KI im Auftragsfluss: wenn die Information schneller sein muss als der Auftrag

Ein typischer mittelständischer Industriebetrieb: ein hohes Auftragsvolumen, eigene Fertigung und Fremdfertigung gemischt, eine in den letzten Jahren spürbar gewachsene Mitarbeiterzahl. Die Fertigung läuft gut, die externen Lieferanten ebenfalls. Was nicht mehr funktioniert: die Information darüber, was gerade passiert.

Maschine fällt am Montag aus. Werker krank am Dienstag. Lieferant verschiebt um zwei Wochen. Jede dieser Restriktionen wird heute über eine Hand voll Schnittstellen verteilt – zwischen Fertigung, Einkauf, Vertriebsinnendienst und Geschäftsleitung. Mit jeder neuen Information wird klarer: die Menschen an diesen Schnittstellen kommen nicht mehr nach. Aufträge werden zu spät umgeplant. Kunden werden zu spät informiert. Folgewochen reißen mit – obwohl die Erkenntnis längst da war.

Genau dieses Muster sehen wir aus mehr als 100 BOOSTER-Analysen im Fertigungsmittelstand. Es ist kein ERP-Problem. Die Daten sind da. Es ist ein Informationsverarbeitungs-Problem.

Das Problem ist nicht das ERP — sondern die Information

Die meisten mittelständischen Fertiger haben ein gepflegtes ERP. Auftragsnummern, Bestellungen, Rückstandslisten, Termine – alles da. Was fehlt, ist das Werkzeug, das aus dieser Datenmenge versteht: Was bedeutet eine konkrete Restriktion gerade für meine offenen Aufträge?

Eine Maschine fällt zwei Tage aus. Welche Aufträge sind direkt betroffen? Welche rutschen wie weit? Welche Folgeaufträge in der kommenden Woche müssen schon heute umgeplant werden? Welcher Kunde muss informiert werden, und welcher kann ruhig warten? Diese Fragen beantwortet heute der Mensch im Kopf – mit dem Risiko, dass eine davon übersehen wird.

Wie ein Restriktionsmodell aussieht — in vier Stufen

Der Lösungsweg, den wir gemeinsam mit dem Kunden aufgesetzt haben, kommt nicht als Big Bang. Vier Stufen, bewusst aufeinander aufbauend, jede für sich nutzbar:

1. Transparenz-Cockpit. Eine zentrale Sicht auf alle offenen Aufträge mit Ampelstatus. Restriktionen werden strukturiert erfasst – auch per Sprache oder Chat. Schon dieser Schritt entlastet täglich.
2. What-if-Simulation. Das Modell rechnet eine eingetragene Restriktion gegen laufende Aufträge und Folgewochen. Es schlägt vor: welcher Kunde wird wann informiert, welche Folgeaufträge müssen heute geschoben werden.
3. Eingangsautomatisierung. E-Mails von Lieferanten, Telefonnotizen, Rückantworten auf Rückstandslisten werden automatisch in Restriktionen übersetzt – kein manuelles Übertragen mehr.
4. Proaktiver Agent. Das Modell erkennt gefährdete Termine, bevor der Mensch hinschaut, und bereitet die Kundeninfo vor. Die finale Freigabe bleibt beim Menschen.

Der eigentliche Unterschied: das Modell gehört dem Kunden

Wer heute eine klassische Software-Lösung kauft, zahlt für die Nutzung. Monat für Monat, Jahr für Jahr. Am Ende gehört dem Käufer nichts. Dieses Modell haben wir bewusst umgedreht.

Wir entwickeln das Restriktionsmodell direkt auf einer modernen KI-Plattform, die der Kunde selbst lizenziert. Nach Abschluss der gemeinsamen Entwicklung geht alles in die Verfügungsgewalt des Auftraggebers über: Logik, Regeln, Konfiguration, Prompts, Workflows, Dokumentation. Der Kunde kann das Modell intern weiterentwickeln, auf neue Maschinen ausrollen, an veränderte Rahmenbedingungen anpassen – mit oder ohne uns.

Was bleibt: eine überschaubare Plattformnutzung beim gewählten KI-Anbieter, direkt zwischen Kunde und Plattform abgerechnet. Keine Lizenzgebühren an uns. Keine Beraterhonorare im Dauerabo. Die laufenden Kosten sind transparent kalkulierbar – und liegen in jeder seriösen Diskussion deutlich unter dem, was klassische Mittelstands-Software pro Jahr aufruft.

Andere verkaufen Nutzung. Wir entwickeln Eigentum.

Sechs Monate — bewusst gestreckt

Ein Tool, das Mitarbeiter im Tagesgeschäft tragen sollen, lässt sich nicht in vier Wochen aufsetzen. Wir arbeiten in einem festen Rhythmus über sechs Monate:

• Monat 1 – Aufsetzen, Datenbasis, Anforderungs-Workshop vor Ort mit den Mitarbeitern, die später damit arbeiten.
• Monat 2 – Prototyp Stufe 1 (Cockpit) auf der KI-Plattform, iterative Verfeinerung in zweiwöchigen Reviews.
• Monat 3 – Pilot-Test mit neutralisierten Dokumenten. Das Team prüft Funktion und Bedienbarkeit, bevor der Datenschutz die Iteration ausbremst.
• Monat 4 – Datenschutz- und IT-Security-Klärung als eigener Block: DSGVO, AVV, Rollen-/Rechtekonzept, KI-Policy. Vor dem Live-Pilot, nicht währenddessen.
• Monat 5 – Live-Pilot in einem Bereich mit echten Daten. Tägliches Standup, wöchentliche Lessons-Learned-Runde.
• Monat 6 – Übergabe der vollständigen Modellhoheit an den Kunden. Schulung des internen Teams. Dokumentation finalisieren.

Monatliche Kündbarkeit, monatliches Go/No-Go. Schneller geht es theoretisch – doch dann fehlt am Ende immer das, was den Unterschied macht: Akzeptanz und Eigentum.

Was Sie aus diesem Projekt mitnehmen können

Wenn Ihr Betrieb in ähnlichen Strukturen arbeitet – mehrere Schnittstellen, gemischte Eigen- und Fremdfertigung, manuell verteilte Restriktionsinformationen –, ist das hier kein Zukunfts-, sondern ein Heute-Thema.

Drei Punkte, die wir in jedem solchen Projekt sehen:

• Die Daten sind fast immer schon da. Das Problem liegt in der Verarbeitung der laufenden Veränderungen.
• KI muss nicht groß, neu und teuer sein. Sie muss klein anfangen und beim ersten konkreten Engpass helfen.
• Bestehen Sie auf Modellhoheit. Wenn Sie nach der Entwicklung keine vollständige Verfügungsgewalt über das Werkzeug haben, ist es nicht Ihr Werkzeug.

Wo Sie heute Restriktionen am häufigsten erleben und wo Sie konkret entlasten könnten, sehen wir in einer BOOSTER-Analyse – BAFA-gefördert und in 30 Minuten konkret.