Warum KI die Rolle von Business-Systemen wie PIM noch verstärkt

Die rasanten Weiterentwicklungen im Rahmen von KI bringen immer mehr Entscheider in Unternehmen zum Grübeln: Lohnt es sich heute überhaupt noch, in Unternehmenssoftware zu investieren oder wird KI traditionelle Lösungen künftig komplett ablösen? Diese Frage scheint berechtigt, führt man sich vor Augen, was derzeit bereits mit generativer KI und Agentic AI alles möglich ist. Demgegenüber stehen meist aufwendige Auswahl- und Implementierungsprojekte für unterschiedlichste Softwarelösungen, die unternehmensweit integriert und orchestriert werden müssen.

Besonders Agentic AI verspricht im Unternehmenskontext eine ganze Reihe an Geschäftsvorteilen. Anstatt sich durch komplexe Softwareoberflächen zu navigieren, könnten Anwender einem KI-Agenten beispielsweise einfach mitteilen, welches Ziel sie erreichen möchten. Die KI könnte dann Informationen abrufen, analysieren, mit verschiedenen Anwendungen interagieren und sogar komplette Workflows autonom ausführen. Wenn das bereits heute schon möglich ist, warum sollten Unternehmen dann überhaupt noch in die darunterliegende Unternehmenssoftware investieren?

Werden PIM-Systeme durch KI abgelöst?

Tatsächlich wird die Rolle von PIM durch die immer weitreichendere Nutzung von KI im Unternehmenskontext nur verstärkt. KI benötigt vertrauenswürdige Daten, Geschäftskontext, Regeln, definierte Workflows und klare Rollen und Berechtigungen, um effektive und präzise Ergebnisse zu erzielen.

Traditionelle Unternehmensanwendungen wie ERP, CRM, PIM, MDM oder DAM speichern und strukturieren geschäftskritische Informationen, setzen Regeln und Berechtigungen durch, verwalten Transaktionen, orchestrieren Prozesse und stellen Oberflächen bereit, über die Menschen mit diesen Funktionen interagieren.

Die KI wird als Intelligenz- und Interaktionsschicht über diesen bestehenden Unternehmenssystemen mehr und mehr dazu beitragen, dass systemübergreifende Prozesse effizient, qualitätsgesichert und ressourcenschonend gesteuert und durchgeführt werden. Anwender werden daher möglicherweise zunehmend mit KI-Agenten interagieren, anstatt direkt in den einzelnen Softwarelösungen zu navigieren, Daten direkt in Eingabemasken abzufüllen oder zwischen verschiedenen Anwendungen zu wechseln. Die Unternehmensanwendungen rücken also mehr und mehr in den Hintergrund – ihre Bedeutung verlieren sie jedoch nicht.

Diese Veränderungen in der Interaktion mit Software werden traditionelle Lösungen jedoch ganz klar transformieren. Benutzeroberflächen werden immer unwichtiger, während die Bereitstellung von zentralen Unternehmensdaten wie Produkt-, Kunden- oder Bilddaten sowie von Geschäfts- und Qualitätsregeln für Zielsysteme, Anwender und KI-Tools in den Fokus rücken.

Im Folgenden zählen wir die wesentlichen Gründe auf, warum KI PIM-Systeme nicht ersetzen wird.

Grund 1: KI braucht zuverlässige Systems of Record

Eine der wichtigsten Einschränkungen von Large Language Models (LLMs), die meist das Fundament für Agentic AI bilden, ist gleichzeitig eines der stärksten Argumente für Unternehmenssoftware. PIM-Systeme sind deterministische Systems of Record. Datenabfragen führen zu eindeutigen, präzisen Antworten. KI-Modelle sind probabilistische Systeme, die auf Basis von strukturierten Daten Geschäftsergebnisse erzielen, die am wahrscheinlichsten das vorgegebene Prozessziel erfüllen. Das ist eine herausragende Qualität für die Erstellung von Produktbeschreibungen, Übersetzungen oder Attributszuweisungen – für die Identifizierung von eindeutigen Informationen wie die zugelassene Spannung eines bestimmten Produkts, den aktuellen Lagerbestand einer SKU oder den vertraglich vereinbarten Preis einer Kundenbestellung kann diese Eigenschaft schnell zu Problemen führen.

Angenommen, Produkte ohne regulatorische Freigaben dürfen nicht veröffentlicht werden. PIM bietet eine eindeutige Geschäftslogik:

Regulatorische Freigabe = falsch  Veröffentlichung blockiert

Eine KI kann hier keinen Mehrwert bieten, indem sie auf Basis der verfügbaren Informationen interpretiert, dass ein Produkt die Anforderungen wahrscheinlich erfüllt oder nicht – und im Zweifelsfall bei mehreren Abfragen die Sachlage jeweils unterschiedlich bewertet.  

Dennoch kann KI eine wertvolle Rolle übernehmen. Sie kann die fehlende Freigabe analysieren und erklären, warum die Veröffentlichung blockiert wurde. Sie kann den zuständigen Mitarbeiter identifizieren und einen neuen Freigabe-Workflow initiieren.

Dasselbe Prinzip gilt für Finanztransaktionen, Zugriffsberechtigungen, Compliance-Anforderungen, Preisregeln, Freigabegrenzen und zahlreiche weitere Unternehmensprozesse.

Grund 2: KI braucht strukturierte Daten und Geschäftskontext

Damit KI zentrale Geschäftsprozesse überhaupt steuern und unterstützen kann, ohne die Ergebnisse zu verfälschen, ist sie auf eine perfekte Datenbasis angewiesen. Strukturierte Produktinformationen, starke Datenmodellen, klare Taxonomien, Beziehungen und Metadaten sind das Fundament für eine möglichst effektive Weiterverarbeitung dieser Informationen durch ein KI-System.

Welches Bild gehört zu welchem Produkt? Welche Produkte sind Varianten eines anderen Produkts? Welche Ersatz- und Zubehörteile gehören dazu? Welcher Lieferant liefert eine bestimmte Komponente? Welche Produktattribute sind für einen bestimmten Marktplatz verpflichtet? Welches digitale Asset ist für welches Land freigegeben? Diese Regeln sind unerlässlich für die Nutzung von Produktinformationen im Marketing, Vertrieb und in der Kundenkommunikation. Und all diese Regeln werden im PIM festgeschrieben.

Je besser diese zugrundeliegende Struktur ist, desto bessere Rückschlüsse kann die KI auf das Unternehmen, seine Produkte und Kunden ziehen. PIM stellt damit zunehmend den maschinenlesbaren Geschäftskontext bereit, den KI benötigt, um effektiv zu arbeiten.

Grund 3: Unternehmenssoftware schafft die notwendige Governance und Kontrolle

Mit zunehmender Autonomie von KI werden klare Richtlinien immer wichtiger. Ungewollte Preisveränderungen, die Veröffentlichung von falschen Produktinformationen oder das Senden von vertraulichen Daten an falsche Empfänger sind ein großes Risiko im Unternehmenskontext.

Agentic AI braucht daher klare Grenzen dafür, auf welche Informationen die KI zugreifen darf, welche Entscheidungen von Agenten getroffen und welche Aktionen sie ausführen dürfen. Unternehmenssysteme wie PIM stellen viele dieser Mechanismen bereits heute über Rollen, Berechtigungen, Workflows, Freigabeprozesse, Audit Trails und Governance-Regeln bereit.

Wenn Unternehmen also autonome KI in ihre Geschäftsprozesse einbinden wollen, brauchen sie eine starke, verlässliche und lückenlose Governance-Infrastruktur mit klaren Eskalationsregeln, um beispielsweise Ausnahmen zu verarbeiten, die die KI nicht verarbeiten kann, und mit Validierungs- und Freigabeprozessen, die verantwortliche Mitarbeiter in die Workflows einbindet und damit die Qualität und Compliance der Daten sichert.

Was sich verändert: Interoperabilität wird immer wichtiger

Viele Business-Anwendungen sind heute noch primär dafür entwickelt, dass Menschen direkt mit ihnen interagieren. Anwender öffnen die Anwendung, navigieren durch ihre Oberfläche und führen Aufgaben aus. Mit Agentic AI ändert sich das grundlegend. Die Idee ist, dass das KI-System ein bestimmtes Geschäftsziel erhält. Das kann zum Beispiel sein: „Analysiere die Abverkaufszahlen von Produkt A und optimiere den Produkt Content im Online-Shop, um die Conversion Rate zu erhöhen.“ Die KI muss entsprechend im Hintergrund mit mehreren Systemen interagieren und beispielsweise Kundeninformationen aus einem CRM abrufen, Bestände im ERP prüfen, die Produktperformance im Online-Shop analysieren und den Produkt Content im PIM eigenständig.

Damit das funktionieren kann, müssen Unternehmensanwendungen ihre Funktionen auf maschinenlesbare Weise zur Verfügung stellen. APIs, Event-Architekturen, semantische Schichten und neue Standards für die Kommunikation zwischen Agenten und Systemen (Machine Communication Protocol, oder MCP) werden deshalb zunehmend wichtiger.

Daher kann davon ausgegangen werden, dass der Wettbewerbsvorteil von PIM-Systemen künftig weniger von der Anzahl ihrer Funktionen oder der Ansichten in der Benutzeroberfläche abhängt als vielmehr von der Qualität ihrer Datenmodelle, ihrer Geschäftslogik sowie von ihren APIs und MCPs.

Wie KI den Wert von PIM steigern kann

Historisch wurde der Wert einer Business-Anwendung wie PIM weitgehend dadurch bestimmt, was menschliche Anwender innerhalb der Lösung erledigen konnten. In einer agentischen Umgebung hängt ihr Wert vielmehr davon ab, was Menschen und KI-Agenten mit den Funktionen und Daten erreichen können, die diese Anwendung bereitstellt – und das losgelöst von den Prozesse und der Nutzerführung in der Lösung selbst. Damit gewinnen mehrere Systemeigenschaften mehr und mehr an Bedeutung:

• Bereitstellung von hochwertigen, strukturierten Daten: KI braucht einen zuverlässigen Geschäftskontext, um die Geschäftsziele optimal zu unterstützen und präzise Ergebnisse zu liefern. 
  
  
• Flexible Datenmodelle und Semantik: Die Beziehungen zwischen Datenobjekten ist essenziell, um Kontexte eindeutig zu verstehen und für Entscheidungen und die Produktkommunikation zu nutzen. 
  
  
• Leistungsfähige APIs und Interoperabilität: Agentic AI erzeugt erst dann den größtmöglichen Mehrwert, wenn Prozesse auch systemübergreifend gesteuert werden können. 
  
  
• Governance und Berechtigungen: Ohne klar definierte Guidelines erhöht sich das Risiko durch autonome Entscheidungsprozesse. Kontrollmechanismen stellen Compliance und Datenqualität sicher. 
  
  
• Deterministische Geschäftsregeln: Kritische Prozesse dürfen nicht allein auf probabilistischem Reasoning basieren – sie brauchen klare Regeln, die nur eindeutig ausgelegt werden können.

Was die KI tatsächlich ersetzen wird

Eine berechtigte Frage bleibt jedoch, welche Teile des heutigen Enterprise Software Stacks KI in Zukunft überflüssig machen wird. Repetitive manuelle Interaktionen, starre Navigationsstrukturen, einfache Suchoberflächen, manuelle Dateneingaben, grundlegende Reporting-Aufgaben und Workflows, bei denen Mitarbeite heute Informationen zwischen verschiedenen Systemen übertragen müssen werden mit hoher Wahrscheinlichkeit sehr bald schon in vielen Unternehmensrealitäten der Vergangenheit angehören.

Für PIM-Teams bedeutet das, dass sie in Zukunft immer weniger direkt im System arbeiten, sondern vielmehr mit einem KI-Agenten interagieren werden, der diese Aufgaben (teilweise) autonom durchführen wird. Damit wird sich ihre Arbeitsweise grundlegend verändern und sie werden mehr und mehr in die Rolle echter Data Stewards schlüpfen, deren Verantwortung in der Sicherstellung der Qualität der Produktdaten und Geschäftsregeln liegt.

Fazit: PIM verändert sich – aber seine Bedeutung für die Unternehmen bleibt

Die KI verändert die Unternehmenstechnologie zweifellos, sie schwächt ihre Rolle für den Geschäftserfolg jedoch nicht. KI bietet effizientes Reasoning, Interpretation und eine grundlegend einfachere Möglichkeit, mit Technologie zu interagieren. Unternehmenssysteme stellen vertrauenswürdige Daten, Strukturen, Geschäftsregeln, Governance und die Fähigkeit bereit, reale Geschäftsprozesse zuverlässig auszuführen.

Deterministische Systeme wie PIM, ERP, MDM, DAM und CRM werden sich mehr und mehr auf die Bereitstellung von qualitätsgesicherten Daten, Beziehungswissen und Geschäftslogiken fokussieren, während KI-Agenten zentrale Prozesse systemübergreifend orchestrieren und direkt mit den Anwendern und mit benachbarten Systemen, Datenempfängern und Applikationen interagieren werden.

Die Benutzeroberflächen werden vereinheitlicht und zunehmend intelligent und intuitiv – Workflows werden immer autonomer und die darunterliegenden Systeme weniger sichtbar. Ihre Daten, Logik und Governance werden jedoch wichtiger denn je.

Häufig gestellte Fragen

Wird KI PIM-Systeme ersetzen?

KI kann viele PIM-Aufgaben automatisieren, darunter das Onboarding von Produktdaten, die Datenanreicherung, Klassifizierung, Qualitätskontrollen und Content-Generierung. Diese Funktionen benötigen jedoch weiterhin strukturierte Produktdaten, Datenmodelle, Beziehungen, Channel-Anforderungen, Governance und autoritative Datensätze. KI wird daher die Bedeutung einer starken PIM-Basis eher erhöhen als beseitigen.

Werden KI-Agenten Business-Anwendungen ersetzen?

KI-Agenten könnten einen Teil der direkten Interaktion mit Business-Anwendungen ersetzen. Anwender könnten zunehmend ein gewünschtes Ergebnis definieren, während Agenten bestimmen, welche Systeme und Prozesse erforderlich sind, um dieses Ziel zu erreichen. Die zugrunde liegenden Anwendungen können dadurch weniger sichtbar werden, ohne überflüssig zu werden.

Wie wird agentische KI Unternehmenssoftware verändern?

Agentische KI wird Unternehmenssoftware von einer anwendungszentrierten Interaktion hin zu ergebnisorientierten Workflows verschieben. Anwendungen werden ihre Daten, Geschäftslogik und Aktionen zunehmend über APIs und andere maschinenlesbare Schnittstellen für KI-Agenten bereitstellen, während Agenten die Arbeit über mehrere Systeme hinweg koordinieren.

Warum benötigt KI Unternehmensdaten?

KI-Modelle verfügen über allgemeines Wissen, kennen aber nicht automatisch den aktuellen Zustand eines einzelnen Unternehmens. Unternehmensdaten liefern Informationen zu Produkten, Kunden, Lieferanten, Transaktionen, Assets, Beziehungen und den Geschäftskontext, der für relevante und zuverlässige Ergebnisse erforderlich ist.

Macht KI Datenmanagement wichtiger?

Ja. Je stärker Unternehmen KI für wichtige Entscheidungen und Prozesse einsetzen, desto wichtiger werden Qualität, Struktur, Zugänglichkeit und Governance der Unternehmensdaten. Schlechte Daten können die Leistungsfähigkeit von KI begrenzen, während vertrauenswürdige und gut strukturierte Daten die Grundlage für zuverlässige Enterprise AI bilden.

Autor | The Yellow Selection Editorial Team