Die Geschichte wiederholt sich nicht, aber sie folgt erkennbaren Mustern. Kaum eine Industrie illustriert das besser als die Autoindustrie. Jahrzehntelang gingen etablierte Hersteller davon aus, dass ihr Geschäftsmodell sie noch lange tragen würde. Dann kam Tesla – nicht als klassischer Autobauer, sondern als softwaregetriebenes Unternehmen. Wer heute davon ausgeht, dass große ERP-Hersteller grundsätzlich unangreifbar sind, könnte einem ähnlichen Denkfehler unterliegen.

Auch ein Blick auf die Smartphone-Industrie verdeutlicht diese Dynamik. Nokia, Motorola und Sony Ericsson entwickelten einst proprietäre, vertikal integrierte Systeme – Hardware und Software aus einer Hand, geschlossen, ohne Ökosystem für Drittentwickler. Diese Logik wurde innerhalb weniger Jahre obsolet. Apple etablierte mit dem iPhone ein integriertes Plattformmodell aus Hardware, Betriebssystem und einem App-Ökosystem für externe Entwickler. Google folgte mit Android – einer offenen Plattform, getragen von einer weltweiten Entwickler-Community, die andere Hardwarehersteller einbindet. Wer die Plattformebene besetzt hat, gewann; wer auf der proprietären Logik beharrte, ist heute weitgehend bedeutungslos.

Für den ERP-Markt liegt die Übertragung nahe. Heute betreiben die großen Anbieter zwar umfangreiche, integrierte Systeme – aber im strengen Sinn sind das keine Plattformen, sondern weitgehend geschlossene Suiten, ähnlich den proprietären Smartphone-Welten der frühen 2000er-Jahre. Drittanbieter können Anwendungen nicht frei und niedrigschwellig integrieren, Daten und Schnittstellen werden zunehmend restriktiv reguliert, und das Innovationstempo bestimmt der Hersteller, nicht das Ökosystem. Damit stellt sich für jeden ERP-Anbieter dieselbe Wahl wie für die Smartphone- oder auch zunehmend die Autoindustrie: bewusst zur offenen Plattform werden – oder die Plattformebene anderen überlassen und zum Lieferanten austauschbarer Datenhaltung werden.

ERP-Systeme und ihre strukturellen Grenzen

ERP-Systeme wurden ursprünglich dafür entwickelt, Stammdaten zu verwalten – etwa zu Kunden, Lieferanten oder Artikeln – und standardisierte Geschäftsprozesse abzubilden: vom Angebot über Auftrag und Fertigung bis zum Versand. Die zentrale rechnerische Logik liegt dabei seit Jahrzehnten im sogenannten MRP-Lauf, also der deterministischen Ermittlung von Bedarfen und Bestellmengen.

In der Theorie ist dieser Ansatz konsistent. In der Praxis zeigt sich erfahrungsgemäß in vielen Industrieunternehmen jedoch ein anderes Bild: Für eine weitgehend automatisierte Disposition müssten Parameter wie Wiederbeschaffungszeiten, Sicherheitsbestände oder Losgrößen kontinuierlich gepflegt und aktuell gehalten werden. Dieser organisatorische Aufwand wird häufig unterschätzt. In der Folge werden Bestellvorschläge des Systems nicht selten manuell geprüft und freigegeben. Das ist funktional nachvollziehbar, führt aber zu erheblichen Effizienzverlusten. Viele ERP-Anbieter setzen inzwischen auf KI, um Stammdaten zu verbessern oder Prognosen zu verfeinern. Der grundsätzliche Ansatz bleibt jedoch häufig unverändert. Dabei stellt sich eine weitergehende Frage: Warum an einem statischen, regelbasierten MRP-Modell festhalten, wenn lernende Verfahren dynamische Entscheidungen ermöglichen?

In verschiedenen Forschungs- und Industrieprojekten – auch im eigenen unternehmerischen Umfeld – wird daher mit KI daran gearbeitet, klassische Dispositionsläufe vollständig zu ersetzen. Der Gedanke dahinter ist einfach: Prozesse werden nicht dadurch besser, dass man bestehende Logiken digital abbildet, sondern indem man sie grundlegend neu denkt. Wenn die eigentliche Entscheidungslogik zunehmend von KI übernommen wird, reduziert sich das ERP-System funktional auf eine Daten- und Transaktionsschicht.

Wenn Anpassungen zum Projekt werden

Ein weiterer struktureller Schwachpunkt vieler monolithischer ERP-Systeme liegt in ihrer geringen Anpassungsfähigkeit. Kleine fachliche Änderungen können unverhältnismäßig großen technischen und organisatorischen Aufwand verursachen.
Ein Beispiel: Ein Unternehmen wollte die Verpackungsabrechnung anpassen, da künftig Leergut zurückgenommen werden sollte. Fachlich ist dies eine überschaubare Änderung, operativ führte sie zu einem formalen Change-Request, mehrwöchiger Wartezeit und der Einbindung externer Berater. Aus einer Prozessanpassung wurde ein IT-Projekt.

Parallel dazu migrieren viele Unternehmen ihre Systeme auf neue Generationen großer ERP-Plattformen. Teilweise liegen die Investitionen im siebenstelligen Bereich, ohne dass kurzfristig messbare operative Verbesserungen erwartet oder erreicht wurden. Gleichwohl gilt die Migration als notwendig – aus Wartungs-, Compliance- oder strategischen Gründen. In Gesprächen wurde mir vereinzelt gespiegelt, dass eine solche Migration auch als Signal gegenüber Investoren verstanden werde. Solche Großprojekte binden erhebliche Ressourcen. In einem mir bekannten Einzelfall führte die Migration über Monate zu einem weitgehenden IT-Freeze. Angesichts der Geschwindigkeit, mit der sich Märkte verändern, stellt sich die Frage, wie tragfähig solche Strukturen langfristig noch sind.

Das eigentliche Problem: stagnierende Produktivität

Die Diskussion um ERP-Systeme ist keine technische Diskussion, sondern eine ökonomische. Ifo-Präsident Clemens Fuest hat es im Frühjahr 2025 in einer wirtschaftspolitischen Debatte auf den Punkt gebracht: „Die Wettbewerbsfähigkeit einer Volkswirtschaft messe sich an ihrer Produktivität, nicht am Außenhandelssaldo“ [1].

Genau hier liegt das Problem. Der Index der Arbeitsproduktivität je Erwerbstätigen im verarbeitenden Gewerbe (ohne Baugewerbe) in Deutschland ist zwischen 2016 und 2025 insgesamt um 2,3 % gesunken, der Nominallohnindex im gleichen Zeitraum um 32,3 % gestiegen (Bild 1) [2].
Der Abstand ist nicht nur statistisch auffällig, er ist ökonomisch unmittelbar relevant. Eine Volkswirtschaft, deren Löhne um den Faktor zehn schneller wachsen als ihre Produktivität, verliert systematisch an Wettbewerbsfähigkeit.

Bemerkenswert ist, dass diese Stagnation in eine Phase fällt, die von Cloud-Computing, intensiver Digitalisierung und generativer KI geprägt ist. Der Sachverständigenrat hat diesen Befund bereits 2019 im Nationalen Produktivitätsbericht als Produktivitätsparadoxon der Digitalisierung beschrieben [3]. Als mögliche Ursachen werden dort unter anderem Adaptionsverzögerungen, falsche Erwartungen, gegenläufige Effekte, Messprobleme sowie fehlendes unternehmerisches Handeln diskutiert.

Die naheliegende Reaktion ist der Verweis auf politische Rahmenbedingungen wie Bürokratie, Energiepreise oder Steuerlast. Diese Kritik ist in vielen Punkten berechtigt. Sie greift aber zu kurz, wenn sie davon ablenkt, dass auch im unternehmerischen Verantwortungsbereich seit Jahren nicht das geschieht, was technologisch möglich wäre. Unternehmen verfügen heute über mehr Daten, mehr Rechenleistung und mehr Werkzeuge als jede Generation zuvor. Die Produktivitätskennzahlen spiegeln das nicht wider. Es ist daher nicht plausibel, das Problem allein außerhalb der Unternehmen zu verorten.

Aus unternehmerischer Sicht – und das schließt Softwareanbieter ausdrücklich ein – ergibt sich daraus eine unbequeme Konsequenz. Wenn etablierte Systeme über Jahre weder die Produktivität spürbar erhöhen noch die Voraussetzung dafür schaffen, dass KI-gestützte Werkzeuge ihren Effekt entfalten können, dann ist nicht nur die Politik gefragt, sondern auch die Softwarearchitektur dieser Unternehmen.

Software wird zum Transportmittel für Wissen

Die strukturellen Grenzen klassischer ERP-Systeme sind die eine Seite. Die andere ist eine Verschiebung, die sich gerade erst andeutet, das Gefüge des Softwaremarkts aber grundlegend verändern könnte: Software wird zunehmend selbst zum Transportmittel für Fach- und Geschäftswissen.