Die meisten KI-Projekte im Stahl- und Metallhandel scheitern nicht an den Modellen selbst, sondern an den Stammdaten und Prozessen im zugrunde liegenden ERP-System. Oft wird das erst sichtbar, wenn das Budget bereits bewilligt ist. Genau hier setzt die Zirkel Technologies GmbH mit einem Data & AI Readiness Assessment an: Es prüft, ob die bestehende SAP- oder Microsoft Dynamics 365-Umgebung operative KI überhaupt unterstützen kann - noch bevor in Modelle, Plattformen oder Anwendungsfälle investiert wird. Das Assessment zeigt, wie gut eine SAP- oder Dynamics 365-Umgebung durch operative KI unterstützt wird. Es bewertet die Qualität der Stammdaten in Material- und Kundensätzen, die Schnittstellen- und Integrationsfähigkeit, die Datenverfügbarkeit für operativ relevante Anwendungsfälle - Bestand, Anarbeitung, Termintreue, Preisbildung - sowie die Anbindung an nachgelagerte Datenplattformen, einschließlich MuleSoft-basierter Pipelines und Databricks-Architekturen.
Dass die Datenbasis - und nicht das Modell - über Erfolg oder Scheitern entscheidet, belegen auch aktuelle Zahlen des Branchenverbands Bitkom: In einer Befragung unter 555 Industrieunternehmen nennen 57 Prozent fehlende Daten und 48 Prozent eine unzureichende IT-Infrastruktur als Grund dafür, dass entsprechende Projekte häufig scheitern (Bitkom, 2025). Zugleich sehen nur sechs Prozent der Unternehmen das volle Potenzial ihrer eigenen Daten ausgeschöpft (Bitkom, 2024). Genau an dieser Lücke setzt das Assessment an - bevor in Modelle und Plattformen investiert wird.
„KI-Projekte im Stahlhandel scheitern selten an der Technik und fast immer an der Datenbasis. Wenn Stammdaten, Schnittstellen und Prozesse im ERP nicht tragfähig sind, hilft auch das beste Modell nicht. Genau diese Lücke schließen wir - bevor sie zum Investitionsrisiko wird." Kapil Gupta · Geschäftsführer der Zirkel Technologies GmbH
Über Zirkel Technologies
Die Zirkel Technologies GmbH, von Frankfurt am Main aus operierend mit Standorten in Wien, Zürich, Oakville, Riga und Noida, ist seit 2016 als herstellerneutrales Beratungs- und Implementierungshaus für Enterprise-Technologie (SAP, Salesforce, Microsoft Dynamics 365, MuleSoft) im industriellen Mittelstand tätig - mit Branchenschwerpunkten in Maschinen- und Anlagenbau, metallverarbeitender Industrie, Stahl- und Metallhandel sowie Papier- und Chemieindustrie. Das Daten- und KI-Team des Unternehmens umfasst Databricks-zertifizierte Engineers in den Tracks Machine Learning, Data Engineering und Data Analyst, ergänzt durch eine Partnerschaft mit Dataciders für Microsoft-Fabric-basierte Daten- und KI-Plattformen.
Das Assessment mit konkreten Nachweisen vorbereiten
Benennen Sie einen priorisierten Anwendungsfall und einen fachlichen Ansprechpartner. Stellen Sie eine anonymisierte Auswahl typischer Datensätze samt Ausnahmen, die beteiligten ERP-Prozesse und bekannte Qualitätsprobleme zusammen. Dokumentieren Sie auch, welche Daten aus Drittsystemen stammen und wer ihren Zugriff freigeben darf. Eine vollständige Produktionskopie ist für die erste Klärung nicht erforderlich.
Das Ergebnis sollte zwischen sofort prüfbaren Anwendungsfällen, notwendigen Daten- oder Prozessarbeiten und vorerst ungeeigneten Vorhaben unterscheiden. Fordern Sie für jede Empfehlung eine nachvollziehbare Begründung: beobachtetes Problem, betroffener Prozess, notwendiger Nachweis und verantwortliche Rolle. Ein allgemeiner Reifegradwert allein hilft nicht, den nächsten Arbeitsschritt festzulegen.
Vereinbaren Sie für einen anschließenden Pilotversuch ein begrenztes Ziel, eine Vergleichsbasis und eine Abbruchentscheidung. Datenschutz, Zugriffsrechte und die fachliche Behandlung fehlerhafter Vorschläge gehören dazu. Das Assessment kann die Entscheidung vorbereiten; es garantiert weder einen wirtschaftlichen Nutzen noch die Eignung eines bestimmten KI-Produkts.
Bereiten Sie das nächste Gespräch mit unserer Readiness-Assessment-Hilfe.
← Zurück zu den Impulsen