[ erp-system × ki-agenten ]
Ein vollwertiges Open-Source-ERP, vollständig als MCP-Server bereitgestellt und dadurch komplett durch KI-Agenten bedienbar. Im Pilotbetrieb, einer Fleischerei mit Theke, Automaten und Online-Shop, sagen Mitarbeitende in natürlicher Sprache, was sie brauchen; die Agenten erledigen die Arbeit in den Systemen. Diese Seite zeigt, wie das System entwickelt wurde, welche Entscheidungen dahinterstehen und welche Erfahrungen auf dem Weg entstanden sind.
Agenten mit Systemzugriffen und Skills erledigen die Arbeit im System.
Mehrere Mechanismen sichern die Bedienung durch Agenten in der realen Welt ab.
Eingebunden als MCP-Server, damit Agenten wissen, was zu tun ist.
Einrichtung und Interaktion entlang der Wertschöpfung, in natürlicher Sprache.
[ systembediener der zukunft ]
Die verbreitete Erwartung lautet: Wenn KI-Agenten die Arbeit übernehmen, braucht es keine Unternehmenssoftware mehr. Meine Erfahrung aus diesem Projekt ist das Gegenteil. Je mehr ein Agent selbstständig tut, desto wichtiger wird das System darunter. Denn es liefert genau das, was ein Sprachmodell nicht kann: Es erzwingt Vollständigkeit, weil eine unvollständige Transaktion nicht zustande kommt. Es sichert Konsistenz, weil Buchungen zusammenhängen. Und es erzeugt die Prüfspur gleich mit.
Ein Agent, der neben den Systemen arbeitet, erfindet seine eigene Wahrheit. Einer, der darin arbeitet, kann es nicht. Die Rollen verschieben sich: Der Mensch wird zum Entscheider, der Agent zum Bediener, das System bleibt die Faktenbasis. Deshalb sind die Systeme mit ihren Regeln und Grenzen für mich selbst ein Governance-Mechanismus.
[ vollständige wertschöpfung entlang der prozesse ]
Einzelne KI-Agenten in isolierten Bereichen einzusetzen ist nicht die Herausforderung sondern der Grund zur Entstehung von Insellösungen. Der Mehrwert entsteht, wenn sich die Technologie entlang der gesamten Wertschöpfungskette integriert und sich spezialisierte Agenten die übertragenen Aufgaben gegenseitig in die Hand geben.
[ Vertrieb ]
Der Vertriebs-Agent führt die Verkaufsdaten aller Kanäle zusammen und erstellt die tagesgenaue Bedarfsprognose je Artikel, angereichert um Wetter und Feiertage. Bisher: Zahlen aus mehreren Systemen zusammensuchen und von Hand in Tabellen übertragen.
[ Produktion ]
Der Produktions-Agent rechnet den Bedarf über Rezepturen und Stücklisten auf Rohware zurück, erstellt den Tagesplan und verbucht die Rückmeldungen. Bisher: Planung nach Erfahrungswerten, Rückmeldung auf Zetteln am Feierabend.
[ Einkauf ]
Der Einkaufs-Agent legt Bestellungen an: Lieferant, Menge, Termin und Konditionen aus Historie und Rahmenverträgen. Was er sicher belegen kann, läuft durch; was er nur annehmen kann, geht als Freigabe an den Menschen. Bisher: Telefon, Zuruf und Nachtragen im System.
[ Lager ]
Der Lager-Agent bucht Wareneingänge, überwacht Bestände, Chargen und Mindesthaltbarkeit und meldet Reichweiten. Bisher: Zähllisten auf Papier und Übertrag von Hand.
[ Finanzen ]
Der Finanz-Agent verbucht die Belege aller Kanäle, überwacht offene Posten und bereitet Auswertungen vor, jede Buchung mit Prüfspur. Bisher: Stapel abtippen und Hektik zum Monatsende.
[ Personal ]
Der Personal-Agent legt die Bedarfsprognose neben Schichtplan und Abwesenheiten: Wie viel ist morgen zu bedienen, wer fällt aus, wer kann wo einspringen. Die Einsatzplanung entsteht aus Zahlen, die im System schon da sind. Bisher: Pinnwand und Telefonkette bei jedem Ausfall.
[ architektur ]
Die wichtigste Architekturentscheidung dieses Projekts: die Ebenen strikt zu trennen. Die Agenten und die KI-Modelle sind bewusst ausgelagert, denn diese Technologie entwickelt sich zu schnell für feste Wetten. Governance liegt in einer eigenen Schicht, an der kein Agent vorbeikommt. Und die Geschäftslogik wird nicht neu gebaut, sondern genutzt.
Ein Supervisor plant, verteilt die Arbeit an spezialisierte Subagenten und führt die Ergebnisse zusammen. Das Wissen liegt in versionierten Skills, die erst geladen werden, wenn sie gebraucht werden. Das hält den Kontext klein, spart Kosten und erlaubt beliebig viele Fähigkeiten, ohne jeden Agenten einzeln zu pflegen.
Warum LangGraph: Der Ablauf ist ein fester Plan mit klar definierten Übergängen, der Zwischenstand wird dauerhaft gespeichert, und Unterbrechungen für menschliche Entscheidungen sind fest eingebaut. Eine Freigabe kann drei Tage dauern. Ein Gesprächsverlauf überlebt das nicht, ein gespeicherter Zwischenstand schon.
Trotzdem gilt: Das Framework ist nicht der Kern der Lösung. Die Logik liegt außerhalb des Frameworks und bleibt damit austauschbar, wenn die nächste Generation an Werkzeugen kommt.
Jede Aktion eines Agenten läuft durch das Gateway, es gibt keinen Weg daran vorbei. Was ein Agent darf, ist definiert. Was er tut, wird lückenlos protokolliert und bleibt bis in jeden Schritt nachvollziehbar. Was unsicher ist, geht als Freigabekarte an den Menschen. So bleibt die Bedienung durch Agenten auch dann sicher, wenn ein Modell danebenliegt.
Hier liegt auch der Werkzeug-Index: Das Gateway erschließt die gesamte ERP-Oberfläche automatisch und macht sie durchsuchbar. Sprachmodelle führen nicht selbst aus, sie verstehen Funktionen und wählen die passende. Kein Modell schafft das über eine flache Liste von tausenden Einträgen, deshalb arbeitet der Agent mit zwei Werkzeugen: Eines findet die passende Funktion über eine Suche nach Bedeutung und Stichworten, das andere führt sie aus.
Diese Schicht ist unabhängig vom Agenten-Framework und vom ERP. Sie ist der wiederverwendbare Kern, der sich auf jedes weitere System übertragen lässt.
Das Open-Source-ERP läuft unverändert im Standard und bleibt dadurch jederzeit updatefähig. Über 3.400 Standardfunktionen und Belegtypen stehen den Agenten zur Verfügung, ohne dass am System selbst etwas verändert wurde: Das Erschließen übernimmt das Gateway.
Die Geschäftslogik muss nicht neu gebaut werden, sie ist da. Eine Transaktion kommt nur zustande, wenn alle Informationen vollständig sind. Pflichtfelder, Prüfungen und Buchungsregeln wirken als eingebaute Leitplanke für die Agenten, ohne dass irgendwo Abläufe definiert werden müssen.
[ einordnung ]
Die heutigen Sprachmodelle und die Agenten-Technologie können bereits sehr viel. Auf das nächste größere oder teurere Modell zu warten bringt aus meiner Sicht keinen weiteren Mehrwert: Die Fähigkeiten reichen, wenn Architektur und Datenbasis stimmen.
Der eigentliche Engpass liegt in den Daten und Systemen. Wer sie in der Vergangenheit nicht sauber für Menschen aufbereitet hat, wird noch größere Schwierigkeiten haben, sie für Sprachmodelle aufzubereiten. Die Standards dafür sind entwickelt und verfügbar, allen voran MCP. Die Anwendungsfälle und Lösungen am Markt bauen bislang nur unzureichend darauf auf.
Wie viel einfacher es mit diesen Standards geht, zeigt die Einrichtung: Weil der Agent das vollständige Funktionsspektrum über MCP erreicht, arbeitet er bei Aufbau und Stammdaten mit. Im internen Test stand ein kompletter Betrieb nach zwölf Wortmeldungen im Chat. Und im laufenden Betrieb unterstützen die Agenten entlang der gesamten Wertschöpfung, direkt in den Systemen.
[ zahlen ]
über 3.400
ERP-Standardfunktionen und Belegtypen, für KI-Agenten bereitgestellt
~95 %
Zuverlässigkeit bei der Auswahl des passenden Werkzeugs, keine Halluzinationen
jedes Modell
einsetzbar, kosteneffizient nach Art der Aufgabe gewählt, auch automatisch im System
∞ KI-Agenten
und Skills definierbar, ohne jeden einzeln zu managen: der Skill trägt das Wissen
[ technologie ]
Fragen Sie sich, wie diese Technologie in Ihrem Betrieb wertstiftend zum Einsatz kommt? Dann lassen Sie uns sprechen: Sie bringen die Herausforderung mit, ich bringe die Erfahrung und die Werkzeuge.
