KI-Integration in CRM und ERP: Geschäftssysteme gezielt erweitern

CRM, ERP und Kundenportale enthalten Daten und Abläufe, an die sich KI-Funktionen anbinden lassen. Eine Integration ist jedoch nicht automatisch sinnvoll, nur weil ein System eine Schnittstelle besitzt. Entscheidend sind der konkrete Arbeitsablauf, die erforderlichen Datenzugriffe und die Frage, wie Ergebnisse geprüft und weiterverarbeitet werden.

Der Beitrag ordnet typische Integrationsfragen ein. Er beschreibt keine pauschale Empfehlung für ein Produkt oder eine bestimmte Architektur. Verfügbarkeit und Umfang von Schnittstellen unterscheiden sich je nach Anbieter, Version, Konfiguration und Vertrag.

Zuerst den Prozess klären

Beginnen Sie mit einer klar abgegrenzten Aufgabe: Welche Arbeit soll unterstützt werden, wer nutzt das Ergebnis und welche Entscheidung oder Handlung folgt daraus? Beispiele können das Zusammenfassen eines Vorgangs, das Vorbereiten eines Antwortentwurfs oder das Auslesen bestimmter Angaben aus einem Dokument sein. Ob sich dafür generative KI, klassische Automatisierung oder eine Prozessänderung eignet, muss für den jeweiligen Fall geprüft werden.

Ein Einbau direkt in ein CRM oder ERP kann Kontextwechsel vermeiden, bringt aber für sich genommen weder höhere Akzeptanz noch bessere Ergebnisse mit sich. Die Systemintegration schafft einen Zugangspunkt. Datenqualität, Berechtigungen, Prozessgestaltung und die Qualität der KI-Ausgaben bleiben gesonderte Fragen.

Datenzugriff und Schnittstellen prüfen

Eine dokumentierte API kann einen Integrationsweg bieten. Sie sagt jedoch nicht allein aus, welche Daten und Aktionen tatsächlich verfügbar sind oder welche Berechtigungen erforderlich sind. Als konkretes Beispiel dokumentiert Microsoft für Dataverse eine Web API auf Basis von OData sowie eigene Anforderungen an Authentifizierung und verfügbare Operationen. Andere CRM- und ERP-Systeme können andere Schnittstellen und Einschränkungen haben. Prüfen Sie daher die Dokumentation und Konfiguration des tatsächlich eingesetzten Systems, statt von einem Produkt auf ein anderes zu schließen. Dataverse Web API: Übersicht · Authentifizierung für die Dataverse Web API

Für die Architektur sollten Sie mindestens festhalten:

• welche Felder, Dokumente oder Vorgänge die Anwendung lesen darf,
• ob und unter welchen Bedingungen sie Daten verändern oder Aktionen auslösen darf,
• welche Identität für den Zugriff verwendet wird und wie Berechtigungen begrenzt sind,
• welche Daten an externe Dienste übertragen werden,
• wie Fehler, Änderungen und Ergebnisse nachvollziehbar protokolliert werden.

Bei schreibenden Aktionen sind Freigaben und Rückgängig-Möglichkeiten besonders wichtig. Die Microsoft-Referenz für KI-Workloads empfiehlt unter anderem begrenzte Zugriffsrechte, Nachvollziehbarkeit von Datenquellen und menschliche Freigaben für risikoreiche Aktionen. Das ist Architekturhilfe für Azure-Szenarien, keine allgemeingültige Compliance-Bestätigung. Microsoft: Architekturpattern für KI-Workloads

Mögliche Aufgaben in CRM, ERP und Portalen

Im CRM kann KI beispielsweise einen Antwortentwurf auf Basis freigegebener Vorgangsinformationen vorbereiten oder Gesprächsnotizen strukturieren. Prüfen Sie, ob die verwendeten Daten zum Zweck passen und ob Beschäftigte den Entwurf vor dem Versand kontrollieren. Prognosen oder Priorisierungsvorschläge brauchen zusätzlich eine geeignete fachliche Prüfung; ein angezeigter Wert sollte nicht ohne Kontext als verlässliche Einschätzung verstanden werden.

In ERP- und Prozesssystemen kommen etwa Dokumentenextraktion, Zusammenfassungen oder Vorschläge für nachgelagerte Arbeitsschritte infrage. Extrahierte Werte können fehlerhaft oder unvollständig sein. Für Buchungen, Bestellungen, Freigaben oder andere folgenreiche Aktionen sollten Sie daher festlegen, welche Prüfungen und menschlichen Bestätigungen erforderlich sind.

In Kundenportalen kann ein KI-Dialog Informationen auffindbar machen oder Anfragen vorsortieren. Dabei sind die zugänglichen Inhalte, die Grenzen der Antworten und ein Weg zur menschlichen Unterstützung zu bestimmen. Die passende Ausgestaltung hängt unter anderem von Nutzergruppe, möglichen Folgen fehlerhafter Antworten und den eingesetzten Daten ab.

Diese Beispiele sind mögliche Prüffelder, keine Aussage darüber, dass die Integration in jedem Unternehmen einen Vorteil erzielt.

Testen, messen und überwachen

Vor einer Pilotierung sollten Sie eine konkrete Lernfrage formulieren. Legen Sie Testfälle, erwartete Grenzen, zuständige Prüfer und Kriterien für einen nächsten Schritt fest. Vergleichen Sie Ergebnisse mit dem bestehenden Ablauf, wenn das für die Fragestellung sinnvoll ist. Dokumentieren Sie auch Fehler, Ausnahmen und Bedingungen, unter denen das System nicht eingesetzt werden soll.

Ein begrenzter Test beantwortet nur Fragen für die untersuchten Daten, Personen und Abläufe. Er weist nicht automatisch Wirtschaftlichkeit, Produktivreife oder Übertragbarkeit nach. Für den späteren Betrieb kommen weitere Aufgaben hinzu, etwa Änderungen an Daten oder Modellen, Zugriffsprüfungen, Vorfallbehandlung und laufende Qualitätskontrolle. Das freiwillige NIST AI Risk Management Framework und sein Profil für generative KI bieten Anhaltspunkte für Governance, Tests und Dokumentation; sie ersetzen weder eine organisationsspezifische Bewertung noch eine rechtliche Prüfung. NIST AI Risk Management Framework · NIST Generative AI Profile

Für die Planung eines solchen Tests lesen Sie auch den Beitrag KI-Pilotprojekte realistisch bewerten. Wenn Sie Integrationspunkte, Datenflüsse und Zuständigkeiten für Ihre Systemlandschaft einordnen möchten, beschreibt die Leistung zur KI-Integration in CRM, ERP und Portale mögliche Beratungs-, Workshop- und Unterstützungsformate.

Fazit

KI in CRM, ERP oder Portalen einzubinden ist eine Architektur- und Prozessentscheidung. Klären Sie zuerst die Aufgabe, dann Datenzugriff, Berechtigungen, menschliche Prüfung und Betriebsverantwortung. Ein abgegrenzter Test kann offene Fragen sichtbar machen; Aussagen zu Aufwand und Nutzen sollten erst aus den Bedingungen des konkreten Vorhabens abgeleitet werden.