Von Galina Wacker, aktualisiert am 10. Oktober 2025

ERP-Systeme entwickeln sich zunehmend von reinen Backends für Buchhaltung und Warenwirtschaft zu intelligenten, vernetzten Plattformen, die Kundenerlebnis, Prozessautomatisierung und datengetriebene Services in den Mittelpunkt stellen. Und welche Rolle spielt dabei KI?

Meine Projekterfahrungen: ERP-Transformation und KI-Integration

In mehreren Projekten konnte ich die digitale Transformation eines ERP-Systems umsetzen und gleichzeitig als Produktverantwortliche fungieren. Zentrale Kernprozesse wurden automatisiert, manuelle Tätigkeiten um über 40 Prozent reduziert, und Workflows stabilisiert. Durch den Einsatz von OCR- und NLP-Verfahren wurden dokumentenintensive Prozesse beschleunigt und Fehlerquoten messbar gesenkt. Parallel entstand ein KI-gestütztes Empfehlungssystem, das Nutzer:innen Inhalte auf Basis von Nutzungsmustern und Präferenzen automatisiert bereitstellt, wodurch die Informationsbeschaffung und Bearbeitung von Anfragen deutlich effizienter wurde. Diese Erfahrungen zeigen, wie ERP-Systeme weit über klassische Verwaltungsaufgaben hinaus als Plattformen für datengetriebene Services fungieren können.
 

Digitale ERP-Entwicklung: Von monolithisch zu modular

• Moderne ERP-Lösungen folgen zunehmend modularen Plattformansätzen. 
• API-first-Architekturen ermöglichen die flexible Integration von Partnern, Services und Frontends, etwa für E-Commerce oder IoT-Anwendungen.
• Agile Methoden wie Scrum und DevOps sorgen für iterative Releases, schnelle Anpassungen an neue Anforderungen und kürzere Time-to-Market. 
• Nutzerzentrierung, Self-Service-Portale und personalisierte Dashboards transformieren ERP-Systeme zu Schnittstellen für interne Teams und externe Kund:innen gleichermaßen.

Branchenbeispiele für ERP-Innovation

Infrastruktur & Bau: Unternehmen wie HOCHTIEF digitalisieren Bau- und Instandhaltungsprozesse. ERP-Systeme erfassen Assets wie Straßen oder Leitungsnetze, verknüpfen Betriebs- und IoT-Daten, steuern Ressourcen effizient und ermöglichen datenbasierte Entscheidungen. Dies ist insbesondere angesichts steigender Investitionsbedarfe und Fachkräftemangel entscheidend. ERP wird so zur zentralen Plattform für Asset-Management, Projektplanung und Smart-City-Lösungen.

Gesundheitswesen: Ein führender Anbieter medizinischer Hilfsmittel hat sein ERP um eine integrierte E-Commerce-Plattform erweitert. Fachhändler, Ärzt:innen und Patient:innen können nun nahtlos interagieren, Prozesse automatisieren und Bestellungen effizient abwickeln. KI-gestützte Prognosen zur Verfügbarkeit von Produkten, NLP-basierte Rezeptauswertung und personalisierte Empfehlungen optimieren sowohl operative Prozesse als auch Customer Experience.

Industrie: Unternehmen wie Bosch Rexroth integrieren IoT-Daten in ERP-Systeme, um Maschinenzustände in Echtzeit zu erfassen und Wartungen vorausschauend zu planen. ERP fungiert hier als zentrale Plattform für Predictive Maintenance, Produktionsplanung und Datenanalyse.

Einzelhandel: Anbieter wie Zalando oder dm synchronisieren Lager, Bestellungen und Lieferketten in Echtzeit zwischen ERP und E-Commerce-Plattformen. KI-basierte Module prognostizieren Nachfrage, personalisieren Produktempfehlungen und steuern Promotions dynamisch, wodurch ERP-Systeme zu datengetriebenen Verkaufsinstrumenten werden.

Schlüsselprinzipien für moderne ERP-Produktentwicklung

Erfolgreiche digitale ERP-Projekte zeichnen sich durch folgende Prinzipien aus:

• Plattformstrategie statt Silos: Modulare, offene Systeme mit standardisierten Schnittstellen schaffen Flexibilität für Innovation und Integration.
• KI von Anfang an: Intelligente Vorhersagen, Automatisierungen und personalisierte Nutzerführung sind integraler Bestandteil der Architektur.
• Co-Creation: Einbindung von Fachabteilungen und Endnutzer:innen stellt sicher, dass ERP-Systeme echte Mehrwerte liefern und akzeptiert werden.
• Agile, interdisziplinäre Teams: IT, Business, UX und Data arbeiten gemeinsam iterativ, was Time-to-Market verkürzt und Qualität erhöht.

Herausforderungen und Stolpersteine

Studien und auch meine Projekterfahrungen zeigen, dass viele Unternehmen trotz hoher Investitionen an ähnlichen Punkten scheitern: Altsysteme und unflexible Architekturen hemmen E-Commerce- oder KI-Integrationen, fehlende Datenstrategien verhindern effiziente Automatisierung, und isolierte IT-Teams bauen Lösungen ohne echte Einbindung der Fachbereiche. Ein ERP darf nicht nur IT-Projekt sein, sondern muss als Produkt mit klarer Nutzerorientierung und strategischem Impact entwickelt werden. 

Fazit: ERP als strategische Plattform

ERP-Systeme verbinden operative Exzellenz mit Innovationskraft, Kundenerlebnis und datengetriebenen Services. Branchenübergreifende Praxisbeispiele aus Gesundheitswesen, Handel, Industrie und Infrastruktur zeigen, dass intelligente, modulare und KI-integrierte ERP-Systeme nicht nur Effizienz steigern, sondern neue Geschäftsmodelle ermöglichen. Unternehmen, die ihre ERP-Systeme als Produkt und Plattform verstehen, sichern nachhaltige Wettbewerbsfähigkeit und legen den Grundstein für zukünftiges Wachstum.

Weiterführende Ressourcen

• medi GmbH & Co. KG – Digitalisierung & E-Commerce im Gesundheitswesen - https://www.medi.de/unternehmen/medi-auf-einen-blick/
• EHI Retail Institute – Digital Commerce & ERP-Systeme im Handel (2023) - https://www.ehi.org
• Bitkom – Marktanalyse: Digital Health & ERP-Trends (2024) - https://www.bitkom.org
• Bosch Rexroth – Vernetzte Fertigung & ERP-Integration mit IoT - https://www.boschrexroth.com
• Zalando Tech Blog – Personalisierung & ERP-Schnittstellen im Onlinehandel - https://engineering.zalando.com
• EHI Retail Institute: ERP im Handel 2023 - ehi.org
• PwC Studie: ERP-Modernisierung in der Industrie (2023) - pwc.de
• Studien zu KI-gestützter Automatisierung und RPA in ERP-Umgebungen 

Von Galina Wacker, aktualisiert am 01. Januar 2025

Digitale Produkte sind mehr als Apps und Websites. Sie sind das Rückgrat moderner Geschäftsmodelle. Plattformen wie Amazon, Zalando, Airbnb oder SAP Business Network zeigen, wie digitale Produktentwicklung zur Wachstumsstrategie wird. Und mit dem Einsatz von KI entstehen neue Möglichkeiten, Produkte intelligenter, personalisierter und effizienter zu gestalten.

Doch wie gelingt die Entwicklung digitaler Produkte in der Praxis und was verändert sich durch KI?

Was ist digitale Produktentwicklung?

Digitale Produktentwicklung beschreibt die ganzheitliche Konzeption, Planung, Umsetzung und Skalierung digitaler Lösungen, z.B. Plattformen, SaaS-Produkte, mobile Apps oder KI-gestützte Services. Erfolgreiche Teams arbeiten iterativ, nutzerzentriert und datenbasiert.

Kernprinzipien:

• Co-Creation mit Kund:innen & Stakeholdern
• Agile Entwicklung (Scrum, Design Thinking, Lean UX)
• Fokus auf Time-to-Market & kontinuierliche Verbesserung (CI/CD)

Digitale Plattformen: Warum sie so zentral sind

Plattformen vernetzen Angebot und Nachfrage, Produkte und Daten, Unternehmen und Partner. Sie ermöglichen:

• Skalierbarkeit: Neue Funktionen oder Services lassen sich flexibel integrieren.
• Ökosysteme: Dritte können eigene Inhalte, Produkte oder Schnittstellen beisteuern (z. B. über APIs).
• Datenwertschöpfung: Plattformen sammeln Nutzungsdaten, die für Personalisierung oder Prozessoptimierung genutzt werden.

Beispiel: Bosch IoT Suite

 Bosch hat eine modulare Plattform für das Internet der Dinge (IoT) aufgebaut. Unternehmen aus der Industrie können darüber eigene Geräte, Maschinen und Anwendungen vernetzen, z. B. zur vorausschauenden Wartung. Die Plattform ermöglicht Bosch neue Geschäftsmodelle wie Pay-per-Use oder Fernwartungsdienste (Quelle: https://www.bosch-iot-suite.com).

Wie KI die digitale Produktentwicklung verändert

KI wirkt auf mehreren Ebenen:

• Produkt-Features: Sprachsteuerung, Chatbots, visuelle Suche oder Predictive Services (z. B. Wartungsprognosen)
• Entwicklung selbst: Code-Generierung mit GitHub Copilot, automatisierte Tests, UX-Analysen mit KI
• Personalisierung: Inhalte, Produktempfehlungen oder UI-Anpassungen auf Basis von Userdaten
• Innovation: KI identifiziert Trends, Nutzerbedürfnisse oder Marktlücken durch Datenanalyse

Praxisbeispiel: Spotify

 Spotify setzt Machine Learning ein, um täglich Millionen individuelle Playlists zu kuratieren. Auch Produktfeatures wie „Discover Weekly“ oder „Blend“ basieren auf KI-Analysen aus Nutzungsverhalten, Kontext (Ort, Tageszeit) und Community-Feedback (Quelle: https://engineering.atspotify.com).

Use Case FernUniversität in Hagen: Digitale Plattform & KI

Die FernUniversität in Hagen nutzt eine digitale Plattform zur Planung und Umsetzung von Studienangeboten. KI hilft u. a. bei:

• Kursprognosen (Belegungszahlen, Materialbedarf)
• Betreuungsauswertung (Analyse von E-Mails & Forenbeiträgen mit NLP)
• Suchoptimierung (Personalisierte Landingpages & Keyword-Analyse)

Ergebnis: Kürzere Entwicklungszeiten, bessere Personaleinsatzplanung und höhere Conversionrates in der Studierendenakquise.

Tipps für die Praxis

• Beginne mit einem MVP: Starte mit einem minimal funktionsfähigen Produkt, um schnell Nutzerfeedback zu sammeln.
• Baue eine Plattformstrategie: Denke modular und API-orientiert, auch für interne Anwendungen.
• Verknüpfe Daten mit KI: Klare Datenstrategie + passende KI-Modelle = Wettbewerbsvorteil.
• Teste kontinuierlich: Nutze A/B-Tests, Heatmaps und KI-gestützte UX-Tools wie Hotjar oder Fullstory.
• Crossfunktionale Teams: Bringe IT, UX, Marketing und Business zusammen, z. B. in Product Squads.

Weiterführende Ressourcen

• McKinsey: "The New Product Development Playbook" (2023)
• OMR Report „Plattformstrategien“
• Bitkom-Leitfaden „KI in der Produktentwicklung“ (2024)
• Harvard Business Review: „AI-First Product Development“

Von Galina Wacker, aktualisiert am 19. Juli 2022

Design Thinking bedeutet übersetzt: Denken wie Designer und stellt ein neuer Denkansatz zum Lösen von komplexen Problemen und zur Entwicklung von Innovationen dar.

Unter dem Design Thinking ist ein dynamischer und experimenteller Prozess, der 

• agile Methoden (zum Beispiel Scrum) nutzt, 
• einen interdisziplinären Austausch sowie 
• Zusammenarbeit mit Kunden bzw. Stakeholdern verlangt.

Das Tun-Prinzip steht dabei im Vordergrund: Zielgruppe definieren und diese beobachten, Ideen entwickeln, zeichnen, experimentieren, einfache Prototypen bauen, diese gemeinsam mit Nutzern testen. 

Als Hauptvoraussetzungen und Erfolgsfaktoren dieses Ansatzes gelten vor allem 

• Neugier, 
• Offenheit,
• Kreativität, 
• Achtsamkeit und 
• die Fähigkeit, sich in andere hineinzuversetzen. 

Die Anwendungsmöglichkeiten von Design Thinking sind vielfältig. Unabhängig von der Branche und Unternehmensgröße kann es sehr nützlich sein. Dieser Lösungsansatz ermöglicht schnell, 

• Verbesserungspotenziale zu erkennen und diese direkt zu erschließen, 
• Komplexe Probleme besser zu verstehen, 
• Bestehende und potenzielle Nutzer und deren Bedürfnisse sowie Erwartungen zu identifizieren. 

Als erfolgreiches Praxisbeispiel ist an der Stelle Apple - ein US-amerikanischer Hard- und Softwareentwickler und ein Technologieunternehmen - zu nennen, das bis jetzt Design, hochwertige Verarbeitung, hohe Funktionalität und Benutzerfreundlichkeit derart elegant und raffiniert miteinander verschmelzen und dadurch ein hervorragendes Kundenerlebnis schaffen konnte. Es macht schlichtweg Spaß, Computer, Smartphones und Unterhaltungselektronik von Apple zu bedienen. 

Prototyping als Herzstück im Design Thinking 

Prototyping ist ein signifikanter Bestandteil im Design Thinking. Was macht eigentlich einen guten Prototyp aus? Mit guten Prototypen werden unsere Innovationen und Ideen anpassbar und begreifbar gemacht, damit unsere bestehenden sowie potenziellen User diese erleben und bewerten können – verknüpft mit dem Wunsch, unser Angebot erheblich zu verbessern und dabei ein überzeugendes Kundenerlebnis zu schaffen. 

Um unsere Design-Thinking Lösung zu validieren, ist ein sogenanntes Minimum Viable Product (MVP) bzw. minimal brauchbare Version eines Produktes bereits in der Anfangsphase zu definieren. In der Praxis ist dabei eine iterativ-inkrementelle Entwicklung nach der Scrum-Methodik besonders beliebt - nicht ohne Grund: Scrum ermöglicht, ein Rahmenwerk für die Zusammenarbeit von interdisziplinären Teams basierend auf einer Definition von 

• Rollen (Product Owner, Scrum Master, Entwickler), 
• Meetings (Kick-Off, Sprint Planung, Daily Stand-Up, Retrospektive) und 
• Werkzeugen (z.B. Jira System) zu schaffen - mit dem Hauptziel, von den Anwendern zu lernen und neue Erkenntnisse kundenorientiert und direkt in unsere Prototypversionen und in die Entwicklung einfließen zu lassen – solange bis wir zu einer umsetzbaren Innovation gelangen. 

Es stellt sich dabei die Frage, in welcher Form und mit welchen Mitteln dafür ein erster Prototyp entwickelt werden kann? Die Antwort lautet: Es gibt hierbei kein Richtig oder Falsch. Es soll damit uns gelingen, 

• grundlegende Ideen unserer Lösung darzustellen,
• Stakeholder zu überzeugen und 
• den Entwicklern die Anforderungen anschaulich zu erklären.

Je einfacher, schneller und günstiger dieser Prototyp gebaut wird, desto weniger wird es uns schmerzen, ihn später zu ändern oder vielleicht gar zu verwerfen. Zum Beispiel um neue Funktionen eines Fahrrads zu entwickeln, ist dies zuerst vielleicht mit Lego oder mit digitalen Zeichnungen mittels Software zu versuchen. Die Wahl von Prototyping-Tools, die das Design einer Idee veranschaulichen können, Interaktivität erlauben und dadurch Nutzertests erleichtern, ist ziemlich groß -  beispielsweise Axure,  Proto.io, Sketch und UXPin genießen in der Praxis eine besondere Popularität. Die Entscheidung, welches Programm du auswählst, ist von vielen Faktoren abhängig - vor allem davon, was du mit diesem jeweiligen Prototyp erreichen willst und welche Rahmenbedingungen und Vorlieben bestehen. Sei ganz pragmatisch dabei.

Als bewährte Zeitsparer in deinem digitalen Projekt - wie zum Beispiel Website-Relaunch - können kostenlose und lizenzfreie Stock-Fotos bzw. Fotos von Bildagenturen (zum Beispiel von Pixabay), Blindtexte oder Platzhalter beim Prototypaufbau eingesetzt werden. Dies ermöglicht es dir sozusagen, eine Darstellung deiner neuen Lösung zu visualisieren und anschaulich zu erklären, ohne die Daten (zum Beispiel Texte, Bilder, Videos, Produktdaten) alle vorliegen haben zu müssen. Genau das haben wir im Rahmen unserer digitalen Projekte auch immer wieder angewendet, um unsere Prototypen einfach, effizient und schnell bauen zu können. 

Erwähnenswert ist, dass erste Prototypen nur einen Detaillierungsgrad aufweisen müssen, der ausschließlich für den Moment erforderlich ist. Perfektionismus ist hier fehl am Platz. Nur mit der Zeit wird der Reifegrad der Prototypen höher und aufwendiger. 

Das Tun-Prinzip und viel Experimentieren stehen im Rahmen des Design-Thinking-Prozesses auf der Tagesordnung. Ein interdisziplinärer Austausch und ein Team-Work – verbunden mit Originalität und viel Mut zu Innovationen – sind an der Stelle gefragt, was auch zu einem wesentlichen Musterwechsel führen kann. Die Ideenentwicklung basiert in dieser Anfangsphase noch vorwiegend auf Annahmen. Deswegen ist es wichtig, die entstehenden Ergebnisse immer wieder zu testen, Nutzer zu involvieren und regelmäßig zu überprüfen, ob dies noch der Realität entspricht und umsetzbar ist - was in der Praxis leider nicht immer der Fall ist.  

Bei der Entwicklung der Design-Thinking-Lösungsansätze ist zudem zu empfehlen, eine zentrale digitale Plattform zu nutzen, das heißt alle wesentlichen Daten an einem zentralen Ort zu speichern und zu strukturieren. Das macht den inkrementell-iterativen Entwicklungsprozess langfristig gesehen nachvollziehbar und vor allem transparent. Das soll zudem eine gute Basis für einen besseren Austausch und Diskussionen zwischen allen Beteiligten - zwischen Testern, Product Owner und Entwicklern - schaffen.

Das könnte Dich auch interessieren