Welche Supply-Chain-Aufgaben sollten automatisch durchlaufen, und wann hilft ein Sprachmodell bei der Analyse?
Im Einkauf gibt es Bestellvorschläge, die täglich geprüft und anschließend unverändert freigegeben werden. Gleichzeitig entstehen Fragen, für die es keinen festen Ablauf gibt: Warum ist der Bestand gestiegen? Welche Lieferanten brauchen Aufmerksamkeit? Was sollte das Management diese Woche wissen?
numi bietet für beide Aufgaben einen passenden Zugang: Native numi-Agenten automatisieren wiederkehrende Abläufe auf Basis der numi-Entscheidungen. Über den numi MCP-Server nutzen ChatGPT oder Claude die bereitgestellten Daten und Funktionen für gezielte Analysen, flexible Auswertungen und Zusammenfassungen. Beide Wege bauen auf der fachlichen Intelligenz von numi auf.
Was sind KI-Agenten in der Supply Chain?
KI-Agenten in der Supply Chain sind Softwaresysteme, die abgegrenzte Aufgaben in Planung, Einkauf oder Disposition übernehmen. Sie verarbeiten Informationen, erkennen Handlungsbedarf und führen vereinbarte Schritte aus. Das kann eine Bestellung im ERP sein, die Aktualisierung eines Bestandsparameters oder eine Benachrichtigung an die zuständige Person.
Wie selbstständig ein Agent arbeitet, wird festgelegt: Er kann einen Vorgang nur beobachten, eine Freigabe einholen oder innerhalb definierter Grenzen automatisch handeln. Der Begriff Agentic AI wird häufig für KI-Systeme verwendet, die Aufgaben über mehrere Schritte mit Werkzeugen bearbeiten. Die konkrete Ausgestaltung kann sich je nach Anwendung unterscheiden.
Bei numi bezeichnen native Agenten die direkt in numi eingerichteten Abläufe aus Auslöser, Prüfung und Aktion. Für einen klar geregelten Routineablauf ist dabei kein zusätzlicher Aufruf eines großen Sprachmodells nötig. Ein solches Sprachmodell wird auch Large Language Model (LLM) genannt.
Warum numi native Agenten und einen MCP-Server anbietet
Die gemeinsame Grundlage ist die Prognose-, Optimierungs- und Entscheidungslogik von numi. Sie verbindet beispielsweise Nachfrage, verfügbare Bestände, offene Bestellungen und Lieferzeiten mit den Zielen und Vorgaben des Unternehmens. Daraus entstehen konkrete Empfehlungen für Planung und Einkauf.
Die Intelligenz steckt bereits in der fachlichen Berechnung. Ein Bestellvorschlag basiert etwa auf benötigten Mengen, Lieferzeiten, Mindestbestellmengen und angestrebter Verfügbarkeit. „Optimiert“ bedeutet dabei: passend zu den verwendeten Daten, Zielen und Restriktionen. Auch eine gute Berechnung muss neu bewertet werden, wenn sich diese Grundlagen ändern.
Auf dieser Basis unterstützt numi zwei Arbeitsweisen:
- Wiederkehrende Ausführung: Ein nativer Agent setzt berechnete Empfehlungen nach festgelegten Regeln um und gibt Ausnahmen zur Prüfung weiter.
- Flexible Untersuchung: Ein Sprachmodell greift über MCP auf bereitgestellte numi-Daten und Funktionen zu, untersucht eine konkrete Frage und bereitet die Ergebnisse verständlich auf.
So lässt sich dieselbe fachliche Grundlage sowohl für die tägliche Routine als auch für individuelle Fragestellungen nutzen.
Wann empfehlen wir native numi-Agenten?
Native numi-Agenten empfehlen wir für wiederkehrende Aufgaben, deren Ablauf und Freigabegrenzen klar beschrieben sind. Besonders geeignet sind Vorgänge, die Mitarbeitende heute regelmäßig prüfen und fast immer unverändert bestätigen.
Ein Beispiel ist die Bestellfreigabe im Einkauf:
- numi berechnet einen Bestellvorschlag aus Prognose, Bestand, offenen Bestellungen und Lieferzeiten.
- Der Agent prüft den Vorschlag gegen die vereinbarten Regeln, etwa Menge, Bestellwert und freigegebene Lieferanten.
- Liegt der Vorgang innerhalb dieser Grenzen, kann die Bestellung über die eingerichtete Integration im ERP angelegt werden. Alle anderen Fälle gehen mit Begründung in die menschliche Freigabe.
Der Ablauf kann zeitgesteuert oder durch ein Ereignis gestartet werden. Weitere Einsatzfelder sind die kontrollierte Übernahme berechneter Bestandsparameter und die Weitergabe erkannter Risiken an zuständige Teams.
Für solche klar geregelten Ausführungen muss ein Sprachmodell nicht jeden Vorgang erneut interpretieren. Dadurch entstehen für diesen Routinepfad keine zusätzlichen LLM-Aufrufe und keine zusätzlichen LLM-Tokens pro Ausführung. Die fachliche Berechnung und der Betrieb der Software bleiben selbstverständlich erforderlich. Werden weitere Funktionen ergänzt, etwa das Verstehen frei formulierter Lieferantenantworten, kann dafür zusätzlich ein Sprachmodell eingesetzt werden.
Wann empfehlen wir MCP mit ChatGPT oder Claude?
Den numi MCP-Server empfehlen wir, wenn eine gezielte Analyse, eine flexible Auswertung oder eine Management-Zusammenfassung gefragt ist. Die Fragestellung wird in natürlicher Sprache beschrieben und kann im Gespräch präzisiert werden.
MCP steht für Model Context Protocol. Dieser offene Standard ermöglicht KI-Anwendungen den Zugriff auf externe Daten und Werkzeuge. Ein MCP-Server stellt die entsprechenden Zugänge bereit; die KI-Anwendung ruft sie auf. Das MCP-Projekt erklärt diese Schnittstelle und ihre Werkzeuge im Detail.
Über den numi MCP-Server können beispielsweise Fragen wie diese bearbeitet werden:
- „Welche Artikel tragen am stärksten zum Bestandsanstieg bei? Untersuche die bereitgestellten Bestands- und Bedarfsdaten.“
- „Vergleiche die Lieferperformance der verfügbaren Lieferantengruppen und hebe auffällige Entwicklungen hervor.“
- „Fasse die wichtigsten Bestands-, Liefer- und Versorgungsrisiken für das Management zusammen. Nenne die zugrunde liegenden Kennzahlen.“
Der Vorteil liegt im flexiblen Zugang: Auf eine erste Übersicht kann eine Nachfrage zu einem Artikel, Zeitraum oder Lieferanten folgen. Das Sprachmodell nutzt die verfügbaren Werkzeuge und Informationen und hilft, Ergebnisse einzuordnen und verständlich zu formulieren. Der mögliche Analyseumfang hängt von den bereitgestellten Daten, Funktionen und Berechtigungen ab. Aussagen und Kennzahlen in einer Zusammenfassung sollten auf die zugrunde liegenden Daten zurückführbar sein.
Über MCP sind auch Aktionen möglich, sofern passende Werkzeuge und Berechtigungen vorhanden sind. Das dokumentieren sowohl OpenAI für MCP-Werkzeuge als auch Anthropic für Claude-Anbindungen. Unsere Empfehlung für Analysen beschreibt den passenden Einsatz bei numi; sie ist keine technische Beschränkung von MCP auf lesenden Zugriff.
Native numi-Agenten und MCP im Vergleich
Die Wahl richtet sich nach der Aufgabe. Die folgende Tabelle beschreibt unsere Empfehlung für den Einsatz beider Wege auf Basis von numi.
| Kriterium | Native numi-Agenten | Sprachmodell über den numi MCP-Server |
|---|---|---|
| Typische Aufgabe | Wiederkehrende Empfehlungen nach vereinbarten Regeln ausführen | Gezielte Analysen, flexible Auswertungen und Management-Zusammenfassungen |
| Beispiel | Bestellvorschläge innerhalb der Freigabegrenzen ins ERP übernehmen | Bestandsentwicklungen untersuchen und für das Management erklären |
| Start des Ablaufs | Eingerichteter Zeitplan oder definiertes Ereignis | Im hier beschriebenen Einsatz eine Frage oder ein Analyseauftrag |
| Sprachmodell | Kein zusätzlicher LLM-Aufruf für die klar geregelte Routineausführung nötig | LLM für sprachliche Interaktion, Werkzeugnutzung und Ergebnisaufbereitung |
| Kontrolle | Festgelegte Regeln, Freigabegrenzen und Prüfung von Ausnahmen | Freigegebene Werkzeuge, Berechtigungen und erforderliche Bestätigungen |
| Fachliche Grundlage | Bereitgestellte Daten, Prognosen, Optimierungsergebnisse und Funktionen von numi | |
MCP ist ein Verbindungsstandard und kein eigener Agententyp. Auch ein mit einem Sprachmodell arbeitender Agent kann MCP verwenden. Ein größerer, entsprechend eingerichteter Ablauf kann zudem automatisch starten. Für numi ist die praktische Unterscheidung deshalb: Welche wiederkehrenden Schritte lassen sich fest einrichten, und wo bringt die flexible Arbeit mit einem Sprachmodell zusätzlichen Nutzen?
Wie beide Wege im Einkauf zusammenspielen
Ein möglicher Ablauf zeigt, wie sich Routine und Analyse ergänzen: numi berechnet neue Bestellvorschläge. Ein nativer Agent prüft die eingerichteten Freigaberegeln, übernimmt passende Vorschläge ins ERP und gibt Ausnahmen zur Entscheidung weiter.
Später möchte die Einkaufsleitung wissen, warum sich das Einkaufsvolumen verändert hat. Über den MCP-Zugang lässt sie die verfügbaren numi-Daten untersuchen und eine Zusammenfassung erstellen. Im Gespräch kann sie einzelne Warengruppen oder Zeiträume vertiefen und die Kennzahlen prüfen.
Der wiederkehrende Prozess läuft im vereinbarten Rahmen. Die individuelle Analyse hilft, Veränderungen zu verstehen und gegebenenfalls die Planungsziele oder Regeln anzupassen. Eine Analyse im Chat ändert diese Regeln nicht automatisch; dafür braucht es einen ausdrücklich freigegebenen Vorgang.
Wie startet man mit Supply-Chain-Agenten?
Ein sinnvoller Einstieg beginnt mit einem überschaubaren Prozess und einer belastbaren fachlichen Grundlage:
- Aufgabe auswählen: Welche wiederkehrenden Vorgänge werden heute häufig unverändert freigegeben? Welche Analysen benötigen dagegen wechselnde Fragen und Erklärungen?
- Daten und Ziele klären: Bestände, Bedarfe, Lieferzeiten und Stammdaten müssen für den gewählten Prozess nutzbar sein. Ziele wie Verfügbarkeit und Bestandswert sowie Restriktionen müssen zusammenpassen.
- Berechtigungen und Verantwortung festlegen: Wer darf Daten lesen, Bestellungen auslösen oder Parameter ändern? Welche Fälle brauchen eine Freigabe, und wer bearbeitet fehlende Daten oder eine fehlgeschlagene Aktion?
- Schrittweise automatisieren: Zuerst im Monitoring prüfen, was der Agent tun würde. Anschließend mit menschlicher Freigabe arbeiten. Erst nach fachlicher Prüfung geeignete Fälle innerhalb definierter Grenzen automatisch ausführen lassen.
- Ergebnisse überprüfen: Bearbeitungszeit, Freigabequote, Korrekturen und Auswirkungen auf die Versorgung beobachten. Regeln und Daten bei Bedarf anpassen.
Die Grenzen werden häufig Guardrails genannt. Dazu gehören etwa Mengen- und Wertgrenzen, zugelassene Lieferanten und Eskalationswege. Solche Leitplanken, Protokollierung und eine passende Systemintegration sind für beide Zugänge wichtig. Der MCP-Standard allein legt die Geschäftsregeln des Unternehmens nicht fest.
Häufige Fragen zu KI-Agenten und MCP in der Supply Chain
Brauchen KI-Agenten immer ein Sprachmodell?
Nein. Ein nativer numi-Agent kann berechnete Empfehlungen anhand festgelegter Regeln ausführen, ohne dafür zusätzlich ein LLM aufzurufen. Ein Sprachmodell ist hilfreich, wenn Fragen flexibel formuliert, Informationen sprachlich eingeordnet oder Ergebnisse als Bericht aufbereitet werden sollen. Je nach Aufgabe können beide Ansätze kombiniert werden.
Verbraucht ein MCP-Server Tokens?
MCP ist ein Schnittstellenstandard. Die LLM-Tokens entstehen bei der Verarbeitung von Eingaben, Werkzeugbeschreibungen, Ergebnissen und Antworten durch das Sprachmodell. Wie daraus Kosten entstehen, hängt vom verwendeten Angebot und Tarif ab. Der beschriebene native Routinepfad benötigt keinen zusätzlichen LLM-Aufruf pro Ausführung.
Können ChatGPT oder Claude über MCP auch Aktionen ausführen?
Ja, wenn der MCP-Server passende Werkzeuge bereitstellt und die notwendigen Berechtigungen und Freigaben vorliegen. Dazu können auch schreibende Aktionen gehören. Für die Auswahl zwischen nativen numi-Agenten und einem Sprachmodell über MCP empfehlen wir, Wiederholbarkeit, Analysebedarf und gewünschte Kontrolle des Ablaufs zu betrachten.
Ersetzen KI-Agenten Einkauf und Disposition?
Agenten übernehmen abgegrenzte Aufgaben. Die Fachbereiche bestimmen Ziele und Grenzen, prüfen Ausnahmen und bringen Wissen über Kunden, Lieferanten und betriebliche Besonderheiten ein. Bei numi soll die Automatisierung vor allem wiederkehrende Ausführung abnehmen und die Analyse den Menschen bei gezielten Fragestellungen unterstützen.
Welcher numi-Zugang passt zu Ihrem Prozess?
Wenn Ihr Team berechnete Vorschläge immer wieder unverändert bestätigt, lohnt sich ein Blick auf native Agenten. Wenn es Entwicklungen untersuchen und Informationen für unterschiedliche Fragestellungen aufbereiten möchte, ist der MCP-Zugang mit einem Sprachmodell ein passender Einstieg. Viele Teams benötigen beide Arbeitsweisen.
Auf der Seite zu KI-Agenten und Supply Chain Automatisierung mit numi sehen Sie die verfügbaren Funktionen. Im Erstgespräch können wir einen konkreten Routineprozess und eine typische Analysefrage gemeinsam einordnen.
