Ein traditionelles ERP ist für eine Person am Bildschirm konzipiert. Seine Funktionen, Integrationen und der Prüfpfad gehen alle davon aus, dass Arbeit über Formulare eingegeben wird, die ein Mensch ausfüllt. Ein KI-natives ERP ist für einen Agenten als primären Benutzer konzipiert: Jede Aktion, die das System ausführen kann, wird als ein typisiertes Werkzeug dargestellt, das ein Agent über ein offenes Protokoll aufrufen kann, und jeder Aufruf wird gegen die Berechtigungen der Person überprüft, die der Agent vertritt. Menschen verwenden weiterhin Bildschirme, um zu schauen und Entscheidungen zu treffen; sie sind nicht mehr der einzige Weg, wie Arbeit erledigt wird.
Das ist ein architektoneller Unterschied und kein Unterschied in den Funktionen. Ein traditionelles ERP mit einem hinzugefügten Assistenten leitet die Arbeit weiterhin über die Person. Ein AI-natives ERP leitet die Arbeit über den Agenten und hält den Datensatz als Nebenprodukt fest. Der Rest dieses Textes zeigt, wo sich die beiden Wege trennen und was daraus folgt.
Verfolgen Sie einen Kaufauftrag durch beide Systeme
Beginnen Sie mit etwas Gewöhnlichem. Ein Lieferant namens Northwind hat ein Angebot für Lagerbestände abgegeben, das Angebot ist akzeptabel, und das Unternehmen benötigt eine Bestellung, die erstellt, gesendet und abgeglichen wird, wenn die Waren und die Rechnung eintreffen. Verfolgen Sie diese Anfrage durch jede Architektur, und der Unterschied wird sichtbar, bevor eine Funktionsliste geöffnet wird.
Im traditionellen System ist der Weg der Weg einer Person. Jemand öffnet das Einkaufsmodul, findet oder erstellt den Lieferanten, gibt die Zeilen aus dem Angebot ein, überprüft das Kostenstelle, speichert, exportiert das Dokument, fügt es einer E-Mail hinzu und kehrt später zurück, um die Waren zu empfangen und die Rechnung abzugleichen. Wenn das System einen Assistenten hat, kann dieser die Zeilen aus dem Angebot vorab ausfüllen oder die E-Mail entwerfen. Die Person bleibt diejenige, die von Bildschirm zu Bildschirm wechselt, und der Assistent erreicht nur die Bildschirme, mit denen der Anbieter ihn verbunden hat.
Im AI-nativen System ist der Weg der Weg eines Agenten. Die Person sagt ihrem Agenten, was sie möchte. Der Agent fragt den Arbeitsbereich, welche Werkzeuge er verwenden darf, und der Arbeitsbereich antwortet mit einer gefilterten Liste: Lieferantensuche, Erstellung von Bestellungen, Dokumentenversand, Wareneingang, Rechnungsabgleich und nichts, was die Rolle der Person nicht erlaubt. Der Agent ruft diese Werkzeuge in der Reihenfolge auf, der Arbeitsbereich überprüft jeden Aufruf erneut, während er ausgeführt wird, und die Bestellung, das gesendete Dokument und der spätere Abgleich existieren im System genau so, als hätte eine Person sie eingegeben. Die Person sieht das Ergebnis und das Protokoll, nicht die Formulare.
In einem AI-nativen System wird die Anfrage von der Person an ihren Agenten weitergeleitet und dann durch eine Berechtigungsschicht, bevor ein Modul berührt wird. Die gleiche Schicht, die den Zugriff einer Person regelt, regelt auch den des Agenten.
Der primäre Benutzer ist der Unterschied
Alles andere im Vergleich zwischen AI-nativem ERP und traditionellem ERP folgt aus einer Designentscheidung: Wer die Software bedienen soll. Traditionelles ERP beantwortet diese Frage mit einer Person, und vierzig Jahre guter Arbeit wurden investiert, um den Job der Person zu erleichtern. Bildschirme wurden schneller, Workflows konfigurierbar, mobile Apps kamen auf den Markt, und schließlich erschien ein Assistent neben dem Formular. Nichts davon änderte, wer die Kontrolle hatte.
AI-natives ERP beantwortet die gleiche Frage mit einem Agenten, der für eine Person handelt. Sobald das die Antwort ist, muss das Produkt anders als in der ersten Zeile aufgebaut werden. Jede Fähigkeit benötigt eine Werkzeugdefinition mit einem Namen, typisierten Eingaben und einem Ergebnis, nicht nur einen Bildschirm. Das Berechtigungsmodell muss pro Aufruf funktionieren, nicht pro Sitzung, da eine einzelne Anfrage sich in ein Dutzend Aufrufe über Module ausbreiten kann. Das Protokoll muss offen sein, da der anrufende Agent möglicherweise dem Kunden und nicht dem Anbieter gehört. Und das Prüfprotokoll muss aufzeichnen, was der Agent getan hat, mit der gleichen Genauigkeit wie das, was eine Person getan hat, da dieses Protokoll jetzt die primäre Möglichkeit ist, wie ein Manager die Arbeit überprüft.
Was sich daraus ergibt: sechs Konsequenzen
Die folgende Tabelle ist der praktische Vergleich. Jede Zeile ist eine Folge der Entscheidung über den Hauptbenutzer und nicht eine Funktion, die ein Anbieter gewählt hat und ein anderer nicht.
| Traditionelles ERP | KI-natives ERP | |
|---|---|---|
| Primärbenutzer | Eine Person am Bildschirm | Ein Agent, der für eine Person handelt |
| Wie die Arbeit einfließt | Formulare, Importe, Integrationen, die für jede Kombination erstellt wurden | Toolaufrufe über ein offenes Protokoll; Bildschirme bleiben zur Überprüfung |
| Reichweite der KI | Die Funktionen, mit denen der Anbieter den Assistenten verbunden hat | Jede Aktion, die das System hat, da jede ein Werkzeug ist |
| Welcher Agent | Der des Anbieters, innerhalb des Produkts, falls vorhanden | Jeder kompatible Client, einschließlich eines, den der Kunde bereits verwendet |
| Berechtigungen | Pro Benutzer, pro Sitzung | Pro Benutzer, geprüft, wenn Tools angeboten werden und erneut bei jedem Anruf |
| Prüfung | Wer hat welchen Datensatz geändert | Wer hat gefragt, welcher Agent hat gehandelt, welche Tools wurden mit welchen Eingaben und Ergebnissen ausgeführt |
Zeilen sind architektonische Konsequenzen, keine Bewertungen. Ein traditionelles ERP kann hervorragend in dem sein, wofür es entwickelt wurde.
Die Zeile, die Käufer am meisten überrascht, ist die Reichweite. Ein Assistent, der zu einem traditionellen System hinzugefügt wird, wirkt in einer Demo umfassend, weil die Demo um die Funktionen, die er berührt, strukturiert ist. In der täglichen Nutzung stoppt es an der Grenze dieser Funktionen, und die Person übernimmt. In einem agent-native System ist die Grenze die Berechtigungen der Person, was eine andere und nützlichere Grenze ist.
Was sich nicht ändert
Es ist wichtig, genau zu sein, was gleich bleibt, denn Anbieter auf beiden Seiten verwischen es. Das Datenmodell ändert sich nicht. Doppelte Buchführung ist doppelte Buchführung, egal ob ein Agent oder eine Person das Journal bucht. Steuerregeln, Mehrwährungsverwaltung, Lagerbewertung, Periodenabschluss und Dokumentennummerierung sind die gleichen Probleme mit den gleichen Antworten. Ein AI-native System, das diese falsch behandelt, ist ein schlechtes ERP mit einer guten Benutzeroberfläche für Agenten, was keinen lohnenswerten Tausch darstellt.
Berechtigungen ändern sich auch prinzipiell nicht; sie ändern sich darin, wo sie durchgesetzt werden. Ein traditionelles System prüft, was ein Benutzer sehen darf, wenn ein Bildschirm geladen wird. Ein AI-native System muss prüfen, was ein Benutzer tun darf, jedes Mal, wenn ein Tool aufgerufen wird, da es keinen Bildschirm-Ladevorgang gibt, an dem die Prüfung hängt. Die Regel bleibt die gleiche. Der Durchsetzungszeitpunkt verschiebt sich.
Der Bedarf an Urteilsvermögen ändert sich nicht. Ein Agent wird die Bestellung aufgeben und die Rechnung abgleichen; er wird auch stoppen, wenn zwei Lieferantendatensätze wie dasselbe Unternehmen aussehen, wenn ein Abgleich außerhalb der Toleranz liegt oder wenn eine Genehmigung über der Autorität des Benutzers liegt. Diese Pausen sind das System, das wie vorgesehen funktioniert, und die ersten Wochen mit einem Agenten sehen sehr ähnlich aus wie die ersten Wochen mit einem fähigen neuen Kollegen.
Wo traditionelles ERP immer noch die richtige Antwort ist
Ein ehrlicher Vergleich muss sagen, wann die ältere Architektur gewinnt. Wenn das Geschäft tief läuft, validierte Fertigung oder regulierte Prozesse mit jahrzehntelanger Anpassung innerhalb einer etablierten Suite hat, sind die Umzugskosten real, und der Assistent, den diese Suite jetzt liefert, könnte ausreichen für das, was das Team tatsächlich von AI benötigt, was oft das Zusammenfassen, Entwerfen und Beantworten von Fragen zu den Daten ist. Wenn der Betrieb aus einer Handvoll Personen mit einem Buchhaltungsprogramm und einer Tabelle besteht, ist jede Architektur mehr, als sie nutzen.
Das Argument für AI-native ist in der Mitte am stärksten: ein Unternehmen mit genügend Routine, bereichsübergreifender Arbeit, sodass die Eingabe zu einem eigenen Job geworden ist, und ein Team, das bereits einen Agenten für andere Dinge nutzt und ihn lieber auf das Geschäft richtet, als ein weiteres Chatfenster eines Anbieters zu lernen. Dort zahlt sich die Arbeit über den Agenten schnell aus, und dort hört es auf, ein Slogan zu sein, und wird zu einer Zeile auf der Kostenübersicht, da ein Arbeitsbereich keine AI in Ihrem Namen ausführt, wenn Ihr eigener Agent das Denken übernimmt.
Wie Sie erkennen, welche Architektur Ihnen gezeigt wird
Demos sind so gestaltet, dass die beiden ähnlich aussehen. Die folgende Sequenz trennt sie in weniger als einer Stunde und benötigt keine technische Person, um sie durchzuführen.
- Bringen Sie Ihren eigenen Agenten mitVerbinden Sie den Agenten, den Sie bereits verwenden (Claude, ChatGPT oder einen anderen MCP-Client), von außerhalb des Produkts des Anbieters. Wenn das nicht möglich ist, haben Sie Ihre Antwort auf die Protokollfrage.
- Fragen Sie nach der WerkzeuglisteLassen Sie den Agenten auflisten, was er tun darf. Überprüfen Sie, ob die Liste lang ist, die Module abdeckt, die Ihnen wichtig sind, und sich ändert, wenn Sie sich als eingeschränkter Benutzer anmelden.
- Einen Ausgang abschließenBitten Sie den Agenten, eine Bestellung zu erstellen, zu senden und die Nachverfolgung für eine Bestellung zu planen, ohne dass jemand einen Bildschirm berührt. Beobachten Sie, ob es abgeschlossen wird oder teilweise an eine Person zurückgegeben wird.
- Lesen Sie das ProtokollFinden Sie den Nachweis, was der Agent getan hat: wer gefragt hat, welche Werkzeuge ausgeführt wurden, mit welchen Eingaben. Wenn dieses Protokoll dünner ist als das Protokoll einer Person, ist der Agent ein Gast im System und kein Benutzer.
Sois ist eine Implementierung der AI-nativen Architektur, und es ist die, die wir genau beschreiben können. Ein Arbeitsbereich ist ein MCP-Server. Jeder kompatible Client verbindet sich, indem er die Adresse des Arbeitsbereichs hinzufügt und sich einmal über OAuth anmeldet, ohne Token zum Einfügen. Die angebotenen Werkzeuge werden vor der Sicht des Agenten nach der Rolle des Benutzers gefiltert und bei jedem Ausführen erneut überprüft; der Zugriff wird geschlossen verweigert. Die Ausgaben können pro Integration begrenzt werden und jede Aktion wird protokolliert. Die Module darunter sind die, die Sie von einem ERP erwarten würden: Kontakte und CRM, Posteingang, Dokumente, Kalender, Aufgaben, Buchhaltung mit Rechnungsstellung, Rechnungen, Einkaufsrechnungen und Mehrwährungsfähigkeit, Angebote, Lager und Bestand sowie ein Marktplatz für Apps.
Egal, ob Sie es wählen oder nicht, führen Sie die oben genannte Sequenz gegen alles aus, was Ihnen gezeigt wird. Die Frage, die Sie immer wieder stellen sollten, ist nicht, welches Produkt KI hat, da sie alle sagen, dass sie es haben, sondern von wem das Produkt betrieben werden soll.
Fragen, die Menschen stellen
Ist AI-natives ERP dasselbe wie agentisches ERP?
In der Praxis, ja. AI-nativ und agent-nativ beschreiben, wie das System gebaut wurde; agentisch beschreibt, was darin passiert. Alle drei Begriffe weisen auf Systeme hin, in denen ein Agent die Software unter den Berechtigungen einer Person betreiben kann, im Gegensatz zu Systemen, die einen Assistenten zu Bildschirmen hinzugefügt haben, die für Menschen gebaut wurden.
Hat ein AI-natives ERP immer noch Bildschirme?
Ja. Menschen nutzen Bildschirme, um zu schauen, zu überprüfen und zu entscheiden, und um direkt zu arbeiten, wenn sie es bevorzugen. Der Unterschied ist, dass Bildschirme nicht mehr der einzige Weg sind, wie Arbeit ins System gelangen kann.
Kann ein traditionelles ERP durch die Hinzufügung eines Assistenten KI-nativ werden?
Nicht allein dadurch. Ein Assistent hilft einer Person, die bestehenden Bildschirme zu bedienen und erreicht nur die Funktionen, die der Anbieter verbunden hat. KI-nativ zu werden bedeutet, jede Aktion als genehmigtes Werkzeug über ein offenes Protokoll verfügbar zu machen, was einen Neubau der Schnittstellenschicht anstelle eines Add-Ons darstellt.
Ist es sicher, einem Agenten zu erlauben, Transaktionen zu posten?
Es ist so sicher wie die Durchsetzung im Hintergrund. Achten Sie auf Berechtigungen, die bei jedem Aufruf überprüft werden, auf ein Ausgabenlimit und auf ein Protokoll, das die Aktionen des Agenten mit demselben Detail wie die einer Person aufzeichnet. Der Agent sollte mit der Autorität der Person handeln, die er vertritt, und niemals mehr.
- Model Context Protocol-Spezifikation: Werkzeuge wie Werkzeuge definiert, aufgelistet und genannt werden, sowie die Anforderung, dass Server Zugriffskontrollen implementieren
- Sois-Dokumentation: der Arbeitsbereich MCP-Server der Endpunkt, OAuth-Anmeldung, rollenfilterte Werkzeugliste und das oben beschriebene Fail-Closed-Verhalten
- Sois: Sicherheit und die Berechtigungsebene Berechtigungen, die durchgesetzt werden, wenn Werkzeuge angeboten werden und wenn sie ausgeführt werden; Ausgabenlimits; Protokollierung
Dieser Artikel wird überprüft, wenn sich die beschriebenen Produkte ändern. Nächste geplante Überprüfung: 4. Dezember 2026.