Multi-Agent-KI-System automatisiert 100.000 Auftragsbestätig

Lemvigh-Müller, ein dänischer Großhändler, hat ein Multi-Agent-KI-System in die Produktion überführt, das jährlich rund 100.000 Lieferanten-Auftragsbestätigungen automatisiert. Die Implementierung, die auf SAP Business AI mit dem Implementierungspartner NTT DATA Business Solutions basiert, zielt auf die etwa 60 Prozent der 175.000 jährlichen Bestellungen des Unternehmens ab, die als unstrukturierte PDF-Anhänge und nicht über elektronischen Datenaustausch (EDI) eingehen. Das Projekt entwickelte sich vom ersten Konzept bis zur Live-Implementierung in 10 Wochen, und die Kapitalrendite wird innerhalb weniger Quartale statt Jahre erwartet.

Wie dieses Multi-Agent-KI-System aufgebaut ist

Die Architektur basiert auf drei spezialisierten KI-Agenten, die jeweils eine bestimmte Phase der Auftragsbestätigungspipeline bearbeiten. Ein E-Mail-Agent sortiert eingehende Lieferantennachrichten und identifiziert solche, die Auftragsbestätigungen enthalten. Ein Datenextraktionsagent analysiert die unstrukturierten PDF-Anhänge und extrahiert Felder wie Preise, Mengen und Liefertermine. Ein Abgleichsagent vergleicht dann die extrahierten Daten mit den entsprechenden Bestellungen im SAP-System und kennzeichnet Abweichungen zur sofortigen Überprüfung.

Diese Arbeitsteilung bedeutet, dass sich jeder Agent auf eine enge, genau definierte Aufgabe konzentriert, anstatt zu versuchen, den gesamten Workflow als monolithisches Modell zu bewältigen. Das modulare Design ermöglicht es Lemvigh-Müller außerdem, einzelne Agenten zu aktualisieren oder auszutauschen, wenn sich Dokumentformate weiterentwickeln oder neue Funktionen von SAP und seinen Partnern verfügbar werden. Das Unternehmen arbeitet mit mehr als 2.000 Lieferanten zusammen, von denen jeder Bestätigungen in unterschiedlichen Layouts senden kann, weshalb die Fähigkeit, verschiedene PDF-Strukturen zu verarbeiten, eine Kernanforderung ist.

Das System deckt derzeit die 60 Prozent der manuell bearbeiteten Bestellungen ab, die außerhalb von EDI eingehen. Die verbleibenden 40 Prozent der Nicht-EDI-Bestellungen erfordern möglicherweise zusätzliche Funktionen oder manuelle Bearbeitung, aber das Unternehmen verarbeitet jetzt den Großteil seiner unstrukturierten Auftragsbestätigungen ohne manuelles Eingreifen. Die drei Agenten koordinieren ihre Arbeit autonom und geben validierte Daten zwischen den Phasen weiter, ohne menschliche Aufsicht, außer wenn Abweichungen festgestellt werden.

Geschäftsauswirkungen und Ressourcenzuweisung

Lemvigh-Müller erwartet, dass die Automatisierung das Äquivalent von drei bis vier Vollzeitkräften freisetzt, deren Zeit zuvor mit dem Abgleich von PDF-Bestätigungen mit Systemaufzeichnungen verbracht wurde. Diese Ressourcen können auf wertschöpfendere Beschaffungsaufgaben wie Lieferantenverhandlungen, Vertragsmanagement und strategische Beschaffung verlagert werden. Für einen Großhändler mit geringen Margen ist die Umschichtung von Personal von der Dateneingabe zur Verhandlung eine direkte Verbesserung der Beschaffungseffizienz.

Über die Einsparung von Arbeitskräften hinaus verändert die Echtzeit-Abweichungserkennung die Qualität der Lieferanteninteraktionen. Wenn ein E-Mail-Agent sofort einen Preis- oder Mengenunterschied meldet, kann das Beschaffungsteam den Lieferanten kontaktieren, bevor die Bestellung fortgesetzt wird, anstatt den Fehler Wochen später beim Rechnungsabgleich zu entdecken. Lemvigh-Müller gab an, dass das System die Lieferdatengenauigkeit für die eigenen Kunden verbessert, da korrekte Bestelldaten in die Bestands- und Erfüllungssysteme fließen. Preisabweichungen, Mengenunterschiede und falsche Liefertermine werden alle am Eingangspunkt erfasst, nicht am Zahlungspunkt.

Die ROI-Zeitlinie von mehreren Quartalen statt Jahren ist für Enterprise-KI-Implementierungen bemerkenswert. Viele groß angelegte Automatisierungsprojekte benötigen 12 bis 18 Monate, um die Implementierungskosten zu amortisieren, aber der 10-wöchige Entwicklungszyklus und die sofortige Reduzierung des manuellen Aufwands verkürzen diesen Zeitraum erheblich. Das Projekt war eine Zusammenarbeit zwischen Lemvigh-Müller, SAP und NTT DATA Business Solutions, wobei jede Partei Fachwissen zum Agentendesign beisteuerte.

Auswirkungen auf die Einführung von Enterprise-KI

Die Implementierung bei Lemvigh-Müller veranschaulicht ein Muster, das in der Enterprise-KI immer häufiger wird: schmale, aufgabenspezifische Agenten, die zu einem Workflow orchestriert werden, anstatt ein einzelnes großes Modell, das versucht, jeden Schritt zu bewältigen. Jeder Agent arbeitet innerhalb eines begrenzten Rahmens, wie dem Sortieren von E-Mails, dem Parsen einer PDF oder dem Vergleichen von zwei Datensätzen, was die Leistungsmessung und Fehlerisolierung erleichtert. Wenn der Datenextraktionsagent ein Feld falsch liest, pflanzt sich dieser Fehler nicht in die Abgleichsphase fort, da der Abgleichsagent unabhängig gegen das SAP-System validiert.

Die Geschwindigkeit der Implementierung ist ein weiteres Signal. Eine Zeitspanne von 10 Wochen vom Konzept bis zur Produktion deutet darauf hin, dass die zugrunde liegende Plattform SAP Business AI genügend vorgefertigte Komponenten bietet, sodass sich die Integrationsarbeit darauf konzentriert, die Agenten mit bestehenden Geschäftsprozessen zu verbinden, anstatt die Infrastruktur von Grund auf neu aufzubauen. Für andere Unternehmen, die ähnliche Automatisierungen evaluieren, könnte der Zeitraum zwischen Entscheidung und Wertrealisierung kürzer sein, als traditionelle Enterprise-Softwareprojekte vermuten lassen. Die Verwendung von drei verschiedenen Agenten anstelle eines einzelnen Modells bedeutet auch, dass jede Komponente separat trainiert oder feinabgestimmt werden kann, wodurch die Datenanforderungen für jedes einzelne Modell reduziert werden.

Die Zusammenarbeit zwischen Lemvigh-Müller, SAP und NTT DATA Business Solutions unterstreicht auch die Rolle von Implementierungspartnern in agentenbasierten Projekten. Die KI-Modelle selbst mögen universell einsetzbar sein, aber die Integration mit spezifischen ERP-Konfigurationen, Lieferantenkommunikationsmustern und Dokumentformaten erfordert Fachwissen, das die meisten Unternehmen nicht intern vorhalten. Der 10-Wochen-Zeitraum war unter anderem deshalb erreichbar, weil das Implementierungsteam sowohl die SAP-Plattform als auch den Großhandelskontext bereits verstand.

Der breitere Wandel hin zur agentenbasierten Automatisierung

Multi-Agent-Architekturen haben sich im vergangenen Jahr zu einem der dominanten Muster in der Enterprise-KI entwickelt. Anstatt einen einzelnen Chatbot oder Copilot zu implementieren, der versucht, jede Frage zu beantworten, stellen Unternehmen Teams spezialisierter Agenten zusammen, die jeweils einen Teil eines Prozesses bearbeiten und Ergebnisse an den nächsten Agenten weitergeben. Dies spiegelt die Art und Weise wider, wie menschliche Teams komplexe Workflows in spezialisierte Rollen aufteilen, und es hat den gleichen Vorteil: Wenn ein Agent ausfällt, können die anderen weiterarbeiten.

Die SAP-Implementierung bei Lemvigh-Müller ist eines der konkreteren Beispiele für dieses Muster, das messbare Geschäftsergebnisse liefert. Während viele Unternehmen mit Agentenframeworks in Proof-of-Concept-Umgebungen experimentiert haben, bietet die Überführung eines Multi-Agent-KI-Systems in die Produktion und dessen Bindung an ein bestimmtes Transaktionsvolumen von 100.000 Auftragsbestätigungen pro Jahr einen Referenzfall, den andere Unternehmen nutzen können, um ihre eigenen Business Cases zu erstellen. Das Volumen ist groß genug, um Skalierbarkeit zu demonstrieren, aber klein genug, dass das Implementierungsrisiko beherrschbar war.

Der Fokus auf die Beschaffung ist strategisch. Lieferkettenoperationen erzeugen enorme Mengen unstrukturierter Dokumente, darunter Auftragsbestätigungen, Rechnungen, Versandmitteilungen und Qualitätszertifikate, die sich traditioneller Automatisierung widersetzt haben, weil jeder Lieferant Dokumente in unterschiedlichen Formaten sendet. EDI löst dies für große Handelspartner, ist aber für den langen Schwanz kleinerer Lieferanten zu teuer und unflexibel. KI-Agenten, die jede PDF lesen und die relevanten Felder extrahieren können, schließen diese Lücke, ohne dass Lieferanten ihre Systeme ändern oder neue Protokolle übernehmen müssen.

Was das für Entscheidungsträger bedeutet

Für CTOs und Beschaffungsleiter, die ähnliche Projekte evaluieren, bietet der Fall Lemvigh-Müller drei umsetzbare Erkenntnisse. Erstens reduziert die Multi-Agent-Architektur das Implementierungsrisiko, da einzelne Agenten unabhängig getestet und validiert werden können, bevor sie in den vollständigen Workflow eingebunden werden. Zweitens zeigt der 10-Wochen-Zeitraum, dass agentenbasierte Automatisierung innerhalb eines einzigen Geschäftsquartals einen Mehrwert liefern kann, was es ermöglicht, einen Pilotversuch während des aktuellen Budgetzyklus durchzuführen, anstatt für den nächsten zu planen. Drittens bedeutet die ROI-Prognose von Quartalen statt Jahren, dass der finanzielle Fall nicht von mehrjährigen Prognosen abhängt, die oft nicht eintreten.

Die Implementierung wirft auch eine strategische Frage für Unternehmen auf, die noch nicht in EDI oder ähnlichen strukturierten Datenaustausch mit ihren Lieferanten investiert haben. Agentenbasiertes PDF-Parsing könnte die Dringlichkeit verringern, Lieferanten zu EDI zu drängen, da die KI heute unstrukturierte Dokumente verarbeiten kann. EDI bietet jedoch immer noch niedrigere Transaktionskosten bei hohen Volumina, sodass Unternehmen, die jährlich Millionen von Transaktionen verarbeiten, möglicherweise weiterhin von strukturiertem Datenaustausch für ihre größten Lieferanten profitieren, während sie Agenten für den langen Schwanz einsetzen. Ein hybrider Ansatz, bei dem EDI Partner mit hohem Volumen abdeckt und Agenten den Rest übernehmen, könnte für viele Großhändler die optimale Architektur sein.

Für SAP selbst ist das Lemvigh-Müller-Projekt eine Referenzarchitektur, die das Unternehmen zu anderen Kunden im Großhandel, Vertrieb und in der Fertigung bringen kann. Das Muster von E-Mail-Agent, Extraktionsagent und Abgleichsagent ist generisch genug, um auf Rechnungsverarbeitung, Versandbestätigung, Zertifikatsprüfung und andere dokumentenintensive Workflows angewendet zu werden, die externe Lieferanten mit internen ERP-Systemen verbinden. Jeder dieser Bereiche steht vor dem gleichen Kernproblem: unstrukturierte Dokumente, die von externen Parteien ohne standardisierte Formate eingehen.

Die entscheidende Kennzahl in Zukunft wird sein, ob das System seine Genauigkeit beibehält, wenn das Volumen und die Vielfalt der Lieferantendokumente zunimmt. Ein Multi-Agent-KI-System, das mit 2.000 Lieferanten gut funktioniert, kann auf Grenzfälle stoßen, wenn neue Lieferanten mit unbekannten Dokumentlayouts zum Netzwerk hinzukommen. Die Fähigkeit von Lemvigh-Müller, diese Grenzfälle zu bewältigen, ohne den Durchsatz zu beeinträchtigen, wird darüber entscheiden, ob das System über seinen ursprünglichen Umfang hinaus skaliert oder eine begrenzte Automatisierung für die gängigsten Dokumentformate bleibt. Die modulare Architektur verschafft dem Unternehmen hier einen Vorteil, da einzelne Agenten aktualisiert werden können, wenn neue Dokumentmuster auftauchen, aber die operative Disziplin, diese Agenten zu überwachen und nachzuschulen, wird den langfristigen Wert der Implementierung bestimmen.

Sources

AI Agents to Take Over 100,000 Manual Order Confirmations at Lemvigh‑Müller

✔Human Verified

Recherchiert und mit Primärquellen abgeglichen von der Bytevyte-Redaktion.