Das Wichtigste in Kürze
KI wird eingeführt. Das ERP läuft seit 15 Jahren. Die beiden Systeme kommunizieren nicht. Die Mitarbeiter tippen Ergebnisse manuell um. Ergebnis: mehr Arbeit statt weniger. Das Tool wird abgelehnt.
Fehlende Integration in bestehende Systeme ist einer der meistunterschätzten Gründe für gescheiterte KI-Projekte im Mittelstand. Dieser Artikel zeigt, warum das so ist, welche technischen Hürden typisch sind – und wie du sie löst, ohne ein Jahr zu verlieren.
- 60 % der Mittelstandsunternehmen nennen Legacy-System-Integration als größte Hürde für KI-Projekte (Pexon Consulting, 2025).
- 78 % der Unternehmen weltweit haben Schwierigkeiten, KI in Legacy-Systeme zu integrieren.
- 53 % beschreiben die Integration als „schwierig bis extrem schwierig".
- Die Lösung: API-Readiness-Check vor dem Kauf + Middleware als Brücke.
Warum Legacy-Systeme KI-Projekte blockieren
Das Versprechen war klar: KI spart Zeit. Automatisiert Prozesse. Befreit dein Team von Routinearbeit.
Die Realität drei Monate nach dem Go-live sieht anders aus. Das KI-Tool läuft – aber isoliert. Die Ergebnisse müssen manuell in das ERP-System eingetragen werden. Das CRM wird nicht automatisch befüllt. Das Warenwirtschaftssystem weiß nichts von der KI.
Dein Team hat jetzt nicht weniger Arbeit. Es hat mehr. Das alte System plus das neue Tool. Und statt Zeit zu sparen, verlieren Mitarbeiter Zeit mit doppelter Dateneingabe.
Das Ergebnis ist vorhersehbar: Das KI-Tool wird gemieden. „Jetzt haben wir noch ein System mehr" – das ist der Satz, der nach gescheiterten KI-Projekten am häufigsten fällt. Und er hat einen technischen Grund.
So gelingt die Integration von KI in bestehende Systeme
Was ein Legacy-System ist und warum es KI-Integration erschwert
Ein Legacy-System ist eine Software-Lösung, die in der Vergangenheit eingeführt wurde und nach wie vor im Einsatz ist – oft seit 10–20 Jahren. ERP-Systeme wie SAP R/3, ältere Varianten von Sage oder branchenspezifische Eigenentwicklungen sind klassische Beispiele.
Das Problem mit Legacy-Systemen und KI:
- Viele haben keine modernen REST-APIs. Nur proprietäre Schnittstellen oder veraltete Protokolle.
- Datenschemata sind historisch gewachsen und schwer lesbar für moderne KI-Tools.
- Daten liegen in Silos. Verschiedene Abteilungen nutzen verschiedene Systeme, die untereinander nicht kommunizieren.
- Sicherheitsarchitekturen aus den 2000er Jahren sind nicht für Cloud-basierte KI-Dienste ausgelegt.
Für ein KMU bedeutet das: Die KI kann toll funktionieren – aber wenn sie nicht mit dem System kommuniziert, in dem deine Daten leben, schafft sie keinen Wert. Sie schafft Arbeit.
Die drei häufigsten Integrations-Szenarien in KMU
Szenario 1: KI und ERP kommunizieren nicht
Ein Händler führt KI-gestützte Bestellprognosen ein. Die KI analysiert Verkaufsdaten und empfiehlt Bestellmengen. Aber das ERP-System kann die Empfehlungen nicht automatisch übernehmen. Der Einkäufer muss sie manuell eintragen. Zeitersparnis: null. Frustration: hoch.
Szenario 2: KI und CRM sind getrennte Welten
Ein Vertrieb nutzt KI für die Angebotserstellung. Die fertigen Angebote landen nicht automatisch im CRM. Der Vertriebsmitarbeiter kopiert sie von Hand. Das CRM ist unvollständig. Die Vertriebsleitung vertraut den Daten nicht. Das KI-Projekt verliert intern Rückhalt.
Szenario 3: Produktionsdaten erreichen die KI nicht
Ein produzierendes Unternehmen will Maschinendaten mit KI analysieren. Die Maschinen laufen auf proprietären Steuerungssystemen ohne offene Schnittstellen. Die Daten müssten manuell exportiert werden. Der Aufwand ist höher als der Nutzen. Das Projekt wird eingestellt.
Lösungsansätze: Von API-Check bis Middleware
Schritt 1: API-Readiness-Check vor dem KI-Kauf
Bevor du ein KI-Tool kaufst, kläre eine Frage: Hat das Tool eine offene API? Und hat dein bestehendes System eine offene API? Wenn beides „Ja", ist Integration möglich. Wenn eines der beiden „Nein", brauchst du eine Zwischenlösung.
Diese Frage wird selten vor dem Kauf gestellt. Sie sollte die erste sein.
Schritt 2: Middleware als Brücke
Middleware ist Software, die zwischen zwei Systemen vermittelt. Sie übersetzt Datenformate, steuert Datenflüsse und sorgt dafür, dass Systeme miteinander kommunizieren, ohne direkt verbunden zu sein. Tools wie n8n, Zapier, Make oder Power Automate können als No-Code/Low-Code-Middleware dienen.
Für komplexere Integrationen (SAP, ältere ERP-Systeme) braucht es oft eine maßgeschneiderte Middleware-Lösung. Das kostet Zeit und Geld – aber weniger als ein gescheitertes KI-Projekt.
Schritt 3: Datenstrategie vor der Integration
KI braucht saubere Daten. Bevor du integrierst, kläre: In welchem Zustand sind deine Daten im bestehenden System? Gibt es Duplikate? Fehlende Werte? Inkonsistente Formate? Datenqualität ist die Voraussetzung für KI-Qualität.
Schritt 4: Schrittweise Integration statt Big Bang
Versuche nicht, alle Systeme auf einmal zu integrieren. Beginne mit dem Datenstrom, der für den ersten KI-Use-Case relevant ist. Integriere ein System. Teste. Stabilisiere. Dann das nächste.
n8n als Integrations-Lösung für KMU
n8n ist ein Open-Source-Automatisierungstool, das als Middleware zwischen verschiedenen Systemen dient. Es ist auch das primäre Tool in der KI-Implementierung bei AndersAI. Es eignet sich besonders gut für KMU, weil:
- Es auf eigenen Servern betrieben werden kann (Datenschutz-konform).
- Es über 400 fertige Konnektoren für gängige Systeme wie HubSpot, Shopify, Slack, Google Workspace hat.
- Es eine visuelle No-Code-Oberfläche hat – auch ohne Programmierkenntnisse bedienbar.
- Die Kosten überschaubar sind: ab ca. 20 € monatlich für Cloud-Hosting.
Ein konkretes Beispiel: Ein E-Commerce-Händler nutzt n8n, um KI-generierte Produktbeschreibungen automatisch in Shopify einzupflegen. Die KI erstellt den Text. n8n überträgt ihn ins CMS. Der Mitarbeiter prüft und gibt frei. Der manuelle Upload entfällt. Zeitersparnis: 4 Stunden pro Woche.
Was „KI-Readiness" für dein IT-System bedeutet
Bevor du KI einführst, mache einen kurzen Check deiner IT-Landschaft:
- Welche Systeme nutzt du täglich? (ERP, CRM, CMS, Warenwirtschaft)
- Haben diese Systeme offene APIs oder Export-Funktionen?
- Wo liegen deine wichtigsten Daten? Wer hat Zugriff?
- Welche Datenqualität haben deine Stammdaten? (Kundendaten, Produktdaten, Prozessdaten)
- Gibt es einen IT-Verantwortlichen, der Integrationen begleiten kann?
Dieser Check dauert zwei bis drei Stunden. Er spart dir Monate an Frustration.
Was Studien und Praxis zeigen
- Pexon Consulting (2025): 60 % der Mittelstands-Kunden nennen Legacy-System-Integration als größten Hürde für KI-Projekte. Pexon hat in über 40 Integrationsprojekten eine bewährte Methodik entwickelt: API-Readiness-Check, Middleware-Auswahl, Integration in 2–8 Wochen.
- plotdesk.com (2024): 78 % der Unternehmen haben Schwierigkeiten, KI mit Legacy-Systemen zu integrieren. Hauptprobleme: fehlende REST-APIs (häufig bei SAP R/3), Datenformat-Inkompatibilitäten, geschlossene Sicherheitsarchitekturen.
- SVen Jungmann (2025): Best Practices für KI-Integration in Legacy-Systeme betonen schrittweise Migration statt Big Bang – und eine klare Datenstrategie als Voraussetzung.
- Workday (2024): Legacy-ERPs sind in 60 % der Fälle der Hauptgrund für verzögerte KI-Skalierung in mittelständischen Unternehmen.
Ein besonders wichtiger Befund: Unternehmen, die vor der KI-Einführung einen API-Readiness-Check durchführen, berichten von einer durchschnittlich 40 % kürzeren Integrationszeit und deutlich höherer Nutzerakzeptanz. Der Check dauert Stunden – die Zeitersparnis ist in Monaten messbar.
Die wichtigsten Erkenntnisse auf einen Blick
- Stelle den API-Readiness-Check vor den KI-Kauf. Frage: Hat das Tool eine API? Hat dein ERP eine API?
- Plane Middleware-Kosten von Anfang an ein. Sie machen 15–25 % der Gesamtinvestition aus – und entscheiden über den Projekterfolg.
- Beginne mit einem einzigen Integrationspfad. Kein Big Bang. Ein Datenstrom, der funktioniert, ist besser als drei, die alle halbfertig sind.
- Nutze No-Code-Middleware wie n8n, Make oder Power Automate für einfachere Integrationen.
- Investiere in Datenqualität vor der KI-Einführung. KI kann keine schlechten Daten reparieren.
Deine Integrations-Checkliste:
- API-Readiness-Check der bestehenden Systeme durchgeführt?
- Middleware-Strategie definiert?
- Datenqualität der relevanten Stammdaten geprüft?
- IT-Verantwortlicher für Integration benannt?
- Schrittweise Integrationsreihenfolge geplant?
Fazit: Integration ist eine Strategiefrage, keine IT-Frage
KI ohne Integration ist ein isoliertes Tool. Es beeindruckt in der Demo und frustriert im Alltag.
Wer KI-Projekte zum Fliegen bringen will, muss die Integration von Anfang an mitdenken. Nicht als technisches Nachprojekt – als strategische Voraussetzung.
Der API-Readiness-Check ist der erste Schritt. Er dauert Stunden. Er spart Monate. Und er entscheidet darüber, ob dein KI-Projekt ein Tool mehr im Werkzeugkasten wird – oder endlich ein echter Produktivitätstreiber.
Quellen
Pexon Consulting: KI-Integration für Legacy-Systeme – SAP und mehr
plotdesk.com: Von 0 auf 100 – KI-Plattform in bestehende Systeme integrieren
Dr. Sven Jungmann: Best Practices für KI-Integration in Legacy-Systeme
Workday: Vier Gründe, warum Legacy-ERP nicht mehr funktioniert
kumavision: KI im Mittelstand – Mythen und Chancen im Fakten-Check