„Der Vorstand will KI-Ergebnisse fürs nächste Quartal. Mein ERP-Projekt läuft bis 2028.“

Steckbrief
Branche	Elektrotechnik (Komponenten und Systeme, drei Werke, Exportanteil über 60 Prozent)
Unternehmensgröße	ca. 1.400 Mitarbeitende
Rolle	CIO, im vierten Jahr, davor Konzern-IT
KI-Stand	ERP-Umstellung im dritten Jahr; ein KI-Pilot produktiv, ein zweiter nach 14 Monaten beerdigt

Dieses Gespräch ist ein typisiertes, redaktionell verdichtetes Interview: Person und Unternehmen sind fiktiv, die geschilderten Situationen, Zahlen und Konflikte folgen dokumentierten Mustern aus Studien und Rechtsprechung (Quellen am Ende).

Sie stecken mitten in der ERP-Umstellung. Wie passt der KI-Druck des Vorstands dazu?

Er passt nicht, das ist die kurze Antwort. Die lange: Wir migrieren seit knapp drei Jahren unser altes ERP auf die Nachfolgegeneration, wie ein Großteil der Branche, getrieben vom auslaufenden Hersteller-Support. Das Projekt bindet meine besten zwölf Leute, dazu externe Kapazität, und es liegt, da bin ich ehrlich, etwa acht Monate hinter dem ursprünglichen Plan. Damit sind wir übrigens fast schon gut: Branchenerhebungen zufolge weichen rund 60 Prozent solcher Migrationen bei Budget, Zeit oder beidem ab. Und mitten hinein kam vor zwei Jahren der Impuls aus dem Vorstand, sinngemäß: Überall lese ich KI, was machen wir eigentlich. Seitdem führe ich ein Zwei-Fronten-Leben. Vormittags verteidige ich das ERP-Budget, nachmittags erkläre ich, warum die KI-Roadmap nicht schneller geht. Dass beides dieselbe Ursache hat, nämlich unsere Datenlandschaft, ist die Pointe, die im Vorstand am schwersten zu vermitteln war.

Was heißt „dieselbe Ursache“ konkret?

Wir haben, Stand heute, ein Alt-ERP, ein separates CRM, ein eigenständiges Produktdatensystem, drei Werke mit je eigener Betriebsdatenerfassung und eine gewachsene Excel-Schattenwelt im Vertrieb, die niemand offiziell zugibt. Derselbe Kunde existiert in vier Systemen mit drei Schreibweisen und zwei widersprüchlichen Zahlungszielen. Jedes KI-Vorhaben, egal welches, stolpert über genau diese Silos. Die Transformationsstudie von NTT DATA Business Solutions und Natuvion hat 2025 die Datenqualität als Transformationshindernis Nummer eins ausgewiesen, und ich kann jede Zeile davon unterschreiben. Der Vorstand hat lange geglaubt, ERP-Modernisierung und KI seien zwei konkurrierende Budgettöpfe. Ich habe ein halbes Jahr gebraucht, um das Bild zu drehen: Die Migration ist keine Konkurrenz zur KI, sie ist die Voraussetzung, jedenfalls für alles, was über Bürowerkzeuge hinausgeht. Geholfen hat am Ende ein einziges Schaubild mit den vier Kundenstammsätzen. Manchmal schlägt ein Bild jede Studie.

„Derselbe Kunde existiert bei uns in vier Systemen mit drei Schreibweisen und zwei Zahlungszielen.“

Sie hatten zwei KI-Piloten. Fangen wir mit dem an, der überlebt hat.

Das ist unser Assistent für die Angebots- und Dokumentenarbeit im Vertriebsinnendienst. Ausschreibungsunterlagen kommen bei uns als PDF-Konvolute mit teils 200 Seiten, Lastenhefte, Normverweise, Formblätter. Der Assistent extrahiert die kaufmännisch und technisch relevanten Positionen und baut eine Erststruktur fürs Angebot. Warum hat der überlebt? Drei Gründe, glaube ich. Erstens brauchte er unsere Silos kaum, er arbeitet auf eingehenden Dokumenten, nicht auf unseren Stammdaten. Zweitens gab es einen fachlichen Eigentümer, die Leiterin des Innendienstes wollte das Ding, ich musste es niemandem aufdrängen. Drittens haben wir den Prüfschritt nie wegautomatisiert, jede Extraktion wird von einem Menschen bestätigt, und die Fehler fließen als Korrekturen zurück. Die Durchlaufzeit bis zum Erstangebot ist messbar gesunken, ich sage bewusst keine geschönte Prozentzahl, weil sich parallel auch der Personalstand geändert hat. Sauber isolieren lässt sich der Effekt nicht. Aber der Innendienst würde meutern, wenn ich das Werkzeug abschalte. Das ist am Ende der härteste Nutzennachweis, den ich kenne.

Und der zweite Pilot?

Predictive Quality in Werk zwei, Lackier- und Beschichtungsprozesse. Die Idee war bestechend: Prozessparameter mit Ausschussdaten verknüpfen und Fehlerchargen vorhersagen, bevor sie entstehen. Nach 14 Monaten habe ich ihn beerdigt, und zwar persönlich, das delegiert man nicht. Es lag nicht am Modell. Es lag daran, dass die Ausschussgründe in der Betriebsdatenerfassung von Hand verschlagwortet wurden, und zwar je nach Schicht unterschiedlich. „Oberflächenfehler“ bei der Frühschicht war nicht dasselbe wie „Oberflächenfehler“ bei der Spätschicht. Das Modell hat also gelernt, Schichten zu erkennen statt Fehlerursachen. Als wir das repariert hatten, brauchten wir sauber verschlagwortete Historie, und die aufzubauen dauert bei unseren Losgrößen schlicht Jahre. Der Anbieter wollte verlängern, natürlich, noch ein Modellansatz, noch ein Workshop. Irgendwann muss man den Satz sagen, den keiner gern sagt: Das Problem ist nicht lösbar mit den Daten, die wir haben. Wir haben immerhin die Verschlagwortung vereinheitlicht. Falls je ein Nachfolgeprojekt kommt, erbt es wenigstens saubere Daten.

„Das Modell hat gelernt, Schichten zu erkennen statt Fehlerursachen.“

Was hat der beerdigte Pilot gekostet, und wie haben Sie das kommuniziert?

Alles in allem ein mittlerer sechsstelliger Betrag über die Laufzeit, Lizenz, Anbindung, vor allem aber eigene Ingenieurstunden, die in keiner Rechnung stehen. Ich habe dem Vorstand eine einseitige Abschlussnotiz gegeben, drei Blöcke: was wir wollten, warum es nicht ging, was bleibt. Kein Schuldiger, aber auch keine Beschönigung. Das war riskant, weil im selben Quartal das ERP-Projekt eine Budgeterhöhung brauchte, und ein Vorstandsmitglied hat die Verbindung auch prompt gezogen, Zitat: „Ihre IT verbrennt Geld an zwei Stellen gleichzeitig.“ Das musste ich aushalten. Was mich gerettet hat, war die Statistik, so zynisch das klingt: Als S&P Global 2025 veröffentlichte, dass 42 Prozent der Unternehmen die Mehrheit ihrer KI-Initiativen abbrechen, wurde aus „Ihre IT verbrennt Geld“ allmählich „wir sind offenbar in guter Gesellschaft“. Seitdem gilt bei uns die Regel: Jeder Pilot hat vorab definierte Abbruchkriterien, und ein Abbruch nach Kriterien ist ein Ergebnis, kein Versagen. Das steht so wörtlich im Protokoll der Vorstandssitzung. Darauf bin ich fast ein bisschen stolz.

Wie gehen Sie mit dem Tempo-Erwartungsdruck um, den die Anbieterwelt erzeugt?

Mit einer Zweiteilung, die ich hart verteidige. Schiene eins: Bürowerkzeuge, Textassistenz, Übersetzung, Recherche, Meeting-Zusammenfassungen. Die rollen wir zügig aus, mit Schulung und klaren Regeln, welche Daten hinein dürfen und welche nicht. Da darf der Vorstand gern Tempo sehen, das ist der sichtbare Teil. Schiene zwei: alles, was in Kernprozesse eingreift, Angebot, Qualität, Planung. Da gilt: erst Datenfundament, dann Pilot, und zwar nach der ERP-Welle je Bereich, nicht davor. Der Konflikt entzündet sich regelmäßig an Schiene zwei. Jede Fachabteilung bringt von jeder Messe einen Anbieter mit, dessen Demo auf Musterdaten glänzt. Meine Standardfrage im Lenkungskreis ist immer dieselbe: Zeigen Sie mir die Demo mit unseren Daten aus Werk zwei. Die Zahl der Anbieter, die danach noch einen zweiten Termin wollen, ist überschaubar. Das klingt abgebrüht, ich weiß. Nach einem beerdigten Piloten kann ich mir Abgebrühtheit leisten.

Hand aufs Herz: Nutzt der Vorstand die Verzögerung beim ERP gegen Sie?

Es gab eine Phase, da ja. Mein unangenehmster Moment der letzten Jahre war eine Aufsichtsratssitzung, in der ein Mitglied fragte, warum der Wettbewerber X, den Namen lasse ich weg, angeblich schon „KI in der Fertigung“ habe und wir noch an „Hausaufgaben aus den Neunzigern“ arbeiteten. Was ich in dem Moment nicht sagen konnte, später aber belegen: Der Wettbewerber hatte seine ERP-Konsolidierung fünf Jahre vor uns abgeschlossen. Der erntet jetzt, was er damals gesät hat, unter erheblichen Schmerzen übrigens, das erzählt einem jeder Branchenkollege am Rande der Messen. Inzwischen berichte ich beide Themen im Vorstand als ein gemeinsames Programm mit einer Roadmap: welcher Bereich wann migriert ist und was dadurch KI-seitig möglich wird. Seit die Kopplung sichtbar ist, ist die Debatte sachlicher. Nicht leiser. Sachlicher.

„Ein Abbruch nach vorab definierten Kriterien ist ein Ergebnis, kein Versagen. Das steht jetzt wörtlich im Vorstandsprotokoll.“

Was hätten Sie rückblickend anders gemacht?

Zwei Dinge. Erstens hätte ich die Datenqualitätsarbeit von Anfang an als eigenes Vorhaben mit eigenem Namen aufsetzen sollen, nicht als unsichtbaren Bestandteil von ERP und Piloten. Unsichtbare Arbeit bekommt kein Budget und keinen Dank, sie wird nur bemerkt, wenn sie fehlt. Zweitens habe ich beim Qualitätspiloten zu lange auf den Anbieter gehört und zu spät auf den eigenen Werksleiter, der von Monat drei an gesagt hat, die Verschlagwortung tauge nichts. Der Mann hatte recht, und zwar aus Prozesskenntnis, nicht aus Datenkenntnis. Meine Lehre daraus ist fast banal: Bei jedem KI-Vorhaben sitzt die wichtigste Risikoeinschätzung nicht im Data-Team und nicht beim Anbieter, sondern bei den Leuten, die die Daten erzeugen. Die fragt nur selten jemand vor Vertragsschluss.

Was raten Sie einem CIO, der beide Wellen gleichzeitig reiten muss?

Erstens: Koppeln Sie ERP und KI in der Kommunikation zu einem Programm, sonst werden Sie an zwei Fronten einzeln geschlagen. Zweitens: Sorgen Sie für einen kleinen, sichtbaren KI-Erfolg auf einem Pfad, der Ihre Altlasten nicht braucht, bei uns war das der Dokumentenassistent. Der kauft Ihnen die Geduld für das Fundament. Drittens: Definieren Sie Abbruchkriterien, bevor der erste Euro fließt, und feiern Sie den ersten sauberen Abbruch demonstrativ, so seltsam das klingt, denn er beweist der Organisation, dass Ehrlichkeit nicht bestraft wird. Und viertens, das unterschätzen Konzernkollegen gern: Bei 1.400 Mitarbeitern haben Sie keine Stäbe, die Ihnen die Governance schreiben. Halten Sie die Regeln auf zwei Seiten, sonst liest sie niemand, und dann existieren sie nicht.

Was aus diesem Gespräch mitzunehmen ist

• ERP-Modernisierung und KI konkurrieren scheinbar ums Budget, hängen aber an derselben Wurzel Datenqualität; wer beides als ein Programm mit einer Roadmap berichtet, entschärft den Vorstandskonflikt.
• Piloten überleben, wenn sie Datensilos umgehen, einen fachlichen Eigentümer haben und den menschlichen Prüfschritt behalten; sie scheitern typischerweise an uneinheitlich erfassten Betriebsdaten, nicht am Modell.
• Vorab definierte Abbruchkriterien machen aus einem gescheiterten Piloten ein dokumentiertes Ergebnis und schützen die Glaubwürdigkeit der IT für das nächste Vorhaben.

Quellen der typisierten Muster

• Horváth: Studie zu S/4HANA-Transformationen unter rund 200 SAP-Anwenderunternehmen im DACH-Raum, 2025 (u. a. rund 60 Prozent der Migrationen über Budget oder Zeit; Prozessänderungen als größte Hürde).
• NTT DATA Business Solutions / Natuvion: „Transformationsstudie 2025“, 2025 (Datenqualität als Transformationshindernis Nummer eins; KI als Haupttreiber der IT-Transformation).
• valantic: „SAP Studie 2026“, 2026 (rund 70 Prozent der DACH-Unternehmen in laufender oder abgeschlossener S/4HANA-Migration; hohe Nachfrage nach KI-Agenten).
• S&P Global Market Intelligence: Befragung zu abgebrochenen KI-Initiativen, 2025 (42 Prozent der Unternehmen brachen die Mehrheit ihrer KI-Initiativen ab).
• MIT NANDA: „The GenAI Divide: State of AI in Business 2025“, 2025 (Scheitern überwiegend an Integration und Workflow-Passung, nicht an Modellqualität).

Das Entscheider-Briefing

Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.

Website

E-Mail-Adresse

Briefing abonnieren

Ich möchte das Briefing per E-Mail erhalten und kann die Einwilligung jederzeit widerrufen. Die Datenschutzerklärung habe ich gelesen.

Sie erhalten zuerst eine E-Mail mit einem Bestätigungslink. Erst nach dem Klick nehmen wir Sie auf. Abmeldung mit einem Klick in jeder Ausgabe.