide Konsolidierungslogik und keinen sauberen Prüfpfad – sie verstärkt lediglich, was bereits vorhanden ist. Ein belastbares Datenmodell führt zu schärferen Prognosen und sauberer Automatisierung. Ein fragmentiertes Datenmodell führt zu einem System, das in der Demo intelligent wirkt und im produktiven Betrieb unberechenbar reagiert.
„Vor einem Jahr fragten CFOs: ,Hat es KI?‘ – und behandelten das wie ein Feature-Häkchen. Heute fragen sie: ,Was macht die KI konkret mit meinem Abschluss, meiner Prognose, meinem Personalbedarf?‘ – das Gespräch ist von der Neugier zur Rechenschaft gewandert.“
Parth Virkud, Managing Director, Alta Via Consulting
Warum die Oberfläche heute überall gleich aussieht
Genau das macht den aktuellen Markt eher verwirrend als schlicht wettbewerbsintensiv. Eine moderne Oberfläche, ein Chat-Assistent, eine „KI-generierte“ Abschluss-Checkliste – das sind heute Mindestanforderungen, und sie sind tatsächlich nützlich. Ein kleines Finance-Team ohne tiefe buchhalterische Infrastruktur profitiert real von KI-gestützter Kategorisierung, vorformulierten Buchungssätzen und automatisierter Erstabstimmung.
Das Problem: Nichts davon verrät, was darunter passiert. Eine solide gebaute KI-Funktion und eine hastig aufgesetzte können sich in einer 15-minütigen Demo völlig gleich anfühlen. Der Unterschied zeigt sich erst, wenn die Daten unübersichtlicher und das Geschäft komplexer werden – mehrere Gesellschaften, untypische Umsatzrealisierung, eine Akquisition, ein neues Land.
„Das haben wir kürzlich fast wortwörtlich bei einem Abschluss erlebt: Eine Finanzverantwortliche unterbrach die Angebotsprüfung, um direkt zu fragen, ob die gezeigten KI-Funktionen fest in die Plattform eingebaut oder von einem Drittanbieter aufgesetzt waren. Diese eine Frage hat uns schneller vom AI-native-Pitch abgegrenzt als alles andere in der Präsentation – denn das ist nichts, was sich in einer 15-minütigen Demo vortäuschen lässt.“
Ani Indshewa, Head of Sales, Alta Via Consulting
Die eigentliche Diagnose: fest eingebaut oder nachträglich aufgesetzt?
Sobald die Frage „KI oder nicht“ nicht mehr weiterhilft, stellen wir vier bessere – die alle auf dasselbe zielen: Läuft die KI-Ebene auf einem echten Fundament, oder täuscht sie eines nur vor?
Liest die KI aus einem Datenmodell – oder greift sie über mehrere getrennte hinweg?
Wenn eine KI-generierte Erkenntnis von einem Skript oder einer Middleware abhängt, die Daten aus drei getrennten Modulen oder Systemen zusammenzieht, ist diese Erkenntnis nur so verlässlich wie das schwächste Glied in dieser Kette. Ein ganzheitlich gebautes System lässt KI auf einer einzigen, konsistenten Quelle der Transaktionswahrheit laufen – demselben Fundament, auf dem Konsolidierung, Reporting und Compliance ohnehin schon aufbauen.
Hält sie stand, sobald die Daten nicht mehr einfach sind?
Multi-Entity-Konsolidierung, konzerninterne Eliminierungen, Mehrwährungs-FX und länderspezifische Compliance sind genau die Stellen, an denen ein dünnes Datenmodell zuerst bricht. KI kann einen Buchungsvorschlag machen oder eine Auffälligkeit markieren – aber sie kann keine Konsolidierungslogik erfinden, die nie gebaut wurde.
„Der erste Monatsabschluss nach dem Go-Live ist meist der Moment der Wahrheit: Die KI liefert eine sauber aussehende konsolidierte GuV, aber die Zahlen gehen nicht auf, weil niemand die Konsolidierungshierarchie und die Währungsumrechnungsregeln darunter definiert hat – und der Kunde verbringt zwei Tage damit, eine Zahl nachzuvollziehen, die das System in Sekunden präsentiert hat.“
Trishia Candelario, NetSuite Consultant, Alta Via Consulting
Reduziert sie den manuellen Abstimmungsaufwand – oder beschreibt sie ihn nur eloquenter?
Der Test ist nicht, ob ein System zusammenfassen kann, was geprüft werden muss – das können mittlerweile die meisten. Der Test ist, ob das Volumen der manuellen Abstimmung über die Zeit tatsächlich sinkt. Wenn ein Controller weiterhin dieselbe Excel-Arbeit macht, nur mit einer KI-generierten Beschreibung obendrauf, ist die Automatisierung kosmetisch.
Hält das Tempo-Versprechen einem echten Abschluss stand – nicht nur der Demo?
Tempo in einer Vertriebs-Demo mit sauberen Beispieldaten sagt wenig über das Tempo am Monatsende mit echten, unübersichtlichen Daten aus mehreren Quellen aus. Wenn ein Abschluss weiterhin davon abhängt, Zahlen manuell aus verschiedenen Systemen zusammenzutragen, ändert eine KI-Ebene obendrauf nichts am Zeitplan – sie fügt am Ende nur einen intelligenter wirkenden Report hinzu.
Wann das Fundament weniger zählt – und wann es entscheidend wird
Das heißt nicht, dass jedes wachsende Unternehmen vom ersten Tag an die ausgefeilteste verfügbare Architektur braucht. Für ein Unternehmen mit einer Gesellschaft, einer Währung und einfachen, stabilen Prozessen wird ein dünneres Fundament womöglich eine Weile lang gar nicht auf die Probe gestellt – die oben beschriebenen Lücken sind schlicht noch nicht ausgelöst.
Das Fundament beginnt zu zählen, sobald echte Komplexität ins Spiel kommt: eine zweite Gesellschaft, eine zweite Währung, eine Akquisition, investorentaugliche Reporting-Anforderungen oder eine Umsatzrealisierung, die sich keiner Standardvorlage fügt. Ab diesem Punkt ist die KI-Ebene nicht mehr die interessante Frage. Worauf sie aufbaut, wird zur einzigen Frage, die zählt.
„Die Kunden, die sich die Finger verbrennen, sind nicht die, die sich für ein dünneres Fundament entschieden haben – es sind die, die nicht wussten, dass sie genau das entschieden haben. Die Kosten des Nicht-Wechselns kommen nie als Rechnung an; sie zeigen sich als das Quartal, das Sie nicht abschließen können, die Diligence-Frage, die Sie nicht beantworten können, und die Prognose, der Sie insgeheim nicht mehr trauen.“
Parth Virkud, Managing Director, Alta Via Consulting
Fazit: Die Debatte hat sich verschoben
Vor einem Jahr war die entscheidende Frage in diesem Markt tatsächlich „Ist das KI-nativ?“. Diese Frage hat sich erledigt. Fast jeder Anbieter – die KI-nativen Herausforderer ebenso wie die etablierten Cloud-Plattformen, einschließlich NetSuite, der einzigen KI-Cloud-ERP-Plattform, die wir implementieren – kann heute irgendeine Form von KI-Ebene vorweisen. Was sie unterscheidet, zeigt sich nicht mehr in der Demo. Es ist das Datenmodell, die Prozessdisziplin und die Architektur, auf der die KI aufsetzt – von Anfang an eingebaut oder nachträglich aufgesetzt.
Wenn Sie gerade genau vor dieser Entscheidung stehen: Wir haben ein kurzes, praxisnahes Raster zusammengestellt, das auf den Fragen aus diesem Artikel aufbaut. Wenn das für Sie hilfreich wäre, schreiben Sie uns über [Kontaktformular] mit dem Stichwort „ERP-Guideline“ – wir schicken es Ihnen zu.
Über Alta Via Consulting
Alta Via Consulting ist ein spezialisierter NetSuite-Implementierungspartner mit Fokus auf mittelständische und wachsende Unternehmen in der DACH-Region. Das Team begleitet Unternehmen von der ersten Systemauswahl bis zur laufenden Optimierung nach dem Go-live.
