Im letzten Beitrag ging es um die Eignungsfrage: Passt eine Aufgabe zu Automatisierung, und wenn ja, reicht dafür ein Standardwerkzeug oder braucht es KI, die gezielt in einen bestehenden Prozess integriert wird? Diese zweite Antwort ist in der Praxis häufiger, als man denkt. Und sie führt fast immer zu derselben Ausgangslage: Die passende Lösung läuft oft schon. Sie wurde nur nicht weitergedacht.
Ein System, das zuverlässig läuft, gerät irgendwann aus dem Blick. Nicht weil es schlecht ist, sondern weil es funktioniert. Zuverlässigkeit wird schnell mit Fertigstellung verwechselt. Dabei bleibt in den meisten Bestandssystemen Potenzial liegen, das nie gehoben wurde, einfach weil niemand mehr genau hinschaut.
Das hat selten mit Nachlässigkeit zu tun. IT-Ressourcen sind knapp, Fachkräfte fehlen, und jedes größere Projekt bindet Kapazität, die anderswo fehlt. Wer unter diesem Druck arbeitet, konzentriert sich verständlicherweise auf das, was gerade brennt. Systeme, die nicht brennen, werden zurückgestellt. Das ist eine nachvollziehbare Priorisierung, keine Fehlentscheidung.
Wenn dann doch über Modernisierung gesprochen wird, taucht schnell ein Gedanke auf: Wenn wir das System schon anfassen, dann richtig, mit einem kompletten Neubau. Dieser Reflex ist verständlich, aber wirtschaftlich oft die teurere Wahl.
Ein Big-Bang-Redesign bindet Budget, Zeit und Aufmerksamkeit über Monate oder Jahre, mit ungewissem Ausgang. Die im letzten Beitrag beschriebene Baseline-Logik gilt hier genauso: Was kostet die Weiterentwicklung im laufenden Betrieb, verglichen mit einem Neubau von Grund auf? In den meisten Fällen, die wir sehen, ist die iterative Erweiterung die tragfähigere Antwort. Wert entsteht dann in Schritten, nicht auf einen Schlag.
KI lässt sich auf unterschiedliche Weise in bestehende Anwendungen integrieren. Entscheidend ist, wo sie einen konkreten Mehrwert schaffen kann. Drei Beispiele aus unserer Praxis zeigen unterschiedliche Ansätze.
Komplexe Texterstellung mit KI beschleunigen. Die Patent Engine ist bei unserem Kunden DESIGN TO IP bereits im Einsatz und unterstützt Patentanwälte bei der Erstellung von Patentanmeldungen. Die bestehende Anwendung haben wir um einen Agentic Chat erweitert, der eigenständig komplexe Aufgaben übernimmt: von der dokumentübergreifenden Konsistenzprüfung bis zur Recherche in externen Patentdatenbanken. Über eine offene Schnittstelle (MCP) lässt sich die Patent Engine zudem mit weiteren Tools verknüpfen, etwa für automatisierte Prüfungen mit n8n. So sinkt der manuelle Aufwand, während Qualität und Rechtssicherheit der Anmeldung steigen.
Bestehende Prozesse mit KI vereinfachen. In einem aktuellen Projekt erweitern wir die Teilesuche einer Bestandsanwendung um eine natürliche Sprachsuche. Statt sich durch eine komplexe Suchmaske mit zahlreichen Parametern zu arbeiten, sollen Anwender ihre Anfrage künftig einfach in eigenen Worten formulieren können. Ein erster Prototyp funktioniert bereits zuverlässig: Die KI interpretiert die Eingabe, überträgt sie auf die vorhandene Suchlogik und liefert passende Ergebnisse.
Eine neue Interaktionsebene für SAP. Auch im SAP-Kosmos hadern Kunden damit, den Anschluss nicht zu verlieren. Die große Mehrheit kann dabei der cloudbasierten KI-Strategie des Tech-Konzerns nicht so einfach folgen. Für Kunden mit gewachsenen on-premise Landschaften haben wir deshalb orchideo | interact entwickelt, einen KI Agenten, der Anwender direkt im Fiori Launchpad unterstützt. Nutzer können Informationen in natürlicher Sprache abfragen, Auswertungen anfordern und Prozesse anstoßen, ohne zwischen verschiedenen Anwendungen und Transaktionen wechseln zu müssen.
KI-Funktionen direkt in der Anwendung. Unsere Simulationsplattform orchideo | easySSP entwickeln wir kontinuierlich weiter, auch um KI-Funktionen. Der easySSP Agent unterstützt Anwender direkt beim Arbeiten mit ihren Simulationsmodellen: Er kann Fragen zum geöffneten Modell beantworten, Zusammenhänge erklären und auf Wunsch Änderungen vornehmen. Die KI wird damit zu einem festen Bestandteil der Anwendung und unterstützt den Nutzer genau im Kontext seiner aktuellen Aufgabe.
Diese Beispiele haben eines gemeinsam: Sie bauen nichts von Grund auf neu. Sie erweitern, was schon funktioniert.
Unabhängig davon, welcher Ansatzpunkt im Einzelfall passt, gilt eine Voraussetzung immer: Die Integration muss in einer sicheren, souveränen Architektur erfolgen. Das ist keine Nebensache. Governance, Routing, Zuordnung und Budgetgrenzen, wie wir sie im ersten Beitrag dieser Reihe beschrieben haben, sind hier keine Theorie mehr, sondern Teil der Umsetzung.
Nicht die Frage, ob Unternehmen KI in ihre bestehenden Systeme bringen sollten, ist entscheidend, sondern wie das kontrolliert gelingt. Genau an dieser Stelle setzt unsere KI-Plattform orchideo | coreAI an: als ein möglicher Rahmen, der einfache Nutzung mit zentralen Regeln für Modellzugriff, Zuordnung und Betrieb verbindet. Wie das im Detail aussieht, von der Architektur bis zur Governance, zeigen wir ausführlich in unserem Blueprint, den Sie am Ende dieses Beitrags anfordern können.
Wer bestehende Systeme gezielt um KI-Fähigkeiten erweitert, gewinnt auf mehreren Ebenen: kürzere Bearbeitungszeiten, weniger Medienbrüche, neue digitale Services, ohne das Risiko und die Kosten eines Neubaus zu tragen. Und weil die Grundlage bereits steht, ist der Weg dahin planbar statt disruptiv.
In einem weiteren Kundenprojekt verarbeiten wir beispielsweise Bestellungen, die per Freitext-E-Mail, PDF, Excel oder als gescannte Dokumente eingehen. Ein agentisches KI-System identifiziert den Kunden, liest die bestellten Artikel aus und überträgt die Informationen direkt ins ERP-System. Unklare oder problematische Fälle erkennt das System und leitet sie gezielt zur Prüfung an Mitarbeitende weiter. So lässt sich der Prozess schrittweise automatisieren – von Human-in-the-Loop bis hin zur vollautomatischen Bestellverarbeitung.
Für uns kommt ein weiterer Punkt hinzu, den wir bei Bestandskunden besonders ernst nehmen: feste Ansprechpartner, die den Prozess, die Historie und die Beweggründe hinter einem System kennen. Das reduziert Risiko, gerade bei Systemen, die über Jahre gewachsen sind und deren Logik nicht immer auf den ersten Blick erkennbar ist.
Der Einstieg beginnt nicht mit einer Entscheidung für ein Tool, sondern mit einer ehrlichen Bestandsaufnahme: Wo im System steckt ungenutztes Potenzial, und wo lohnt sich der Blick tatsächlich? Darauf folgt eine Bewertung dieser Potenziale, angelehnt an die Eignungsfrage aus dem letzten Beitrag. Erst danach entsteht eine priorisierte Roadmap, die zeigt, welcher Schritt zuerst sinnvoll ist. Kein Aktionismus, sondern eine Reihenfolge, die sich begründen lässt.