„Einfach nur KI reicht 2026 nicht mehr.“

KI kann Prozesse beschleunigen und zum Beispiel bei der Tarifierung unterstützen. Effizienzsteigerungen zeigen inzwischen mehrere Analysen, zuletzt ein Report der WCO bezogen auf Zollverwaltung. Aber sie löst keine strukturellen Probleme. Die Voraussetzungen müssen stimmen.

Was sind die Voraussetzungen?

Zunächst muss klar sein: KI ist nicht gleich Automatisierung. Sie ersetzt nicht saubere Daten, klare Prozesse und Systemintegration. Generative KI ist neben etabliertem Machine Learning ein Baustein innerhalb einer Automatisierungs-Architektur. Unternehmen, die KI isoliert einsetzen, schaffen neue Abhängigkeiten und erhöhen ihr Compliance-Risiko. KI verstärkt bestehende Strukturen, gute wie schlechte. Deshalb braucht es eine Automatisierungs-Strategie, wir sprechen hier von einer maßgeschneiderten Automatisierung.

Das kommt auf das Unternehmen, die Ausgangssituation der Daten und den Use Case an. Eine präzise Automatisierungsstrategie kombiniert mehrere Ebenen. Sie fragt: Welche Technologie brauche ich für welchen Einsatz? Wie arbeiten Tools zusammen? Wie sind sie integriert? Im Bereich Tarifierung ist das bei uns die Kombination aus regelbasierter Automatisierung für eindeutige Fälle, Machine Learning für Mustererkennung und generativer KI für komplexe Einzelfälle und Begründungen. Bei der Tarifierung einfacher Waren erreicht ein Kunde zum Beispiel schon einen Automatisierungsgrad von bis zu 100 Prozent. Und in den übrigen Bereichen eine enorme Beschleunigung des Tarifierungsprozesses.

Das heißt, die Rolle von KI wird eher überschätzt?

Ja, und zwar dort, wo sie als Allheilmittel verkauft wird. KI kann keine inkonsistenten Daten heilen. Sie kann keine fehlende Prozessstruktur ersetzen. Und sie kann keine Governance herstellen. Gleichzeitig wird ihr strategisches Potenzial unterschätzt, wenn sie tief in Systeme integriert wird und mit diesen zusammenspielt. 2026 reicht „einfach nur KI“ nicht mehr. Entscheidend ist, wie präzise sie in Prozesse, Software und Datenstrukturen eingebunden ist.

Dass gute Stammdaten wichtig sind, gilt inzwischen als selbstverständlich. Wo ist das Problem?

Dass sie oft nicht gut genug sind. Viele Unternehmen überschätzen ihre Datenqualität. In der Realität sind Zoll- und Materialstammdaten selten konsistent. Unterschiedliche Sprachen, variable Beschreibungstiefen, gewachsene Strukturen aus verschiedenen ERP-Generationen, unterschiedliche Ablageorte und historische Inkonsistenzen verhindern stabile Automatisierung. Eine AEB-Analyse zur Automatisierung von Tarifierung zeigt: Die größte Schwachstelle in KI- und Automatisierungsprojekten im Zollumfeld ist die Datenbasis.

Was ist deine Empfehlung?

Zwei Dinge sind entscheidend: 1. Eine operative Prozessoptimierung und 2. Strategische Datenhoheit. Prozessoptimierung bedeutet: klare Zuständigkeiten, saubere Workflows, Automatisierung wiederkehrender Aufgaben. Datenhoheit geht tiefer. Wer seine Daten zentral strukturiert und kontrolliert, behält die Kontrolle über Automatisierung, Compliance und Geschwindigkeit, auch bei ERP-Transformationen. Das wird zum Wettbewerbsvorteil.

Was heißt das konkret?

Ein unabhängiges, zentrales Stammdatenmanagement reduziert Abhängigkeiten von Veränderungen in der IT, zum Beispiel bei ERP-Systemen und erhöht die Stabilität von Zollprozessen. Viele ERP-Systeme sind nicht auf außenhandelsrelevante Stammdaten ausgelegt. Wer die Verwaltung dieser Daten ausschließlich dort abbildet, schafft strukturelle Engpässe.

Welche Risiken entstehen ohne präzise Automatisierung?

Solange Volumen und Märkte stabil bleiben, funktionieren manuelle oder halbautomatisierte Prozesse. Sobald neue Märkte dazukommen, regulatorische Änderungen zunehmen oder Produktvarianten wachsen, wird Tarifierung zum Engpass und Zoll zur Bremse im Unternehmen. Denn solche Änderungen ziehen eine Kaskade an Anpassungen in verschiedensten Bereichen und Systemen nach sich. So steigt auch das Risiko von Fehlern und Compliance-Verstößen.

Und die Rolle des Menschen?

Menschliche Expertise bleibt unverzichtbar. Bei komplexen Maschinen, modularen Anlagen und neuen Technologien mit wenig Historie bereitet Künstliche Intelligenz Tarifierungs-Entscheidungen vor und beschleunigt sie dadurch. Standardisierte, wiederkehrende, aber dennoch zeitraubende Tarifierungsfälle lassen sich hingegen vollständig automatisieren.

KI-Modelle oder Daten: Was wird entscheidend?

Daten. KI wird zur Commodity und wird sich dynamisch weiterentwickeln. Die Kosten sinken. Der Wettbewerb bleibt intensiv. Der Wert der KI liegt in der Anwendung, der Spezialisierung und darin, wie sie eingebettet ist. Der Wettbewerbsvorteil entsteht durch Qualität, Struktur und Verfügbarkeit der Daten. Und durch die Fähigkeit, KI in eine stabile Architektur einzubetten.