KI in bestehende Systeme integrieren: Leitfaden für Legacy-IT

Wer KI in bestehende Systeme integrieren will, stößt selten auf ein Modellproblem. Die Hürde liegt in der Verbindung zu den Systemen, in denen die Arbeit tatsächlich passiert: Das ERP ist 15 Jahre alt und hat keine moderne Schnittstelle, Kundendaten liegen im CRM, Dokumente im DMS, und die IT-Sicherheit hat gute Gründe, nicht jeden Zugang zu öffnen.

Dieser Leitfaden zeigt, welche Schnittstellen es gibt, wie Sie in fünf Phasen vorgehen, welche Werkzeuge helfen und woran Integrationsprojekte meist hängen. Wie Sie speziell ERP-Daten erschließen, beschreibt der Leitfaden ERP mit KI verbinden.

Stand: September 2026.

KI in bestehende Systeme zu integrieren heißt, eine KI-Plattform so mit ERP, CRM, Dokumentenablagen und Fachanwendungen zu verbinden, dass sie dort Informationen abrufen und, wo erlaubt, Aktionen ausführen kann. Ein Chat ohne diese Anbindung kennt weder Ihre Kunden noch Ihre Aufträge.

Legacy-Systeme sind gewachsene Anwendungen, oft seit Jahrzehnten im Einsatz, mit proprietären oder gar keinen Schnittstellen. Sie sind selten schlecht, aber sie wurden nicht für KI gebaut. Die Integration verläuft typischerweise auf drei Stufen:

• Lesen: Die KI beantwortet Fragen mit Daten aus den Quellsystemen, etwa zum Stand eines Auftrags.
• Auslösen: Ein Ereignis wie eine neue Kundenanfrage startet einen KI-Ablauf.
• Schreiben: Die KI trägt Ergebnisse zurück ins System, etwa eine Notiz im CRM, nachdem ein Mensch zugestimmt hat.

Meist an fünf Hürden, die vor Projektbeginn erkennbar gewesen wären: fehlende Schnittstellen, Datensilos, uneinheitliche Formate, späte Sicherheitsfreigaben und Lastprobleme, die erst im Betrieb auftauchen.

1. Keine modernen Schnittstellen. Viele ERP-, CRM- oder Warenwirtschaftssysteme sind 10 bis 20 Jahre alt und bieten nur proprietäre Schnittstellen, Dateiexporte oder direkten Datenbankzugriff. Dann braucht es Middleware, einen Adapter oder einen Connector im eigenen Netz.
2. Datensilos. Kundendaten im CRM, Produktdaten im ERP, Dokumente im DMS, Absprachen in E-Mails. Jedes System hat seine eigene Wahrheit, und die KI antwortet nur so gut, wie ihr Zugang es erlaubt.
3. Uneinheitliche Formate. Datumsangaben, Artikelnummern und Kundennamen folgen in jedem System eigenen Regeln. Diese Unterschiede müssen vor der Anbindung geklärt sein.
4. Späte Freigaben. Welche Daten dürfen in die KI-Plattform, wer darf zugreifen, wie wird protokolliert? Wer IT-Sicherheit, Datenschutz und Betriebsrat erst kurz vor dem Start fragt, verliert Wochen.
5. Last und Grenzen. Was mit 100 Testdatensätzen funktioniert, scheitert bei einer Million an Aufrufgrenzen, Zeitüberschreitungen oder Kosten.

Wie verbreitet das Problem ist, zeigt eine Zapier-Umfrage unter mehr als 500 Führungskräften großer Unternehmen: 78 % haben Schwierigkeiten, KI in ihre bestehenden Systeme zu integrieren (Oktober 2025). In Deutschland nennen Unternehmen ohne KI-Einsatz fehlendes Umsetzungswissen als häufigste Hürde, 85 % laut Bitkom (14. September 2026).

REST-APIs passen, wenn die KI Daten bei Bedarf abruft oder ändert. Webhooks passen, wenn ein Ereignis im Quellsystem einen Ablauf starten soll, und MCP, wenn KI-Modelle und Agenten Werkzeuge standardisiert nutzen sollen. Datei- und ETL-Strecken bleiben für große Mengen in festen Takten.

Eine API (Application Programming Interface) ist eine dokumentierte Schnittstelle, über die eine Software mit einer anderen spricht. Die folgenden Varianten kommen in Integrationsprojekten am häufigsten vor:

Aktuelle Sprachmodelle rufen Funktionen selbst auf. Der Fachbegriff ist Tool-Aufruf (Function Calling): Die Anwendung beschreibt dem Modell verfügbare Funktionen wie „Kunde suchen“, das Modell entscheidet, wann es welche Funktion mit welchen Parametern braucht, und die Anwendung führt sie aus.

Das Model Context Protocol (MCP) standardisiert diesen Weg. Ein MCP-Server stellt Werkzeuge (Tools), Daten (Resources) und Vorlagen (Prompts) bereit; KI-Anwendungen sprechen ihn über JSON-RPC an. Die aktuelle Spezifikation stammt vom 28. Juli 2026. Der Vorteil: Eine Anbindung, einmal als MCP-Server gebaut, steht mehreren KI-Anwendungen zur Verfügung. Wie Unternehmen MCP einsetzen, beschreibt der Leitfaden zum Model Context Protocol.

Die Spezifikation formuliert als Grundsatz, dass Nutzer Datenzugriffen und Werkzeugaufrufen ausdrücklich zustimmen. Weil jedes Werkzeug Code ausführt, gilt außerdem: minimale Rechte, Freigabe vor schreibenden Aktionen, Protokollierung. Texte aus E-Mails oder Webseiten können versuchen, ein Modell zu manipulieren; wie Sie KI-Integrationen gegen Prompt Injection absichern, lesen Sie in einem eigenen Beitrag.

Ein typischer Ablauf mit Webhook und REST-API, als illustratives Beispiel:

1. Ein neuer Kontakt entsteht in HubSpot. Ein Webhook meldet das Ereignis an die KI-Plattform.
2. Der Ablauf ruft über die HubSpot-API die Kontaktdaten und die bisherige Historie ab.
3. Die KI wertet die Angaben aus dem Formular, öffentliche Informationen zum Unternehmen und frühere Kontakte aus und schlägt eine Einstufung mit Begründung vor.
4. Nach Prüfung durch den Vertrieb schreibt der Ablauf Einstufung und Notiz über die API zurück in HubSpot.

Zwei Details entscheiden über Sicherheit und Recht. Erstens die Anmeldung: HubSpot hat einfache API-Schlüssel nach dem 30. November 2022 abgeschaltet. Integrationen für ein einzelnes Konto nutzen seither das Zugriffstoken einer Private App, Integrationen für mehrere Konten OAuth 2.0. Zweitens die Quellen: Das automatisierte Auslesen von Profilen in sozialen Netzwerken verstößt häufig gegen deren Nutzungsbedingungen und ist datenschutzrechtlich heikel. Beschränken Sie die Auswertung auf eigene CRM-Daten und öffentliche Unternehmensinformationen.

Bewährt hat sich ein Vorgehen in fünf Phasen: Bestandsaufnahme, Architektur, Daten, Umsetzung sowie Test und Betrieb. Für einen eng geschnittenen ersten Anwendungsfall laufen die Phasen in wenigen Wochen durch; jede weitere Systemanbindung durchläuft sie erneut, meist schneller.

In dieser Phase entscheidet sich, ob später Überraschungen ausbleiben. Klären Sie, welche Systeme angebunden werden, welche Schnittstellen sie tatsächlich bieten, wer die Verantwortung für jedes System trägt, welche Daten der Anwendungsfall braucht und wie aktuell sie sein müssen. Prüfen Sie Schnittstellen mit einem echten Testaufruf, nicht nur anhand der Dokumentation.

Nicht jede Integration braucht einen Datenumzug. Häufig greift die KI berechtigt direkt auf die Quellsysteme zu: über fertige Apps, Datenbank-Connectoren, APIs oder MCP. Eine Kopie oder ein Suchindex lohnt sich vor allem für große Dokumentenbestände, die über ihre Bedeutung durchsucht werden sollen.

Faustregel: So nah wie möglich an der Quelle bleiben, so wenig Daten wie nötig bewegen und für jede Verbindung einen eigenen technischen Nutzer mit minimalen Rechten anlegen.

Die aufwendigste Arbeit steckt oft nicht in der Technik, sondern in der Datenlage: Dubletten, uneinheitliche Stammdaten, veraltete Dokumente. Zeit für Datenbereinigung vor der Anbindung verkürzt die spätere Integration oft deutlich.

• Dubletten entfernen und je Objekt einen führenden Datensatz festlegen.
• Formate für Datum, Währung, Einheiten und Nummernkreise vereinheitlichen.
• Felder und Kennzahlen in einem Glossar beschreiben, damit die KI sie richtig deutet.
• Veraltete Dokumente archivieren, statt sie mit anzubinden.
• Zuständigkeiten für die laufende Pflege festlegen.

Wie Sie Ihre Daten KI-fähig machen, beschreibt der Leitfaden zur KI-Datenstrategie.

In der Umsetzung entstehen Verbindungen, Abläufe und Rechte. Zwei Themen verdienen besondere Sorgfalt:

Anmeldung und Rechte. OAuth 2.0 oder OpenID Connect statt statischer Passwörter, Anmeldung der Beschäftigten über Single Sign-On, etwa mit Microsoft Entra ID, Service-Konten mit minimalen Rechten für Hintergrundabläufe und verschlüsselt gespeicherte Zugangsdaten, die regelmäßig erneuert werden.

Robustheit. Aufrufgrenzen einplanen und Wiederholungen mit wachsendem Abstand (Exponential Backoff) steuern. Dieselbe Nachricht darf nie zweimal buchen (Idempotenz). Große Ergebnisse werden seitenweise abgerufen, schreibende Aktionen laufen mit Freigabe und Protokoll.

Auf Code-Beispiele verzichten wir hier bewusst, weil sich die Aufrufe je Plattform und System unterscheiden. Achten Sie bei der Auswahl darauf, dass die KI-Plattform eine dokumentierte REST-API, Webhooks, MCP-Unterstützung und Service-Konten mit fein einstellbaren Rechten bietet.

Vor dem Start stehen drei Testarten: Integrationstests über den ganzen Ablauf einschließlich Fehlerfällen, Lasttests mit realistischen Mengen und Sicherheitstests, die auch manipulierte Eingaben an das Modell prüfen. Rollen Sie danach in Wellen aus, erst mit einer Pilotgruppe von 10 bis 20 Personen, dann Bereich für Bereich. Was dabei zählt, beschreibt der Artikel vom Pilot in die Produktion.

Im Betrieb gelten andere Kennzahlen als bei klassischen Schnittstellen. Eine KI-Antwort braucht Sekunden, und ihre Qualität muss eigens gemessen werden:

Wie Sie KI-Anwendungen im Betrieb messen und bewerten, beschreibt der Leitfaden zu AI Observability.

Je nach Architektur kommen fünf Werkzeugklassen zum Einsatz: API-Gateways, Integrationsplattformen, Datenpipelines, Monitoring und KI-Schnittstellen wie MCP. Die folgende Auswahl ist beispielhaft und ohne Wertung (Stand: September 2026).

Viele Mittelständler kommen mit wenigen dieser Bausteine aus, weil die KI-Plattform Connectoren, Abläufe und Protokollierung bereits mitbringt. Prüfen Sie vor jedem neuen Werkzeug, ob die Aufgabe nicht schon abgedeckt ist; jedes zusätzliche System will betrieben und abgesichert werden.

Die zehn häufigsten Probleme sind bekannt und lassen sich mit Standardmitteln lösen. Die Übersicht zeigt jeweils das typische Symptom und das Gegenmittel.

Plotdesk verbindet eine KI-Plattform mit einem Umsetzungsteam für den Mittelstand. Bei der Integration bringt die Plattform die Anschlüsse mit, und das Team klärt mit Ihrer IT, welcher Weg für welches System trägt:

• Apps: 77+ Apps im Katalog, darunter SharePoint, Confluence, Jira, HubSpot, Xentral, Zammad, Ivanti und UiPath.
• Datenbanken: SQL Connector und externe Datenbanken (MySQL, PostgreSQL, SQL Server, Snowflake) für Abfragen auf freigegebene Sichten.
• Plotdesk Connect: für Systeme im eigenen Rechenzentrum, etwa ERP, Fileserver, Ticketsysteme, alte Datenbanken oder AS/400.
• MCP-Server und REST-API: damit Werkzeuge standardisiert bereitstehen und eigene Anwendungen Plotdesk ansprechen können.
• Abläufe: Schedulers starten Vorgänge nach Zeit, per Webhook, bei neuen Dateien oder Tabelleneinträgen; Workflows entstehen im Studio.
• Eigene Oberflächen: Canvas und Plugins, wenn ein Prozess mehr braucht als einen Chat.

Betrieben wird Plotdesk als dedizierte Instanz in der EU, als Private Cloud oder im eigenen Tenant, etwa in Azure. SSO, Rollen, mehr als 40 Berechtigungen, verschlüsselte Zugangsdaten und Audit-Logs halten jede Verbindung nachvollziehbar. Die Modelle wählen Sie je Team aus mehr als 100 Modellvarianten aus zehn Provider-Typen.

Wie weit Integration reichen kann, zeigt Padello aus dem Sportstättenbau: Vier Standardsysteme, nämlich ERP, CRM, Baustellenplanung und E-Commerce, wurden durch eine individuell gebaute Lösung ersetzt. Der Weg dorthin folgt vier Schritten: KI-Potenzialanalyse, Proof of Value, produktive Lösung und systematischer Ausbau, gestützt auf mehr als 1.200 Use Cases in 15 Branchen.

Die Integration einer KI-Plattform in gewachsene Systeme ist anspruchsvoll, aber planbar. Fünf Punkte machen den Unterschied:

1. Bestandsaufnahme zuerst. Viele Integrationsprobleme gehen auf eine zu kurze Bestandsaufnahme zurück. Prüfen Sie Schnittstellen, bevor Sie Termine zusagen.
2. Daten vor Technik. Eine saubere Anbindung nützt wenig, wenn Stammdaten widersprüchlich sind.
3. Nah an der Quelle bleiben. Direkter Zugriff über API, MCP oder Connector ist oft einfacher und sicherer als ein Datenumzug.
4. In Wellen ausrollen. Ein erfolgreicher Pilot mit einem System überzeugt mehr als ein Großprojekt mit zehn.
5. Vom ersten Tag an messen. Antwortqualität, Fehlerquote der Tool-Aufrufe und Kosten pro Anfrage gehören ins Monitoring.