ERP-Systeme (Enterprise Resource Planning) enthalten strukturierte Unternehmensdaten (z. B. Lagerbestände, Bestellungen, Gehaltsabrechnungen), die prinzipiell wertvoll für RAG-basiertes Wissensmanagement sind. Eine zentrale Herausforderung ist jedoch die oft schlechte Datenqualität (inkonsistent, veraltet, unvollständig), die vor einer Nutzung in KI-Systemen adressiert werden muss.
ERP-Systeme enthalten hochwertige, strukturierte Daten, die für Wissensmanagement genutzt werden könnten. Typische Probleme sind:
| Herausforderung | Beschreibung | Beispiel |
|---|---|---|
| Datenqualität | Duplikate, veraltete Einträge, fehlende Metadaten oder inkonsistente Daten. | Ein Lagerbestand wird in zwei Tabellen mit unterschiedlichen Werten erfasst. |
| Komplexität | ERP-Systeme sind oft nicht für KI-gestützte Abfragen optimiert. | Keine direkte API für semantische Suche. |
| Integration | ERP-Daten müssen extrahiert, bereinigt und in Wissenssysteme eingebunden werden. | Daten aus SAP müssen in eine Vektordatenbank für RAG übertragen werden. |
| Skalierbarkeit | Große ERP-Datenmengen erfordern effiziente Abfrage- und Verarbeitungsmethoden. | Langsame SQL-Abfragen bei hohen Lasten. |
| Regelbasierte Logik | ERP-Daten müssen oft mit Regeln verknüpft werden (z. B. Bestellautomatisierung). | „Wenn Lagerbestand < 10, dann Bestellung auslösen." |