1. Prozess-Audit statt Bauchgefühl
Der erste Schritt ist nicht die Software, sondern die Analyse. Ein strukturierter Audit identifiziert, welche Workflows in der Logistik wirklich Zeit fressen. In der Praxis bedeutet das: Wir messen die aktuelle Zykluszeit für die Erfassung von Lieferscheinen und die Fehlerquote bei der Adressanreicherung. Oft liegt die manuelle Eingabe bei 4-6 Minuten pro Dokument. Der Audit liefert eine priorisierte Roadmap, die den Piloten auf einen einzigen, hochfrequenten Prozess begrenzt, z. B. die automatische Statusaktualisierung für 20 % der Sendungen. Diese Fokussierung ist entscheidend, um in 8 Wochen ein messbares Ergebnis zu erzielen, statt in der Breite zu scheitern.
2. n8n als Orchestrierungsschicht
n8n ist die Orchestrierungsschicht, die das ERP mit dem LLM verbindet. Es liest Events aus dem System (z. B. ‘Sendung versendet’), ruft das KI-Modell auf, um den Text zu generieren oder Daten zu bereinigen, und schreibt das Ergebnis zurück. Für 11-50 Mitarbeiter ist n8n ideal, weil es visuell editierbar ist und keine teure iPaaS-Lizenz erfordert. Die Workflows sind in Tagen, nicht Wochen, aufgebaut. Wichtig ist die Fehlerbehandlung: Wenn das Modell unsicher ist, wird der Fall an einen Menschen in Slack eskaliert, statt blind weiterverarbeitet zu werden. Diese Robustheit ist der Kern der Architektur.
3. Datenanreicherung statt manueller Eingabe
Die Datenanreicherung ist der eigentliche Hebel. Manuelle Dateneingabe ist fehleranfällig und langsam. Das LLM normalisiert Adressen, erkennt fehlende Postleitzahlen und korrigiert Tippfehler in Kundenreferenzen. Im Piloten wurde die Fehlerquote bei der Adressvalidierung von 12 % auf unter 1 % gesenkt. Die Daten werden nicht einfach ‘hineingeschmissen’, sondern mit Konfidenzwerten versehen. Nur Daten mit einer Konfidenz über 95 % werden automatisch übernommen. Der Rest landet in einer Review-Queue. Das spart nicht nur Zeit, sondern verbessert die Datenqualität im ERP nachhaltig, was für die Supply Chain-Kalkulation kritisch ist.
4. EU AI Act Compliance als Standard
Der EU AI Act ist kein Hindernis, sondern ein Rahmen. Für die beschriebenen Use Cases (Datenanreicherung, Statusupdates) gilt das System als ‘minimal risk’. Es gibt keine Pflicht zu einer Grundrechte-Folgenabschätzung, aber die Transparenz ist wichtig. Kunden müssen wissen, dass ein KI-System an der Erstellung der Statusmeldungen beteiligt ist. Zudem muss die Datenherkunft dokumentiert sein: Woher kommen die Trainingsdaten? Wie wird die Privatsphäre gewahrt? In Österreich ist die DSGVO ohnehin strenger, daher ist die Kombination aus DSGVO und AI Act der Standard. Die Dokumentation ist Teil des Audits und muss vor dem Go-Live abgeschlossen sein.
5. Slack-Integration für schnelle Freigaben
Die Integration in Slack oder Microsoft Teams ist der Schlüssel zur Akzeptanz. Die Mitarbeiter müssen nicht in ein neues System schauen, sondern erhalten die Freigabe-Anfragen direkt in ihrem Chat. Ein n8n-Workflow sendet eine interaktive Nachricht: ‘Sendung #12345: Adresse korrigiert. Freigeben?’ Der Mitarbeiter klickt auf ‘Ja’ oder ‘Nein’. Das dauert 2 Sekunden. Ohne diese Integration scheitern Automatisierungsprojekte oft an der mangelnden Nutzung durch die Belegschaft. Die Feedback-Schleife ist kurz, die Adoption hoch. Für Teams in der Logistik, die viel unterwegs sind, ist die Mobile-Nutzung in Slack entscheidend.
6. Messbarer ROI in 8 Wochen
Der Pilot läuft 4 Wochen parallel zum manuellen Prozess. Wir messen die Zykluszeit und die Fehlerquote vor und nach der Einführung. Im Beispiel: Die manuelle Erfassung dauerte im Schnitt 5,2 Minuten pro Dokument. Mit der Automatisierung und Human-in-the-Loop-Freigabe sinkt die Zeit auf 45 Sekunden pro Dokument. Die Fehlerquote bei der Adressanreicherung fällt von 12 % auf 0,8 %. Diese Zahlen sind die Grundlage für die Skalierung auf weitere Prozesse. Der Audit liefert nicht nur die Software, sondern auch den Business Case für die weitere Automatisierung in der Supply Chain.
Leave a Reply