- Der Engpass ist selten das Kalkulieren, sondern das Zusammensuchen: Anfrage verstehen, Positionen im Artikelstamm finden, Alt-Angebote wälzen — Stunden pro Angebot, gebunden an wenige erfahrene Köpfe.
- Erst seit kurzem technisch machbar: Sprachmodelle können inzwischen unstrukturierte Anfragen samt Anhängen lesen und über tausende Artikelvarianten zuverlässig klassifizieren — das war vor zwei Jahren noch nicht praxistauglich.
- Der Mensch bleibt in der Schleife: Die KI liefert den geprüfbaren Entwurf, der Vertrieb entscheidet über Preis und Freigabe. Vollautomatik ist die Ausnahme für C-Teile, nicht das Ziel.
- Einstieg als Pilot mit einem Angebotstyp: 12.000 € Festpreis, davor das Audit für 2.000 € (bei Pilot voll angerechnet) — Betrieb 500 €/Monat, System im Betriebsbesitz.
Wie sehr Angebote klemmen, merkt man in Betrieben daran, wer sie schreibt: fast immer die erfahrensten Leute. Nicht weil Tippen schwer wäre, sondern weil ein belastbares Angebot verteiltes Wissen voraussetzt — welche Variante technisch passt, was der Kunde beim letzten Mal bekommen hat, welche Position gern vergessen wird, wo die Marge noch stimmt. Dieses Wissen liegt im Artikelstamm, in Alt-Angeboten, in E-Mail-Verläufen und in Köpfen. Das Ergebnis: Anfragen stapeln sich bei zwei Personen, die Antwortzeit wächst mit dem Auftragseingang, und im Urlaub dieser Personen steht der Vertrieb.
Genau dieser Zuschnitt — unstrukturierter Text trifft auf großes, verteiltes Wissen — war lange der Grund, warum sich Angebotserstellung der Automatisierung entzogen hat. Klassische Software braucht Struktur; Anfragen haben keine. Das hat sich mit den Sprachmodellen der letzten zwei Jahre geändert: Sie lesen die formlose E-Mail samt PDF-Anhang, erkennen, dass „das gleiche wie 2023, aber in Edelstahl und 40 statt 25 Stück" drei konkrete Positionen bedeutet, und ordnen sie über tausende Artikelvarianten dem Stamm zu. Diese Klassifizierungsleistung über große Variantenräume ist der eigentliche Durchbruch — nicht das Formulieren des Anschreibens.
Was die KI konkret übernimmt — Schritt für Schritt
1. Anfrage lesen und zerlegen. E-Mail, PDF, Excel-Liste, eingescannte Skizze mit Anmerkungen — die KI extrahiert, was angefragt wird: Positionen, Mengen, Termine, Sonderwünsche, Unklarheiten. Fehlt etwas, wird daraus keine stille Annahme, sondern eine markierte Rückfrage.
2. Positionen dem Artikelstamm zuordnen. Der Kern der Sache: Aus der Kundenformulierung wird die richtige Variante im eigenen Stamm — auch wenn der Kunde anders benennt als das ERP. Bei Unsicherheit schlägt das System die zwei, drei plausiblen Kandidaten vor, statt zu raten.
3. Entwurf aus der Historie bauen. Preisvorschläge und Textbausteine kommen aus den eigenen Alt-Angeboten und Preislisten — inklusive dem, was bei diesem Kunden üblich war. Heraus kommt ein vollständiger Angebotsentwurf im eigenen Format, mit Kennzeichnung, was sicher ist und was geprüft werden muss.
4. Mensch prüft und gibt frei. Der Vertrieb arbeitet den Entwurf durch, entscheidet über Preis und Konditionen und schickt raus. Aus Stunden Zusammensuchen werden Minuten Prüfen — und das Wissen, das bisher nur in Köpfen lag, steckt zunehmend im System statt im Engpass.
Und was ist mit CPQ-Konfiguratoren?
Wer sich mit Angebotsautomatisierung beschäftigt, stößt schnell auf CPQ-Systeme (Configure, Price, Quote). Die sind kein Gegensatz, sondern ein anderes Werkzeug: CPQ glänzt, wo Produkte sauber in Regeln beschreibbar sind — Variante A schließt B aus, Preis folgt Formel. Der Preis dafür ist die Einführung: Das Regelwerk muss vollständig modelliert und dauerhaft gepflegt werden, was gerade bei gewachsenen Sortimenten zum Mammutprojekt wird. Der LLM-Ansatz arbeitet stattdessen mit dem, was ohnehin da ist — Historie, Artikelstamm, Dokumente — und verkraftet die Unschärfe echter Anfragen. In der Praxis ergänzen sich beide: strukturierte Konfiguration, wo Regeln existieren, Sprachmodell für das Lesen, Zuordnen und Formulieren drumherum. Wer schon ein CPQ hat, wirft es nicht weg; wer keins hat, braucht es für den Einstieg nicht mehr zwingend.
| Stufe | Was automatisiert wird | Für wen sinnvoll |
|---|---|---|
| 1 | Anfrage-Vorqualifizierung: Eingänge lesen, Positionen und Unklarheiten extrahieren, an die richtige Person geben | Jeder Betrieb mit Anfrage-Postfach — auch im Handwerk der schnellste Start |
| 2 | Entwurfs-Erstellung: Positionen zuordnen, Preise aus Historie vorschlagen, Angebotsdokument vorbereiten | Betriebe mit Artikelstamm und Angebotshistorie — der Standard-Pilot |
| 3 | Varianten-Klassifizierung: Zuordnung über tausende Artikelvarianten, Kandidaten-Vorschläge bei Unsicherheit | Maschinenbau und Zulieferer mit großen, gewachsenen Sortimenten |
| 4 | Vollautomatik für Standardfälle: C-Teile und Katalogware ohne manuelle Prüfung | Nur für klar abgegrenzte Standard-Anfragen — bewusste Einzelentscheidung |
Vier Stufen der Angebotsautomatisierung. Digital Maker, Stand Juli 2026 — Einstieg fast immer über Stufe 1 oder 2.
Was es kostet — und womit anfangen
Der Einstieg folgt unserer üblichen Treppe: Das KI-Audit für 2.000 € Festpreis sichtet Artikelstamm, Historie und Systeme und legt fest, welcher Angebotstyp als Pilot taugt — startet binnen 60 Tagen ein Pilot, wird das Audit voll angerechnet. Der Pilot kostet 12.000 € Festpreis: ein Angebotstyp, angebunden an die echten Daten, gemessen an echten Anfragen. Danach läuft das System für 500 € im Monat weiter — Betrieb, Modell-Updates, Quartals-Workshop inklusive, jederzeit kündbar. Für den Maschinenbau mit seinen Variantenräumen steht der Branchen-Kontext auf der Maschinenbau-Seite; für kleinere Betriebe der Praxis-Leitfaden KI im Handwerk; das große Bild der Abläufe auf der Automatisierungs-Seite.
Ob sich das rechnet, ist keine Glaubensfrage, sondern eine Multiplikation: Stunden pro Angebot mal Angebote pro Woche mal Stundensatz der Leute, die sie heute schreiben — verglichen mit 500 € im Monat. Bei den meisten Betrieben, die pro Woche mehr als eine Handvoll Angebote schreiben, kippt die Rechnung schnell. Und der zweite Effekt steht auf keiner Rechnung: Das Angebot, das noch am selben Tag beim Kunden ist, statt am Ende der Woche.
Quellen und Einordnung
Die Einordnung der technischen Machbarkeit (Klassifizierung über große Variantenräume als Durchbruch der letzten ein bis zwei Jahre) deckt sich mit Einschätzungen aus der KI-Beratungsbranche selbst (u. a. Everlast AI, YouTube, 2026) und unserer eigenen Projektpraxis. Rechtsbezüge: DSGVO (Art. 28 Auftragsverarbeitung) für Kundendaten in Anfragen; Geheimhaltungsvereinbarungen (NDAs) als Architektur-Anforderung. Genannte Preise sind unsere öffentlichen Festpreise, Stand Juli 2026 — die vollständige Liste steht im Artikel Was kostet KI-Beratung?.
Häufige Fragen: KI in der Angebotserstellung
Funktioniert das mit unserem ERP-System?
In aller Regel ja. Die KI-Schicht liegt vor dem ERP, nicht darin: Sie liest die Anfrage, ordnet Positionen dem Artikelstamm zu und erzeugt einen Angebotsentwurf — der dann per Schnittstelle ins vorhandene System wandert oder als strukturierter Entwurf ins bestehende Formular. Ob SAP, proAlpha, abas oder ein gewachsenes Eigensystem: Entscheidend ist nur, dass Artikelstamm und Angebotshistorie zugänglich sind. Das klären wir im Audit, bevor irgendetwas gebaut wird.
Wie viel Angebotshistorie braucht die KI?
Weniger, als die meisten vermuten — es gibt keine feste Mindestmenge, weil moderne Sprachmodelle nicht bei null anfangen: Sie bringen Sprach- und Dokumentverständnis mit und lernen aus der Historie vor allem eure Eigenheiten — Benennungen, typische Positionen, Rabattlogik. Ein paar hundert Alt-Angebote plus der Artikelstamm sind ein solider Start; je mehr Historie, desto besser die Vorschläge. Im Pilot zeigt sich binnen Wochen, wie treffsicher das System mit euren Daten ist.
Gibt die KI Preise selbstständig heraus?
Nein — und das ist eine Architektur-Entscheidung, keine technische Grenze. Der Entwurf landet immer bei einem Menschen, der prüft, schärft und freigibt: Preisgestaltung, Lieferzeiten und Sonderkonditionen bleiben Vertriebsentscheidungen mit Haftungsfolgen. Der Gewinn liegt davor — die KI erledigt das Zusammensuchen, Zuordnen und Vorformulieren, also den Teil, der bisher Stunden pro Angebot gefressen hat. Vollautomatik ist höchstens für standardisierte Kleinteil-Anfragen sinnvoll, und auch das als bewusste Einzelfall-Entscheidung.
Was ist mit den Kundendaten in den Anfragen?
Anfragen enthalten Kundendaten, oft Zeichnungen und Spezifikationen unter NDA — deshalb gehört die Verarbeitung auf Infrastruktur, die der Betrieb kontrolliert: lokal im Haus oder auf dedizierter EU-Infrastruktur, mit klarer Auftragsverarbeitungskette. Genau so bauen wir unsere Systeme; die Argumente im Detail stehen auf der Maschinenbau-Seite. Und wie bei allem, was wir bauen: Das System gehört am Ende dem Betrieb — kündbar ist nur unser Service, nicht deine KI.
Wie viele Stunden stecken bei euch in einem Angebot?
Wenn die Antwort „zu viele" ist: In 10 Minuten zeigt der KI-Selbstcheck, ob dein Betrieb für den Einstieg bereit ist — oder wir schauen uns deinen Angebotsprozess direkt gemeinsam an.