Welche KI-Funktionen ERPs für die Mode heute liefern und was noch Marketing ist

ERPs liefern heute ein reales, aber schmales Set an KI-Funktionen, die für die Auftragsverwaltung in der Mode relevant sind: E-Mails und PDF-Bestellungen in Auftragsentwürfe umwandeln, Fehler erklären, Daten zusammenfassen und bei Streitfällen unterstützen. Weiter gehende Versprechen über autonome Agenten, die Planung oder Wholesale steuern, sind vorerst überwiegend Roadmap oder Beta. Der sinnvolle Test ist einfach: Ist die Funktion in Ihrer Edition allgemein verfügbar, was genau tut sie, und wo behält ein Mensch die Kontrolle?

Welche KI-Funktionen liefern ERP-Anbieter tatsächlich aus?

Zwei Beispiele zeigen, was heute verfügbar ist. Microsoft dokumentiert einen Sales Order Agent für Dynamics 365 Business Central als allgemein verfügbar. Er überwacht ein festgelegtes Postfach, identifiziert den Kunden anhand der E-Mail-Adresse, extrahiert gewünschte Produkte und Mengen, kann die Artikelverfügbarkeit prüfen, erstellt Verkaufsangebote oder Aufträge, antwortet dem Kunden und legt Aufgaben zur Prüfung durch Nutzende an. Die Prüfung ist konfigurierbar: Standardmässig werden die erste Nachricht registrierter Absender und alle Nachrichten nicht registrierter Absender geprüft. Der Agent verbraucht Copilot Credits und stellt die Verarbeitung ein, wenn diese aufgebraucht sind; individuelle Preis- oder Rabattlogik erfordert typischerweise eine manuelle Prüfung.

Die im April 2026 veröffentlichten Release-Highlights von SAP für Q1 2026 führen die KI-gestützte Erstellung von Kundenaufträgen in S/4HANA Cloud Public Edition als allgemein verfügbar auf; dabei werden unstrukturierte Daten wie PDFs verarbeitet, um Kundenaufträge zu befüllen. Dasselbe Release nennt die KI-gestützte Fehlererklärung und die KI-gestützte Verarbeitung von Zahlungsavisen als allgemein verfügbar sowie einen Dispute Resolution Agent für Rechnungsstreitigkeiten als Beta. SAP gibt zudem an, dass Joule inzwischen in 35 Lösungen mit mehr als 2'500 Skills und über 30 spezialisierten Agenten arbeitet.

Welche davon sind für ein Wholesale-Geschäft in der Mode relevant?

Am relevantesten sind die Funktionen für den Auftragseingang. Grosse Warenhäuser senden Bestellungen per EDI, doch viele Fachhändler bestellen weiterhin per E-Mail, Tabelle oder PDF, besonders bei Nachbestellungen zwischen den Saisons. Diese in Auftragsentwürfe umzuwandeln spart manuelle Erfassung, sofern die Umwandlung modespezifische Besonderheiten beherrscht: Matrizen aus Style, Farbe und Grösse, je nach Warengruppe unterschiedliche Grössenskalen, Lieferfenster und Prepacks. Die hier gesichtete Dokumentation keines der beiden Anbieter beschreibt eine modespezifische Verarbeitung, deshalb muss dies getestet werden.

Fehlererklärung und Unterstützung bei Streitfällen sind für die Integrationsschicht relevant. Viele EDI- und Rechnungsprobleme zeigen sich als kryptische ERP-Fehler oder als Zahlungsdifferenzen, und Tools, die Ursachen in verständlicher Sprache erklären, können die Zeit bis zur Lösung verkürzen.

Ein weiteres praktisches Feld ist die Verarbeitung von Zahlungen und Zahlungsavisen. Händler bezahlen oft mehrere Rechnungen auf einmal, abzüglich der Abzüge, und senden Zahlungsdetails in unterschiedlichen Formaten. Funktionen, die Zahlungsavise lesen und Zuordnungen zu offenen Posten vorschlagen, können die manuelle Arbeit in der Debitorenbuchhaltung reduzieren, solange nicht zugeordnete Differenzen an jemanden gehen, der die Abzugscodes des Händlers versteht.

Lesen Sie auch

ERP in der Mode: das führende System hinter jeder Order

Was ist noch Marketing?

Die Prognose von Gartner vom Juni 2025, wonach über 40 Prozent der Projekte mit agentischer KI bis Ende 2027 eingestellt werden, nennt steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen als Gründe. Gartner beschrieb zudem Agent Washing, also das Umetikettieren von Chatbots, Robotic Process Automation und bestehenden Assistenten als Agenten, und schätzte, dass nur etwa 130 der Tausenden Anbieter agentischer KI echt sind. Viele als agentisch positionierte Anwendungsfälle benötigten gar keine agentische Umsetzung.

Anzeichen dafür, dass ein KI-Versprechen eines ERP der Realität vorauseilt, sind:

• Keine klare Angabe zur Verfügbarkeit (allgemein verfügbar, Preview oder Beta) und zu den Editionen, für die sie gilt.
• Demonstrationen mit generischen Daten statt mit Modebestellungen über mehrere Grössen und Saisons.
• Produktivitätsprozente ohne genannte Ausgangsbasis oder Methode.
• Unklare Preise, zum Beispiel Verbrauchs-Credits ohne Schätzung pro verarbeitetem Auftrag.
• Keine Beschreibung, wie ein Mensch die Aktionen des Agenten prüft, freigibt oder rückgängig macht.

Wie sollten Modeunternehmen KI-Funktionen im ERP testen?

1. Einen Prozess mit klarem Volumen und spürbarem Aufwand wählen, etwa Nachbestellungen von Fachhändlern per E-Mail.
2. Status und Lizenzierung der Funktion in Ihrer Edition prüfen, inklusive verbrauchsabhängiger Kosten.
3. Ein Testset aus echten historischen Aufträgen aufbauen, auch aus schwierigen: Grössenläufe, Prepacks, Teilstornierungen und gemischte Liefertermine.
4. Die Genauigkeit pro Position statt pro Auftrag messen, ebenso die Zeit, die eine Person für Prüfung und Korrektur braucht.
5. Prüfregeln festlegen: welche Kunden oder Auftragsarten mit weniger Prüfung verarbeitet werden dürfen und welche immer eine Person brauchen.

Lesen Sie auch

Wie erstellen Sie einen KI-Business-Case, den Ihr CFO unterschreibt? Eine Vorlage für die Mode

Was sollten IT- und Vertriebsverantwortliche als Nächstes erwarten?

Gartner prognostizierte zudem, dass bis 2028 33 Prozent der Unternehmenssoftware-Anwendungen agentische KI enthalten werden, gegenüber weniger als 1 Prozent im Jahr 2024. ERP-Anbieter bewegen sich in diese Richtung; die Frage ist also weniger, ob KI im ERP ankommt, als ob die Daten und Prozesse des Unternehmens dafür bereit sind. Saubere Stammdaten zu Kunden, Produkten und Preisen, dokumentierte Auftragsregeln und verlässliche Integrationen entscheiden darüber, ob diese Funktionen Zeit sparen oder lediglich schneller Fehler produzieren.

Governance ist ebenso wichtig wie die Funktionen. Legen Sie fest, wer einen Agenten aktivieren darf, welche Kunden er bedienen darf, wie seine Aktionen protokolliert werden und wie schnell ein falscher Auftrag rückgängig gemacht werden kann. Diese Regeln lassen sich vor einem Pilot leichter vereinbaren als nach dem ersten Fehler, der einen Handelskunden erreicht.