Der eigentliche Wert einer Unternehmens-KI im Betrieb liegt selten im Modell selbst — er liegt in den Daten, die im ERP-System eingeschlossen sind: Aufträge, Rechnungen, Bestände, Stammdaten, Buchungen. Ein privates ChatGPT-Konto kennt diese Daten nicht und darf sie aus Datenschutzgründen auch nicht kennen. Die Frage ist deshalb nicht „Kann ChatGPT Texte schreiben?", sondern „Wie kommt eine KI kontrolliert und DSGVO-konform an die richtigen ERP-Daten — und nur an die?"
Genau darum geht es bei der Integration von KI in ERP-Systeme wie SAP, Microsoft Dynamics, DATEV-Umgebungen oder Odoo. Dieser Artikel zeigt die realistischen Integrationsmuster und ihre Trade-offs, was DSGVO und Berechtigungen für sensible ERP-Daten bedeuten, drei konkrete Workflows mit Beispiel-Prompt und -Ausgabe sowie einen Readiness-Check für die Einführung. ERP-Anbieter sind hier keine Konkurrenten, sondern Anbindungsziele.
Kurzdefinition: „KI mit dem ERP verbinden" heißt, eine Unternehmens-KI-Plattform über einen Connector, einen read-only Datenbankzugriff oder einen abgegrenzten Export an erlaubte ERP-Daten anzubinden — sodass Mitarbeitende mit Quellen belegte Antworten aus dem eigenen System erhalten, ohne dass ERP-Daten in unkontrollierten privaten Accounts landen. Der Zugriff folgt dem Least-Privilege-Prinzip und ist protokolliert.
ERP-Daten sind das Rückgrat des Unternehmens und häufig personenbezogen (Kundendaten, Lieferantendaten, teils Gehaltsdaten). Wer sie in einen privaten Chatbot kopiert, verliert die Kontrolle über Verarbeitung, Speicherung und ein mögliches Modelltraining. Das ist der klassische Schatten-KI-Fall: Mitarbeitende lösen ein reales Problem, erzeugen aber ein Datenschutzrisiko.
Der saubere Weg dreht die Richtung um: Nicht die Daten wandern zur KI, sondern die KI wird kontrolliert an definierte Ausschnitte der Daten angebunden — in einer Umgebung, für die das Unternehmen den Datenschutz vertraglich zusichern kann. Genau das leistet eine Unternehmens-KI-Plattform mit zentraler Rechteverwaltung, EU-Betrieb und Protokollierung.
Es gibt nicht den einen Weg, KI an ein ERP anzubinden — es gibt vier Muster mit unterschiedlichem Aufwands- und Risikoprofil. Die Faustregel: den schnellsten stabilen Pfad mit klarer Wirkung wählen, nicht den technisch aufwendigsten.
| Muster | Was passiert | Gut für | Trade-off |
|---|
| 1. Read-only API / Connector | Die KI ruft über eine Schnittstelle erlaubte ERP-Objekte in Echtzeit ab | Statusfragen, Auftrags-/Rechnungsabfragen | Setzt eine verfügbare, freigegebene Schnittstelle voraus |
| 2. RAG über ERP-Export | Ein abgegrenzter Export (z. B. Report, CSV, Dokumente) wird indexiert und semantisch durchsuchbar | Große, eher statische Datenbestände; Nachschlagen | Nicht echtzeitaktuell — so aktuell wie der letzte Export |
| 3. Read-only SQL-Zugriff | Direktes, lesendes Anzapfen einer bestehenden Datenbank mit Schema-Erkundung und Abfragen | Schnelle Analysen, operative Auswertungen | Braucht kontrollierten, rein lesenden DB-Zugang |
| 4. Custom Tool / MCP-Server | Ein Server kapselt genau definierte Read/Write-Aktionen | Tiefe operative Prozesse inkl. Schreiben | Höchster Aufwand; Schreibvorgänge brauchen Freigabe |
So entscheidet man in der Praxis: Gibt es eine native Integration, wird zuerst der native Connector genutzt. Gibt es keine, aber strukturierte Daten, geht man den Export- bzw. Data-Pool-Weg (RAG). Ist tiefer operativer Zugriff mit Lesen und Schreiben nötig, kommt ein Custom Tool bzw. Custom MCP Server zum Einsatz. Bei On-Prem-Systemen mit hohen Sicherheitsanforderungen ergänzen IP-Allowlisting, ein dediziertes Verbindungsnetz oder VPN das Bild.
Speziell für SAP und andere große ERP-Systeme gilt: mit abgegrenzten Export-Schnitten oder read-only Zugriff starten und die Integration in Stufen ausbauen. Das bringt schnell Nutzen, hält das Risiko klein und vermeidet einen riskanten Vollzugriff, den niemand mehr überblickt. Ob ein konkreter ERP-Baustein direkt anbindbar ist, hängt von Ihrer Systemlandschaft und den freigegebenen Schnittstellen ab .
ERP-Daten sind sensibel und oft personenbezogen — die Anbindung ist damit Datenschutz-relevant. Die folgenden Punkte sind keine Kür, sondern die Grundlage einer prüfbaren Einführung:
- EU-Betrieb & AVV: Die Verarbeitung läuft in der EU (bei meinGPT: Hosting Hetzner, Deutschland), ein Auftragsverarbeitungsvertrag ist Standard, und Eingaben werden nicht zum Modelltraining verwendet.
- Least-Privilege-Scopes: Die KI erhält Zugriff nur auf genau die freigegebenen Objekte — etwa nur Auftragskopfdaten oder nur Rechnungsstatus, nicht das ganze ERP. Jede Person sieht nur, wofür sie berechtigt ist.
- Protokollierung: Wer wann worauf zugegriffen hat, ist über Audit-Logs nachvollziehbar und gegenüber Datenschutz, Betriebsrat und Auditoren belegbar.
- Pseudonymisierung sensibler Felder: Besonders schützenswerte Felder lassen sich maskieren oder pseudonymisieren, bevor sie überhaupt verarbeitet werden.
- Human-in-the-Loop bei Schreibvorgängen: Buchungen und andere revisionsrelevante Änderungen bleiben in menschlicher Verantwortung — die KI schlägt vor, gebucht wird nach Prüfung.
- Unabhängige Nachweise: Betreiber SelectCode GmbH ist nach ISO 27001:2022 zertifiziert und lässt die Sicherheit regelmäßig durch unabhängige Penetrationstests (zuletzt SySS, 2025) prüfen; Richtlinien und Nachweise sind über das Trust Center einsehbar.
Quotable: Eine DSGVO-konforme KI-ERP-Anbindung braucht fünf Dinge — EU-Betrieb mit AVV, kein Training auf Eingaben, Least-Privilege-Zugriff auf nur die freigegebenen ERP-Objekte, Protokollierung jedes Zugriffs und eine menschliche Freigabe für schreibende Vorgänge.
Statt sich durch Transaktionsmasken zu klicken, fragt die Fachkraft in natürlicher Sprache — die KI liest die freigegebenen Auftrags- bzw. Rechnungsobjekte und antwortet mit Quellenbezug.
Beispiel-Prompt:
„Welche offenen Aufträge des Kunden Müller GmbH haben ein zugesagtes Lieferdatum in den nächsten 14 Tagen? Gib Auftragsnummer, Positionswert und Status als Tabelle aus."
Beispiel-Ausgabe:
| Auftrag | Positionswert | Zugesagtes Datum | Status |
|---|
| AU-10432 | 18.400 € | 2026-07-09 | in Fertigung |
| AU-10457 | 6.250 € | 2026-07-12 | Wareneingang offen |
| AU-10461 | 2.980 € | 2026-07-15 | kommissioniert |
Grundlage: 3 offene Aufträge (Quelle: ERP-Auftragsdaten, Stand der Abfrage). Für verbindliche Termine bitte Fertigungsstatus prüfen.
Ein monatlicher ERP-Report (Umsatz, Deckungsbeitrag, Retouren) wird als abgegrenzter Export indexiert. Die KI erzeugt daraus eine erzählende Zusammenfassung für die Geschäftsleitung — schneller als eine manuell geschriebene Management-Summary.
Beispiel-Prompt:
„Fasse den Vertriebsreport Juni in fünf Sätzen für die Geschäftsleitung zusammen: größte Bewegung gegenüber Mai, auffällige Regionen, Handlungsempfehlung. Nenne die zugrunde liegenden Zahlen."
Beispiel-Ausgabe:
„Der Umsatz lag im Juni bei 1,42 Mio. € (+6,8 % ggü. Mai). Getragen wurde das Wachstum vor allem von der Region Süd (+14 %), während Nord leicht rückläufig war (−3 %). Die Retourenquote sank von 4,1 % auf 3,4 %. Auffällig ist der Deckungsbeitrag der Produktgruppe C, der trotz Umsatzplus um 2 Punkte fiel — hier lohnt eine Preis-/Konditionsprüfung. Empfehlung: Konditionen der Gruppe C im Juli gezielt nachschärfen."
Hinweis: Werte stammen aus dem indexierten Juni-Export; die Zahlen sind so aktuell wie der letzte Export.
Über einen lesenden SQL-Zugriff beantwortet die KI Fragen zu Stammdaten und deckt Qualitätsprobleme auf — als Vorarbeit für die Datenpflege, die ein Mensch abschließt.
Beispiel-Prompt:
„Finde mögliche Dubletten im Lieferantenstamm: gleiche USt-IdNr. oder sehr ähnliche Firmennamen an derselben Adresse. Gib die verdächtigen Paare mit Lieferantennummer aus."
Beispiel-Ausgabe:
| Verdacht | Lieferant A | Lieferant B | Kriterium |
|---|
| Dublette | L-2091 · Meier Technik GmbH | L-3388 · Meier-Technik GmbH | identische USt-IdNr. |
| Prüfen | L-1120 · Nord Logistik | L-2740 · Nord-Logistik KG | gleiche Adresse, ähnl. Name |
Ergebnis: 1 sichere Dublette, 1 Prüffall. Zusammenführung bitte fachlich freigeben, bevor im ERP geändert wird.
Vor der ersten ERP-Anbindung sollten diese Punkte geklärt sein — der Check ist bewusst kurz und prüfbar gehalten:
- RAG ist nicht echtzeitaktuell: Ein indexierter Export ist nur so frisch wie der letzte Export. Für tagesaktuelle Bestände oder Zahlungsstatus braucht es einen Live-Zugriff (Connector/SQL).
- Datenqualität schlägt durch: Sind Stammdaten unsauber, sind auch die Antworten unsauber. Die KI deckt Probleme auf, ersetzt aber keine Datenpflege.
- Kein Vollzugriff als Standard: Ein pauschaler Zugriff auf „das ganze ERP" ist weder nötig noch empfehlenswert — er vergrößert nur die Angriffsfläche.
- Schreibvorgänge bleiben menschlich: Buchungen und revisionsrelevante Änderungen gehören hinter eine Freigabe; die KI bereitet vor, verantwortet aber nicht.
- Konkrete Anbindbarkeit ist landschaftsabhängig: Ob ein bestimmter SAP-Baustein oder eine DATEV-Schnittstelle direkt nutzbar ist, hängt von Ihrer Systemlandschaft ab und ist mit IT bzw. Steuerbüro zu klären .
Welche Systeme sich heute über native Connectoren, Datenbanken und MCP anbinden lassen, zeigt die Übersicht der meinGPT-Integrationen. Wie eine KI-Plattform insgesamt bewertet und DSGVO-konform eingeführt wird — von Auswahlkriterien bis Adoption — steht in KI für Unternehmen. Und wie die gleiche Logik am Beispiel E-Mail aussieht, lesen Sie unter Outlook mit KI verbinden.
Der pragmatische Einstieg bleibt gleich: einen abgegrenzten ERP-Ausschnitt wählen, read-only starten, den Nutzen an einem echten Workflow belegen — und die Integration erst dann vertiefen.
