KI in Logistik und Lager: Wie der Mittelstand Wareneingang, Kommissionierung und Versand mit KI-Agenten beschleunigt

Wer am Montagmorgen in ein typisches Mittelstandslager läuft, sieht dieselbe Szene wie vor dreißig Jahren. Paletten stapeln sich im Wareneingang. Eine Sachbearbeiterin tippt Lieferscheine ins WMS. Kommissionierer laufen pro Schicht 12 Kilometer zwischen den Regalen. Im Versand vergleicht das Team drei Carrier-Tarife in Excel, um die günstigste Route für einen Kunden zu finden, der bis Donnerstag liefern lassen will.

Nichts davon ist kaputt. Es funktioniert irgendwie. Aber genau hier sitzt der größte Teil der verlorenen Zeit, der Fehlerkosten und der frustrierten Fachkräfte im deutschen Mittelstand. 70 Prozent der Logistikunternehmen melden weiter einen spürbaren Fachkräftemangel, der Altersdurchschnitt steigt schnell, und die BVL-Studie „Trends und Strategien 2025/26“ zeigt: 68 Prozent der Logistik-Unternehmen arbeiten in den nächsten fünf Jahren an KI-Einführung oder -Skalierung¹. Der Druck zu handeln ist real.

Dieser Leitfaden richtet sich an Lagerleitungen, Operations-Verantwortliche und Geschäftsführer im Mittelstand, die wissen, dass KI kommt, und konkret verstehen wollen, was ein KI-Agent in Wareneingang, Kommissionierung und Versand tatsächlich tut, was er kostet, wo er neben dem bestehenden WMS sitzt und wie ein sauberer 90-Tage-Pilot aussieht.

Warum die Logistik die KI-Frontlinie des Mittelstands ist

Logistik ist nicht nur ein weiterer KI-Kandidat. Sie ist der Bereich, in dem demografischer Druck, Datenverfügbarkeit und Prozesswiederholung optimal zusammenfallen. Prof. Michael ten Hompel vom Fraunhofer IML weist seit Jahren darauf hin: Die Logistikkette ist strukturell genau so aufgebaut, wie agentische Systeme am besten arbeiten - klare Übergaben, messbare Outputs, eine lange Liste routinemäßiger Entscheidungen.

• Der demografische Druck ist hier am schärfsten - Rund ein Drittel der deutschen Logistikbeschäftigten ist über 50, und die BVL meldet einen dauerhaften Mangel an kaufmännischen Lagerkräften, Disponenten und Berufskraftfahrern^6,7.
• KI ist die Trendtechnologie - Die BVL-Studie „Trends und Strategien 2025/26“ sieht 68 Prozent der Logistikunternehmen in den nächsten fünf Jahren an KI-Einführung oder -Skalierung arbeiten¹.
• Die Datengrundlage ist da - Die meisten Mittelstandslager betreiben bereits ein WMS, scannen jede Bewegung und erfassen jede Transaktion. Die Daten, die der Agent braucht, liegen nicht in PowerPoint, sondern in der Datenbank.
• Die Zahlen sind groß genug - McKinsey schätzt 2023, dass KI die Lagerproduktivität um 20 bis 30 Prozent hebt und Betriebskosten um rund 15 Prozent senkt. Auf einer 10-Mio-Euro-Logistikkostenbasis sind das 1,5 Mio. Euro pro Jahr¹¹.
• Die Adoption ist noch flach - Bitkom 2026: 41 Prozent der Unternehmen nutzen KI, das meiste in Marketing und IT. Nur 20 Prozent setzen KI in operativen Prozessen ein². Logistik ist Wettbewerbsraum.
• Die EU-KI-Verordnung ist hier freundlich - Fast alle Lager-Use-Cases (Dokumentenverarbeitung, Pickpfad-Optimierung, Carrier-Auswahl) liegen in minimalem oder begrenztem Risiko, nicht in Hochrisiko¹³.

Die drei Prozess-Säulen: Wareneingang, Kommissionierung und Versand

Fast jeder Euro an Betriebskosten im Mittelstands-Lager sitzt an drei Stellen: Wareneingang, Kommissionierung und Versand. Ein sauberer Einstieg in KI-Agenten geht entlang dieser drei Säulen und fragt für jede: Wo ist die Routine, wo sitzen die Ausnahmen, und wo würde am meisten passieren, wenn ein Agent die Entscheidungen übernimmt, die heute jemand von Bildschirm zu Bildschirm trifft.

• Wareneingang - dominiert von Papier- und PDF-Artefakten: Lieferscheine, Versandavise (Avis), Lieferanten-spezifische Etiketten, Zustandsprüfungen. Hohes Volumen, hohe Wiederholung, langer Fehlerschwanz.
• Kommissionierung - dominiert von Bewegung und Entscheidungen: welcher Auftrag als nächstes, welcher Pfad, welche Substitution, ob der gepickte Artikel zum Bedarf passt. Der langsamste und fehleranfälligste Schritt in den meisten Lagern.
• Versand - dominiert von externen Abhängigkeiten: Carrier, Services, Zoll, Kundenerwartungen, Wetter. Großer Schreibtisch-Aufwand versteckt in Tarifvergleichen und Ausnahmenbehandlung.

Use Case 1: KI im Wareneingang

Im Wareneingang bluten die meisten Mittelstandslager leise. LKWs kommen an. Stapler entladen. Eine Sachbearbeiterin trägt den Lieferschein zum Bildschirm und tippt Positionen, Chargen und Mengen ein. Abweichungen, die auf dem Hof auffallen, landen als handschriftliche Notizen, die niemand erfasst, bis sie drei Wochen später bei der Monatsabschluss-Inventur auftauchen. Der Agent baut diesen Prozess vom Dokument her neu auf.

Was der Agent an der Rampe tut

• Liest jeden Lieferschein - Der Agent nimmt PDFs, Scans, mit dem Handheld geknipste Fotos oder EDI-Avis-Nachrichten entgegen. Er extrahiert Lieferant, Positionen, Charge, GTIN, Menge, Einheit und Datum in Sekunden, layoutunabhängig.
• Gleicht gegen offene Bestellungen ab - Er öffnet die passende Bestellung im ERP oder WMS, vergleicht jede Position und markiert Über-, Minderlieferungen und unbekannte Artikel für eine kurze menschliche Prüfung.
• Prüft den Zustand per Vision - Ein Foto der Palette an der Rampe geht in die Bilderkennung: Ist die Verpackung intakt, passt das Etikett zum Artikel, ist die Menge plausibel. Schäden werden mit dem Foto als Beweis dokumentiert.
• Entscheidet die Einlagerung - Er liest den Slotplan des WMS, wählt den Lagerplatz nach Umschlagsklasse, Gewicht und Slotting-Regeln und schiebt den Einlagerungsauftrag aufs Stapler-Terminal.
• Bucht den Wareneingang - Sobald eine Position bestätigt ist, postet der Agent den Wareneingang ins WMS oder ERP, aktualisiert den Bestand und triggert den nachgelagerten Lieferantenrechnungs-Match.
• Schließt den Kreis zum Lieferanten - Bei Abweichungen entwirft er eine Reklamations-E-Mail mit Foto und Bestellbezug, bereit zur Freigabe durch den Einkäufer.

Wie das in einem typischen Mittelstandslager aussieht

1. LKW kommt an - Der Fahrer übergibt einen Papier-Lieferschein. Der Staplerfahrer fotografiert ihn am Handheld an der Rampe. Das Foto geht an den Agenten.
2. Agent extrahiert und matcht - Innerhalb von 10 Sekunden sind alle Positionen geparst und gegen die offene Bestellung in SAP oder proAlpha geprüft. Treffer grün, Abweichungen gelb, Unbekanntes rot.
3. Vision-Check der Palette - Der Sachbearbeiter zieht die Palette unter die Rampenkamera oder fotografiert sie. Der Agent vergleicht mit erwartetem Label und Zustandsprofil.
4. Einlagerungs-Entscheidung - Der Agent wählt den Slot nach Umschlagsklasse (A-B-C), eröffnet einen Einlagerungsauftrag im WMS und schiebt ihn aufs Staplerterminal.
5. Wareneingang gebucht - Sobald der Stapler die Einlagerung bestätigt, wird der Wareneingang im WMS automatisch gebucht und ans ERP für den Rechnungsmatch repliziert.

Use Case 2: KI in der Kommissionierung

Die Kommissionierung ist das lauteste Kostencenter jedes Mittelstandslagers - in Personalstunden und in Fehlern. Ein Kommissionierer in einem Breitgang-Lager läuft pro Schicht 10 bis 15 Kilometer. Fehlpicks kosten zwischen 30 und 200 Euro je nach Kunde und Artikel. Der Agent geht Pfad und Prüfung gleichzeitig an.

Was der Agent auf der Pickfläche tut

• Baut Pickwellen dynamisch - Statt feste Wellen um 06:00 und 14:00 plant der Agent kontinuierlich neu: Cut-off-Zeiten, Carrier-Abholungen, Auftragsähnlichkeit. Aktualisierte Wellenpläne gehen ans WMS.
• Optimiert die Pickpfade - Der Pfad wird bei jeder Wellenänderung neu berechnet: Slot-Heat, Gerätedichte (Palette, Wagen, Trolley), bekannte Stau-Zonen.
• Prüft den gepickten Artikel per Vision - Kameras am Wagen oder an der Pick-Brille bestätigen in Echtzeit, dass der gepickte Artikel zum geforderten passt. Falsche Artikel werden gewarnt, bevor der Wagen den Gang verlässt.
• Behandelt Substitutionen - Wenn ein Slot leer ist, schlägt der Agent eine Substitution aus den WMS-Regeln vor oder leitet zum nächsten Slot derselben SKU um.
• Erkennt Bestandsanomalien - Bei abweichender Pickmenge entscheidet der Agent, ob sofort eine Zykluszählung des Slots läuft oder ob die Prüfung warten kann.
• Bewertet Pickqualität pro Schicht - In guter Bauart nicht pro Person. Pro Slot, pro SKU, pro Zone. Output sind Heatmaps, die zeigen, wo der Pickschmerz wirklich sitzt.

Wo der Pick-Agent sich rechnet

1. Der Cut-off-Rush - Um 13:30 kommen drei Eilaufträge eines Schlüsselkunden. Der Agent berechnet die Welle in Sekunden neu, schiebt die Aufträge ein, ohne den Rest zu zerreißen, und leitet die Picker in den betroffenen Zonen um.
2. Der Substitutions-Moment - Der Picker erreicht Slot 04-B-12 und findet ihn leer. Der Agent schlägt 04-B-13 (gleiche SKU, Alternativ-Slot) vor und schiebt den Redirect aufs Handheld, bevor der Picker weiterläuft.
3. Der falsche Artikel - Der Picker greift Artikel X aus einem Slot, der eigentlich X enthalten sollte, aber durch einen Einlagerungsfehler Y enthält. Der Vision-Check am Wagen erkennt den Mismatch, bevor der Wagen den Gang verlässt.
4. Das Leere-Slot-Signal - Der Agent zählt leere Slots tagsüber und triggert Nachschub, wenn die Leerquote eine umschlagsgeprägte Schwelle überschreitet. Kein hektisches Nachschub-Sprinten am Ende der Schicht.
5. Der Zähl-Hinweis - Wenn Pickmenge und erwartete Menge in Langsam-Dreher-Slots auseinanderlaufen, schlägt der Agent eine Zykluszählung vor und plant sie ins nächste Nachschubfenster.

Use Case 3: KI im Versand

Der Versand sieht trügerisch einfach aus. Ein Paket geht von Ihrer Rampe zum Kunden. Darunter sitzen drei Jobs, die deutlich mehr Schreibtischzeit fressen, als die Halle nahelegt: das richtige Carrier-Service-Bündel wählen, die richtigen Papiere erzeugen und die Kundenerwartung managen, wenn etwas verrutscht. KI-Agenten machen alle drei oben auf Ihrem TMS oder den Carrier-Portalen.

Was der Agent im Versand tut

• Wählt Carrier und Service - Für jedes Paket liest er Gewicht, Maße, Ziel, Kunden-SLA und die Tarife seiner verbundenen Carrier (DHL, DPD, GLS, UPS, Hermes, Schenker, Dachser, regionale Carrier). Er nimmt den günstigsten Service, der die SLA erfüllt, nicht nur den vertraglichen Standard.
• Erstellt Versandpapiere - Etiketten, Handelsrechnungen für Auslandspakete, Gefahrgut-Erklärungen, Zollpapiere (EUR.1, ATR, T1 bei Bedarf). Der Agent baut den Papierberg passend zu Ziel und Produkt zusammen.
• Optimiert Konsolidierung - Wenn zwei Bestellungen innerhalb von 4 Stunden an dieselbe Adresse gehen, schlägt der Agent Konsolidierung vor und updatet die Carrier-Buchung, bevor die Labels drucken.
• Sendet proaktive ETAs - Kunde erwartet Donnerstag, der Carrier-Slip sagt Freitag. Der Agent erkennt die Lücke und entwirft eine proaktive E-Mail mit neuer ETA und Grund, bevor der Kunde anruft.
• Verfolgt das Paket - Tracking-Events kommen via Carrier-API rein, werden mit dem Auftrag verknüpft und auf Anomalie-Muster geprüft (Paket im Hub festgehalten, fehlender Scan, retour). Bei Schwellüberschreitung öffnet der Agent ein Service-Ticket.
• Behandelt Last-Mile-Fehlversuche - Erster Zustellversuch gescheitert. Der Agent entwirft die nächste Kommunikation an den Kunden (Pickup-Point, Zweittermin, Eskalation an Carrier-Service) im Rahmen der Carrier-API.

Die Versand-Tabelle, die Sie wirklich wollen

Die WMS-Landschaft im Mittelstand (Wo der Agent andockt)

Die KI-Agent-Schicht nutzt nur, wenn sie mit dem Lagerverwaltungssystem zurechtkommt, das im Mittelstand tatsächlich läuft. Die meisten Mittelstandslager sitzen auf einem von rund zehn Systemen, jedes mit eigenem Integrationsprofil. Daumenregel: Wenn Ihr WMS REST- oder SOAP-APIs, IDocs (für SAP-Stacks) oder einen sauberen Flatfile-Austausch bietet, kann eine Agent-Schicht darauf sitzen.

Die ehrliche Antwort für fast alle Mittelstands-Setups: Ja, Ihr WMS bietet genug Integrationsfläche für einen Agenten oben drauf. Der Agent ersetzt das WMS nicht, er orchestriert darüber. Ein WMS-Ersatz im Mittelstand liegt meist bei 250.000 bis mehreren Millionen Euro und dauert 18 bis 36 Monate. Eine Agent-Schicht auf dem bestehenden WMS liegt für den ersten Use Case bei 40.000 bis 90.000 Euro und geht in 8 bis 12 Wochen live.

WMS, Add-on-Modul oder eigener KI-Agent: Wohin geht das Geld?

Wenn eine Mittelstands-Operations-Leitung beschließt, im Lager KI einzusetzen, stehen drei reale Wege im Raum. Was jeder davon konkret bedeutet, ist nützlicher als noch eine Anbieter-Matrix.

Weg 1: WMS modernisieren oder ersetzen

• Was Sie bekommen - Ein neues Systems of Record, aktuellere Funktionalität, frisches Vendor-Commitment.
• Was es kostet - 250.000 bis mehrere Millionen Euro, 18 bis 36 Monate, zwei bis drei Jahre organisatorischer Druck.
• Wann es Sinn ergibt - Das aktuelle WMS ist End-of-Life, der Anbieter zieht den Support zurück oder die Prozesskomplexität ist der Plattform entwachsen.
• Häufiger Fehler - WMS-Ersatz, um KI-Features zu bekommen. Die KI-Schicht ist ein dünnes oberes Drittel der Plattform, Sie zahlen für den Rest trotzdem den vollen Ersatzpreis.

Weg 2: KI-Add-on-Modul vom WMS-Anbieter kaufen

• Was Sie bekommen - Produktisierte Features, Vendor-Support, schnellere Aktivierung als ein WMS-Neukauf.
• Was es kostet - Per-User- oder Per-Feature-Lizenz, je nach Umfang 25.000 bis 100.000 Euro pro Jahr.
• Wann es Sinn ergibt - Ein klar umrissenes Standard-Feature (z. B. Zykluszählung) deckt Ihren Bedarf, und die Vendor-Roadmap passt zu Ihrer.
• Häufiger Fehler - Die Vendor-Roadmap als eigene Roadmap behandeln. Ihr Versandproblem steht möglicherweise nicht in den nächsten zwei Releases.

Weg 3: Eigener KI-Agent auf dem bestehenden Stack

• Was Sie bekommen - Einen Agenten, der um Ihre konkreten Workflows, Daten, Carrier, Lieferanten und Ausnahmen herum gebaut ist.
• Was es kostet - 40.000 bis 90.000 Euro für den ersten Use Case, 8 bis 12 Wochen bis live, zweiter Use Case 30 bis 40 Prozent günstiger.
• Wann es Sinn ergibt - Ihre Prozesse haben Besonderheiten, die Standard-Add-ons nicht abbilden, oder Sie wollen Outcome-basierte Preise statt Lizenzen.
• Häufiger Fehler - Den Agenten ohne Logistik-KI-Erfahrung selbst bauen. Das technische Gerüst ist machbar, das Domänen-Tuning entscheidet.

Der 90-Tage-Pilot-Plan

Der häufigste Fehlermodus in Mittelstands-KI-Projekten: zu viel auf einmal. Ein fokussierter 90-Tage-Pilot wählt einen Use Case, bringt ihn vom Baseline bis zur Produktion und beweist das Modell. So sieht der Plan in einem Logistik-Setting aus, der tatsächlich funktioniert.

Phase 1: Assessment (Woche 1-4)

1. Woche 1: Prozessaufnahme in der Halle - Wareneingang, Kommissionierung und Versand auf einer echten Schicht mitlaufen. Schritte zeitlich messen, Berührungspunkte zählen, Systeme listen. Keine Slides.
2. Woche 2: Datenaudit - Für den Kandidat-Use-Case identifizieren, welche Daten in WMS, ERP, TMS und Carrier-Portalen vorhanden sind. Wo sie liegen, wie sauber sie sind, was fehlt.
3. Woche 3: ROI-Modell - Aktuelle Kosten (Zeit, Fehler, verspätete Sendungen, Reklamationen) in Euro quantifizieren. Erwartete Verbesserung modellieren. KPIs definieren.
4. Woche 4: Architektur und Integration - Festlegen, wo der Agent sitzt, welche APIs und IDocs er nutzt, wo Human-in-the-Loop-Punkte sind und was für den Audit-Trail geloggt wird.

Phase 2: Build und Test (Woche 5-8)

5. Woche 5-6: Agent-Entwicklung - Bau gegen Ihre WMS-, ERP- und TMS-APIs. Keine neue Plattform zu lernen. Der Agent arbeitet gegen das, was Ihr Team schon kennt.
6. Woche 7: Sandbox-Test - Lauf auf sechs Monaten historischer Daten und einer parallelen Live-Schicht. Vergleich gegen Baseline. Feedback vom Lagerteam einsammeln.
7. Woche 8: Feinschliff und Edge Cases - Genauigkeit nachziehen, Human-in-the-Loop-Punkte finalisieren, Ausnahmen aus Woche 7 abarbeiten. Produktions-Cut-over vorbereiten.

Phase 3: Deploy und Messen (Woche 9-12)

9. Woche 9: Soft Launch - Auf eine Schicht, eine Zone oder eine Carrier-Lane begrenzen. Parallel zur manuellen Bearbeitung. Nichts bricht.
10. Woche 10-11: Full Rollout - Auf den vollen Use-Case-Umfang skalieren. Team schulen. Feedback-Kanal etablieren. Der Agent wird mit jeder Interaktion besser.
11. Woche 12: Messen und präsentieren - Gegen Baseline aus Woche 3 vergleichen. Dokumentieren. Geschäftsführung präsentieren. Nächsten Use Case auswählen.

EU-KI-Verordnung, DSGVO und Betriebsrat: Die drei Compliance-Anker

Compliance für Logistik-KI ist deutlich entspannter, als der durchschnittliche Rechtsworkshop nahelegt. Die meisten Lager-Agenten berühren kein Hochrisiko unter der EU-KI-Verordnung, verarbeiten keine personenbezogenen Daten jenseits dessen, was Ihr WMS schon hält, und bewegen sich nur dann in Betriebsrats-Territorium, wenn Sie individuelle Leistungsmessung anflanschen. Der Trick: Den ersten Agenten so scopen, dass keiner der drei Trigger feuert.

EU-KI-Verordnung: Wo Ihre Use Cases landen

DSGVO-Basics für Lager-KI

• Welche Daten der Agent verarbeitet - Stammdaten, Transaktionsdaten, Lieferanten- und Carrier-Daten. Im typischen Setup entstehen keine neuen personenbezogenen Daten. Picker-IDs sind im WMS bereits vorhanden.
• Wo er läuft - Agent und Sprachmodell können in EU-Regionen laufen (deutsches AWS, deutsches Azure, IONOS, Open Telekom Cloud, On-Premise). Keine Daten verlassen die EU.
• Auftragsverarbeitung - Standard-AVV deckt Modell-Anbieter und Agent-Betreiber. Sub-Auftragsverarbeiter müssen EU-basiert sein.
• Logging und Aufbewahrung - Agent-Log kann 90-180 Tage für operatives Debugging gehalten und dann anonymisiert oder gelöscht werden. Audit-Trail-Einträge (die Aktion selbst) bleiben nach GoBD und HGB.
• Auskunftsrecht - Wo personenbezogene Daten doch berührt werden (selten in reiner Operation), greift dieselbe Auskunftsroutine, die Sie für HR ohnehin haben.

Betriebsrats-relevantes Scoping

• Reine Prozessautomatisierung - Der Agent orchestriert Dokumente und Bestandsbewegungen, keine personenbezogenen Leistungsdaten entstehen. Meist informationspflichtig, keine Betriebsvereinbarung nötig.
• Verhaltens- oder Leistungskontrolle - Jedes System, das Mitarbeiterleistung misst oder bewertet, triggert § 87 BetrVG und braucht eine Betriebsvereinbarung.
• Pragmatisches Scoping - Den ersten Agenten so bauen, dass keine personenbezogenen Leistungsdaten entstehen. Pilot fahren. Dann mit dem Betriebsrat nachschärfen, sobald Vertrauen aufgebaut ist und das Team den Agenten in Aktion gesehen hat.
• Früh informieren - Der häufigste Fehler ist, den Betriebsrat in Woche 10 des Piloten zu informieren. Informieren Sie in Woche 0. Kostet nichts und nimmt der Diskussion das „Warum hat uns niemand etwas gesagt“.

Wie Superkind reinpasst

Superkind baut maßgeschneiderte KI-Agenten für Mittelstand und Konzerne. In der Logistik beginnt die Arbeit in Ihrer Halle, mit Ihrem Team und Ihrem WMS, nicht mit einer generischen Plattform, an die Sie Ihre Prozesse anpassen müssen.

• Prozess-First-Discovery - Wir laufen Wareneingang, Kommissionierung und Versand auf einer echten Schicht mit, bevor eine Zeile Code entsteht. Die undokumentierten Ausnahmen sind genau das, woran Standard-Tools scheitern.
• Sitzt auf Ihrem WMS - Der Agent dockt an proLogistik, PSIwms, SAP EWM, viadat, WAMAS, Inconso oder Dynamics WHS über API, IDoc oder geplante Exporte an. Kein Rip-and-Replace.
• EU-Only-Deployment per Default - Agent-Runtime und Sprachmodell in deutscher oder EU-Region. Ihre Daten bleiben in Ihrem Stack.
• In 8-12 Wochen live - Erster Use Case in einem Quartal in Produktion. Ihr Lagerteam arbeitet ab Tag 1 mit dem Agenten und der Agent wird mit jeder Schicht schärfer.
• Outcome-basierte Preise - Pro Use Case, an messbare KPIs vor dem Build gebunden. Keine Per-Seat-Lizenz für Lagerkräfte.
• Carrier- und Lieferantenabdeckung - DHL, DPD, GLS, UPS, Hermes, Schenker, Dachser, regionale Carrier, beliebige Lieferschein-Layouts. Der Agent lernt jedes Format beim ersten Sehen.
• Betriebsrats-freundliches Scoping - Der erste Agent ist per Default ohne personenbezogenes Scoring gebaut. Keine Überraschungen für den Betriebsrat.
• Kontinuierliche Verbesserung - Wir liefern nicht und verschwinden. Wir iterieren, erweitern und nehmen den nächsten Use Case auf, sobald der erste zurückzahlt.

Entscheidungs-Framework: Wo fangen Sie an?

Nicht jedes Mittelstandslager braucht ab Tag 1 alle drei Säulen. Diese Signale helfen, den richtigen Startpunkt zu wählen.

Häufige Fragen

Verwandte Artikel

• Die besten KI-Tools für Bedarfsplanung und Forecasting im Mittelstand
• KI im B2B-Großhandel und in der Distribution: Wie der deutsche Mittelstand 2026 seine Marge verteidigt
• Intelligente Dokumentenverarbeitung: Wie der Mittelstand OCR durch KI-Agenten ersetzt
• ERP oder KI-Agent: Wo die Grenze in Mittelstands-Prozessen 2026 verläuft
• SAP und KI-Agenten: Der pragmatische Weg durch S/4HANA, ECC und Business One im Mittelstand
• KI-Agenten für den Mittelstand: Wie Deutschlands Hidden Champions KI einsetzen

Henri Jung

Co-Founder von Superkind, wo er Mittelstand und Konzerne dabei unterstützt, maßgeschneiderte KI-Agenten einzusetzen, die wirklich zu ihrer Arbeitsweise passen. Henri arbeitet daran, die Lücke zwischen dem, was KI kann, und dem, was sie in echten Unternehmen wert ist, zu schließen. Er ist überzeugt, dass der Mittelstand alles hat, um in Sachen KI zu führen - er braucht nur den richtigen Ansatz.